Full Timescale Hierarchical MPC-MTIP Framework for Hybrid Energy Storage Management in Low-Carbon Industrial Microgrid

📄 arXiv: 2603.21651v1 📥 PDF

作者: Daniyaer Paizulamu, Lin Cheng, Ning Qi, Zhengmao Li, Nikos D. Hatziargyriou

分类: eess.SY

发布日期: 2026-03-23

备注: 10 pages,12figures,Journal

💡 一句话要点

提出全时域层次化MPC-MTIP框架以优化低碳工业微网的混合能源存储管理

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 混合能源存储 模型预测控制 低碳工业微网 调度优化 动态边界生成

📋 核心要点

  1. 现有的MPC方法在处理低碳工业微网的混合能源存储时，存在周期性SOC约束导致的调度灵活性不足问题。
  2. 本文提出了一种全时域层次化MPC调度框架，消除了单个存储单元的周期SOC约束，增强了调度的灵活性和效率。
  3. 通过对14个月的实际数据进行实验验证，提出的方法实现了97.4%的净负荷平滑率和62.2%的综合循环效率，显著优于现有方法。

📝 摘要（中文）

在低碳工业微网中，发电与负荷之间的平衡存在不确定性，使得混合能源存储系统（HESS）对其稳定和经济运行至关重要。现有的模型预测控制（MPC）技术通常施加周期性的充电状态（SOC）约束以维持长期稳定性，但这种硬约束限制了在预测期末的调度灵活性，导致在关键峰值期间无法释放足够的能量，并可能导致优化不可行。本文提出了一种新颖的全时域层次化MPC调度框架，消除了单个存储单元的周期SOC约束。通过建立全面的物理和成本模型，结合微轨迹逆投影（MTIP）机制，准确映射低层存储的高频动态缓冲能力，从而生成动态边界。实验结果表明，该方法在实际低碳工业微网中表现出显著的优越性。

🔬 方法详解

问题定义：本文旨在解决低碳工业微网中混合能源存储管理的调度灵活性不足问题。现有的MPC方法由于施加周期性SOC约束，导致在预测期末无法有效释放能量，影响系统的稳定性和经济性。

核心思路：论文提出的全时域层次化MPC框架通过消除周期SOC约束，增强了调度的灵活性。同时，结合微轨迹逆投影（MTIP）机制，能够准确映射低层存储的动态缓冲能力，从而优化决策空间。

技术框架：整体架构分为多个层次，首先建立HESS的物理和成本模型，然后将控制问题解耦为层次化的MPC结构，最后嵌入MTIP机制进行动态边界生成。主要模块包括数据采集、模型建立、层次化调度和反馈调整。

关键创新：最重要的创新在于消除了单个存储单元的周期SOC约束，并引入了MTIP机制，使得调度过程能够动态适应负荷变化，显著提高了系统的响应能力和效率。

关键设计：在模型设计中，采用了综合的物理和成本模型，设置了适应性反馈机制，确保了在极端波动情况下，低层存储不会出现限制违规和死锁现象。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，提出的方法在实际低碳工业微网中实现了97.4%的净负荷平滑率和62.2%的综合循环效率，相较于现有方法有显著提升，能够有效防止低层存储在极端波动下的限制违规和死锁现象。

🎯 应用场景

该研究的潜在应用领域包括低碳工业微网的能源管理、智能电网优化以及可再生能源的集成。通过提升混合能源存储系统的调度效率，能够有效降低能源成本，提高系统的稳定性和经济性，具有重要的实际价值和未来影响。

📄 摘要（原文）

Uncertainties in balancing generation and load in low-carbon industrial microgrids (IMGs) make hybrid energy storage systems (HESS) crucial for their stable and economic operation. Existing model predictive control (MPC) techniques typically enforce periodic state of charge (SOC) constraints to maintain long term stability. However, these hard constraints compromise dispatch flexibility near the end of the prediction horizon, preventing sufficient energy release during critical peaks and leading to optimization infeasibility. This paper eliminates the periodic SOC constraints of individual storage units and proposes a novel full-timescale hierarchical MPC scheduling framework. Specifically, comprehensive physical and cost models are established for the HESS composed of flywheel, battery, compressed-air, and hydrogen-methanol energy storage. The control problem is decoupled into a hierarchical MPC architecture. Furthermore, a novel adaptive feedback mechanism based on micro trajectory inverse projection (MTIP) is embedded into the scheduling process, accurately mapping the high frequency dynamic buffering capabilities of lower tier storages into the upper decision space to generate dynamic boundaries. Experiments using 14 consecutive months of second-level data from a real-world IMG validate the effectiveness of the proposed method, demonstrating its significant superiority over existing approaches. By effectively preventing limit violations and deadlocks in lower-tier storages under extreme fluctuations, it achieves a 97.4\% net load smoothing rate and a 62.2\% comprehensive cycle efficiency.