基于模型预测控制的厨余垃圾处理厂分布式发电系统优化调度

李安乐，易志刚，彭星

(湖南仁和环境股份有限公司，湖南 长沙410005)

0 引言

我国的厨余垃圾处理行业规模随着城镇化率的提高而逐步扩大，随之带来的厂用电需求会给电网带来不小的供电压力。厨余垃圾处理厂现阶段普遍通过建设沼气发电来满足厂用电需求，不足部分再由主网补充。然而，由于沼气发电系统单位容量投资大、系统容量配置需要与沼气产量相匹配[1－3]，处理厂内自有沼气电站的建设规模无法完全满足厂内电气设备的用电需求。

采用分布式光伏发电系统是减少垃圾处理厂对电网的用电需求[4－6]、缓解电网高峰时段供电压力的有效手段[7－10]。厨余垃圾处理厂的生产时间集中在05:00—19:00，用电以白天为主，白天用电量可达全天的75%，而白天正好是分布式光伏系统的出力时间段，所以分布式光伏发电系统在垃圾处理厂中的应用具有很高的投资价值[11－12]。而储能系统作为提高分布式能源消纳能力的主要装置，得到了广泛研究[13－15]。

现有较多对分布式发电系统在配电网中优化运行的研究，文献[16]综合考虑可调控负荷的发用电一体化综合优化调度策略，将可调控负荷分为可转移负荷、可中断负荷，以及考虑电动汽车等实现风光储联合发电系统和用户侧收益最大化。文献[17]针对平抑可再生能源功率波动的应用需求，对电池储能系统的功率和能量进行优化配置计算方法进行了研究，通过电池储能的合理配置规划，避免了电池的过充过放，优化电池的运行参数。文献[18]提出含风光水火电互补系统的火电日前优化调度模型，提高了多能源优化调度运行中新能源利用率。然而，现有文献研究中没有考虑分布式发电系统的功率预测误差，随着分布式发电系统的普及，如果功率的预测误差没有得到处理，将给电网带来不必要的冲击，并且对分布式电源在厨余垃圾处理厂用电中的运行未进行研究。

为了解决上述问题，本文提出基于模型预测控制的分布式光伏发电系统优化调度策略。首先，对分布式光伏发电系统出力进行日前预测，结合厂用电计算出对主网用电量的需求计划；然后，对储能系统出力进行滚动优化调度，通过合理调整沼气发电系统出力和储能系统出力来平抑分布式光伏发电系统出力预测误差。优化调度储能系统的SOC值，避免了过充过放影响寿命。最后，以某厨余垃圾处理厂实例验证所提方法的经济性和有效性。

1 厨余垃圾处理厂基本结构

本文所研究的厨余垃圾处理厂供用电系统主要由沼气发电系统、分布式光伏发电系统、储能系统和厂用电负荷组成，系统结构如图1所示。所采用的小容量光伏发电系统以380 V低电压等级采用多回线路接入用户变低压侧。

图1 厨余垃圾处理厂系统结构

2 日前优化调度

考虑到厨余垃圾处理厂中的分布式发电系统规模较小，采用了一种基于改进长短期记忆网络(Long Short－Term Memory，LSTM)与高斯过程回归(Gaussian Process Regression，GPR)的组合预测方法对分布式光伏发电功率进行日前预测[19－20]，该方法能够在较短时间内获得高精度、可靠性强的预测结果，同时兼顾准确性和可靠性。其中GPR主要用于将LSTM预测的结果进行修正。

分布式功率预测流程如图2所示。首先补全分布式发电功率时间序列缺失值，并进行归一化，划分为训练集和测试集；然后输入特征数据，转化为二进制规划问题，利用遗传算法得到最优输入组合及其训练集和测试集；再将所得结果输入改进LSTM中进行训练，得到第一次点预测结果；最后将预测结果和实测值作为训练集和测试值输入GPR模型中，得到最终点预测结果。

图2 分布式功率预测流程

利用改进的LSTM－GPR方法得到分布式光伏系统日前预测数据PV，厨余垃圾处理厂的厂用电负荷PL和沼气发电系统出力PB基本稳定，可以准确预测。通过式(1)可计算出厨余垃圾处理厂和电网的计划交互功率PG。

