基于粒子群优化优化的模型预测控制实现直流微电网需求响应

《Scientific Reports》：Demand response in DC microgrids using particle swarm optimization-optimized model predictive control

　　

摘要

直流微电网的高效能源管理需要先进的控制策略，以应对可再生能源的波动性、储能限制和动态负载需求。所提出的策略在模型预测控制（MPC）中采用粒子群优化（PSO）调优的自定义成本函数来实现需求响应。该控制器在计划削减窗口之外跟踪未削减的需求参考值，并在窗口之内允许有针对性的需求削减。基准需求曲线被视为未削减的服务参考值，需求响应以计划性且有控制的偏差方式从该参考值出发实现，而非作为连续的负载最小化。本研究还对默认固定权重MPC成本函数与PSO调优的模式依赖自定义成本函数进行了结构性比较，从它们所编码的控制优先级角度解释其权重，涉及负载跟踪、电网使用和混合储能运行。PSO在离线阶段确定两组模式依赖的权重集合，在线MPC则使用这些固定权重来响应变化的负载和可再生能源发电条件。晴天和多云条件下的仿真结果表明，自定义公式能够在需求响应窗口之外保持基准需求跟踪，并在窗口之内实现有针对性的削减。定量来看，在上午削减时段，计划需求降低了56.4%–61.0%，在下午时段降低了58.4%，同时在需求响应窗口之外的跟踪误差保持在1.6%以下。晴天条件下净电网能量交换降低了64.3%，多云条件下降低了24.1%，日净电力成本分别降低了49.1%和29.5%，且两种储能状态均保持在规定限值之内。