姜恩宇, 陳 宇, 施崢靖, 吳哲城, 林順富, 李東東

(1. 上海電力大學(xué) 電氣工程學(xué)院,上海200082; 2. 山東核電有限公司,山東 煙臺 264000)

為了應(yīng)對化石能源的短缺以及生態(tài)環(huán)境惡化等問題,習(xí)近平總書記在第七十五屆聯(lián)合國大會上宣布,中國力爭于2030年前實現(xiàn)碳達峰,2060年前實現(xiàn)碳中和.中國于2017年正式啟動碳排放權(quán)交易市場,簡稱碳市場[1];市場中碳排放權(quán)交易的商品為中國核證減排量與碳排放配額,簡稱碳配額[2].目前,我國碳市場的運行機制主要指碳配額交易,利用配額制限制碳排放的同時,將多余碳排放份額視為商品,在市場進行自由交易,促進可再生能源的發(fā)展[3].

已有眾多學(xué)者將碳配額機制引入含可再生能源的電力系統(tǒng)優(yōu)化調(diào)度中.文獻[4]中指出碳排放交易,尤其是配額交易在成功實現(xiàn)減排目標(biāo)中發(fā)揮極大的作用, 并結(jié)合我國電力行業(yè)的市場特點, 提出一種碳排放權(quán)可調(diào)分配機制.文獻[5]中考慮碳排放配額制對電力系統(tǒng)運行成本的影響,構(gòu)建經(jīng)濟調(diào)度計劃模型,在實現(xiàn)低碳調(diào)度的同時,實現(xiàn)可再生能源最優(yōu)接納.同時,微電網(wǎng)技術(shù)作為充分利用新能源、解決傳統(tǒng)電網(wǎng)和分布式能源之間的矛盾、發(fā)揮負荷側(cè)需求響應(yīng)作用的有效途徑被廣泛研究[6].文獻[7]中提出基于分時電價和碳配額雙重激勵協(xié)同博弈的需求響應(yīng)策略,減小電動汽車接入微電網(wǎng)的影響,但是只考慮系統(tǒng)經(jīng)濟性而沒有考慮可再生能源不確定性帶來的系統(tǒng)穩(wěn)定性問題.因此,如何在微電網(wǎng)的優(yōu)化調(diào)度中降低可再生能源不確定性給系統(tǒng)帶來的影響,以及耦合需求響應(yīng)技術(shù)推動實現(xiàn)“碳達峰、碳中和”是目前亟需解決的問題[8].

現(xiàn)階段,不斷發(fā)展的預(yù)測技術(shù)很大程度上解決了可再生能源的不確定性問題[9],但是系統(tǒng)在實際運行中總是無法完全吻合預(yù)測曲線,也無法應(yīng)對突然的擾動對系統(tǒng)穩(wěn)定性的影響,并且隨著預(yù)測時間范圍的增加,預(yù)測精度也會隨之下降[10].越來越多學(xué)者從多時間尺度優(yōu)化調(diào)度開展研究,日前制定調(diào)度計劃值,日內(nèi)將遺留的偏差對可控分布式電源進行功率調(diào)整以平抑功率波動[11],從而消除預(yù)測誤差.文獻[12]中從日前與日內(nèi)兩個時間尺度對獨立微電網(wǎng)進行協(xié)調(diào)優(yōu)化,保證微電網(wǎng)經(jīng)濟穩(wěn)定的運行.盡管多級協(xié)調(diào)、逐步細化調(diào)度策略能很大程度上消納間歇性能源及負荷的波動性,但是這種開環(huán)的優(yōu)化調(diào)度過程并沒有考慮實際系統(tǒng)對優(yōu)化控制過程的反饋校正[13].因此,模型預(yù)測控制(Model Predictive Control, MPC)這一基于模型的有限時域閉環(huán)控制算法被應(yīng)用到微電網(wǎng)中.MPC對狀態(tài)和控制變量都具有約束的多變量系統(tǒng)進行控制,使用當(dāng)前時段的測量值和預(yù)測模型,并引入反饋校正環(huán)節(jié),及時糾正預(yù)測誤差,從而提高優(yōu)化控制精度,使微網(wǎng)優(yōu)化調(diào)度方案具有較強的抗干擾能力和魯棒性.

