CN108320080B - 基于两层一致性算法的能源互联网实时动态功率分配方法 - Google Patents
基于两层一致性算法的能源互联网实时动态功率分配方法 Download PDFInfo
- Publication number
- CN108320080B CN108320080B CN201810010972.7A CN201810010972A CN108320080B CN 108320080 B CN108320080 B CN 108320080B CN 201810010972 A CN201810010972 A CN 201810010972A CN 108320080 B CN108320080 B CN 108320080B
- Authority
- CN
- China
- Prior art keywords
- power
- local area
- area network
- energy
- energy local
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004891 communication Methods 0.000 claims abstract description 39
- 238000010248 power generation Methods 0.000 claims abstract description 39
- 239000011159 matrix material Substances 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000007704 transition Effects 0.000 claims description 13
- 150000001875 compounds Chemical class 0.000 claims description 4
- 238000005457 optimization Methods 0.000 abstract description 10
- 230000003993 interaction Effects 0.000 abstract description 3
- 239000003795 chemical substances by application Substances 0.000 description 17
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 238000004088 simulation Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000009310 zuojin Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种基于两层一致性算法的能源互联网实时动态功率分配方法，以孤岛型能源互联网为研究对象，引入双层一致性理论构建能源互联网实时功率分配框架。将能源互联网划分为若干个能源局域网，同时以各能源局域网和能源局域网内各分布式电源的增量成本作为一致性状态变量设计一致性功率分配算法，使得各能源局域网根据自身情况均衡地承担能源互联网系统的功率不平衡量，进一步使得各分布式电源根据自身情况均衡地承担能源局域网的功率不平衡量，从而达到降低成本的目的。通过相邻智能体之间的信息交互，数据通信量减少，不仅能实现单个能源局域网发电成本的优化，更能实现整个能源互联网发电成本的优化。
Description
技术领域
本发明涉及一种能源分配技术，特别涉及一种基于两层一致性算法的能源互联网实时动态功率分配方法。
背景技术
化石能源的日益枯竭，全球环境的日益恶化，使得可再生能源得到大力发展(文献[20]、文献[20])。以间歇性能源能量密度高和空间密度高为主要特征的含高密度间歇性能源的能源互联网逐步发展为一种新的能源结构。能源互联网(Energy internet，EI)(文献[20]-文献[20])是包含多个能源局域网(Energy local network，ELN)的大系统，每个能源局域网融合了大量的分布式可再生能源及其他分布式发电单元，由于这些不同种类的发电单元具有各自的特点，如发电的间歇性、发电技术的成熟性等，使得各种发电单元的控制特性和成本各不相同。而能源互联网运行调度的目标是在保证能源互联网整体实时功率平衡的同时，降低分布式电源总的发电成本，相当于将经济调度问题转换为功率分配过程中增量成本一致性的问题(文献[20]、文献[20])。因此研究能源互联网运行调度中的实时功率分配问题具有重要的意义。
在目前已有的文献中，许多智能算法被用来解决优化调度问题，如拉格朗日乘子法(文献[20])、线性规划(文献[20])、遗传算法(文献[20])、粒子群算法(文献[20])等，但是这些算法都属于集中式调控方法，需要通过中央控制器与分布式电源的通信，获取全局信息才能实现优化调度，因此其计算量大、通信集中、可靠性差、投资成本高，且无法适应系统灵活的拓扑结构(文献[20]-文献[20])。而分布式控制方式(文献[20])中每个分布式电源的控制单元仅需其本地和相邻分布式电源的信息，利用局部信息交换实现协调控制，因此其通信量好少、可靠性高且扩展性强。
由于能源互联网中可再生能源的高渗透率，能源互联网中需要协调的分布式设备的数量也十分庞大，集中式协调优化方法缺乏灵活性和鲁棒性，而分布式控制方式不需要中央控制器，更能满足能源互联网拓扑结构灵活多变和即插即用特性。多智能体一致性算法作为一种分布式调控方式已得到了广泛应用。文献[16]采用二次凸成本函数分析经济调度问题，提出了等增量成本的一致性算法，引入了“领导者”和“跟随者”的概念，有效解决了在各种通信拓扑网络下的经济调度分散优化问题。然而在上述算法中需要设定一个主节点记录整个系统的负荷功率，从而保证机组发电功率与当前的负荷功率平衡。文献[17]-[19]提出了一种“一致项+修正项”的调度算法，一致性项确保增量成本收敛到最优值，修正项根据物理设备的实际运行情况计算反馈量进行实时修正，保证供需平衡。上述一致性创新方法，使得主节点的设定不再必要。在文献[17]-[19]中，由智能体组建的通信网络对应的拓扑图是无向图，文献[20]则进一步研究了通信网络拓扑图是强连通图时的经济调度问题，拓宽了算法的应用范围。文献[21]在单个微网内使用双层的增量成本一致性算法解决电力系统的经济调度问题，在此基础上，文献[22]考虑了电力系统经济调度中通讯网络中断的问题。多智能体一致性算法不仅用于微网中，同样也适用于能源互联网。文献[23]提出对多能源互联的分布式控制方法，在保证负荷功率在各分布式电源间精确分配的基础上，使各分布式电源的输出电压相角和幅值保持一致，从而减小甚至消除分布式电源间的计算电流。
然而，上述文献主要集中于单个微网或能源局域网的经济调度研究，而能源互联网是包含多个能源局域网的大系统，因此在上述研究的基础上，提出一种包含多能源局域网的能源互联网运行调度方法。
文献[20]～[23]如下：
[1]孙秋野.能源互联网[M].北京：科学出版社，2015：104-131.
