CN109672184A - 一种含高比例光伏配电网电压控制方法和系统 - Google Patents

Abstract

一种含高比例光伏配电网电压控制方法和系统，所述方法利用基于分布熵的改进粒子群算法对建立好的配电网电压协调优化控制模型进行求解；以求解结果对光伏配电网电压实现主动配电网电压控制；所述配电网电压协调优化控制模型以电压偏差最小为目标函数。所述配电网电压协调优化控制模型是考虑需求响应与光伏逆变器无功调节能力建立的；所述需求响应通过预先建立的需求响应模型实现。本发明以电压偏差最小为目标函数，考虑需求响应与光伏逆变器无功调节能力，建立配电网电压协调优化模型；提出基于分布熵的改进粒子群算法实现模型求解；本发明控制方法解决了大规模光伏接入配电网会导致节点电压越限问题，提高了光伏接入配电网的稳定性。

Description

一种含高比例光伏配电网电压控制方法和系统

技术领域

本发明涉及一种含高比例光伏配电网电压控制方法和系统，属光伏配电网技术领域。

背景技术

在国家政策和技术发展的推动下，光伏发电的成本越来越低，光伏接入容量逐渐提高。同时太阳能作为一种清洁能源，是解决能源危机的重要手段。目前分布式电源(Distribution Generation，DG)的大规模并网使得配电网逐步从传统的被动型配电网向主动配电网转变。DG对电压有一定的支撑作用，但当DG的接入容量继续增加，将足以抬升配电网节点电压使之高于电压偏差上限，这也给电网调压带来了挑战。

已有研究尚未综合考虑技术手段与经济手段在电压控制中的作用，这使得现有的电压控制手段作用十分有限。

发明内容

本发明的目的是，针对大规模光伏接入配电网会导致节点电压越限问题，提出一种含高比例光伏配电网电压控制方法和系统。

本发明实现的技术方案，包括含高比例光伏配电网电压控制方法和含高比例光伏配电网电压控制系统。

一种含高比例光伏配电网电压控制方法，所述方法利用基于分布熵的改进粒子群算法对建立好的配电网电压协调优化控制模型进行求解；以求解结果对光伏配电网电压实现主动配电网电压控制；所述配电网电压协调优化控制模型以电压偏差最小为目标函数；其中，

所述配电网电压协调优化控制模型是考虑需求响应与光伏逆变器无功调节能力建立的；所述需求响应通过预先建立的需求响应模型实现。

所述需求响应模型的建立包含构建弹性矩阵和求取调整后负荷量两个阶段。

所述构建弹性矩阵如下：

常用需求弹性系数描述用户对于电价的反应：

ΔQ_i(m)＝Q_i(m)-Q_i0(m)

ΔP_i(n)＝P_i(n)-P_i0(n)

式中：ε_mn是用户i的需求弹性系数，当时刻m等于n时为自弹性系数，由于电价上升时用户需求会相应减少，因此是负值，当时刻m不等于n时为交叉弹性系数，描述的是当时刻n电价降低时，用户将转移一部分时刻m的负荷至时刻n；ΔQ_i(m)为时刻m的电量变化量；ΔP_i(n)为时刻n的电价变化量；Q_i0(m)为时刻m在实行分时电价之前的电量；P_i0(n)为时刻n在实行分时电价之前的电价；Q_i(m)为时刻m在实行分时电价之后的电量；P_i(n)为时刻n在实行分时电价之后的电价；

由自弹性系数和交叉弹性系数组成的弹性矩阵E为：

式中：T是时段数；该弹性矩阵可通过对历史分时电价机制下的用户用电量进行统计分析获得；

所述调整后负荷量，是通过构建的弹性矩阵，计算得到负荷响应量：

在已知E的情况下，可以根据下式求得电价调整后各时段的负荷量：

所述配电网电压协调优化控制模型以配电网电压偏差最小为目标函数；

式中，T为计算时间段(24小时)；N为系统网络负荷节点总个数；U_i，t为t时段系统节点i的电压幅值，为t时段系统节点i的基准电压幅值，通常为1.0pu；U_i，max和U_i，min分别为节点i的最大允许电压和最小允许电压。