目前已有研究者采用MPC策略對微電網(wǎng)的能量調(diào)度優(yōu)化進行研究.文獻[14]中為應(yīng)對冷熱電多能聯(lián)供型微電網(wǎng)系統(tǒng)不確定性對系統(tǒng)經(jīng)濟調(diào)度的影響,以日前計劃聯(lián)供設(shè)備的出力值為參考值,在日內(nèi)基于模型預(yù)測控制的多步滾動優(yōu)化求解出各聯(lián)供設(shè)備的平滑出力,實現(xiàn)其經(jīng)濟及安全運行,但是未考慮需求響應(yīng)在微電網(wǎng)中的影響和作用.文獻[15]中通過上層基于MPC的滾動優(yōu)化策略與下層混合儲能實時控制策略形成兩種時間尺度控制的協(xié)調(diào)配合來降低微電網(wǎng)光伏和負荷分鐘級功率波動對跟蹤調(diào)度計劃的影響,保證調(diào)度計劃實時有效執(zhí)行, 但是沒有考慮微電網(wǎng)運行的經(jīng)濟性.文獻[16]中針對區(qū)域綜合能源系統(tǒng)提出“日前-日內(nèi)-實時”三時間尺度的優(yōu)化調(diào)度策略.在實時調(diào)度環(huán)節(jié)結(jié)合模型預(yù)測控制理論,利用反饋校正和滾動優(yōu)化調(diào)整微源出力,但在日前的經(jīng)濟性調(diào)度中采取直接負荷控制的需求響應(yīng)方式,并沒有考慮類似電動汽車等靈活性需求響應(yīng)資源[17].

綜上所述,考慮碳配額結(jié)合實時電價機制來引導(dǎo)電動汽車參與需求響應(yīng),提出基于兩層模型預(yù)測控制的微電網(wǎng)優(yōu)化調(diào)度策略.在第一層利用由碳配額引導(dǎo)電動汽車參與需求響應(yīng),提高電動汽車參與微電網(wǎng)調(diào)度的積極性,實現(xiàn)微電網(wǎng)削峰填谷,經(jīng)濟運行;第二層利用短時間尺度的模型預(yù)測控制補償由可再生能源預(yù)測誤差導(dǎo)致的瞬時功率不匹配,降低其波動性對微電網(wǎng)的影響,實時修正最優(yōu)出力曲線,實現(xiàn)微電網(wǎng)的穩(wěn)定運行.

1 兩層模型預(yù)測控制

1.1 兩層模型預(yù)測控制能量管理策略

典型的模型預(yù)測控制具有模型預(yù)測、滾動優(yōu)化和反饋校正3個環(huán)節(jié),基本結(jié)構(gòu)如圖1所示.由預(yù)測模型模塊根據(jù)被控對象的歷史信息等預(yù)測未來所需預(yù)測范圍內(nèi)的響應(yīng).滾動優(yōu)化模塊根據(jù)設(shè)定的目標(biāo)函數(shù)和約束條件求解最優(yōu)出力.反饋校正模塊將系統(tǒng)實際的運行值反饋到滾動優(yōu)化環(huán)節(jié),代替預(yù)測值進行下一個控制間隔的滾動優(yōu)化求解.

圖1 單層模型預(yù)測控制結(jié)構(gòu)Fig.1 Structure of single-layer model predictive control

大多數(shù)多時間尺度優(yōu)化調(diào)度的研究都將MPC算法應(yīng)用在短時間尺度的調(diào)度環(huán)節(jié)中,利用其閉環(huán)優(yōu)化控制的作用校正長時間尺度調(diào)度計劃上的實際調(diào)度偏差.

單層MPC中的預(yù)測模型模塊收集微電網(wǎng)系統(tǒng)的分布式電源出力曲線和負荷曲線歷史數(shù)據(jù),預(yù)測調(diào)度時段內(nèi)下一個控制間隔的調(diào)度計劃.滾動優(yōu)化模塊,即目標(biāo)以運行成本最低的能量管理模型根據(jù)設(shè)定的目標(biāo)函數(shù)和約束條件反復(fù)求解出各發(fā)電單元的最優(yōu)出力.反饋校正模塊在長時間段內(nèi),按照既定的短時間尺度,不斷重復(fù)將系統(tǒng)實際的運行值反饋到滾動優(yōu)化環(huán)節(jié),代替預(yù)測值進行下一個控制間隔的滾動優(yōu)化求解;但長時間內(nèi)對調(diào)整量過于頻繁的滾動優(yōu)化和反饋校正會導(dǎo)致后期的發(fā)用電單元調(diào)度壓力過大,且該模型穩(wěn)定性較差,可能會由于可再生能源波動和預(yù)測、反饋誤差造成求解最優(yōu)出力序列的波形冗余甚至失真.