电价按照当地电力部门的电价政策实施市场购电，通过与没加分布式发电系统的交互功率进行对比可得分布式发电系统带来的经济效益和环境效益。

3 基于模型预测控制的优化调度策略

分布式发电系统的日前预测功率和实际出力功率存在一定的误差，虽然误差会随着时间尺度的减小而减小。若误差不进行相应处理，随着分布式发电的普及，会给上级电网及厂用电带来功率冲击，这不利于其在厨余垃圾处理厂的推广。

采用储能系统是平抑功率冲击的有效方法，但是储能电池造价昂贵，并且长时间工作在过充和过放的运行状态会加速储能电池的损耗，从而带来不必要的经济损失，不符合清洁发展、可持续发展的理念。

为解决上述问题，本文提出基于模型预测控制的优化调度策略[21]。借助分布式发电系统出力的日前预测功率来调整储能系统的充放电以平抑功率冲击。日前预测功率由于时效性较长，存在一定的误差，因此利用模型预测控制对其进行滚动优化，从而满足厂用电的需求。

3.1 模型预测控制建模

根据厨余垃圾处理厂的功率交互关系建立优化调度策略的状态空间模型如式(2)所示。

式中，k表示时间状态；x(k)表示处理厂在k时刻的状态变量；y(k)为k时刻的输出变量；Δu(k)表示k时刻的控制变量；Δd(k)为功率计算的不可控变量；A、B、C和D为已知的系数矩阵。各个变量的实际意义如式(3)所示。

式中，PS(k)和SS(k)分别表示k时刻储能系统的输出功率、储能电池的荷电状态(State of Charge，SOC)，PS(k)>0表示电池放电，反之表示电池充电；ΔPS(k)＝PS(k)－PS(k－1)表示k时刻储能系统的输出功率增量；ΔPV(k)和ΔPL(k)分别表示k时刻分布式发电系统出力和厂用电负荷超短期预测功率增量。

在k时刻对未来m个时间段分布式发电系统出力和厂用电负荷进行超短期功率预测，可以得到比日前预测更为准确的数据。设从k时刻开始往后m步的预测输出向量为Y(k)，其展开式如式(4)所示。

式中，y(k＋n｜k)为在k时刻对k＋n时刻的超短期预测输出变量，整数n∊[1，m]。

3.2 优化目标和约束条件

优化调度的目标是通过储能系统充放电来平抑功率的日前预测数据误差，使厨余垃圾处理厂与电网的最终交互功率和预测的计划交互功率PG相吻合，同时避免储能系统的过充和过放，延长储能系统的寿命。

式中，Yref(k)和ΔU(k)分别表示k时刻预测时域内输出参考向量和控制向量；PG，ref(k＋n｜k)和SS，ref(k＋n｜k)分别表示在k时刻对k＋n时刻预测的并网交互功率和储能系统的荷电状态；Δu(k＋n｜k)表示在k时刻对k＋n时刻预测的控制变量，这也是调度优化所求的目标值。

优化调度模型需要以下约束条件。

1)功率平衡约束

厨余垃圾处理厂各部分功率交互关系如下:

2)并网交互功率跟踪偏差约束

需要对处理厂与电网的交互功率设置约束，防止其和计划值偏差过大，如式(8)—(10)所示。

式中，PG，max(k＋n｜k) 和PG，min(k＋n｜k) 为k时刻并网交互功率的上限和下限；α为允许的偏离误差。

3)储能系统功率约束

式中，PS，min和PS，max分别表示储能系统输出功率的上限和下限；ΔPE(k＋n｜k)表示储能系统在k时刻预测k＋n时刻的功率增量。

4)储能系统的荷电状态约束

式中，SS，min和SS，max分别表示储能系统SOC值的下限和上限；SS(k＋n｜k)表示储能系统在k时刻预测k＋n时刻的SOC值。

3.3 滚动优化

在k时刻进行滚动优化调度的目标函数如式(14)所示。

根据模型预测控制的思想，在k时刻测量输出变量值y(k)，反推出k时刻的状态变量x(k)，并对k时刻往后m个时间段进行超短期预测，得出Y(k)中的y(k＋1｜k)，y(k＋2｜k)，…，y(k＋m｜k)，这样便可使式(5)转化为一个二次规划问题；对其进行求解可得到k时刻的控制变量ΔU(k)，取其中的第一项Δu(k＋1｜k)作用于下一时刻，到k＋1时刻再用求出的Δu(k＋1｜k)和测量出的y(k＋1)对优化问题进行刷新。这样一个不断循环的过程就是滚动优化，利用此原理对厨余垃圾处理厂进行优化调度。

