李先超, 邹媛媛, 牛玉刚, 贾廷纲

(1.华东理工大学化工过程先进控制和优化技术教育部重点实验室,上海 200237;2.上海电气集团股份有限公司自动化事业部,上海 200070)

基于预测控制的冷、热、电联产型微电网能量管理

李先超1, 邹媛媛1, 牛玉刚1, 贾廷纲2

(1.华东理工大学化工过程先进控制和优化技术教育部重点实验室,上海 200237;2.上海电气集团股份有限公司自动化事业部,上海 200070)

由于可再生能源出力特性和微电网运行约束等限制,如何进一步提高微电网中可再生能源消纳量已成为研究热点。本文在冷、热、电联产型微电网中引入用于提高可再生能源消纳量并承担部分热、冷负荷的电锅炉、吸收式制冷机和压缩式电制冷机装置,提出了基于预测控制的微电网能量管理方法。综合考虑网内各单元的工作特性,建立满足实际运行约束的冷、热、电联产型微电网能量管理模型。在孤网运行模式下,兼顾储能装置容量期望以及各单元运行特性,构建微电网能量管理优化目标。利用预测控制滚动优化策略以及可再生能源输出和冷、热、电负荷需求的预测结果,建立带有逻辑变量的有限时域优化问题,实现基于预测控制的微电网最优能量管理。仿真结果表明:引入电锅炉、吸收式制冷机和压缩式电制冷机装置可以达到提高微电网中可再生能源的消纳量、减少燃料消耗、降低运行成本的目的,预测控制中的滚动优化策略能够有效消除可再生能源输出的不确定性和冷、热、电负荷需求波动性带来的影响。

微电网; 可再生能源; 冷、热、电联产;预测控制

随着全球能源、环境问题的日益凸显,风能、太阳能等可再生能源得到广泛的关注。但可再生能源由于受到外界因素的影响供电输出具有不确定性,大量接入电网后,会使得电网的运行调度难度增加[1]。微电网作为一种包含可再生能源等分布式电源的综合集成技术为可再生能源的大量接入提供了一种有效的技术手段[2]。

冷、热、电联产系统(Combined Cooling,Heating and Power,CCHP)是一种建立在能源梯级利用概念基础上,将制冷、制热和供电三位一体化的供能系统。它可以同时满足用户对冷、热、电多种类型能源的需求,是一种经济节能、环境友好的供能方式[3],具有良好的社会和经济效益。CCHP型微电网是指由冷、热、电联产装置、分布式电源、储能装置、负荷以及控制装置等组成的具有自我监控和自我保护功能的小型发、配电系统。CCHP型微电网能量管理的实质是在满足冷、热、电3种能量平衡以及储能装置等物理设备约束和电网安全、稳定运行的前提下,根据各单元的信息制定微电网内各单元的最佳运行方案,从而使得微电网的运行成本达到最小。

针对CCHP型微电网能量管理问题,文献[4]通过微型燃气轮机对热、冷负荷进行供应,采用改进粒子群算法求得各微电源最佳经济出力。文献[5]引入可以将电能转换为冷、热能的空调机,利用基于模拟退火的粒子群优化算法对调度模型进行动态寻优。文献[6-8]通过引入吸收式制冷机和电制冷机消纳多余的电能和热能,进一步提高了能源的利用率,分别采用遗传算法、改进粒子群算法和量子烟花算法对微电网经济调度模型进行求解。

