[发明专利]一种基于预测控制的多微网协调控制方法

权利要求书

1.一种基于预测控制的多微网协调控制方法，其特征在于包括如下步骤：

(1)建立子微网预测模型及多微网预测控制优化模型；设定多微网由N个子微网S_i组成，i＝1～N，选取预测时域为P，优化时域为M，P≥M，对于每个子微网S_i，预测模型描述为，

X_i(k+1)＝A_iX_i(k)+B_iU_i(k)+A_ijV_i(k)

$V_i\left(k\right)=\underset{j=1,j\≠i}{\overset{N}{\Σ}}{a}_{ij}{X}_j\left(k\right)$

其中，U_i(k)＝[u_i(k|k)u_i(k+1|k)...u_i(k+P-1|k)]^T；

X_i(k+1)＝[x_i(k+1|k)x_i(k+2|k)...x_i(k+P|k)]^T；

V_i(k)＝[v_i(k|k)v_i(k+1|k)...v_i(k+P-1|k)]^T；

U_i(k)为k时刻预测的子微网S_i在k时刻及以后各个时刻可控的传统供电输出功率，V_i(k)为子微网S_i在k时刻及之后各个时刻受其它子微网影响的动态影响值，X_i(k+1)为基于k时刻的预测值所求出的子微网S_i在k+1时刻及之后各个时刻的新能源输出功率与负荷功率的差值，a_ij为子微网S_i在k时刻与其他子微网的能量流动比例系数，A_i表示子微网内部各状态变量之间的关联情况，B_i和A_ij表示输入变量对各状态变量的影响；

于是，多微网的预测控制优化模型如下：

$\min J\left(k\right)=\underset{U_i\left(k\right),V_i\left(k\right)}{\min }\underset{i=1}{\overset{N}{\Σ}}\[\left|\right|X_i(k+1)|{|}_{Q_i}^2+|\left|U_i\left(k\right)\right|{|}_{R_i}^2\]$

其中Q_i与R_i分别是子微网S_i的状态和输入的权矩阵；

(2)设定初始的迭代步数h、迭代步长α_i，k时刻每个子微网的拉格朗日协调因子i＝1～N，N为子微网个数；

(3)通过多微网的预测控制优化模型迭代求解拉格朗日协调因子最优值；在预测控制优化模型J(k)中引入拉格朗日乘子组成拉格朗日函数，

其中，(i≠j,i,j＝1,...N)为拉格朗日乘子，且子微网S_i拉格朗日函数

若选取拉格朗日乘子作为协调因子，则该式表示两层递阶结构形式的优化，内层是关于U_i(k)与V_i(k)的二次规划，仅与拉格朗日协调因子有关；外层是关于拉格朗日协调因子的优化，首先固定拉格朗日因子i＝1～N，则每个子微网内层的优化L_i(k)可全分散、并行地求解；然后，利用内层优化的最优解对拉格朗日协调因子进行改进，

其中，迭代步长α_i是根据梯度上升算法收敛速度而适当选取的；h是迭代的步数；是子微网S_i迭代h步时的拉格朗日协调因子；反复迭代求解出满足条件的最优拉格朗日协调因子；在迭代求解最优拉格朗日协调因子过程中，子微网S_i的最优解仅依赖于其它子微网在当前时刻的信息，而这些信息可通过子微网间的实时通信获得，于是子微网便能独立、并行地求解各自的优化；每个子微网有一个独立的拉格朗日协调因子它受状态变量X_i(k)的影响；当状态变量X_i(k)改变时，基于拉格朗日协调因子的协调作用，通过调整U_i(k)和V_i(k)来补偿X_i(k)的变化，实现负荷与供电端的能量互动及微电网间的能量互动；

(4)根据上一步所求拉格朗日协调因子最优值求解各子微网与配电网的交换功率参考值，并根据交换功率参考值调节各子微网的功率输出；子微网S_i与配电网的交换功率参考值为：

其中P(k)表示k时刻整个多微网与配电网的总交换功率，P_ref(k)表示k时刻整个多微网与配电网的总交换功率参考值，ΔP(k)表示k时刻整个多微网与配电网的总交换功率与参考值的差值，P_{i_ref}(k)表示子微网S_i与配电网的交换功率参考值，k_i表示比例积分控制器的积分系数，k_p表示比例积分控制器的比例系数；

(5)滚动移位至下一时刻k＝k+1，设定k时刻每个子微网的拉格朗日协调因子最优值为k+1时刻每个子微网的拉格朗日协调因子初始值，返回步骤(3)，重复步骤(3)和(4)。