石毅1 孙瑞2 李雪峰2
1.欣旺达电子股份有限公司
2.深圳市欣旺达综合能源服务有限公司
摘要：本文使用模型预测控制中的滚动时域优化策略，结合微电网全局特点与储能系统运行模型，提出一种改进智慧储能系统运行过程的优化方法并进行仿真模拟和预测。根据仿真的结果，这一方法能够发挥出滚动时域优化自身的优点，既能够满足微电网中能量控制的基本要求，又能够对储能系统运行过程进行最优方案求解，从而使用较低的成本完成对整个微电网的能量协调优化，提高储能系统运行的效率，初步证明其有效性。
关键词：滚动时域优化；储能系统；经济优化
1.引言
近年来以风能、光能以及热能为代表的新能源开发利用与存储成为解决环境问题的一大方案，这些可以再生的新能源及其相应的储能系统组成的微电网技术也在不断进步。微电网中包含多种分布式微源（DGs），其运行过程主要是对各分布式微源的控制和协调[1]，借助于最优的控制方法来协调处理各分布式微源的运行，以此来确保整个微电网系统的能量稳定，从而使整个微电网平稳运行，并满足提高微电网能源利用率、减少系统运行的经济成本等要求。又因为分布式电源在微电网中的容量与配电网额定容量的占比逐渐增加，其经济优化策略逐渐复杂化，这就必须要对储能系统运行过程进行优化[2]。
储能系统运行管理实质上是一个复杂的、非单一线程同时又要兼顾多个目标的求最优解的过程[3]。借助于调整各分布式电源之间的电力能源走向，并灵活使用发电和用电设备，来平衡微电网的储能与放能。本文采用模型预测控制（model predictive control, MPC）中的滚动时域优化（RHC, receding horizon control）方法，结合微电网储能系统模型特点，提出一种改进智慧储能系统复杂运行过程的优化算法，并对系统运行状态的模拟和预测。
2.基于滚动时域控制原理优化的智慧储能系统
2.1滚动时域优化预测控制理论
由于电力储能与方能系统的影响因素较为多变，其运行效果受到多种环境和内部因素的制约，而目前通过信息技术对环境的预测往往是较为准确的，例如未来一周的天气预报、24小时的耗能需求等，这就需要储能系统具有预测调控的能力。预测与调控的核心思想是滚动方式求解[4]。滚动时域优化是一种在有限时段的滚动优化，是预测控制原理中的一种具体表现形式。在每一个采样的时刻，系统优化性能的指标涉及从该时刻起到指定的有限时间内，进入下一个采样时刻时这一优化时刻同时向前推进，如此反复进行。由于电力储能系统的运行具有多边形，仅仅考虑长时段的优化会使测算结果误差较大，缺乏现实意义，滚动时域优化思想则适用于动态环境的系统调度和优化。
滚动时域优化在采样区间内，用当前时间作初始值，通过测算有限时间域内目标对象的变量，得到一个最优序列，随后再以第1个最解为初始，在下一周期相应的时域向前推移，并重复以上过程[5]。
2.2基于滚动时域优化的智慧储能系统运行状态的模拟和预测模型建立
由于分布式微源的存在，储能系统的配置应实现快速启停的同时，也能够保证放能的连续性。本文利用对分布式微源的优化，结合负载和微电网，建立功率协调优化微电网模型并进行智慧储能系统运行模拟检测。主要内容包括基础数据获取与输入、储能系统模型构建与模拟模型构建以及最终的模拟检测结果三部分[6]。
首先构建储能系统模型以及运行模拟模型，其中包括风电的储能成本模型[7]，其次在对系统运行过程设立目标函数，以储能系统充电和放电和量等现实需求作为函数的约束条件。最后对模拟的运行结果进行分析。
3.基于滚动时域优化的智慧储能系统模拟模型
3.1 滚动时域优化下系统的目标函数
本研究使用的是滚动时域优化的方法，在保证基本负荷供电的基础上，通过计算某时段内的最优解，使滚动时域内储能系统运行效率最佳。优化以1 h 为步进周期进行滚动预测，设步长时间为tp，计算到t+tp时间为止的最优解，具体表示为：
.png)
3.3.算例分析
.png)
图中表现得是对储能系统进行优化设计后，一天之内每一小时储能系统的充电和放电功率以及每一小时外电网与整个系统之间的功率交换情况。经分析，储能系统在通过滚动时域优化后，更多选择在集中时段进行购电，该时段为电价较低的时段。相反在电价不低的时段则主要靠储能系统和风机来实现电量的负载的传输。根据储能系统的电量变化，储能电量位于0-60kW的区间内，可以得出在基本的经济需求得到保证的前提下，系统的充电和放电符合基本的功率约束。
.png)
从表中可以看出，随着步长的增加，从外部购电的成本逐渐趋于稳定，这说明延长滚动时域会使求解更加准确，整个运算过程有更多的参考数据，有利于获得最优方案，因而储能系统可以准确分析内部能源电力的走向，从而进一步确定优解。
在微电网确定最优解的过程中，储能系统的充电与放电量以及系统与外电网之间的能量交换不能局限在单一的成本值，而应该在较为长久的时间段中进行多次迭代运算，从中思考其运行的最佳方式。
4.结论与展望
本研究在智慧储能系统模拟模型的基础上，结合滚动时域优化方法，提出了一种滚动时域优化预测控制方法，并将其引入储能系统运行模型，进行模拟和预测，从而改进全局优化方法。根据仿真的结果，使用滚动时域优化后的储能系统在运行过程中能够实现整体系统的最优运行，并在经济层面上满足了降低成本的需求，对整个微电网协调优化起作用。在之后的研究中，应对分布式微源、储能系统以及宏观电网系统间的能量走向进行更贴合现实的调整，加入现实影响因素，实现全局运行的合理调度。对储能系统建立更加贴合实际的模型是接下来需要攻克的重要研究方向。
参考文献
1.Energy - Energy Storage; Researchers from Ryerson University Report Findings in Energy Storage (Energy Storage Optimization for Global Adjustment Charge Reduction In Ontario)[J]. Energy & Ecology,2020.
2.卞艺衡,桂恒立,别朝红.考虑重构和微电网分区的分布式电源优化配置[J].智慧电力,2020,48(07):8-15.
3.Sneana Mitrovi-Mini,Ramesh Krishnamurti,Gilbert Laporte. Double-horizon based heuristics for the dynamic pickup and delivery problem with time windows[J]. Transportation Research Part B,2003,38(8).
4.丁一,陈婷.基于滚动时域优化策略的多载AGV充电调度[J].中国航海,2020,43(02):80-85.
5.颜宁,李相俊,张博,马少华,王海鑫.基于电池健康度的微电网群梯次利用储能系统容量配置方法[J].电网技术,2020,44(05):1630-1638.
6.Adamantios Bampoulas,Athanasios Karlis. Real-time energy storage management system of a nanogrid integrating photovoltaics and V2G operation[J]. The Journal of Engineering,2020,2020(1).
7.鹿婷,贾继超,彭晓涛.一种考虑经济调度的风电场储能控制策略[J].分布式能源,2019,4(03):40-49.