一种针对冷热电联供微网系统的MPC日内调度优化方法

一种针对冷热电联供微网系统的mpc日内调度优化方法
技术领域
1.本发明涉及能源调度技术领域，更确切地说，它涉及一种针对冷热电联供微网系统的mpc日内调度优化方法。


背景技术：

2.冷热电三联供微网系统具有一次能源利用率较高和对环境污染影响较小的优点，是近年来人们关注的热点之一。冷热电三联供微网系统可同时产生冷能、热能和电能，一次能源利用率可达75%-80%，消耗的能源仅有传统热电分供形式的3/4。典型的冷热电三联供微网系统包括（1）发电机组，如燃气轮机，内燃机，燃料电池等；（2）制热设备，如余热锅炉，燃气锅炉等；（3）制冷设备，如溴化锂吸收式制冷机，电制冷机等。
3.受到气候变化等室外因素及室内人员、设备等室内因素的影响，负荷具有很大的不确定性和波动性，而从各供冷供热设备根据需求负荷改变调度计划开始，到最终用户端获得的冷量和热量趋于稳定，这一过程通常具有比较长的过渡时间，具体和整个系统的动态响应特性有关。综合能源供冷供热系统的动态响应时间主要受到系统热容量、输送管道长度、散热器热容和建筑围护结构材料种类的影响，不同的综合能源系统动态响应时间不尽相同，一般来说，动态响应时间可能在5-8小时，更为复杂的系统，响应时间可能更长，如果只根据系统的静态特性进行调度优化，由于没有考虑能量传递的动态过程，会造成供能和需求不同步，无法有效匹配日内波动变化的需求，会导致用户满意度下降。因此，有必要考虑能量传递的动态过程，建立供冷供热设备输入到用户端获得的冷、热量之间的动态模型，并在此基础上进行调度优化计算。


技术实现要素：

4.本发明的目的是克服现有技术中的不足，提出了一种针对冷热电联供微网系统的mpc日内调度优化方法。
5.第一方面，提供了一种针对冷热电联供微网系统的mpc日内调度优化方法，包括：s1、构建微网系统各设备的传递函数模型；s2、根据各设备的能量约束条件，构建自定义约束集；所述能量约束条件包括容量；s3、采用mpc标准目标函数（standard cost function）和自定义成本函数（custom cost function）的和作为最终的优化目标函数；s4、设置合适的时间间隔、预测时域和控制时域，并采用序列二次规划寻优算法，实现mpc优化调度计算。
6.作为优选，s1中，所述微网系统包括：电网、原动机、余热锅炉、吸收式制冷机、燃气锅炉和电制冷机；所述原动机产生的电能通过电线输送至外部为用户供电的供电管网，原动机供电不足时由电网进行补充；所述原动机产生的热能通过管路分别输送至余热锅炉和吸收式制冷机；所述余热锅炉产生的热量输送至为用户供热的供热管网；所述吸收式制冷
机产生的冷量输送至为用户供冷的供冷管网；所述燃气锅炉产生的热能输送至所述供热管网，在余热锅炉供热不足时用以补充供热；所述供电管网上接有电动制冷机，电动制冷机产生的冷量通过管路输送至所述供冷管网，在吸收制冷机供冷不足时用以补充供冷。
7.作为优选，s1中，所述微网系统的供热管网和供冷管网均设立一、二次网，一、二次网间通过冷、热板式交换站实现能量交换。
8.作为优选，s1中，根据设备特性设计激励数据，输入到各设备输入端，获取输出数据，之后根据输入和输出数据，采用系统辨识方法分别构建微网系统各设备的传递函数模型。
9.作为优选，s1中，根据设备特性设计激励数据，输入到各设备输入端，获取输出数据，之后根据输入和输出数据，采用系统辨识方法分别构建微网系统各设备的传递函数模型。
10.作为优选，s1中，所述设备特性指各供冷供热设备的阶跃响应时间。
11.作为优选，s3中，所述mpc标准目标函数由下式确定：
12.其中, 为标准目标函数，为跟踪参考输出的偏差，为跟踪控制变量的偏差，为控制变量增量的抑制项，为违反约束产生的罚函数项。不考虑控制变量跟踪和控制变量增量抑制，并且不存在其他软约束的情况下， 、、均为0。则mpc标准目标函数的形式表示为：
