一种温控负荷参与下基于模型预测控制的配电网双层调度方法与流程

1.本发明涉及考虑需求响应下配电网优化调度及温控负荷控制策略问题，特别是一种温控负荷参与下基于模型预测控制的配电网双层调度方法。
技术背景
2.功角、频率的稳定是电力系统安全可靠运行的保障，它与系统中的发用电功率平衡密切相关。传统上电力系统采用发电侧跟踪负荷的方式满足系统的功率平衡与稳定，负荷侧则视为被动的物理终端，未被充分纳入电力系统调控体系当中。当按传统方式调配发电机组出力仍难以维持系统稳定或需要付出昂贵代价时，现行的切负荷/弃电措施会产生较大的社会经济成本。且随着电力负荷的持续攀升、大量间歇式电源集中接入电力系统以及大容量超临界机组在系统中的占比不断增加，发电侧灵活调度出力的能力逐渐减弱。
3.社会经济的发展与居民生活水平的提高，使得中央空调、热水器及部分工业大用户等具有快速响应调度指令能力的柔性负荷在总用电负荷中的比例不断升高。需求响应作为一种负荷参与电力系统调控的手段被提出，源-网-荷互动运行的发展使得利用需求侧既有资源补充传统发电调度参与电力系统调控，受到广泛关注。本文以空调为代表的温控负荷作为主要研究对象，从模型构建和控制策略两方面着手对温控负荷参与配电网日前优化调度展开研究。


技术实现要素：

4.本发明目的在于提出一种温控负荷参与的配电网日前优化调度控制策略。本发明设计了风、光和空调参与日前优化调度控制，基于建筑物热平衡方程建立了空调热动态特性模型；提出了基于模型预测控制(model predictive control，mpc)建立单体空调控制策略，在更大范围内兼顾系统稳定性和调控经济性，进一步提高了配电网日前优化调度中的经济性。
5.本发明采用技术方案：建立一种温控负荷参与下基于模型预测控制的配电网双层调度方法，其包括步骤：
6.(1)设计含温控负荷配电网调度的目标函数及约束条件，基于粒子群形成日前优化调度计划；
7.(2)基于建筑物的热平衡方程，构建室内温度与制冷功率和外界环境情况之间的定量数学关系，建立考虑热动态特性模型；
8.(3)根据日前温控负荷调度计划及建筑物热动态特性模型，基于模型预测控制建立单体空调控制策略。
9.具体的，所述步骤(1)中，温控负荷聚合商参与配电网日前调度模型描述如下：
10.以调度日综合运行成本最小为目标函数，目标函数如下式：
[0011][0012]
式中：c为调度周期内的总成本；c
dg
(t)为t时段传统机组的成本；c
es
(t)为t时段储能电池运维成本；cc(t)为t时段温控负荷需求响应成本；c
wp
(t)为t时段弃风、弃光惩罚成本；n为一个调度周期内的总时段数；
[0013]
各项调度成本的数学模型如下：
[0014]
(1)传统机组成本
[0015][0016]
式中：α、β、γ为传统机组调度成本系数；p
dg
(t)为t时段传统机组的出力；
[0017]
(2)储能电池成本
[0018][0019]
式中：f
es
为蓄电池的单位容量安装成本；q
es
为蓄电池的资本回收系数；a
es
为蓄电池的容量因素；y
es
为蓄电池的年运行小时数；m
es
为蓄电池的运行管理成本系数；p
es
(t)为蓄电池在t时段的充放电功率；
[0020]
(3)温控负荷需求响应成本
[0021][0022]
式中：μ0(t)为温控负荷在t时段的初始电价；为t时段未参与需求响应的电量；为温控负荷在t时段参与需求响应后的电量；μc(t)为温控负荷在t时段参与需求响应后的电价；
[0023]
(4)弃风弃光惩罚
[0024][0025]
式中：ε为单位弃风量惩罚费用；和分别为风力发电机组在t时段日前预计输出功率值和消纳量；δ为单位弃光量惩罚费用；和pv(t)分别为光伏发电机组在t时段的日前预计输出功率值和消纳量。
