CN108933442B - 一种不确定性配电网电压优化控制方法 - Google Patents

一种不确定性配电网电压优化控制方法 Download PDF

Info

Publication number
CN108933442B
CN108933442B CN201710372083.0A CN201710372083A CN108933442B CN 108933442 B CN108933442 B CN 108933442B CN 201710372083 A CN201710372083 A CN 201710372083A CN 108933442 B CN108933442 B CN 108933442B
Authority
CN
China
Prior art keywords
distribution network
power distribution
photovoltaic power
control strategy
matrix
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
Application number
CN201710372083.0A
Other languages
English (en)
Other versions
CN108933442A (zh
Inventor
肖安南
张超
边海峰
郑跃军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Nanrui Dianyan Huayuan Electric Power Technology Co ltd
State Grid Anhui Electric Power Co Ltd
Original Assignee
Beijing Nanrui Dianyan Huayuan Electric Power Technology Co ltd
State Grid Anhui Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Nanrui Dianyan Huayuan Electric Power Technology Co ltd, State Grid Anhui Electric Power Co Ltd filed Critical Beijing Nanrui Dianyan Huayuan Electric Power Technology Co ltd
Priority to CN201710372083.0A priority Critical patent/CN108933442B/zh
Publication of CN108933442A publication Critical patent/CN108933442A/zh
Application granted granted Critical
Publication of CN108933442B publication Critical patent/CN108933442B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • 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

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种不确定性配电网电压优化控制方法，该不确定性配电网电压优化控制方法包括：采用线性二次型调节器理论建立光伏配电网电压安全控制模型；采用近似/自适应动态规划方法对所述光伏配电网电压安全控制模型进行求解，得到光伏配电网在线电压的最优控制策略，所述最优控制策略为由各个具备连续型无功调节能力的设备的无功控制增量组成的矩阵。本发明实现了源‑网‑荷互动下不确定性配电网电压的最优控制，可以在配电网和分布式光伏的不同运行情况下取得良好的电压改善效果，可有效提高配电网安全运行水平，有利于促进分布式能源更快更好地发展。