Sun Qiuye.Energy internet[M].Beijing：Science Press，2015(in Chinese).
[2]孙秋野，王冰玉，黄博南，等.狭义能源互联网优化控制框架及实现[J].中国电机工程学报，2015，35(18)：4571-4580.
Sun Qieye，Wang Bingyu，Huang Bonan，et al.Framework and implementationof optimal control of special energy internet[J].Proceedings of the CSEE，2015，35(18)：4571-4580(in Chinese).
[3]Huang AQ，Crow M L，Heydt G T，et al.The future renewable electricenergy delivery and management FREEDM system：the energy internet[J].Proceeding of the IEEE，2011，99(1)：133-148.
[4]Xuesong Zhou，Fuzhi Wang，Youjie Ma.An overview on energy Internet[C].Proceedings of 2015 IEEE International Conference on Mechatronics andAutomation，Beijing，China，2015.
[5]Junwei Cao，Mingbo Yang.Energy Internet-towards smart grid 2.0[C].2013 Fourth International Conference on Networking and distributedComputing，Los Angeles，USA，2013.
[6]Z.Zhang，M.Y.Chow.Incremental cost consensus algorithm in a smartgrid environment[C].2011 IEEE Power and Energy Society General Meeting，SanDiego，CA，2011.
[7]G.Chen，E.Feng.Distributed secondary control and optimal powersharing in microgrids[J].IEEE/CAAJournal of Automatica Sinica，2015，2(3)：304-312.
[8]C.E.Lin，G.L.Viviani.Hierarchical economic dispatch for piecewisequadratic cost functions[J].IEEE Power Engineering Review，1984，4(6)：27-27.
[9]Ji-Yuan Fan，Lan Zhang.Real-time economic dispatch with line flowand emission constraints using quadratic programming[J].IEEE Transactions onPower Systems，1998，13(2)：320-325.
[10]D.J.King，C.S.Oezveren，Warsono.A genetic algorithm based economicdispatch(GAED)with environmental constraint optimisation[C].Universities'Power Engineering Conference(UPEC)，Proceedings of 2011 46th International，Soest，Germany，2011.
[11]Zwe-Lee Gaing.Particle swarm optimization to solving the economicdispatch considering the generator constraints[J].IEEE Transactions on PowerSystems，2003，18(3)：1187-1195.
[12]X.Lu，J.M.Guerrero，K.Sun，et al.Hierarchical control of parallelAC-DC converter interfaces for hybrid microgrids[J].IEEE Transactions onSmart Grid，2014，5(2)：683-692.
[13]M.Savaghebi，A.Jalilian，J.C.Vasquez，et al.Secondary control schemefor voltage unbalance compensation in an islanded droop-controlled microgrid[J].IEEE Transactions on Smart Grid，2012，3(2)：797-807.
[14]J.M.Guerrero，J.C.Vásquez，R.Teodorescu.Hierarchical control ofdroop-controlled DC and AC microgrids-a general approach towardsstandardization[C].2009 35th Annual Conference of IEEE IndustrialElectronics，Porto，Portugal，2009.
[15]S.Anand，B.G.Fernandes，J.Guerrero.Distributed control to ensureproportional load sharing and improve voltage regulation in low-voltage DCmicrogrids[J].IEEE Transactions on Power Electronics，2013，28(4)：1900-1913.
[16]Z.Zhang，M.Y.Chow.Convergence analysis of the incremental costconsensus algorithm under different communication network topologies in asmart grid[J].IEEE Transactions on Power Systems，2012，27(4)：1761-1768.
[17]Kar，G.Hug.Distributed robust economic dispatch in power systems：Aconsensus+innovations approach[C].2012 IEEE Power and Energy Society GeneralMeeting，San Diego，CA，2012.
[18]Hug，S.Kar，C.Wu.Consensus+innovations approach for distributedmultiagent coordination in a microgrid[J].IEEE Transactions on Smart Grid，2015，6(4)：1893-1903.
[19]吕朋蓬，赵晋泉，李端超，等.基于信息物理系统的孤岛微网实时调度的一致性协同算法[J].中国电机工程学报，2016，36(6)：1471-1480.
Lv Pengpeng，Zhao Jinquan，Li Duanchao，et al.Real time scheduling ofisland microgrid based on Information Physics system[J].Proceedings of theCSEE，2016，36(6)：1471-1480(in Chinese).
[20]S.Yang，S.Tan，J.X.Xu.Consensus based approach for economicdispatch problem in a smart grid[J].IEEE Transactions on Power Systems，2013，28(4)：4416-4426.
[21]Ziang Zhang，Xichun Ying，Mo-Yuen Chow.Decentralizing the economicdispatch problem using a two-level incremental cost consensus algorithm in asmart grid environment[C].2011 North American Power Symposium，Boston，MA，2011.
[22]G.Binetti，A.Davoudi，F.L.Lewis，et al.Distributed consensus-basedeconomic dispatch with transmission losses[J].IEEE Transactions on PowerSystems，2014，29(4)：1711-1720.
[23]Q.Sun，R.Han，H.Zhang，et al.A multiagent-based consensus algorithmfor distributed coordinated control of distributed generators in the energyinternet[J].IEEE Transactions on Smart Grid，2015，6(6)：3006-3019.
