基于模型預測控制的分布式熱電聯供系統優化調度

周金輝，徐琛，葛曉慧，張維桐，陳健

（1.國網浙江省電力公司電力科學研究院，杭州310014；2.山東大學電氣工程學院，濟南250061）

發電技術

基于模型預測控制的分布式熱電聯供系統優化調度

周金輝1，徐琛1，葛曉慧1，張維桐2，陳健2

（1.國網浙江省電力公司電力科學研究院，杭州310014；2.山東大學電氣工程學院，濟南250061）

針對分布式熱電聯供系統優化運行問題，提出一種基于模型預測調度和模型預測控制的雙層分布式熱電聯供系統優化調度模型和方法。建立了含微型燃氣輪機、光伏、蓄電池儲能系統、熱儲能系統以及熱電負荷的分布式供能系統模型，提出了計及日前調度和實時調度的優化調度模型，以分布式供能系統運行成本最小、電網聯絡線功率調整、蓄電池功率波動最小和運行成本為目標，采用Matlab的工具箱Yalmip求解此優化調度問題，算例結果表明了所提模型和算法的有效性和正確性。

熱電聯供；分布式發電；模型預測控制；優化調度

0 引言

當前CHP（熱電聯供）技術正受到越來越多的關注和應用，單一供電系統逐步向綜合供能系統發展，通過能量的梯級利用，提高能源綜合利用效率和供能靈活度[1]。同時，可再生能源分布式發電技術憑借就地開發利用和清潔環保等優勢，也得到快速發展。供能形式也從集中式供能向分布式供能轉變[2]，為分布式供能系統發展提供了機遇和可能。分布式熱電聯供系統非常適合具有熱電不同形式供能需求的工業與社區樓宇建筑等應用場合，受到世界各國研究人員的廣泛關注，成為現今研究的熱點方向。可見，分布式發電與綜合能源供能將是未來智能配電網的重要發展方向[3-5]。

分布式熱電聯供系統中不同能源形式的綜合利用以及需求側響應等技術的引入，增大了優化調度的復雜度與難度，如何協調優化調度分布式熱電聯供系統是其重要課題。文獻[6]提出一種冷熱電聯供系統離線優化模型，以最優化系統日收益；文獻[7]設計了冷熱電聯供微網調度優化模型，并對日前經濟調度進行了分析；文獻[8]采用方程線性化的方法將優化問題轉化為MILP（混合整數線性規劃）問題，并分析比較了微網采用與效益；文獻[9]對光伏與微型燃氣輪機微網能量管理策略進行了分析；文獻[10-11]考慮了冷電功率的實時調度，采用改進型粒子群算法對冷熱電聯供系統調度進行了研究，在日前調度（離線優化）的基礎上，考慮了實時調度（在線優化）。上述研究為冷熱電聯供分布式供能系統優化調度提供了參考。

MPC（模型預測控制）作為工業過程控制中的重要手段，其滾動優化的思想在電力系統優化等問題也得到了一定的應用[12]。文獻[13]提出一種基于模型預測控制的微網在線運行策略；文獻[14]采用模型預測控制對含風電系統機組組合問題進行了分析；文獻[15]基于模型預測控制理論提出主動配電網電壓調節控制策略。然而模型預測控制在冷熱電聯供分布式供能系統優化領域的研究和應用較少，有待進一步探索。

以下針對含微型燃氣輪機、光伏、蓄電池儲能、熱儲能和熱電負荷的分布式供能系統展開研究，基于模型預測控制建立了熱電聯供分布式供能系統優化調度架構，提出了一種基于MPS（模型預測調度）和模型預測控制的雙層調度模型，并進行了仿真和分析。

1 優化調度框架

1.1 系統結構

分布式熱電聯供系統集發電、供熱于一體，主要包含微型燃氣輪機、光伏、蓄電池儲能系統、熱儲能系統。電負荷由分布式供能系統內發電單元和電網來供應；熱負荷由熱回收、儲能系統供應。分布式熱電聯供系統如圖1所示。

1.2 調度框架

此處提出的分布式熱電聯供系統優化調度框架如圖2所示。基于天氣、用戶和測量等信息，預測模塊輸出自然資源以及負荷數據，優化調度控制器依據系統模型、電價信息以及預測數據，基于模型預測調度和模型預測控制輸出調度指令，優化不同時間尺度下的運行工況，并實時監測系統狀態，形成閉環反饋控制結構。不同時間尺度模型預測調度與模型預測控制示意如圖3所示。

