基于模型预测控制的微电网多目标协调优化

基于模型预测控制的微电网多目标协调优化
周成; 芮涛; 王群京
【期刊名称】《《电测与仪表》》
【年(卷),期】2019(056)022
【总页数】7页(P44-50)
【关键词】微电网; 模型预测控制; 有功无功协调调度; 可再生能源
【作者】周成; 芮涛; 王群京
【作者单位】安徽国际商务职业学院信息工程学院合肥231131; 安徽大学工业节电与电能质量控制省级协同创新中心合肥230601
【正文语种】中文
【中图分类】TM734
0 引言
大量的分布式能源接入低压配电网，大大增加了其运维难度和成本。

将分布式能源及负荷采用微电网的形式进行管理，可有效提高区域电网的能量管理水平。

随着分布式储能的发展，近年来研究微电网内部源/荷/储协调优化控制策略以进一步提升微电网运行经济性与供电可靠性已成为国内外关注的热点[1-6]。

目前关于微电网运行经济性方面的研究，主要集中于对系统的运行成本、调度成本以及运行效益的优化。

文献[7]以系统运行成本最低为目标，考虑蓄电池的维护成本、可平移负荷调度成本以及微电网向配电网的电力购置成本，对微网内各单元进
行功率优化分配；文献[8]提出微网互联控制框架，包括分时优化和实时控制，以
系统发电总成本最小为目标，结合动态下垂控制策略修正联络线交换功率以提高互联系统运行的安全可靠性。

由于配电网对运营效益的要求，售电电价通常是变化的，文献[9]考虑了峰谷电价差异和分时电价策略对微电网运行成本的影响，建立微电
网最优经济调度模型。

此外，微网内分布式能源的多样性对运行成本也有着直接影响，在文献[10]构建了一个含风机、光伏、燃料电池、CCHP系统、地源热泵以及储能装置的多类型分布式能源微电网最优成本运行模型。

文献[11]分析了含冷蓄能的多类型分布式能源微电网运行成本随价格信息的变化规律。

文献[12]对孤网型微电网的运行效益进行了研究，构建了含多场景多模式的独立微电网的经济调度模型，并采用粒子群算法求解。

而关于微电网供电可靠性的研究，目前多集中于可控型分布式能源设备对微电网电压幅值控制与频率控制方面的。

文献[13]对孤岛型微电网的静态电压稳定性与有功无功注入的关系进行了分析，通过控制具有下垂特性的分布式电源对孤岛微电网中的薄弱环节实施功率补偿，以提升电压稳定性。

文献[14]提出了一种同时考虑微电网公共点电压偏差与频率偏差的分布式电源协调控制方法，分析了分布式电源下垂特性对系统公共点的电压频率特性及系统稳定裕度的影响。

文献[15]采用最优潮流计算的方法分析有功无功调度对微电网电压稳定的影响，通过约束各节点电压范围实现微电网运行经济性和电压稳定性的要求。

文献[16]从孤岛型微电网功率平衡对电压稳定的影响出发，考虑可再生能源出力间歇性与负荷波动性，提出计及储能SOC平衡的微电网电压恢复控制策略。

文献[17]提出矩阵变换器的电压预测控制
以提高分布式能源及储能接入条件下的微电网电压稳定性。

文献[18]从电力电子设备运行的快速性与系统功率流动控制的稳定性等多个角度出发，构建了一种多态时间尺度稳定微电网控制技术体系，可有效提高微电网运行效率，实现微电网内的功率快速调节，提高系统稳定水平。

综合上述分析，目前关于微电网运行经济型的研究，多采用基于长时间尺度的微电网源/荷/储能量优化调度，而对于微电网供电可靠性的研究多体现在对微电网中的控制单元进行实时控制。