Description

一种不确定性配电网电压优化控制方法
技术领域
本发明涉及电力控制系统技术，尤其是涉及一种源-网-荷互动下的不确定性配电网电压优化控制方法。
背景技术
按照国家能源局发布的《太阳能发展“十三五”规划》，到“十三五”末，我国太阳能发电装机预计将达到1.1亿千瓦以上，其中，分布式光伏发电装机容量将达到6000万千瓦。部分地区配电网将面临高比例光伏发电接入，并可能由此带来运行控制方面的问题。然而，尽管近年来我国配电网受重视程度明显加强，建设改造进程明显加快，但是大部分地区，特别是光伏扶贫地区的农村配电网，本身安全运行水平仍比较低，在面临高比例光伏接入时将暴露出更多的运行问题，同时由于光伏发电波动性、随机性、间歇性等固有特征，电压问题则成为高比例光伏配电网首先要解决的问题。但是，也应注意到，光伏发电造成配电网电压问题更加复杂的同时，另一方面也给配电网电压控制带来了更强的控制能力和控制灵活性。
考虑光伏逆变器的无功控制能力，同时结合电网和负荷侧连续型无功补偿能力，如SVC、SVG等，未来配电网内将具有来自“源-网-荷”的多种控制能力，从而有效保证电压安全，但是这涉及“源-网-荷”不同主体间控制能力的电压协调控制问题。另外，由于高比例光伏配电网运行状态的多变性，以及配电网自身模型参数信息的不完整性和不精确性，最优控制策略不应依赖于配电网模型和参数。
发明内容
本发明实施例提供了一种不确定性配电网电压优化控制方法，以实现源-网-荷互动下不确定性配电网电压的最优控制，在配电网和分布式光伏的不同运行情况下取得良好的电压改善效果。
为了实现上述目的，本发明实施例提供了一种不确定性配电网电压优化控制方法，包括：
采用线性二次型调节器理论建立光伏配电网电压安全控制模型；
采用近似/自适应动态规划方法对所述光伏配电网电压安全控制模型进行求解，得到光伏配电网在线电压的最优控制策略，所述最优控制策为由各个具备连续型无功调节能力的设备的无功控制增量组成的矩阵。
一实施例中，所述光伏配电网电压安全控制模型如下：
Figure BDA0001303048290000021
其中，x是光伏配电网的状态变量矩阵；u是控制策略矩阵；Q是状态变量偏差的权重矩阵，Q≥0；R是控制成本的权重矩阵，R＞0；J是待优化的目标值。
一实施例中，光伏配电网的状态变量矩阵x表示如下：
Figure BDA0001303048290000022
x[2:N]＝ΔV[2:N]＝V[2:N]-Vn
其中，N是光伏配电网的网络节点数；
Figure BDA0001303048290000023
是光伏配电网在当前控制策略下的有功损耗；
Figure BDA0001303048290000024
是光伏配电网在控制策略下的有功损耗；
ΔPloss是控制策略实施后高比例光伏配电网的有功损耗增量；
ΔV是光伏配电网的网络节点电压偏差矩阵；
V是光伏配电网的网络节点电压矩阵；
Vn是光伏配电网的网络节点电压额定值矩阵。
一实施例中，控制策略矩阵u为：
Figure BDA0001303048290000025
其中，M是具有连续型无功控制能力的网络节点数，m＝1，2...M；um为无功控制增量，表达式为：
um＝ΔQm
其中，Qm为各所述设备的无功出力，ΔQm为各所述设备的无功出力的增量。
一实施例中，采用近似/自适应动态规划方法对所述光伏配电网电压安全控制模型进行求解，得到光伏配电网在线电压的最优控制策略，包括：
步骤1：令求解控制策略uk的迭代次数k＝0，记录δxx，Ixx和Ixu，直到
Figure BDA0001303048290000026
其中，记录δxx为向量化状态变量x的增量矩阵，其中向量化状态变量
Figure BDA0001303048290000031
Ixx为状态变量克罗内克积的增量矩阵，和Ixu为状态变量与控制变量克罗内克积的增量矩阵；
步骤2：利用下述公式求解Pk,Lk：
Figure BDA0001303048290000032
其中，Pk为第k次迭代得到的黎卡提方程的解P，
Figure BDA0001303048290000033
为向量化的Pk，向量化的P表示为
Figure BDA0001303048290000034
Lk为第k次迭代得到的控制策略成本系数矩阵，In为n阶单位矩阵，
Figure BDA0001303048290000035
为第k次迭代得到的控制策略系数矩阵K的转置，
Figure BDA0001303048290000036
步骤3：利用如下公式更新控制策略uk+1：