发明内容
本发明是针对能源互联网运行调度中的实时功率分配的问题，提出了一种基于两层一致性算法的能源互联网实时动态功率分配方法，以孤岛型能源互联网为研究对象，引入双层一致性理论构建能源互联网实时功率分配框架。将能源互联网划分为若干个能源局域网，同时以各能源局域网和能源局域网内各分布式电源的增量成本作为一致性状态变量设计一致性功率分配算法，使得各能源局域网根据自身情况均衡地承担能源互联网系统的功率不平衡量，进一步使得各分布式电源根据自身情况均衡地承担能源局域网的功率不平衡量，从而达到降低成本的目的。
本发明的技术方案为：一种基于两层一致性算法的能源互联网实时动态功率分配方法，将能源互联网分为2个层次，第一层：把能源互联网按地理位置划分为若干个能源局域网，每个能源局域网中包括多种分布式电源，同时在各能源局域网间和各个分布式电源机组间增加通信网络；第二层：在能源局域网中每个能源局域网是一个独立智能体，在每个能源局域网中每个分布式电源都是一个独立的智能体，每个智能体只跟相邻的智能体进行通信，并获知能源局域网领导者或分布式电源领导者计算得到的总功率指令，通过一致性算法，每个机组即可获得自己的发电功率指令；能源局域网间仅有一个ELN领导者，其他为跟随者；每个能源局域网内只有一个DG领导者，其他为跟随者；
能源互联网双层一致性算法具体步骤如下：
步骤1：求取能源互联网的总功率指令ΔP；
步骤2：由能源局域网间的通信网络拓扑结构形成拉普拉斯Laplace矩阵，并形成相应的状态转移矩阵D1＝[16]；
步骤3：根据式(10)和(11)，使用增量成本一致性算法更新各能源局域网调节成本，并根据公式(13)求取更新后的能源局域网ELNi功率ΔPi(k+1)；
第i个能源局域网ELNi的增量成本一致性更新如下：
式中，Ci(k)为第i个能源局域网第k步迭代计算得到的增量成本，dij为能源局域网构成的通信网络拓扑对应的状态转移矩阵系数，由通信网络拓扑结构决定；ELN领导者的增量成本应更新如下：
式中，η为功率平衡调节因子，ΔPerror为总功率指令与各能源局域网功率指令之和的偏差量；
ELNi的功率更新为：
αi，βi为第i个能源局域网的发电成本参数，ΔPi为第i个能源局域网的发电功率指令；
步骤4：判断更新后的能源局域网ELNi功率ΔPi(k+1)是否在其功率范围内，若超出其有功出力范围，则按式(14)与(15)调整能源局域网有功出力及邻接矩阵，再进入步骤5；如未超出其有功出力范围，则直接进入步骤5；
当达到功率限值时，能源局域网的功率修改为：
式中，ΔPi min和ΔPi max分别为第i个能源局域网的最小和最大发电功率。
与此同时，邻接矩阵修改如下：
aij＝0,j＝1,2,…,m (15)；
步骤5：求出ΔPerror，判断收敛条件|ΔPerror|＜δ是否成立，δ是算法达到收敛的条件，若不成立则返回步骤3进行下一次的的迭代计算，直到收敛条件成立为止，输出各能源局域网功率ΔPi；
步骤6：根据每个能源局域网中分布式电源的通信网络拓扑结构Laplace矩阵，并形成相应的状态转移矩阵D2＝[16]；
步骤7：根据式(16)和(17)，使用增量成本一致性算法更新各分布式电源增量成本，并根据公式(19)求取更新后的分布式电源功率ΔPin(k+1)；
ELNi的第n个分布式电源的一致性增量成本的更新规则为：
式中，Ciw(k)为第i个能源局域网中第w个分布式电源第k步迭代计算得到的增量成本，dnw为第i个能源局域网内的分布式电源构成的通信网络拓扑对应的状态转移矩阵系数；
领导者分布式电源的一致性增量成本的更新规则为：
式中，μi为ELNi的功率平衡调节因子，取值为正数，借助该参数，领导者可实现功率平衡约束；ΔPerrori为ELNi的总功率指令及所有分布式电源的总功率的偏差；
ELNi的第n个分布式电源的功率更新为：
αin，βin为第i个能源局域网中的第n个分布式电源的发电成本参数；
步骤8：判断更新后的分布式电源功率ΔPin(k+1)是否在其功率范围内，若超出其有功出力范围，则按式(20)和(21)调整分布式电源有功出力及邻接矩阵，再进入步骤9；如未超出其有功出力范围，则直接进入步骤9；
当达到功率限值时，分布式电源的功率修改为：
式中，
和
分别为ELNi的第n个分布式电源的最小和最大发电功率。与此同时，邻接矩阵修改如下：
anw＝0,w＝1,2,…,N (21)
步骤9：求出ΔPerrori，判断收敛条件|ΔPerrori|＜εi是否成立，εi是算法达到收敛的条件，若不成立则返回步骤7进行下一次的迭代计算，直到收敛条件成立为止，输出各分布式电源功率ΔPin。
本发明的有益效果在于：本发明基于两层一致性算法的能源互联网实时动态功率分配方法，通过相邻智能体之间的信息交互，数据通信量减少，并且能够很好地应对能源互联网和能源局域网拓扑结构的变化，不仅能实现单个能源局域网发电成本的优化，更能实现整个能源互联网发电成本的优化。
附图说明
图1为本发明基于多智能体的能源互联网基本架构图；
图2为本发明能源互联网通信网络结构图；
图3为本发明增量成本一致性算法流程图；
图4a为本发明实施例能源局域网间通信网络拓扑图；
图4b为本发明实施例ELN2内通信网络拓扑图；
图5a为本发明能源局域网间一致性收敛过程,各ELN增量成本图；
图5b为本发明能源局域网间一致性收敛过程,各ELN发电功率图；
图5c为本发明能源局域网间一致性收敛过程,能源互联网功率平衡图；
图6a为本发明能源局域网内一致性收敛过程,各DG增量成本图；
图6b为本发明能源局域网内一致性收敛过程,各DG发电功率图；
图6c为本发明能源局域网内一致性收敛过程,系统功率平衡图；
图7a为本发明ΔP连续变化时的一致性收敛过程,各DG增量成本图；
图7b为本发明ΔP连续变化时的一致性收敛过程,各DG发电功率图；
图7c为本发明ΔP连续变化时的一致性收敛过程,系统功率平衡图；
