基于多变量预测控制的综合能源系统双层优化运行方法

1.本发明涉及综合能源系统优化运行技术领域，尤其是一种基于多变量预测控制的综合能源系统双层优化运行方法。


背景技术：

2.可再生能源发电例如光伏发电和风机发电，受环境因素的影响较大，出力具有较强的随机性和不确定性，使得对出力的预测数据和实际数据之间不可避免地存在一定的误差。并且随着光伏发电和风力发电渗透率的不断升高，使得能源系统长期处在强扰动作用的运行环境中，将会给系统的稳定运行带来了更大的挑战。
3.目前在调度层策略中很少对反馈校正环节做深入的研究和探讨，普遍直接将调度层所建立的设备模型当作为实际设备，但由于实际设备往往动态特性复杂，在大范围运行区间内具有较强的非线性，调度模型与设备实际模型之间仍存在一定的模型偏差。因此，系统设备实际的出力有可能与调度层所计算的不一致。
4.综合能源系统的平稳运行一直是当前研究的热点。综合能源系统是一个典型的多变量、强耦合和大惯性的系统，且极其受到外部多/强扰动的作用，采用常规的控制算法可能难以取得满意的运行效果。因此，要充分挖掘系统的热电耦合特性，研究先进控制策略和包含调度层和控制层的双层优化运行方法，对减少可再生能源出力及电负荷的预测偏差和调度模型偏差对系统运行的影响，保证系统平稳、经济运行都具有重要意义。


技术实现要素：

5.针对现有技术的不足，本发明提供一种基于多变量预测控制方法的综合能源系统双层优化运行方法，目的是减少可再生能源发电以及电负荷的预测偏差和调度层的模型偏差对系统运行的影响，保证系统的可靠供能和平稳运行。
6.本发明采用的技术方案如下：
7.一种基于多变量预测控制的综合能源系统双层优化运行方法，基于动态调度层和实时控制层进行运行优化，包括：
8.所述动态调度层采样系统的最新运行数据，基于可用于描述系统设备的供热环节的设备的动态特性模型，根据日内最新可再生能源与负荷需求的预测数据，以最小化经济成本和动态供需偏差指标的最小化为优化目标，以功率平衡约束和设备特性约束为约束，进行日内滚动调度，提供下一个调度时段内各设备的功率调度指令；
9.所述实时控制层以燃气内燃机及其余热回收设备和热泵的热电耦合环节为控制对象，基于多变量预测控制方法，对所述动态调度层下发的所述功率调度指令进行实时修正，使用修正后的功率调度指令作用于系统。
10.进一步技术方案为：
11.所述的动态特性模型可用于描述燃气内燃机或热泵的供热环节，表示为状态空间的形式为：
[0012][0013]
式中，x
ep
为状态变量，r
ep
为设备的功率调度指令，q
ep
为设备实际输出的热功率，a
ep
,b
ep
,c
ep
为系数矩阵，kk代表第kk个采样时刻。
[0014]
所述优化目标的函数表达式为：minj＝w1aim1+w2aim2，j为目标函数值，aim1为经济性指标，aim2为动态供需偏差指标，包括热功率动态偏差指标和供水温度动态偏差指标，w1和w2为对应权重；
[0015]
经济性指标aim1具体包括：
[0016][0017]
式中，δt为调度步长，nk为滚动时域步数，k
fuel
为燃气内燃机的沼气燃料成本，k
ice
为燃气内燃机的运行维护成本，k
hp
为热泵的运行维护成本，k
bat
为蓄电池的运行维护成本，k
hs
为储热罐的运行维护成本，d
ice,f
为消耗燃料量的质量流量，p
ice
为燃气内燃机的输出电功率，p
hp
为热泵消耗的电功率，p
bat
为蓄电池的功率输出值，q
hs
为储热罐的功率输出值，i代表第i个调度时间段；
[0018]
动态供需偏差指标aim2具体包括：
[0019][0020]
式中，δt
kk
为采样周期，n
kk
为每个调度时间段内的采样个数，q
hp
(i,j)、t
hp
(i,j)、q
hx
(i,j)和t