本文综合考虑了两种时间尺度对微电网优化控制的影响，针对微电网运行过程中的运行效益与供电可靠性问题，建立了基于模型预测控制的微电网源/储/荷协调控制策略，该模型分为滚动优化与反向校正两个阶段，在滚动优化阶段以运行成本最低与供电电压偏差最小为目标对调度单元的能量分配及可平移负荷运行时段进行优化，在实时反馈阶段以最小化可调调度单元出力偏差为目标，实时调整可调度单元的能量分配。

文章最后通过仿真对该模型在典型微电网中的应用进行了验证。

1 基于模型预测的协调优化框架
为实现低压微电网内多类型分布式电源、储能及可控负荷的有效控制，考虑分布式能源不确定性与随机性，根据实际系统中各可调度单元对时间的响应特性不同，将优化调度分为日内滚动优化与实时反馈两个阶段，如图1所示。

图1 微电网多时间尺度调度框架Fig.1 Multi time scale scheduling framework for micro-grid
如图1所示，在日内滚动优化阶段，以MΔT为滚动周期，每隔时间间隔ΔT启动，对未来MΔT时段可再生能源出力及负荷进行预测；根据可调单元出力对调度成本与电压幅值的影响，构建以运行成本最低与节点电压偏差最小为目标的多目标优化函数，优化分布式电源有功无功出力、可平移负荷运行时段、储能有功无功充放
电功率，并以第一个ΔT时段的优化结果作为该时段的调度信息。

为进一步提高优化控制精度，需对日内滚动优化阶段的结果进行实时反馈校正。

实时反馈校正阶段，对当前时段t0内的分布式电源出力及负荷进行预测，以当前ΔT 时段微电网内的各调度单元有功无功出力为初值，以各单元出力偏差值最小为目标，对出力进行反馈校正。

一次滚动优化周期内将实时根据短期预测结果，对各单元出
力值进行n次反馈校正，从而提高微电网优化调度精度。

2 协调优化控制模型
2.1 控制目标与控制变量
日内滚动优化阶段，以4 h为滚动优化周期，1 h为优化时间间隔，对微电网系统运行成本及节点电压进行优化。

优化控制变量包括：可再生电源无功出力、可控型分布式电源有功无功出力、储能有功无功充放电功率、微电网与配电网之间的净功率、可平移负荷的投入时刻与切除时刻。

滚动优化阶段以微电网运行本最低及节点电压偏差最小为目标，采用层次分析法[19]对优化目标进行归一化处理；
min F1=λ1Ctotal+λ2Ud
(1)
式中 Ctotal为微电网运行成本，其中包括分布式能源发电成本CDER、储能系统
发电成本CESS、可平移负荷发电成本CFL，见公式(2)；Ud为节点电压偏差目标
函数，见公式(3)；λ1与λ2为归一化系数。

(2)
(3)
式中 I表示分布式电源的集合；J表示分布式储能单元的的集合；ρg微电网向配
电网的购电售电电价；Pg为微电网向配电网购电时的功率；ai、bi、ci为分布式
电源i的发电成本系数；aj、bj、cj为储能j的退化成本系数；ε为可平移负荷一
次调度成本；NFL为调度周期内可平移负荷调度次数；Uk为节点k的电压，UN
为额定电压。