因此,提出基于兩層模型預(yù)測控制的調(diào)度策略,通過兩層之間預(yù)測域和控制域的選擇,實現(xiàn)雙時間尺度的優(yōu)化功能,并將第二層以功率波動最小為優(yōu)化目標(biāo)的MPC優(yōu)化調(diào)度環(huán)節(jié)作為第一層MPC的反饋校正環(huán)節(jié),實現(xiàn)實時修正可再生能源功率波動,降低預(yù)測誤差帶來的影響.兩層模型預(yù)測控制結(jié)構(gòu)圖如圖2所示.第一層MPC經(jīng)過模型預(yù)測和滾動優(yōu)化兩個環(huán)節(jié)獲得第一個調(diào)度時段內(nèi)的各發(fā)電單元最優(yōu)出力結(jié)果,并將其下發(fā)給第二層;第二層MPC將第一層的每個調(diào)度時段再細分TS個調(diào)度時段,經(jīng)過TS次滾動優(yōu)化和反饋校正后將第二層的最終各發(fā)電單元最優(yōu)出力結(jié)果返回第一層;第一層再進行下一調(diào)度時段的優(yōu)化.

圖2 兩層模型預(yù)測控制結(jié)構(gòu)Fig.2 Structure of two-layer model predictive control

由上述分析可知,兩層MPC原理圖如圖3所示.藍色表示第一層的優(yōu)化過程;綠色表示第二層的修正過程.其中,設(shè)置第一層MPC預(yù)測域長度為Tf,控制間隔為Δtf,滾動優(yōu)化一次得到tf時刻的最優(yōu)控制序列[utf|tfutf+1|tf…utf+Tf-1|tf]T,tf∈{1,2,…,Tf},但是只下發(fā)第一個utf|tf調(diào)度指令給第二層;第二層MPC預(yù)測域長度為TS,且TS=Δtf,控制間隔為ΔtS,因此第二層每一次滾動優(yōu)化可得到tS時刻的最優(yōu)控制序列[utS|tSutS+1|tS…utS+TS-1|tS]T,tS∈{1,2,…,TS},并只下發(fā)第一個調(diào)度指令utS|tS給微電網(wǎng)執(zhí)行,然后繼續(xù)進行循環(huán),經(jīng)過時間TS之后第二層完成一次完整的閉環(huán)滾動優(yōu)化調(diào)度,并將最后一次優(yōu)化結(jié)果的狀態(tài)變量返回給第一層,第一層MPC進行下一次tf+1時刻的優(yōu)化調(diào)度,兩層MPC循環(huán)滾動優(yōu)化,直至第一層優(yōu)化調(diào)度周期結(jié)束,即tf+Tf時刻.

圖3 兩層MPC原理圖Fig.3 Schematic diagram of double-layer MPC

1.2 碳配額引導(dǎo)需求響應(yīng)機制

傳統(tǒng)需求響應(yīng)機制有價格型和激勵型兩種,隨著碳排放權(quán)交易機制的不斷發(fā)展和完善,可引入碳配額機制來引導(dǎo)用戶參與需求響應(yīng),同時發(fā)揮用戶的減排潛力,形成電力用戶自主選擇低碳減排、綠色用電的習(xí)慣.碳配額交易市場是將二氧化碳等溫室氣體的排放權(quán)作為交易對象,在自上而下的碳排放權(quán)核算與分配體系下,基于不同邊際減排成本、企業(yè)之間的碳配額市場供需關(guān)系,由擁有富余碳配額的企業(yè)出售、碳配額履約不足的企業(yè)購買,根據(jù)碳配額價值和市場供需關(guān)系產(chǎn)生碳價格,形成市場交易[15].

