基于預測控制的冷、熱、電聯產型微電網能量管理

李先超, 鄒媛媛, 牛玉剛, 賈廷綱

(1.華東理工大學化工過程先進控制和優化技術教育部重點實驗室,上海 200237;2.上海電氣集團股份有限公司自動化事業部,上海 200070)

基于預測控制的冷、熱、電聯產型微電網能量管理

李先超1, 鄒媛媛1, 牛玉剛1, 賈廷綱2

(1.華東理工大學化工過程先進控制和優化技術教育部重點實驗室,上海 200237;2.上海電氣集團股份有限公司自動化事業部,上海 200070)

由于可再生能源出力特性和微電網運行約束等限制,如何進一步提高微電網中可再生能源消納量已成為研究熱點。本文在冷、熱、電聯產型微電網中引入用于提高可再生能源消納量并承擔部分熱、冷負荷的電鍋爐、吸收式制冷機和壓縮式電制冷機裝置,提出了基于預測控制的微電網能量管理方法。綜合考慮網內各單元的工作特性,建立滿足實際運行約束的冷、熱、電聯產型微電網能量管理模型。在孤網運行模式下,兼顧儲能裝置容量期望以及各單元運行特性,構建微電網能量管理優化目標。利用預測控制滾動優化策略以及可再生能源輸出和冷、熱、電負荷需求的預測結果,建立帶有邏輯變量的有限時域優化問題,實現基于預測控制的微電網最優能量管理。仿真結果表明:引入電鍋爐、吸收式制冷機和壓縮式電制冷機裝置可以達到提高微電網中可再生能源的消納量、減少燃料消耗、降低運行成本的目的,預測控制中的滾動優化策略能夠有效消除可再生能源輸出的不確定性和冷、熱、電負荷需求波動性帶來的影響。

微電網; 可再生能源; 冷、熱、電聯產;預測控制

隨著全球能源、環境問題的日益凸顯,風能、太陽能等可再生能源得到廣泛的關注。但可再生能源由于受到外界因素的影響供電輸出具有不確定性,大量接入電網后,會使得電網的運行調度難度增加[1]。微電網作為一種包含可再生能源等分布式電源的綜合集成技術為可再生能源的大量接入提供了一種有效的技術手段[2]。

冷、熱、電聯產系統(Combined Cooling,Heating and Power,CCHP)是一種建立在能源梯級利用概念基礎上,將制冷、制熱和供電三位一體化的供能系統。它可以同時滿足用戶對冷、熱、電多種類型能源的需求,是一種經濟節能、環境友好的供能方式[3],具有良好的社會和經濟效益。CCHP型微電網是指由冷、熱、電聯產裝置、分布式電源、儲能裝置、負荷以及控制裝置等組成的具有自我監控和自我保護功能的小型發、配電系統。CCHP型微電網能量管理的實質是在滿足冷、熱、電3種能量平衡以及儲能裝置等物理設備約束和電網安全、穩定運行的前提下,根據各單元的信息制定微電網內各單元的最佳運行方案,從而使得微電網的運行成本達到最小。

針對CCHP型微電網能量管理問題,文獻[4]通過微型燃氣輪機對熱、冷負荷進行供應,采用改進粒子群算法求得各微電源最佳經濟出力。文獻[5]引入可以將電能轉換為冷、熱能的空調機,利用基于模擬退火的粒子群優化算法對調度模型進行動態尋優。文獻[6-8]通過引入吸收式制冷機和電制冷機消納多余的電能和熱能,進一步提高了能源的利用率,分別采用遺傳算法、改進粒子群算法和量子煙花算法對微電網經濟調度模型進行求解。