13.其中，k为当前控制时间间隔；p为预测时域；ny为输出变量个数；为在第i个预测时域步长预测的第j个输出的值；为在第i个预测时域步长的第j个输出参考值；为第j个输出的比例因子；为第i个预测时域步长的第j个输出权重；zk是优化问题的qp解，表示为：。
14.作为优选，s3中，所述自定义成本函数表示为：
15.其中，c
gas
为天然气成本，单位为元；c
ele
为电网购电成本，单位为元；c
om
为运维成本，单位为元；ts为时间间隔，单位为s；r
gas
为天然气价格，单位为元/kg；r
ele
为电网分时电价，单位为元/kwh；r
gt
、r
gb
、r
ec
、r
ac
、rb分别为燃气轮机、燃气锅炉、电制冷机、吸收制冷机、余热锅炉运维价格，单位为元/kwh；最终的优化目标函数表示为：
。
16.第二方面，提供了一种针对冷热电联供微网系统的mpc日内调度优化装置，用于执行第一方面任一所述的针对冷热电联供微网系统的mpc日内调度优化方法，包括：第一构建模块，用于构建微网系统各设备的传递函数模型；第二构建模块，用于根据各设备的能量约束条件，构建自定义约束集；所述能量约束条件包括容量；函数定义模块，用于采用mpc标准目标函数和自定义成本函数的和作为最终的优化目标函数；计算模块，用于设置合适的时间间隔、预测时域和控制时域，并采用序列二次规划寻优算法，实现mpc优化调度计算。
17.第三方面，提供了一种计算机存储介质，所述计算机存储介质内存储有计算机程序；所述计算机程序在计算机上运行时，使得计算机执行第一方面任一所述的针对冷热电联供微网系统的mpc日内调度优化方法。
18.本发明的有益效果是：本发明设计了一种基于针对冷热电联供微网系统的mpc日内调度优化方法，通过系统辨识建模方法，建立系统内各供冷供热设备的传递函数动态模型，在此基础上，利用mpc滚动优化方法，对日内各设备的调度进行优化，根据优化所得结果决定调度计划。本发明相较于以往基于设备静态特性的调度优化方法，考虑了系统能量的动态传递过程，对基于静态特性的调度计划进行优化调整，能够更好地将系统的调度出力与用户端变动的冷热需求相匹配，提升用户满意度，并尽可能地降低系统整体的运行成本。
附图说明
19.图1为冷热电联供微网系统的结构示意图；图2为供热部分的建模激励数据示意图；图3为在测试数据作为输入时，所建立的供热模型输出和实际apros系统供热输出之间的对比示意图；图4为mpc调度优化算法的simulink图形化程序示意图；图5为mpc优化调度策略与基于静态特性的调度策略下的apros仿真系统制冷量输出结果对比图；图6为mpc优化调度策略与基于静态特性的调度策略下的apros仿真系统供热量输出结果对比图；图7为mpc优化调度算法与基于静态特性的调度算法下的电制冷机调度计划对比示意图；图8为mpc优化调度算法与基于静态特性的调度算法下的吸收制冷机调度计划对比示意图；图9为mpc优化调度算法与基于静态特性的调度算法下的余热锅炉调度计划对比
示意图；图10为mpc优化调度算法与基于静态特性的调度算法下的燃气锅炉调度计划对比示意图。
实施方式
20.下面结合实施例对本发明做进一步描述。下述实施例的说明只是用于帮助理解本发明。应当指出，对于本技术领域的普通人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
21.实施例1：如图1所示，本技术提供的微网系统包括：电网、原动机、余热锅炉、吸收式制冷机、燃气锅炉和电制冷机。其中，原动机输入天然气流量（gas1）；燃气锅炉输入天然气流量（gas2）；p0为燃气轮机供电输出；燃气轮机供热输出（qex）；吸收制冷机余热输入（qex1）；余热锅炉余热输入（qex2）；p2为电网补充供电；p1为电制冷机输入电功率；电制冷机输出制冷量（cold1）；吸收制冷机输出制冷量（cold2）；余热锅炉输出供热量（heat1）；燃气锅炉输出供热量（heat2）。
