[发明专利]一种微电网风光储模型预测控制方法

权利要求书

1.一种微电网风光储模型预测控制方法，其特征是：包括以下步骤：

(1)建立预测模型，通过预测模型预测未来设定时段内微电网中风电机组和光伏发电的最大出力；

(2)以预测到的风电和光伏最大出力作为约束条件，对微电网中风电机组、光伏发电以及储能电池三者出力进行在线优化，给出三者的参考出力；

(3)根据风电机组和光伏发电的实时可调容量，对风电机组、光伏发电以及储能电池三者参考出力进行反馈调整；

所述步骤(3)中的反馈调整：根据风电机组和光伏发电有无可调容量，反馈调整环节具体包括以下4种情形：

(a)风电机组和光伏发电均具有可调容量，即可调容量为正，此时将参考出力直接下发给风电机组、光伏发电以及储能电池；

(b)风电机组和光伏发电均无可调容量，即可调容量为负，此时将参考出力直接下发给风电机组和光伏发电，储能电池补偿功率缺额；

(c)风电机组具有可调容量，光伏发电无可调容量，光伏发电具有过剩计划，此时将光伏发电过剩计划转移给风电机组；

(d)光伏发电具有可调容量，风电机组无可调容量，风电机组具有过剩计划，此时将风电机组过剩计划转移给光伏发电。

2.如权利要求1所述的一种微电网风光储模型预测控制方法，其特征是：所述步骤(1)中，预测模型通过神经网络预测技术实现风电机组和光伏发电的功率预测，根据过程的历史信息和未来输入预测过程的未来输出值。

3.如权利要求1所述的一种微电网风光储模型预测控制方法，其特征是：所述步骤(2)中的在线优化模型的目标函数：目标函数f₁为微电网与配电网交换功率偏差最小，以保证微电网成为配电网稳定的电源或者负荷，降低配电网的控制难度，在微电网离网状态下，设置微电网与配电网交换功率为0，目标函数f₂为储能电池初末时段荷电状态之差最小，以保证储能电池具有较高的电量；

min f1=Σi=1N[Pl(i)+Ptie(i)-Pw(i)-PPV(i)+Pb(i)]2N]]>

min f₂＝SOC(1)-SOC(N)

其中，N为优化时域内总的时段数；P_l(i)为时段i内的负荷功率；P_tie(i)为时段i内微电网与配电网的交换功率，正值表示微电网向配电网注入功率，负值表示配电网向微电网注入功率；P_w(i)为风电机组在时段i内的计划出力；P_PV(i)为光伏发电在时段i的计划出力；P_b(i)为储能电池在时段i内的计划出力，充电时该值为正值，放电时该值为负值；SOC(1)、SOC(N)为第1时段、第N时段的储能电池荷电状态。