預測控制作為一種在工業過程中得到廣泛應用的先進控制方法,具有對控制對象的模型要求不高、可處理約束多變量過程、可實現多目標優化以及滾動優化求解的特點[9],這些特點為解決微電網的能量管理問題開辟了一條新的思路。目前采用預測控制對多類型能源需求的微電網能量管理的研究較少且主要集中在熱電聯產系統。文獻[10]以熱電聯產型微電網運行成本最小為目標建立混合整數線性規劃模型,考慮可再生能源輸出的不確定性、負荷需求和電價的波動性,采用預測控制算法求解得到各分布式電源的最佳經濟出力。文獻[11]采用分布式預測控制算法對由多個熱電聯產型微電網組成的多微電網系統的能量進行經濟優化管理,微電網中的微型燃氣輪機處于“以熱定電”的運行模式,模型描述也過于簡單。針對CCHP型微電網的能量管理問題更加復雜,除了要滿足各種擾動存在情況下多種類型負荷的需求以及電網運行約束,不同模塊之間的耦合關系也更加復雜,冷、熱、電負荷之間往往存在著不匹配的關系。如當熱負荷和冷負荷需求處于高峰而電負荷需求處于低谷時,微型燃氣輪機在滿足熱負荷需求的同時,會產生相應的電能,而此時電能需求已經達到飽和狀態,從而導致可再生能源的浪費。因此,針對CCHP型微電網如何進一步提高可再生能源的消納量以及如何消除可再生能源供電和負荷需求波動性帶來的影響是一個值得研究的問題。

針對上述問題,本文考慮在由風機、光伏電池、燃料電池、微型燃氣輪機、溴冷機和儲能裝置構成的微電網中,引入用于提高可再生能源消納量并承擔部分熱、冷負荷的電鍋爐、吸收式制冷機和壓縮式電制冷機裝置。綜合考慮網內各單元的工作特性,建立滿足實際運行約束的冷、熱、電聯產型微電網能量管理模型。在孤網運行模式下,兼顧儲能裝置容量期望以及各單元運行特性,構建微電網能量管理優化目標,并利用可再生能源輸出和冷、熱、電負荷需求的預測結果,建立帶有邏輯變量的有限時域滾動優化問題,給出具體預測控制能量管理實現算法。最后,通過孤網運行模式的CCHP型微電網算例仿真,分析了電鍋爐、吸收式制冷機和壓縮式電制冷機在可再生能源消納方面的作用。

1 CCHP型微電網內各單元數學模型

1.1概述

本文考慮在由風機(Wind Turbine,WT)、光伏電池(Photovoltaic Cell,PV)、微型燃氣輪機(Micro Turbine,MT)、燃料電池(Fuel Cell,FC)、蓄電池(Storage Battery,SB)、蓄熱槽(Heat Storage Tank,HST)以及溴冷機等單元構成的微電網中,引入輔助設備電鍋爐(Electric Boiler,EB)、吸收式制冷機(Absorption Refrigerator,AR)和壓縮式電制冷機(Electric Compress Chiller,EC)構成可以提高可再生能源消納量的CCHP型微電網,其能量流動如圖1所示。

圖1 CCHP型微電網能量流動示意圖Fig.1 CCHP micro-grid system energy flow schematic

1.2電源設備模型

1.2.1 燃料電池 燃料電池是一種將存在于燃料和氧化劑中的化學能高效、無污染地轉換為電能的發電裝置。本文采用質子交換膜燃料電池,該燃料電池以天然氣為一次能源且發電效率較高。k時刻燃料電池的輸出功率為PFC(k),且滿足

(1)

1.2.2 熱電聯產裝置 熱電聯產系統的核心裝置為微型燃氣輪機和溴冷機,天然氣燃燒時的熱能做功驅動微型燃氣輪機發電,所排出的高溫余熱通過溴冷機后應用于熱負荷。微型燃氣輪機制熱功率與輸出電功率比值一般為常數,忽略外界環境變化對發電效率的影響[12],其熱電關系數學模型為

(2)

(3)

(4)

(5)

1.2.3 蓄電池 儲能裝置能夠實現能量跨時段轉移,可以在一定程度上緩解網內供需之間的不平衡。在冷、熱、電聯產型微電網中儲能裝置為蓄電池儲能和蓄熱槽儲能。

蓄電池的能量流動模型為

(6)

(7)

(8)

(9)

蓄電池儲能是一個既包含離散變量又包括連續變量的動態過程。這里,采用混合邏輯動態模型的處理方法,通過引入邏輯變量δb(k)和輔助變量zb(k)=δb(k)PSB(k),蓄電池儲能的模型可以進一步寫成