22.原动机采用燃气轮机，通过消耗天然气产生热或者电。燃气轮机产生的电通过电线输送至外部用于为用户供电的电网中，为系统提供电负荷。系统还可以通过向电网购电的方式满足系统的电需求。燃气轮机产生的热能通过管路分别输送至余热锅炉和吸收式制冷机。
23.余热锅炉通过利用热烟气产生热量，为系统提供热负荷，产生的热量输送至为用户供热的供热管路。吸收式制冷机通过利用热烟气产生冷量，用于提供冷负荷，产生的冷量输送至为用户供冷的供冷管路。
24.燃气锅炉通过消耗天然气产热，弥补余热锅炉供热的不足。电网上接有电动制冷机，电动制冷机产生的冷量输送至供冷管路，弥补吸收制冷机供冷的不足。此外，微网系统的供热管网和供冷管网均设立一、二次网，一、二次网间通过冷、热板式交换站实现能量交换。
25.由于缺乏实际的供冷供热系统对象，本发明基于在apros仿真软件上搭建的供冷供热系统进行调度优化研究，所述的仿真系统按照图1的形式搭建。对于实际工程当中投入运行的供冷供热系统，同样可按本发明提供的方法进行调度优化。
26.实施例2：考虑到供电部分相比于供冷和供热部分，供电部分的动态响应过程比较短，因此本发明提供的mpc日内调度优化方法着重对供冷和供热部分进行调度优化，包括：s1、构建微网系统各设备的传递函数模型。
27.s1中，根据设备特性设计激励数据，输入到各设备输入端，获取输出数据，之后根据输入和输出数据，采用系统辨识方法分别构建微网系统各设备的传递函数模型。其中设备特性主要是指各供冷供热设备的阶跃响应时间。
28.以供热部分为例，说明建立设备传递函数模型的方法。通过阶跃响应测试，所搭建的仿真系统中，燃气锅炉和余热锅炉的动态响应过程大致在4小时左右，即从热源侧改变输入开始，到最终用户端获得稳定的热量结束，整个过程大致需要4个小时的时间。激励数据
采用平均转换时间为三分之一动态响应时间的gbn信号，即采用平均转换时间为4800s的gbn信号作为燃气锅炉和余热锅炉的激励测试信号，数据采样时间为1s，激励持续时间可设计为整个动态响应时长的6-18倍左右。
29.最终测试信号输入以及得到的输出见图2所示，至上而下依次为余热锅炉测试输入、燃气锅炉测试输入、实际系统总供热输出。
30.之后基于输入输出进行系统辨识。可借助matlab系统辨识工具箱进行建模工作，最终得到供热部分传递函数模型如下式所示：
31.其中，heat表示系统供热总量。
32.模型的精度由图3可见，能够比较精准地反映实际系统供热部分的动态特性。
33.制冷部分采用同样的方法进行建模。
34.s2、根据各设备的能量约束条件，构建自定义约束集；能量约束条件包括容量，自定义约束均为硬约束形式。
35.本实施例中，各设备的容量约束如下式所示：0≤cold1≤1364，0≤cold2≤924，0≤heat1≤352，0≤heat2≤242p1≥0, qex1≥0, qex2≥0, gas2≥0另外还需满足能量守恒定律，如下式所示：qex1+qex2=qexs3、采用mpc标准目标函数和自定义成本函数的和作为最终的优化目标函数。其中，标准目标函数用以权衡系统调度出力与用户端负荷需求的匹配程度，自定义成本函数用以衡量调度计划的经济性。
36.s3中，mpc标准目标函数由下式确定：
37.其中, 为标准目标函数，为跟踪参考输出的偏差，为跟踪控制变量的偏差，为控制变量增量的抑制项，为违反约束产生的罚函数项。不考虑控制变量跟踪和控制变量增量抑制，并且不存在其他软约束的情况下， 、、均为0。则mpc标准目标函数的形式表示为：
38.其中，k为当前控制时间间隔；p为预测时域；ny为输出变量个数；为在第i个预测时域步长预测的第j个输出的值；为在第i个预测时域步长的第j个输出参考值；为第j个输出的比例因子；为第i个预测时域步长的第j个输出权重；zk是优化问题的qp解，表示为：。