Figure BDA0001303048290000037
其中，Lk＝BTPk,fork∈Z+；e是系统受到的扰动；
步骤4：令k＝k+1，并重复步骤2及步骤3直到||Pk-Pk-1||≤ε，ε>0是预先设定的精度要求；
步骤5：令u＝-Kkx作为连续时不变系统的最优控制策略。
本发明实现了源-网-荷互动下不确定性配电网电压的最优控制，可以在配电网和分布式光伏的不同运行情况下取得良好的电压改善效果，可有效提高配电网安全运行水平，有利于促进分布式能源更快更好地发展。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的不确定性配电网电压优化控制方法流程图；
图2为本发明一实施例中的电压水平示意图；
图3为本发明一实施例中通过控制策略控制前后的电压水平对比示意图；
图4为本发明一实施例中通过控制策略控制前后的电压水平对比示意图；
图5为本发明一实施例中通过控制策略控制前后的电压水平对比示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例的不确定性配电网电压优化控制方法流程图，如图1所示，该不确定性配电网电压优化控制方法包括：
S101：采用线性二次型调节器(Linear Quadratic Regulator,简称LQR)理论建立光伏配电网电压安全控制模型。
光伏配电网电压安全控制模型以最小化控制成本为目标，且考虑了源-网-荷的各种具备连续型无功调节能力的设备，具体包括电网侧连续型无功补偿设备、光伏逆变器，负荷侧连续型无功补偿设备等。
S102：采用近似/自适应动态规划(Approximate/adaptive dynamicprogramming,简称ADP)方法对所述光伏配电网电压安全控制模型进行求解，得到光伏配电网在线电压的最优控制策略，所述最优控制策为由各个具备连续型无功调节能力的设备的无功控制增量组成的矩阵。
近似/自适应动态规划理论是源自生物系统学习行为的启发式方法。该方法不依赖于系统模型的精确参数信息，只需要动态采集其运行数据即可通过在线学习算法得到最优的控制策略，近年来已经成为在线解决最优控制问题的有效方法。
一实施例中，S101的光伏配电网电压安全控制模型如下：
Figure BDA0001303048290000041
公式(1)中，x是光伏配电网的状态变量矩阵；u是控制策略矩阵；Q是状态变量偏差的权重矩阵，Q≥0；R是控制成本的权重矩阵，R＞0；J是待优化的目标值，综合考虑了状态变量偏差和控制成本。
一实施中，公式(1)中的光伏配电网的状态变量矩阵x表示如下：
Figure BDA0001303048290000051
x[2:N]＝ΔV[2:N]＝V[2:N]-Vn (2)
公式(2)中，N是光伏配电网的网络节点数；
Figure BDA0001303048290000052
是光伏配电网在当前控制策略下的有功损耗；
Figure BDA0001303048290000053
是光伏配电网在控制策略下的有功损耗；
ΔPloss是控制策略实施后高比例光伏配电网的有功损耗增量；
ΔV是光伏配电网的网络节点电压偏差矩阵；
V是光伏配电网的网络节点电压矩阵；
Vn是光伏配电网的网络节点电压额定值矩阵。
一实施中，公式(1)中的控制策略矩阵u为：
Figure BDA0001303048290000054
其中，M是具有连续型无功控制能力的网络节点数，m＝1，2...M；um为无功控制增量，表达式为：
um＝ΔQm (4)
其中，Qm为各所述设备的无功出力，ΔQm为各所述设备的无功出力的增量。
基于上述分析可知，要建立光伏配电网电压安全控制模型，至少需要先获取如下参数：光伏配电网的网络节点数，光伏配电网在当前控制策略下的有功损耗，光伏配电网在控制策略下的有功损耗，控制策略实施后高比例光伏配电网的有功损耗增量。
下面详细说明S102如何采用近似/自适应动态规划方法对所述光伏配电网电压安全控制模型进行求解。
高比例光伏配电网在某一运行点的线性化连续时不变系统的模型表示如下：
Figure BDA0001303048290000055
Figure BDA0001303048290000056
状态变量x的导数；
该连续时不变系统可通过如下状态反馈控制策略实现稳定：
u＝-Kx (6)
K为控制策略系数。
按照贝尔曼优化原理，该连续时不变系统的最优控制策略可表示如下：
K＝R-1BTP (7)
