1 項(xiàng)目背景

關(guān)于微電網(wǎng)能量?jī)?yōu)化的研究，目前主要有確定性優(yōu)化與不確定性優(yōu)化兩種技術(shù)路線。確定性優(yōu)化，主要采取多時(shí)間尺度優(yōu)化方法，但多時(shí)間尺度優(yōu)化依賴(lài)于可再生能源預(yù)測(cè)精度，且不同時(shí)間尺度的劃分會(huì)對(duì)優(yōu)化結(jié)果產(chǎn)生較大影響。不確定優(yōu)化，主要采取魯棒優(yōu)化和隨機(jī)優(yōu)化，但魯棒優(yōu)化結(jié)果具有一定保守性，且計(jì)算量大、難收斂，而隨機(jī)優(yōu)化依賴(lài)于隨機(jī)變量的概率分布，場(chǎng)景選取與設(shè)計(jì)工作量較大。針對(duì)不確定優(yōu)化存在的問(wèn)題，學(xué)者提出了采用具有滾動(dòng)優(yōu)化環(huán)節(jié)的模型預(yù)測(cè)控制(MPC)方法，并成功應(yīng)用于微電網(wǎng)能量?jī)?yōu)化管理。但目前將MPC應(yīng)用于微電網(wǎng)能量?jī)?yōu)化的研究存在以下不足：①模型中某些參數(shù)固定，難以適應(yīng)微電網(wǎng)中突發(fā)的擾動(dòng)，如可再生能源發(fā)電功率的激增或驟降；②只能在有限時(shí)長(zhǎng)內(nèi)預(yù)測(cè)和優(yōu)化相關(guān)變量，難以處理一些具有長(zhǎng)優(yōu)化周期的變量的復(fù)雜約束；③較少設(shè)計(jì)反饋環(huán)節(jié)，無(wú)法充分發(fā)揮MPC的優(yōu)化效果。

因此，本文針對(duì)上述問(wèn)題，對(duì)傳統(tǒng)MPC進(jìn)行了改進(jìn)：①針對(duì)MPC模型參數(shù)固定的問(wèn)題，根據(jù)不可控輸入量的預(yù)測(cè)信息對(duì)MPC的控制時(shí)長(zhǎng)、預(yù)測(cè)時(shí)長(zhǎng)進(jìn)行自適應(yīng)調(diào)整；②針對(duì)難以獲得全周期最優(yōu)解的復(fù)雜約束，對(duì)相關(guān)復(fù)雜約束進(jìn)行“軟化”，使優(yōu)化過(guò)程更具有彈性、靈活性；③針對(duì)微電網(wǎng)能量?jī)?yōu)化中較少設(shè)計(jì)反饋環(huán)節(jié)，根據(jù)系統(tǒng)歷史預(yù)測(cè)輸出與實(shí)際輸出間的誤差設(shè)計(jì)反饋環(huán)節(jié)，對(duì)預(yù)測(cè)模型進(jìn)行修正，使控制結(jié)果精度更高。基于上述改進(jìn)設(shè)計(jì)了雙層多時(shí)間尺度微電網(wǎng)能量?jī)?yōu)化模型，有機(jī)結(jié)合了日前調(diào)度和日內(nèi)優(yōu)化，解決了多時(shí)間尺度優(yōu)化中難以及時(shí)修正計(jì)劃指令誤差的問(wèn)題，避免了魯棒優(yōu)化難收斂、結(jié)果保守的問(wèn)題和隨機(jī)優(yōu)化計(jì)算量大的問(wèn)題。

2 改進(jìn)部分之域參數(shù)的自適應(yīng)調(diào)整

針對(duì)傳統(tǒng)MPC對(duì)于處理突發(fā)的擾動(dòng)存在不足，在MPC優(yōu)化中對(duì)域的參數(shù)進(jìn)行自適應(yīng)調(diào)整，如圖1所示。具體包括：①對(duì)于預(yù)測(cè)域或控制域，若選取得過(guò)長(zhǎng)，會(huì)增加預(yù)測(cè)的不確定性對(duì)系統(tǒng)的影響且增長(zhǎng)計(jì)算時(shí)間；若選取得過(guò)短，優(yōu)化時(shí)便無(wú)法更好的考慮系統(tǒng)的全局狀態(tài)。因此，本文根據(jù)預(yù)測(cè)誤差對(duì)控制域及預(yù)測(cè)域的長(zhǎng)度進(jìn)行自適應(yīng)調(diào)整，即應(yīng)用枚舉法將不同誤差區(qū)間的不可控輸入量(如光伏發(fā)電功率)代入具體場(chǎng)景，從而將原預(yù)測(cè)域步長(zhǎng)調(diào)整至適宜步長(zhǎng)；②對(duì)于控制間隔，若選取得過(guò)長(zhǎng)會(huì)導(dǎo)致系統(tǒng)無(wú)法對(duì)干擾進(jìn)行及時(shí)的處理，若選得過(guò)短則會(huì)增加計(jì)算的頻率，增大計(jì)算量。本文根據(jù)不可控輸入量預(yù)測(cè)值在該控制間隔內(nèi)的波動(dòng)幅度和采樣間隔，將原采樣間隔數(shù)m0調(diào)整至m0-h2。

