基于模型預(yù)測(cè)控制的分布式熱電聯(lián)供系統(tǒng)優(yōu)化調(diào)度

周金輝，徐琛，葛曉慧，張維桐，陳健

（1.國(guó)網(wǎng)浙江省電力公司電力科學(xué)研究院，杭州310014；2.山東大學(xué)電氣工程學(xué)院，濟(jì)南250061）

發(fā)電技術(shù)

基于模型預(yù)測(cè)控制的分布式熱電聯(lián)供系統(tǒng)優(yōu)化調(diào)度

周金輝1，徐琛1，葛曉慧1，張維桐2，陳健2

（1.國(guó)網(wǎng)浙江省電力公司電力科學(xué)研究院，杭州310014；2.山東大學(xué)電氣工程學(xué)院，濟(jì)南250061）

針對(duì)分布式熱電聯(lián)供系統(tǒng)優(yōu)化運(yùn)行問(wèn)題，提出一種基于模型預(yù)測(cè)調(diào)度和模型預(yù)測(cè)控制的雙層分布式熱電聯(lián)供系統(tǒng)優(yōu)化調(diào)度模型和方法。建立了含微型燃?xì)廨啓C(jī)、光伏、蓄電池儲(chǔ)能系統(tǒng)、熱儲(chǔ)能系統(tǒng)以及熱電負(fù)荷的分布式供能系統(tǒng)模型，提出了計(jì)及日前調(diào)度和實(shí)時(shí)調(diào)度的優(yōu)化調(diào)度模型，以分布式供能系統(tǒng)運(yùn)行成本最小、電網(wǎng)聯(lián)絡(luò)線功率調(diào)整、蓄電池功率波動(dòng)最小和運(yùn)行成本為目標(biāo)，采用Matlab的工具箱Yalmip求解此優(yōu)化調(diào)度問(wèn)題，算例結(jié)果表明了所提模型和算法的有效性和正確性。

熱電聯(lián)供；分布式發(fā)電；模型預(yù)測(cè)控制；優(yōu)化調(diào)度

0 引言

當(dāng)前CHP（熱電聯(lián)供）技術(shù)正受到越來(lái)越多的關(guān)注和應(yīng)用，單一供電系統(tǒng)逐步向綜合供能系統(tǒng)發(fā)展，通過(guò)能量的梯級(jí)利用，提高能源綜合利用效率和供能靈活度[1]。同時(shí)，可再生能源分布式發(fā)電技術(shù)憑借就地開發(fā)利用和清潔環(huán)保等優(yōu)勢(shì)，也得到快速發(fā)展。供能形式也從集中式供能向分布式供能轉(zhuǎn)變[2]，為分布式供能系統(tǒng)發(fā)展提供了機(jī)遇和可能。分布式熱電聯(lián)供系統(tǒng)非常適合具有熱電不同形式供能需求的工業(yè)與社區(qū)樓宇建筑等應(yīng)用場(chǎng)合，受到世界各國(guó)研究人員的廣泛關(guān)注，成為現(xiàn)今研究的熱點(diǎn)方向?？梢姡植际桨l(fā)電與綜合能源供能將是未來(lái)智能配電網(wǎng)的重要發(fā)展方向[3-5]。