本文提出利用碳配額機制引導(dǎo)電動汽車參與到需求響應(yīng)中,當(dāng)電動汽車除了為需求側(cè)供能,還可以為大電網(wǎng)輸送電能時,大電網(wǎng)因獲得電動汽車電能而少排放的碳排量即為電動汽車用戶售出的碳配額.電動汽車用戶通過售賣所節(jié)省的碳配額獲得額外收益,進而可以養(yǎng)成用戶自發(fā)選擇低碳減排的習(xí)慣.微電網(wǎng)可通過出售碳配額獲得收益,同時減少碳排放量.國內(nèi)碳排放配額一般采用免費分配制,依據(jù)分配的參照標(biāo)準(zhǔn)不同又可分為“祖父法則的分配”和“標(biāo)桿法則的分配”,又稱歷史法和基準(zhǔn)線法.其中基準(zhǔn)線法[18]在節(jié)能減排上效果更佳,因此采用基準(zhǔn)線法來確定碳配額,即給定碳配額為F0,在此額度內(nèi)無需購買碳配額,并可將剩余的碳配額賣出,超出的部分需另外購買碳配額.

2 考慮碳配額的兩層模型預(yù)測控制優(yōu)化調(diào)度模型

2.1 第一層MPC模型

2.1.1可再生能源模型 可再生能源的預(yù)測誤差與提前預(yù)測的時間和預(yù)測技術(shù)密切相關(guān).太陽能輻照強度的預(yù)測技術(shù)不同導(dǎo)致太陽能出力預(yù)測誤差在20%～35%之間,而風(fēng)能在提前1 d預(yù)測的情況下誤差會超過10%,縮短至1 h內(nèi)預(yù)測時誤差可減小至5%～6%[19].本文的可再生能源模型根據(jù)光伏發(fā)電(簡稱光伏)和風(fēng)力發(fā)電(簡稱風(fēng)電)的歷史數(shù)據(jù),采用梯度不確定性水平進行建模,如下式所示:

(1)

(2)

2.1.2電動汽車行駛特性 電動汽車因其特有的電動汽車入網(wǎng)技術(shù)(Vehicle-to-Grid, V2G)功能,不僅可以作為微電網(wǎng)中靈活性高的可調(diào)度負載,同時可作為能量存儲設(shè)備,在微電網(wǎng)的需求響應(yīng)中發(fā)揮重要作用.

研究表明,汽車1 d中有超過90%的時間處于停駛狀態(tài)[21].因此,充分利用電動汽車停駛時間參與微電網(wǎng)需求響應(yīng),在保證電動汽車電池壽命的同時,可出售碳配額獲取收益.

假設(shè)某地區(qū)的電動汽車總量為N,則tf時刻電動汽車最大可調(diào)度數(shù)量為

(3)

式中:Ppark(tf)為tf時刻電動汽車停駛概率.則電動汽車的模型可表示為

EEV(tf+1)=

EEV(tf)-ηEVPEV(tf)Δtf-Edr(tf)

(4)

Edr(tf)=N(1-Ppark(tf))vEVSΔtf

(5)

式中:EEV(tf)、PEV(tf)分別為電動汽車在tf時刻的電池總實際電量和總充放電功率;ηEV為電動汽車充放電效率;Edr(tf)為電動汽車在Δtf時段內(nèi)所有電動汽車行駛的耗電量;vEV為電動汽車平均速度;S為電動汽車每百公里(1公里=1 km)耗電量.

2.1.3碳配額引導(dǎo)的需求響應(yīng)機制 從電能能量守恒的整體性出發(fā),需求側(cè)的電能一方面可來源于可再生能源,另一方面來源于電動汽車和大電網(wǎng)供電.由此可得新能源放電與需求側(cè)所需電能間的功率差值:

ΔP(tf)=PL(tf)-PPV(tf)-PWT(tf)=

PEV(tf)+PM(tf)

(6)

式中:PL(tf)為負荷功率;PM(tf)為大電網(wǎng)在tf時刻的總充放電功率.

利用列舉法,從電動汽車充放電角度出發(fā),將碳配額引導(dǎo)需求響應(yīng)機制的情況分成PEV≥0和PEV<0兩大類,如圖4和圖5所示.

圖4 電動汽車放電條件下的碳配額機制Fig.4 Carbon quota mechanism under electric vehicle discharge conditions

圖5 電動汽車充電條件下的碳配額機制Fig.5 Carbon quota mechanism under electric vehicle charging conditions

當(dāng)電動汽車有足夠電能放電,即PEV≥0時,可以分成兩種情況.

(1) 當(dāng)ΔP(t)>0,需求側(cè)電能可以由可再生能源、電動汽車、大電網(wǎng)之間協(xié)調(diào)供電,其供電優(yōu)先級為PPV(t)=PWT(t)>PEV(t)>PM(t).