hx
(i,j)分别表示在第i个调度时间段内第j个采样时刻的热泵输出功率、热泵出口热水温度、燃气内燃机余热回收热功率和余热回收热水温度，t
supply
为热泵热水和余热回收环节热水混合后的热水温度，g
hp
为热泵的热水流量，g
hx
为余热回收环节的热水流量，q
load
为用户热负荷需求。
[0021]
所述功率平衡约束包括系统电功率及热功率平衡约束；所述设备特性约束包括燃气内燃机及其余热回收环节运行特性约束、热泵设备运行特性约束、蓄电池设备特性约束以及储热罐设备特性约束。
[0022]
所述多变量预测控制方法，包括：
[0023]
s1：选取输入变量与输出变量进行开环阶跃响应实验，辨识得到综合能源系统的传递函数模型，所述输出变量为剩余电功率和总供热水温度，所述输入变量为内燃机电功率指令调整量和热泵热功率指令调整量；
[0024]
s2：定义所述传递函数模型的增广状态空间模型：
[0025]
[0026][0027]
式中，y(kk)为系统输出，δxd(kk)是kk时刻的状态量变化量，x(kk)是扩增的状态量，δu(kk)是kk时刻的控制量变化量，ad、b
d cd分别是被控对象状态空间模型对应的系数矩阵，a、b、c是状态扩增后的系数矩阵，i
p
×
p
是p
×
p维单位阵，od为零矩阵；
[0028]
s3：设置控制器参数，包括预测时域p，控制时域m，误差权矩阵q，控制权矩阵r；
[0029]
s4：根据当前时刻系统输出y(kk)，对系统当前时刻状态进行估计；
[0030]
s5：建立预测方程y(kk)＝fx(kk)+ωδu(kk)，对系统未来p个时刻的输出y(kk)进行预测，其中δu(kk)表示未来的控制量变化量序列，f、ω为预测方程对应的系数矩阵；
[0031]
其中，
[0032][0033]
s6：构建性能指标求解δu(kk)，从中选取kk时刻的最优控制量变化量δu(kk)进行输出，保证被控量能跟踪设定值，同时控制量的波动不会过于剧烈，其中yr(kk)＝[yr(kk+1),yr(kk+2),
…
,yr(kk+p)]
t
，表示未来时刻的设定值序列，yr为单个时刻的设定值，分别为权矩阵取q和r时的二次型；
[0034]
s7：计算控制修正量u(kk)＝u(kk-1)+δu(kk)，u(kk)＝[u1(kk),u2(kk)]
t
，u1(kk),u2(kk)分别为对燃气内燃机和热泵的功率调度指令的控制修正量；
[0035]
s8：将控制修正量u(kk)对调度层下发的设备功率调度指令进行修正，修正后的功率指令作用于系统，下一时刻采样更新系统的输出信息，重复步骤s4至s8。
[0036]
采用卡尔曼滤波算法进行所述的对系统当前时刻状态进行估计，包括：
[0037]
进行状态一步预测：是kk-1时刻的控制量变化量，是kk-1时刻的状态估计值，是在kk-1时刻对kk时刻的状态估计值；
[0038]
计算状态一步预测的协方差阵：p
kk/kk-1
＝ap
kk-1at
+q
kk-1
，p
kk-1
和p
kk/kk-1
分别是kk-1时刻和通过递推计算得到的kk时刻的状态协方差阵，q
kk-1
是kk-1时刻的过程噪声协方差阵；
[0039]
计算滤波增益矩阵：k
kk
＝p
kk/kk-1ct
(cp
kk/kk-1ct
+r
kk
)-1
，k
kk
是滤波增益矩阵，r
kk
是测量噪声的协方差阵；
[0040]
根据当前时刻的测量值对状态进行修正：
[0041]
计算状态估计的协方差阵：p
kk
＝(i-k
kk
c)p
kk/kk-1
，i为单位阵，p
kk
是kk时刻的状态协方差阵。
[0042]
所述预测时域p的选取应覆盖系统的主要动态特性，所述控制时域m应不大于预测时域p；误差权矩阵q、控制权矩阵r分别表示偏差项和控制增量项的权重系数，并均为对角阵。
