含電轉(zhuǎn)氣和混合儲能的微能網(wǎng)雙層滾動優(yōu)化控制方法

陳飛雄，林煒暉，邵振國

（1. 福州大學(xué) 電氣工程與自動化學(xué)院，福建 福州 350108；2. 福建省電器智能化工程技術(shù)研究中心，福建 福州 350108）

0 引言

微能網(wǎng)是提高能源利用效率的有效途徑之一［1］，給低碳可持續(xù)能源系統(tǒng)的構(gòu)建帶來了新機(jī)會，為碳減排提供了新思路［2-3］。電轉(zhuǎn)氣P2G（Power-to-Gas）技術(shù)的應(yīng)用促進(jìn)了可再生能源并網(wǎng)和微能網(wǎng)的耦合程度［4］，為消納可再生能源提供了新途徑［5-6］。

目前，可再生能源出力和負(fù)荷需求的不確定性給微能網(wǎng)的優(yōu)化控制帶了較大挑戰(zhàn)。為此，諸多研究學(xué)者將模型預(yù)測控制MPC（Model Predictive Con-trol）引入微能網(wǎng)的優(yōu)化控制中，以應(yīng)對系統(tǒng)多重不確定性。文獻(xiàn)［7-8］針對電熱多能源系統(tǒng)，采用MPC有效地解決了預(yù)測誤差導(dǎo)致的電熱多能源系統(tǒng)優(yōu)化調(diào)控方案與實際運(yùn)行場景偏差較大的問題。文獻(xiàn)［9］提出基于MPC 的家庭能源局域網(wǎng)能量管理策略，實現(xiàn)了能量的優(yōu)化分配。上述文獻(xiàn)均采用單一時間尺度的MPC 優(yōu)化控制方法，即采用短時間尺度或長時間尺度的MPC 優(yōu)化控制方法。采用單一時間尺度的MPC 優(yōu)化控制方法雖然在不確定環(huán)境下具有較強(qiáng)的魯棒性，但存在一定的局限性，具體表現(xiàn)為：當(dāng)采用短時間尺度的MPC 優(yōu)化控制方法時，為保證系統(tǒng)制定更符合實際運(yùn)行情況的調(diào)度計劃，需選取較長的預(yù)測時域使MPC 模型包含更豐富的未來信息量，然而當(dāng)預(yù)測時域較長時，MPC模型難以獲取未來所有調(diào)度時段內(nèi)較為精確的預(yù)測數(shù)據(jù)［10］；當(dāng)采用長時間尺度的MPC 優(yōu)化控制方法時，由于長時間尺度的MPC 的預(yù)測精度較低，因此其會導(dǎo)致優(yōu)化控制結(jié)果的準(zhǔn)確度降低。

采用多時間尺度的優(yōu)化控制方法通過逐步縮短時間尺度，削減不確定性因素對優(yōu)化控制結(jié)果的影響，可有效解決上述問題。文獻(xiàn)［11］考慮了異質(zhì)能流的傳輸特性差異和源／荷多重不確定性，構(gòu)建了“日前調(diào)度計劃-日內(nèi)滾動出力計劃-實時調(diào)度”三階段調(diào)度體系，對異質(zhì)能流進(jìn)行了不同時間尺度的調(diào)度；文獻(xiàn)［12-13］基于MPC方法對多能互補(bǔ)系統(tǒng)進(jìn)行了日前與日內(nèi)滾動校正相結(jié)合的多時間尺度優(yōu)化調(diào)度。文獻(xiàn)［11-13］均是采用基于日前優(yōu)化調(diào)度與日內(nèi)MPC 滾動優(yōu)化相結(jié)合的多時間尺度優(yōu)化控制方法，在一定程度上增強(qiáng)了系統(tǒng)對預(yù)測信息不準(zhǔn)確的適應(yīng)性，但是日前優(yōu)化調(diào)度下發(fā)的計劃與實際運(yùn)行情況存在較大偏差，不利于日內(nèi)滾動優(yōu)化跟蹤日前調(diào)度計劃。此外，上述文獻(xiàn)主要采用電池作為電儲能設(shè)備。然而，可再生能源發(fā)電和負(fù)荷預(yù)測在不同的時間尺度下存在不同的波動特征，采用單一電池儲能很難在技術(shù)經(jīng)濟(jì)性上滿足其平抑要求［14］，因此在微能網(wǎng)中考慮混合儲能具有重要意義。