图8a为本发明ELN2通信拓扑变化时的一致性收敛过程,各DG增量成本图；图8b为本发明图ELN2通信拓扑变化时的一致性收敛过程,各DG发电功率图。
具体实施方式
下面从工作模式、设计原理、设计方法、有效性验证等几个方面对本发明做进一步说明。
一、基于多智能体的能源互联网架构
1、能源互联网物理拓扑
能源互联网是一个信息网络与物理网络高度融合的电网，且两者的拓扑结构可以相互独立。由于能源互联网内需要协调控制的分布式设备的数量很大，且设备本身具有自治性及协作性等特点，因此本文基于多智能体系统设计能源互联网的基本架构，如图1所示。在图1中，每个能源局域网和分布式电源都赋予智能体的结构，即在能源局域网中每个能源局域网是一个独立智能体，在每个能源局域网中每个分布式电源都是一个独立的智能体。
由图1可知，基于多智能体的能源互联网的基本架构主要包括2个层次：1)把能源互联网按地理位置划分为若干个能源局域网，每个能源局域网中包括多种分布式电源，如传统燃煤发电、水力发电、光伏、风力发电等。同时在各能源局域网间和各个分布式电源机组间增加通信网络；2)每个智能体只跟相邻的智能体进行通信，并获知所在层级调度中心(能源局域网领导者或分布式电源领导者)计算得到的总功率指令，通过一致性算法，每个机组即可获得自己的发电功率指令。
2、能源互联网信息网络拓扑
能源互联网的信息拓扑图如图2所示，在各能源局域网间和每个能源局域网的各个分布式电源机组间分别选取一个领导者，其余均为跟随者，它们的功能如下：
1)能源局域网ELN领导者：能源局域网之间采用“领导者-跟随者”模式进行通信协作，定义能源局域网间只有一个领导者，该领导者是能源互联网中多个能源局域网的调度中心，负责整个能源互联网的功率扰动平衡，同时负责各个能源局域网之间的协同运行。
2)ELN跟随者：即普通的能源局域网，主要负责与领导者进行交互协同，同时与邻接的ELN进行通信，获取邻接ELN信息，并通过离散型一致性算法更新其状态。
3)DG(分布式电源机组)领导者：负责能源局域网内部和外部的信息交流，定义每个能源局域网内只有一个领导者，该领导者是能源局域网内各种分布式电源的调度中心，负责与上级及能源局域网内的其他分布式电源进行通信协作。
4)DG跟随者：即能源局域网内的普通分布式电源，负责与领导者进行交互协同，同时与邻接的DG进行通信，获取邻接DG信息，并通过离散型一致性算法更新其状态。
因此能源互联网功率分配主要分为两个过程：1)采集母线的频率偏差△f，计算出实时的总发电功率指令，在各个能源局域网通信后，采用“领导者-跟随者”一致性算法把总功率指令分配到各个能源局域网；2)在各个分布式电源机组执行通信后，采用“领导者-跟随者”一致性算法把每个能源局域网的功率指令分配到各个分布式电源。
二、能源互联网优化调度模型
假设能源互联网第i个能源局域网ELNi中的第n个分布式电源的输出功率指令为△Pin，则其发电成本可表示为：
Fin(ΔPin)＝αinΔPin 2+βinΔPin+γin (1)
增量成本可表示为：
式中，αin，βin，γin为第i个能源局域网中的第n个分布式电源的发电成本参数。因此能源互联网优化调度的数学模型可描述如下：
式中,△P为由△f计算得到的总功率指令,
和
分别表示ELNi中第n个发电单元发电功率的下限和上限，m和N分别表示能源局域网个数和每个能源局域网内分布式电源的个数。
因此，当能源互联网负荷发生扰动时，为使得能源互联网发电成本最低，需使平均发电成本较低的能源局域网和发电成本低的机组承担更多的功率。为使平均发电成本较低的能源局域网承担更多的功率扰动，本文选取增量成本作为能源局域网之间的一致性状态变量，并采用“领导者–跟随者”模式的功率分配算法；为使得发电成本低的机组承担更多的功率，同样选取增量成本作为机组之间的一致性状态变量，并采用“领导者–跟随者”模式的功率分配算法。
当某一能源局域网ELNi因故障脱离能源互联网运行时，该能源局域网内的有功功率缺额需要根据频率偏差求取。设能源局域网ELNi的额定频率为fn，现有频率为fz，频率偏差为Δf＝fn-fz，为了满足维持额定频率的需求，分布式电源需增发有功功率为ΔPR，
ΔPR＝-CGKSΔf* (4)
ΔPi＝ΔPR (5)
式中，
CG＝1-KGΔf* (7)
式中，CG为分布式电源有功功率调节系数，KS为单位频率调节响应系数，KG为分布式电源的单位频率调节响应系数，KL为负荷单位频率调节响应系数，PGz、PLz分别为频率为fz时，分布式电源出力和负荷。由此可见，当fz＜fn时，ΔPR＞0，当fz＞fn时，ΔPR＜0。
三、基于一致性算法的能源互联网优化调度
1、能源局域网间增量成本一致性算法
在选取增量成本作为能源局域网之间的一致性状态变量后，第i个能源局域网ELNi的增量成本可定义如下：
Ci(ΔPi)＝2αiΔPi+βi (9)
式中，αi，βi为第i个能源局域网的发电成本参数，ΔPi为第i个能源局域网的发电功率指令。则ELNi的增量成本一致性更新如下：
式中，Ci(k)为第i个能源局域网第k步迭代计算得到的增量成本，dij为能源局域网构成的通信网络拓扑对应的状态转移矩阵系数，由通信网络拓扑结构决定，状态转移矩阵可由通信网络拓扑的Laplace矩阵求得，详细定义与计算公式可参见文献[16]。
同时，为保证功率平衡，领导者的增量成本应更新如下：
式中，η为功率平衡调节因子，ΔPerror为总功率指令与各能源局域网功率指令之和的偏差量，当|ΔPerror|＜δ时，一致性算法达到收敛，δ是算法达到收敛的条件，它是一个非常小的接近于0的常数，本文选为0.8。
根据式(9)和(10)，ELNi的功率更新为：
由式(12)可以看出，当总功率指令ΔP＞0时，若ΔPerror＞0，则说明各能源局域网的功率指令总和仍不足以平衡当前的功率不平衡量，增量成本需要相应增加，若ΔPerror＜0，则增量成本需要相应减少；当ΔP＜0时，增量成本的增减趋势则相反。