预测控制作为一种在工业过程中得到广泛应用的先进控制方法,具有对控制对象的模型要求不高、可处理约束多变量过程、可实现多目标优化以及滚动优化求解的特点[9],这些特点为解决微电网的能量管理问题开辟了一条新的思路。目前采用预测控制对多类型能源需求的微电网能量管理的研究较少且主要集中在热电联产系统。文献[10]以热电联产型微电网运行成本最小为目标建立混合整数线性规划模型,考虑可再生能源输出的不确定性、负荷需求和电价的波动性,采用预测控制算法求解得到各分布式电源的最佳经济出力。文献[11]采用分布式预测控制算法对由多个热电联产型微电网组成的多微电网系统的能量进行经济优化管理,微电网中的微型燃气轮机处于“以热定电”的运行模式,模型描述也过于简单。针对CCHP型微电网的能量管理问题更加复杂,除了要满足各种扰动存在情况下多种类型负荷的需求以及电网运行约束,不同模块之间的耦合关系也更加复杂,冷、热、电负荷之间往往存在着不匹配的关系。如当热负荷和冷负荷需求处于高峰而电负荷需求处于低谷时,微型燃气轮机在满足热负荷需求的同时,会产生相应的电能,而此时电能需求已经达到饱和状态,从而导致可再生能源的浪费。因此,针对CCHP型微电网如何进一步提高可再生能源的消纳量以及如何消除可再生能源供电和负荷需求波动性带来的影响是一个值得研究的问题。

针对上述问题,本文考虑在由风机、光伏电池、燃料电池、微型燃气轮机、溴冷机和储能装置构成的微电网中,引入用于提高可再生能源消纳量并承担部分热、冷负荷的电锅炉、吸收式制冷机和压缩式电制冷机装置。综合考虑网内各单元的工作特性,建立满足实际运行约束的冷、热、电联产型微电网能量管理模型。在孤网运行模式下,兼顾储能装置容量期望以及各单元运行特性,构建微电网能量管理优化目标,并利用可再生能源输出和冷、热、电负荷需求的预测结果,建立带有逻辑变量的有限时域滚动优化问题,给出具体预测控制能量管理实现算法。最后,通过孤网运行模式的CCHP型微电网算例仿真,分析了电锅炉、吸收式制冷机和压缩式电制冷机在可再生能源消纳方面的作用。

1 CCHP型微电网内各单元数学模型

1.1概述

本文考虑在由风机(Wind Turbine,WT)、光伏电池(Photovoltaic Cell,PV)、微型燃气轮机(Micro Turbine,MT)、燃料电池(Fuel Cell,FC)、蓄电池(Storage Battery,SB)、蓄热槽(Heat Storage Tank,HST)以及溴冷机等单元构成的微电网中,引入辅助设备电锅炉(Electric Boiler,EB)、吸收式制冷机(Absorption Refrigerator,AR)和压缩式电制冷机(Electric Compress Chiller,EC)构成可以提高可再生能源消纳量的CCHP型微电网,其能量流动如图1所示。

图1 CCHP型微电网能量流动示意图Fig.1 CCHP micro-grid system energy flow schematic

1.2电源设备模型

1.2.1 燃料电池 燃料电池是一种将存在于燃料和氧化剂中的化学能高效、无污染地转换为电能的发电装置。本文采用质子交换膜燃料电池,该燃料电池以天然气为一次能源且发电效率较高。k时刻燃料电池的输出功率为PFC(k),且满足

(1)

1.2.2 热电联产装置 热电联产系统的核心装置为微型燃气轮机和溴冷机,天然气燃烧时的热能做功驱动微型燃气轮机发电,所排出的高温余热通过溴冷机后应用于热负荷。微型燃气轮机制热功率与输出电功率比值一般为常数,忽略外界环境变化对发电效率的影响[12],其热电关系数学模型为

(2)

(3)

(4)

(5)

1.2.3 蓄电池 储能装置能够实现能量跨时段转移,可以在一定程度上缓解网内供需之间的不平衡。在冷、热、电联产型微电网中储能装置为蓄电池储能和蓄热槽储能。

蓄电池的能量流动模型为

(6)

(7)

(8)

(9)

蓄电池储能是一个既包含离散变量又包括连续变量的动态过程。这里,采用混合逻辑动态模型的处理方法,通过引入逻辑变量δb(k)和辅助变量zb(k)=δb(k)PSB(k),蓄电池储能的模型可以进一步写成

(10)

且满足

(11)

(12)