綜上，本文首先構(gòu)建了含P2G和電池-超級電容器混合電儲能的微能網(wǎng)系統(tǒng)。然后，在MPC 滾動優(yōu)化的思想框架下，將長時間尺度和短時間尺度滾動優(yōu)化控制策略進(jìn)行有機(jī)結(jié)合，提出了一種多時間尺度雙層滾動優(yōu)化控制方法。其中，上層長時間尺度滾動優(yōu)化層以最小化系統(tǒng)運(yùn)行成本為目標(biāo)；下層短時間尺度實時滾動調(diào)整層跟蹤并修正上層調(diào)度計劃，同時，在短時間尺度MPC 滾動優(yōu)化平滑系統(tǒng)功率波動的基礎(chǔ)上，根據(jù)超級電容器的功率特性，進(jìn)一步應(yīng)對風(fēng)光出力和負(fù)荷的瞬時功率波動。最后，通過算例分析驗證了超級電容器和P2G對降低系統(tǒng)功率波動和提高系統(tǒng)消納水平的有效性，并驗證了本文所提雙層滾動優(yōu)化方法的有效性。

1 基于MPC的微能網(wǎng)雙層滾動優(yōu)化控制方法

1.1 微能網(wǎng)系統(tǒng)結(jié)構(gòu)

本文構(gòu)建的微能網(wǎng)主要包含了光伏PV（Photo-Voltaic）、風(fēng)機(jī)WT（Wind Turbine）、熱電聯(lián)供CHP（Combined Heat and Power）系統(tǒng)、P2G設(shè)備、燃?xì)忮仩tGB（Gas Boiler）、電鍋爐EB（Electric Boiler）、電池-超級電容器混合電儲能設(shè)備、儲熱設(shè)備和儲氣設(shè)備，結(jié)構(gòu)如圖1 所示。光伏、風(fēng)機(jī)、微型燃?xì)廨啓C(jī)和電儲能設(shè)備用于滿足用戶的電負(fù)荷需求，缺額部分可通過向電網(wǎng)購電獲得，超級電容器用于平抑系統(tǒng)電功率波動；電鍋爐、燃?xì)忮仩t、余熱回收鍋爐和儲熱設(shè)備主要用于滿足用戶的熱負(fù)荷需求，其中余熱回收鍋爐用于回收微型燃?xì)廨啓C(jī)發(fā)電后排出的余熱，實現(xiàn)能源的梯級利用。本文研究的微能網(wǎng)內(nèi)所涉及的設(shè)備的數(shù)學(xué)模型見附錄A。

圖1 微能網(wǎng)系統(tǒng)結(jié)構(gòu)圖Fig.1 Structure of multi-energy microgrid system

1.2 微能網(wǎng)雙層滾動優(yōu)化控制框架

為應(yīng)對風(fēng)光出力和負(fù)荷需求預(yù)測不準(zhǔn)確的問題，適應(yīng)預(yù)測誤差隨預(yù)測時間尺度縮短而減小的特性，本文采用雙層滾動優(yōu)化的多時間尺度優(yōu)化控制方法對微能網(wǎng)進(jìn)行優(yōu)化控制，以時段最優(yōu)代替全局最優(yōu)，在上層實現(xiàn)最小化系統(tǒng)運(yùn)行成本的同時，在下層實現(xiàn)跟蹤上層調(diào)度計劃并降低預(yù)測誤差對系統(tǒng)影響的目標(biāo)。依據(jù)上下層不同的優(yōu)化控制目標(biāo)，構(gòu)建雙層滾動優(yōu)化控制框架如圖2 所示。值得注意的是，由于目前已有大量關(guān)于風(fēng)光出力和負(fù)荷預(yù)測方法方面的研究，如人工神經(jīng)網(wǎng)絡(luò)、時間序列、灰色理論和卡爾曼濾波等，故關(guān)于風(fēng)光出力和負(fù)荷預(yù)測數(shù)據(jù)，本文采用德國柏林電網(wǎng)公司已有的研究成果，將基于時間序列預(yù)測模型得到的風(fēng)光出力數(shù)據(jù)［15-16］作為本文進(jìn)行滾動優(yōu)化時所用的預(yù)測數(shù)據(jù)。