[0026]
约束条件如下式：
[0027]
(1)功率平衡约束
[0028][0029]
式中：为储能电池放电功率；为储能电池充电功率；p
l
(t)为基础负荷；pc(t)为温控负荷需求响应功率；
[0030]
(2)传统机组约束
[0031][0032]
式中：为传统机组输出功率的上下限；为传统机组功率上升、下降的爬坡率；δt为调度的时间差；
[0033]
(3)储能电池充放电约束
[0034][0035]
式中：为储能电池最大充放电功率。
[0036][0037]
式(9)为储能电池剩余容量约束条件，其中，e
es
(t)、e
es
(t-1)分别为t时刻、t-1时刻蓄电池剩余容量，为剩余容量上下限，η为充放电效率；
[0038]
以调度成本最低为目标，考虑约束条件，采用粒子群算法，完成日前优化调度，得到传统机组，风电，光伏、储能电池出力计划及温控负荷削减量。
[0039]
具体的，所述步骤(2)中，基于建筑物的热平衡方程，构建室内温度与制冷功率和外界环境情况之间的定量数学关系，建立考虑热动态特性模型，温控负荷模型如下：
[0040]
不考虑房间内的缝隙漏风影响，假设空调通风口是房间内唯一的通风口。热对流是冷/热能在气体中从一处传递到另一处的过程，包括室内空气向楼宇围护结构内表面方向的强制对流。
[0041][0042]
式中：q
in
为室内空气向楼宇内表面的强制对流；q
out
为楼宇外表面向室外空气的强制对流；t
in
为智能楼宇室内温度；t
im
、t
om
为材料的内、外表面温度；t
out
为室外温度；a为围护结构的表面积；k
in
、k
out
分别为内、外表面对流传热系数。
[0043]
由于围护结构内外表面存在着温度梯度，因此热量会从高温侧向低温侧转移，即包括墙壁、窗户和屋顶在内的围护结构的热传导过程。本发明建立的热动态预测模型将考虑围护结构的分层结构，由傅里叶定律可得到各层材料的热传导过程如式(11)所示：
[0044][0045]
式中：qk为各层材料单位时间传导的热量；d为楼宇围护结构厚度；kk为材料的导热系数。
[0046]
在楼宇围护结构材料和空气的升温/降温的过程中，通常伴随着热量的吸收与释放，因此围护结构材料和室内空气具有一定的热存储能力，其热存储过程可用式(12)表示：
[0047][0048]
式中：t
om
与连续时间τ相关；qm为围护结构材料和室内空气单位时间的蓄热量；c为材料的比热容；mm为材料的质量。
[0049]
室内空气吸收的冷/热源由空调提供，室内空气吸收冷/热量并通过强制对流方式分别传递到墙壁、窗户、屋顶和地面的内表面，进而沿着楼宇围护结构分层传导并储能/放能，直至围护结构的外表面，最终通过楼宇外表面与室外空气的自然对流散失到外界环境。
[0050]
具体的，所述步骤(3)中，根据日前温控负荷调度计划及建筑物热动态特性模型，
基于模型预测控制建立单体空调控制策略，模型控制策略描述如下：
[0051]
根据空调热力学模型，空调连续型状态空间方程可表示为：
[0052][0053]
式中：t＝[t
in
，t
im
，t
om
]
t
为状态向量，t
in
为室内温度，t
im
、t
om
分别为室内、外围护结构温度；u＝[t
out
，ψ，u]
t
为输入向量，其中ψ为太阳辐照度，u为空调启动状态，u＝0表示空调未启动，u＝1表示空调启动；矩阵a表示系统的动态行为，矩阵b表示输入元素(外界温度、太阳辐照度、空调启动状态)对系统的影响。
[0054]
以ts为采样周期，将模型(13)转化为离散状态空间表达式：
