1 項目背景

關于微電網能量優化的研究，目前主要有確定性優化與不確定性優化兩種技術路線。確定性優化，主要采取多時間尺度優化方法，但多時間尺度優化依賴于可再生能源預測精度，且不同時間尺度的劃分會對優化結果產生較大影響。不確定優化，主要采取魯棒優化和隨機優化，但魯棒優化結果具有一定保守性，且計算量大、難收斂，而隨機優化依賴于隨機變量的概率分布，場景選取與設計工作量較大。針對不確定優化存在的問題，學者提出了采用具有滾動優化環節的模型預測控制(MPC)方法，并成功應用于微電網能量優化管理。但目前將MPC應用于微電網能量優化的研究存在以下不足：①模型中某些參數固定，難以適應微電網中突發的擾動，如可再生能源發電功率的激增或驟降；②只能在有限時長內預測和優化相關變量，難以處理一些具有長優化周期的變量的復雜約束；③較少設計反饋環節，無法充分發揮MPC的優化效果。

因此，本文針對上述問題，對傳統MPC進行了改進：①針對MPC模型參數固定的問題，根據不可控輸入量的預測信息對MPC的控制時長、預測時長進行自適應調整；②針對難以獲得全周期最優解的復雜約束，對相關復雜約束進行“軟化”，使優化過程更具有彈性、靈活性；③針對微電網能量優化中較少設計反饋環節，根據系統歷史預測輸出與實際輸出間的誤差設計反饋環節，對預測模型進行修正，使控制結果精度更高。基于上述改進設計了雙層多時間尺度微電網能量優化模型，有機結合了日前調度和日內優化，解決了多時間尺度優化中難以及時修正計劃指令誤差的問題，避免了魯棒優化難收斂、結果保守的問題和隨機優化計算量大的問題。

2 改進部分之域參數的自適應調整

針對傳統MPC對于處理突發的擾動存在不足，在MPC優化中對域的參數進行自適應調整，如圖1所示。具體包括：①對于預測域或控制域，若選取得過長，會增加預測的不確定性對系統的影響且增長計算時間；若選取得過短，優化時便無法更好的考慮系統的全局狀態。因此，本文根據預測誤差對控制域及預測域的長度進行自適應調整，即應用枚舉法將不同誤差區間的不可控輸入量(如光伏發電功率)代入具體場景，從而將原預測域步長調整至適宜步長；②對于控制間隔，若選取得過長會導致系統無法對干擾進行及時的處理，若選得過短則會增加計算的頻率，增大計算量。本文根據不可控輸入量預測值在該控制間隔內的波動幅度和采樣間隔，將原采樣間隔數m0調整至m0-h2。

3 改進部分之復雜約束的處理

①針對在單個MPC預測時間范圍內難以獲得可行解的復雜約束，如可平移負荷約束的問題，本文提出了在進行MPC優化前應用預處理優化算法來處理該類約束，并且將相關優化結果將作為不可控輸入量參與MPC優化。預處理算法能夠確保線性或非線性規劃在約束內能夠得到可行解，進而提升系統魯棒性；②針對在單個MPC預測時間范圍內難以獲得全周期最優解的復雜約束，如儲能SOC約束，將其預處理中的優化結果作為參考信息參與MPC優化，并嵌套于MPC中的動態約束調整算法“軟化”該類約束，例如Sf-ε≤Sf≤Sf+ε，Sf是由預處理算法得到輸入量S的參考值，ε是松弛因子。

軟約束不僅能夠參考預處理中的全周期計劃指令，而且能夠保證系統在MPC優化中的靈活調度，進而在考慮系統全周期運行狀態的情況下得到該輸入量最優優化結果，流程如圖2所示。

4 根據歷史預測輸出誤差設計反饋環節

針對傳統MPC優化中的反饋環節難以設計問題，本文提出通過歷史預測輸出誤差來校正模型預測中的狀態量，以保證優化結果的精確性，即根據前一時刻預測的該時刻輸出量與實測量之間的偏差，求得對應狀態量的修正，來消除當前時刻優化中的預測偏差，公式如下：

試驗微電網系統包括10 kW光伏發電系統、10 kW·h磷酸鐵鋰電池儲能，儲能最大充放電功率分別是5 kW、8 kW；日內MPC優化初始控制間隔為20 min，初始預測域為3 h，最小采樣間隔為10 min，改進部分優化結果如下：

圖3 優化結果

6 總結

本文采用了基于改進MPC的雙層多時間尺度優化算法，對傳統MPC算法提出域的參數自適應改進，在不可控輸入量預測誤差較大時，能夠更大程度上消除該誤差給系統帶來的干擾；對傳統MPC算法提出復雜約束處理方法，解決了MPC難以處理與時間相關或與全局性相關的問題；對傳統MPC反饋環節提出根據歷史預測輸出校正誤差，能夠使控制結果更接近控制目標。