CN109687469A - 基于机会约束规划的有源配电网智能软开关电压控制方法 - Google Patents

Abstract

本发明涉及一种基于机会约束规划的有源配电网智能软开关电压控制方法，其技术特点在于：包括以下步骤：步骤1、根据选定的配电系统，分别输入支路参数；步骤2、采用k‑means聚类算法进行聚类分析，得到用以描述分布式电源出力不确定性的典型场景及各场景出现的概率；步骤3、建立基于机会约束规划的有源配电网智能软开关电压控制模型；步骤4、引入辅助变量进行二次规划模型转化；步骤5、采用混合整数二次规划算法进行求解；步骤6、输出步骤5的求解结果。本发明解决了不同置信水平下的智能软开关电压控制策略问题，显著降低了电压越限场景数量，全面改善了配电网运行水平。

Description

基于机会约束规划的有源配电网智能软开关电压控制方法

技术领域

本发明属于有源配电网电压控制技术领域，涉及有源配电网智能软开关电压控制方法，尤其是一种基于机会约束规划的有源配电网智能软开关电压控制方法。

背景技术

随着配电网中分布式能源渗透率不断提高，带来了诸如双向潮流、电压越限等一系列问题，与此同时用户侧多样化用电需求以及与电网的灵活互动，使配电网能量流动变得更加复杂。以智能软开关(soft open point,SOP)为代表的电力电子装置以其强大的潮流控制能力受到了广泛关注。智能软开关是取代传统联络开关的一种新型智能配电装置，智能软开关的应用将极大地提高配电系统运行的灵活性和可控性，与联络开关相比，智能软开关的功率控制更加安全可靠，避免了开关操作可能带来的安全隐患。

现有配电网电压控制手段包括网络重构、电容器组、有载调压变压器(on-loadtap changer,OLTC)等。网络重构作为调节手段，在正常情况下可以通过改变网络拓扑改善系统的电压分布，而在故障情况下则向其提供自愈策略支持。电容器组向电网提供电压无功控制，从而改善电网电压水平。然而传统的变压器分接头调整、补偿电容器投切等控制方式的调整能力有限、精度不足，而基于分段、联络开关的网络重构则更多的受到开关动作时间、动作寿命、以及冲击电流等问题的限制，难以满足分布式能源频繁波动时有源配电网的高精度实时运行控制需求。

目前考虑分布式电源出力不确定因素的方法主要有鲁棒优化和随机规划两大类。其中，鲁棒优化算法以不确定集合代替随机变量的概率分布，以最恶劣场景下的优化运行策略作为系统的运行策，具有一定的保守性。随机规划法则将随机变量的不确定信息用场景概率分布的方式描述，得到的优化策略在不同场景下均能满足约束条件。机会约束模型在随机规划模型的基础上进行了扩展，通过引入置信水平参数，使优化策略的保守性可调，能够灵活协调目标函数值与运行策略之间的关系。因此，急需一种基于机会约束规划的有源配电网智能软开关电压控制方法，以得到不同置信水平下的智能软开关电压控制策略。

发明内容

本发明的目的在于克服现有技术的不足，提出一种基于机会约束规划的有源配电网智能软开关电压控制方法，解决了不同置信水平下的智能软开关电压控制策略问题。

本发明解决其现实问题是采取以下技术方案实现的：

一种基于机会约束规划的有源配电网智能软开关电压控制方法，包括以下步骤：

步骤1、根据选定的配电系统，分别输入支路参数，负荷水平，配电网所在区域风机、光伏的分布式电源出力历史数据，网络拓扑连接关系，系统运行电压水平限制和支路电流限制，智能软开关接入位置、容量和损耗系数，基准电压和基准功率初值；

步骤2、依据步骤1提供的配电网所在区域风机、光伏的分布式电源出力历史数据，采用k-means聚类算法进行聚类分析，得到用以描述分布式电源出力不确定性的典型场景及各场景出现的概率；

步骤3、依据步骤1提供的配电系统结构及参数以及步骤2得到的场景聚类结果，建立基于机会约束规划的有源配电网智能软开关电压控制模型；

步骤4、根据步骤3得到的有源配电网智能软开关电压控制模型，引入辅助变量进行二次规划模型转化；

步骤5、将步骤4得到的电压控制二次规划模型，采用混合整数二次规划算法进行求解；

步骤6、输出步骤5的求解结果，包括目标函数值、各节点电压幅值、智能软开关控制策略。

而且，所述步骤2的具体步骤包括：

(1)从N个数据对象中任意选择k个对象作为初始聚类中心；

(2)以距离聚类中心欧氏距离最小为原则，将其余数据对象划分给相应的类别；

(3)重新计算每个聚类的中心对象：与同类中其余对象之间的距离之和最小的样本即确定为当前类的中心；

(4)重复步骤(2)和步骤(3)，直到聚类中心不再变化，聚类结束，输出聚类结果；

基于聚类分析的结果，统计各场景出现的概率，具体关系如下式：

π_m＝Card(C_m)/N

式中，π_m为第m个类簇即场景m出现的概率；N为待聚类数据的总个数，Card(C_m)为第m个类簇所含数据对象的个数。

而且，所述步骤3的具体方法为：设定系统电压越限情况f_V和系统损耗f_L的加权和为目标函数，分别考虑配电系统潮流约束、配电系统安全运行机会约束、分布式电源运行约束和智能软开关运行约束；

其中，设定系统电压越限情况f_V和系统损耗f_L的加权和为目标函数表示为：

minf＝α_Lf_L+α_Vf_V

式中，Ω_t为系运行时段的集合，Ω_n为系统所有节点的集合，Ω_b为系统支路的集合，Ω_s为分布式电源出力场景的集合；f为目标函数，α_V和α_L分别为系统电压越限情况f_V和系统损耗f_L的权重系数；R_ij为支路ij的电阻，I_s，t，ij为场景s、t时段节点i流向节点j的电流幅值；Δt为优化步长；p_s为场景s出现的概率；为t时段接在节点i上智能软开关产生的损耗；U_s，t，i为场景s、t时段节点i的电压幅值；和U _thr分别为节点电压幅值优化区间的上下限；

(2)配电系统潮流约束表示为：

式中，X_ij为支路ij的电抗；P_s，t，ij为场景s、t时段支路ij上节点i流向节点j的有功功率；Q_s，t，ij为场景s、t时段支路ij上节点i流向节点j的无功功率；P_s，t，j和Q_s，t，j分别为场景s、t时段注入节点j的净有功和无功功率；和分别为t时段节点j上负荷消耗的有功功率和无功功率；和分别为t时段智能软开关在节点j上注入的有功功率和无功功率；和分别为场景s、t时段分布式电源在节点j上注入的有功功率和无功功率；

(3)配电系统安全运行机会约束表示为：

式中，P_r{·}表示某一事件成立的概率；ε为置信参数；分别为电压幅值的上下限；分别为支路有功功率的上下限；

(4)分布式电源运行约束表示为：

式中，为场景s、t时段节点i上接入分布式电源的有功出力的预测值；和分别为节点i上接入分布式电源无功出力的下限和上限；为节点i上接入分布式电源的容量；

(5)智能软开关运行约束表示为：

式中，A^SOP为智能软开关的损耗系数；为智能软开关在节点i处换流器的容量；

而且，所述步骤4引入辅助变量进行二次规划模型转化的具体步骤包括：

(1)引入二进制辅助变量z_s

当z_s＝0时，考虑场景s被计及，得到的策略能够保证系统在场景s下安全运行；当z_s＝1时，场景s未被计及，得到的策略则无法确保场景s下系统能够稳定运行，其公式表示为：

式中，Ω_s为分布式电源出力场景的集合；p_s为场景s出现的概率；

(2)配电系统潮流约束条件转化

通过大M法将步骤1中的辅助变量引入网络运行约束条件中，使得z_s取值能够正确反映由场景s生成的网络约束条件的有效性，转化后的系统潮流约束如下所示：

式中，Ω_b为系统支路集合；M为一个常数；R_ij为支路ij的电阻；X_ij为支路ij的电抗；I_s，t，ij为场景s、t时段节点i流向节点j的电流幅值；Q_s，t，ij为场景s、t时段支路ij上节点i流向节点j的无功功率；P_s，t，j和Q_s，t，j分别为场景s、t时段注入节点j的净有功和无功功率；和分别为t时段节点j上负荷消耗的有功功率和无功功率；和分别为t时段智能软开关在节点j上注入的有功功率和无功功率；和分别为场景s、t时段分布式电源在节点j上注入的有功功率和无功功率；

(3)系统安全运行约束条件转化

转化后的系统安全运行约束为：

本发明的优点和有益效果：

本发明提出一种基于机会约束规划的有源配电网智能软开关电压控制方法，通过建立基于机会约束规划的有源配电网智能软开关电压控制模型，采用混合整数二次规划算法进行求解，得到不同置信水平下的智能软开关电压控制策略。本发明解决了不同置信水平下的智能软开关电压控制策略问题，考虑了间歇性分布式电源出力的不确定性，充分发挥了智能软开关的潮流和电压控制能力，显著降低了电压越限场景数量，全面改善了配电网运行水平。

附图说明

图1是本发明的基于机会约束规划的有源配电网智能软开关电压控制方法流程图；

图2是IEEE 33节点测试算例结构图；

图3是光伏出力典型场景聚类结果图；

图4是智能软开关1传输的有功功率曲线图；

图5是智能软开关2传输的有功功率曲线图；

图6是智能软开关1传输的无功功率曲线图；

图7是智能软开关2传输的无功功率曲线图；

图8是场景1的电压测试结果图；

图9是场景2的电压测试结果图；

图10是场景3的电压测试结果图；

图11是场景4的电压测试结果图。

具体实施方式

以下结合附图对本发明实施例作进一步详述：

一种基于机会约束规划的有源配电网智能软开关电压控制方法，如图1所示，包括以下步骤：

步骤1、根据选定的配电系统，分别输入支路参数，负荷水平，配电网所在区域风机、光伏等分布式电源出力历史数据，网络拓扑连接关系，系统运行电压水平限制和支路电流限制，智能软开关接入位置、容量和损耗系数，基准电压和基准功率初值；

步骤2、依据步骤1提供的配电网所在区域风机、光伏等分布式电源出力历史数据，采用k-means聚类算法进行聚类分析，得到用以描述分布式电源出力不确定性的典型场景及各场景出现的概率；

所述步骤2的具体步骤包括：

(1)从N个数据对象中任意选择k个对象作为初始聚类中心；

(2)以距离聚类中心欧氏距离最小为原则，将其余数据对象划分给相应的类别；

(3)重新计算每个聚类的中心对象：与同类中其余对象之间的距离之和最小的样本即确定为当前类的中心；

(4)重复步骤(2)和步骤(3)，直到聚类中心不再变化，聚类结束，输出聚类结果。

基于聚类分析的结果，统计各场景出现的概率，具体关系如下式：

π_m＝Card(C_m)/N (1)

式中，π_m为第m个类簇即场景m出现的概率；N为待聚类数据的总个数，Card(C_m)为第m个类簇所含数据对象的个数。

步骤3、依据步骤1提供的配电系统结构及参数以及步骤2得到的场景聚类结果，建立基于机会约束规划的有源配电网智能软开关电压控制模型；

所述步骤3的具体方法为：设定系统电压越限情况f_V和系统损耗f_L的加权和为目标函数，分别考虑配电系统潮流约束、配电系统安全运行机会约束、分布式电源运行约束和智能软开关运行约束；其中，

(1)设定系统电压越限情况f_V和系统损耗f_L的加权和为目标函数表示为：

minf＝α_Lf_L+α_Vf_V (2)

式中，Ω_t为系运行时段的集合，Ω_n为系统所有节点的集合，Ω_b为系统支路的集合，Ω_s为分布式电源出力场景的集合；f为目标函数，α_V和α_L分别为系统电压越限情况f_V和系统损耗f_L的权重系数；R_ij为支路ij的电阻，I_s，t，ij为场景s、t时段节点i流向节点j的电流幅值；Δt为优化步长；p_s为场景s出现的概率；为t时段接在节点i上智能软开关产生的损耗；U_s，t，i为场景s、t时段节点i的电压幅值；和U _thr分别为节点电压幅值优化区间的上下限；

(2)配电系统潮流约束表示为：

式中，X_ij为支路ij的电抗；P_s，t，ij为场景s、t时段支路ij上节点i流向节点j的有功功率；Q_s，t，ij为场景s、t时段支路ij上节点i流向节点j的无功功率；P_s，t，j和Q_s，t，j分别为场景s、t时段注入节点j的净有功和无功功率；和分别为t时段节点j上负荷消耗的有功功率和无功功率；和分别为t时段智能软开关在节点j上注入的有功功率和无功功率；和分别为场景s、t时段分布式电源在节点j上注入的有功功率和无功功率；

(3)配电系统安全运行机会约束表示为：

式中，P_r{·}表示某一事件成立的概率；ε为置信参数；分别为电压幅值的上下限；分别为支路有功功率的上下限；

(4)分布式电源运行约束表示为：

式中，为场景s、t时段节点i上接入分布式电源的有功出力的预测值；和分别为节点i上接入分布式电源无功出力的下限和上限；为节点i上接入分布式电源的容量；

(5)智能软开关运行约束表示为：

式中，A^SOP为智能软开关的损耗系数；为智能软开关在节点i处换流器的容量；

步骤4、根据步骤3得到的有源配电网智能软开关电压控制模型，引入辅助变量进行二次规划模型转化；

所述步骤4引入辅助变量进行二次规划模型转化的具体步骤包括：

(1)引入二进制辅助变量z_s

z_s可以反映在计算最优的智能软开关运行策略时是否计入了场景s；当z_s＝0时，考虑场景s被计及，得到的策略能够保证系统在场景s下安全运行；当z_s＝1时，场景s未被计及，得到的策略则无法确保场景s下系统能够稳定运行，其公式表示为：

式中，Ω_s为分布式电源出力场景的集合；p_s为场景s出现的概率；

(2)配电系统潮流约束条件转化

通过大M法将步骤1中的辅助变量引入网络运行约束条件中，使得z_s取值能够正确反映由场景s生成的网络约束条件的有效性，系统潮流约束(5)-(10)可转化为式(22)-(33)，转化后的系统潮流约束如下所示：

式中，Ω_b为系统支路集合；M为一个常数；R_ij为支路ij的电阻；X_ij为支路ij的电抗；I_s，t，ij为场景s、t时段节点i流向节点j的电流幅值；Q_s，t，ij为场景s、t时段支路ij上节点i流向节点j的无功功率；P_s，t，j和Q_s，t，j分别为场景s、t时段注入节点j的净有功和无功功率；和分别为t时段节点j上负荷消耗的有功功率和无功功率；和分别为t时段智能软开关在节点j上注入的有功功率和无功功率；和分别为场景s、t时段分布式电源在节点j上注入的有功功率和无功功率；

在本实施例中，M为一个极大的常数，一般取9999；

(3)系统安全运行约束条件转化

系统安全运行约束(11)-(12)可转化为式(34)-(37)：

步骤5、将步骤4得到的电压控制二次规划模型，包括目标函数(2)-(4)和约束条件(13)-(37)，采用混合整数二次规划算法进行求解；

步骤6、输出步骤5的求解结果，包括目标函数值、各节点电压幅值、智能软开关控制策略。

本发明建立了基于机会约束的智能配电软开关电压控制模型，并采用混合整数二次规划算法进行求解，得到多种置信水平下的智能软开关电压控制策略。

对于本发明的实施例，首先输入IEEE 33节点系统中线路元件的阻抗值，负荷元件的有功功率、无功功率，网络拓扑连接关系，算例结构如图2所示详细参数见表1和表2；为充分考虑分布式电源出力不确定性影响，在算例中接入12组光伏系统，容量均为300kW，功率因数为0.9，具体接入位置如图2所示。根据配电网所在区域的光伏年出力曲线，采用k-means算法进行聚类分析，得到光伏出力的12个典型场景如图3所示；节点电压的优化区间为[0.94,1.06]；设定两组智能软开关接入配电网，取代节点12和22、节点18和33之间的联络开关，每组智能软开关的容量为1.0MVA，损耗系数为0.02，规定从直流侧传递到交流侧的功率方向为正方向；最后设定系统的基准电压为12.66kV、基准功率为1MVA。目标函数中损耗权重系数α_L＝0.83和电压偏差权重系数α_V＝0.17。将一天分为24个时段，每小时为1个时间断面。

采用如下4种场景进行分析验证：

场景1：采用针对确定性场景的智能软开关电压控制策略；

场景2：采用置信水平为100％对应的智能软开关电压控制策略；

场景3：采用置信水平为90％对应的智能软开关电压控制策略；

场景4：采用置信水平为80％对应的智能软开关电压控制策略。

图4～图7给出了不同场景的智能软开关电压控制策略，为充分验证所提方法的有效性，对4种场景下得到的智能软开关运行策略进行蒙特卡洛测试。假设光伏发电系统出力服从正态分布，采用500组光伏出力随机场景进行蒙特卡洛测试，在测试过程中，若电压超出优化运行区间或支路电流越限，则相应的场景被标记为越限场景。不同场景下智能软开关运行策略测试结果如表3所示。

对比场景1与场景2可以看出，对于确定性的智能软开关电压控制策略，虽然运行损耗低，但无法考虑光伏出力的随机性与波动性影响，容易引起电压越限。而基于机会约束的智能软开关电压控制策略能有效应对光伏出力波动，避免节点电压或支路功率越限。

图8-图11给出了4种场景下节点电压蒙特卡洛测试结果，图中电压值为500次测试电压平均值。对比图8与图9可知，在光伏出力较高的时段，基于机会约束的智能软开关电压控制策略对系统整体电压水平的改善效果较为明显。

采用本发明方法得到的智能软开关电压控制策略，能够有效应对光伏等分布式电源的随机性与波动性，通过选择不同的置信水平，实现系统运行经济性与系统电压越限水平的兼顾，全面提升有源配电网运行水平。

表1 IEEE33节点算例负荷接入位置及功率

表2 IEEE33节点算例支路参数

表3不同场景下智能软开关运行策略的测试结果

需要强调的是，本发明所述实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (4)

1.一种基于机会约束规划的有源配电网智能软开关电压控制方法，其特征在于：包括以下步骤：

步骤1、根据选定的配电系统，分别输入支路参数，负荷水平，配电网所在区域风机、光伏的分布式电源出力历史数据，网络拓扑连接关系，系统运行电压水平限制和支路电流限制，智能软开关接入位置、容量和损耗系数，基准电压和基准功率初值；

步骤2、依据步骤1提供的配电网所在区域风机、光伏的分布式电源出力历史数据，采用k-means聚类算法进行聚类分析，得到用以描述分布式电源出力不确定性的典型场景及各场景出现的概率；

步骤3、依据步骤1提供的配电系统结构及参数以及步骤2得到的场景聚类结果，建立基于机会约束规划的有源配电网智能软开关电压控制模型；

步骤4、根据步骤3得到的有源配电网智能软开关电压控制模型，引入辅助变量进行二次规划模型转化；

步骤5、将步骤4得到的电压控制二次规划模型，采用混合整数二次规划算法进行求解；

步骤6、输出步骤5的求解结果，包括目标函数值、各节点电压幅值、智能软开关控制策略。

2.根据权利要求1所述的一种基于机会约束规划的有源配电网智能软开关电压控制方法，其特征在于：所述步骤2的具体步骤包括：

(1)从N个数据对象中任意选择k个对象作为初始聚类中心；

(2)以距离聚类中心欧氏距离最小为原则，将其余数据对象划分给相应的类别；

(3)重新计算每个聚类的中心对象：与同类中其余对象之间的距离之和最小的样本即确定为当前类的中心；

(4)重复步骤(2)和步骤(3)，直到聚类中心不再变化，聚类结束，输出聚类结果；

基于聚类分析的结果，统计各场景出现的概率，具体关系如下式：

π_m＝Card(C_m)/N

式中，π_m为第m个类簇即场景m出现的概率；N为待聚类数据的总个数，Card(C_m)为第m个类簇所含数据对象的个数。

3.根据权利要求1所述的一种基于机会约束规划的有源配电网智能软开关电压控制方法，其特征在于：所述步骤3的具体方法为：设定系统电压越限情况f_V和系统损耗f_L的加权和为目标函数，分别考虑配电系统潮流约束、配电系统安全运行机会约束、分布式电源运行约束和智能软开关运行约束；

其中，设定系统电压越限情况f_V和系统损耗f_L的加权和为目标函数表示为：

minf＝α_Lf_L+α_Vf_V

式中，Ω_t为系运行时段的集合，Ω_n为系统所有节点的集合，Ω_b为系统支路的集合，Ω_s为分布式电源出力场景的集合；f为目标函数，α_V和α_L分别为系统电压越限情况f_V和系统损耗f_L的权重系数；R_ij为支路ij的电阻，I_s，t，ij为场景s、t时段节点i流向节点j的电流幅值；Δt为优化步长；p_s为场景s出现的概率；为t时段接在节点i上智能软开关产生的损耗；U_s，t，i为场景s、t时段节点i的电压幅值；和U _thr分别为节点电压幅值优化区间的上下限；

(2)配电系统潮流约束表示为：

式中，X_ij为支路ij的电抗；P_s，t，ij为场景s、t时段支路ij上节点i流向节点j的有功功率；Q_s，t，ij为场景s、t时段支路ij上节点i流向节点j的无功功率；P_s，t，j和Q_s，t，j分别为场景s、t时段注入节点j的净有功和无功功率；和分别为t时段节点j上负荷消耗的有功功率和无功功率；和分别为t时段智能软开关在节点j上注入的有功功率和无功功率；和分别为场景s、t时段分布式电源在节点j上注入的有功功率和无功功率；

(3)配电系统安全运行机会约束表示为：

式中，P_r{·}表示某一事件成立的概率；ε为置信参数；分别为电压幅值的上下限；分别为支路有功功率的上下限；

(4)分布式电源运行约束表示为：

式中，为场景s、t时段节点i上接入分布式电源的有功出力的预测值；和分别为节点i上接入分布式电源无功出力的下限和上限；为节点i上接入分布式电源的容量；

(5)智能软开关运行约束表示为：

式中，A^SOP为智能软开关的损耗系数；为智能软开关在节点i处换流器的容量。

4.根据权利要求1所述的一种基于机会约束规划的有源配电网智能软开关电压控制方法，其特征在于：所述步骤4引入辅助变量进行二次规划模型转化的具体步骤包括：

(1)引入二进制辅助变量z_s

当z_s＝0时，考虑场景s被计及，得到的策略能够保证系统在场景s下安全运行；当z_s＝1时，场景s未被计及，得到的策略则无法确保场景s下系统能够稳定运行，其公式表示为：

式中，Ω_s为分布式电源出力场景的集合；p_s为场景s出现的概率；

(2)配电系统潮流约束条件转化

通过大M法将步骤1中的辅助变量引入网络运行约束条件中，使得z_s取值能够正确反映由场景s生成的网络约束条件的有效性，转化后的系统潮流约束如下所示：

式中，Ω_b为系统支路集合；M为一个常数；R_ij为支路ij的电阻；X_ij为支路ij的电抗；I_s，t，ij为场景s、t时段节点i流向节点j的电流幅值；Q_s，t，ij为场景s、t时段支路ij上节点i流向节点j的无功功率；P_s，t，j和Q_s，t，j分别为场景s、t时段注入节点j的净有功和无功功率；和分别为t时段节点j上负荷消耗的有功功率和无功功率；和分别为t时段智能软开关在节点j上注入的有功功率和无功功率；和分别为场景s、t时段分布式电源在节点j上注入的有功功率和无功功率；

(3)系统安全运行约束条件转化

转化后的系统安全运行约束为：