若微電網(wǎng)中有剩余電能可供于大電網(wǎng),電動汽車和大電網(wǎng)碳排放如下:

(7)

式中:FEV、FM分別為電動汽車與大電網(wǎng)的碳排放量;MH為火電單位電量碳排放因子.

此時,實際碳排放均由大電網(wǎng)產(chǎn)出,其減少的碳排量為大電網(wǎng)減少碳排量,因此整體的碳排放量需計算電動汽車售賣給大電網(wǎng)和需求側(cè)的碳配額得到,總碳排放量如下:

FC=-PEVMH

(8)

若微電網(wǎng)中無剩余電能可供給大電網(wǎng)甚至需要大電網(wǎng)供電時,電動汽車和大電網(wǎng)碳排放如下:

(9)

此時,實際碳排放均由大電網(wǎng)產(chǎn)出,其減少的碳排量為電動汽車售賣給大電網(wǎng)和需求側(cè)的碳配額,因此微電網(wǎng)總碳排放量需計算電動汽車售賣給需求側(cè)的碳配額和大電網(wǎng)的實際碳排放量得到,如下所示:

FC=-PEVMH+PMMH

(10)

(2) 當(dāng)ΔP(t)≤0時,需求側(cè)所需電能可由可再生能源完全供給,此時可再生能源剩余電能和電動汽車放電所產(chǎn)生的電能可全部輸送至大電網(wǎng),電動汽車和大電網(wǎng)碳排放如下:

(11)

此時,碳排放均由大電網(wǎng)產(chǎn)出,其減少的碳排量為電動汽車售賣給大電網(wǎng)的碳配額,因此整體的碳排放量相當(dāng)于電動汽車售賣給大電網(wǎng)的碳配額,總碳排放量如下:

FC=PMMH

(12)

當(dāng)電動汽車電量不足需要充電,即PEV<0時,可以分成兩種情況:

(1) 當(dāng)ΔP(t)<0時,需求側(cè)電能可以由可再生能源、大電網(wǎng)之間協(xié)調(diào)供電,其供電優(yōu)先級為PPV(t)=PWT(t)>PM(t).

若微電網(wǎng)內(nèi)部電能自給自足甚至有多余電能輸送至大電網(wǎng)時,電動汽車和大電網(wǎng)碳排放如下:

(13)

此時,碳排放由電動汽車和大電網(wǎng)產(chǎn)出,因此微電網(wǎng)總碳排放量需計算電動汽車和大電網(wǎng)的碳排放量得到,總碳排放量如下:

FC=PEVMH+PMMH

(14)

若微電網(wǎng)中電能不足需要大電網(wǎng)供電時,電動汽車和大電網(wǎng)碳排放如下:

(15)

此時,碳排放由電動汽車和大電網(wǎng)產(chǎn)出,因此微電網(wǎng)總碳排放量需計算電動汽車和大電網(wǎng)的碳排放量得到,總碳排放量如下:

FC=-(|PEV|-|PM|)MH+PMMH

(16)

(2) 當(dāng)ΔP(t)≥0時,可再生能源產(chǎn)能恰好等于或者小于負載側(cè)需求電能,此時大電網(wǎng)參與微電網(wǎng)內(nèi)部供能,電動汽車和大電網(wǎng)碳排放如下:

|PEV|≤|PM|,FEV=0,FM=PMMH

(17)

此時,碳排放均由大電網(wǎng)產(chǎn)出,因此微電網(wǎng)總碳排放量只需計算大電網(wǎng)的碳排放量得到,總碳排放量如下:

FC=PMMH

(18)

綜上所述,可知總碳排放量為

FC=PEVMH+PMMH

其中,總碳排放量存在3種特殊情況:①當(dāng)|PEV|≤|PM|時,總碳排量FC=PMMH;②當(dāng)|PEV|>|PM|,PEV≥0,PM<0時,總碳排量FC=-PEVMH;③當(dāng) |PEV|>|PM|,PEV<0,PM≥0時,總碳排量FC=-(|PEV|-|PM|)MH+PMMH.

因此,微電網(wǎng)的碳配額成本如下:

CC(tf)=c(FC(tf)-F0(tf))

(19)

F0(tf)=αPload(tf)

(20)

式中:CC(tf)為微電網(wǎng)的碳配額成本;c為碳配額交易價格;F0(tf)為額定碳配額;α為碳配額分配系數(shù);Pload(tf)為tf時刻微電網(wǎng)負荷需求量.當(dāng)-F0(tf)≤FC(tf)<0時,微網(wǎng)不產(chǎn)生碳排放,并且可出售可再生能源和電動汽車的碳配額獲取收益;當(dāng)0≤FC(tf)≤F0(tf)時,微電網(wǎng)產(chǎn)生碳排放,但無需購買碳配額,剩余的碳配額還可出售,但當(dāng)微電網(wǎng)碳排放量超過F0(tf)時,超過的部分需額外購買碳配額.