P是如下代数黎卡提方程(Algebraic Riccati Equation,ARE)的唯一正定解：
ATP+PA-PBR-1BTP+Q＝0 (8)
由于求解黎卡提方程需要精确的连续时不变系统的矩阵A和B的参数，因此，LQR问题的求解需要依赖于精确的连续时不变系统的模型。然而，由于高比例光伏配电网系统参数信息不能完整获得，或者不能精确获得，而且其运行状态多变，因此，引入ADP方法，本发明提供了高比例光伏配电网的电压安全最优控制策略在线求解算法。
K可以通过以下迭代算法求解，迭代过程中的控制策略为：
Figure BDA0001303048290000061
式中Lk＝BTPk,fork∈Z+，k为求解控制策略的迭代次数；e是系统受到的扰动。
系统模型可以改写为
Figure BDA0001303048290000062
式中Ak＝A-BKk
由此可以得到
Figure BDA0001303048290000063
式中，
Figure BDA0001303048290000064
δt表示时间的t的一个微小增量，Pk为第k次迭代得到的黎卡提方程的解P；
令
Figure BDA0001303048290000065
Figure BDA0001303048290000066
Figure BDA0001303048290000067
Figure BDA0001303048290000071
Figure BDA0001303048290000072
式中[tj,tj+δt],j＝1,2,…,h是一些不相交的时间段。
从以上公式，可推导得到Pk,Lk的求解方程，即公式(16)。
Figure BDA0001303048290000073
其中，Pk为第k次迭代得到的黎卡提方程的解P，
Figure BDA0001303048290000074
为向量化的Pk，向量化的P表示为
Figure BDA0001303048290000075
Lk为第k次迭代得到的控制策略成本系数矩阵，In为n阶单位矩阵，
Figure BDA0001303048290000076
为第k次迭代得到的控制策略系数矩阵K的转置，
Figure BDA0001303048290000077
基于上述公式(5)至公式(16)，采用近似/自适应动态规划方法对光伏配电网电压安全控制模型进行求解，得到光伏配电网在线电压的最优控制策略，具体包括：
步骤1：令求解控制策略uk的迭代次数k＝0，记录δxx，Ixx和Ixu，直到
Figure BDA0001303048290000078
其中，记录δxx为向量化状态变量x的增量矩阵，其中向量化状态变量
Figure BDA0001303048290000079
Ixx为状态变量克罗内克积的增量矩阵，和Ixu为状态变量与控制变量克罗内克积的增量矩阵；
步骤2：利用公式(16)求解Pk,Lk：
步骤3：利用公式(9)更新控制策略uk+1：
步骤4：令k＝k+1，并重复步骤2及步骤3直到||Pk-Pk-1||≤ε，ε>0是预先设定的精度要求；
步骤5：令u＝-Kkx作为连续时不变系统的最优控制策略。
具体实施时，上述求解过程每五分钟(可设定)执行一次，即高比例光伏配电网的电压安全最优控制策略每五分钟更新一次。
下面结合附图，对本发明的具体实施方式作进一步的详细说明。
首先对高比例光伏配电网的一些典型运行情况进行分析，以验证本文所提模型和算法的有效性。
本实施例采用一个变电区域系统，该变电区域包含一个主变，1段10kV母线和三条10kV馈线，节点1为变电站10kV母线，节点2～8属于馈线一，节点9～17属于馈线二，节点18～24属于馈线三，总计23个负荷节点，以及接入于不同节点的10个分布式光伏电源。支路参数如表1所示，节点参数如表2所示。
假定主变分接头调节和低压侧无功补偿可令10kV母线电压保持为1.0标幺值，且在计算中作为平衡节点。
表1
Branch No. Start Bus End Bus R X B
1 1 2 0.001168 0.001790 0
2 2 3 0.005915 0.006499 0
3 3 4 0.005915 0.006499 0
4 4 5 0.005915 0.006499 0
5 5 6 0.005915 0.006499 0
6 6 7 0.005915 0.006499 0
7 7 8 0.005915 0.006499 0
8 1 9 0.005380 0.005911 0
9 9 10 0.005380 0.005911 0
10 10 11 0.005380 0.005911 0