4 算例验证

以某厨余垃圾处理厂作为实际算例进行验证，该工厂的机电设备装机容量为3 000 kW，最大运行功率1 500 kW，沼气发电机组安装容量为1 000 kW，机组出力随沼气产量变化保持在500~950 kW，采用最大输出功率为700 kW的分布式光伏发电系统，一个调度时间段Δt为5 min。

4.1 分布式光伏功率日前预测

采用基于LSTM与GPR的光伏日前功率预测方法对分布式光伏发电功率进行日前预测，在利用其进行光伏日前功率预测时，考虑辐射度、温度、风向、时间类型、湿度等影响因素。利用厨余垃圾厂内光伏发电历史数据，按照8∶1∶1的比例划分训练集、验证集和测试集，得到结果如图3所示。

图3 分布式光伏功率日前预测曲线

结合以上分布式光伏发电曲线和厂用电负荷PL、沼气发电系统出力PB，可以利用式(1)计算出垃圾处理厂和电网预期交互功率，其曲线如图4所示。

图4 工厂和电网预期交互功率曲线

4.2 滚动优化调度

利用滚动优化调度来调整储能系统充放电平抑分布式发电的日前预测误差，该处理厂所采用的储能系统总容量为400 kW·h，充放电工作效率为0.9，最大充放电功率为150 kW，SOC值上限为0.9，下限值为0.1。模型经过运行得到:未经过滚动优化的交互功率和预计交互功率如图5所示，经过滚动优化的交互功率和预计交互功率如图6所示(8:20—12:30)，储能系统SOC一整天的变化情况如图7所示。

对比图5和图6可以得出，经过滚动优化后的处理厂和电网的交互功率明显和预期交互功率更加吻合，有效避免了分布式发电系统日前预测误差给电网带来的冲击，促进了可再生能源的消纳，证明了分布式光伏发电系统在厨余垃圾处理厂的实用性。从图7可以看出，所提优化策略很好地避免了储能系统的过充过放，避免了储能系统的损耗。

图5 未经过滚动优化的交互功率和预期功率

图6 经过滚动优化的交互功率和预期功率

图7 储能系统SOC变化

4.3 经济效益

按照全部自发自用来设计光伏装机容量，项目产生的收益来自于抵消向电网购电形成的收益减去储能系统损耗产生的费用，该项目分布式光伏发电系统节省的电费见表1。推算项目投入运营的25年内累计节省电费1 355.25万元，分布式光伏发电投资262.5万元，储能系统投资60万元，折旧率为8%，光伏发电利润912.75万元，投资回收期8.16年，年均投资收益率为8.3%。如能将CO2减排量开发成CCER碳交易项目，预计可提高项目投资收益率2.7%，投资收益率为11%。

表1 光伏系统输出电量统计表

4.4 环境效益

在厨余垃圾处理厂建立分布式光伏发电系统，具有较好的环境效益。根据生态环境部应对气候变化司研究确定的«2019年度减排项目中国区域电网基准线排放因子»，采用PVsyst提供的计算方法，光伏发电替代火力发电，可以计算节约标准煤、粉尘减排、CO2减排量、SO2减排量和NOx减排量等指标，该项目25年的发电期内可以实现的减排值见表2。如果能将CO2减排量开发成CCER碳交易项目，按20元/t价格测算，预计每年可增加收益12万元，与项目折旧费用相当。

表2 节能减排统计表 t

5 结语

在厨余垃圾处理厂建立分布式光伏发电系统，能够很好地补充沼气发电的电力供应不足问题，还能降低沼气电站的投资并减少大气污染物排放，满足国家产业政策要求。基于模型预测控制的分布式发电系统优化调度策略，能够有效降低分布式发电系统的引入对电网的冲击，有利于减少电网的用电量，实现对新能源的充分利用。实际算例验证了本策略能有效地降低成本、减少污染物排放，具有很高的经济和环境效益。