基于模型預測控制技術的電廠優化運行研究

陳 輝

（浙江物產金義生物質熱電有限公司）

0 引言

分布式發電正在塑造能源的未來。分布式能源（DER）支持能源獨立性，促進可持續性，并為生產消費者提供成本節約和令人興奮的新服務［1-2］。然而，由于隱藏的負載、反饋和電壓波動問題，DER正在擾亂配電系統運營商（DSO）的商業模式和運營。DSO需要一個端到端的解決方案來管理DER，包括模型、預測監控以及所有內部和外部系統和利益相關者的最終控制和調度。現在，在一個DER以指數級速度增長的世界里，解決方案變得更加具有挑戰性。為了應對這些挑戰，在有源配電網中對DER進行高效且具有成本效益的能源管理尤為必要。

1 基于MPC的自適應預測能源管理策略

MPC是一種優化控制技術，它使用后退視界方法，在每個時間步長將無限長的開環優化轉化為有限的長閉環優化，同時考慮到系統的動力學、控制目標，以及約束條件。它與接近實時的FC相結合，進一步提高了控制效率。

1.1 后時域優化(RHO)

在每個時間步長中，對不確定的RES（可再生能源）和負載進行預測，并基于預測值，優化模型在給定的時間范圍（預測范圍）內使電廠的運行成本最小化。然后只執行第一個時間步長的結果，并且時間范圍向前移動到下一個時間步長。

1.2 反饋校正(FC)

在RHO（后時域優化）的每個時間步長期間，多次應用FC來調整電廠系統的DER的輸出，以平衡由于預測誤差引起的失配。所需的誤差校正是基于超短項誤差預測來計算的。所提出的RHO的實施總是使用最新的信息，并且僅實施調度計劃的第一個時間步驟的結果。接下來，根據監測數據，通過FC 模型重新調整VPP的所有DER的輸出，以保持控制最優，同時容忍RES和負載的不確定性。

2 RHO及FC模型分析

在所提出的能源管理策略的這一部分中，在每個時間步長k中進行不確定參數（RES和負載）的預測和優化。該優化的目標是在固定的未來時間范圍內最小化總運營成本。從時間步長k開始，在時間步長k+1之前，基于對未來時間范圍（從時間步長k+1到時間步長k+M）上的不確定參數的預測來求解優化，但僅實現時間步長k+0的調度。這里，M表示預測范圍的長度。類似地，在下一個時間步長中，時間范圍向前移動一個一次性步長，如圖1所示，基于最新信息重復預測和優化。優化過程考慮了實現最優控制的未來時間步長。

圖1 RHO中的后時域時間范圍

2.1 RHO模型制定

在獲得特定有限時間范圍內的預測后，執行RHO。本文中考慮的VPP包括分布式光伏發電、負載和電池儲能系統（BESS），它們連接到配電系統并通過通信網絡運行。將優化公式化為MILP問題，如下所示。

目標函數：優化的目標是最大限度地降低VPP的運營成本。它被制定為

式中，Jc(t) 為電廠的操作成本，Jp為來自電池儲能系統的充電和放電的潛在利潤。具體如下：

式中，πg是與電網的電力交換價格Pg，i，Pch，i是充電功率，Pdh，i為放電功率，Sb，i是BESS在第i條總線上的充電狀態（SoC）。此外，πg，avg是預測范圍內的平均價格。（1）中的目標函數強制執行BESS的充電和放電必須盈利的標準。