所述目标函数的约束条件包含以下内容：

(1)线路运行约束

配电网安全运行应满足如下的潮流方程：

式中，P_DGi，t和Q_DGi，t分别为t时段节点i处分布式电源注入的有功功率和无功功率；Q_Ci，t为t时段系统节点i处电容器组的接入容量；G_ij，t和B_ij，t分别为t时段系统节点i与节点j之间的电导值和电纳值；e_i，t和f_i，t分别为t时段系统节点i的电压实部与虚部；

(2)线路运行约束

在整个时间段T内应满足的约束条件为支路电流约束、放射状运行约束；

式中，I_l和I_pl分别为支路l电流幅值和支路l电流幅值最大值，L_i为支路数；g_p和G_p分别表示当前的网络结构和允许的放射状网络配置；

(3)分布式电源约束

光伏电池接入电网时可以通过逆变器的复用技术产生无功功率；含分布式电源的配电网系统中DG约束包括分布式电源无功功率约束、分布式电源出力功率因数限制、分布式电源渗透率水平约束；

式中，P_DGi，t和Q_DGi，t分别为i节点t时刻的分布式电源有功功率和无功功率，S_DGi为网络节点i处分布式电源逆变器容量；cosφ为分布式电源出力的功率因数下限；χ为分布式电源的有功出力占全网有功负荷的最大比例，单位为100％；P_i，t为i节点t时刻负荷的有功功率；光伏逆变器的无功容量受逆变器容量与功率因数两方面限制，实际的光伏无功容量范围取以上两类约束的交集；

(4)峰谷电价时段数约束

式中，i为某一划分时段开始时刻；j为某一划分时段结束时刻；w为该划分时段中某一时刻；N为时刻总数；mod为取模运算；X_ij为0-1变量，当某一划分时段开始时刻为i结束时刻为j时其值为1，否则为0；K为划分后所得总的划分个数。

所述基于分布熵的改进粒子群算法的具体步骤如下：

Step1：PSO算法每次迭代过程中，计算种群粒子间最大的对角线距离；

Step2：计算每个粒子在矢量g(t)上的投影得到集合y(t)；

Step3：将g(t)按种群规模pop等分，并统计每个区间段的粒子投影个数h_i(t)；

Step4：计算每一次迭代的种群分布熵E(t)；

Step5：计算每一次迭代得到的惯性权重ω(E(t))。

所述主动配电网电压控制，包括分布式光伏无功出力控制和基于电价的需求侧响应控制；通过分布式光伏无功出力控制模块控制光伏无功出力；通过基于电价的需求侧响应控制模块对需求侧进行时段划分，根据不同时段的电力需求控制分布式光伏的接入容量。

一种含高比例光伏配电网电压控制系统，包括数据采集模块、数据处理器、分布式光伏无功出力控制模块、基于电价的需求侧响应控制模块和改进粒子群算法模块；数据采集模块采集数据后送数据处理器处理；数据处理器发出指令，由分布式光伏无功出力控制模块和基于电价的需求侧响应控制模块控制光伏无功出力和对需求侧进行时段划分；通过改进粒子群算法模块计算迭代的种群分布熵和惯性权重，实现模型求解。