分布式熱電聯(lián)供系統(tǒng)中不同能源形式的綜合利用以及需求側(cè)響應(yīng)等技術(shù)的引入，增大了優(yōu)化調(diào)度的復(fù)雜度與難度，如何協(xié)調(diào)優(yōu)化調(diào)度分布式熱電聯(lián)供系統(tǒng)是其重要課題。文獻(xiàn)[6]提出一種冷熱電聯(lián)供系統(tǒng)離線優(yōu)化模型，以最優(yōu)化系統(tǒng)日收益；文獻(xiàn)[7]設(shè)計(jì)了冷熱電聯(lián)供微網(wǎng)調(diào)度優(yōu)化模型，并對(duì)日前經(jīng)濟(jì)調(diào)度進(jìn)行了分析；文獻(xiàn)[8]采用方程線性化的方法將優(yōu)化問(wèn)題轉(zhuǎn)化為MILP（混合整數(shù)線性規(guī)劃）問(wèn)題，并分析比較了微網(wǎng)采用與效益；文獻(xiàn)[9]對(duì)光伏與微型燃?xì)廨啓C(jī)微網(wǎng)能量管理策略進(jìn)行了分析；文獻(xiàn)[10-11]考慮了冷電功率的實(shí)時(shí)調(diào)度，采用改進(jìn)型粒子群算法對(duì)冷熱電聯(lián)供系統(tǒng)調(diào)度進(jìn)行了研究，在日前調(diào)度（離線優(yōu)化）的基礎(chǔ)上，考慮了實(shí)時(shí)調(diào)度（在線優(yōu)化）。上述研究為冷熱電聯(lián)供分布式供能系統(tǒng)優(yōu)化調(diào)度提供了參考。

MPC（模型預(yù)測(cè)控制）作為工業(yè)過(guò)程控制中的重要手段，其滾動(dòng)優(yōu)化的思想在電力系統(tǒng)優(yōu)化等問(wèn)題也得到了一定的應(yīng)用[12]。文獻(xiàn)[13]提出一種基于模型預(yù)測(cè)控制的微網(wǎng)在線運(yùn)行策略；文獻(xiàn)[14]采用模型預(yù)測(cè)控制對(duì)含風(fēng)電系統(tǒng)機(jī)組組合問(wèn)題進(jìn)行了分析；文獻(xiàn)[15]基于模型預(yù)測(cè)控制理論提出主動(dòng)配電網(wǎng)電壓調(diào)節(jié)控制策略。然而模型預(yù)測(cè)控制在冷熱電聯(lián)供分布式供能系統(tǒng)優(yōu)化領(lǐng)域的研究和應(yīng)用較少，有待進(jìn)一步探索。

以下針對(duì)含微型燃?xì)廨啓C(jī)、光伏、蓄電池儲(chǔ)能、熱儲(chǔ)能和熱電負(fù)荷的分布式供能系統(tǒng)展開研究，基于模型預(yù)測(cè)控制建立了熱電聯(lián)供分布式供能系統(tǒng)優(yōu)化調(diào)度架構(gòu)，提出了一種基于MPS（模型預(yù)測(cè)調(diào)度）和模型預(yù)測(cè)控制的雙層調(diào)度模型，并進(jìn)行了仿真和分析。

1 優(yōu)化調(diào)度框架

1.1 系統(tǒng)結(jié)構(gòu)

分布式熱電聯(lián)供系統(tǒng)集發(fā)電、供熱于一體，主要包含微型燃?xì)廨啓C(jī)、光伏、蓄電池儲(chǔ)能系統(tǒng)、熱儲(chǔ)能系統(tǒng)。電負(fù)荷由分布式供能系統(tǒng)內(nèi)發(fā)電單元和電網(wǎng)來(lái)供應(yīng)；熱負(fù)荷由熱回收、儲(chǔ)能系統(tǒng)供應(yīng)。分布式熱電聯(lián)供系統(tǒng)如圖1所示。

1.2 調(diào)度框架

此處提出的分布式熱電聯(lián)供系統(tǒng)優(yōu)化調(diào)度框架如圖2所示。基于天氣、用戶和測(cè)量等信息，預(yù)測(cè)模塊輸出自然資源以及負(fù)荷數(shù)據(jù)，優(yōu)化調(diào)度控制器依據(jù)系統(tǒng)模型、電價(jià)信息以及預(yù)測(cè)數(shù)據(jù)，基于模型預(yù)測(cè)調(diào)度和模型預(yù)測(cè)控制輸出調(diào)度指令，優(yōu)化不同時(shí)間尺度下的運(yùn)行工況，并實(shí)時(shí)監(jiān)測(cè)系統(tǒng)狀態(tài)，形成閉環(huán)反饋控制結(jié)構(gòu)。不同時(shí)間尺度模型預(yù)測(cè)調(diào)度與模型預(yù)測(cè)控制示意如圖3所示。