圖1 分布式熱電聯供系統

圖2 分布式冷熱電聯供系統優化調度框架

圖3 不同時間尺度優化調度

此處以24 h作為一個調度周期，基于未來24 h預測數據，模型預測調度進行長周期滾動優化，每個優化周期只有當前時段指令被執行，隨著時間推移，優化調度指令不斷進行更新修正。基于分鐘級（每15 min）預測數據，模型預測控制進行1 h內的短周期滾動優化，且每個控制周期只有當前時段指令被執行，控制指令同時在線更新修正。此優化調度模式涵蓋離線與在線優化、不同時間尺度以及不同優化目標，并根據系統運行狀態進行反饋調節。

此處依據預測特性設定預測數據，并不對預測模塊模型與方法做重點探討。

2 優化調度模型

2.1 燃氣輪機模型

燃氣輪機是熱電聯供系統的主要設備，消耗天然氣提供電能，同時通過熱回收系統提供熱能。燃氣輪機耗氣量見式（1）：

式中：Fgas（t）為耗氣量；PCHP（t）為燃氣輪機發電功率；Δt為時間步長；ηg（t）為燃氣輪機發電效率[8]。

可提供的熱能與回收效率有關[5]：

式中：Hheat（t）為熱回收系統提供的熱功率；ηCHP為熱回收效率。

2.2 優化模型

2.2.1 優化調度目標形式

優化調度問題可寫成如下形式：

（1）MPS優化目標。

式中：Celec為購電費用；Cgas為購氣費用；Cdep為折舊費用；cei（t）為購電電價；Pgridin（t）為從電網購電功率；ceo（t）為售電電價；Pgridout（t）為向電網售電功率；cg為燃氣價格；Fgas為天然氣用量；Pbatdis為蓄電池放電功率；Qrate為電池一個周期的額定放電量；Crate為電池額定循環次數。模型預測調度選取運行成本最小為優化目標，在優化調度中應充分考慮設備運行與壽命特性，避免過度使用造成設備壽命縮短，尤其對于蓄電池儲能系統，故本文根據電池的放電量對電池壽命損耗進行評估并轉化為經濟成本[16]。

（2）MPC優化目標。

式中：Cmin為以運行成本為單目標下的最小運行成本；Cmax為最大運行成本；以功率波動最小為目標的隸屬度函數要使用降半梯形隸屬度函數；Tmin為以功率波動為單目標下的最小值；Tmax為最大值。

2.2.2 約束條件

（1）能量平衡約束。

式中：Ppv為光伏輸出功率；Pbatch為蓄電池充電功率；PCHP為燃氣輪機運行功率；Pload（t）為電負荷功率。Hesch為熱儲能吸收熱功率；Hesdis為熱儲能輸出熱功率；Hesdis（t）和Hesch（t）分別為熱儲能放熱和進熱功率；Hload（t）為熱負荷功率。熱功率需求可以小于系統所能提供的熱功率，此時產生余熱廢棄。

（2）電網約束。

式中：Pgridinlim和Pgridoutlim分別為從電網購電和向電網售電功率限值；fgridin為從電網購電標志位（0-1）；fgridout為向電網售電標志位（0-1）。

（3）燃氣輪機約束。

式中：PCHP-rate（t）為燃氣輪機額定功率；fCHP為燃氣輪機運行標志位（0-1）；λmin為最小運行功率比率。

（4）蓄電池儲能系統約束。

式中：Pbatch-max（t）為蓄電池充電功率上限值；Pbatdis-max（t）為蓄電池放電功率上限值；fbatch為蓄電池充電標志位（0-1）；fbatdis為蓄電池放電標志位（0-1）；Ebat為蓄電池容量；kech和kedis分別為蓄電池充電和放電效率；Ebat-max和Ebat-min分別為蓄電池容量上下限值。

（5）熱儲能系統約束。

式中：Hesch-max（t）為熱儲能進熱功率上限值；Hesdis-max（t）為熱儲能放熱功率上限值；fesch為熱儲能吸收標志位（0-1）；fesdis為熱儲能輸出標志位（0-1）；Hes為熱儲能容量；khch和khdis分別為熱儲能進熱和放熱效率；Hes-max和Hes-min分別為熱儲能容量上下限值。

模型預測調度選取運行成本最小為優化目標，在優化調度中應充分考慮設備運行與壽命特性，避免過度使用造成設備壽命縮短，尤其對于蓄電池儲能系統，故在此考慮設備使用所帶來的折舊費用。