39.自定义成本函数表示为：
40.其中，c
gas
为天然气成本，单位为元；c
ele
为电网购电成本，单位为元；c
om
为运维成本，单位为元；ts为时间间隔，单位为s；r
gas
为天然气价格，单位为元/kg；r
ele
为电网分时电价，单位为元/kwh；r
gt
、r
gb
、r
ec
、r
ac
、rb分别为燃气轮机、燃气锅炉、电制冷机、吸收制冷机、余热锅炉运维价格，单位为元/kwh；gas1为原动机输入天然气流量；gas2为燃气锅炉输入天然气流量；p0为燃气轮机供电输出；p2为电网补充供电；p1为电制冷机输入电功率；cold1为电制冷机输出制冷量；cold2为吸收制冷机输出制冷量；heat1为余热锅炉输出供热量；最终的优化目标函数表示为：。
41.s4、设置合适的时间间隔（采样时间）、预测时域和控制时域，并采用序列二次规划寻优算法，实现mpc优化调度计算。
42.本发明借助matlab非线性mpc工具箱实现所有的优化算法和程序。通过建立的系统传递函数模型构建mpc预测模型，以s2中建立的约束集构建mpc自定义约束，以s3中所述的目标函数形式构建自定义成本函数，并联立工具箱自带的标准目标函数构建最终的优化目标函数，并利用matlab非线性mpc工具箱默认的序列二次规划算法实现优化计算（工具箱通过调用matlab自带的fmincon函数进行优化求解）。本实施例中，通过试验，最终确定的mpc采样时间为15min，预测时域和控制时域均为8（即预测时长和控制时长均为8*15min）。
43.最终在simulink界面搭建图形计算程序，见图4所示。运行计算程序之后，得到调度优化指令，将指令传输给apros仿真系统以后，可得到最终的系统供冷和供热输出，并将结果与以往基于系统静态特性所做的优化调度结果进行了对比，最终结果见图5和图6所示。结果表明，当用户负荷需求变化比较明显的时段，运用系统动态模型的调度方法在冷热负荷调度输出与用户预测负荷需求的匹配程度上明显好于静态模型下的调度方式。原因在与动态模型能够反映出系统冷热传递的动态特性。相比于利用静态特性的调度策略，本方案能够额外考虑动态过程的影响，在原调度方案基础上做进一步的优化改进，调度策略的改进优化结果见图 7、图 8、图 9 和图 10 所示。
44.以上所述的利用matlab非线性mpc工具箱实现综合能源系统调度优化的方法仅是实现mpc优化调度算法的一种手段之一，然其并非用以限制本发明。有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

技术特征：
1.一种针对冷热电联供微网系统的mpc日内调度优化方法，其特征在于，包括：s1、构建微网系统各设备的传递函数模型；s2、根据各设备的能量约束条件，构建自定义约束集；所述能量约束条件包括容量；s3、采用mpc标准目标函数和自定义成本函数的和作为最终的优化目标函数；s4、设置合适的时间间隔、预测时域和控制时域，并采用序列二次规划寻优算法，实现mpc优化调度计算。2.根据权利要求1所述的针对冷热电联供微网系统的mpc日内调度优化方法，其特征在于，s1中，所述微网系统包括：电网、原动机、余热锅炉、吸收式制冷机、燃气锅炉和电制冷机；所述原动机产生的电能通过电线输送至外部为用户供电的供电管网，原动机供电不足时由电网进行补充；所述原动机产生的热能通过管路分别输送至余热锅炉和吸收式制冷机；所述余热锅炉产生的热量输送至为用户供热的供热管网；所述吸收式制冷机产生的冷量输送至为用户供冷的供冷管网；所述燃气锅炉产生的热能输送至所述供热管网，在余热锅炉供热不足时用以补充供热；所述供电管网上接有电动制冷机，电动制冷机产生的冷量通过管路输送至所述供冷管网，在吸收制冷机供冷不足时用以补充供冷。3.根据权利要求2所述的针对冷热电联供微网系统的mpc日内调度优化方法，其特征在于，s1中，所述微网系统的供热管网和供冷管网均设立一、二次网，一、二次网间通过冷、热板式交换站实现能量交换。