采用增量成本一致性算法时，有可能导致某个能源局域网的功率超出其总功率最大值，当达到限值时，能源局域网应从网络拓扑中退出，此时应修改相应的邻接矩阵。当达到功率限值时，能源局域网的功率可修改为：
式中，ΔPi min和ΔPi max分别为第i个能源局域网的最小和最大发电功率。
与此同时，邻接矩阵修改如下：
aij＝0,j＝1,2,…,m (15)
2、能源局域网内增量成本一致性算法
ELNi的第n个分布式电源的一致性增量成本的更新规则为：
式中，Ciw(k)为第i个能源局域网中第w个分布式电源第k步迭代计算得到的增量成本，dnw为第i个能源局域网内的分布式电源构成的通信网络拓扑对应的状态转移矩阵系数。
为保证能源局域网内功率平衡，领导者分布式电源的一致性增量成本的更新规则为：
式中，μi为ELNi的功率平衡调节因子，取值为正数，借助该参数，领导者可实现功率平衡约束；ΔPerrori为ELNi的总功率指令及所有分布式电源的总功率的偏差。当|ΔPerrori|＜εi时(εi是算法达到收敛的条件，它是一个非常小的接近于0的常数，本文选为0.8)，一致性算法达到收敛。功率平衡调节因子μi是影响算法收敛的重要因素。当μi取较大值时，收敛速度快，但容易引起系统振荡；μi取较小值时收敛精度好，但速度慢。
根据式(2)(公式2：Cin(ΔPin)＝2αinΔPin+βin中，αin和βin为定值，Cin和ΔPin为变量，它们的值随着迭代次数的变化而变化，通过移相变换可得式19)，ELNi的第n个分布式电源的功率更新为：
采用增量成本一致性算法时，有可能导致某个分布式电源的功率超出其功率最大值。当达到限值时，分布式电源应从网络拓扑中退出，此时应修改相应的邻接矩阵。当达到功率限值时，分布式电源的功率可修改为：
式中，
和
分别为ELNi的第n个分布式电源的最小和最大发电功率。
与此同时，邻接矩阵修改如下：
anw＝0,w＝1,2,…,N (21)
3、能源互联网增量成本一致性算法流程
能源互联网双层一致性算法的流程如图3所示，具体步骤如下：
步骤1：求取能源互联网的总功率指令ΔP；
步骤2：由能源局域网间的通信网络拓扑结构形成拉普拉斯Laplace矩阵，并形成相应的状态转移矩阵D1＝[16]；
步骤3：根据式(10)和(11)，使用增量成本一致性算法更新各能源局域网调节成本，并根据公式(13)求取更新后的能源局域网ELNi功率ΔPi(k+1)；
步骤4：判断更新后的能源局域网ELNi功率ΔPi(k+1)是否在其功率范围内，若超出其有功出力范围，则按式(14)与(15)调整能源局域网有功出力及邻接矩阵，再进入步骤5；如未超出其有功出力范围，则直接进入步骤5；
步骤5：求出ΔPerror，判断收敛条件|ΔPerror|＜δ是否成立，若不成立则返回步骤3进行下一次的的迭代计算，直到收敛条件成立为止，输出各能源局域网功率ΔPi；
步骤6：根据每个能源局域网中分布式电源的通信网络拓扑结构Laplace矩阵，并形成相应的状态转移矩阵D2＝[16]；
步骤7：根据式(16)和(17)，使用增量成本一致性算法更新各分布式电源增量成本，并根据公式(19)求取更新后的分布式电源功率ΔPin(k+1)；
步骤8：判断更新后的分布式电源功率ΔPin(k+1)是否在其功率范围内，若超出其有功出力范围，则按式(20)和(21)调整分布式电源有功出力及邻接矩阵，再进入步骤9；如未超出其有功出力范围，则直接进入步骤9；
步骤9：求出ΔPerrori，判断收敛条件|ΔPerrori|＜εi是否成立，若不成立则返回步骤7进行下一次的迭代计算，直到收敛条件成立为止，输出各分布式电源功率ΔPin。
五、仿真算例分析
为了验证所提基于双层一致性理论的能源互联网实时动态功率分配策略方法的有效性，本文建立由3个能源局域网互联形成的能源互联网模型，其通信拓扑如图4a所示，在能源局域网未出现功率越限情况下，任意两个能源局域网之间均存在通信。选取ELN2作为领导者，ELN1和ELN3作为跟随者。在ELN2中，分布式电源的个数为7，它们之间的通信拓扑如图4b所示，选取DG2作为领导者，其余均为跟随者。各能源局域网和各分布式电源的成本系数和状态参数如表1所示。
表A1
1、能源局域网间增量成本一致性仿真研究
本算例验证增量成本一致性算法在能源局域网间功率分配的有效性。假设由Δf计算出的能源互联网总的功率不平衡量为ΔP＝400MW，功率平衡调节因子η＝0.01，收敛系数δ＝0.6，则能源局域网间增量成本一致性收敛过程如图5a-5c所示。由图5a可以看出，各能源局域网的增量成本一开始呈上升趋势，最后趋于稳定。从图5b可以看出，每个能源局域网的发电功率最终都能达到平衡。从图5c可以看出，3个能源局域网总的发电功率与能源互联网的发电功率指令最终达到平衡，因此，增量成本一致性算法能够实现在降低能源互联网发电成本的条件下优化功率不平衡量的实时分配。
2、能源局域网内增量成本一致性仿真研究
本算例验证增量成本一致性算法在能源局域网内功率分配的有效性。由算例一得出ELN2的发电功率指令ΔP2＝105MW，假设功率平衡调节因子μ＝0.005，收敛系数ε＝0.6，则ELN2内各分布式电源的增量成本和有功出力变化情况分别如图6a和6b所示，系统有功功率平衡如图6c所示。
由图6a和6b可以看出，随着迭代步数的增加，ELN2内所有分布式电源的增量成本最终均能达到一致，每个分布式电源的发电功率最终都能达到平衡。由图6c可知，ELN2内分布式电源总的发电功率最终与ELN2的发电功率指令相等，系统最终达到功率平衡，由此可知，增量成本一致性算法能够实现在降低能源局域网发电成本的条件下优化功率不平衡量的实时分配。
综合算例一和二可知，通过采用双层一致性算法，能源互联网总的不平衡功率能够实时分配到各个机组，并实现能源互联网整体发电成本的降低。