[0043]
动态调度层下发的设备功率调度指令包括蓄电池的放电功率p
bat,dis
和充电功率p
bat,ch
、储热罐的放热功率q
hs,dis
和储热功率q
hs,ch
、燃气内燃机的功率p
ice0
和热泵的功率q
hp0
。
[0044]
将控制修正量u(kk)对调度层下发的设备功率调度指令进行修正，包括：
[0045]
p
ice0,ac
(kk)＝p
ice0
(k)+u1(kk)，q
hp0,ac
(kk)＝q
hp0
(k)+u2(kk)，
[0046]
式中，p
ice0,ac
为燃气内燃机修正后功率值；q
hp0,ac
为热泵修正后功率值。
[0047]
本发明的有益效果如下：
[0048]
本发明在双层运行策略的框架下，基于多变量预测控制方法的实时控制层能够实时修正动态调度层下发的设备功率指令，能够减少由于可再生能源发电以及电负荷的预测偏差带来的扰动影响，有利于保证系统供能的准确性和运行的稳定性。
[0049]
本发明通过多变量预测控制方法实现对综合能源系统热电耦合环节的有效控制，考虑了系统内部多变量、热电耦合强等特点，使控制系统更具有合理性，并通过增广形式的状态空间模型保证控制器的无偏性能。
[0050]
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。
附图说明
[0051]
图1为本发明实施例的优化运行方法的原理示意图。
[0052]
图2为本发明实施例的综合能源系统结构示意图。
[0053]
图3为本发明实施例的综合能源系统主要设备供热环节的结构示意图。
[0054]
图4为采用传统单层策略的电功率侧的运行结果。
[0055]
图5为采用本发明实施例优化运行方法的电功率侧的运行结果。
[0056]
图6为采用传统单层策略的热水温度侧的运行结果。
[0057]
图7为采用本发明实施例优化运行方法的热水温度侧的运行结果。
具体实施方式
[0058]
以下结合附图说明本发明的具体实施方式。
[0059]
参见图1，本技术的一种基于多变量预测控制的综合能源系统双层优化运行方法，基于动态调度层和实时控制层进行运行优化，包括：
[0060]
所述动态调度层采样系统的最新运行数据，基于可用于描述系统设备的供热环节的设备的动态特性模型，根据日内最新可再生能源与负荷需求的预测数据，以最小化经济成本和动态供需偏差指标的最小化为优化目标，以功率平衡约束和设备特性约束为约束，进行日内滚动调度，提供下一个调度时段内各设备的功率调度指令；
[0061]
所述实时控制层以燃气内燃机及其余热回收设备和热泵的热电耦合环节为控制对象，基于多变量预测控制方法，对所述动态调度层下发的所述功率调度指令进行实时修正，使用修正后的功率调度指令作用于系统以减少新能源及电负荷的预测偏差和调度层的模型偏差对系统运行的影响。
[0062]
本技术通过实时控制层实时修正调度层下发的功率指令的机制来减小新能源及电负荷的预测偏差和调度层的模型偏差对系统运行的影响，改善综合能源系统供能的稳定
性和可靠性。
[0063]
以下以具体实施例进一步说明本技术的技术方案。
[0064]
本实施例的基于多变量预测控制的综合能源系统双层优化运行方法，针对的综合能源系统的结构如图2所示，综合能源系统包括燃气内燃机、余热换热器、热泵、蓄电池、储热罐、光伏、风机。其中，光伏、风机、燃气内燃机、蓄电池等设备满足用户电需求，热泵和储热罐满足热负荷需求。燃气内燃机和热泵的供热环节的结构如图3所示，其中燃气内燃机采用pid闭环控制系统，调节燃料量控制输出电功率，同时影响下游余热换热器的输出热功率，热泵采用pid闭环控制系统，调节热泵压缩机转速控制输出热功率。
[0065]
本实施例的运行方法包括：
[0066]
