基于模型預(yù)測控制的戶用微電網(wǎng)在線能量管理方法

仇群輝， 孫一凡， 吳杭飛， 王妍彥， 何平， 張有兵， 谷紀婷

(1．國網(wǎng)嘉興供電公司，浙江 嘉興 314100；2．浙江工業(yè)大學(xué) 信息工程學(xué)院，浙江 杭州 310023；3．國網(wǎng)浙江省電力公司經(jīng)濟技術(shù)研究院，浙江 杭州 310008)

基金項目:浙江省自然科學(xué)基金資助項目(LY16E070005)

0 引 言

由于近40%的全球總能耗是建筑能耗，因此，近年來戶用微電網(wǎng)(Residential Microgrid，RMG)的能量管理方法成為重要的研究熱點[1]。相較于商業(yè)微網(wǎng)或工業(yè)微網(wǎng)，戶用微電網(wǎng)中的用戶用電行為更加隨機，使得用電行為難以預(yù)測[2]。另一方面，隨著可再生能源發(fā)電比例的持續(xù)增加，其出力隨機性、間歇性是RMG迫切要求解決的難題之一[3]。因此，為了協(xié)調(diào)所有負荷的用電行為以改善供求平衡和解決RMG的不確定性，需要設(shè)計有效的能量管理方法。

以前對戶用微電網(wǎng)的能量管理研究主要集中在確定性規(guī)劃。需要建立精確模型，無法應(yīng)對可再生能源出力和負荷需求的隨機性。目前一些研究提出隨機規(guī)劃的方法以解決不確定性。文獻[4-5]通過對RMG分析的基礎(chǔ)上，提出了智能家居能源管理的隨機動態(tài)規(guī)劃框架，使得用戶的電力支出得到顯著的減少，但是采用離線優(yōu)化方法，其實際應(yīng)用價值不高。

針對上述問題，本文結(jié)合需求側(cè)管理和日前電價提出一種基于模型預(yù)測控制的戶用微電網(wǎng)在線能量管理方法，能夠及時高效地處理各類生活電器接入用電時可能出現(xiàn)的突發(fā)狀況，同時通過模型預(yù)測控制(Model Predictive Control，MPC)實時更新可再生能源出力，為RMG處理不確定性提供了有效途徑,并且在實踐中很容易實施。

1 研究對象與基本模型

1.1 戶用微網(wǎng)系統(tǒng)配置

本文所提RMG主要由光伏發(fā)電單元、儲能系統(tǒng)(Energy Storage System，ESS)、電動汽車(Electric Vehicle，EV)和用戶的智能負荷組成，其能量管理系統(tǒng)架構(gòu)如圖1所示，其中公共能源服務(wù)器平臺(Communal Energy Server Platform，CESP)是系統(tǒng)的主要組件，負責(zé)動態(tài)管理RMG內(nèi)部的有功負載，以實現(xiàn)用戶用電成本最小的目標。CESP的作用是由一個微型網(wǎng)絡(luò)來實現(xiàn)的，該網(wǎng)關(guān)可以通過與以下設(shè)備建立的ZigBee/Z-ware/WiFi連接來監(jiān)視和控制負載：

(1)本地控制(Local Control，LC)，能夠為每個請求的程序提供功耗預(yù)測，并預(yù)計在不久的將來可以通過修改其行為來調(diào)整功耗，同時保持服務(wù)。

(2)智能插頭，能夠提供電力計量和對連接的負載進行開/關(guān)控制。

(3)智能電表，能夠收集并提供歸屬域中負載的匯總計量數(shù)據(jù)。

圖1 戶用微電網(wǎng)能量管理系統(tǒng)架構(gòu)示意圖

本文為處理方便，對時間進行離散化處理，把優(yōu)化時域均分，每個時段時長為Δt。

1.2 模型建立

1.2.1電動汽車模型

對于接入該微電網(wǎng)系統(tǒng)的電動汽車特征參數(shù)設(shè)置為:

V=[Tin,Tout,S0,SE,QE,Pc,Pd]

(1)

式中:Tin、Tout分別表示EV接入微網(wǎng)時間和預(yù)計離開時間；S0、SE分別表示EV動力電池的起始電量狀態(tài)(State of Energy，SOE)和離開微電網(wǎng)時的期望SOE；QE表示電池容量；Pc、Pd分別表示額定充、放電功率。

本文中的EV動力電池視為鋰電池，且在每個優(yōu)化時段內(nèi)，均為恒功率充放電。忽略自放電率的影響，建立的動力電池模型和約束條件為：

(2)

SEV,min≤Sk≤SEV,max

(3)

(4)

(5)

1.2.2儲能系統(tǒng)模型

本文將儲能系統(tǒng)視為全時段接入且無用電需求的一類“特殊電動汽車”。因此，可類比于EV動力電池模型建立儲能系統(tǒng)模型和約束條件，此處不再贅述。

1.2.3光伏出力模型

光伏陣列是光伏發(fā)電單元的主要組成部分，其輸出功率受到天氣、光照強度等因素的影響，因此具有高度的不確定性。本文通過最大功率點跟蹤法[6]使光伏發(fā)電單元工作在最大功率點上。