圖2 雙層滾動優(yōu)化控制框架Fig.2 Framework of two-layer receding horizon optimal control

圖2 中，上層為長時間尺度滾動優(yōu)化層，采樣時刻為tu∈{0，1，…，Tu-1}，Tu為預(yù)測時域，Δtu為上層控制時間間隔。在tu時刻，基于未來Tu個控制間隔內(nèi)風(fēng)光出力和電／熱／氣負(fù)荷需求的小時級預(yù)測數(shù)據(jù)，綜合考慮系統(tǒng)設(shè)備運(yùn)行特性，以最小化系統(tǒng)運(yùn)行成本為目標(biāo)，通過優(yōu)化求解獲得預(yù)測時域內(nèi)微能網(wǎng)調(diào)度計劃，并下發(fā)第一個控制間隔內(nèi)的調(diào)度計劃值至下層作為參考值。下層為短時間尺度實時滾動調(diào)整層，采樣時刻為tl∈{0，1，…，Tl-1}，Tl為預(yù)測時域，Δtl為下層控制時間間隔，即下層將上層滾動優(yōu)化階段的控制時間間隔Δtu等分為Tl個控制時間間隔Δtl。在tl時刻，遵照上層對應(yīng)時段Δtu的調(diào)度計劃和儲能設(shè)備充放電狀態(tài)，并基于下層預(yù)測時域內(nèi)風(fēng)光出力和負(fù)荷需求的分鐘級預(yù)測數(shù)據(jù)，對上層調(diào)度計劃值進(jìn)行修正，降低風(fēng)光出力和負(fù)荷需求預(yù)測誤差對優(yōu)化結(jié)果精準(zhǔn)性的影響，并調(diào)度超級電容器出力，從而進(jìn)一步平抑風(fēng)光出力和負(fù)荷需求的功率波動導(dǎo)致的聯(lián)絡(luò)線電功率和電池出力波動。在Δtu之后，下層將更新后的狀態(tài)變量反饋至上層，上層開始下一個調(diào)度問題。如此重復(fù)進(jìn)行上述步驟，直至生成調(diào)度周期內(nèi)所有時段的調(diào)度計劃。

1.3 微能網(wǎng)雙層滾動優(yōu)化控制模型

1.3.1 上層長時間尺度滾動優(yōu)化模型

1）目標(biāo)函數(shù)。

上層滾動優(yōu)化過程中，優(yōu)化目標(biāo)為預(yù)測時域內(nèi)微能網(wǎng)運(yùn)行成本最低。目標(biāo)函數(shù)Fu描述如下：

（6）儲能設(shè)備約束。

儲能設(shè)備運(yùn)行受儲能占比和最大充放能功率約束。由于同一時刻儲能設(shè)備只能進(jìn)行充能或放能，因此，引入0／1 布爾變量用于表示儲能設(shè)備充放能狀態(tài)?？紤]到下一個調(diào)度周期的優(yōu)化控制方案的制定，調(diào)度結(jié)束時儲能設(shè)備的儲能占比需恢復(fù)至初始儲能占比。

電池儲能設(shè)備約束如下：

1）目標(biāo)函數(shù)。

在短時間尺度實時滾動優(yōu)化層，為了體現(xiàn)上層調(diào)度計劃的意義，并進(jìn)一步降低優(yōu)化結(jié)果與實際運(yùn)行的偏差，下層細(xì)分時間尺度，進(jìn)行短時間尺度的實時滾動調(diào)整，并通過引入超級電容器，進(jìn)一步平抑風(fēng)光出力和負(fù)荷不確定性所導(dǎo)致的功率波動?；诖?，下層以功率修正的懲罰費(fèi)用和超級電容器在下層預(yù)測時域終端保持最佳儲能占比所導(dǎo)致的懲罰成本之和最小為目標(biāo)。值得注意的是，最佳儲能占比是為了最大化儲能設(shè)備平抑下一時刻功率波動的能力而設(shè)定的荷電狀態(tài)，以往研究中，一般定義儲能設(shè)備的最佳儲能占比為0.5［18］。