來自光伏能源系統的發電功率Ppv，T是在采樣時間T期間在第i個總線處使用的PV功率Ppv和PV功率削減Ppv，c的總和，如下

在時間步長t期間，第i個總線處的PV能量系統具有由逆變器施加的最大功率極限，如下

式中，upv，i是第i條總線上光伏能源系統運行狀態的二進制決策變量。

BESS在第i個總線上的SoC可以通過簡化的離散動力學方程來估計

式中，σbi表示自放電能量損失，ηch，i是BESS在第i條母線上的充電效率，ηdch，i是放電效率。可以強制執行BESS在第i條總線上的SoC限制，以便

BESS的充電和放電功率極限可以表示為

式中，uch，i和udch，i分別是第i條總線上充電和放電決策的二進制決策變量。

3 實例分析

為了驗證所提出的能源管理策略的性能，對某地區實際配電系統中的一個可運行的商業電廠進行了案例分析。地理上分散的DER通過配電系統中的輸電線路連接。為了保持適當的通信，獨立的對稱數字用戶線用于上行和下行通信。本文中的分析是基于從電廠聚合器獲得的真實數據進行的。

3.1 使用RHO+FC的VPP實時最優電力調度

使用所提出的能量管理策略（RHO+FC）在同一天對VPP 進行實時最優功率調度的結果如圖所示。圖2（a）-（b）段，功率流也如圖3（a）-（f）所示。在每個RHO周期中，FC被應用六次，這需要對預測誤差進行短期預測，然后進行調整。如圖2（a）-（b）所示，FC通過近實時的短期預測，在RES和負載的輸出中捕捉到了更多的不確定性，這反映在凈負載變化中。從圖中可以看出，2（a）-（b）從08：00到11：00和17：00到21：00，住宅（1-4）的設置點通過所提出的策略進行了廣泛調整，以消除VPP實時操作中可能出現的不匹配。

圖3 RHO+FC在VPP分支中的功率流

此外，在圖2（c），對于行業（1-3），所提出的策略通過根據每個時間步長的預測誤差調整調度設定點來應對意外干擾。

3.2 RHO與擬建RHO+FC的比較

為了評估擬議的能源管理策略，對RHO 和擬議的RHO+FC策略進行了比較，結果如表1所示。電廠系統的總負荷需求為1565.5 kW。與RHO 的1988 元相比，擬議能源管理RHO+FC 策略將當天的總成本降至1953 元。與RHO 的14.83%相比，擬議的能源管理RHO+FC 策略將平均相對失配率降至7.86%。負失配和正失配分別表示預測調度設定點高于或低于實際參考設定點。盡管與RHO 的1.8743 s 相比，所提出的能量管理RHO+FC 策略的平均計算時間略高達2.9772 s，但VPP 的實時操作是可以接受的，因為實時操作間隔為5min。

表1 RHO與所提出的RHO+FC的比較

實時地，VPP試圖基于預測值來匹配激活的出價或報價，而實際可用功率與系統計算的預測值不同，因此，在預測功率和實際可用功率之間存在波動。圖4（a）顯示了VPP 使用RHO 與總線2 處電網的總功率交換，圖4（b）顯示了使用所提出的策略（RHO+FC）的凈功率交換。圖4（a）和（b）表明，所提出的策略在跟蹤實際可用功率方面表現更好，因此，與RHO相比，需求和供應之間的總體不匹配減少了。

圖4 總線2處與電網的凈功率交換。（a）使用RHO（b）使用擬議的RHO+FC

4 結論

本文提出了一種自適應和預測的能量管理策略，用于VPP 的實時最優功率調度，該策略基于MPC 技術，帶有FC 來補償預測誤差。擬議的戰略包括兩部分：1）RHO和2）FC。在RHO中，提出了一種混合SARIMA 模型和KF 算法來提高后退視界的預測精度。在FC 中，提出了一種快速滾動灰色短期預測模型來預測預測誤差，以響應預測誤差對調度進行自適應調整。利用RHO 和FC 技術，所提出的能量管理策略可以處理RES 和負載輸出中的不確定性，并可以提高控制精度。仿真結果表明，與RHO 相比，該策略性能更好，在處理不確定擾動時降低了相對失配和運行成本。此外，該策略通過簡化最優電力調度模型，在可接受的計算時間內計算出實時運行的解。