步骤一，基于动态调度层采样系统的最新运行数据，基于可用于描述系统设备的供热环节的设备的动态特性模型，根据日内最新可再生能源与负荷需求的预测数据，以最小化经济成本和动态供需偏差指标的最小化为优化目标，以功率平衡约束和设备特性约束为约束，进行日内滚动调度，提供下一个调度时段内各设备的功率调度指令，具体包括：
[0067]
采用滚动时域优化的方法，调度步长为5分钟，滚动时域大小为4小时，构建可用于描述燃气内燃机或热泵的供热环节的动态特性模型，并表示为状态空间模型形式：
[0068][0069]
式中，x
ep
为状态变量，r
ep
为设备的功率调度指令，q
ep
为设备实际输出的热功率；当设备为燃气内燃机时，r
ep
为电功率指令p
ice0
，q
ep
为气内燃机余热回收利用的热功率q
hx
；当设备为热泵时，r
ep
为热泵热功率指令q
hp0
，q
ep
为热泵的输出热功率q
hp
；a
ep
,b
ep
,c
ep
为状态空间模型的系数矩阵，kk代表第kk个采样时刻；
[0070]
设计动态调度层的目标函数：min j＝w1aim1+w2aim2，j为目标函数值，aim1为经济性指标，aim2为动态供需偏差指标，包括热功率动态偏差指标和供水温度动态偏差指标，w1和w2为对应权重；
[0071]
经济性指标aim1具体包括：
[0072][0073]
式中，δt为调度步长，nk为滚动时域步数，k
fuel
为燃气内燃机的沼气燃料成本，元/kg，k
ice
为燃气内燃机的运行维护成本，元/kwh，k
hp
为热泵的运行维护成本，元/kwh，k
bat
为蓄电池的运行维护成本，元/kwh，k
hs
为储热罐的运行维护成本，元/kwh，d
ice,f
为消耗燃料量的质量流量，p
ice
为燃气内燃机的输出电功率，p
hp
为热泵消耗的电功率，p
bat
为蓄电池的功率输出值，q
hs
为储热罐的功率输出值，i代表第i个调度时间段；
[0074]
动态供需偏差指标aim2具体包括：
[0075]
[0076]
式中，δt
kk
为采样周期，n
kk
为每个调度时间段内的采样个数，q
hp
(i,j)、t
hp
(i,j)、q
hx
(i,j)和t
hx
(i,j)分别表示在第i个调度时间段内第j个采样时刻的热泵输出功率、热泵出口热水温度、燃气内燃机余热回收热功率和余热回收热水温度，t
supply
为热泵热水和余热回收环节热水混合后的热水温度，g
hp
为热泵的热水流量，g
hx
为余热回收环节的热水流量，q
load
为用户热负荷需求。
[0077]
构建动态调度层的约束条件，包括的功率平衡约束和设备特性约束：
[0078]
电、热功率平衡约束为：
[0079][0080]
式中，p
wind
为风机的预测功率；p
pv
为光伏的预测功率；p
load
和q
load
分别为电负荷和热负荷的预测功率；
[0081]
燃气内燃机及其余热回收环节运行特性约束
[0082][0083]
式中，p
ice,min
和p
ice,max
分别表示燃气内燃机的功率的下限和上限；t
hx
为余热回收后的热水温度；t
hx,min
和t
hx,max
分别表示余热回收的热水温度的下限和上限；δt
hx,min
和δt
hx,max
表示热水温度变化速率的下限和上限；t
hx,w1
表示热水入口温度；c
pw
为热水的比热容；
[0084]
热泵设备运行特性约束：
[0085][0086]
式中，t
hp
为热泵出口热水温度；q
hp,min
和q
hp,max
表示热泵热功率的下限和上限；t
hp,min
和t
hp,max
表示热泵的热水温度的下限和上限；δt
hp,min
和δt
hp,max
表示热水温度变化速率的下限和上限；t
hp,cw1
