周金輝，徐琛，葛曉慧，張維桐，陳健

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

發(fā)電技術(shù)

基于模型預(yù)測控制的分布式熱電聯(lián)供系統(tǒng)優(yōu)化調(diào)度

周金輝1，徐琛1，葛曉慧1，張維桐2，陳健2

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

針對分布式熱電聯(lián)供系統(tǒng)優(yōu)化運行問題，提出一種基于模型預(yù)測調(diào)度和模型預(yù)測控制的雙層分布式熱電聯(lián)供系統(tǒng)優(yōu)化調(diào)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(tǒng)、熱儲能系統(tǒng)以及熱電負荷的分布式供能系統(tǒng)模型，提出了計及日前調(diào)度和實時調(diào)度的優(yōu)化調(diào)度模型，以分布式供能系統(tǒng)運行成本最小、電網(wǎng)聯(lián)絡(luò)線功率調(diào)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(yōu)化調(diào)度問題，算例結(jié)果表明了所提模型和算法的有效性和正確性。

熱電聯(lián)供；分布式發(fā)電；模型預(yù)測控制；優(yōu)化調(diào)度

0 引言

當(dāng)前CHP（熱電聯(lián)供）技術(shù)正受到越來越多的關(guān)注和應(yīng)用，單一供電系統(tǒng)逐步向綜合供能系統(tǒng)發(fā)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(fā)電技術(shù)憑借就地開發(fā)利用和清潔環(huán)保等優(yōu)勢，也得到快速發(fā)展。供能形式也從集中式供能向分布式供能轉(zhuǎn)變[2]，為分布式供能系統(tǒng)發(fā)展提供了機遇和可能。分布式熱電聯(lián)供系統(tǒng)非常適合具有熱電不同形式供能需求的工業(yè)與社區(qū)樓宇建筑等應(yīng)用場合，受到世界各國研究人員的廣泛關(guān)注，成為現(xiàn)今研究的熱點方向?？梢?，分布式發(fā)電與綜合能源供能將是未來智能配電網(wǎng)的重要發(fā)展方向[3-5]。

分布式熱電聯(lián)供系統(tǒng)中不同能源形式的綜合利用以及需求側(cè)響應(yīng)等技術(shù)的引入，增大了優(yōu)化調(diào)度的復(fù)雜度與難度，如何協(xié)調(diào)優(yōu)化調(diào)度分布式熱電聯(lián)供系統(tǒng)是其重要課題。文獻[6]提出一種冷熱電聯(lián)供系統(tǒng)離線優(yōu)化模型，以最優(yōu)化系統(tǒng)日收益；文獻[7]設(shè)計了冷熱電聯(lián)供微網(wǎng)調(diào)度優(yōu)化模型，并對日前經(jīng)濟調(diào)度進行了分析；文獻[8]采用方程線性化的方法將優(yōu)化問題轉(zhuǎn)化為MILP（混合整數(shù)線性規(guī)劃）問題，并分析比較了微網(wǎng)采用與效益；文獻[9]對光伏與微型燃氣輪機微網(wǎng)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(diào)度，采用改進型粒子群算法對冷熱電聯(lián)供系統(tǒng)調(diào)度進行了研究，在日前調(diào)度（離線優(yōu)化）的基礎(chǔ)上，考慮了實時調(diào)度（在線優(yōu)化）。上述研究為冷熱電聯(lián)供分布式供能系統(tǒng)優(yōu)化調(diào)度提供了參考。

MPC（模型預(yù)測控制）作為工業(yè)過程控制中的重要手段，其滾動優(yōu)化的思想在電力系統(tǒng)優(yōu)化等問題也得到了一定的應(yīng)用[12]。文獻[13]提出一種基于模型預(yù)測控制的微網(wǎng)在線運行策略；文獻[14]采用模型預(yù)測控制對含風(fēng)電系統(tǒng)機組組合問題進行了分析；文獻[15]基于模型預(yù)測控制理論提出主動配電網(wǎng)電壓調(diào)節(jié)控制策略。然而模型預(yù)測控制在冷熱電聯(lián)供分布式供能系統(tǒng)優(yōu)化領(lǐng)域的研究和應(yīng)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(tǒng)展開研究，基于模型預(yù)測控制建立了熱電聯(lián)供分布式供能系統(tǒng)優(yōu)化調(diào)度架構(gòu)，提出了一種基于MPS（模型預(yù)測調(diào)度）和模型預(yù)測控制的雙層調(diào)度模型，并進行了仿真和分析。

1 優(yōu)化調(diào)度框架

1.1 系統(tǒng)結(jié)構(gòu)