11 11 12 0.005380 0.005911 0
12 12 13 0.005380 0.005911 0
13 13 14 0.005380 0.005911 0
14 12 15 0.005380 0.005911 0
15 15 16 0.005380 0.005911 0
16 16 17 0.005380 0.005911 0
17 1 18 0.000964 0.001477 0
18 18 19 0.000964 0.001477 0
19 19 20 0.000964 0.001477 0
20 20 21 0.004665 0.005940 0
21 21 22 0.004665 0.005940 0
22 22 23 0.004665 0.005940 0
23 23 24 0.004665 0.005940 0
表2
Figure BDA0001303048290000081
Figure BDA0001303048290000091
为了避免控制调节过于频繁，设定电压偏差的允许范围(0.02标幺值)，即当所有节点电压均介于0.98和1.02之间时，无需更改控制策略。
LOR模型和ADP算法相关的参数设置，如表3所示。
表3
Figure BDA0001303048290000092
在控制策略的迭代求解算法中，初始控制策略(记为u0)可设为零，而随机扰动e可设为-0.01～0.01间的随机数。
分析四种不同情况：
情况一：负荷较轻，光伏功率大
在该运行情况下，负荷按表2中Pd、Qd的20％取值，而分布式光伏则以表2中所示Pg的200％发电，但是不发无功功率。
采用ADP方法，得到最优控制策略如表4所示。
表4
Figure BDA0001303048290000093
如表4所示，光伏逆变器应该减少无功功率输出，以降低电压水平，避免越上限情况。
控制前后的电网各节点的电压水平如图2所示。可见，控制后各节点电压均恢复至正常范围内。
情况二：负荷较轻，光伏不发电
在该运行情况下，负荷跟情况一相同，但此时光伏既不发有功，也不发无功。
采用ADP方法，在当前情况下，不需要改变控制策略。图3显示了当前各节点电压水平，可见，电压处于允许范围内，因此不需要进行控制调整。
情况三：负荷较重，光伏功率大
在该运行情况下，负荷按表2中Pd、Qd的120％取值，而分布式光伏则以表2中所示Pg的200％发电，但是不发无功功率。
采用ADP方法，最优控制策略如表5所示。
表5
Figure BDA0001303048290000101
如表5所示，节点8的光伏逆变器应该减少无功功率输出，这是因为馈线1中节点5～8的电压已越上限，类似地，节点16的光伏逆变器应该减少无功功率输出以减低电压。同时节点8的无功减少量较大，而节点16的无功减少量则仅有0.018Mvar，这是因为馈线1的电压越上限程度大于馈线2的电压越上限程度，而节点24的光伏逆变器则应增发无功功率以提高馈线3的电压水平。
控制前后的电网各节点的电压水平如图4所示。可见，控制后各节点电压均恢复至正常范围内。
情况四：负荷较重，光伏不发电
在该运行情况下，负荷与情况三一样，而光伏与情况二一样。
采用ADP方法，最优控制策略如表6所示
表6
Figure BDA0001303048290000102
如表6所示，多个节点的光伏逆变器均应增发无功功率以提升馈线电压水平，这是因为，当前负荷较重，而光伏未发电，从而馈线电压偏低，在该情况下，光伏作为无功补偿。
控制前后的电网各节点的电压水平如图5所示。可见，控制后各节点电压均恢复至正常范围内。
本发明针对高比例光伏配电网电压安全的最优控制问题，基于LQR理论建立了电压安全最优控制模型(光伏配电网电压安全控制模型)，考虑高比例光伏配电网的特点，提供了基于ADP方法的最优控制策略在线求解算法(上述步骤1至步骤5)。
利用本实施例，具备如下技术效果：
1)光伏逆变器无功控制能力有助于提高配电网电压水平；
2)本发明提出的光伏配电网电压安全控制模型和最优控制策略在线求解算法可有效解决高比例光伏配电网在不同运行情况下的电压协调控制问题；
3)基于ADP的最优控制策略在线求解算法不依赖于电网模型和参数信息，仅需在线监测信息即可计算最优控制策略。
另外ADP方法可推广应用于电力系统在运行方式多变且模型参数不完整或不精确情况下的最优控制问题。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (4)