3 改進(jìn)部分之復(fù)雜約束的處理

①針對(duì)在單個(gè)MPC預(yù)測(cè)時(shí)間范圍內(nèi)難以獲得可行解的復(fù)雜約束，如可平移負(fù)荷約束的問(wèn)題，本文提出了在進(jìn)行MPC優(yōu)化前應(yīng)用預(yù)處理優(yōu)化算法來(lái)處理該類(lèi)約束，并且將相關(guān)優(yōu)化結(jié)果將作為不可控輸入量參與MPC優(yōu)化。預(yù)處理算法能夠確保線性或非線性規(guī)劃在約束內(nèi)能夠得到可行解，進(jìn)而提升系統(tǒng)魯棒性；②針對(duì)在單個(gè)MPC預(yù)測(cè)時(shí)間范圍內(nèi)難以獲得全周期最優(yōu)解的復(fù)雜約束，如儲(chǔ)能SOC約束，將其預(yù)處理中的優(yōu)化結(jié)果作為參考信息參與MPC優(yōu)化，并嵌套于MPC中的動(dòng)態(tài)約束調(diào)整算法“軟化”該類(lèi)約束，例如Sf-ε≤Sf≤Sf+ε，Sf是由預(yù)處理算法得到輸入量S的參考值，ε是松弛因子。

軟約束不僅能夠參考預(yù)處理中的全周期計(jì)劃指令，而且能夠保證系統(tǒng)在MPC優(yōu)化中的靈活調(diào)度，進(jìn)而在考慮系統(tǒng)全周期運(yùn)行狀態(tài)的情況下得到該輸入量最優(yōu)優(yōu)化結(jié)果，流程如圖2所示。

4 根據(jù)歷史預(yù)測(cè)輸出誤差設(shè)計(jì)反饋環(huán)節(jié)

針對(duì)傳統(tǒng)MPC優(yōu)化中的反饋環(huán)節(jié)難以設(shè)計(jì)問(wèn)題，本文提出通過(guò)歷史預(yù)測(cè)輸出誤差來(lái)校正模型預(yù)測(cè)中的狀態(tài)量，以保證優(yōu)化結(jié)果的精確性，即根據(jù)前一時(shí)刻預(yù)測(cè)的該時(shí)刻輸出量與實(shí)測(cè)量之間的偏差，求得對(duì)應(yīng)狀態(tài)量的修正，來(lái)消除當(dāng)前時(shí)刻優(yōu)化中的預(yù)測(cè)偏差，公式如下：

試驗(yàn)微電網(wǎng)系統(tǒng)包括10 kW光伏發(fā)電系統(tǒng)、10 kW·h磷酸鐵鋰電池儲(chǔ)能，儲(chǔ)能最大充放電功率分別是5 kW、8 kW；日內(nèi)MPC優(yōu)化初始控制間隔為20 min，初始預(yù)測(cè)域?yàn)? h，最小采樣間隔為10 min，改進(jìn)部分優(yōu)化結(jié)果如下：

圖3 優(yōu)化結(jié)果

6 總結(jié)

本文采用了基于改進(jìn)MPC的雙層多時(shí)間尺度優(yōu)化算法，對(duì)傳統(tǒng)MPC算法提出域的參數(shù)自適應(yīng)改進(jìn)，在不可控輸入量預(yù)測(cè)誤差較大時(shí)，能夠更大程度上消除該誤差給系統(tǒng)帶來(lái)的干擾；對(duì)傳統(tǒng)MPC算法提出復(fù)雜約束處理方法，解決了MPC難以處理與時(shí)間相關(guān)或與全局性相關(guān)的問(wèn)題；對(duì)傳統(tǒng)MPC反饋環(huán)節(jié)提出根據(jù)歷史預(yù)測(cè)輸出校正誤差，能夠使控制結(jié)果更接近控制目標(biāo)。