所述数据采集模块采集分布式电源接入电网的无功功率、有功功率、电压和电流，电容组接入的容量值，逆变器容量；需求侧的峰谷电价、峰谷时段。

所述分布式光伏无功出力控制模块根据指令控制光伏电源的无功出力。

所述基于电价的需求侧响应控制模块根据指令对需求侧进行时段划分的控制；

所述控制系统在电网安全稳定运行和决策变量满足约束条件的前提下，在电源侧和负荷侧分别考虑对分布式光伏无功出力和电价型需求侧响应的时段划分，实现主动配电网电压控制。

本发明的有益效果是，本发明将经济激励手段与技术手段相结合，以分布式光伏的无功出力、峰谷电价的时段划分为决策变量，建立配电网电压控制框架，引入基于电价的需求响应，作为经济激励手段，并根据电价需求函数曲线建立需求响应模型；本发明以电压偏差最小为目标函数，考虑需求响应与光伏逆变器无功调节能力，建立配电网电压协调优化模型；提出基于分布熵的改进粒子群算法实现模型求解；本发明控制方法解决了大规模光伏接入配电网会导致节点电压越限问题，提高了光伏接入配电网的稳定性。

附图说明

图1为本发明控制方法框图。

具体实施方式

下面结合实例和附图对本发明的一种含高比例光伏配电网电压控制方法做出详细说明。

如图1所示，本实施例一种含高比例光伏配电网电压控制方法，包括(1)需求响应，构建价格弹性矩阵，确定电价调整后的负荷量；(2)建立数学模型，即建立配电网电压协调优化控制模型，确定约束条件、目标函数和决策变量；(3)求解算法，采用基于分布熵的改进粒子群算法实现模型求解，实现对分布式光伏的无功出力与峰谷电价时段划分的高效寻优。

具体实施步骤如下：

步骤一：构建弹性矩阵。

常用需求弹性系数描述用户对于电价的反应：

ΔQ_i(m)＝Q_i(m)-Q_i0(m) (2)

ΔP_i(n)＝P_i(n)-P_i0(n) (3)

式中：ε_mn是用户i的需求弹性系数，当时刻m等于n时为自弹性系数，由于电价上升时用户需求会相应减少，因此是负值，当时刻m不等于n时为交叉弹性系数，描述的是当时刻n电价降低时，用户将转移一部分时刻m的负荷至时刻n；ΔQ_i(m)为时刻m的电量变化量；ΔP_i(n)为时刻n的电价变化量；Q_i0(m)为时刻m在实行分时电价之前的电量；P_i0(n)为时刻n在实行分时电价之前的电价；Q_i(m)为时刻m在实行分时电价之后的电量；P_i(n)为时刻n在实行分时电价之后的电价。

由自弹性系数和交叉弹性系数组成的弹性矩阵E为：

式中：T是时段数。该弹性矩阵可通过对历史分时电价机制下的用户用电量进行统计分析获得。

步骤二：求取电价调整后的电量。

在已知E的情况下，可以根据下式求得电价调整后各时段的电量：

步骤三：数学模型。

模型的优化变量为光伏逆变器的无功出力大小和峰平谷三个时段的电价。目标函数为电压总偏差最小，即优化周期内配电网所有节点归一化电压偏差平方和的时序平均最小，见式(6)。该目标函数的目的是使电压保持在满意的水平上，检验系统安全性和电能质量。

目标函数可表示如下：

式中，T为计算时间段(24小时)；N为系统网络负荷节点总个数；U_i，t为t时段系统节点i的电压幅值，为t时段系统节点i的基准电压幅值，通常为1.0pu；U_i，max和U_i，min分别为节点i的最大允许电压和最小允许电压。

约束条件包括：配电网潮流约束、线路运行约束、分布式电源约束、峰谷分段数约束。

步骤四：求解算法。

标准粒子群算法的主要控制参数有惯性权重和学习因子，由于学习因子采用固定值，惯性权重采用线性递减的更新策略设置过于简单，导致算法寻优速度慢、求解精度低。

基于分布熵的自适应惯性权重更新策略，均衡了算法全局与局部搜索性能，提高了算法搜索精度，其步骤如下：

Step1：PSO算法每次迭代过程中，计算种群粒子间最大的对角线距离L(t)＝max//x_i(t)，x_j(t)//₂，令x_i(t)和x_j(t)两粒子间的方向矢量为g(t)。

Step2：计算每个粒子在矢量g(t)上的投影得到集合y(t)，如下式：

y(t)＝g(t)^Tx(t)

