CN110011358A - 一种配电网负荷状态调节控制器 - Google Patents

Abstract

一种配电网负荷状态调节控制器，涉及电力系统及其自动化领域。由负荷状态调节单元、分布式发电功率采集单元以及上报单元组成；分布式发电功率采集单元由与电力主干网相连的整流单元，逆变单元，隔离单元，直流母线，比较单元组成；分布式发电功率采集单元实时监测配电网与负荷端的有功功率流向，负荷状态调节单元对配电网电压的影响可以由分布式发电功率采集单元来判定。在保证配电网一次侧发电系统正常稳定运用下，通过挖据配电网需求响应关系，直接调节配电网中负荷用户的用电情况。对用户端负荷调节构造多目标节能调度模型实现对配电网的优化调度，从而达到预期经济效益，提高用户需求响应的积极性，为优化配置能源资源提供快速响应。

Description

一种配电网负荷状态调节控制器

技术领域

本发明涉及电力系统及其自动化领域，具体是涉及一种配电网负荷状态调节控制器。

背景技术

全球能源格局正在发生翻天覆地的变化，快速增长的新兴能源市场通过技术变革并以环保主义为契机推动能源市场结构的转变。分布式电源中最常见的为太阳能、风能、生物质能等可再生能源，通常这些能源的容量较小，其装机容量一般是几百千瓦到几十兆瓦，适合直接安装在用户侧。分布式电源能够快速响应负荷需求，减少输配电设备扩容费用，提高系统供电可靠性等优点，因此在配电网中得到广泛应用。

在配电网的负荷端，随着智能电网建设的不断推进，越来越多的数据采集设备比如智能电表等可以收集到大量的用户的用电情况。不同类型的用户，如民用、商业、工业、农业等，在电力消费模式上存在很大的差异，即使是同一类型的用户，他们的用电模式也可能不一样。基于负荷数据分类挖掘不同电力用户的电力消费模式不仅可以支持供电公司进行有序用电、错峰管理、分时用电等市场竞争策略等。因此，设计一种配电网负荷状态调节控制器，有助于调动用户参与电网调度的积极性，实现清洁与常规碳基电源优势互补，促进电力工业经济、低耗、高效发展。

发明内容

本发明的目的是针对现有技术的不足而提供一种配电网负荷状态调节控制器。

为了实现上述目的，本发明所采用的技术方案为：一种配电网负荷状态调节控制器，主要由顺序连接的负荷状态调节单元、分布式发电功率采集单元以及上报单元组成；分布式发电功率采集单元由与电力主干网相连的整流单元，逆变单元，隔离单元，直流母线，比较单元组成；分布式发电功率采集单元实时监测配电网与负荷端的有功功率流向，负荷状态调节单元对配电网电压的影响可以由分布式发电功率采集单元来判定。

进一步地，本发明的配电网负荷状态调节控制器中，由能量守恒定律可得到直流母线上有功功率为P_c：

P_c＝P_G-(P_w-P_B-P_L) (1)

其中，P_W、P_B、P_L分别为分布式发电的有功功率、储能单元的供电有功功率与电网净供电有功功率，P_G为配电网输送功率；

根据式(1)，比较单元对功率进行比较，当直流母线电压稳定时，分布式发电功率采集单元能够稳定的工作；当直流母线电压上升时，表示输入分布式发电功率采集单元功率大于分布式发电功率采集单元的输出功率，需要进行负荷调节；电压下降则表示输入分布式发电功率采集单元功率小于分布式发电功率采集单元的输出功率，需要进行负荷调节。

进一步地，本发明的配电网负荷状态调节控制器中，负荷状态调节单元中可控负荷是根据价格信号对用户的有功量进行调整，从而调整负荷功率；

寻找对可控负荷进行功率调整，使得最终负荷用户成本最低，描述为：

约束条件为G_min≤G_t≤G_max；F_l ^min≤F_t,l≤F_l ^max；

式(2)中，T是总的仿真时长，为负荷调整后的价格，β_i是不同类型负荷的成本系数；ΔP_i为不同类型负荷的功率调整量；a_i为不同类型负荷的基本价格，G_t为电力企业总的理想有功功率，λ为电力企业在电力市场的购电价格；F_l ^min与F_l ^max分别是线路l的潮流的潮流上限和下限约束；是节点潮流平衡方程。

进一步地，本发明的配电网负荷状态调节控制器中，负荷状态调节单元中，为了表达负荷数据间的奇异性，定义负荷数据集合为P＝{p₁,p₂…,p_n}，设有数据集P含有n个数据，样本数据为p_i，以p_i为球心，距离小于R的球体内的数据点的个数，称为数据样本p_i的密度，标记为den(p_i)：

其中，k是聚类的类别数目，α是可调参数，一般为1，dis(p_i,p_j)为点p_i与p_j的欧式距离，根据定义，样本的密度越高，样本对象数据对象周围的数据对象越密集，这个点就可以作为聚类中心点；

由于电力系统中负荷可以根据ZIP负荷模型进行分类，ZIP负荷模型类别看成数据的维度；由于负荷数据值范围波动较大，因此，在每个分类中的按照数据奇异性表示为：

其中k表示ZIP模型中的负荷模型分类数，p_i,k与p_j,k分别是p_i与p_j在k类上的取值，p_k表示整个数据集在第k维上的平均值；p_maxk与p_mink分别是整个数据集在第k维上的最大值和最小值；从而可以得到重新定义的数据间奇异性：

