PDF《电—气互联综合能源系统多时间尺度动态优化调度》

Gw e l l( w, t) 为t时刻气源w 的产气量;

SO u t( s, t) 为t 时刻从储气设施s 中提取的天然气量. 1.

2 日内滚动优化调度 传统I P G E S优化调度控制多为开环控制方法, 即从初始阶段一次性求取未来某一长时间段优化调 度策略并下发.该方法适用于净负荷预测精度高、 调度策略满足系统实际运行的情况[

1 9] .但随着预 测时间尺度的增长, 净负荷预测精度下降, 导致优化 调度策略与系统实际运行出现较大偏差, 无法满足 系统实际调度需求.本文在日前调度的基础上提出 基于 MP C的日内滚动优化调 度, 其流程图如图1所示. 图1 日内调度流程图 F i g .

1 F l o wc h a r t o f i n t r a - d a yd i s p a t c h MP C主要由模型预测、 滚动优化和反馈校正三 部分组成, 以当时系统状态作为初始状态, 基于预测 模型, 通过求解未来有限时长的最优控制问题, 得到 当前时刻的控制行为[

1 9,

2 5] .本文以有功出力和产 气量滚动预测值作为输入变量, 以初始时刻电源和 气源的实际量测值为初始值, 以预测时域内有功出 力增量和产气增量作为控制变量, 进行滚动优化求 解. 1. 2.

1 预测模型 通过滚动优化求解控制变量, 预测未来有限时 域内发电机组有功出力和气源产气量. k 时刻预测 模型如下: P( u, k+nΔ t) =P0( u, k) + ∑ nΔ t t=Δ t Δ uP( u, k+ t) n=1, 2, …, N G( w, k+nΔ t) =G0( w, k) + ∑ nΔ t t=Δ t Δ uW ( w, k+ t) n=1, 2, …, N ì ? í ? ? ? ? ? ? ? ? (

2 ) 式中: P( u, k+ nΔ t) 和G( w, k+nΔ t) 分别为k 时 刻预测的未来k+ nΔ t时刻机组u 的有功出力和气 源w 的产气量;

P0( u, k) 和G0( w, k) 分别为k 时刻 机组u和气源w的初始值;

Δ uP( u, k+ t)和73梅建春, 等电-气互联综合能源系统多时间尺度动态优化调度 Δ uW ( w, k+ t) 分别为机组u 和气源w 在k+ t时刻 的有功出力增量和产气增量;

Δ t 为日内调度时间间 隔;

N 为预测步长. 1. 2.

2 目标函数 相比于日前调度, 日内调度净负荷预测精度较 高, 导致不同时间尺度下优化调度策略不同.日内 调度目标函数以日前调度决策为参考值, 最小化日 内调度的有功出力增量和产气增量, 如式(

3 ) 所示. m i nJ( k) =∑ NΔ t t=Δ t ∑ u∈U ( P( u, k+ t) -P ^( u, k+ t) )

2 + ∑ NΔ t t=Δ t ∑ w∈W ( G( w, k+ t) HG -G ^( w, k+ t) HG)

2 = ∑ NΔ t t=Δ t ∑ u∈U ? è ?P0( u, k) + ∑ t i=Δ t Δ uP( u, k+ i) - P ^( u, k+ t) ? ? ÷

2 + ∑ NΔ t t=Δ t ∑ w∈W H2 G ? è ?G0( w, k) + ∑ t i=Δ t Δ uW ( w, k+ i) -G ^( w, k+ t) ? ? ÷

2 (

3 ) 式中: P ^( u, k+ t) 和G^( w, k+ t) 分别为k+ t 时刻 的有功出力和产气量参考值;

HG 为天然气热值. 1. 2.

3 反馈校正 受到负荷预测精度和环境等因素的影响, 通过 预测模型计算所得预测值可能与系统实际运行有功 出力和产气量存在偏差, 因此需要反馈校正环节进 行校正, 即以当前系统状态量测值作为初始状态, 进行下一时刻的滚动优化调度, 以此构成闭环控制[

1 9 ] .则下一时刻初始值为: P0( u, k+Δ t) =Pr e a l( u, k+Δ t) G0( w, k+Δ t) =Gr e a l( w, k+Δ t) { (

4 ) 式中: P0( u, k+Δ t) 和G0( w, k+Δ t) 分别为k+Δ t 时刻机组u 和气源w 的有功出力和产气量初始值;

Pr e a l( u, k+Δ t) 和Gr e a l( w, k+Δ t) 分别为k+Δ t 时 刻机组u 和气源w的有功出力和产气量实际量测值.

2 I P G E S网络约束 2.

1 电力网络约束 本文在构建I P G E S暂态模型时, 考虑到........