基于预测控制的含风电滚动优化调度

南京理工大学能源与动力工程学院的研究人员刘立阳、吴军基、孟绍良，在2017年第17期《电工技术学报》上撰文，在预测控制理论的基础上建立了含风电的滚动优化调度模型,将常规火电机组、风电机组的有功出力视为预测控制的状态量,常规火电机组的出力调整量视为输入量,以状态空间的形式描述状态量和输入量之间的关系。

通过对目标函数和约束条件进行状态空间转换,使滚动调度问题转变为矩阵形式的优化问题,建立了一种多机组多预测时段的滚动优化调度数学模型。并根据矩阵的特性对目标函数进行了化简,使优化问题转换为二次规划形式,推导了全矩阵约束时的内点法增量矩阵,便于应用内点法进行模型求解。此外,还对滚动优化的决策稳定性问题进行了理论分析。

仿真算例表明,相比传统的单时刻优化,基于预测控制的含风电滚动优化模型在整体优化水平和调度决策前瞻性方面具有优势。

为了应对不断增长的能源需求以及日益严峻的环境问题，许多国家和地区都加大了在清洁能源领域的投入，其中风力发电是应用最为广泛的一种新能源技术。当前中国的风电装机总容量已经位居世界首位，但由于受到气象条件、电网结构、网内其他电源以及负荷波动的多重影响，风电的大规模接入也使传统的电力调度方法面临挑战。因此，除了加强风电相关配套设施的建设，还应采用更为合理、有效的调度方法促进风电和电力系统的融合。

含风电的电力调度需应对风电出力的不确定性，主要采用随机动态规划、机会约束、概率分布等方法将不确定性问题转换为一定概率水平下的确定性问题。调度模型主要以经济性为目标，也有一些研究将环保性、可靠性作为主要优化对象。

现阶段含风电的优化调度研究主要集中在日前计划和日内小时级以上的优化上，而电力调度是由一系列不同时间尺度的调度方案所构成，多级调度可逐步降低风电出力的不确定性，提高电网接纳风电的能力。

文献［10］提出含风电的电力系统调度从时间尺度上大致可以分为日前调度规划、日内滚动调度、实时调度、AGC机组自调整4个不同的阶段，不同时间尺度的调度方案侧重点也不同，各阶段相互配合才能保证电力调度的合理性。其中滚动调度的优化周期为30 -60min，可根据最新的风电和负荷预测信息，不断地对上一时间尺度的调度方案进行修正，滚动调度在多级调度中具有重要作用。

由于滚动优化特点是在线不断地滚动求解最优，而预测控制(或称为模型预测控制)理论的主要特点是预测模型、滚动优化和反馈校正，与滚动优化调度所要解决的问题十分吻合。

鉴于两者较高的相似性，国内外一些学者提出了在电力调度中应用预测控制理论解决优化调度问题。文献［13，14］指出预测控制方法具有较好的收敛性和和鲁棒性，适合电力调度等资源优化分配问题。文献［15］应用分布式预测控制优化发电成本和污染排放。文献［16］在动态经济调度中应用预测控制理论，取得了良好效果。文献［17］为适应大规模风电的入网，在预测控制的基础上提出了分层模型预测控制方法，应用分解协调的控制方法降低了求解的难度。除了滚动调度，文献［18］同样将预测控制应用于超短期的实时优化调度。

当前，预测控制在电力调度领域的应用研究已经受到了重视，但针对风电等不确定性能源接入的研究还相对较少，尤其是与含风电滚动优化调度相结合的研究。本文将预测控制理论与含风电滚动优化调度进行了较为深入的融合，把含风电的滚动优化调度抽象成预测控制问题，利用状态空间等控制理论工具对模型进行转换，在预测控制理论框架下对滚动优化调度问题进行了建模和求解，此外，还对调度决策稳定性问题进行了分析和研究。

图1 基于预测控制的滚动调度基本框架

结论

本文在预测控制理论的基础上建立了含风电的滚动优化调度模型，将机组出力状态和调整量之间的关系以状态空间的形式进行表示，通过控制理论相关方法对多机组多预测时段的含风电滚动优化问题进行了建模和分析。将滚动优化的目标函数转变为二次规划问题，推导了全矩阵约束时内点法增量计算矩阵，解决了模型的求解问题。

通过理论分析，探讨了如何保证滚动调度决策的稳定性。本文采用预测控制理论解决滚动优化调度问题，符合当前电力调度高度自动化的发展趋势，也为含风电的滚动优化调度提供了一种思路。