表示热水入口温度；cop
hp
表示热泵的能效比；
[0087]
蓄电池设备特性约束：
[0088][0089]
式中，x
bat
为蓄电池的荷电状态；c
bat
为蓄电池的容量，kwh；p
bat,ch
和p
bat,dis
分别为
蓄电池的充电功率指令值和放电功率指令值，kw；η
bat,ch
和η
bat,dis
分别为充电效率和放电效率；x
bat,min
和x
bat,max
分别为荷电状态的运行上下限；0-1逻辑变量δ
bat,ch
和δ
bat,dis
分别表示充电标志和放电标志，即蓄电池充电时，δ
bat,ch
＝1，蓄电池放电时，δ
bat,dis
＝1；p
bat,min
和p
bat,max
分别为充放电功率的上下限，kw；
[0090]
储热罐设备特性约束为：
[0091][0092]
式中，x
hs
为储热罐的状态量；c
hs
为储热罐的容量，kwh；q
hs,ch
和q
hs,dis
分别为储热罐的储热功率和放热功率，kw；η
hs,ch
和η
hs,dis
分别为充热效率和放热效率。x
hs,min
和x
hs,max
分别为储热罐状态量的上、下限；0-1逻辑变量δ
hs,ch
和δ
hs,dis
分别表示为储热运行状态和放热运行状态；q
hs,min
和q
hs,max
分别为充放热功率的上、下限，kw。
[0093]
步骤二、实时控制层以燃气内燃机及其余热回收设备和热泵的热电耦合环节为控制对象，基于多变量预测控制方法，对动态调度层下发的功率指令进行实时修正，以减少新能源及电负荷的预测偏差和调度层的模型偏差对系统运行的影响，具体包括：
[0094]
多变量预测控制方法具体实现过程为：
[0095]
s1：获取综合能源系统的传递函数模型。在稳态工况下，选取内燃机电功率指令和热泵热功率指令为输入变量、剩余电功率和总供热水温度为输出变量，进行阶跃响应实验，设置采样周期δt
kk
，将数据进行预处理，辨识得到传递函数模型，并转换为离散状态空间模型：
[0096][0097]
式中，y(kk)为系统输出，xd(kk)是kk时刻的状态量，u(kk)是kk时刻的控制量，ad、b
d cd分别是被控对象状态空间模型对应的系数矩阵；
[0098]
s2：获取离散状态空间模型的增广状态空间模型：
[0099][0100][0101]
式中，δxd(kk)是kk时刻的状态量变化量，x(kk)是扩增的状态量，δu(kk)是kk时刻的控制量变化量，a、b、c是状态扩增后的系数矩阵，i
p
×
p
是p
×
p维单位阵，od为零矩阵。
[0102]
s3：设置控制器参数，包括预测时域p，控制时域m，误差权矩阵q，控制权矩阵r，其中预测时域p的选取应覆盖系统的主要动态特性，控制时域m应不大于预测时域p，误差权矩
阵q、控制权矩阵r分别表示偏差项和控制增量项的权重系数，均为对角阵，分别表示为：q＝diag(q1,
…
,q
p
)、r＝diag(r1,
…
,rm)；
[0103]
s4：根据当前时刻系统输出y(kk)，采用卡尔曼滤波算法对系统当前时刻状态进行估计：
[0104]
进行状态一步预测：是kk-1时刻的控制量变化量，是kk-1时刻的状态估计值，是在kk-1时刻对kk时刻的状态估计值；
[0105]
计算状态一步预测的协方差阵：p
kk/kk-1
＝ap
kk-1at
+q
kk-1
，p
kk-1
和p
kk/kk-1
分别是kk-1时刻和通过递推计算得到的kk时刻的状态协方差阵，q
kk-1
是kk-1时刻的过程噪声协方差阵；
[0106]
计算滤波增益矩阵：k
kk
＝p
kk/kk-1ct
(cp
kk/kk-1ct
+r
kk
)-1
，k
kk
是滤波增益矩阵，r
kk
是测量噪声的协方差阵；
[0107]
根据当前时刻的测量值对状态进行修正：