分布式熱電聯(lián)供系統(tǒng)集發(fā)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(tǒng)、熱儲能系統(tǒng)。電負荷由分布式供能系統(tǒng)內(nèi)發(fā)電單元和電網(wǎng)來供應(yīng)；熱負荷由熱回收、儲能系統(tǒng)供應(yīng)。分布式熱電聯(lián)供系統(tǒng)如圖1所示。

1.2 調(diào)度框架

此處提出的分布式熱電聯(lián)供系統(tǒng)優(yōu)化調(diào)度框架如圖2所示?；谔鞖狻⒂脩艉蜏y量等信息，預(yù)測模塊輸出自然資源以及負荷數(shù)據(jù)，優(yōu)化調(diào)度控制器依據(jù)系統(tǒng)模型、電價信息以及預(yù)測數(shù)據(jù)，基于模型預(yù)測調(diào)度和模型預(yù)測控制輸出調(diào)度指令，優(yōu)化不同時間尺度下的運行工況，并實時監(jiān)測系統(tǒng)狀態(tài)，形成閉環(huán)反饋控制結(jié)構(gòu)。不同時間尺度模型預(yù)測調(diào)度與模型預(yù)測控制示意如圖3所示。

圖1 分布式熱電聯(lián)供系統(tǒng)

圖2 分布式冷熱電聯(lián)供系統(tǒng)優(yōu)化調(diào)度框架

圖3 不同時間尺度優(yōu)化調(diào)度

此處以24 h作為一個調(diào)度周期，基于未來24 h預(yù)測數(shù)據(jù)，模型預(yù)測調(diào)度進行長周期滾動優(yōu)化，每個優(yōu)化周期只有當(dāng)前時段指令被執(zhí)行，隨著時間推移，優(yōu)化調(diào)度指令不斷進行更新修正?；诜昼娂墸?5 min）預(yù)測數(shù)據(jù)，模型預(yù)測控制進行1 h內(nèi)的短周期滾動優(yōu)化，且每個控制周期只有當(dāng)前時段指令被執(zhí)行，控制指令同時在線更新修正。此優(yōu)化調(diào)度模式涵蓋離線與在線優(yōu)化、不同時間尺度以及不同優(yōu)化目標，并根據(jù)系統(tǒng)運行狀態(tài)進行反饋調(diào)節(jié)。

此處依據(jù)預(yù)測特性設(shè)定預(yù)測數(shù)據(jù)，并不對預(yù)測模塊模型與方法做重點探討。

2 優(yōu)化調(diào)度模型

2.1 燃氣輪機模型

燃氣輪機是熱電聯(lián)供系統(tǒng)的主要設(shè)備，消耗天然氣提供電能，同時通過熱回收系統(tǒng)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(fā)電功率；Δt為時間步長；ηg（t）為燃氣輪機發(fā)電效率[8]。

可提供的熱能與回收效率有關(guān)[5]：

式中：Hheat（t）為熱回收系統(tǒng)提供的熱功率；ηCHP為熱回收效率。

2.2 優(yōu)化模型

2.2.1 優(yōu)化調(diào)度目標形式

優(yōu)化調(diào)度問題可寫成如下形式：

（1）MPS優(yōu)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(wǎng)購電功率；ceo（t）為售電電價；Pgridout（t）為向電網(wǎng)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(huán)次數(shù)。模型預(yù)測調(diào)度選取運行成本最小為優(yōu)化目標，在優(yōu)化調(diào)度中應(yīng)充分考慮設(shè)備運行與壽命特性，避免過度使用造成設(shè)備壽命縮短，尤其對于蓄電池儲能系統(tǒng)，故本文根據(jù)電池的放電量對電池壽命損耗進行評估并轉(zhuǎn)化為經(jīng)濟成本[16]。

（2）MPC優(yōu)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(shù)要使用降半梯形隸屬度函數(shù)；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(tǒng)所能提供的熱功率，此時產(chǎn)生余熱廢棄。

（2）電網(wǎng)約束。

式中：Pgridinlim和Pgridoutlim分別為從電網(wǎng)購電和向電網(wǎng)售電功率限值；fgridin為從電網(wǎng)購電標志位（0-1）；fgridout為向電網(wǎng)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(tǒng)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(tǒng)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(yù)測調(diào)度選取運行成本最小為優(yōu)化目標，在優(yōu)化調(diào)度中應(yīng)充分考慮設(shè)備運行與壽命特性，避免過度使用造成設(shè)備壽命縮短，尤其對于蓄電池儲能系統(tǒng)，故在此考慮設(shè)備使用所帶來的折舊費用。

模型預(yù)測控制選取電網(wǎng)聯(lián)絡(luò)線功率調(diào)整、蓄電池儲能系統(tǒng)、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(shù)將多目標優(yōu)化問題轉(zhuǎn)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(shù)，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(shù)，見圖4，即運行成本或功率波動越小，越符合優(yōu)化目標，則隸屬度μ越高。