圖1 分布式熱電聯(lián)供系統(tǒng)

圖2 分布式冷熱電聯(lián)供系統(tǒng)優(yōu)化調(diào)度框架

圖3 不同時(shí)間尺度優(yōu)化調(diào)度

此處以24 h作為一個(gè)調(diào)度周期，基于未來(lái)24 h預(yù)測(cè)數(shù)據(jù)，模型預(yù)測(cè)調(diào)度進(jìn)行長(zhǎng)周期滾動(dòng)優(yōu)化，每個(gè)優(yōu)化周期只有當(dāng)前時(shí)段指令被執(zhí)行，隨著時(shí)間推移，優(yōu)化調(diào)度指令不斷進(jìn)行更新修正?；诜昼娂?jí)（每15 min）預(yù)測(cè)數(shù)據(jù)，模型預(yù)測(cè)控制進(jìn)行1 h內(nèi)的短周期滾動(dòng)優(yōu)化，且每個(gè)控制周期只有當(dāng)前時(shí)段指令被執(zhí)行，控制指令同時(shí)在線更新修正。此優(yōu)化調(diào)度模式涵蓋離線與在線優(yōu)化、不同時(shí)間尺度以及不同優(yōu)化目標(biāo)，并根據(jù)系統(tǒng)運(yùn)行狀態(tài)進(jìn)行反饋調(diào)節(jié)。

此處依據(jù)預(yù)測(cè)特性設(shè)定預(yù)測(cè)數(shù)據(jù)，并不對(duì)預(yù)測(cè)模塊模型與方法做重點(diǎn)探討。

2 優(yōu)化調(diào)度模型

2.1 燃?xì)廨啓C(jī)模型

燃?xì)廨啓C(jī)是熱電聯(lián)供系統(tǒng)的主要設(shè)備，消耗天然氣提供電能，同時(shí)通過(guò)熱回收系統(tǒng)提供熱能。燃?xì)廨啓C(jī)耗氣量見式（1）：

式中：Fgas（t）為耗氣量；PCHP（t）為燃?xì)廨啓C(jī)發(fā)電功率；Δt為時(shí)間步長(zhǎng)；ηg（t）為燃?xì)廨啓C(jī)發(fā)電效率[8]。

可提供的熱能與回收效率有關(guān)[5]：

式中：Hheat（t）為熱回收系統(tǒng)提供的熱功率；ηCHP為熱回收效率。

2.2 優(yōu)化模型

2.2.1 優(yōu)化調(diào)度目標(biāo)形式

優(yōu)化調(diào)度問(wèn)題可寫成如下形式：

（1）MPS優(yōu)化目標(biāo)。

式中：Celec為購(gòu)電費(fèi)用；Cgas為購(gòu)氣費(fèi)用；Cdep為折舊費(fèi)用；cei（t）為購(gòu)電電價(jià)；Pgridin（t）為從電網(wǎng)購(gòu)電功率；ceo（t）為售電電價(jià)；Pgridout（t）為向電網(wǎng)售電功率；cg為燃?xì)鈨r(jià)格；Fgas為天然氣用量；Pbatdis為蓄電池放電功率；Qrate為電池一個(gè)周期的額定放電量；Crate為電池額定循環(huán)次數(shù)。模型預(yù)測(cè)調(diào)度選取運(yùn)行成本最小為優(yōu)化目標(biāo)，在優(yōu)化調(diào)度中應(yīng)充分考慮設(shè)備運(yùn)行與壽命特性，避免過(guò)度使用造成設(shè)備壽命縮短，尤其對(duì)于蓄電池儲(chǔ)能系統(tǒng)，故本文根據(jù)電池的放電量對(duì)電池壽命損耗進(jìn)行評(píng)估并轉(zhuǎn)化為經(jīng)濟(jì)成本[16]。