1.2.4智能負荷模型

本文根據(jù)負荷不同的用電特性和運行狀態(tài)將其分為不可控負荷(Non-controllable Loads, NCLs)和可控負荷(Controllable Loads, CLs), 其中CLs又可進一步分為時間可控負荷(Time-controllable Loads, TLs)和功率可控負荷(Power-controllable Loads，PLs)[7]。

為提高系統(tǒng)優(yōu)化調(diào)度的靈活性，用具備一致屬性的統(tǒng)一物理模型對入網(wǎng)的各類負荷建立統(tǒng)一負荷模型，通過不同的屬性值顯現(xiàn)出相應(yīng)的特征。用戶的第i個智能負荷的特征描述如下：

(6)

表1 不同類型負荷的標志位設(shè)置

(7)

(8)

(9)

對于?Li∈Z，上述式子可以確定其所有的有效調(diào)度策略，定義可行策略空間：

χ={x|constraint(9)～(11),?Li∈Z}

(10)

(11)

式中:x(xi,?Li∈Z) 表示所有負荷的調(diào)度計劃，只有滿足x∈χ，負荷調(diào)度計劃x才生效。

2 基于MPC的在線能量管理

2.1 目標函數(shù)

在目標函數(shù)的要求下通過優(yōu)化調(diào)度各類負荷的用電計劃，提高可再生能源的消納率，減少向電網(wǎng)的購電量及儲能的配置需求，達到用戶用電成本最小的目的。因此，RMG能量優(yōu)化管理的目標函數(shù)為：

s.t. (1)～(13)

(12)

Tpe=Tout-Tin

(13)

Tc=(SE-S0)QE/PcηcΔt

(14)

2.2 模型預(yù)測控制

由于對可再生能源的高滲透率與儲能系統(tǒng)的接入等因素缺乏深入考慮，傳統(tǒng)能量管理方法無法有效解決可再生能源預(yù)測誤差所帶來的影響。因此引入模型預(yù)測控制方法，系統(tǒng)在當(dāng)前時段提前感知未來時段中的光伏出力以及負荷變化，通過時域滾動對負荷以及儲能的日前計劃進行反饋校正，其核心是滾動優(yōu)化。

與預(yù)先優(yōu)化不同的是,滾動優(yōu)化在每一次優(yōu)化過程中均以當(dāng)前時刻系統(tǒng)狀態(tài)作為其初始狀態(tài)，通過提前獲取未來光伏出力和負荷需求的短時預(yù)測，對系統(tǒng)的控制變量進行實時校正。其優(yōu)化時域隨時間不斷向后推移，直到達到相應(yīng)的仿真時域，其具體的流程如圖2所示。

圖2 滾動優(yōu)化流程圖

2.3 能量管理結(jié)構(gòu)

通過事件驅(qū)動機制對戶用微網(wǎng)中電動汽車、儲能系統(tǒng)和居民負荷進行優(yōu)化調(diào)度。其能量管理框架如圖3所示。

圖3 具有事件驅(qū)動機制的能量管理框架

對公共能源服務(wù)平臺相關(guān)的設(shè)備描述如下：

(1)事件監(jiān)測器：實時監(jiān)測并采集RMG內(nèi)部供需雙方的信息，觸發(fā)接入事件、過載事件或用戶失約事件，并把觸發(fā)事件類型發(fā)給能量管理服務(wù)器。

(2)能量控制服務(wù)器：一方面向下層控制器發(fā)布事件通知和電價信息；另一方面，基于控制器上傳的響應(yīng)主體申報信息，對各響應(yīng)主體進行可調(diào)度能力評價、審核等操作。

(3)本地控制器：基于上游服務(wù)器發(fā)布的事件通知為響應(yīng)主體發(fā)生申報請求、制訂控制策略等。

(4)響應(yīng)主體：即需要控制的對象，包括主動負荷(EV和CLs)和儲能系統(tǒng)。

2.4 事件觸發(fā)機制

系統(tǒng)中的事件監(jiān)控器按照固定頻率采集負荷用電和光伏出力信息，依據(jù)采集到的信息數(shù)據(jù)決定是否生成事件觸發(fā)信號。當(dāng)有事件被觸發(fā)時，公共能源服務(wù)器平臺會根據(jù)當(dāng)前的系統(tǒng)狀態(tài)和預(yù)測信息選擇符合要求的主動負荷重新制訂計劃。本文考慮以下三種事件：

(1)接入事件：當(dāng)有負荷或EV入網(wǎng)時觸發(fā)。公共能源服務(wù)器平臺基于日前電價，根據(jù)入網(wǎng)主動負荷的用電特征和預(yù)測的光伏出力，對入網(wǎng)的主動負荷制訂用電計劃。