(21)

(1) 公共電網(wǎng)購售電成本為

(22)

式中:Cm(tf)為實時電價.

(2) 微電網(wǎng)買賣碳配額成本如式(19)所述.

(3) 電動汽車電池壽命成本.

電動汽車頻繁參與到需求響應(yīng)中必定會對其電池的壽命產(chǎn)生影響,因此,考慮電池充放電深度對壽命的影響[22].電動汽車電池放電深度(Depth of Discharge, DOD)定義為一次充電或放電事件后相對于滿容量的能量,即

(23)

由文獻[21]可知,電池壽命與放電深度關(guān)系為

(24)

式中:a、b、e為曲線擬合系數(shù),且皆大于0,因此電動汽車電池壽命隨著DOD的增加而減少.該表達式也適用于不同類型的電池.

電動汽車單位能量下的平均壽命成本[23]為

(25)

式中:CEV為電動汽車電池的更換成本.

電動汽車電池壽命成本為

(26)

2.1.5約束條件

(1) 公共電網(wǎng)傳輸功率約束為

(27)

(2) 電動汽車充放電功率約束為

(28)

(3) 電動汽車充放電總量約束為

(29)

(30)

(4) 電動汽車電池剩余容量約束.

電動汽車電池需遵守剩余容量約束,以防止過度充放電[24],因此設(shè)置其容量限制如下:

(31)

(5) 對于第一層MPC,需要滿足的微電網(wǎng)功率平衡約束如下:

PM(tf)=PL(tf)-PPV(tf)-

PWT(tf)-PEV(tf)

(32)

微電網(wǎng)的光伏、風(fēng)電出力先滿足負荷和電動汽車的用電需求,若有剩余則可出售給大電網(wǎng),若不夠則由大電網(wǎng)補充.

2.2 第二層MPC模型

第二層MPC在第一層的基礎(chǔ)上增加了超級電容,超級電容具有快速充放電的特點,可在短時間尺度內(nèi)平抑可再生能源的功率波動.超級電容使用壽命長、故障率低且容量損失也極低,在其使用壽命期間不需要額外維護成本.因其電池壽命由廠家給定,不受充放電次數(shù)和深度的影響,故不計入其充放電的壽命成本.而且從系統(tǒng)長期運行來看,超級電容的造價成本也在能夠承受的范圍.

2.2.1超級電容模型 超級電容的模型和充放電功率限制如下所示:

ESC(tS)=ESC(tS-1)-PSC(tS)ΔtSηSC

(33)

(34)

2.2.2目標(biāo)函數(shù)和約束條件 第二層以平抑短時間尺度內(nèi)的可再生能源功率波動最小為目標(biāo)函數(shù),將第一層傳下來的公用電網(wǎng)和電動汽車功率作為參考值,與第二層的優(yōu)化結(jié)果形成懲罰函數(shù)加入到目標(biāo)函數(shù)中,如下:

(35)

(36)

(37)

(38)

對于第二層MPC,需要滿足功率平衡約束:

PM(tS)=PL(tS)-PPV(tS)-PWT(tS)-

PEV(tS)-PSC(tS)

(39)

綜上所述,所提基于兩層MPC的微電網(wǎng)能量管理策略流程如圖6所示.

圖6 基于兩層MPC的優(yōu)化調(diào)度流程圖Fig.6 Flow chart of optimal scheduling based on two-layer MPC

3 算例分析

所提的兩層MPC模型中,第一層調(diào)度范圍為48 h,每1 h優(yōu)化一次;第二層調(diào)度范圍是1 h,每5 min 滾動優(yōu)化一次;第二層可再生能源預(yù)測誤差設(shè)定為5%.負載、光伏和風(fēng)電的出力(P)如圖7所示,電動汽車停駛概率分布[20]如圖8所示.實時電價數(shù)據(jù)采用新加坡能源市場公司2013年5月至2014年4月的電價數(shù)據(jù)[25],如圖9所示.微電網(wǎng)拓撲結(jié)構(gòu)如圖10所示,AC、DC分別表示交流和直流.電動汽車和超級電容的各項參數(shù)如表1所示.微電網(wǎng)的碳配額系數(shù)設(shè)置如下:火電單位電量碳排放因子MH=0.910 9 kg/kW;碳配額分配系數(shù)α=0.5;碳配額交易價格c=0.25元/kg;初始荷電狀態(tài)SEV=0.3.