（2）MPC優(yōu)化目標(biāo)。

式中：Cmin為以運(yùn)行成本為單目標(biāo)下的最小運(yùn)行成本；Cmax為最大運(yùn)行成本；以功率波動(dòng)最小為目標(biāo)的隸屬度函數(shù)要使用降半梯形隸屬度函數(shù)；Tmin為以功率波動(dòng)為單目標(biāo)下的最小值；Tmax為最大值。

2.2.2 約束條件

（1）能量平衡約束。

式中：Ppv為光伏輸出功率；Pbatch為蓄電池充電功率；PCHP為燃?xì)廨啓C(jī)運(yùn)行功率；Pload（t）為電負(fù)荷功率。Hesch為熱儲(chǔ)能吸收熱功率；Hesdis為熱儲(chǔ)能輸出熱功率；Hesdis（t）和Hesch（t）分別為熱儲(chǔ)能放熱和進(jìn)熱功率；Hload（t）為熱負(fù)荷功率。熱功率需求可以小于系統(tǒng)所能提供的熱功率，此時(shí)產(chǎn)生余熱廢棄。

（2）電網(wǎng)約束。

式中：Pgridinlim和Pgridoutlim分別為從電網(wǎng)購(gòu)電和向電網(wǎng)售電功率限值；fgridin為從電網(wǎng)購(gòu)電標(biāo)志位（0-1）；fgridout為向電網(wǎng)售電標(biāo)志位（0-1）。

（3）燃?xì)廨啓C(jī)約束。

式中：PCHP-rate（t）為燃?xì)廨啓C(jī)額定功率；fCHP為燃?xì)廨啓C(jī)運(yùn)行標(biāo)志位（0-1）；λmin為最小運(yùn)行功率比率。

（4）蓄電池儲(chǔ)能系統(tǒng)約束。

式中：Pbatch-max（t）為蓄電池充電功率上限值；Pbatdis-max（t）為蓄電池放電功率上限值；fbatch為蓄電池充電標(biāo)志位（0-1）；fbatdis為蓄電池放電標(biāo)志位（0-1）；Ebat為蓄電池容量；kech和kedis分別為蓄電池充電和放電效率；Ebat-max和Ebat-min分別為蓄電池容量上下限值。

（5）熱儲(chǔ)能系統(tǒng)約束。

式中：Hesch-max（t）為熱儲(chǔ)能進(jìn)熱功率上限值；Hesdis-max（t）為熱儲(chǔ)能放熱功率上限值；fesch為熱儲(chǔ)能吸收標(biāo)志位（0-1）；fesdis為熱儲(chǔ)能輸出標(biāo)志位（0-1）；Hes為熱儲(chǔ)能容量；khch和khdis分別為熱儲(chǔ)能進(jìn)熱和放熱效率；Hes-max和Hes-min分別為熱儲(chǔ)能容量上下限值。

模型預(yù)測(cè)調(diào)度選取運(yùn)行成本最小為優(yōu)化目標(biāo)，在優(yōu)化調(diào)度中應(yīng)充分考慮設(shè)備運(yùn)行與壽命特性，避免過(guò)度使用造成設(shè)備壽命縮短，尤其對(duì)于蓄電池儲(chǔ)能系統(tǒng)，故在此考慮設(shè)備使用所帶來(lái)的折舊費(fèi)用。

模型預(yù)測(cè)控制選取電網(wǎng)聯(lián)絡(luò)線功率調(diào)整、蓄電池儲(chǔ)能系統(tǒng)、燃?xì)廨啓C(jī)功率波動(dòng)最小和運(yùn)行成本最小為目標(biāo)。此處采用模糊隸屬度函數(shù)將多目標(biāo)優(yōu)化問(wèn)題轉(zhuǎn)化為單目標(biāo)問(wèn)題。多目標(biāo)問(wèn)題的每一個(gè)目標(biāo)都需要定義一個(gè)隸屬度函數(shù)，最小運(yùn)行成本和最小功率波動(dòng)目標(biāo)使用降半梯形隸屬度函數(shù)，見圖4，即運(yùn)行成本或功率波動(dòng)越小，越符合優(yōu)化目標(biāo)，則隸屬度μ越高。