[0055][0056]
式中：t(k)＝[t
in
(k)，t
im
(k)，t
om
(k)]
t
，u(k)＝[t
out
(k)，ψ(k)，u(k)]
t
，y(k)为输出向量，
[0057]
空调mpc控制策略的目标是保持的室内温度接近设定温度的同时降低空调能源消耗。因此，mpc目标函数包含两部分，一部分为空调耗电量最小，另一部分用户不舒适度指标，通过房间内实际温度与设定温度间的差值来衡量，目标函数表达式如下：
[0058][0059]
式中：δk为空调运行时间步长；m为预测时段数；u(k)为k时刻是否启动，u(k)＝0表示空调未启动，u(k)＝1表示空调启动；pc(k)为空调功率；本发明取δk为15min，m取4，即预测总时长为1h；t
set
为空调预设温度；λ为权重系数。
[0060]
设u(k)＝[u1，u2，
…
，um]
t
为预测时域m内的空调控制向量，设用户可接受的室内温度范围为mpc控制策略步骤为：
[0061]
step1：通过温度传感器测量t时刻温度t(k)；
[0062]
step2：以空调各时段的启停状态为决策变量进行优化得空调控制向量u(k)，mpc优化模型见式(16)、式(17)：
[0063]
u(k)＝arg min j
ꢀꢀꢀ
(16)
[0064][0065]
step3：将控制向量u(k)中的第一步u1控制空调的启停状态；
[0066]
step4：令k＝k δk，进入下一时段优化，返回步骤step1。
[0067]
本发明提供的技术方案具有的有益效果：
[0068]
本发明设计了温控负荷配电网调度的目标函数及约束条件，基于粒子群形成目前优化调度计划，并建立了空调的热动态特性模型；最后，根据日前温控负荷调度计划及建筑物热动态特性模型，提出模型预测控制建立单体空调控制策略。兼顾了系统稳定性和调控经济性，进一步提高了配电网日前优化调度中的经济性。
附图说明
[0069]
下面结合附图对本发明作进一步说明：
[0070]
图1为本发明的流程图；
[0071]
图2为风电、光伏、负荷预测曲线图；
[0072]
图3为配电网优化调度结果图；
[0073]
图4为室内温度和空调启停状态图。
具体实施方案
[0074]
为了更好地理解本发明的目的、技术方案及技术效果，以下结合附图对本发明进行进一步的讲解说明。
[0075]
本发明提出了一种温控负荷参与下基于模型预测控制的配电网双层调度方法，图1为本发明的流程图，其实施流程包括如下详细步骤。
[0076]
步骤1设计含温控负荷配电网调度的目标函数及约束条件，基于粒子群形成日前优化调度计划；
[0077]
新能源大量并网的背景下，为充分利用风电、光伏，降低电网运行成本，基于风电、光伏和负荷的日前预测值，以调度日综合运行成本最小为目标函数，目标函数如下式：
[0078][0079]
式中：c为调度周期内的总成本；c
dg
(t)为t时段传统机组的成本；c
es
(t)为t时段储能电池运维成本；cc(t)为t时段温控负荷需求响应成本；c
wp
(t)为t时段弃风、弃光惩罚成本；n为一个调度周期内的总时段数。
[0080]
各项调度成本的数学模型如下：
[0081]
(1)传统机组成本
[0082][0083]
式中：α、β、γ为传统机组调度成本系数；p
dg
(t)为t时段传统机组的出力。
[0084]
(2)储能电池成本
[0085][0086]
式中：f
es
为蓄电池的单位容量安装成本；q
es
为蓄电池的资本回收系数；a
es
为蓄电池的容量因素；y
es
为蓄电池的年运行小时数；m
es
为蓄电池的运行管理成本系数；p
es
(t)为蓄电池在t时段的充放电功率。