3、ΔP连续变化时的增量成本一致性仿真研究
为了验证所提算法在因负荷变化而引起的发电功率指令连续变化情况下的有效性，以ELN2为例，设置ELN2通过第一层一致性算法获得的发电功率指令ΔP2由148MW变化至208MW，断面1至断面4对应的发电功率指令依次为148MW，168MW，188MW，208MW，对每个断面研究一致性算法在能源局域网内功率分配的有效性，结果如图7a-7c所示。
从图7a可以看出，随着负荷变化而引起的发电功率指令的连续增加，在每个断面，ELN2内所有分布式电源的一致性变量最终均能趋于一致，且随着发电功率指令的增加，ELN2的增量成本也逐渐增加。从图7b和7c可以看出，在每个断面，每个分布式电源的有功出力均能趋于稳定，ELN2内分布式电源总的发电功率最终与ELN2的发电功率指令相等，系统有功功率最终都能达到平衡，由此可知，ΔP连续变化时，所提一致性算法依然能够实现不平衡功率在各分布式电源间的优化分配。
4、ELN2通信拓扑变化时的增量成本一致性仿真研究
为了验证所提算法在因分布式电源即插即用而引起的系统通信拓扑变化情况下的有效性，以ELN2为例，设置情景如下：在算法迭代至80次时，分布式电源5由于故障退出运行，且ELN2的的发电功率指令ΔP2由145MW增加至224MW，而系统中其他参数与算例2保持一致，仿真结果如图8a、8b所示。
从图8b可以看出，当分布式电源5退出运行后，其发电功率减小至0，同时由于ELN2发电功率指令ΔP2的增加，其余分布式电源的发电功率均有所增加，其中分布式电源7和6先后达到最大功率限值，其增量成本也达到最大值。综上可知，当系统通信拓扑发生变化时，所提一致性算法依然能够实现不平衡功率在各分布式电源间的优化分配。
Claims (1)
1.一种基于两层一致性算法的能源互联网实时动态功率分配方法，其特征在于，将能源互联网分为2个层次，第一层：把能源互联网按地理位置划分为若干个能源局域网，每个能源局域网中包括多种分布式电源，同时在各能源局域网间和各个分布式电源机组间增加通信网络；第二层：在能源局域网中每个能源局域网是一个独立智能体，在每个能源局域网中每个分布式电源都是一个独立的智能体，每个智能体只跟相邻的智能体进行通信，并获知能源局域网领导者或分布式电源领导者计算得到的总功率指令，通过一致性算法，每个机组即可获得自己的发电功率指令；能源局域网间仅有一个领导者，其他为跟随者；每个能源局域网内只有一个领导者，其他为跟随者；
能源互联网双层一致性算法具体步骤如下：
步骤1：求取能源互联网的总功率指令ΔP；
步骤2：由能源局域网间的通信网络拓扑结构形成拉普拉斯Laplace矩阵，并形成相应的状态转移矩阵D1；
步骤3：根据式(10)和(11)，使用增量成本一致性算法更新各能源局域网调节成本，并根据公式(13)求取更新后的第i个能源局域网功率ΔPi(k+1)；
第i个能源局域网的增量成本一致性更新如下：
式中，Ci(k)为第i个能源局域网第k步迭代计算得到的增量成本，dij为能源局域网构成的通信网络拓扑对应的状态转移矩阵系数，由通信网络拓扑结构决定；能源局域网领导者的增量成本应更新如下：
式中，η为功率平衡调节因子，ΔPerror为总功率指令与各能源局域网功率指令之和的偏差量；
第i个能源局域网的功率更新为：
αi，βi为第i个能源局域网的发电成本参数，ΔPi为第i个能源局域网的发电功率指令；
步骤4：判断更新后的第i个能源局域网功率ΔPi(k+1)是否在其功率范围内，若超出其有功出力范围，则按式(14)与(15)调整能源局域网有功出力及邻接矩阵，再进入步骤5；如未超出其有功出力范围，则直接进入步骤5；
当达到功率限值时，能源局域网的功率修改为：
式中，ΔPi min和ΔPi max分别为第i个能源局域网的最小和最大发电功率；与此同时，邻接矩阵修改如下：
aij＝0,j＝1,2,…,m (15)；
步骤5：求出ΔPerror，判断收敛条件|ΔPerror|<δ是否成立，δ是算法达到收敛的条件，若不成立则返回步骤3进行下一次的的迭代计算，直到收敛条件成立为止，输出各能源局域网功率ΔPi；
步骤6：根据每个能源局域网中分布式电源的通信网络拓扑结构Laplace矩阵，并形成相应的状态转移矩阵D2；
步骤7：根据式(16)和(17)，使用增量成本一致性算法更新各分布式电源增量成本，并根据公式(19)求取更新后的分布式电源功率ΔPin(k+1)；
第i个能源局域网的第n个分布式电源的一致性增量成本的更新规则为：
式中，Ciw(k)为第i个能源局域网中第w个分布式电源第k步迭代计算得到的增量成本，dnw为第i个能源局域网内的分布式电源构成的通信网络拓扑对应的状态转移矩阵系数；
领导者分布式电源的一致性增量成本的更新规则为：
式中，μi为第i个能源局域网的功率平衡调节因子，取值为正数，借助该参数，领导者可实现功率平衡约束；ΔPerrori为第i个能源局域网的总功率指令及所有分布式电源的总功率的偏差；
ELNi的第n个分布式电源的功率更新为：
αin，βin为第i个能源局域网中的第n个分布式电源的发电成本参数；
步骤8：判断更新后的分布式电源功率ΔPin(k+1)是否在其功率范围内，若超出其有功出力范围，则按式(20)和(21)调整分布式电源有功出力及邻接矩阵，再进入步骤9；如未超出其有功出力范围，则直接进入步骤9；
当达到功率限值时，分布式电源的功率修改为：
anw＝0,w＝1,2,…,N (21)