(13)

(14)

(15)

其中,ε∈(0,1) 。

1.2.4 蓄热槽 蓄热槽储能装置的能量流动模型与蓄电池储能装置类似,其模型为

EHST(k+1)=

(1-μ)EHST(k)+ηdhQHST(k)+(ηch-ηdh)zh(k)

(16)

(17)

(18)

且满足

(19)

(20)

(21)

(22)

(23)

1.3辅助设备模型

1.3.1 概述 为了进一步提高能源利用效率,本文在CCHP型微电网中引入电锅炉、吸收式制冷机和压缩式电制冷机参与能量管理。在可再生能源出力、热负荷需求以及冷负荷需求过高时,电锅炉和压缩式电制冷机会消耗多余的电能进行热、冷负荷的供应,避免了电能的浪费,降低了微型燃气轮机的燃料消耗。在可再生能源出力和热负荷需求过低时,微型燃气轮机进行供电,同时会产生相应比例的热能,若此时热负荷需求得到满足且蓄热槽处于饱和状态,则吸收式制冷机吸收过剩的热能进行冷负荷的供应,避免了热能的浪费。此过程实质是使用电锅炉、吸收式制冷机和压缩式电制冷机改变电负荷、热负荷和冷负荷之间的比例,从而达到降低微型燃气轮机燃料消耗、提高可再生能源消纳量的目的。

1.3.2 电锅炉 电锅炉是一种以电力为能源并将其转换为热能的电热转换装置。电锅炉可以与蓄热槽及热电联产系统共同满足热负荷的需求。其数学模型为

(24)

(25)

1.3.3 吸收式制冷机 在冷、热、电联产型微电网中,吸收式制冷机是提高可再生能源消纳量以及保证用户冷负荷需求的重要设备。本文采用目前比较流行的溴化锂吸收式制冷机,它是在热能的驱动下,依靠吸收器和发生器组的作用完成制冷循环。吸收式制冷机将输入的热量转换为冷量输出,其数学模型为

(26)

(27)

1.3.4 压缩式电制冷机 压缩式电制冷机可以将输入的电能转换为冷能输出,在提高可再生能源消纳量、保证电负荷与冷负荷功率的实时平衡以及降低系统的运行成本上具有重大意义。其数学模型为

(28)

(29)

2 基于预测控制的CCHP型微电网能量管理

2.1概述

由于可再生能源输出具有不确定性,负荷需求具有随机性,CCHP型微电网能量管理不仅需要满足储能装置等物理设备的约束,还要保证冷、热、电功率的实时平衡。实际控制中还需要考虑安全性、经济性等多个目标的优化,这给CCHP型微电网的能量管理提出了更高的要求。在优化过程中,预测控制采用基于系统的预测信息,并利用反馈校正机制在满足系统约束的前提下在线求解有限时域多目标优化问题,能够克服系统不确定性的影响,实现多目标优化,从而为CCHP型微电网能量管理提供了一种有效的解决方法。

2.2CCHP型微电网预测模型

CCHP型微电网内电负荷和电锅炉、压缩式电制冷机的用电量由风机、光伏电池、微型燃气轮机、燃料电池和蓄电池共同提供,其功率平衡方程为

(31)

热负荷以及吸收式制冷机的用热量则由电锅炉与微型燃气轮机和蓄热槽共同提供,根据功率平衡可得

(32)

其中,F(k)为k时刻热负荷需求的功率预测值。

冷负荷由吸收式制冷机和压缩式电制冷机共同提供,其功率平衡方程为

(33)

其中,G(k)为k时刻冷负荷需求的功率预测值。

(34)

其中:

根据式(34),CCHP系统的预测模型可以描述为

(35)

其中:

其中,P为预测时域长度。

非常规互感器是在光电技术和光纤通信技术的其他上发展起来的，其在智能变电站中的应用有效的发送了传统互感器输出失真、与计算机相连的诸多缺陷，其在智能变电站中使信息的全数字化实时采集功能得到实现，实现了电气量的精准商量，改善了传统模式下的各种测量、保持和计量等问题，并使其内部信号采集功能更加强大，抗干涉能力提高使电网状态估计水平和继电保护性能得到了有效的提高。