模型預測控制選取電網聯絡線功率調整、蓄電池儲能系統、燃氣輪機功率波動最小和運行成本最小為目標。此處采用模糊隸屬度函數將多目標優化問題轉化為單目標問題。多目標問題的每一個目標都需要定義一個隸屬度函數，最小運行成本和最小功率波動目標使用降半梯形隸屬度函數，見圖4，即運行成本或功率波動越小，越符合優化目標，則隸屬度μ越高。

圖4 隸屬度（μ）函數

2.3 求解方法

根據3.2節中優化目標和約束條件，該調度問題包含功率等連續型決策變量和充放電標志位等整數型決策變量，為MILP（混合整數規劃問題）。

考慮此處所討論的優化調度問題，其優化目標為一個加權和函數，為仿射函數。約束條件方面，能量平衡約束等一系列等式約束滿足線性形式，電儲能和熱儲能方面涉及的不等式約束條件也都滿足線性形式。綜上，該問題可以使用Yalmip工具箱求解。

3 算例分析

此處算例系統組成設備與參數見表1[7-8]，此處將發電效率等相關系數作為常值進行簡化處理，負荷基本情況見表2。電價采用分時電價[21]，見圖5。設定蓄電池的初始投資成本為45萬元，天然氣價格為3.45元/m3，折合單位熱值價格為0.349元/kWh[7]。

表1 設備組成及相關

表2 負荷基本情況

現采用MALAB優化工具箱Yalmip求解此優化調度問題。由優化結果可知，燃氣輪機在高電價時段滿負荷運行，同時供應熱電負荷，以有效減少高電價時段購電費用。蓄電池儲能系統則在低電價時段充電，在高電價時段放電，有效利用峰谷電價差異，提高系統運行經濟性。光伏以最大可輸出功率運行，充分利用可再生能源發電。圖6為仿真結果曲線。由圖6（a）可知，模型預測調度基于未來24 h預測數據，給出小時級調度計劃曲線，而模型預測控制則根據短期分鐘級預測數據實時優化，減小電網聯絡線功率調整和蓄電池儲能系統功率波動以及運行成本，如圖6（b）所示。負荷和光伏出力具有一定的波動性，在模型預測控制優化下，電網功率和蓄電池儲能系統功率基本遵循小時級調度計劃，減小了聯絡線功率波動和蓄電池儲能系統功率波動，使微網系統扮演“良好市民”的角色，同時也有益于延長蓄電池儲能系統的使用壽命。

圖5 分時電價

圖6 冬季各設備供電功率曲線

在日前長周期優化調度的基礎上，模型預測調度與模型預測控制雙層優化調度模式可使分布式供能系統基本遵循日前優化調度計劃，并有效抑制聯絡線及蓄電池儲能系統短周期內功率波動。仿真結果表明，該優化調度模式可取得良好的效果，是一種有效的分布式供能系統優化調度方法。

4 結語

針對分布式供能系統提出了一種基于模型預測調度和模型預測控制的雙層調度模型，采用MALAB優化工具箱Yalmip進行求解，并對此優化調度問題進行了仿真分析。算例結果表明：基于模型預測調度和模型預測控制的雙層調度模式，可制定合理有效的調度方案，通過日前調度與實時調度，提高了分布式供能系統優化調度方案的準確性與靈活性。

[1]GHADIMI P，KARA S，KORNFELD B.The optimal selection of on-site CHP systems through integrated sizing and ope-rational strategy[J].Applied Energy，2014（126）∶38-46.

[2]王成山，武震，李鵬.微電網關鍵技術研究[J].電工技術學報，2014，29（2）∶1-12.

[3]FRESCHI F，GIACCONE L，LAZZERONI P，et al.Economic and environmental analysis of a trigeneration system for food-industry∶A case study[J].Applied Energy，2013（107）∶157-172.

[4]BENAM M R，MADANI S S，ALAVI S M，et al.Optimal confi-guration of the CHP system using stochastic programm-ing[J].IEEE Transactions on Power Delivery，2015，30（3）∶1048-1056.

[5]張新昌，周逢權.智能電網引領智能家居及能源消費革新[J].電力系統保護與控制，2014，42（5）∶59-67.

[6]HASHEMI R.A Developed offline model for optimal oper-ation of combined heating and cooling and power systems[J].IEEE Transactions on Energy Conversion，2009，24（1）∶222-229.

[7]王成山，洪博文，郭力，等.冷熱電聯供微網優化調度通用建模方法[J].中國電機工程學報，2013，33（31）∶26-33.