步骤9：求出ΔPerrori，判断收敛条件|ΔPerrori|<εi是否成立，εi是算法达到收敛的条件，若不成立则返回步骤7进行下一次的迭代计算，直到收敛条件成立为止，输出各分布式电源功率ΔPin。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810010972.7A CN108320080B (zh) | 2018-01-05 | 2018-01-05 | 基于两层一致性算法的能源互联网实时动态功率分配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810010972.7A CN108320080B (zh) | 2018-01-05 | 2018-01-05 | 基于两层一致性算法的能源互联网实时动态功率分配方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108320080A CN108320080A (zh) | 2018-07-24 |
| CN108320080B true CN108320080B (zh) | 2021-09-07 |
Family
ID=62893755
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810010972.7A Active CN108320080B (zh) | 2018-01-05 | 2018-01-05 | 基于两层一致性算法的能源互联网实时动态功率分配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108320080B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110265991B (zh) * | 2019-05-07 | 2023-04-28 | 上海电力学院 | 一种直流微电网的分布式协调控制方法 |
| CN110598894A (zh) * | 2019-07-22 | 2019-12-20 | 新奥数能科技有限公司 | 用于能源互联网的数据处理方法、装置和电子设备 |
| CN110518641A (zh) * | 2019-09-23 | 2019-11-29 | 西南交通大学 | 一种交流微电网实现功率分配的分布式分层协调控制方法 |
| CN110889396A (zh) * | 2019-12-12 | 2020-03-17 | 国家电网有限公司大数据中心 | 能源互联网扰动分类方法、装置、电子设备和存储介质 |
| CN113162125A (zh) * | 2021-04-19 | 2021-07-23 | 云南电网有限责任公司电力科学研究院 | 一种冷电联供型微电网优化调度方法及装置 |
| CN113256094B (zh) * | 2021-05-17 | 2022-09-13 | 安徽帅尔信息科技有限公司 | 基于改进粒子群算法的业务资源分配方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105429185A (zh) * | 2015-12-08 | 2016-03-23 | 华南理工大学 | 一种具有鲁棒协同一致性的经济调度方法 |
| CN105449710A (zh) * | 2015-12-03 | 2016-03-30 | 南京邮电大学 | 一种基于事件触发一致性算法的电力系统经济调度方法 |
| CN106026084A (zh) * | 2016-06-24 | 2016-10-12 | 华南理工大学 | 一种基于虚拟发电部落的agc功率动态分配方法 |
| CN106655267A (zh) * | 2016-12-26 | 2017-05-10 | 上海电力学院 | 一种考虑多微网互动的能源局域网及控制方法 |
| CN107092991A (zh) * | 2017-05-05 | 2017-08-25 | 东南大学 | 一种智能电网自适应经济调度分配方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8768873B2 (en) * | 2011-05-03 | 2014-07-01 | Space-Time Insight | Space-time-node engine signal structure |
| US9960637B2 (en) * | 2015-07-04 | 2018-05-01 | Sunverge Energy, Inc. | Renewable energy integrated storage and generation systems, apparatus, and methods with cloud distributed energy management services |
-
2018
- 2018-01-05 CN CN201810010972.7A patent/CN108320080B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105449710A (zh) * | 2015-12-03 | 2016-03-30 | 南京邮电大学 | 一种基于事件触发一致性算法的电力系统经济调度方法 |
| CN105429185A (zh) * | 2015-12-08 | 2016-03-23 | 华南理工大学 | 一种具有鲁棒协同一致性的经济调度方法 |
| CN106026084A (zh) * | 2016-06-24 | 2016-10-12 | 华南理工大学 | 一种基于虚拟发电部落的agc功率动态分配方法 |
| CN106655267A (zh) * | 2016-12-26 | 2017-05-10 | 上海电力学院 | 一种考虑多微网互动的能源局域网及控制方法 |
| CN107092991A (zh) * | 2017-05-05 | 2017-08-25 | 东南大学 | 一种智能电网自适应经济调度分配方法 |
Non-Patent Citations (3)
| Title |