Step3：将g(t)按种群规模pop等分，并统计每个区间段的粒子投影个数h_i(t)。

Step4：计算每一次迭代的种群分布熵E(t)：

s_i(t)＝h_i(t)/N (8)

Step5：根据式(8)计算每一次迭代得到的惯性权重ω(E(t))。

ω(E(t))＝1/(1+1.5e^-2.6E(t)) (9)

分布熵是描述粒子在搜索空间分布的离散程度。

在算法搜索前期，粒子群分布广，此时分布熵较大(ω较大)有利于提高全局搜索性能，而在算法搜索后期，粒子分布较密，此时较小的分布熵(ω较小)可以增强局部开发能力。由上分析可知，算法通过分布熵感知当前种群环境信息以动态调节ω，均衡了全局与局部搜索能力。

学习因子在算法迭代过程中，起到指导粒子速度更新的作用，采用学习因子异步更新策略，使学习因子适应种群拥挤度的变化，搜索到最优解。更新策略如下：

式中，k、k_max分别为迭代次数和最大迭代次数；c_1，ini、c_2，ini分别为学习因子c₁、c₂的初值；c_1，fin、c_2，fin分别为学习因子c₁、c₂的终值。

Claims (9)

1.一种含高比例光伏配电网电压控制方法，其特征在于，所述方法利用基于分布熵的改进粒子群算法对建立好的配电网电压协调优化控制模型进行求解；以求解结果对光伏配电网电压实现主动配电网电压控制；所述配电网电压协调优化控制模型以电压偏差最小为目标函数；其中，

所述配电网电压协调优化控制模型是考虑需求响应与光伏逆变器无功调节能力建立的；所述需求响应通过预先建立的需求响应模型实现。

2.根据权利要求1所述的一种含高比例光伏配电网电压控制方法，其特征在于，所述需求响应模型的建立包含构建弹性矩阵和求取调整后负荷量两个阶段：

所述构建弹性矩阵如下：

需求弹性系数描述用户对于电价的反应：

ΔQ_i(m)＝Q_i(m)-Q_i0(m)

ΔP_i(n)＝P_i(n)-P_i0(n)

式中：ε_mn是用户i的需求弹性系数，当时刻m等于n时为自弹性系数，由于电价上升时用户需求会相应减少，因此是负值；ΔQ_i(m)为时刻m的电量变化量；ΔP_i(n)为时刻n的电价变化量；Q_i0(m)为时刻m在实行分时电价之前的电量；P_i0(n)为时刻n在实行分时电价之前的电价；Q_i(m)为时刻m在实行分时电价之后的电量；P_i(n)为时刻n在实行分时电价之后的电价；

由自弹性系数和需求弹性系数组成的弹性矩阵E为：

式中：T是时段数；该弹性矩阵可通过对历史分时电价机制下的用户用电量进行统计分析获得；

所述调整后负荷量，是通过构建的弹性矩阵，计算得到负荷响应量：

在已知E的情况下，根据下式求得电价调整后各时段的负荷量：

3.根据权利要求1所述的一种含高比例光伏配电网电压控制方法，其特征在于，所述配电网电压协调优化控制模型以配电网电压偏差最小为目标函数；

式中，T为计算时间段，24小时；N为系统网络负荷节点总个数；U_i，t为t时段系统节点i的电压幅值，为t时段系统节点i的基准电压幅值，通常为1.0pu；U_i，max和U_i，min分别为节点i的最大允许电压和最小允许电压。

4.根据权利要求3所述的一种含高比例光伏配电网电压控制方法，其特征在于，所述目标函数的约束条件包含以下内容：

(1)线路运行约束

配电网安全运行应满足如下的潮流方程：

式中，P_DGi，t和Q_DGi，t分别为t时段节点i处分布式电源注入的有功功率和无功功率；Q_Ci，t为t时段系统节点i处电容器组的接入容量；G_ij，t和B_ij，t分别为t时段系统节点i与节点j之间的电导值和电纳值；e_i，t和f_i，t分别为t时段系统节点i的电压实部与虚部；