(2)失約事件：當(dāng)負荷不在偏好區(qū)間內(nèi)用電，或EV提早離開時觸發(fā)。直到其他主動負荷將失約主體造成的缺額彌補完成后，觸發(fā)條件才消失，即:

(15)

式中：Btk表示當(dāng)前時段的失約主體集合；RPtk表示重新制訂用電計劃的主動負荷集合。

(3)過載事件：交互功率超過外接線路的容量時觸發(fā)過載事件，即：

(16)

式中:κT為外接線路的容量。

當(dāng)事件觸發(fā)時，各主動負荷根據(jù)自身可調(diào)度能力的綜合評估結(jié)果，向CESP申報響應(yīng)事件；CESP根據(jù)光伏預(yù)測出力和當(dāng)前時段負荷需求重新調(diào)度具有更好評估結(jié)果的主動負荷用電計劃。該過程將循環(huán)進行，直到當(dāng)前事件的觸發(fā)條件消失。

根據(jù)文獻[8]采用多因子方法綜合評估主動負荷的可調(diào)度能力。選取的評價因子如下：

(1)用電迫切性因子：用來反映響應(yīng)主體在時段用電的緊急程度，表示如下：

(17)

(2)可靠性因子：用于表征一定時間周期內(nèi)響應(yīng)主體參與互動響應(yīng)時的完成情況。計算方法如下：

(18)

(3)用電偏好因子：用于反映響應(yīng)主體用電需求被滿足的優(yōu)先級，該項因子為逆向指標，其值越高的負荷，參與調(diào)度的可能性越小。

3 算例分析

以某小區(qū)的戶用微電網(wǎng)為例，驗證所提的能量管理方法的有效性。優(yōu)化時長為24 h，時間間隔為0.5 h， RGM中日前電價和一日內(nèi)的典型光伏輸出功率如圖4所示，并且設(shè)置售電價為0.1元。本文根據(jù)文獻[8]設(shè)置居民負荷和電動汽車的相關(guān)數(shù)據(jù)。

圖4 日前電價和一日典型光伏出力

電動汽車的電池容量為16 kWh，電池的荷電狀態(tài)上下限分別為0.95和0.4，額定充放電功率為3 kW，充、放電效率均為0.92。

儲能電池額定容量為4 kWh，額定功率為0.6 kW，其每日初始的SOC設(shè)定為0.6，SOC上下限分別為0.9和0.4。

為了驗證方法的有效性，對下列三種模式的結(jié)果進行比較。

(1)Case1：在無儲能電池接入的情況下，各戶家庭主動負荷在最早運行時間內(nèi)按最大功率運行。

(2)Case2：考慮儲能電池接入的日前優(yōu)化模式。

(3)Case3：在線能量管理方法的日內(nèi)優(yōu)化模式。

三種控制模式下的負荷特性曲線及相關(guān)數(shù)據(jù)對比結(jié)果如表2和圖5所示?？芍狢ase1中負荷高峰超過了外接線路的容量，影響微網(wǎng)的安全穩(wěn)定運行。Case2引入儲能電池，使其在低電價時段充電，消納富余的光伏出力；在高電價時段放電，降低負荷高峰，減小了負荷的峰谷差。用戶的用電成本比Case1降低了28.614%。

相比于前兩種模式，Case3采用的在線能量管理方法，同時通過MPC滾動優(yōu)化來精確預(yù)測光伏出力。當(dāng)有負荷接入微電網(wǎng)用電時，基于光伏出力的精確預(yù)測和事件驅(qū)動機制管理需求側(cè)用電計劃。當(dāng)有失約事件發(fā)生時，Case3能夠充分考慮由突發(fā)事件引起的需求側(cè)負荷用電計劃的不確定性，通過事件驅(qū)動機制，計算可調(diào)度能力評估結(jié)果和失約功率的數(shù)值關(guān)系，動態(tài)調(diào)整當(dāng)前時段其他主動負荷的用電功率，以彌補由于失約負荷導(dǎo)致的總負荷缺額數(shù)值。

表2 3種模型的相關(guān)統(tǒng)計數(shù)據(jù)

圖5 3種模式下的負荷特性曲線

4 結(jié)束語

本文通過分析現(xiàn)有的RMG能量管理系統(tǒng)，提出基于模型預(yù)測控制的在線能量管理方法，能夠在保證最小用電成本的前提下有效地提高RMG中可再生能源利用率。通過MPC的滾動優(yōu)化，不斷修正光伏出力和調(diào)度計劃，使得系統(tǒng)在光伏出力不確定情況下，仍有較好的微網(wǎng)經(jīng)濟效益。采用事件驅(qū)動機制性能來應(yīng)對負荷的隨機用電需求，減少了用戶介入頻率和不必要的計算量。仿真結(jié)果表明，本文提出的在線能量管理方法能夠有效地提高系統(tǒng)的經(jīng)濟效益，改進供需平衡。