|---|
| The Internet of Energy:Smart sensor networks and big data management for smart grid;Manar Jaradat等;《Procedia Computer Science》;20150731;第56卷;592-597页 * |
| 含新能源和可控负荷的电力系统分布式经济调度;谢宾等;《浙江省电力学会2017年度优秀论文集》;20171101;89-95页 * |
| 基于多智能体的分布式能源协调控制方法;郑艺等;《科学通报》;20171120;第62卷(第32期);3711-3718页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108320080A (zh) | 2018-07-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108320080B (zh) | 基于两层一致性算法的能源互联网实时动态功率分配方法 | |
| CN109687526B (zh) | 一种基于一致性理论的孤岛微电网分层分布式控制策略 | |
| Han et al. | MAS-based distributed coordinated control and optimization in microgrid and microgrid clusters: A comprehensive overview | |
| Li et al. | Multiagent-based distributed state of charge balancing control for distributed energy storage units in AC microgrids | |
| Li et al. | A distributed coordination control based on finite-time consensus algorithm for a cluster of DC microgrids | |
| CN108039726B (zh) | 一种基于多智能体系统的能源局域网分布式协同控制方法 | |
| CN108075487B (zh) | 自适应下垂和一致性相结合的孤岛微电网的分层控制方法 | |
| CN107579543B (zh) | 一种基于分层控制策略的孤岛微电网分布式协调控制方法 | |
| Chen et al. | Multiagent-based reactive power sharing and control model for islanded microgrids | |
| CN109474017A (zh) | 一种配电网实时分布式经济调度方法 | |
| CN107706939B (zh) | Cps概念下的微网中考虑时滞和丢包问题的分布式控制方法 | |
| Zhou et al. | Hierarchical distributed voltage regulation in networked autonomous grids | |
| CN110474353A (zh) | 分层式储能系统及其参与的电网调频协调控制方法 | |
| CN108206544B (zh) | 基于一致性协议的多微网协调控制方法 | |
| Babazadeh et al. | Study of centralized and distributed coordination of power injection in multi-TSO HVDC grid with large off-shore wind integration | |
| CN110011298B (zh) | 一种构建自治型可重构微网群系统的运行控制策略 | |
| CN114282779A (zh) | 基于经济调度目标和电力参数的智能电网调度方法 | |
| CN109687468A (zh) | 一种基于电力弹簧的微电网电压分布式控制方法 | |
| CN114552664B (zh) | 一种基于双层有向图的多微网优化协调运行控制方法 | |
| Nguyen et al. | Power flow management in active networks | |
| Zhang et al. | Consensus-based economic hierarchical control strategy for islanded MG considering communication path reconstruction | |
| CN109861304B (zh) | 一种考虑通信时变时滞的微电网经济调度方法 | |
| Yang et al. | Hierarchical voltage control strategy in multi-bus islanded microgrid based on secondary voltage control bus selection method | |
| Miao et al. | Recent advances in distributed cooperative droop control of DC microgrids: A brief survey | |
| Yilin et al. | A distributed control based on finite-time consensus algorithm for the cluster of DC microgrids |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |