1 項目背景

關(guān)于微電網(wǎng)能量優(yōu)化的研究，目前主要有確定性優(yōu)化與不確定性優(yōu)化兩種技術(shù)路線。確定性優(yōu)化，主要采取多時間尺度優(yōu)化方法，但多時間尺度優(yōu)化依賴于可再生能源預(yù)測精度，且不同時間尺度的劃分會對優(yōu)化結(jié)果產(chǎn)生較大影響。不確定優(yōu)化，主要采取魯棒優(yōu)化和隨機優(yōu)化，但魯棒優(yōu)化結(jié)果具有一定保守性，且計算量大、難收斂，而隨機優(yōu)化依賴于隨機變量的概率分布，場景選取與設(shè)計工作量較大。針對不確定優(yōu)化存在的問題，學(xué)者提出了采用具有滾動優(yōu)化環(huán)節(jié)的模型預(yù)測控制(MPC)方法，并成功應(yīng)用于微電網(wǎng)能量優(yōu)化管理。但目前將MPC應(yīng)用于微電網(wǎng)能量優(yōu)化的研究存在以下不足：①模型中某些參數(shù)固定，難以適應(yīng)微電網(wǎng)中突發(fā)的擾動，如可再生能源發(fā)電功率的激增或驟降；②只能在有限時長內(nèi)預(yù)測和優(yōu)化相關(guān)變量，難以處理一些具有長優(yōu)化周期的變量的復(fù)雜約束；③較少設(shè)計反饋環(huán)節(jié)，無法充分發(fā)揮MPC的優(yōu)化效果。

因此，本文針對上述問題，對傳統(tǒng)MPC進行了改進：①針對MPC模型參數(shù)固定的問題，根據(jù)不可控輸入量的預(yù)測信息對MPC的控制時長、預(yù)測時長進行自適應(yīng)調(diào)整；②針對難以獲得全周期最優(yōu)解的復(fù)雜約束，對相關(guān)復(fù)雜約束進行“軟化”，使優(yōu)化過程更具有彈性、靈活性；③針對微電網(wǎng)能量優(yōu)化中較少設(shè)計反饋環(huán)節(jié)，根據(jù)系統(tǒng)歷史預(yù)測輸出與實際輸出間的誤差設(shè)計反饋環(huán)節(jié)，對預(yù)測模型進行修正，使控制結(jié)果精度更高。基于上述改進設(shè)計了雙層多時間尺度微電網(wǎng)能量優(yōu)化模型，有機結(jié)合了日前調(diào)度和日內(nèi)優(yōu)化，解決了多時間尺度優(yōu)化中難以及時修正計劃指令誤差的問題，避免了魯棒優(yōu)化難收斂、結(jié)果保守的問題和隨機優(yōu)化計算量大的問題。

2 改進部分之域參數(shù)的自適應(yīng)調(diào)整

針對傳統(tǒng)MPC對于處理突發(fā)的擾動存在不足，在MPC優(yōu)化中對域的參數(shù)進行自適應(yīng)調(diào)整，如圖1所示。具體包括：①對于預(yù)測域或控制域，若選取得過長，會增加預(yù)測的不確定性對系統(tǒng)的影響且增長計算時間；若選取得過短，優(yōu)化時便無法更好的考慮系統(tǒng)的全局狀態(tài)。因此，本文根據(jù)預(yù)測誤差對控制域及預(yù)測域的長度進行自適應(yīng)調(diào)整，即應(yīng)用枚舉法將不同誤差區(qū)間的不可控輸入量(如光伏發(fā)電功率)代入具體場景，從而將原預(yù)測域步長調(diào)整至適宜步長；②對于控制間隔，若選取得過長會導(dǎo)致系統(tǒng)無法對干擾進行及時的處理，若選得過短則會增加計算的頻率，增大計算量。本文根據(jù)不可控輸入量預(yù)測值在該控制間隔內(nèi)的波動幅度和采樣間隔，將原采樣間隔數(shù)m0調(diào)整至m0-h2。

3 改進部分之復(fù)雜約束的處理

①針對在單個MPC預(yù)測時間范圍內(nèi)難以獲得可行解的復(fù)雜約束，如可平移負荷約束的問題，本文提出了在進行MPC優(yōu)化前應(yīng)用預(yù)處理優(yōu)化算法來處理該類約束，并且將相關(guān)優(yōu)化結(jié)果將作為不可控輸入量參與MPC優(yōu)化。預(yù)處理算法能夠確保線性或非線性規(guī)劃在約束內(nèi)能夠得到可行解，進而提升系統(tǒng)魯棒性；②針對在單個MPC預(yù)測時間范圍內(nèi)難以獲得全周期最優(yōu)解的復(fù)雜約束，如儲能SOC約束，將其預(yù)處理中的優(yōu)化結(jié)果作為參考信息參與MPC優(yōu)化，并嵌套于MPC中的動態(tài)約束調(diào)整算法“軟化”該類約束，例如Sf-ε≤Sf≤Sf+ε，Sf是由預(yù)處理算法得到輸入量S的參考值，ε是松弛因子。

軟約束不僅能夠參考預(yù)處理中的全周期計劃指令，而且能夠保證系統(tǒng)在MPC優(yōu)化中的靈活調(diào)度，進而在考慮系統(tǒng)全周期運行狀態(tài)的情況下得到該輸入量最優(yōu)優(yōu)化結(jié)果，流程如圖2所示。

4 根據(jù)歷史預(yù)測輸出誤差設(shè)計反饋環(huán)節(jié)

針對傳統(tǒng)MPC優(yōu)化中的反饋環(huán)節(jié)難以設(shè)計問題，本文提出通過歷史預(yù)測輸出誤差來校正模型預(yù)測中的狀態(tài)量，以保證優(yōu)化結(jié)果的精確性，即根據(jù)前一時刻預(yù)測的該時刻輸出量與實測量之間的偏差，求得對應(yīng)狀態(tài)量的修正，來消除當前時刻優(yōu)化中的預(yù)測偏差，公式如下：

試驗微電網(wǎng)系統(tǒng)包括10 kW光伏發(fā)電系統(tǒng)、10 kW·h磷酸鐵鋰電池儲能，儲能最大充放電功率分別是5 kW、8 kW；日內(nèi)MPC優(yōu)化初始控制間隔為20 min，初始預(yù)測域為3 h，最小采樣間隔為10 min，改進部分優(yōu)化結(jié)果如下：

圖3 優(yōu)化結(jié)果

6 總結(jié)

本文采用了基于改進MPC的雙層多時間尺度優(yōu)化算法，對傳統(tǒng)MPC算法提出域的參數(shù)自適應(yīng)改進，在不可控輸入量預(yù)測誤差較大時，能夠更大程度上消除該誤差給系統(tǒng)帶來的干擾；對傳統(tǒng)MPC算法提出復(fù)雜約束處理方法，解決了MPC難以處理與時間相關(guān)或與全局性相關(guān)的問題；對傳統(tǒng)MPC反饋環(huán)節(jié)提出根據(jù)歷史預(yù)測輸出校正誤差，能夠使控制結(jié)果更接近控制目標。