圖4 隸屬度（μ）函數(shù)

2.3 求解方法

根據(jù)3.2節(jié)中優(yōu)化目標和約束條件，該調(diào)度問題包含功率等連續(xù)型決策變量和充放電標志位等整數(shù)型決策變量，為MILP（混合整數(shù)規(guī)劃問題）。

考慮此處所討論的優(yōu)化調(diào)度問題，其優(yōu)化目標為一個加權(quán)和函數(shù)，為仿射函數(shù)。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(tǒng)組成設(shè)備與參數(shù)見表1[7-8]，此處將發(fā)電效率等相關(guān)系數(shù)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(shè)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(shè)備組成及相關(guān)

表2 負荷基本情況

現(xiàn)采用MALAB優(yōu)化工具箱Yalmip求解此優(yōu)化調(diào)度問題。由優(yōu)化結(jié)果可知，燃氣輪機在高電價時段滿負荷運行，同時供應(yīng)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(tǒng)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(tǒng)運行經(jīng)濟性。光伏以最大可輸出功率運行，充分利用可再生能源發(fā)電。圖6為仿真結(jié)果曲線。由圖6（a）可知，模型預(yù)測調(diào)度基于未來24 h預(yù)測數(shù)據(jù)，給出小時級調(diào)度計劃曲線，而模型預(yù)測控制則根據(jù)短期分鐘級預(yù)測數(shù)據(jù)實時優(yōu)化，減小電網(wǎng)聯(lián)絡(luò)線功率調(diào)整和蓄電池儲能系統(tǒng)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(yù)測控制優(yōu)化下，電網(wǎng)功率和蓄電池儲能系統(tǒng)功率基本遵循小時級調(diào)度計劃，減小了聯(lián)絡(luò)線功率波動和蓄電池儲能系統(tǒng)功率波動，使微網(wǎng)系統(tǒng)扮演“良好市民”的角色，同時也有益于延長蓄電池儲能系統(tǒng)的使用壽命。

圖5 分時電價

圖6 冬季各設(shè)備供電功率曲線

在日前長周期優(yōu)化調(diào)度的基礎(chǔ)上，模型預(yù)測調(diào)度與模型預(yù)測控制雙層優(yōu)化調(diào)度模式可使分布式供能系統(tǒng)基本遵循日前優(yōu)化調(diào)度計劃，并有效抑制聯(lián)絡(luò)線及蓄電池儲能系統(tǒng)短周期內(nèi)功率波動。仿真結(jié)果表明，該優(yōu)化調(diào)度模式可取得良好的效果，是一種有效的分布式供能系統(tǒng)優(yōu)化調(diào)度方法。

4 結(jié)語

針對分布式供能系統(tǒng)提出了一種基于模型預(yù)測調(diào)度和模型預(yù)測控制的雙層調(diào)度模型，采用MALAB優(yōu)化工具箱Yalmip進行求解，并對此優(yōu)化調(diào)度問題進行了仿真分析。算例結(jié)果表明：基于模型預(yù)測調(diào)度和模型預(yù)測控制的雙層調(diào)度模式，可制定合理有效的調(diào)度方案，通過日前調(diào)度與實時調(diào)度，提高了分布式供能系統(tǒng)優(yōu)化調(diào)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(wǎng)關(guān)鍵技術(shù)研究[J].電工技術(shù)學(xué)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(quán).智能電網(wǎng)引領(lǐng)智能家居及能源消費革新[J].電力系統(tǒng)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(lián)供微網(wǎng)優(yōu)化調(diào)度通用建模方法[J].中國電機工程學(xué)報，2013，33（31）∶26-33.

[8]熊焰，吳杰康，王強，等.風(fēng)光氣儲互補發(fā)電的冷熱電聯(lián)供優(yōu)化協(xié)調(diào)模型及求解方法[J].中國電機工程學(xué)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(wǎng)能量管理研究[J].電工技術(shù)學(xué)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(yè)復(fù)雜系統(tǒng)模型預(yù)測控制—現(xiàn)狀與發(fā)展[J].中國電機工程學(xué)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(yù)測控制的主動配電網(wǎng)電壓控制[J].電工技術(shù)學(xué)報，2015，30（23）∶42-49.

[16]陳健，王成山，趙波，等.考慮儲能系統(tǒng)特性的獨立微電網(wǎng)系統(tǒng)經(jīng)濟運行優(yōu)化[J].電力系統(tǒng)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(wǎng)的優(yōu)化調(diào)度[J].電網(wǎng)技術(shù)，2015，39（5）∶1192-1197.

[23]柯人觀，周金輝，汪東輝.微電網(wǎng)規(guī)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(wǎng)的優(yōu)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(xué)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(wǎng)以及能源互聯(lián)網(wǎng)。