圖4 隸屬度（μ）函數(shù)

2.3 求解方法

根據(jù)3.2節(jié)中優(yōu)化目標(biāo)和約束條件，該調(diào)度問(wèn)題包含功率等連續(xù)型決策變量和充放電標(biāo)志位等整數(shù)型決策變量，為MILP（混合整數(shù)規(guī)劃問(wèn)題）。

考慮此處所討論的優(yōu)化調(diào)度問(wèn)題，其優(yōu)化目標(biāo)為一個(gè)加權(quán)和函數(shù)，為仿射函數(shù)。約束條件方面，能量平衡約束等一系列等式約束滿足線性形式，電儲(chǔ)能和熱儲(chǔ)能方面涉及的不等式約束條件也都滿足線性形式。綜上，該問(wèn)題可以使用Yalmip工具箱求解。

3 算例分析

此處算例系統(tǒng)組成設(shè)備與參數(shù)見表1[7-8]，此處將發(fā)電效率等相關(guān)系數(shù)作為常值進(jìn)行簡(jiǎn)化處理，負(fù)荷基本情況見表2。電價(jià)采用分時(shí)電價(jià)[21]，見圖5。設(shè)定蓄電池的初始投資成本為45萬(wàn)元，天然氣價(jià)格為3.45元/m3，折合單位熱值價(jià)格為0.349元/kWh[7]。

表1 設(shè)備組成及相關(guān)

表2 負(fù)荷基本情況

現(xiàn)采用MALAB優(yōu)化工具箱Yalmip求解此優(yōu)化調(diào)度問(wèn)題。由優(yōu)化結(jié)果可知，燃?xì)廨啓C(jī)在高電價(jià)時(shí)段滿負(fù)荷運(yùn)行，同時(shí)供應(yīng)熱電負(fù)荷，以有效減少高電價(jià)時(shí)段購(gòu)電費(fèi)用。蓄電池儲(chǔ)能系統(tǒng)則在低電價(jià)時(shí)段充電，在高電價(jià)時(shí)段放電，有效利用峰谷電價(jià)差異，提高系統(tǒng)運(yùn)行經(jīng)濟(jì)性。光伏以最大可輸出功率運(yùn)行，充分利用可再生能源發(fā)電。圖6為仿真結(jié)果曲線。由圖6（a）可知，模型預(yù)測(cè)調(diào)度基于未來(lái)24 h預(yù)測(cè)數(shù)據(jù)，給出小時(shí)級(jí)調(diào)度計(jì)劃曲線，而模型預(yù)測(cè)控制則根據(jù)短期分鐘級(jí)預(yù)測(cè)數(shù)據(jù)實(shí)時(shí)優(yōu)化，減小電網(wǎng)聯(lián)絡(luò)線功率調(diào)整和蓄電池儲(chǔ)能系統(tǒng)功率波動(dòng)以及運(yùn)行成本，如圖6（b）所示。負(fù)荷和光伏出力具有一定的波動(dòng)性，在模型預(yù)測(cè)控制優(yōu)化下，電網(wǎng)功率和蓄電池儲(chǔ)能系統(tǒng)功率基本遵循小時(shí)級(jí)調(diào)度計(jì)劃，減小了聯(lián)絡(luò)線功率波動(dòng)和蓄電池儲(chǔ)能系統(tǒng)功率波動(dòng)，使微網(wǎng)系統(tǒng)扮演“良好市民”的角色，同時(shí)也有益于延長(zhǎng)蓄電池儲(chǔ)能系統(tǒng)的使用壽命。

圖5 分時(shí)電價(jià)

圖6 冬季各設(shè)備供電功率曲線

在日前長(zhǎng)周期優(yōu)化調(diào)度的基礎(chǔ)上，模型預(yù)測(cè)調(diào)度與模型預(yù)測(cè)控制雙層優(yōu)化調(diào)度模式可使分布式供能系統(tǒng)基本遵循日前優(yōu)化調(diào)度計(jì)劃，并有效抑制聯(lián)絡(luò)線及蓄電池儲(chǔ)能系統(tǒng)短周期內(nèi)功率波動(dòng)。仿真結(jié)果表明，該優(yōu)化調(diào)度模式可取得良好的效果，是一種有效的分布式供能系統(tǒng)優(yōu)化調(diào)度方法。

