面向需求费用约束的光伏-电池储能微电网随机模型预测控制与月度峰值记忆调度

《Energy》:Stochastic model predictive control for PV–BESS microgrid energy management under demand charge

【字体: 大 中 小 】 时间:2026年10月23日 来源:Energy 10.1

编辑推荐:

  研究人员提出一种面向表后(behind-the-meter, BTM)光伏(PV)与电池储能系统(BESS)微电网的随机模型预测控制(Stochastic Model Predictive Control, SMPC)能量管理架构。该架构将离散的历史峰值状态变

  
研究人员提出一种面向表后(behind-the-meter, BTM)光伏(PV)与电池储能系统(BESS)微电网的随机模型预测控制(Stochastic Model Predictive Control, SMPC)能量管理架构。该架构将离散的历史峰值状态变量 Hmax 嵌入滚动时域混合整数线性规划(Mixed-Integer Linear Programming, MILP)中,使15分钟级电池调度决策与30天计费周期的需求费用相耦合。通过仅依靠BESS调度实现削峰与分时电价(Time-of-Use, ToU)套利,不采取负荷削减或光伏弃光。混合概率预测框架结合保形校准的极端梯度提升(XGBoost)负荷预测、四模型数值天气预报(Numerical Weather Prediction, NWP)集合与不对称指数偏差校正,并利用实时误差修正动态重加权场景概率。结果表明:预测性电池控制使微电网月度能源成本降低12.57%;实时误差校正将负荷预测精度由?0.567提升至0.958;随机场景处理而非计费记忆单独贡献了11.75%的节支。该研究为存在需求费用与双向计费约束的BTM微电网提供了可部署的优化控制路径。
研究背景与问题提出:在商业与机构场景中,表后光伏与电池储能系统微电网的经济性不仅受可再生出力间歇性与负荷随机性影响,更受混合电价结构制约。现行分时电价与月度需量电费并存,需量费用按30天计费周期内最高的15分钟平均进口功率计收,而模型预测控制通常仅有24小时预测窗,导致控制时域与计费周期存在结构性错位。传统规则控制难以兼顾经济性与约束满足,常规确定性滚动优化无法内化整月已累积的峰值暴露,现有随机模型预测控制多将需求费用作为终端代价或静态参数,未把历史峰值作为动态演化状态纳入场景优化。
研究人员针对巴西圣卡洛斯联邦大学中压校园微电网开展研究,构建含162 kW光伏、理论电池储能与现有负荷计量的仿真平台,在MATLAB/Simulink中以1秒步长模拟物理层,以15分钟步长运行控制层。研究提出将月度峰值记忆作为离散状态接入随机模型预测控制,并通过非侵入式电池调度、线性老化成本与概率预测校正实现电费协同优化。
关键技术方法:研究人员采用脱离耦合的容量配置混合整数线性规划确定电池能量与功率额定值;利用保形预测校准的XGBoost模型输出负荷p05、p50、p95分位,结合四模型NWP集合推导光伏出力边界;在滚动时域内以三场景概率结构描述净负荷不确定性,并基于实时预测修正量做指数衰减偏差补偿与场景概率重加权;优化内核为嵌入Hmax与Gmax峰值状态的可求解MILP。
研究结果:
微电网系统问题与建模:研究人员建立公共点连接处功率平衡、电池能量动态与双向计费模型,明确进口需量与出口发电越限均按三倍边际费率惩罚,并将电池老化以吞吐量线性成本计入目标函数,避免非线性电化学模型破坏凸性。
混合概率预测框架:通过XGBoost递归更新与NWP集合发散,分别给出负荷与光伏的90%置信包络;滚动回测显示负荷平均sMAPE为8.88%,光伏日间样本MQLoss为13.87 W/m2,证明不确定性区间可用于约束构造。
带历史峰值跟踪的SMPC:在目标函数中引入历史峰值状态Hmax与Gmax,以单位延迟算子跨计费周期记忆已固化峰值;充电指令受有效需量上限与裕度约束,未来越限仅对超出历史峰值部分计边际成本,从而在“已发生惩罚不可变、未发生峰值须规避”的边界内保留套利空间。
情景生成与实时校正:保守场景取负荷p95与光伏p05组合,基准场景概率初始为0.60/0.30/0.10;当实时负荷上修时,将概率质量由名义场景移向保守场景,并叠加衰减偏差项,使控制器对持续负荷突增具备自适应风险偏好。
主要结论与讨论:仿真对比表明,预测性电池调度使月度微电网能源成本下降12.57%;其中随机场景处理贡献11.75%节支,峰值记忆机制补齐剩余收益。实时误差校正将负荷预测相关性由?0.567提升至0.958。该架构仅用电池充放电即完成削峰,不削减负荷、不弃光,在双向ToU-需量混合电费下兼顾可解释性、计算可行性与约束满足。讨论指出,历史峰值状态使短期随机优化获得跨周期成本意识,场景重加权与偏差校正缓解了预测误差导致的越限风险;线性退化成本抑制了为微小套利而过度循环的行为。研究意义在于为《Energy》读者提供一套可迁移至同类机构微电网的计费感知型SMPC范式,后续可拓展至多电池单体、气候区迁移与更细粒度概率建模。
结论译文:研究人员开发了一种计费记忆感知的随机模型预测控制架构,用于表后光伏-电池储能微电网需求费用管理。通过将历史需量与发电峰值作为演化状态嵌入混合整数线性规划,并结合概率预测与实时校正,该框架在无需负荷中断或光伏弃用的前提下降低了月度能源成本。结果证实,峰值记忆与随机场景协同可弥合短时控制与长周期计费之间的鸿沟,为机构级微电网提供了兼具经济性与工程可部署性的解决方案。
四个回答部分已完成,接下来可以选择一个方向继续深化:
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号