2.3CCHP型微电网预测控制优化问题

本文中CCHP型微电网处于孤网运行模式,在微电网能量管理的过程中需要考虑如下实际需求:

(1) CCHP型微电网能量管理需要满足冷、热、电负荷供需的实时平衡;

(2) 微型燃气轮机、燃料电池、电锅炉、吸收式制冷机和压缩式电制冷机需要在满足自身约束的前提下参与到微电网能量管理过程;

(3) 为了保证储能装置安全、稳定地运行,往往期望储能装置实时容量控制在期望值附近[13];

(4) 由于新能源供电无污染、成本低,因此期望尽可能地提高可再生能源的消纳量,降低其他微电源的发电量。

综合考虑上述因素,针对孤网运行模式下的CCHP型微电网能量管理优化目标描述如下:

(36)

(37)

其中,Xref为储能装置容量的期望值。

由于上述优化问题的约束条件中存在逻辑变量,经典预测控制优化问题的求解方法不再适用,因此,可以将上述优化问题转化为混合整数二次规划(Mixed Integer Quadratic Programming,MIQP)问题进行求解,得到

(38)

(39)

针对式(38)和式(39)所描述的优化问题,通过求解MIQP问题可得到当前时刻的最优控制律[14]。

2.4基于预测控制的CCHP型微电网能量管理算法

预测控制采用基于系统的预测信息,利用反馈校正机制在满足系统约束的前提下在线求解有限时域多目标优化问题,在得到最优控制律后,将即时控制律作用到被控对象中,到下一个采样时刻,相应的优化时域向前推移一次,重新求解新时刻新的优化问题。基于预测控制的CCHP型微电网能量管理算法步骤如下:

(1) 在当前时刻k,采集新能源在未来一段时间内的供电输出预测值Pnew(k)以及电负荷、热负荷、冷负荷在未来一段时间内的需求预测值E(k) 、F(k)、G(k) 并传递给中央控制器;

(2) 中央控制器通过储能装置的数据采集分析装置得到k时刻蓄电池和蓄热槽的容量信息,在满足功率平衡、储能装置及其他分布式电源等设备约束条件下,将优化问题(式(36))转化为标准的混合整数二次规划问题(式(38))进行求解,得到当前时刻的最优控制律U*(k),从而可以得到微电网内可再生能源、微型燃气轮机、燃料电池、电锅炉、吸收式制冷机、电制冷机、蓄电池和蓄热槽在控制时域内的最优运行方案。将即时控制律施加到被控对象中,得到下一时刻蓄电池和蓄热槽的容量信息;

(3) 滚动移位到下一个采样时刻k=k+1,并返回步骤(1),重复以上步骤。

针对本文提出的CCHP型微电网预测控制能量管理算法,为了进一步加强收敛性,提高算法的收敛速度,可以采用终端代价函数预测控制算法或者带有终端约束集的预测控制算法进行求解[15-17]。

混合整数二次规划问题通常属于 NP-Hard问题。随着微电网规模的增大以及有效约束的增加,预测控制优化问题的求解时间将呈指数上升,分支定界算法是求解该类问题的有效方法[17]。同时,为了降低计算量,缩短在线优化时间,可采用一些新型算法求解MIQP问题[18]。

3 算例分析

3.1基础数据

本文考虑的CCHP型微电网处于孤网运行模式,且包含风机、光伏电池、燃料电池、热电联产系统、电锅炉、吸收式制冷机、压缩式电制冷机、蓄电池和蓄热槽等单元。预测时域长度P=4,控制时域长度M=4。CCHP型微电网中可再生能源24 h的供电输出预测值以及电负荷、热负荷、冷负荷24 h的需求预测值如图2所示。