4 結(jié)語(yǔ)

針對(duì)分布式供能系統(tǒng)提出了一種基于模型預(yù)測(cè)調(diào)度和模型預(yù)測(cè)控制的雙層調(diào)度模型，采用MALAB優(yōu)化工具箱Yalmip進(jìn)行求解，并對(duì)此優(yōu)化調(diào)度問(wèn)題進(jìn)行了仿真分析。算例結(jié)果表明：基于模型預(yù)測(cè)調(diào)度和模型預(yù)測(cè)控制的雙層調(diào)度模式，可制定合理有效的調(diào)度方案，通過(guò)日前調(diào)度與實(shí)時(shí)調(diào)度，提高了分布式供能系統(tǒng)優(yōu)化調(diào)度方案的準(zhǔn)確性與靈活性。

[1]GHADIMI P，KARA S，KORNFELD B.The optimal selection of on-site CHP systems through integrated sizing and ope-rational strategy[J].Applied Energy，2014（126）∶38-46.

[2]王成山，武震，李鵬.微電網(wǎng)關(guān)鍵技術(shù)研究[J].電工技術(shù)學(xué)報(bào)，2014，29（2）∶1-12.

[3]FRESCHI F，GIACCONE L，LAZZERONI P，et al.Economic and environmental analysis of a trigeneration system for food-industry∶A case study[J].Applied Energy，2013（107）∶157-172.

[4]BENAM M R，MADANI S S，ALAVI S M，et al.Optimal confi-guration of the CHP system using stochastic programm-ing[J].IEEE Transactions on Power Delivery，2015，30（3）∶1048-1056.

[5]張新昌，周逢權(quán).智能電網(wǎng)引領(lǐng)智能家居及能源消費(fèi)革新[J].電力系統(tǒng)保護(hù)與控制，2014，42（5）∶59-67.

[6]HASHEMI R.A Developed offline model for optimal oper-ation of combined heating and cooling and power systems[J].IEEE Transactions on Energy Conversion，2009，24（1）∶222-229.

[7]王成山，洪博文，郭力，等.冷熱電聯(lián)供微網(wǎng)優(yōu)化調(diào)度通用建模方法[J].中國(guó)電機(jī)工程學(xué)報(bào)，2013，33（31）∶26-33.

[8]熊焰，吳杰康，王強(qiáng)，等.風(fēng)光氣儲(chǔ)互補(bǔ)發(fā)電的冷熱電聯(lián)供優(yōu)化協(xié)調(diào)模型及求解方法[J].中國(guó)電機(jī)工程學(xué)報(bào)，2015，35（14）∶3616-3625.

[9]周念成，鄧浩，王強(qiáng)鋼，等.光伏與微型燃?xì)廨啓C(jī)混合微網(wǎng)能量管理研究[J].電工技術(shù)學(xué)報(bào)，2012，27（1）∶74-84.

[10]BAO Z，ZHOU Q，YANG Z，et al.A multi time-scale and multi energy-type coordinated microgrid scheduling solu tion—Part I model and methodology[J].IEEE Transactionson Power System，2015，30（5）∶2257-2266.

[11]BAO Z，ZHOU Q，YANG Z，et al.A multi time-scale and multi energy-type coordinated microgrid scheduling solution PartⅡ∶optimization algorithm and case studies[J]. IEEE Transactions on Power System，2015，30（5）∶2267-2277.

[12]劉向杰，孔小兵.電力工業(yè)復(fù)雜系統(tǒng)模型預(yù)測(cè)控制—現(xiàn)狀與發(fā)展[J].中國(guó)電機(jī)工程學(xué)報(bào)，2013，33（5）∶79-85.