由于超級電容器的允許循環(huán)次數(shù)遠(yuǎn)大于電池，故本文不計超級電容器的退化成本和維護(hù)成本［19］。目標(biāo)函數(shù)如下：

需要指出的是，由于每次執(zhí)行滾動優(yōu)化時，MPC均需采樣并更新預(yù)測數(shù)據(jù)系統(tǒng)狀態(tài)信息，因此起到了一定的反饋修正作用，可確保滾動優(yōu)化策略具有更好的準(zhǔn)確性和魯棒性［20］。

2 算例分析

2.1 仿真條件

本文選取某并網(wǎng)運(yùn)行的微能網(wǎng)為對象進(jìn)行算例分析。上、下層調(diào)度周期分別為TN=24 h、TS=1 h，上、下層控制時間間隔分別為Δtu=1 h、Δtl=15 min，上層預(yù)測時域為Tu=24，下層預(yù)測時域為Tl=4，本文中控制時域與預(yù)測時域保持一致。24 h內(nèi)風(fēng)光出力和電、熱、氣負(fù)荷預(yù)測功率如附錄B 圖B1 所示，微能網(wǎng)系統(tǒng)運(yùn)行參數(shù)如附錄B 表B1 所示，儲能設(shè)備相關(guān)參數(shù)如附錄B 表B2 所示，其他參數(shù)如附錄B 表B3所示。分時電價具體如附錄B表B4所示，天然氣價格取值為0.26 元／（kW·h），棄風(fēng)棄光單位成本ωAB=1.7 元／（kW·h）。本文使用MATLAB 的Yalmip工具箱調(diào)用CPLEX求解器進(jìn)行求解。

2.2 不同場景下設(shè)備的運(yùn)行結(jié)果分析

為了驗證P2G 設(shè)備和超級電容器的優(yōu)勢，設(shè)定微能網(wǎng)在以下3 種不同場景下運(yùn)行：場景1，電儲能系統(tǒng)只含電池儲能單元；場景2，電儲能系統(tǒng)為電池-超級電容器混合儲能；場景3，在場景2 的基礎(chǔ)上，增加P2G設(shè)備。