实时反馈校正阶段的启动周期为Δt，该阶段需对滚动优化阶段的调度值进行调整。

为保证可平移负荷的安全稳定运行，实时反馈阶段将不对其进行调度。

因此，该阶段的优化控制变量主要包括：可再生电源无功出力、可控型分布式电源有功无功出力、储能有功无功充放电功率。

为保证微电网应对可再生能源及负荷波动时的系统稳定性，当前时刻目标函数为可调度单元出力调整量最小。

(4)
式中 U表示实时反馈阶段优化控制变量的集合。

为各可调单元实际出力值；为各
可调出力单元在滚动优化阶段的出力值；为各可调单元的出力最大值，这里以各单元的视在功率值为准。

2.2 约束条件
基于模型预测微电网有功无功协调调度模型，需对控制变量进行约束。

其约束条件主要包括：支路潮流约束、分布式能源有功无功处理约束、储能充放电约束等。

处理
(1)支路潮流约束如图2所示：
图2 微电网支路潮流示意图Fig.2 Branch flow diagram of micro-grid
如图2可知需满足如式(5)、式(6)约束：
(5)
(6)
式中P1、Q1分别为配电网与微电网联络线之间的净有功功率、净无功功率；R1、X1、I12分别为联络线电感、电抗及电流；为微电网公共点2的供电电压；分别
为公共点2的净流入有功功率与无功功率；Ri、Xi、I2j为支路2j的电阻、电抗及电流；为t时刻支路2j的首端流入有功功率与无功功率；为t时刻j节点的有功和
无功功率；分别为t时刻联络线首端的电压值、微电网公共点电压值与各供电节点电压值；
(2)节点电压约束
(7)
式中为i节点处电压幅值的上限；为i节点处电压幅值的下限。

(3)联络线电流约束
(8)
式中为联络线电流最大值。

(4)支路电流约束
(9)
式中为支路电流最大值。

(5)储能充放电约束
(10)
式中为储能充放电功率上限；为t时刻储能存储电量；为储能的容量限值。

(6)可再生能源出力约束
(11)
式中节点处t时刻可再生能源的有功出力值与无功出力值。

(7)可调度分布式能源出力约束
(12)
式中为水电出力上限、下限。

是t时刻储能所存储的电量；是储能的容量限值。

(8)可平移负荷约束
(13)
式中为水电出力上、下限；为柔性负荷总容量限值。

2.3 优化调度模型求解
由于上述支路潮流约束中存在非凸非线性方程，对其直接求解存在一定的难度。

本文采用二阶锥松弛对支路潮流约束中的非凸约束进行二阶锥松弛[20]，将原优化问题转换成较为容易求解的二阶锥优化问题。

在MATLAB下用YALMIP建模并调用CPLEX进行求解。

3 算例分析
3.1 运行参数设置
本文选取安徽省某村级交流微电网作为研究对象，进行微电网源/荷/储协调优化控制分析。

如图3所示，该微电网包括2个光伏发电系统、1个储能系统、2条户用供电线路、一个小型水力发电系统。

为进一步研究可平移负荷对微电网协调控制的影响，这里假设存在一个独立支路的可平移负荷集合，可平移负荷总需求电量为不可平移负荷的15%。

图3 微电网源/储/荷协调调度结构图Fig.3 Acoordinated scheduling of source/ storage /load of micro-grid
表1中给出参与协调调度的可调度单元的额定功率及数量。

表1 可调度单元调节参数Tab.1 Control parameter of controllable equipment 可调设备额定功率数量光伏1/kV·A80 kV·A1光伏2/kV·A100 kV·A1储能
/kV·A100 kV·A1小型水电/kV·A50 kV·A1可平移负荷/kW2 kW15
图4中给出典型夏日光伏发电系统1、光伏发电系统2、供电线路1、供电线路2
的15 min实时有功功率曲线；并以相应的1 h有功功率均线作为滚动优化阶段的预测值。

由图4可知，供电线路负荷将于8-13时段、17-20时段达到负荷高峰；光伏发电系统将在8-16时段进入发电高峰期。

图4 典型日光伏与负荷曲线Fig.4 Typical solar volt and load curve
3.2 仿真结果分析
文中选取的滚动优化长度为4 h，每一小时进行一次滚动；同时选取实时反馈校正周期为15 min，每一次滚动优化将进行4次反馈校正。

在滚动优化阶段选取储能有功出力、储能无功出力、光伏无功出力、小型水电有功出力及可平移负荷投切时刻作为可优化调度变量。

实时反馈阶段，以电力电子变换器方式接入微电网的光伏发电系统及储能系统可快速响应系统对有功功率与无功功率的调度需求。

同时，考虑到小型水电对调度指令的响应速度较慢及可平移负荷对供电可靠性的要求，实时反馈阶段将不再对水电有功功率及可平移负荷进行再次调节。

根据上述方式，采用基于模型预测控制的源/荷/储协调优化调度模型，对各可调度单元的有功功率与无功功率调度指令进行求解，结果如图5与图6所示。

图5 可调度单元有功出力Fig.5 Active power output of the schedulable unit
图5中，小型水力发电单元发电高峰时段主要集中于晚上17-23时段，与光伏发
电时相互错开，为应对晚间负荷高峰，提供有功功率支撑。

储能系统在8-16时段进入充电高峰期，吸收光伏发电系统发出的电能；在17-22时段进入放电高峰期，为夜间负荷提供有功功率支撑；同时可见，在17-20时段，储能有两次放电高峰，对图4中的17-20时段的两次负荷高峰起到良好的补偿效果。

可平移负荷的运行
主要集中于0-9时段、13-17时段与22-24时段，避开了微电网内负荷电高峰时期，平滑了系统负荷曲线。

由于低压线路阻抗较大，系统电压稳定主要采用有功功率调度的方式实现，因此系统对各单元的无功补偿能力要求不高。

然而，适当的补偿系统无功功率，可在一定程度降低各可调单元的有功出力，从而实现进一步降低系统运行成本的目标。

图6中给出了系统中各单元无功功率补偿曲线。

图6 可调度单元无功出力Fig.6 Reactive power output of schedulable unit
为进一步说明文中所提模型的有效性，图7给出了优化前后微电网联络线与配电
网之间的净功率曲线。

可见，优化前的微电网在8-16时段净负荷为负，能量净流出，可再生能源发电在微电网内部无法有效消纳，只能以上网电价卖给配电网；在17-23时段净负荷为正，能量净流入，微电网需向配电网购置电能。

由于配电网
售电价总是高于购电价，因此微电网在夜间需花费高昂的购电成本用以保证内部供电线路的正常供电。

采用本文所提的协调优化调度模型，通过储能系统吸收可再生能源白天发出的电力，并在夜间使用，可有效降低系统的微电网的电力购置购电成本；同时，实现了微电网联络线净功率的有效抑制，降低了微电网对配电网的影响。

并网状态下的微电网联络线的净功率对公共点电压稳定有着直接的影响，图8给
出了优化前后微电网公共点电压波动曲线。

优化前，公共点电压在白天光伏发电高峰与晚间负荷高峰时段，存在较大的电压偏差，最大偏差超过5%；优化后的公共点电压偏差得到有效抑制，最大点偏差只有3.6%，系统供电可靠性得到明显提升。

图7 联络线净有功功率Fig.7 Net active power of contact line
图8 微电网公共点电压Fig.8 Micro-grid common point voltage
图9给出了优化前后的微电网系统运行成本，通过采用本文提出的协调优化控制
模型，优化后的系统运行成本从优化前的776元下降至630元，降低了18.8%。

图9 微电网运行成本Fig.9 Operation cost of micro-grid
综上所述，文中所提基于模型预测控制的微电网协调优化调度模型，可有效降低微电网运行成本，提高系统供电可靠性。

4 结束语
文中采用基于模型预测控制的低压微电网源/荷/储协调控制技术，在滚动优化阶段以微电网运行成本最低为目标，求解光伏无功出力、水电有功无功出力、储能系统有功无功出力及可平移负荷接入与切除时刻；在实时反馈阶段，在滚动优化的技术上，以可调度单元出力偏差最小为目标，对光伏无功出力、水电有功无功出力、储能系统有功无功出力进行调整。

仿真结果表明，通过采用该协调控制技术，可有效应对分布式电源出力的不确定性与负荷波动现象。

参考文献
【相关文献】
[1] 贺鹏，艾欣，徐虹. 微电网经济运行研究综述[J]. 现代电力，2012， 29(4)： 1-6.
He Peng, Ai Xin, Xu Hong. Overview of the Economic Operation of Microgrid[J]. Modren Electric Power, 2012, 29(4)： 1-6.
[2] 史帅彬，汪清，俞龙飞，丘国斌，曾江. 基于配网功率预估的输配网全局潮流计算[J]. 电测与仪表， 2018， 55(18)： 44-49.
Shi Shuaibin， Wang Qing， Yu Longfei， Qiu Guobin， Zeng Jiang. Flow calculation of transmission and distribution network based on distribution network power
prediction[J].Electrical Measurement & Instrumentation, 2018， 55(18)： 44-49.
[3] 杨志淳，沈煜，杨帆. 考虑光伏消纳能力的配电网规划方案优化[J]. 电测与仪表， 2018，
55(15)： 133-137.
Yang Zhichun， Shen Yu， Yang Fan. Optimization of the distribution network planning scheme considering the photovoltaic consumption capacity[J].Electrical Measurement & Instrumentation, 2018， 55(15)： 133-137.
[4] 潘晨，滕欢，宫毓斌，廖敏芳，潘米娜. 用户侧互动模式下的微电网优化协调调度策略研究[J]. 电测与仪表， 2019， 56(5)： 51-56.
Pan Chen, Teng Huan, Gong Yubin, Liao Minfang, Pan Mina. Research on optimal coordination scheduling strategy of micro-grid in user-side interactive mode[J]. Electrical Measurement & Instrumentation, 2019， 56(5)： 51-56.
[5] Ibrahim Aldaouab, Malcolm Daniels, Kevin Hallinan. Microgrid Cost Optimization for a
Mixed-Use Building. 2017 IEEE Texas Power and Energy Conference (TPEC), 2017.
[6] M.Reza Nassaj, Hassan Rastegar, Saman Mehrnia, Mehrdad Abedi. Improving the response transient and dynamic stability using voltage-based droop control in an islanded microgrid equipped with energy storage. Smart Grid Conference (SGC), 2017. [7] 张海涛，秦文萍，韩肖清，王鹏，郭晓龙. 多时间尺度为电网能量管理优化调度方案[J]. 电网技术， 2017， 41(5)： 1534-1540.
Zhang Haitao, Qin Wenping, Han Xiaoqing, Wang Peng, Guo Xiaolong. Multi-Time Scale Optimization Scheduling Scheme of Microgrid Energy Management[J].Power System Technology， 2017， 41(5)： 1534-1540.
[8] 刘念，李岩松，张建华，雷金勇. 微电网互联运行的分时优化与实时控制方法[J]. 电工技术学报， 2016， 31(21)： 1-11.
LiuNian, Li Yansong, Zhang Jianhua, Lei Jinyong. Hour-Ahead Optimization and Real-Time Control Method for Micro-Grid Interconnection[J]. Transactions of China Electrotechnical Society， 2016， 31(21)： 1-11.
[9] 肖浩，裴玮，孔力. 基于模型预测控制的微电网多时间尺度协调优化调度[J]. 电力系统自动化，2016, 40(18)： 7-14.
Xiao Hao， Pei Wei， Kong Li. Multi-time Scale Coordinated Optimal Dispatch of Microgrid Based on Model Predictive Control[J]. Automation of Electric Power Systems，2016, 40(18)： 7-14.
[10]杨志鹏，张峰，梁军，韩学山，徐震. 含热泵和储能的冷热电联供型微网经济运行[J]. 电网技术， 2018, 42(6)： 1735-1742.
Yang Zhipenga, Zhang Fenga, Liang Juna, Han Xueshana, Xu Zhen. Economic Generation Scheduling of CCHP Microgrid With Heat Pump and Energy Storage[J]. Power System Technology， 2018, 42(6)： 1735-1742.
[11]Stefan Bschorer, Maren Kuschke, Kai Strunz, Cost ratio analysis evaluating the potential of an ice storage unit in a multi-energy microgrid, IEEE PES Innovative Smart Grid Technologies Conference Europe (ISGT-Europe), 2017.
