PDF《基于多场景随机规划和 MPC 的冷热电联合系统协同优化》

h t t p : / / ww w.

a e p s - i n f o . c o m 基于多场景随机规划和 MP C的冷热电联合系统协同优化 王皓1 ,艾芊1 ,甘霖2 ,周晓倩1 ,胡帆2 ( 1. 上海交通大学电子信息与电气工程学院,上海市

2 0

0 2

4 0;

2. 广州供电局有限公司,广东省广州市

5 1

0 6

2 0 ) 摘要:以包含可再生能源及多种分布式资源的区域冷热电联合系统为研究对象, 针对风光和负荷 的不确定性, 提出多场景随机规划结合模型预测控制( MP C) 的方法, 建立多时间尺度协调优化模 型, 其中日前和日内尺度主要以运行经济性最优为目标, 求解机组的运行及出力计划;

实时尺度采 用模型预测控制技术, 以日内尺度经济调度结果为参考, 通过反馈校正与滚动优化调整机组运行出 力, 实现机组出力的精确控制, 消除可再生能源波动性影响, 并进一步讨论了出力扰动对调度结果 的影响.算例分析证明所提模型和方法能够有效消除不确定性和风光波动性的影响, 实现多能源 互补协调优化运行. 关键词:多能互补;

冷热电联合系统;

多时间尺度;

多场景随机规划;

模型预测控制 收稿日期:

2 0

1 7 -

1 2 -

2 5;

修回日期:

2 0

1 8 -

0 2 -

1 1. 上网日期:

2 0

1 8 -

0 6 -

0 5. 国家重点研发计划资助项目(

2 0

1 6 Y F B

0 9

0 1

3 0

2 ) .

0 引言 随着全球工业和经济的快速发展, 能源危机和 环境污染问题日益严重, 传统的能源结构及利用方 式难以为继, 推动能源结构转型、 提高能 源利用效 率、 发展清洁能源和可再生能源势在必行.根据中 国能源发展战略, 到2

0 5 0年之前全国可再生能源发 电比例将达到8 5%以上, 其中风电与光伏占比达到

6 3% [ 1] .然而以风、 光为代表的可再生能源, 其出力 受自然资源影响较大, 具有间歇性、 波动 性和随机 性, 易对电力系统的运行控制造成不良影响[

2 - 4] , 因 此需要提高能源供给系统灵活性, 以增强可再生能 源消纳能力. 传统能源系统中, 运行调度通常只针对单一的 能源, 不同能源系统相对独立, 导致整体能源利用效 率较低.打破各能源体系之间的独立, 构建集成互 补的综合能源体系, 实现多种资源的协调优化利用, 成为能源领域的主要趋势[

5 - 8] .综合能源系统将电、 冷、 热、 气、 可再生能源等多种能源有机耦合, 建立多 能综合利用平台, 借助能量存储转换和梯级利用等 手段, 提高供能系统灵活性, 平抑可再生能源波动, 推动清洁能源消纳, 提高能源利用效率[

9 -

1 2] . 多种能源的整合增加了系统运行的复杂性, 给 优化调度带来了新的挑战.目前关于多能源互补协 调优化已有一定的研究.文献[

1 3 ] 对含可再生能源 的冷热电联供发电系统建立优化调度模型, 并采用 粒子群算法求解.文献[

1 4 ] 对风电、 水电、 天然气进 行互补联合调度, 实现风能、 水能的充分利用.文献[

1 5 ] 考虑电―气网络的 耦合和相互转化, 采取鲁棒优化协调系统运行, 促进可再生能源的消纳. 以上文献只考虑日前单一时间尺度优化, 调度 性能有限, 因此常考虑采取不同时间尺度相配合的 方式.文献[

1 6 ] 提出了虚拟微网在日前―日内不同 时间尺度下的优化调度策略, 并采用微分进化―细 胞膜算法求解.文献[

1 7] 在日前调度基础上, 提出 基于一致性协议的实时功率控制策略, 但对能源网 中多能互补考虑不够.文献[

1 8 ] 考虑二级热网调峰 消纳弃风, 建立电热联合系统日前―日内―实时多时 间尺度滚动调度策略.文献[

1 9 ] 在超短期调度与实 时控制之间增加超超短期调度, 逐级细化微电网的 能量管理.文献[

2 0 ] 提出基于模型预测控制的主动 配电网多时间尺度优化调度策略, 但并未解决风光 负荷不确定性的影响. 本文考虑可再生能源和负荷的不确定性, 基于 多场景随机规划和模型预测控制( MP C) 方法, 建立 区域冷热电综合能源系统多时间尺度优化调度模 型.在日前和日内阶段, 以总运行成本最小为目标 进行基于多场景的经济调度, 在实时阶段采用模型 预测控制方法, 根据当前系统实际运行采样反馈, 对 各机组出力进行滚动校正, 讨论了机组出力扰动对 系统调度结果的影响.相比于已有的运行调度策 略, 本文模型及方法能够实现能量的闭环管理, 有效 消除可再生能源间歇性和波动性的影响, 实现功率 精确分配和跟踪, 具有更好的鲁棒性和抗干扰能力.