附錄B 圖B2—B6 展示了在不同場景下，系統(tǒng)電、熱、氣優(yōu)化調(diào)度結(jié)果。

對于場景1，由附錄B 圖B2—B4 可知，當(dāng)電價處于谷時段（［00:00，07:00）、［23:00，24:00］）時，由于此時購電電價為0.17 元／（kW·h），低于天然氣價，因此系統(tǒng)通過向電網(wǎng)大量購電以及自身風(fēng)機(jī)的發(fā)電來滿足電負(fù)荷需求。由于夜間風(fēng)電比較充足，電鍋爐作為消耗電能的能源轉(zhuǎn)換設(shè)備大量耗電，其產(chǎn)生的熱能用以滿足夜間較高的熱負(fù)荷需求。此時，儲能設(shè)備也開始進(jìn)行儲能，其中電池通過充電來支撐未來用電高峰時段電負(fù)荷需求高于風(fēng)光出力的情況，儲熱系統(tǒng)將夜間電鍋爐產(chǎn)生的多余熱能存儲起來，儲氣設(shè)備則存儲氣負(fù)荷在低谷時段多余的天然氣，起到了削峰填谷的作用。當(dāng)電價處于平時段（［07:00，10:00）、［15:00，18:00）、［21:00，23:00））時，購電電價為0.49元／（kW·h），高于天然氣價以及風(fēng)機(jī)和光伏的發(fā)電成本，微能網(wǎng)減少購電量，系統(tǒng)主要依靠此時風(fēng)光出力以及熱電聯(lián)產(chǎn)系統(tǒng)產(chǎn)生的電能滿足電負(fù)荷需求，熱負(fù)荷需求則通過燃?xì)忮仩t來滿足，并由熱電聯(lián)產(chǎn)系統(tǒng)配合運(yùn)行。此時，電鍋爐出力幾乎為0，電池根據(jù)前后時段電價和電負(fù)荷狀況決策當(dāng)前時刻的充放狀態(tài)，儲熱設(shè)備隨著熱負(fù)荷的波動進(jìn)行充放能，儲氣設(shè)備繼續(xù)存儲天然氣。當(dāng)電價處于峰時段（［10:00，15:00）、［18:00，21:00））時，購電電價上升至0.83元／（kW·h），天然氣價遠(yuǎn)低于購電電價，微型燃?xì)廨啓C(jī)發(fā)電成本比購電價格低，能夠進(jìn)行熱電聯(lián)供，綜合效率較高，因此微型燃?xì)廨啓C(jī)開始大量消耗天然氣供電，并利用發(fā)電余熱對用戶供熱，缺額部分由燃?xì)廨啓C(jī)和電鍋爐作為補(bǔ)充，多余熱能則通過儲熱設(shè)備存儲。此時，微能網(wǎng)與天然氣網(wǎng)的交互功率達(dá)到上限，并且電池與微型燃?xì)廨啓C(jī)配合運(yùn)行，釋放電能，降低系統(tǒng)在用電高峰時段向大電網(wǎng)購電成本。因此，在電價峰時段，系統(tǒng)不僅滿足了電負(fù)荷需求，而且微能網(wǎng)通過出售過剩電力給大電網(wǎng)以賺取電費(fèi)差額，提高了全局經(jīng)濟(jì)性。

對于場景2，電功率優(yōu)化調(diào)度結(jié)果如附錄B 圖B5 所示。由于MPC 是根據(jù)實時預(yù)測數(shù)據(jù)對系統(tǒng)進(jìn)行動態(tài)調(diào)整的，所以MPC 優(yōu)化方法本身具有平滑功率波動的效果，因此在場景1 中，聯(lián)絡(luò)線電功率已經(jīng)較為平滑。在此基礎(chǔ)上，場景2 引入超級電容器，一方面，當(dāng)每小時內(nèi)聯(lián)絡(luò)線電功率未出現(xiàn)波動時，超級電容器作為儲能元件參與系統(tǒng)瞬時功率平衡，保證系統(tǒng)運(yùn)行滿足優(yōu)化目標(biāo)；另一方面，超級電容器會在聯(lián)絡(luò)線電功率波動相對較大的時段做出瞬時響應(yīng)，通過快速充放電平抑這些時段內(nèi)聯(lián)絡(luò)線電功率的波動，保證聯(lián)絡(luò)線電功率的變化穩(wěn)定在小范圍內(nèi)，進(jìn)而降低風(fēng)光出力和負(fù)荷需求不確定性給系統(tǒng)帶來的負(fù)面影響。此外，通過仿真計算得到系統(tǒng)工作在場景1和場景2下的總運(yùn)行成本分別為1484.2、1463.8元，棄風(fēng)棄光成本分別為86.93、66.97 元。因此，超級電容器的引入能夠在一定程度上減少系統(tǒng)棄風(fēng)棄光成本。

附錄B 圖B6 為場景3 下氣功率優(yōu)化調(diào)度結(jié)果。通過仿真計算得到系統(tǒng)在場景3 下的總運(yùn)行成本為1 420.0 元，棄風(fēng)棄光成本為33.90 元。結(jié)合圖B6 和上述成本可知，棄風(fēng)主要集中在［00:00，07:00］和［23:00，24:00］時段，這些時段為風(fēng)電出力高峰期，加入P2G 設(shè)備后，在棄風(fēng)時段通過P2G 將電能轉(zhuǎn)化為天然氣，從而進(jìn)一步降低系統(tǒng)棄風(fēng)棄光量，使系統(tǒng)的可再生能源消納水平顯著提升，并且提高了系統(tǒng)經(jīng)濟(jì)性，證明了含P2G 的微能網(wǎng)系統(tǒng)在風(fēng)光消納方面具有獨(dú)特優(yōu)勢。