[0108]
计算状态估计的协方差阵：p
kk
＝(i-k
kk
c)p
kk/kk-1
，式中，i为单位阵，p
kk
是kk时刻的状态协方差阵。
[0109]
s5：建立预测方程(10)，对系统未来p个时刻的输出y(kk)进行预测：
[0110]
y(kk)＝fx(kk)+ωδu(kk)
ꢀꢀ
(10)
[0111]
式中，δu(kk)表示未来的控制量变化量序列，f、ω为预测方程对应的系数矩阵。
[0112]
其中，
[0113][0114]
s6：构建性能指标求解δu(kk)，从中选取kk时刻的最优控制量变化量δu(kk)进行输出，保证被控量能跟踪设定值，同时控制量的波动不会过于剧烈，其中yr(kk)＝[yr(kk+1),yr(kk+2),
…
,yr(kk+p)]
t
，表示未来时刻的设定值序列，yr为单个时刻的设定值，分别为权矩阵取q和r时的二次型；
[0115]
s7：计算控制修正量u(kk)＝u(kk-1)+δu(kk)，u(kk)＝[u1(kk),u2(kk)]
t
，u1(kk),u2(kk)分别为对燃气内燃机和热泵的功率调度指令的控制修正量；
[0116]
s8：将控制修正量u(kk)对调度层下发的设备功率调度指令进行修正，修正后的功率指令作用于系统，下一时刻采样更新系统的输出变量(剩余电功率和总供热水温度)，重复步骤s4至s8。
[0117]
具体的，动态调度层下发的设备功率调度指令包括蓄电池的放电功率p
bat,dis
和充电功率p
bat,ch
、储热罐的放热功率q
hs,dis
和储热功率q
hs,ch
、燃气内燃机的功率p
ice0
和热泵的功率q
hp0
。
[0118]
其中，将控制修正量u(kk)对调度层下发的燃气内燃机的功率p
ice0
和热泵的功率q
hp0
进行修正的计算式如下：
[0119]
p
ice0,ac
(kk)＝p
ice0
(k)+u1(kk)，q
hp0,ac
(kk)＝q
hp0
(k)+u2(kk)
[0120]
式中，p
ice0,ac
为燃气内燃机修正后功率值，q
hp0,ac
为热泵修正后功率值。
[0121]
以下以具体计算例进一步说明本实施例的优化运行方法的有效性。
[0122]
对图2所示的综合能源系统进行优化运行仿真，设置如表1所示的仿真参数：
[0123]
表1仿真参数
[0124]
参数数值单位采样周期5秒误差权矩阵i
2-控制权矩阵5i
2-预测时域200-控制时域1-k
fuel
2.1元/kgk
hp
0.08元/kwhk
bat
0.05元/kwhk
hs
0.01元/kwhk
ice
0.11元/kwhw11-w23.6-[0125]
本实施的双层优化运行方法与常规的只有动态调度层的单层运行策略方案进行比较。其中，动态调度层基于gurobi求解器进行求解，实时控制层基于二次规划方法进行求解。电功率侧的计算结果分别如图4、图5所示，通过比较图4和图5可以看出，本实施例所提双层优化运行方法通过控制层的实时修正方法，能够及时对设备指令进行修正，比单层运行策略能更好地满足实际电负荷的需求，电能供需偏差更小。热水温度侧的计算结构分别如图6和图7所示，通过比较图6和图7可以看出，双层优化运行方法通过控制层的实时修正，能够保证供热水温度更好地跟踪设定值变化，减少了调度模型偏差对系统供热的影响。
[0126]