[13]PARISIO A，RIKOS E，GLIELMO L.A model predictive control approach to microgrid operation optimization[J]. IEEE Transactions on Control Systems Technology，2014，22（5）∶1813-1827.

[14]MEIBOM P，BARTH R，HASCHE B，et al.Stochastic optimizat-ion model to study the operational impacts of high wind penetrations in Ireland[J].IEEE Transactions on Power System，2011，26（3）∶1367-1379.

[15]蔡宇，林今，宋永華，等.基于模型預(yù)測(cè)控制的主動(dòng)配電網(wǎng)電壓控制[J].電工技術(shù)學(xué)報(bào)，2015，30（23）∶42-49.

[16]陳健，王成山，趙波，等.考慮儲(chǔ)能系統(tǒng)特性的獨(dú)立微電網(wǎng)系統(tǒng)經(jīng)濟(jì)運(yùn)行優(yōu)化[J].電力系統(tǒng)自動(dòng)化，2012，36（20）∶25-31.

[17]ZHAO C，GUAN Y.Unified stochastic and robust unit com-mitment[J].IEEE Transactions on Power Systems，2013，28（3）∶3353-3361.

[18]DUFO-LOPEZ R，BERNAL-AGUSTIN J L.Multi-objective desi-gn of PV-wind-diesel-hydrogen-battery systems[J].Ren-ewable energy，2008，33（12）∶2559-2572.

[19]ROSSI F，VAN BEEK P，WALSH T.Handbook of constraint programming[M].Amsterdam∶Elsevier，2006.

[20]SHAW P.Using constraint programming and local search methods to solve vehicle routing problems[M].Princi-ples and Practice of Constraint Programming-CP98，Springer Berlin Heidelberg，1998.

[21]WINSTON W L，GOLDBERG J B.Operations research∶applica-tions and algorithms[M].Boston∶Duxbury press，2004.

[22]毛曉明，陳深，吳杰康，等.分時(shí)電價(jià)機(jī)制下含蓄電池微網(wǎng)的優(yōu)化調(diào)度[J].電網(wǎng)技術(shù)，2015，39（5）∶1192-1197.

[23]柯人觀，周金輝，汪東輝.微電網(wǎng)規(guī)劃體系研究[J].浙江電力，2016，35（2）∶23-26.

[24]吳昊，許躍進(jìn)，殷德聰，等.計(jì)及氣象因素的分布式電源在配電網(wǎng)的優(yōu)化配置[J].浙江電力，2015，34（12）∶1-6.

（本文編輯：陸瑩）

Optimal Scheduling of Distributed CHP System Based on Model Predictive Control

ZHOU Jinhui1，XU Chen1，GE Xiaohui1，ZHANG Weitong2，CHEN Jian2
（1.State Grid Zhejiang Electric Power Research Institute，Hangzhou 310014，China；2.School of Electrical Engineering，Shandong University，Jinan 250061，China）

To deal with the optimal operation problem of distributed combined heat and power（CHP）system，a two-level optimal scheduling model and method based on model predictive scheduling（MPS）and model predictive control（MPC）is proposed.The distributed CHP system models，including micro gas turbine，photovoltaic（PV），battery energy storage system（BESS），thermal energy storage system as well as thermoelectric loads are established.In addition，an optimal dispatching model considering day-ahead scheduling and real time scheduling is proposed.With the purposes of minimum operation cost of distributed CHP system，power of grid connection line，battery fluctuation and operation cost，Yalmip，the optimization toolbox of MATLAB，is applied to solve the optimal scheduling problem.The results of case study verify the effectiveness and correctness of the proposed method.

combined heat and power（CHP）；distributed generation；model predictive control（MPC）；optimal scheduling

10.19585/j.zjdl.201705007

1007-1881（2017）05-0023-06

TM74

A

國(guó)家自然科學(xué)基金項(xiàng)目（51507094）

2017-01-22

周金輝(1983)，男，博士，高級(jí)工程師，研究方向?yàn)榉植际诫娫春臀㈦娋W(wǎng)以及能源互聯(lián)網(wǎng)。