2.3 不同預(yù)測時域下的結(jié)果分析

為了驗證本文優(yōu)化控制方法的合理性和有效性，設(shè)定上層預(yù)測時域Tu=4，8，12，24，48，72 這6 種對比場景，得到系統(tǒng)運(yùn)行結(jié)果如圖3所示。

圖3 不同預(yù)測時域下系統(tǒng)運(yùn)行結(jié)果Fig.3 Results of system operation under different prediction horizons

圖3（a）描述了電池儲能占比在不同預(yù)測時域下的變化趨勢。從圖中可以看出，預(yù)測時域尚未達(dá)到24 時，電池的儲能占比隨預(yù)測時域的不同發(fā)生較明顯變化：當(dāng)Tu=4，8，12時，電池儲能占比變化范圍相較于其他預(yù)測時域更小，并且預(yù)測時域越小，電池儲能占比的變化范圍越?。划?dāng)Tu=24，48，72時，電池儲能占比在每一時段的大小基本一致，這是由于當(dāng)預(yù)測時域達(dá)到24 時，風(fēng)光出力、負(fù)荷需求和電、氣價格信息分布遵循相似的日模式，使得預(yù)測時域的長度對電池儲能占比的影響顯著減小。圖3（b）表明盡管預(yù)測時域的長度不同，但24 h 內(nèi)的平均運(yùn)行成本并沒有隨著預(yù)測時域的不同而發(fā)生很大的變化，因此可根據(jù)系統(tǒng)實際調(diào)度需求靈活選取上層預(yù)測時域的大小。此外，隨著上層預(yù)測時域的增大，上層計算時間增加，而下層計算時間基本不變，這是由于上層預(yù)測時域越大，所包含的預(yù)測信息越豐富，相應(yīng)地會使得上層求解優(yōu)化問題時計算量增大，而下層預(yù)測時域保持不變，計算復(fù)雜度也會相應(yīng)保持不變。然而，由于計算時間比相應(yīng)的時間間隔短得多，因此雙層滾動優(yōu)化控制方法能夠確保在下一個調(diào)度時刻到來之前獲得當(dāng)前時刻的最優(yōu)調(diào)度結(jié)果，即具有實時響應(yīng)能力，這說明該系統(tǒng)優(yōu)化問題的求解速度滿足系統(tǒng)的需求。

2.4 不同預(yù)測誤差下的結(jié)果分析

風(fēng)光出力和負(fù)荷預(yù)測誤差是系統(tǒng)不確定性的重要表現(xiàn)形式，因此有必要分析不同的風(fēng)光出力和負(fù)荷預(yù)測誤差對系統(tǒng)優(yōu)化調(diào)度結(jié)果的影響。圖4 展示了下層預(yù)測數(shù)據(jù)誤差分別為5%、10%、15%、20%時系統(tǒng)的運(yùn)行結(jié)果。圖4（a）中，在不同預(yù)測誤差下電池儲能占比曲線基本重合，這表明預(yù)測誤差的增大對電池儲能占比的影響較小，而從圖4（b）中可以看出，預(yù)測誤差的增加會給超級電容器儲能的輸出帶來更多的波動，這是因為平滑電池在短時間尺度內(nèi)的輸出功率波動是實時滾動調(diào)整的主要目標(biāo)之一。圖4（c）表明隨著預(yù)測誤差的增大，24 h 內(nèi)的平均運(yùn)行成本和電池平均退化成本均無顯著變化，這是由于電池主要在上層進(jìn)行長時間尺度的調(diào)度，而下層的瞬時功率平衡則通過調(diào)度超級電容器來實現(xiàn)。

圖4 不同預(yù)測誤差下系統(tǒng)運(yùn)行結(jié)果Fig.4 Result of system operation under different prediction errors