本领域普通技术人员可以理解：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于多变量预测控制的综合能源系统双层优化运行方法，其特征在于，基于动态调度层和实时控制层进行运行优化，包括：所述动态调度层采样系统的最新运行数据，基于可用于描述系统设备的供热环节的设备的动态特性模型，根据日内最新可再生能源与负荷需求的预测数据，以最小化经济成本和动态供需偏差指标的最小化为优化目标，以功率平衡约束和设备特性约束为约束，进行日内滚动调度，提供下一个调度时段内各设备的功率调度指令；所述实时控制层以燃气内燃机及其余热回收设备和热泵的热电耦合环节为控制对象，基于多变量预测控制方法，对所述动态调度层下发的所述功率调度指令进行实时修正，使用修正后的功率调度指令作用于系统。2.根据权利要求1所述的基于多变量预测控制的综合能源系统双层优化运行方法，其特征在于，所述的动态特性模型可用于描述燃气内燃机或热泵的供热环节，表示为状态空间的形式为：式中，x
ep
为状态变量，r
ep
为设备的功率调度指令，q
ep
为设备实际输出的热功率，a
ep
,b
ep
,c
ep
为系数矩阵，kk代表第kk个采样时刻。3.根据权利要求1所述的基于多变量预测控制的综合能源系统双层优化运行方法，其特征在于，所述优化目标的函数表达式为：minj＝w1aim1+w2aim2，j为目标函数值，aim1为经济性指标，aim2为动态供需偏差指标，包括热功率动态偏差指标和供水温度动态偏差指标，w1和w2为对应权重；经济性指标aim1具体包括：式中，δt
k
为调度步长，n
k
为滚动时域步数，k
fuel
为燃气内燃机的沼气燃料成本，k
ice
为燃气内燃机的运行维护成本，k
hp
为热泵的运行维护成本，k
bat
为蓄电池的运行维护成本，k
hs
为储热罐的运行维护成本，d
ice,f
为消耗燃料量的质量流量，p
ice
为燃气内燃机的输出电功率，p
hp
为热泵消耗的电功率，p
bat
为蓄电池的功率输出值，q
hs
为储热罐的功率输出值；i代表第i个调度时间段；动态供需偏差指标aim2具体包括：式中，δt
kk
为采样周期，n
kk
为每个调度时间段内的采样个数，q
hp
(i,j)、t
hp
(i,j)、q
hx
(i,j)和t
hx
(i,j)分别表示在第i个调度时间段内第j个采样时刻的热泵输出功率、热泵出口热水温度、燃气内燃机余热回收热功率和余热回收热水温度，t
supply
为热泵热水和余热回收环节热水混合后的热水温度，g
hp
为热泵的热水流量，g
hx
为余热回收环节的热水流量，q
load
为用
户热负荷需求。4.根据权利要求1所述的基于多变量预测控制的综合能源系统双层优化运行方法，其特征在于，所述功率平衡约束包括系统电功率及热功率平衡约束；所述设备特性约束包括燃气内燃机及其余热回收环节运行特性约束、热泵设备运行特性约束、蓄电池设备特性约束以及储热罐设备特性约束。5.根据权利要求1所述的基于多变量预测控制的综合能源系统双层优化运行方法，其特征在于，所述多变量预测控制方法，包括：s1：选取输入变量与输出变量进行开环阶跃响应实验，辨识得到综合能源系统的传递函数模型，所述输出变量为剩余电功率和总供热水温度，所述输入变量为内燃机电功率指令调整量和热泵热功率指令调整量；s2：定义所述传递函数模型的增广状态空间模型：s2：定义所述传递函数模型的增广状态空间模型：式中，y(kk)为系统输出，δx
d
(kk)是kk时刻的状态量变化量，x(kk)是扩增的状态量，δu(kk)是kk时刻的控制量变化量，a
d
、b
d c
d
分别是被控对象状态空间模型对应的系数矩阵，a、b、c是状态扩增后的系数矩阵，i
p
×
p
是p
×
p维单位阵，o
d
为零矩阵；s3：设置控制器参数，包括预测时域p，控制时域m，误差权矩阵q，控制权矩阵r；s4：根据当前时刻系统输出y(kk)，对系统当前时刻状态进行估计；s5：建立预测方程y(kk)＝fx(kk)+ωδu(kk)，对系统未来p个时刻的输出y(kk)进行预测，其中δu(kk)表示未来的控制量变化量序列，f、ω为预测方程对应的系数矩阵；其中，s6：构建性能指标求解δu(kk)，从中选取kk时刻的最优控制量变化量δu(kk)进行输出，保证被控量能跟踪设定值，同时控制量的波动不会过于剧烈，其中y