1 5 第4 2卷第1 3期2018年7月1 0日Vol.42N o .

1 3J u l y1 0,

2 0

1 8 D O I :

1 0.

7 5

0 0 / A E P S

2 0

1 7

1 2

2 5

0 0

2 1 冷热电联合系统概述 冷热电综合能源系统将电、 冷、 热、 气、 可再生能 源等多种能源有机耦合, 对区域内多种分布式资源 进行群管群控, 建立多能综合利用平台, 整合利用区 域内的可再生能源、 可控供能机组、 冷热电三联供等 分布式资源, 结合能量的存储及转化技术, 实现电、 气、 冷、 热可再生能源等多种能源互补供应、 协调运 行, 提高系统运行效率, 降低运行成本.本文所研究 冷热电联合的基本结构如图1所示.系统中包含风 机、 光伏等分布式可再生能源, 常规发电机组[

2 1] 、 快 速启动机组[

2 1 ] 、 储能系统[

1 3] 、 燃气轮机冷热电三联 供[

1 3 ] 、 电制 冷机[

1 3] 等设备, 并同时对用户进行供电、 供冷、 供热.目前对于各机组模型已有相应研 究, 本文不再赘述. 图1 冷热电综合能源系统 F i g .

1 I n t e g r a t e de n e r g y s y s t e mo f c o m b i n e d c o o l i n gh e a t i n ga n dp o w e r

2 多时间尺度协调优化框架 在区域综合能源系统中系统中, 可再生能源出 力及负荷均具有一定的随机性.目前对于可再生能 源功率的预测精度仍有较大不足, 风电功率的日前 预测误差约为1 5%~2 0%, 小时尺度的误差相对较 小, 为5%~1 0% [

2 2 -

2 3 ] .针对预测误差随时间尺度 缩短而减小的特性, 本文采取多时间尺度优化策略, 将优化调度分为日前调度、 日内滚动优化及实时校 正三个阶段[

1 8,

2 4] , 如图2所示.采用经济调度和模 型预测控制相结合的方式, 在日前和日内优化阶段, 主要考虑系统运行的经济性;

而在实时阶段, 主要考 虑系统运行的稳定性和鲁棒性, 采用模型预测控制 进行修正.

1 ) 日前调度计划.每2 4h执行一次, 优化周期 为2 4h, 分辨率为1h.根据系统内可再生能源及 负荷的日前预测功率, 综合考虑多种能源的互补特 性以及二次能源生产的协调配合, 以总运行成本最 小为目标, 求解各机组开停机状态.

2 ) 日内滚动优化.每1h执行一次, 优化周期 为1h, 分辨率为1

5 m i n .根据可再生能源及负荷 的短期预测功率, 遵照日前确定的机组开停机及储 能充放电计划, 以总运行成本最小为目标, 求解得到 各机组的运行出力.

3 ) 实时校正.为避免自动发电控制调节压力过 大, 在实时尺度对机组出力 进行校正[

2 3] , 每5min执行一次, 优化周期为1 5m i n , 分辨率为5m i n .以 日内优化得到的机组运行计划为参考, 采用模型预 测控制方法对机组出力进行滚动校正, 求解未来有 限时域内的运行计划, 且只下发未来一个时段内的 控制指令. 图2 多时间尺度优化调度框架 F i g .

2 O p t i m a l d i s p a t c h i n g f r a m e w o r k w i t hm u l t i l e t i m e s c a l e

3 基于多场景随机规划和模型预测控制的 协调优化模型 由于可再生能源出力及负荷功率具有不确定 性, 传统的确定性优化方法存在一定的局限性, 因此 本文采用基于多场景的随机规划方法来进行建模和 求解.根据不确定变量的分布规律, 生成多个随机 场景, 优化决策变量使得在所有场景下都能满足系 统的运行约束, 并选择期望成本最小或综合性能最 优的方案作为最终的调度计划[

2 1,

2 5] . 3.

1 日前优化模型 3. 1.

1 目标函数 日前调度的目标函数为各场景下系统总运行成 本的期望之和最小, 即min∑Ns s=1 π s∑ T t=1 ? è ? ∑ Ng i=1 ( Cg i, t, s +Ug i, t +Dg i, t) + ∑ Nf j=1 ( Cf j, t, s +Uf j, t +Df j, t) + ∑ Nm t k=1 ( Cm t k, t, s +Um t k, t +Dm t k, t) + Cg b t, s +Pb u y t, sEb u y t -Ps e l l t, s Es e l l t ? ? ÷Δ t (

1 )

2 5

2 0

1 8,

4 2 (

1 3 ) ・能源互联背景下的多网协同规划与经济运行・ h t t p : / / ww w. a e p s - i n f o . c o m 式中: 下标s 为场景;

下标t 为时段;

下标i, j, k 为 机组编 号;

Ns 为场景数量;

π s 为场景s 发生的概率;

T 为优化周期;

Δ t 为时间间隔;

Ng 为常规发电 机组数量;

Cg i, t, s, Ug i, t, Dg i, t分别为常规发电机组的运 行成本、 启动成本和停机成本;

Cf j, t, s, Uf j, t, Df j, t 分别 为快速调节机组的运行成本、 启动成本和停机成本;

Cm t k, t, s, Um t k, t, Dm t k, t 分别为燃气轮机的运行成本、 启动 成本和停机成本;

Cg b t, s 为燃气锅炉的运行成本;

Pb u y t, s 和Ps e l l t, s 分别为通过联络线购电和售电的功率;

Eb u y t 和Es e l l t 分别为购电和售电电价. 3. 1.

2 主要约束条件

1 ) 功率平衡约束 ∑ Ng i=1 Pg i, t, s + ∑ Nf j=1 Pf j, t, s + ∑ Nm t k=1 Pm t k, t, s +Pw i n d t, s +Pp v t, s + Pd t, s +Pb u y t, s =PE l o a d t, s +Pc t, s +Ps e l l t, s +Pe c t, s (

2 ) Qa c t, s+Qe c t, s≥QC l o a d t, s (

3 ) Qr e c , h e a t t, s +Qg b , h e a t t, s ≥QH l o a d t, s (

4 ) 式中: Pg i, t, s, Pf j, t, s, Pm t k, t, s分别为常规发电机组、 快速 调节机组、 燃气轮机的出力;

Pw i n d t, s 和Pp v t, s分别为风机 和光伏的出力;

Pc t, s和Pd t, s分别为储能系统的充电和 放电功率;

PE l o a d t, s , QC l o a d t, s , QH l o a d t, s 分别为系统的电、 冷、 热负荷功率;

Pe c t, s 为电制冷机消耗的电功率;

Qa c t, s 为 吸收制冷机的制冷功率;

Qe c t, s 为电制冷机的制冷功 率;

Qr e c , h e a t t, s 为热回收系统提供的热功率;

Qg b , h e a t t, s 为燃 气锅炉提供的热功率.

2 ) 机组出力上下限约束 ug i, t Pg i, m i n≤Pg i, t, s≤ ug i, t Pg i, m a x (

5 ) u f j, t Pf j, m i n≤Pf j, t, s≤ u f j, t Pf j, m a x (

6 ) um t k, t Pm t k, m i n≤Pm t k, t, s≤ um t k, t Pm t k, m a x (

7 ) 0≤Qa c t, s≤Qa c m a x (

8 ) 0≤Qe c t, s≤Qe c m a x (

9 ) ug b t Qg b m i n≤Qg b , h e a t t, s +Qg b , c o o l t, s ≤ ug b t Qg b m a x (

1 0 ) 式中: ug i, t, u f j, t, um t k, t, ug b t 分别为常规发电机组、 快速 调节机组、 燃气轮机、 燃气锅炉的开停机状态, 1为 开机, 0为停机;

Pg i, m i n和Pg i, m a x分别为常规发电机组 出力的出力最小值和最大值;

Pf j, m i n和Pf j, m a x分别为 快速调节机组出力最小值和最大值;

Pm t k, m i n和Pm t k, m a x 分别为燃气轮机出力的出力最小值和最大值;

Qa c m a x 和Qe c m a x分别为吸收制冷机和电制冷机的额定功率;

Qg b m a x和Qg b m i n分别为燃气锅炉的最大 出力和最小出力;

Qg b , h e a t t, s 和Qg b , c o o l t, s 分别为燃气锅炉用于 制热和供 吸收制冷机制冷的功率.

3 ) 发电机组爬坡率约束 相邻时刻间发电机功率变化不能过大, 且在开 机时和停机前一个时刻应使机组出力在最小值: Pg i, t, s-Pg i, t-1, s≤ ug i, t( 1- ug i, t-1) Pg i, m i n+ [ 1- ug i, t( 1- ug i, t-1) ] Δg i, r u Pg i, t-1, s-Pg i, t, s≤ ug i, t-1( 1- ug i, t) Pg i, m i n+ [ 1- ug i, t-1( 1- ug i, t) ] Δg i, r d ì........