1.一种不确定性配电网电压优化控制方法，其特征在于，包括：
采用线性二次型调节器理论建立光伏配电网电压安全控制模型；
采用近似/自适应动态规划方法对所述光伏配电网电压安全控制模型进行求解，得到光伏配电网在线电压的最优控制策略，所述最优控制策略为由各个具备连续型无功调节能力的设备的无功控制增量组成的矩阵；
所述光伏配电网电压安全控制模型如下：
Figure FDA0002635385330000011
其中，x是光伏配电网的状态变量矩阵；u是控制策略矩阵；Q是状态变量偏差的权重矩阵，Q≥0；R是控制成本的权重矩阵，R＞0；J是待优化的目标值；
光伏配电网的状态变量矩阵x表示如下：
Figure FDA0002635385330000012
x[2:N]＝ΔV[2:N]＝V[2:N]-Vn
其中，N是光伏配电网的网络节点数；
Figure FDA0002635385330000013
是光伏配电网在当前控制策略下的有功损耗；
Figure FDA0002635385330000014
是光伏配电网在控制策略下的有功损耗；
ΔPloss是控制策略实施后高比例光伏配电网的有功损耗增量；
ΔV是光伏配电网的网络节点电压偏差矩阵；
V是光伏配电网的网络节点电压矩阵；
Vn是光伏配电网的网络节点电压额定值矩阵。
2.根据权利要求1所述的不确定性配电网电压优化控制方法，其特征在于，控制策略矩阵u为：
Figure FDA0002635385330000015
其中，M是具有连续型无功控制能力的网络节点数，m＝1，2...M；um为无功控制增量，表达式为：
um＝ΔQm
其中，Qm为各所述设备的无功出力，ΔQm为各所述设备的无功出力的增量。
3.根据权利要求1所述的不确定性配电网电压优化控制方法，其特征在于，采用近似/自适应动态规划方法对所述光伏配电网电压安全控制模型进行求解，得到光伏配电网在线电压的最优控制策略，包括：
步骤1：令求解控制策略uk的迭代次数k＝0，记录δxx，Ixx和Ixu，直到
Figure FDA0002635385330000021
其中，记录δxx为向量化状态变量x的增量矩阵，其中向量化状态变量
Figure FDA0002635385330000022
Ixx为状态变量克罗内克积的增量矩阵，和Ixu为状态变量与控制变量克罗内克积的增量矩阵；
步骤2：利用下述公式求解Pk,Lk：
Figure FDA0002635385330000023
其中，Pk为第k次迭代得到的黎卡提方程的解P，
Figure FDA0002635385330000024
为向量化的Pk，向量化的P表示为
Figure FDA0002635385330000025
Lk为第k次迭代得到的控制策略成本系数矩阵，In为n阶单位矩阵，
Figure FDA0002635385330000026
为第k次迭代得到的控制策略系数矩阵K的转置，
Figure FDA0002635385330000027
步骤3：利用如下公式更新控制策略uk+1：
Figure FDA0002635385330000028
其中，Lk＝BTPk,for k∈Z+；e是系统受到的扰动；
步骤4：令k＝k+1，并重复步骤2及步骤3直到||Pk-Pk-1||≤ε，ε>0是预先设定的精度要求；
步骤5：令u＝-Kkx作为连续时不变系统的最优控制策略。
4.根据权利要求1所述的不确定性配电网电压优化控制方法，其特征在于，在采用线性二次型调节器理论建立光伏配电网电压安全控制模型之前，至少获取如下参数：光伏配电网的网络节点数，光伏配电网在当前控制策略下的有功损耗，光伏配电网在控制策略下的有功损耗，控制策略实施后高比例光伏配电网的有功损耗增量。
CN201710372083.0A 2017-05-24 2017-05-24 一种不确定性配电网电压优化控制方法 Active CN108933442B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710372083.0A CN108933442B (zh) 2017-05-24 2017-05-24 一种不确定性配电网电压优化控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710372083.0A CN108933442B (zh) 2017-05-24 2017-05-24 一种不确定性配电网电压优化控制方法