[0087]
(3)温控负荷需求响应成本
[0088][0089]
式中：μ0(t)为温控负荷在t时段的初始电价；为t时段未参与需求响应的电量；为温控负荷在t时段参与需求响应后的电量；μc(t)为温控负荷在t时段参与需求响应后的电价。
[0090]
(4)弃风弃光惩罚
[0091]
[0092]
式中：ε为单位弃风量惩罚费用；和pw(t)分别为风力发电机组在t时段日前预计输出功率值和消纳量；δ为单位弃光量惩罚费用；和pv(t)分别为光伏发电机组在t时段的日前预计输出功率值和消纳量。
[0093]
约束条件为：
[0094]
(1)功率平衡约束
[0095][0096]
式中：为储能电池放电功率；为储能电池充电功率；p
l
(t)为基础负荷；pc(t)为温控负荷需求响应功率；
[0097]
(2)传统机组约束
[0098][0099]
式中：为传统机组输出功率的上下限；为传统机组功率上升、下降的爬坡率；δt为调度的时间差；
[0100]
(3)储能电池充放电约束
[0101][0102]
式中：为储能电池最大充放电功率。
[0103][0104]
式(9)为储能电池剩余容量约束条件，其中，e
es
(t)、e
es
(t-1)分别为t时刻、t-1时刻蓄电池剩余容量，为剩余容量上下限，η为充放电效率；
[0105]
以调度成本最低为目标，考虑约束条件，采用粒子群算法，完成日前优化调度，得到传统机组，风电，光伏、储能电池出力计划及温控负荷削减量。
[0106]
步骤2基于建筑物的热平衡方程，构建室内温度与制冷功率和外界环境情况之间的定量数学关系，建立考虑热动态特性模型；
[0107]
不考虑房间内的缝隙漏风影响，假设空调通风口是房间内唯一的通风口。热对流是冷/热能在气体中从一处传递到另一处的过程，包括室内空气向楼宇围护结构内表面方向的强制对流：
[0108][0109]
式中：q
in
为室内空气向楼宇内表面的强制对流；q
out
为楼宇外表面向室外空气的强制对流；t
in
为智能楼宇室内温度；t
im
、t
om
为材料的内、外表面温度；t
out
为室外温度；a为围护结构的表面积；k
in
、k
out
分别为内、外表面对流传热系数。
[0110]
由于围护结构内外表面存在着温度梯度，因此热量会从高温侧向低温侧转移，即
包括墙壁、窗户和屋顶在内的围护结构的热传导过程。本发明建立的热动态预测模型将考虑围护结构的分层结构，由傅里叶定律可得到各层材料的热传导过程如式(11)所示：
[0111][0112]
式中：qk为各层材料单位时间传导的热量；d为楼宇围护结构厚度；kk为材料的导热系数。
[0113]
在楼宇围护结构材料和空气的升温/降温的过程中，通常伴随着热量的吸收与释放，因此围护结构材料和室内空气具有一定的热存储能力，其热存储过程可用式(12)表示。
[0114][0115]
式中：t
om
与连续时间τ相关；qm为围护结构材料和室内空气单位时间的蓄热量；c为材料的比热容；mm为材料的质量。
[0116]
室内空气吸收的冷/热源由空调提供，室内空气吸收冷/热量并通过强制对流方式分别传递到墙壁、窗户、屋顶和地面的内表面，进而沿着楼宇围护结构分层传导并储能/放能，直至围护结构的外表面，最终通过楼宇外表面与室外空气的自然对流散失到外界环境。
[0117]
步骤3根据日前温控负荷调度计划及建筑物热动态特性模型，基于模型预测控制建立单体空调控制策略。
[0118]
根据空调热力学模型，空调连续型状态空间方程可表示为：
[0119][0120]
式中：t＝[t
in
，t
im
，t
om
]
t
为状态向量，t
in
为室内温度，t
im
、t
om
分别为室内、外围护结构温度；u＝[t
out
，ψ，u]
t
为输入向量，其中ψ为太阳辐照度，u为空调启动状态，u＝0表示空调未启动，u＝1表示空调启动；矩阵a表示系统的动态行为，矩阵b表示输入元素(外界温度、太阳辐照度、空调启动状态)对系统的影响。
[0121]
以ts为采样周期，将模型(13)转化为离散状态空间表达式：
[0122][0123]
式中：t(k)＝[t
in
(k)，t
im
(k)，t
om
(k)]
t
，u(k)＝[t
out
(k)，ψ(k)，u(k)]
t
，y(k)为输出向量，
[0124]
空调mpc控制策略的目标是保持的室内温度接近设定温度的同时降低空调能源消耗。因此，mpc目标函数包含两部分，一部分为空调耗电量最小，另一部分用户不舒适度指标，通过房间内实际温度与设定温度间的差值来衡量，目标函数表达式如下：
[0125][0126]
式中：δk为空调运行时间步长；m为预测时段数；u(k)为k时刻是否启动，u(k)＝0表示空调未启动，u(k)＝1表示空调启动；pc(k)为空调功率；本发明取δk为15min，m取4，即预测总时长为1h；t
set
为空调预设温度；λ为权重系数。
[0127]
设u(k)＝[u1，u2，
…
，um]
t
为预测时域m内的空调控制向量，设用户可接受的室内温
度范围为mpc控制策略步骤为：
[0128]
step1：通过温度传感器测量t时刻温度t(k)；
[0129]
step2：以空调各时段的启停状态为决策变量进行优化得空调控制向量u(k)，mpc优化模型见式(16)、式(17)：
[0130]
u(k)＝arg min j
ꢀꢀꢀꢀ
(16)
[0131][0132]
step3：将控制向量u(k)中的第一步u1控制空调的启停状态；
[0133]
step4：令k＝k δk，进入下一时段优化，返回步骤step1。
[0134]
为了进一步理解本发明，验证模型预测控制建立单体空调控制策略的准确性与有效性，进行算例仿真。参数设置如下：配电网优化调度模型中，调度时长为24h，时间间隔为1h；风电、光伏装机容量均为3mw，传统机组出力范围为0-4mw，储能最大充放电功率为1.2mw，容量为4.5mwh。所采用的空调功率为1.5kw，制冷量为5.1kw。用户设定温度为25℃，δt为1℃，室内温度、室内围护结构和室外围护结构的温度初始值分别为25.3℃、22.7℃和33.3℃。时段长度δt取15min，预测时段数取4，即计算未来1h空调的启停，权重系数λ取2。图2给出了风电、光伏、负荷预测曲线。
[0135]
为了说明储能系统和温控负荷参与配网调度运行后，配网各分布式电源和主网的负荷出力调控过程。仿真结果如图3所示，由于储能和温控负荷的参与，可能生能源消纳能力显著提升，配网从主网的购电比率及燃气轮机出力比率明显降低，负荷趋于平坦。其储能和温控负荷的作用主要表现为：在可再生能源出力富余时段，储能设备利用过剩功率进行充电，使得弃风和弃光时段有所缩短(早上1：00到5：00及10：00到16：00时段，仍存在弃风和弃光现象)，可再生能源功率削减量明显下降，降为2.82mwh；在负荷高峰时段，储能设备向配网放电，空调负荷响应调度指令，削减空调负荷功率，进而达到降低配网高峰负荷，减小负荷峰谷差的目的。
[0136]
为了说明温控负荷需求响应调控策略，图4给出了室内温度和空调启停状态图。以18点到22点为例，基于mpc的空调控制在4个小时16个时段的控制变量及室内温度如图4，由图3可知，由于舒适度指标系数取2，占有较大的比重，室内温度在设定值25度附近小范围波动，但是空调启停次数比较频繁。