4.根据权利要求1所述的针对冷热电联供微网系统的mpc日内调度优化方法，其特征在于，s1中，根据设备特性设计激励数据，输入到各设备输入端，获取输出数据，之后根据输入和输出数据，采用系统辨识方法分别构建微网系统各设备的传递函数模型。5.根据权利要求4所述的针对冷热电联供微网系统的mpc日内调度优化方法，其特征在于，s1中，所述设备特性指各供冷供热设备的阶跃响应时间。6.根据权利要求1所述的针对冷热电联供微网系统的mpc日内调度优化方法，其特征在于，s3中，所述mpc标准目标函数由下式确定：其中, 为标准目标函数，为跟踪参考输出的偏差，为跟踪控制变量的偏差，为控制变量增量的抑制项，为违反约束产生的罚函数项；不考虑控制变量跟踪和控制变量增量抑制，并且不存在其他软约束的情况下， 、、均为0；则mpc标准目标函数的形式表示为：其中，k为当前控制时间间隔；p为预测时域；n
y
为输出变量个数；为在第i个预测时域步长预测的第j个输出的值；为在第i个预测时域步长的第j个输出参考值；为第j个输出的比例因子；为第i个预测时域步长的第j个输出权重；z
k
是优化问题的qp解，表示为：。7.根据权利要求6所述的针对冷热电联供微网系统的mpc日内调度优化方法，其特征在
于，s3中，所述自定义成本函数表示为：其中，c
gas
为天然气成本，单位为元；c
ele
为电网购电成本，单位为元；c
om
为运维成本，单位为元；ts为时间间隔，单位为s；r
gas
为天然气价格，单位为元/kg；r
ele
为电网分时电价，单位为元/kwh；r
gt
、r
gb
、r
ec
、r
ac
、r
b
分别为原动机、燃气锅炉、电制冷机、吸收制冷机、余热锅炉运维价格，单位为元/kwh；gas1为原动机输入天然气流量；gas2为燃气锅炉输入天然气流量；p0为燃气轮机供电输出；p2为电网补充供电；p1为电制冷机输入电功率；cold1为电制冷机输出制冷量；cold2为吸收制冷机输出制冷量；heat1为余热锅炉输出供热量；最终的优化目标函数表示为：。8.一种针对冷热电联供微网系统的mpc日内调度优化装置，其特征在于，用于执行权利要求1至7任一所述的针对冷热电联供微网系统的mpc日内调度优化方法，包括：第一构建模块，用于构建微网系统各设备的传递函数模型；第二构建模块，用于根据各设备的能量约束条件，构建自定义约束集；所述能量约束条件包括容量；函数定义模块，用于采用mpc标准目标函数和自定义成本函数的和作为最终的优化目标函数；计算模块，用于设置合适的时间间隔、预测时域和控制时域，并采用序列二次规划寻优算法，实现mpc优化调度计算。9.一种计算机存储介质，其特征在于，所述计算机存储介质内存储有计算机程序；所述计算机程序在计算机上运行时，使得计算机执行权利要求1至7任一所述的针对冷热电联供微网系统的mpc日内调度优化方法。

技术总结
本发明涉及一种针对冷热电联供微网系统的MPC日内调度优化方法。发明的目的是克服现有技术中的不足，提出了一种针对冷热电联供微网系统的MPC日内调度优化方法。本发明的技术方案为提供了一种针对冷热电联供微网系统的MPC日内调度优化方法，包括：S1、构建微网系统各设备的传递函数模型；S2、根据各设备的能量约束条件，构建自定义约束集；所述能量约束条件包括容量；S3、采用MPC标准目标函数（Standard Cost Function）和自定义成本函数（Custom Cost Function）的和作为最终的优化目标函数；S4、设置合适的时间间隔、预测时域和控制时域，并采用序列二次规划寻优算法，实现MPC优化调度计算。本发明适用于能源调度技术领域。领域。领域。


技术研发人员：赵源 张翔 高俊 朱波 姜志伟 冯晓露 郑梦莲 戴馥
受保护的技术使用者：浙江大学
技术研发日：2023.02.09
技术公布日：2023/7/13