[12]杨欢红，刘书洲，王西瑶，林启待. 多场景多模式独立微电网经济运行研究[J]. 高压电器，2018， 53(3)： 174-180.
Yang Huanhong, Liu Shuzhou, Wang Xiyao， Lin Qidai. Research on Economic Operation
of Multi-mode Stand-alone MicroGrid in Different Scenarios[J]. High Voltage Apparatus，2018， 53(3)： 174-180.
[13]潘忠美，刘健，石梦，同向前. 计及电压/频率静特性的孤岛微电网电压稳定性与薄弱点分析[J]. 电网技术， 2017, 41(7): 2215-2221.
Pan Zhongmei, Liu Jian, Shi Meng, Tong Xiangqian. Static Voltage Stability and Weak Bus Analysis of Islanded Microgrids Considering Static Voltage/Frequency Characteristics[J]. Power System Technology， 2017, 41(7)： 2215-2221.
[14]赵巍，齐磊，孙孝峰，王宝诚. 孤岛微电网电压及频率双重优化控制策略研究[J]. 太阳能学报，2017, 38(6)： 1567-1575.
Zhao Wei， Qi Lei， Sun Xiaofeng， Wang Baocheng. Research of voltage and frequency dual optimization control strategy for islanded microgrid[J]. acta energiae solaris sinica，2017, 38(6)： 1567-1575.
[15]吉兴全，张玉振，张晓，陈军晓，曲忠剑，臧宝花. 计及电压稳定约束的微电网动态最优潮流[J]. 电力系统自动化， 2017, 41(14)： 112-118.
Ji Xingquan, Zhang Yuzhen, Zhang Xiao, Chen Junxiao, Qu Zhongjian, Zang Baohua. Dynamic Optimal Power Flow of Microgrid Considering Voltage Stability Constraints[J]. Automation of Electric Power Systems， 2017, 41(14): 112-118.
[16]孙孝峰，郝彦丛，王宝诚，沈虹，郭小强. 微电网分布式储能单元荷电状态平衡和电压恢复[J]. 中国电机工程学报， 2016, 36(15): 4047-4054.
Sun Xiaofeng, Hao Yancong, Wang Baocheng, Shen Hong, Guo Xiaoqiang. State-of-charge Balancing of Distributed Energy Storage Units and Voltage Restoration in Microgrid[J]. Proceedings of the CSEE, 2016, 36(15): 4047-4054.
[17]Jianwei Zhang, Li Li, Zahra Malekjamshidi, David G. Dorrell. Predictive Voltage Control of Direct Matrix Converter with Reduced Number of Sensors for the Renewable Energy and Microgrid Applications, IEEE Energy Conversion Congress and Exposition (ECCE), 2017.
[18]易永辉，任志航，马红伟，牛志雷，杨蕴华. 分布式电源高渗透率的微电网快速稳定控制技
术研究[J]. 电力系统保护与控制， 2016, 44(20): 31-36.
Yi Yonghui, Ren Zhihang, Ma Hongwei, Niu Zhilei, Yang Yunhua. Study on fast stable control technology of high permeability micro-grid with distributed generation[J]. Power System Protection and Control， 2016, 44(20): 31-36.
[19]吴富杰, 苏小林, 阎晓霞, 等. 基于多目标的主动配电网有功无功协调优化[J]. 电气传动, 2015,
34(11): 59-65.
Wu Fujie, Su Xiaolin, Yan Xiaoxia, Liu Xiaojie. Multi-Objective Based Optimization on Active and Reactive Power Coordinated Control in Active Distribution Network[J]. Electrical Drives, 2015, 34(11): 59-65.
[20]任佳依，顾伟，王勇，嵇文路，等. 基于模型预测控制的主动配电网多时间尺度有功无功协
调调度[J]. 中国电机工程学报， 2018, 38(5)： 1397-1407.
Ren Jiayi, Gu Wei, Wang Yong, Ji Wenlu, et al. Multi-time Scale Active and Reactive Power Coordinated Optimal Dispatch in Active Distribution Network Based on Model Predictive Control[J]. Proceedings of the CSEE，2018, 38(5): 1397-1407.。