图2 24 h可再生能源供电输出及冷热电负荷需求预测值Fig.2 Forecast output of the renewable energy and loads over 24 h

为了方便说明,本文中的热量及冷量单位均换算为功率进行计算。CCHP型微电网内各微电源出力顺序由其单位电量下的运行成本决定,微电源相关参数如表1所示[12,19],蓄电池和蓄热槽的参数如表2所示[12]。

为分析电锅炉、吸收式制冷机和压缩式电制冷机引入的作用与好处,进行4种场景下CCHP型微电网内可再生能源消纳量和微电源容量变化的对比分析,如表3所示。

表1 CCHP型微电网系统运行参数Table 1 Operational parameters of CCHP micro-grid

表2 储能装置参数Table 2 Parameters of energy storage devices

表3 4种场景下的CCHP型微电网系统Table 3 Four scenarios of CCHP micro-grid

3.2CCHP型微电网能量管理结果分析

应用本文提出的预测控制算法进行优化问题的求解,可以获得CCHP型微电网内储能装置的实时容量及各微电源的最佳出力情况,分别如图3～6所示。

图3 24 h 储能装置的实时容量Fig.3 Real-time capacity of storage devices over 24 h

图4 24 h储能装置的运行状态及充放电量和热量Fig.4 Operational state and charged energy of storage devices over 24 h

图5 24 h可再生能源消纳量、微型燃气 轮机和燃料电池的发电量Fig.5 Consumption of renewable energy and outputs of MT and FC over 24 h

图6 24 h电锅炉、压缩式电制冷机和 吸收式制冷机的调度计划Fig.6 Scheduling of EB,EC and AR over 24 h

选取4个典型时刻(07:00、10:00、12:00、17:00)进行详细分析。从图2中可以看出,在07:00时,可再生能源供电不足,电、热、冷负荷均得不到满足。电负荷优先利用没有成本的可再生能源供应,不足部分由成本相对较高的燃料电池进行供应。由于此时热负荷在电锅炉供热能力之外,则热负荷优先利用成本较低的电锅炉供应,不足部分由成本相对较高的微型燃气轮机进行供应。由于冷负荷在压缩式电制冷机供冷能力之外,则冷负荷优先利用成本较低的压缩式电制冷机供应,不足部分由成本相对较高的吸收式制冷机进行供应。此时成本更高的蓄电池和蓄热槽均停止使用。在10:00时,可再生能源充足,热、冷负荷分别在电锅炉和压缩式电制冷机的供热和供冷能力之内。此时电负荷全部由没有成本的可再生能源供应,热负荷全部由电锅炉供应,冷负荷全部由压缩式电制冷机供应,所需电能均来自没有成本的可再生能源。吸收式制冷机、燃料电池、微型燃气轮机、蓄电池、蓄热槽均停止使用,剩余的可再生能源浪费处理。在12:00时,可再生能源同样充足,但是热负荷在电锅炉供热能力之内而冷负荷在压缩式电制冷机供冷能力之外。此时电负荷全部由没有成本的可再生能源供应,热负荷全部由电锅炉供应,所需电能来自可再生能源,冷负荷优先利用压缩式电制冷机进行供应,不足部分由吸收式制冷机进行供应,所需热能来自电锅炉之间的电热转换以及蓄热槽进行放热,而成本较高的燃料电池、微型燃气轮机、蓄电池则停止使用,剩余的可再生能源浪费处理。在17:00时,可再生能源供电仅能满足电负荷,热负荷在电锅炉供热能力之内,冷负荷在压缩式电制冷机供冷能力之外,此时电负荷全部由可再生能源供应,热负荷优先利用成本较低的电锅炉供应,不足部分由成本相对较高的微型燃气轮机进行供应,冷负荷优先利用压缩式电制冷机供应,不足部分由吸收式制冷机进行供应,蓄电池和蓄热槽停止使用。在保证冷热电负荷供需实时平衡的前提下,各微电源按照运行成本由小到大的顺序依次进行出力,从而使得微电网的运行成本最低,各微电源出力达到最佳。