Publications (2)

Publication Number Publication Date
CN108933442A CN108933442A (zh) 2018-12-04
CN108933442B true CN108933442B (zh) 2021-03-12

Family

ID=64451328

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710372083.0A Active CN108933442B (zh) 2017-05-24 2017-05-24 一种不确定性配电网电压优化控制方法

Country Status (1)

Country Link
CN (1) CN108933442B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114362262B (zh) * 2021-12-02 2023-09-29 国网电力科学研究院有限公司 一种基于有功自适应缩减的电压调节系统及调节方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105162144A (zh) * 2015-09-30 2015-12-16 东南大学 一种配电网电压无功优化的线性逼近求解方法
CN105978024A (zh) * 2016-06-07 2016-09-28 东南大学 一种基于复变量的储能逆变器并离网无缝切换控制算法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105162144A (zh) * 2015-09-30 2015-12-16 东南大学 一种配电网电压无功优化的线性逼近求解方法
CN105978024A (zh) * 2016-06-07 2016-09-28 东南大学 一种基于复变量的储能逆变器并离网无缝切换控制算法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Computational Adaptive Optimal Control with an Application to Blood Glucose Regulation in Type 1 Diabetics;Yu jiang 等;《Proceedings of the 31st Chinese Control Conference》;20120727;第2938-2943页 *
基于线性二次型最优控制的光伏并网发电系统的研究;李春玲;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20130515(第05期);全文 *
复合功能并网逆变器的线性最优控制;程冲 等;《电力自动化设备》;20160131;第36卷(第1期);第135-142,148页 *
高密度分布式光伏接入下电压越限问题的分析与对策;王颖 等;《中国电机工程学报》;20160305;第36卷(第5期);全文 *

Also Published As

Publication number Publication date
CN108933442A (zh) 2018-12-04

Similar Documents

Publication Publication Date Title
Li et al. MPC-based local voltage control strategy of DGs in active distribution networks
CN107947192B (zh) 一种下垂控制型孤岛微电网的无功优化配置方法
Valverde et al. Control of dispersed generation to regulate distribution and support transmission voltages
CN110380450B (zh) 一种光伏控制方法、装置、设备及计算机可读存储介质
Zhang et al. Inertia-enhanced distributed voltage and frequency control of low-inertia microgrids
Safiullah et al. State‐observer based IDD controller for concurrent frequency‐voltage control of a hybrid power system with electric vehicle uncertainties
CN110323979B (zh) 一种考虑电压稳定的发电机励磁调差系数优化整定方法
Abadi et al. Affinely adjustable robust Volt/Var control for distribution systems with high PV penetration
Elgammal et al. Optimal model predictive frequency control management of grid integration PV/wind/FC/storage battery based smart grid using multi objective particle swarm optimization MOPSO
CN113517721B (zh) 含高比例分布式电源的多元配电网协同调控方法及系统
Kang et al. Distributed event-triggered optimal control method for heterogeneous energy storage systems in smart grid
Keshavarz et al. A novel adaptive distributed secondary voltage controller with high convergence rate for islanded microgrids
Jeong et al. Optimal secondary control to suppress voltage fluctuations in an HVDC-linked wind farm grid
CN108933442B (zh) 一种不确定性配电网电压优化控制方法
Abou Daher et al. Improve the HVAC contribution in wind power smoothing
Hao et al. A novel adaptive control strategy of interconnected microgrids for delay-dependent stability enhancement
CN111900767B (zh) 一种用于控制电力系统多断面有功潮流的方法及系统
Akbari-Zadeh et al. Dstatcom allocation in the distribution system considering load uncertainty
Otomega et al. Emergency alleviation of thermal overloads using model predictive control
US20240003333A1 (en) Improvements in or relating to voltage control in renewable energy power plants
Zeb et al. Adaptive controller based unified power flow control for low power oscillation damping
CN113013913B (zh) 风电场无功电压控制系统和方法
CN114362191A (zh) 一种海上风电场无功协调控制方法、装置及存储介质
CN110198053B (zh) 一种集中与就地相结合的微电网实时电压控制方法及系统
Farhoodnea et al. Power quality enhancement in distribution systems by optimal placement of dynamic voltage restorer

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