(10)

且滿足

(11)

(12)

(13)

(14)

(15)

其中,ε∈(0,1) 。

1.2.4 蓄熱槽 蓄熱槽儲能裝置的能量流動模型與蓄電池儲能裝置類似,其模型為

EHST(k+1)=

(1-μ)EHST(k)+ηdhQHST(k)+(ηch-ηdh)zh(k)

(16)

(17)

(18)

且滿足

(19)

(20)

(21)

(22)

(23)

1.3輔助設備模型

1.3.1 概述 為了進一步提高能源利用效率,本文在CCHP型微電網中引入電鍋爐、吸收式制冷機和壓縮式電制冷機參與能量管理。在可再生能源出力、熱負荷需求以及冷負荷需求過高時,電鍋爐和壓縮式電制冷機會消耗多余的電能進行熱、冷負荷的供應,避免了電能的浪費,降低了微型燃氣輪機的燃料消耗。在可再生能源出力和熱負荷需求過低時,微型燃氣輪機進行供電,同時會產生相應比例的熱能,若此時熱負荷需求得到滿足且蓄熱槽處于飽和狀態,則吸收式制冷機吸收過剩的熱能進行冷負荷的供應,避免了熱能的浪費。此過程實質是使用電鍋爐、吸收式制冷機和壓縮式電制冷機改變電負荷、熱負荷和冷負荷之間的比例,從而達到降低微型燃氣輪機燃料消耗、提高可再生能源消納量的目的。

1.3.2 電鍋爐 電鍋爐是一種以電力為能源并將其轉換為熱能的電熱轉換裝置。電鍋爐可以與蓄熱槽及熱電聯產系統共同滿足熱負荷的需求。其數學模型為

(24)

(25)

1.3.3 吸收式制冷機 在冷、熱、電聯產型微電網中,吸收式制冷機是提高可再生能源消納量以及保證用戶冷負荷需求的重要設備。本文采用目前比較流行的溴化鋰吸收式制冷機,它是在熱能的驅動下,依靠吸收器和發生器組的作用完成制冷循環。吸收式制冷機將輸入的熱量轉換為冷量輸出,其數學模型為

(26)

(27)

1.3.4 壓縮式電制冷機 壓縮式電制冷機可以將輸入的電能轉換為冷能輸出,在提高可再生能源消納量、保證電負荷與冷負荷功率的實時平衡以及降低系統的運行成本上具有重大意義。其數學模型為

(28)

(29)

2 基于預測控制的CCHP型微電網能量管理

2.1概述

由于可再生能源輸出具有不確定性,負荷需求具有隨機性,CCHP型微電網能量管理不僅需要滿足儲能裝置等物理設備的約束,還要保證冷、熱、電功率的實時平衡。實際控制中還需要考慮安全性、經濟性等多個目標的優化,這給CCHP型微電網的能量管理提出了更高的要求。在優化過程中,預測控制采用基于系統的預測信息,并利用反饋校正機制在滿足系統約束的前提下在線求解有限時域多目標優化問題,能夠克服系統不確定性的影響,實現多目標優化,從而為CCHP型微電網能量管理提供了一種有效的解決方法。

2.2CCHP型微電網預測模型

CCHP型微電網內電負荷和電鍋爐、壓縮式電制冷機的用電量由風機、光伏電池、微型燃氣輪機、燃料電池和蓄電池共同提供,其功率平衡方程為

(31)

熱負荷以及吸收式制冷機的用熱量則由電鍋爐與微型燃氣輪機和蓄熱槽共同提供,根據功率平衡可得

(32)

其中,F(k)為k時刻熱負荷需求的功率預測值。

冷負荷由吸收式制冷機和壓縮式電制冷機共同提供,其功率平衡方程為

(33)

其中,G(k)為k時刻冷負荷需求的功率預測值。

(34)

其中:

根據式(34),CCHP系統的預測模型可以描述為

(35)

其中:

其中,P為預測時域長度。

非常規互感器是在光電技術和光纖通信技術的其他上發展起來的，其在智能變電站中的應用有效的發送了傳統互感器輸出失真、與計算機相連的諸多缺陷，其在智能變電站中使信息的全數字化實時采集功能得到實現，實現了電氣量的精準商量，改善了傳統模式下的各種測量、保持和計量等問題，并使其內部信號采集功能更加強大，抗干涉能力提高使電網狀態估計水平和繼電保護性能得到了有效的提高。

2.3CCHP型微電網預測控制優化問題

本文中CCHP型微電網處于孤網運行模式,在微電網能量管理的過程中需要考慮如下實際需求:

(1) CCHP型微電網能量管理需要滿足冷、熱、電負荷供需的實時平衡;

(2) 微型燃氣輪機、燃料電池、電鍋爐、吸收式制冷機和壓縮式電制冷機需要在滿足自身約束的前提下參與到微電網能量管理過程;

(3) 為了保證儲能裝置安全、穩定地運行,往往期望儲能裝置實時容量控制在期望值附近[13];

(4) 由于新能源供電無污染、成本低,因此期望盡可能地提高可再生能源的消納量,降低其他微電源的發電量。

綜合考慮上述因素,針對孤網運行模式下的CCHP型微電網能量管理優化目標描述如下:

(36)

(37)

其中,Xref為儲能裝置容量的期望值。

由于上述優化問題的約束條件中存在邏輯變量,經典預測控制優化問題的求解方法不再適用,因此,可以將上述優化問題轉化為混合整數二次規劃(Mixed Integer Quadratic Programming,MIQP)問題進行求解,得到

(38)

(39)

針對式(38)和式(39)所描述的優化問題,通過求解MIQP問題可得到當前時刻的最優控制律[14]。

2.4基于預測控制的CCHP型微電網能量管理算法

預測控制采用基于系統的預測信息,利用反饋校正機制在滿足系統約束的前提下在線求解有限時域多目標優化問題,在得到最優控制律后,將即時控制律作用到被控對象中,到下一個采樣時刻,相應的優化時域向前推移一次,重新求解新時刻新的優化問題?；陬A測控制的CCHP型微電網能量管理算法步驟如下:

(1) 在當前時刻k,采集新能源在未來一段時間內的供電輸出預測值Pnew(k)以及電負荷、熱負荷、冷負荷在未來一段時間內的需求預測值E(k) 、F(k)、G(k) 并傳遞給中央控制器;

(2) 中央控制器通過儲能裝置的數據采集分析裝置得到k時刻蓄電池和蓄熱槽的容量信息,在滿足功率平衡、儲能裝置及其他分布式電源等設備約束條件下,將優化問題(式(36))轉化為標準的混合整數二次規劃問題(式(38))進行求解,得到當前時刻的最優控制律U*(k),從而可以得到微電網內可再生能源、微型燃氣輪機、燃料電池、電鍋爐、吸收式制冷機、電制冷機、蓄電池和蓄熱槽在控制時域內的最優運行方案。將即時控制律施加到被控對象中,得到下一時刻蓄電池和蓄熱槽的容量信息;

(3) 滾動移位到下一個采樣時刻k=k+1,并返回步驟(1),重復以上步驟。

針對本文提出的CCHP型微電網預測控制能量管理算法,為了進一步加強收斂性,提高算法的收斂速度,可以采用終端代價函數預測控制算法或者帶有終端約束集的預測控制算法進行求解[15-17]。

混合整數二次規劃問題通常屬于 NP-Hard問題。隨著微電網規模的增大以及有效約束的增加,預測控制優化問題的求解時間將呈指數上升,分支定界算法是求解該類問題的有效方法[17]。同時,為了降低計算量,縮短在線優化時間,可采用一些新型算法求解MIQP問題[18]。

3 算例分析

3.1基礎數據

本文考慮的CCHP型微電網處于孤網運行模式,且包含風機、光伏電池、燃料電池、熱電聯產系統、電鍋爐、吸收式制冷機、壓縮式電制冷機、蓄電池和蓄熱槽等單元。預測時域長度P=4,控制時域長度M=4。CCHP型微電網中可再生能源24 h的供電輸出預測值以及電負荷、熱負荷、冷負荷24 h的需求預測值如圖2所示。

圖2 24 h可再生能源供電輸出及冷熱電負荷需求預測值Fig.2 Forecast output of the renewable energy and loads over 24 h

為了方便說明,本文中的熱量及冷量單位均換算為功率進行計算。CCHP型微電網內各微電源出力順序由其單位電量下的運行成本決定,微電源相關參數如表1所示[12,19],蓄電池和蓄熱槽的參數如表2所示[12]。

為分析電鍋爐、吸收式制冷機和壓縮式電制冷機引入的作用與好處,進行4種場景下CCHP型微電網內可再生能源消納量和微電源容量變化的對比分析,如表3所示。

表1 CCHP型微電網系統運行參數Table 1 Operational parameters of CCHP micro-grid

表2 儲能裝置參數Table 2 Parameters of energy storage devices

表3 4種場景下的CCHP型微電網系統Table 3 Four scenarios of CCHP micro-grid

3.2CCHP型微電網能量管理結果分析

應用本文提出的預測控制算法進行優化問題的求解,可以獲得CCHP型微電網內儲能裝置的實時容量及各微電源的最佳出力情況,分別如圖3～6所示。

圖3 24 h 儲能裝置的實時容量Fig.3 Real-time capacity of storage devices over 24 h

圖4 24 h儲能裝置的運行狀態及充放電量和熱量Fig.4 Operational state and charged energy of storage devices over 24 h

圖5 24 h可再生能源消納量、微型燃氣 輪機和燃料電池的發電量Fig.5 Consumption of renewable energy and outputs of MT and FC over 24 h

圖6 24 h電鍋爐、壓縮式電制冷機和 吸收式制冷機的調度計劃Fig.6 Scheduling of EB,EC and AR over 24 h

選取4個典型時刻(07:00、10:00、12:00、17:00)進行詳細分析。從圖2中可以看出,在07:00時,可再生能源供電不足,電、熱、冷負荷均得不到滿足。電負荷優先利用沒有成本的可再生能源供應,不足部分由成本相對較高的燃料電池進行供應。由于此時熱負荷在電鍋爐供熱能力之外,則熱負荷優先利用成本較低的電鍋爐供應,不足部分由成本相對較高的微型燃氣輪機進行供應。由于冷負荷在壓縮式電制冷機供冷能力之外,則冷負荷優先利用成本較低的壓縮式電制冷機供應,不足部分由成本相對較高的吸收式制冷機進行供應。此時成本更高的蓄電池和蓄熱槽均停止使用。在10:00時,可再生能源充足,熱、冷負荷分別在電鍋爐和壓縮式電制冷機的供熱和供冷能力之內。此時電負荷全部由沒有成本的可再生能源供應,熱負荷全部由電鍋爐供應,冷負荷全部由壓縮式電制冷機供應,所需電能均來自沒有成本的可再生能源。吸收式制冷機、燃料電池、微型燃氣輪機、蓄電池、蓄熱槽均停止使用,剩余的可再生能源浪費處理。在12:00時,可再生能源同樣充足,但是熱負荷在電鍋爐供熱能力之內而冷負荷在壓縮式電制冷機供冷能力之外。此時電負荷全部由沒有成本的可再生能源供應,熱負荷全部由電鍋爐供應,所需電能來自可再生能源,冷負荷優先利用壓縮式電制冷機進行供應,不足部分由吸收式制冷機進行供應,所需熱能來自電鍋爐之間的電熱轉換以及蓄熱槽進行放熱,而成本較高的燃料電池、微型燃氣輪機、蓄電池則停止使用,剩余的可再生能源浪費處理。在17:00時,可再生能源供電僅能滿足電負荷,熱負荷在電鍋爐供熱能力之內,冷負荷在壓縮式電制冷機供冷能力之外,此時電負荷全部由可再生能源供應,熱負荷優先利用成本較低的電鍋爐供應,不足部分由成本相對較高的微型燃氣輪機進行供應,冷負荷優先利用壓縮式電制冷機供應,不足部分由吸收式制冷機進行供應,蓄電池和蓄熱槽停止使用。在保證冷熱電負荷供需實時平衡的前提下,各微電源按照運行成本由小到大的順序依次進行出力,從而使得微電網的運行成本最低,各微電源出力達到最佳。

場景1～4下CCHP型微電網可再生能源的消納量如圖7所示,對比場景1和場景2可以看出,引入電鍋爐可以顯著提高可再生能源的消納量,這是因為當可再生能源出力、熱負荷需求以及冷負荷需求過高時,電鍋爐會消耗多余的電能進行熱負荷和冷負荷的供應,從而降低燃料電池和微型燃氣輪機的消耗,提高能源的利用率。對比場景1和場景3可以看出,引入吸收式制冷機并沒有提高可再生能源的消納量,但需要增加壓縮式電制冷機的容量才能保證冷負荷需求的供應,導致成本增加。這是由于吸收式制冷機是消納多余的熱能進行冷負荷的供應,當可再生能源出力和熱負荷需求過低時,若此時微型燃氣輪機供電則會產生相應的熱能,多余的熱能則被吸收式制冷機消納供應冷負荷,避免了熱能的浪費。對比場景1和場景4可以看出,引入壓縮式電制冷機可以顯著提高可再生能源的消納量,這是因為壓縮式制冷機消耗多余的電能進行冷負荷的供應,降低了吸收式制冷機的消耗,提高了能源的利用率。

圖7 場景1～4下CCHP型微電網中可再生能源消納量Fig.7 Consumption of renewable energy in CCHP micro-grid from scenario one to scenario four

通過上述分析可以看出,本文提出的基于預測控制的CCHP型微電網能量管理算法能夠保證冷熱電負荷供需的實時平衡,驗證了算法的有效性。引入的電鍋爐、吸收式制冷機和壓縮式電制冷機裝置能夠改變CCHP型微電網內電負荷、熱負荷和冷負荷之間的比例,消納過剩的電能和熱能,降低微型燃氣輪機的燃料消耗以及提高可再生能源的消納量。

4 結 論

本文針對由風機、光伏電池、燃料電池、微型燃氣輪機、溴冷機、電鍋爐、吸收式制冷機、壓縮式電制冷機和儲能裝置(蓄電池和蓄熱槽)等單元組成的CCHP型微電網,提出了基于預測控制的能量管理方法。通過分析CCHP型微電網能量管理的結果以及電鍋爐、吸收式制冷機和壓縮式電制冷機在可再生能源消納方面的作用,得出以下結論:

(1) 基于預測控制的CCHP型微電網能量管理算法不僅可以保證冷、熱、電負荷供需實時平衡,得到各微電源最佳出力而且還能夠消除由可再生能源供電不確定性和冷熱電負荷需求波動性帶來的擾動影響。

(2) 引入電鍋爐、吸收式制冷機和壓縮式電制冷機的CCHP型微電網能夠改變電負荷、熱負荷和冷負荷的比例,減少微型燃氣輪機的燃料消耗、提高可再生新能源的消納量以及微電網能量管理的靈活性。

[1] 楊新法,蘇劍,呂志鵬,等.微電網技術綜述[J].中國電機工程學報,2014,34(1):57-70.

[2] KATIRAEI F,IRAVANI R,HATZIARGYRIOU N,etal.Microgrids management[J].IEEE Power and Energy Magazine,2008,6(3):54-65.

[3] 劉皓明,康鳳琴,朱芳芳.計及冷熱電聯供的微電網電源優化配置[J].電力需求側管理,2014,16(2):9-15.

[4] 柳川,王宇拓,王林川,等.含冷熱電聯供系統微電網優化運行研究[J].電測與儀表,2015,52(2):31-37.

[5] 李正茂,張峰,梁軍,等.計及附加機會收益的冷熱電聯供型微電網動態調度[J].電力系統自動化,2015,39(14):8-15.

[6] 魏大鈞,張承慧,孫波.計及變負荷特性的小型冷熱電聯供系統經濟優化運行研究[J].電網技術,2015,39(11):3240-3246.