r
(kk)＝[y
r
(kk+1),y
r
(kk+2),
…
,y
r
(kk+p)]
t
，表示未来时刻的设定值序列，y
r
为单个时刻的设定值，分别为权矩阵取q和r时的二次型；s7：计算控制修正量u(kk)＝u(kk-1)+δu(kk)，u(kk)＝[u1(kk),u2(kk)]
t
，u1(kk),u2(kk)分别为对燃气内燃机和热泵的功率调度指令的控制修正量；s8：将控制修正量u(kk)对调度层下发的设备功率调度指令进行修正，修正后的功率指令作用于系统，下一时刻采样更新系统的输出信息，重复步骤s4至s8。
6.根据权利要求5所述的基于多变量预测控制的综合能源系统双层优化运行方法，其特征在于，采用卡尔曼滤波算法进行所述的对系统当前时刻状态进行估计，包括：进行状态一步预测：δu(kk-1)是kk-1时刻的控制量变化量，是kk-1时刻的状态估计值，是在kk-1时刻对kk时刻的状态估计值；计算状态一步预测的协方差阵：p
kk/kk-1
＝ap
kk-1
a
t
+q
kk-1
，p
kk-1
和p
kk/kk-1
分别是kk-1时刻和通过递推计算得到的kk时刻的状态协方差阵，q
kk-1
是kk-1时刻的过程噪声协方差阵；计算滤波增益矩阵：k
kk
＝p
kk/kk-1
c
t
(cp
kk/kk-1
c
t
+r
kk
)-1
，k
kk
是滤波增益矩阵，r
kk
是测量噪声的协方差阵；根据当前时刻的测量值对状态进行修正：计算状态估计的协方差阵：p
kk
＝(i-k
kk
c)p
kk/kk-1
，i为单位阵，p
kk
是kk时刻的状态协方差阵。7.根据权利要求5所述的基于多变量预测控制的综合能源系统双层优化运行方法，其特征在于，所述预测时域p的选取应覆盖系统的主要动态特性，所述控制时域m应不大于预测时域p；误差权矩阵q、控制权矩阵r分别表示偏差项和控制增量项的权重系数，并均为对角阵。8.根据权利要求5所述的基于多变量预测控制的综合能源系统双层优化运行方法，其特征在于，动态调度层下发的设备功率调度指令包括蓄电池的放电功率p
bat,dis
和充电功率p
bat,ch
、储热罐的放热功率q
hs,dis
和储热功率q
hs,ch
、燃气内燃机的功率p
ice0
和热泵的功率q
hp0
。9.根据权利要求8所述的基于多变量预测控制的综合能源系统双层优化运行方法，其特征在于，将控制修正量u(kk)对调度层下发的设备功率调度指令进行修正，包括：p
ice0,ac
(kk)＝p
ice0
(k)+u1(kk)，q
hp0,ac
(kk)＝q
hp0
(k)+u2(kk)，式中，p
ice0,ac
为燃气内燃机修正后功率值；q
hp0,ac
为热泵修正后功率值。

技术总结
本发明涉及一种基于多变量预测控制的综合能源系统双层优化运行方法，包括：动态调度层采样系统的最新运行数据，基于可用于描述系统设备的供热环节的设备的动态特性模型，根据日内最新可再生能源与负荷需求的预测数据，以最小化经济成本和动态供需偏差指标的最小化为优化目标，以功率平衡约束和设备特性约束为约束，进行日内滚动调度，提供下一个调度时段内各设备的功率调度指令；实时控制层以燃气内燃机及其余热回收设备和热泵的热电耦合环节为控制对象，基于多变量预测控制方法，对动态调度层下发的功率调度指令进行实时修正，使用修正后的功率调度指令作用于系统，能够减少预测偏差带来的扰动影响，提高了系统供能准确性和运行稳定性。和运行稳定性。和运行稳定性。


技术研发人员：李益国 郭振宇 张俊礼
受保护的技术使用者：东南大学
技术研发日：2022.07.21
技术公布日：2022/11/1