表1 電動汽車和超級電容參數(shù)表Tab.1 Parameters of electric vehicles and super capacitors

圖7 負載、光伏和風(fēng)力發(fā)電的功率Fig.7 Load, photovoltaic, and wind power

圖8 電動汽車停駛概率Fig.8 Probability of stopping electric vehicles

圖9 實時電價數(shù)據(jù)Fig.9 Real-time electricity price data

圖10 微電網(wǎng)拓撲結(jié)構(gòu)圖Fig.10 Topology diagram of microgrid

3.1 算例一:基于單層MPC的微電網(wǎng)能量管理

此算例基于單層MPC的微電網(wǎng)能量管理策略,在長時間尺度上利用MPC滾動求解經(jīng)濟性優(yōu)化目標(biāo),并由實時電價引導(dǎo)電動汽車參與微電網(wǎng)需求響應(yīng)時,在短時間尺度上利用粒子群算法修正.因此,基于單層MPC的微電網(wǎng)能量管理策略下,各單元的出力結(jié)果如圖11所示,電動汽車和超級電容的荷電狀態(tài)(S)如圖12所示.圖11中可以看出相對于33～40 h,9～16 h大電網(wǎng)的功率曲線一直處于負值狀態(tài).這是由于9～16 h光伏出力較大,所以微電網(wǎng)可向大電網(wǎng)出售多余電量獲取收益,同時最大化消納可再生能源.另外,電動汽車和大電網(wǎng)功率變化曲線跟隨實時電價變化,在電價低谷期利用大電網(wǎng)供電,在電價高峰期,如17、38 h利用電動汽車補充大電網(wǎng)供電,降低微電網(wǎng)運行成本.超級電容起到短時間尺度內(nèi)抵消可再生能源預(yù)測誤差的作用.但是單層MPC策略下,微電網(wǎng)各單元的出力曲線波動都較大.

圖11 單層MPC策略下微電網(wǎng)各單元出力情況Fig.11 Output of each unit of microgrid under single-layer MPC strategy

圖12 單層MPC策略下電動汽車和超級電容的SOCFig.12 SOC of EV and SC under single-layer MPC strategy

3.2 算例二:基于兩層MPC的微電網(wǎng)能量管理

在基于兩層MPC的微電網(wǎng)能量管理下,各單元的出力情況如圖13所示,電動汽車和超級電容的荷電狀態(tài)如圖14所示.微電網(wǎng)各項運行成本及碳排放量如表2所示.對比圖13和圖11可以明顯看出,各單元的出力曲線平滑很多.對比圖14和圖12可以看出,超級電容的SOC變化減小,可見單層MPC僅靠超級電容來抵消可再生能源的預(yù)測誤差,而兩層MPC在第二層反饋校正時即可平抑一部分瞬時功率波動,補償預(yù)測的潛在不確定性.因此超級電容結(jié)合兩層MPC的策略在平抑瞬時功率波動方面更為有效.但是從圖13也可看出,僅靠實時電價引導(dǎo)電動汽車參與需求響應(yīng)的效果并不佳,需要為電動汽車制定更有針對性的需求響應(yīng)策略.

表2 微電網(wǎng)各項運行成本及碳排放量Tab.2 Average operating cost of microgrid

圖13 兩層MPC策略下微電網(wǎng)各單元出力情況Fig.13 Output of each unit of microgrid under two-layer MPC strategy