2.5 與已有優(yōu)化控制方法的對比分析

為驗證本文優(yōu)化控制方法的優(yōu)勢，在2.2節(jié)的場景3 下，將基于日前優(yōu)化調(diào)度與日內(nèi)MPC 滾動優(yōu)化相結(jié)合的優(yōu)化控制方法與本文所提出的雙層滾動優(yōu)化控制方法進(jìn)行比較，設(shè)定了如下2 種對比情景：情景1（采用基于日前優(yōu)化調(diào)度與日內(nèi)MPC 滾動優(yōu)化相結(jié)合的優(yōu)化控制方法），上層為日前優(yōu)化調(diào)度，下層根據(jù)日前優(yōu)化調(diào)度計劃，基于MPC 的滾動優(yōu)化求解微能網(wǎng)系統(tǒng)日內(nèi)修正方案；情景2（采用雙層滾動優(yōu)化控制方法），上層為長時間尺度滾動優(yōu)化，用有限時段的反復(fù)滾動優(yōu)化代替一次離線全時段優(yōu)化，下層根據(jù)上層調(diào)度計劃，通過短時間尺度滾動優(yōu)化對上層計劃值進(jìn)行修正。

由于日前優(yōu)化調(diào)度周期為24 h，時間尺度為1 h，為保證上層預(yù)測時域一致，故在2種情景中均設(shè)置上層預(yù)測時域Tu=24，時間尺度為1 h；根據(jù)MPC原理，每次只下發(fā)第一個控制間隔內(nèi)的調(diào)度計劃值至下層作為參考值，故在2 種情景中均設(shè)置下層預(yù)測時域Tl=4，時間尺度為15 min。

以根據(jù)實際風(fēng)光出力、各類負(fù)荷需求數(shù)據(jù)求得的理想運(yùn)行結(jié)果為參照，對比2 種情景下根據(jù)預(yù)測數(shù)據(jù)求得的微能網(wǎng)聯(lián)絡(luò)線電功率、電池出力在每個15 min時段的絕對誤差和相對誤差。

式中：Ps為設(shè)置的平移量，本文取Ps=1 kW。

2 種情景下微能網(wǎng)聯(lián)絡(luò)線電功率和電池出力的每15 min 絕對誤差和相對誤差對比如圖5 和附錄B圖B7、B8 所示。由圖可知，總體上情景2 下的絕對誤差和相對誤差比情景1 小很多，原因是基于日前調(diào)度與日內(nèi)MPC 滾動優(yōu)化相結(jié)合的多時間尺度優(yōu)化控制方法，是將日前調(diào)度階段的調(diào)度計劃一次性下發(fā)，因此可能出現(xiàn)因可再生能源出力預(yù)測精度較低而導(dǎo)致優(yōu)化控制方案與實際運(yùn)行情況偏差較大的問題。在此基礎(chǔ)上，日內(nèi)滾動根據(jù)實時預(yù)測數(shù)據(jù)對日前調(diào)度計劃進(jìn)行修正，這樣進(jìn)行修正后所得到的實際調(diào)度結(jié)果也不夠準(zhǔn)確，進(jìn)而給微能網(wǎng)和上游網(wǎng)絡(luò)的安全運(yùn)行帶來負(fù)面影響。而情景2 的上層采用長時間尺度滾動優(yōu)化方法，系統(tǒng)在進(jìn)行上層滾動優(yōu)化調(diào)度時，根據(jù)每小時最新風(fēng)光出力、負(fù)荷信息和系統(tǒng)狀態(tài)，生成實時計劃下發(fā)，可以更好地前瞻未來一段時間的調(diào)度需求，因此可提前對可控機(jī)組和儲能設(shè)備的出力進(jìn)行調(diào)整，使得下層對計劃值進(jìn)行修正時求解得到的實時調(diào)度結(jié)果更趨近于理想運(yùn)行結(jié)果，有效削弱可再生能源和負(fù)荷的不確定性影響。因此，本文提出的雙層滾動優(yōu)化控制方法提升了系統(tǒng)適應(yīng)不確定性的能力，并能給出更精確的調(diào)度方案。

通過仿真計算得到2 種情景下系統(tǒng)運(yùn)行成本分別為1 443.4 元和1 420.0 元?？梢钥闯?，在運(yùn)行費(fèi)用方面，情景2 相對于情景1 降低了1.62%，可見本文采用的雙層滾動優(yōu)化控制方法在保證系統(tǒng)經(jīng)濟(jì)運(yùn)行的條件下，更能適應(yīng)系統(tǒng)隨機(jī)性，制定更精確的調(diào)度決策。