场景1～4下CCHP型微电网可再生能源的消纳量如图7所示,对比场景1和场景2可以看出,引入电锅炉可以显著提高可再生能源的消纳量,这是因为当可再生能源出力、热负荷需求以及冷负荷需求过高时,电锅炉会消耗多余的电能进行热负荷和冷负荷的供应,从而降低燃料电池和微型燃气轮机的消耗,提高能源的利用率。对比场景1和场景3可以看出,引入吸收式制冷机并没有提高可再生能源的消纳量,但需要增加压缩式电制冷机的容量才能保证冷负荷需求的供应,导致成本增加。这是由于吸收式制冷机是消纳多余的热能进行冷负荷的供应,当可再生能源出力和热负荷需求过低时,若此时微型燃气轮机供电则会产生相应的热能,多余的热能则被吸收式制冷机消纳供应冷负荷,避免了热能的浪费。对比场景1和场景4可以看出,引入压缩式电制冷机可以显著提高可再生能源的消纳量,这是因为压缩式制冷机消耗多余的电能进行冷负荷的供应,降低了吸收式制冷机的消耗,提高了能源的利用率。

图7 场景1～4下CCHP型微电网中可再生能源消纳量Fig.7 Consumption of renewable energy in CCHP micro-grid from scenario one to scenario four

通过上述分析可以看出,本文提出的基于预测控制的CCHP型微电网能量管理算法能够保证冷热电负荷供需的实时平衡,验证了算法的有效性。引入的电锅炉、吸收式制冷机和压缩式电制冷机装置能够改变CCHP型微电网内电负荷、热负荷和冷负荷之间的比例,消纳过剩的电能和热能,降低微型燃气轮机的燃料消耗以及提高可再生能源的消纳量。

4 结 论

本文针对由风机、光伏电池、燃料电池、微型燃气轮机、溴冷机、电锅炉、吸收式制冷机、压缩式电制冷机和储能装置(蓄电池和蓄热槽)等单元组成的CCHP型微电网,提出了基于预测控制的能量管理方法。通过分析CCHP型微电网能量管理的结果以及电锅炉、吸收式制冷机和压缩式电制冷机在可再生能源消纳方面的作用,得出以下结论:

(1) 基于预测控制的CCHP型微电网能量管理算法不仅可以保证冷、热、电负荷供需实时平衡,得到各微电源最佳出力而且还能够消除由可再生能源供电不确定性和冷热电负荷需求波动性带来的扰动影响。

(2) 引入电锅炉、吸收式制冷机和压缩式电制冷机的CCHP型微电网能够改变电负荷、热负荷和冷负荷的比例,减少微型燃气轮机的燃料消耗、提高可再生新能源的消纳量以及微电网能量管理的灵活性。

[1] 杨新法,苏剑,吕志鹏,等.微电网技术综述[J].中国电机工程学报,2014,34(1):57-70.

[2] KATIRAEI F,IRAVANI R,HATZIARGYRIOU N,etal.Microgrids management[J].IEEE Power and Energy Magazine,2008,6(3):54-65.

[3] 刘皓明,康凤琴,朱芳芳.计及冷热电联供的微电网电源优化配置[J].电力需求侧管理,2014,16(2):9-15.

[4] 柳川,王宇拓,王林川,等.含冷热电联供系统微电网优化运行研究[J].电测与仪表,2015,52(2):31-37.

[5] 李正茂,张峰,梁军,等.计及附加机会收益的冷热电联供型微电网动态调度[J].电力系统自动化,2015,39(14):8-15.

[6] 魏大钧,张承慧,孙波.计及变负荷特性的小型冷热电联供系统经济优化运行研究[J].电网技术,2015,39(11):3240-3246.

[7] 熊焰,吴杰康,王强,等.风光气储互补发电的冷热电联供优化协调模型及求解方法[J].中国电机工程学报,2015,35(14):3616-3625.