圖14 兩層MPC策略下電動汽車和超級電容的SOCFig.14 SOC of EV and SC under two-layer MPC strategy

3.3 算例三:有碳配額引導(dǎo)需求響應(yīng)的能量管理

在算例二的基礎(chǔ)上增加碳配額機制后各單元的出力情況如圖15所示,電動汽車和超級電容的荷電狀態(tài)如圖16所示.微電網(wǎng)各項運行成本如表2所示.對比圖13、15可知,在碳配額和實時電價的共同作用下,電動汽車參與微電網(wǎng)需求響應(yīng)比例明顯增大.在8～16 h時段,可再生能源較為充足,電動汽車利用可再生能源進行充電;在23～31 h實時電價較低,電動汽車通過大電網(wǎng)充電.圖16中電動汽車的SOC曲線和表2中算例2、3各項成本的對比,顯示電動汽車因為碳配額機制的引導(dǎo),需求響應(yīng)潛力得到進一步挖掘,電動汽車車主可從碳配額交易中獲取收益,進而使微電網(wǎng)運行成本降低.國家統(tǒng)計局數(shù)據(jù)顯示,我國居民2021年人均每月用電量為69.3 kW·h,根據(jù)國家電網(wǎng)電費標(biāo)準(zhǔn),我國城市居民用電人均價格在0.56～0.62元,可知一個三口之家48 h的電費約為7.76～8.59元.而從表2中可知兩層MPC的策略比單層MPC運行成本減小55.7%,在碳配額引導(dǎo)的條件下,運行成本可再下降38.5%,可見所提策略可實現(xiàn)良好的經(jīng)濟效益,而且使微網(wǎng)的碳排放量減少57.0%,減排效果顯著.

圖15 有碳配額機制引導(dǎo)需求響應(yīng)參與下各單元出力情況Fig.15 Output of each unit with carbon quota guiding demand response

圖16 有碳配額引導(dǎo)需求響應(yīng)時電動汽車和超級電容的SOCFig.16 SOC of EV and SC with carbon quota guided demand response

為比較所提兩層MPC策略在平抑可再生能源預(yù)測誤差導(dǎo)致的短時間功率波動的有效性,對大電網(wǎng)和電動汽車引入平均偏差評價指標(biāo),其計算式為

(40)

式中:Pf(i)、PS(i)分別為大電網(wǎng)或電動汽車在第一層和第二層的優(yōu)化結(jié)果.

3個算例中,大電網(wǎng)和電動汽車的平均功率偏差如表3所示.由表3可知,在所提的兩層MPC微電網(wǎng)能量管理策略下,可充分發(fā)揮MPC滾動優(yōu)化和反饋校正的優(yōu)勢,使大電網(wǎng)和電動汽車的平均功率偏差有所減小,電動汽車偏差相較于單層MPC可減小近一半,有效減小微電網(wǎng)實際運行中可再生能源隨機性和波動性造成的預(yù)測出力的誤差,降低其波動性對電網(wǎng)的影響.而且碳配額機制的引入也不會影響平抑可再生能源預(yù)測誤差的效果,因為兩層MPC的結(jié)構(gòu)可在上層引入碳配額實現(xiàn)低碳經(jīng)濟效果,在下層利用超級電容實現(xiàn)微電網(wǎng)的穩(wěn)定運行.

表3 大電網(wǎng)和電動汽車平均功率偏差

4 結(jié)語

提出考慮碳配額引導(dǎo)需求響應(yīng)的機制以及基于兩層模型預(yù)測控制的微電網(wǎng)能量管理策略.在第一層MPC中引入碳配額機制代替?zhèn)鹘y(tǒng)的價格型需求響應(yīng)引導(dǎo)電動汽車參與充放電,兼顧環(huán)境效益同時實現(xiàn)系統(tǒng)運行的經(jīng)濟性;將第二層模型預(yù)測控制的優(yōu)化調(diào)度作為第一層的反饋校正環(huán)節(jié)輸入,利用控制時間間隔的配合實現(xiàn)微電網(wǎng)短時間尺度的能量管理,平抑瞬時可再生能源的功率波動.利用算例驗證了所提策略可有效發(fā)揮MPC滾動優(yōu)化和反饋校正的優(yōu)勢,利用兩層結(jié)構(gòu)耦合需求響應(yīng)技術(shù)推動實現(xiàn)“雙碳”目標(biāo),減少微電網(wǎng)的運行成本,降低碳排放量,同時能夠平抑可再生能源預(yù)測誤差造成的功率波動.研究內(nèi)容為微電網(wǎng)中考慮碳配額機制參與需求側(cè)響應(yīng)提供了一種切實可行的控制方法,也為開展微電網(wǎng)多時間尺度的能量管理提供了一定的理論基礎(chǔ)與技術(shù)手段.未來研究將關(guān)注參與需求響應(yīng)的其他需求側(cè)柔性可控資源,以及如何充分利用靈活性資源,保持微電網(wǎng)系統(tǒng)的頻率和電壓穩(wěn)定.