[发明专利]一种微电网中能量管理系统的温控成本优化算法

权利要求书

1.一种微电网中能量管理系统的温控成本优化算法，其特征在于，包括以下步骤：

步骤I：建立室内供热系统的热回路等值参数模型，求解室内供热系统的状态空间方程；

室内供热系统的热回路等值模型是将房间和墙壁作为节点，在回路中体现为电压，将输入的功率作为电流源，并结合功率与温度的关系及室内的温度分布特点，给出热阻与热容的等值参数，由此得到室内供热系统的状态空间方程；

步骤II：建立微电网中智能楼宇的成本优化模型，求解满足成本最优的基本功率最优解与满足成本最优的功率消耗灵活性上下限的最优解；具体过程为：对室内供热系统的状态空间方程离散化，然后，进行以下步骤：

1)：建立智能楼宇基本功率的成本优化模型，求解满足成本最优的基本功率最优解；

2)：建立智能楼宇功率消耗灵活性的成本优化模型，求解满足成本最优的功率消耗灵活性上下限的最优解；

步骤III：建立微电网管理中心的成本优化模型，求解微电网管理中心对用户的灵活性需求；

步骤IV：在步骤III建立的微电网管理中心的成本优化模型基础上，得到时间参数约束和优化约束；

步骤I中室内供热系统的状态空间方程如下：

其中，C_res1和C_s1分别反映房间中的热容和房间墙壁的热容，R_f1表示室外和房间的热阻大小，R_i1表示房间内和墙壁的热阻大小，R₀₁表示室外和墙壁间的热阻大小，是状态变量，控制输入功率U由MPC控制器给出，控制输入的最大功率表示为P_max，室外温度T_out是可测量的干扰，输出矢量y＝T_in；

智能楼宇的基本功率的优化模型如下：

s.t.:

X(i+1)＝A_mX(i)+B_mU(i)+B_dmd(i),i＝k,…,k+h-1 (4a)

T_ip(i+1)＝C_mX(i+1),i＝k,…,k+h-1 (4b)

T_ip(i+1)+ε(i+1)≥T_ref(i+1),i＝k,…,k+h-1 (4d)

ε(i+1)≥0,i＝k,…,k+h-1 (4e)

U_min≤U(i)≤U_max,i＝k,…,k+h-1 (4f)

其中，X(i)、分别是时刻i、i+1的状态变量向量，k为时刻i的初始时刻；U是房间供热系统的输入向量；d(i)是系统的扰动，T_ip(i+1)是时刻i+1的预测内部温度；h为预测优化时长，矩阵A_m、B_m、B_dm和C_m是离散化后的系统矩阵；式(4a)和式(4b)构成楼宇模型，式(4c)和式(4d)是对输出的约束，式(4e)表示对松弛变量的约束，式(4f)是对输入的约束，即U_min为基本功率的下限，U_max为基本功率的上限；在式(3)中，α是智能楼宇用户所缴纳的基本功率的价格，ε为松弛变量，β为惩罚价格，T_ref和为无灵活性功率要求时室内温度需求范围的下限和上限；

智能楼宇功率消耗灵活性的成本优化模型如下：

s.t.：

T_ip(i+1)＝C_mX(i+1) (6b)

δ_l(i+1)≥0 (6i)

δ_u(i+1)≥0 (6j)

其中，i＝k,…,k+h-1；在式(5)中，γ_l和γ_u是微电网向智能楼宇提供的少消耗功率灵活性和多消耗功率灵活性的激励；ξ_l和ξ_u分别是低于低温参考值和高于高温参考值的惩罚；式(6a)-(6d)是智能楼宇考虑灵活性后的模型，其中U_opt是从步骤1)中优化得到的基本功率的最优解，T_ref和为无灵活性功率要求时室内温度需求范围的下限和上限；X为使用灵活性功率下限后的状态变量向量的值，则为使用灵活性功率上限后的状态变量向量的值；T_ip和为使用灵活性功率下限和上限后室内温度的预测值；式(6e)和式(6f)表示智能楼宇因提供灵活性而牺牲的温度舒适度的范围，即和为考虑灵活性功率要求时室内温度需求范围的下限和上限；式(6g)和式(6h)分别给出少消耗功率灵活性和多消耗功率灵活性的约束范围，式(6i)和式(6j)是对松弛变量δ_l和δ_u的约束，矩阵A_m、B_m、B_dm和C_m是离散化后的系统矩阵，d(i)是系统的扰动；

步骤III的具体过程为：设定目标函数为最小化微电网管理中心的成本，并考虑功率平衡、上级系统的功率供给范围及功率消耗灵活性范围的约束条件，求解出微电网管理中心对用户的灵活性需求。

2.根据权利要求1所述的一种微电网中能量管理系统的温控成本优化算法，其特征在于，微电网管理中心的成本优化模型如下：

其中，

s.t.：

0≤P_gp(k+i)≤P_gmax,P_gmin≤P_gn(k+i)≤0,i＝1,…,T_g-1 (9b)

其中，式(7)给出了微电网管理中心给上级配电网和智能楼宇所花费的成本，P_gp和P_gn分别是上级配电网卖给微电网的功率以及微电网管理中心反送给上级配电网的功率，和是微电网管理中心向智能楼宇提出的多消耗功率灵活性和少消耗功率灵活性的需求，α_gridp(k+i)、α_gridn(k+i)分别表示微电网管理中心买入配电网电力的价格和卖给配电网电力的价格，γ_u(k+i)、γ_l(k+i)分别是微电网向智能楼宇提供的多消耗功率灵活性和少消耗功率灵活性的激励；T_g是微电网管理中心侧MPC模型的预测优化长度；P_pl是微电网系统的楼宇负载，P_s代表了该系统中的太阳能所提供的功率；式(9a)给出微电网中的功率平衡约束；式(9b)为从上级配电网获得或反送功率的范围，式(9c)为多消耗功率灵活性和少消耗功率灵活性的范围。