(2)线路运行约束

在整个时间段T内应满足的约束条件为支路电流约束、放射状运行约束；

式中，I_l和I_pl分别为支路l电流幅值和支路l电流幅值最大值，L_i为支路数；g_p和G_p分别表示当前的网络结构和允许的放射状网络配置；

(3)分布式电源约束

含分布式电源的配电网系统中DG约束包括分布式电源无功功率约束、分布式电源出力功率因数限制、分布式电源渗透率水平约束；

式中，P_DGi，t和Q_DGi，t分别为i节点t时刻的分布式电源有功功率和无功功率，S_DGi为网络节点i处分布式电源逆变器容量；cosφ为分布式电源出力的功率因数下限；χ为分布式电源的有功出力占全网有功负荷的最大比例，单位为100％；P_i，t为i节点t时刻负荷的有功功率；光伏逆变器的无功容量受逆变器容量与功率因数两方面限制，实际的光伏无功容量范围取以上两类约束的交集；

(4)峰谷电价时段数约束

式中，i为某一划分时段开始时刻；j为某一划分时段结束时刻；w为该划分时段中某一时刻；N为时刻总数；mod为取模运算；X_ij为0-1变量，当某一划分时段开始时刻为i结束时刻为j时其值为1，否则为0；K为划分后所得总的划分个数。

5.根据权利要求1所述的一种含高比例光伏配电网电压控制方法，其特征在于，所述基于分布熵的改进粒子群算法的具体步骤如下：

Step1：PSO算法每次迭代过程中，计算种群粒子间最大的对角线距离；

Step2：计算每个粒子在矢量g(t)上的投影得到集合y(t)；

Step3：将g(t)按种群规模pop等分，并统计每个区间段的粒子投影个数h_i(t)；

Step4：计算每一次迭代的种群分布熵E(t)；

Step5：计算每一次迭代得到的惯性权重ω(E(t))。

6.根据权利要求1所述的一种含高比例光伏配电网电压控制方法，其特征在于，所述主动配电网电压控制，包括分布式光伏无功出力控制和基于电价的需求侧响应控制；通过分布式光伏无功出力控制模块控制光伏无功出力；通过基于电价的需求侧响应控制模块对需求侧进行时段划分，根据不同时段的电力需求控制分布式光伏的接入容量。

7.根据权利要求3所述的一种含高比例光伏配电网电压控制方法，其特征在于，所述配电网电压协调优化控制模型的优化变量为光伏逆变器的无功出力大小和峰平谷三个时段的电价；目标函数为电压总偏差最小，即优化周期内配电网所有节点归一化电压偏差平方和的时序平均最小。

8.根据权利要求5所述的一种含高比例光伏配电网电压控制方法，其特征在于，所述基于分布熵的改进粒子群算法通过改进粒子群算法模块实现对配电网电压协调优化控制模型的求解。

9.一种含高比例光伏配电网电压控制系统，其特征在于，所述控制系统，包括数据采集模块、数据处理器、分布式光伏无功出力控制模块、基于电价的需求侧响应控制模块和改进粒子群算法模块；数据采集模块采集数据后送数据处理器处理；数据处理器发出指令，通过分布式光伏无功出力控制模块控制光伏无功出力；通过基于电价的需求侧响应控制模块对需求侧进行时段划分；通过改进粒子群算法模块计算迭代的种群分布熵和惯性权重，实现模型求解；

所述数据采集模块采集分布式电源接入电网的无功功率、有功功率、电压和电流，电容组接入的容量值，逆变器容量；需求侧的峰谷电价、峰谷时段；

所述控制系统在电网安全稳定运行和决策变量满足约束条件的前提下，在电源侧和负荷侧分别考虑对分布式光伏无功出力和电价型需求侧响应的时段划分，实现主动配电网电压控制。