結(jié)合圖5（a）和2 種情景下系統(tǒng)運(yùn)行成本可知，情景2 的運(yùn)行成本較情景1 未有明顯降低的原因是情景2 下每一時段內(nèi)的功率絕對誤差較小，故運(yùn)行成本相較于理想成本的誤差也較小。而對于情景1，絕對誤差較大包含優(yōu)化結(jié)果較理想結(jié)果偏低和偏高2 種情況，則每一時段內(nèi)的系統(tǒng)的運(yùn)行成本較理想成本也會偏低或者偏高，從而可能導(dǎo)致總運(yùn)行成本接近理想總成本。因此，較小的絕對誤差不一定會造成總運(yùn)行成本明顯降低。

為進(jìn)一步驗證不確定性環(huán)境下雙層滾動優(yōu)化控制方法的有效性，在上層風(fēng)光出力和負(fù)荷預(yù)測值的基礎(chǔ)上，疊加3 種不同等級的波動，等級1—3的波動率分別為10%、20%、30%。通過仿真計算，對比情景1和情景2下不同波動等級的運(yùn)行成本：情景1在3種波動等級下的總運(yùn)行成本分別為1419.9、1 430.6、1 437.2 元，情景2 在3 種波動等級下的總運(yùn)行成本分別為1 450.8、1 481.1、1 516.2 元?？梢钥闯?，在3 種波動等級下，情景1 較情景2 在運(yùn)行成本上分別降低了2.13%、3.42%、5.21%?？梢姴煌▌拥燃壪虏捎秒p層滾動優(yōu)化控制方法均可有效保證系統(tǒng)的經(jīng)濟(jì)運(yùn)行，并且隨著波動等級的增大，情景1較情景2的經(jīng)濟(jì)性能不斷提升，這是因為情景1的上層是基于日前優(yōu)化調(diào)度的一次離線全時段優(yōu)化，而情景2 的上層通過滾動時域不斷更新系統(tǒng)預(yù)測信息和狀態(tài)信息，以有限時段最優(yōu)代替全時段最優(yōu)，使得系統(tǒng)在不確定環(huán)境下具有更強(qiáng)的魯棒性。

3 結(jié)論

本文構(gòu)建了含P2G 設(shè)備和電池-超級電容器混合儲能的微能網(wǎng)系統(tǒng)，在此基礎(chǔ)上，針對考慮微能網(wǎng)不確定性的優(yōu)化控制問題，提出了一種基于雙層滾動優(yōu)化的多時間尺度優(yōu)化控制方法。該方法在保證系統(tǒng)消納能力和經(jīng)濟(jì)運(yùn)行的同時，提升了微能網(wǎng)系統(tǒng)應(yīng)對不確定性的能力，得到的主要結(jié)論如下：

1）隨著超級電容器和P2G 設(shè)備的引入，運(yùn)行成本不斷減小，系統(tǒng)消納能力不斷提高，體現(xiàn)了本文所提系統(tǒng)模型的優(yōu)勢；

2）所提雙層滾動優(yōu)化控制方法在不同預(yù)測時域和預(yù)測誤差下，均能保證微能網(wǎng)平均運(yùn)行成本基本保持不變；

3）與日前優(yōu)化調(diào)度結(jié)合日內(nèi)MPC 滾動優(yōu)化方法相比，所提雙層滾動優(yōu)化方法在保證系統(tǒng)運(yùn)行成本的前提下，可以更有效地應(yīng)對系統(tǒng)在不確定性環(huán)境下因日前優(yōu)化調(diào)度對預(yù)測精度依賴性強(qiáng)所導(dǎo)致的調(diào)度計劃與實際運(yùn)行場景偏差較大的問題，使得系統(tǒng)在不確定性環(huán)境下具有較強(qiáng)的魯棒性。

附錄見本刊網(wǎng)絡(luò)版（http：//www.epae.cn）。