[8]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.

[9]周念成，鄧浩，王強鋼，等.光伏與微型燃氣輪機混合微網能量管理研究[J].電工技術學報，2012，27（1）∶74-84.

[10]BAO Z，ZHOU Q，YANG Z，et al.A multi time-scale and multi energy-type coordinated microgrid scheduling solu tion—Part I model and methodology[J].IEEE Transactionson Power System，2015，30（5）∶2257-2266.

[11]BAO Z，ZHOU Q，YANG Z，et al.A multi time-scale and multi energy-type coordinated microgrid scheduling solution PartⅡ∶optimization algorithm and case studies[J]. IEEE Transactions on Power System，2015，30（5）∶2267-2277.

[12]劉向杰，孔小兵.電力工業復雜系統模型預測控制—現狀與發展[J].中國電機工程學報，2013，33（5）∶79-85.

[13]PARISIO A，RIKOS E，GLIELMO L.A model predictive control approach to microgrid operation optimization[J]. IEEE Transactions on Control Systems Technology，2014，22（5）∶1813-1827.

[14]MEIBOM P，BARTH R，HASCHE B，et al.Stochastic optimizat-ion model to study the operational impacts of high wind penetrations in Ireland[J].IEEE Transactions on Power System，2011，26（3）∶1367-1379.

[15]蔡宇，林今，宋永華，等.基于模型預測控制的主動配電網電壓控制[J].電工技術學報，2015，30（23）∶42-49.

[16]陳健，王成山，趙波，等.考慮儲能系統特性的獨立微電網系統經濟運行優化[J].電力系統自動化，2012，36（20）∶25-31.

[17]ZHAO C，GUAN Y.Unified stochastic and robust unit com-mitment[J].IEEE Transactions on Power Systems，2013，28（3）∶3353-3361.

[18]DUFO-LOPEZ R，BERNAL-AGUSTIN J L.Multi-objective desi-gn of PV-wind-diesel-hydrogen-battery systems[J].Ren-ewable energy，2008，33（12）∶2559-2572.

[19]ROSSI F，VAN BEEK P，WALSH T.Handbook of constraint programming[M].Amsterdam∶Elsevier，2006.

[20]SHAW P.Using constraint programming and local search methods to solve vehicle routing problems[M].Princi-ples and Practice of Constraint Programming-CP98，Springer Berlin Heidelberg，1998.

[21]WINSTON W L，GOLDBERG J B.Operations research∶applica-tions and algorithms[M].Boston∶Duxbury press，2004.

[22]毛曉明，陳深，吳杰康，等.分時電價機制下含蓄電池微網的優化調度[J].電網技術，2015，39（5）∶1192-1197.

[23]柯人觀，周金輝，汪東輝.微電網規劃體系研究[J].浙江電力，2016，35（2）∶23-26.

[24]吳昊，許躍進，殷德聰，等.計及氣象因素的分布式電源在配電網的優化配置[J].浙江電力，2015，34（12）∶1-6.

（本文編輯：陸瑩）

Optimal Scheduling of Distributed CHP System Based on Model Predictive Control

ZHOU Jinhui1，XU Chen1，GE Xiaohui1，ZHANG Weitong2，CHEN Jian2
（1.State Grid Zhejiang Electric Power Research Institute，Hangzhou 310014，China；2.School of Electrical Engineering，Shandong University，Jinan 250061，China）

To deal with the optimal operation problem of distributed combined heat and power（CHP）system，a two-level optimal scheduling model and method based on model predictive scheduling（MPS）and model predictive control（MPC）is proposed.The distributed CHP system models，including micro gas turbine，photovoltaic（PV），battery energy storage system（BESS），thermal energy storage system as well as thermoelectric loads are established.In addition，an optimal dispatching model considering day-ahead scheduling and real time scheduling is proposed.With the purposes of minimum operation cost of distributed CHP system，power of grid connection line，battery fluctuation and operation cost，Yalmip，the optimization toolbox of MATLAB，is applied to solve the optimal scheduling problem.The results of case study verify the effectiveness and correctness of the proposed method.

combined heat and power（CHP）；distributed generation；model predictive control（MPC）；optimal scheduling

10.19585/j.zjdl.201705007

1007-1881（2017）05-0023-06

TM74

A

國家自然科學基金項目（51507094）

2017-01-22

周金輝(1983)，男，博士，高級工程師，研究方向為分布式電源和微電網以及能源互聯網。