[7] 熊焰,吳杰康,王強,等.風光氣儲互補發電的冷熱電聯供優化協調模型及求解方法[J].中國電機工程學報,2015,35(14):3616-3625.

[8] 曾鳴,彭麗霖,孫靜惠,等.兼容需求側可調控資源的分布式能源系統經濟優化運行及其求解算法[J].電網技術,2016,40(6):1650-1656.

[9] QIN S J,BADGWELL T A.A survey of industrial model predictive control technology[J].Control Engineering Practice,2003,11(7):733-764.

[10] ZHANG Y,ZHANG T,WANG R,etal. Optimal operation of a smart residential microgrid based on model predictive control by considering uncertainties and storage impacts[J].Solar Energy,2015,122:1052-1065.

[11] LARSEN G,TRIP S,VAN F N,etal.Distributed MPC for controllingμ-CHPs in a network[C]//American Control Conference.USA:IEEE, 2012:3089-3094.

[12] 李正茂,張峰,梁軍,等.含電熱聯合系統的微電網運行優化[J].中國電機工程學報,2015,35(14):3569-3576.

[13] 沈樞,張沛超,李中豪,等.平抑長短期風電功率波動的風儲協調運行方法[J].電力系統自動化,2015,39(8):12-18.

[14] BEMPORAD A,MORARI M.Control of systems integrating logic,dynamics,and constraints[J].Automatica,1999,35(3):407-427.

[15] 席裕庚.預測控制[M].北京:國防工業出版社,1993.

[16] 席裕庚,李德偉.預測控制定性綜合理論的基本思路和研究現狀[J].自動化學報,2008,34(10):1225-1234.

[17] 李堅強,裴海龍,王輝鵬.基于混合系統與終端不變集約束的混合整數規劃優化問題[J].自動化學報,2008,34(9):1203-1208.

[18] 王宇紅,趙旭.基于MLD模型的預測控制可行性與約束優先級研究[J].控制與決策,2010,25(9):1389-1398.

[19] 彭樹勇.冷熱電聯供型微電網優化配置與運行研究[D].成都:西南交通大學,2014.

EnergyManagementofCombinedCooling,HeatingandPowerMicro-gridBasedonModelPredictiveControl

LIXian-chao1,ZOUYuan-yuan1,NIUYu-gang1,JIATing-gang2

(1.KeyLaboratoryofAdvancedControlandOptimizationforChemicalProcesses,MinistryofEducation,EastChinaUniversityofScienceandTechnology,Shanghai200237,China;2.AutomationDivisionofShanghaiElectricGroupCo.Ltd,Shanghai200070,China)

Due to renewable energy output characteristics and system operational constraints,the improvement on the consumption of renewable energy has been a hot issue recently.By introducing the electric boiler,absorption refrigerator and electric compress chiller into the combined cooling,heating and power (CCHP) micro-grid for increasing the consumption of renewable energy and supply part of heating and cooling loads,this paper proposes a model predictive control energy management method,in which a model of CCHP micro-grid satisfying the actual operation constraints is established and the operational characteristics of each unit in the micro-grid are considered.In an intentional island mode,we establish the optimization objective function of energy management by considering the expected capacity value of energy storage devices and operating characteristics of each unit.And then,a finite-horizon optimization problem with logic variables is established by using receding horizon optimization strategy of model predictive control and the forecast result of renewable energy and load power.Finally,simulation results show that the introduction of electric boiler,absorption refrigerator and electric compress chiller can effectively improve the consumption of renewable energy,reduce the consumption of fuel and decrease the operation costs.Besides,the receding horizon optimization strategy can eliminate the effect of the intermittent output of renewable energy and fluctuation of load demand.

micro-grid; renewable energy; combined cooling,heating and power; predictive control

1006-3080(2017)04-0516-09

10.14135/j.cnki.1006-3080.2017.04.010

2016-10-27

國家自然科學基金(61374107,61673174);國家科技支撐計劃(2015BAF10B00)

李先超(1990-),男,山東臨沂人,碩士生，研究方向為微電網能量管理。E-mail:942387691@qq.com

鄒媛媛，E-mail:yyzou@ecust.edu.cn

TP273

A