[8] 曾鸣,彭丽霖,孙静惠,等.兼容需求侧可调控资源的分布式能源系统经济优化运行及其求解算法[J].电网技术,2016,40(6):1650-1656.

[9] QIN S J,BADGWELL T A.A survey of industrial model predictive control technology[J].Control Engineering Practice,2003,11(7):733-764.

[10] ZHANG Y,ZHANG T,WANG R,etal. Optimal operation of a smart residential microgrid based on model predictive control by considering uncertainties and storage impacts[J].Solar Energy,2015,122:1052-1065.

[11] LARSEN G,TRIP S,VAN F N,etal.Distributed MPC for controllingμ-CHPs in a network[C]//American Control Conference.USA:IEEE, 2012:3089-3094.

[12] 李正茂,张峰,梁军,等.含电热联合系统的微电网运行优化[J].中国电机工程学报,2015,35(14):3569-3576.

[13] 沈枢,张沛超,李中豪,等.平抑长短期风电功率波动的风储协调运行方法[J].电力系统自动化,2015,39(8):12-18.

[14] BEMPORAD A,MORARI M.Control of systems integrating logic,dynamics,and constraints[J].Automatica,1999,35(3):407-427.

[15] 席裕庚.预测控制[M].北京:国防工业出版社,1993.

[16] 席裕庚,李德伟.预测控制定性综合理论的基本思路和研究现状[J].自动化学报,2008,34(10):1225-1234.

[17] 李坚强,裴海龙,王辉鹏.基于混合系统与终端不变集约束的混合整数规划优化问题[J].自动化学报,2008,34(9):1203-1208.

[18] 王宇红,赵旭.基于MLD模型的预测控制可行性与约束优先级研究[J].控制与决策,2010,25(9):1389-1398.

[19] 彭树勇.冷热电联供型微电网优化配置与运行研究[D].成都:西南交通大学,2014.

EnergyManagementofCombinedCooling,HeatingandPowerMicro-gridBasedonModelPredictiveControl

LIXian-chao1,ZOUYuan-yuan1,NIUYu-gang1,JIATing-gang2

(1.KeyLaboratoryofAdvancedControlandOptimizationforChemicalProcesses,MinistryofEducation,EastChinaUniversityofScienceandTechnology,Shanghai200237,China;2.AutomationDivisionofShanghaiElectricGroupCo.Ltd,Shanghai200070,China)

Due to renewable energy output characteristics and system operational constraints,the improvement on the consumption of renewable energy has been a hot issue recently.By introducing the electric boiler,absorption refrigerator and electric compress chiller into the combined cooling,heating and power (CCHP) micro-grid for increasing the consumption of renewable energy and supply part of heating and cooling loads,this paper proposes a model predictive control energy management method,in which a model of CCHP micro-grid satisfying the actual operation constraints is established and the operational characteristics of each unit in the micro-grid are considered.In an intentional island mode,we establish the optimization objective function of energy management by considering the expected capacity value of energy storage devices and operating characteristics of each unit.And then,a finite-horizon optimization problem with logic variables is established by using receding horizon optimization strategy of model predictive control and the forecast result of renewable energy and load power.Finally,simulation results show that the introduction of electric boiler,absorption refrigerator and electric compress chiller can effectively improve the consumption of renewable energy,reduce the consumption of fuel and decrease the operation costs.Besides,the receding horizon optimization strategy can eliminate the effect of the intermittent output of renewable energy and fluctuation of load demand.

micro-grid; renewable energy; combined cooling,heating and power; predictive control

1006-3080(2017)04-0516-09

10.14135/j.cnki.1006-3080.2017.04.010

2016-10-27

国家自然科学基金(61374107,61673174);国家科技支撑计划(2015BAF10B00)

李先超(1990-),男,山东临沂人,硕士生，研究方向为微电网能量管理。E-mail:942387691@qq.com

邹媛媛，E-mail:yyzou@ecust.edu.cn

TP273

A