构造出奇异矩阵为：

通过公式(7)构建Huffman树，从而找到k-means算法的初始聚类中心。

进一步地，本发明的配电网负荷状态调节控制器中，负荷状态调节单元的计算步骤为：

(1)输入负荷矩阵，其中n为负荷曲线个数，根据欧式距离公式计算负荷矩阵中的两个对象的距离；并根据公式(3)，(4)计算负荷矩阵中的每条负荷的密度；

(2)根据公式(6)，(7)计算出负荷数据中的奇异性矩阵，并构造Huffman树；

(3)发现矩阵的不相似度最小两个对象合并成一个对象，新对象的属性值从两个属性值对象的原始平均值；左子树的权值应该小于右子树的权值；用新对象替换原始数据集里的两个相异度最小的两个对象，重新生成奇异矩阵；

(4)重复第3步，反序删除哈夫曼树的k个节点对象，直到只有一个对象，这个对象作为k-means算法的初始聚类中心，并进行负荷聚类；

(5)根据负荷聚类划分的结果，通过以用户成本最低为目标函数式(2)进行优化，实现对可控负荷的调度。

与现有技术相比，本发明的有益效果表现在：

(1)该控制器首先对配电网中的可控负荷按照负荷特点进行聚类划分，将配电网中的负荷划分为不同类型，并设计出相应的电价激励机制，从而实现调整用电负荷。初始聚类中心的选择会直接影响负荷进行聚类划分的优劣，本发明在k-means算法基础上提出该基于负荷数据的密度特性构建初始聚类中心的方法，该方法可以有效减小迭代次数，得到稳定的聚类结果。

(2)电力系统中各部分的数学模型是电力系统分析计算的基础，模型精度直接决定了仿真计算结果和相应的电力运行决策，电网内所有静态和动态负荷进行建模常采用ZIP模型，分别代表负荷的恒定阻抗、恒定电流、恒定功率部分。因而有其中P_i分别表示ZIP三种负荷的有功功率。配电网负荷状态调节控制器根据系统实时状况和天气情况提前一天或几个小时预测当前操作日剩余时间内的分布式发电的电量变化和不同种类负荷电价的变化等情况。当预测的系统电量变化较大，供需不平衡时，配电网负荷状态调节控制器将会提前发布负荷条件响应信号。配电网负荷状态调节控制器在保证配电网负荷需求下考虑节点潮流平衡和功率约束，以实现配电网负荷用户用电成本最小化，并上传给区域控制中心。因此，该控制器通过挖据配电网需求响应关系，直接调节配电网中负荷用户的用电情况，为优化配置电网能源资源提供了一种快速、实用和安全的调度方法，具有工程应用价值。

(3)本发明在保证配电网一次侧发电系统正常、稳定运用下，通过挖据配电网需求响应关系，直接调节配电网中负荷用户的用电情况。通过对用户端负荷调节构造多目标节能调度模型实现对配电网的优化调度，从而达到预期经济效益，提高用户需求响应的积极性，为优化配置能源资源提供快速响应。

附图说明

以下结合附图对本发明的配电网负荷状态调节控制器作进一步的详述。

图1为本发明的系统结构框图。

图2为分布式发电功率采集单元的结构框图。

具体实施方式

请参阅图1所示，一种配电网负荷状态调节控制器主要由顺序连接的负荷状态调节单元1、分布式发电功率采集单元2以及上报单元3组成。

分布式发电功率采集单元与电网连接图如图2所示，其由与电力主干网相连的整流单元，逆变单元，隔离单元，直流母线，比较单元组成。其中，P_W、P_B、P_L分别为分布式发电的有功功率、储能单元的供电有功功率与电网净供电有功功率，P_G为配电网输送功率。由能量守恒定律可得到直流母线上有功功率为P_c：

P_c＝P_G-(P_w-P_B-P_L) (1)

根据式(1)，比较单元对功率进行比较，当直流母线电压稳定时，分布式发电功率采集单元能够稳定的工作；当直流母线电压上升时，表示输入分布式发电功率采集单元功率大于分布式发电功率采集单元的输出功率，需要进行负荷调节；电压下降则表示输入分布式发电功率采集单元功率小于分布式发电功率采集单元的输出功率，需要进行负荷调节。因此，分布式发电功率采集单元实时监测配电网与负荷端的有功功率流向，负荷状态调节单元对配电网电压的影响可以由分布式发电功率采集单元来判定。

负荷状态调节单元中可控负荷就是根据价格信号对用户的有功量进行调整，从而调整负荷功率。因此，就是寻找对可控负荷进行功率调整，使得最终负荷用户成本最低，可以描述为：

约束条件为G_min≤G_t≤G_max；F_l ^min≤F_t,l≤F_l ^max；式(2)中，T是总的仿真时长，为负荷调整后的价格，β_i是不同类型负荷的成本系数。ΔP_i为不同类型负荷的功率调整量；a_i为不同类型负荷的基本价格，G_t为电力企业总的理想有功功率，λ为电力企业在电力市场的购电价格。F_l ^min与F_l ^max分别是线路l的潮流的潮流上限和下限约束。是节点潮流平衡方程。

负荷状态调节单元中，初始聚类中心的选择会直接影响K-means算法的负荷进行聚类划分的优劣，因此采用了基于负荷数据的密度特性构建初始聚类中心的方法。为了表达负荷数据间的奇异性，定义负荷数据集合为P＝{p₁,p₂…,p_n}，设有数据集P含有n个数据，样本数据为p_i，以p_i为球心，距离小于R的球体内的数据点的个数，称为数据样本p_i的密度，标记为den(p_i)：

其中，k是聚类的类别数目，α是可调参数，一般为1，dis(p_i,p_j)为点p_i与p_j的欧式距离，根据定义，样本的密度越高，样本对象数据对象周围的数据对象越密集，这个点就可以作为聚类中心点。

由于电力系统中负荷可以根据ZIP负荷模型进行分类，ZIP负荷模型类别看成数据的维度。由于负荷数据值范围波动较大，因此，在每个分类中的按照数据奇异性表示为：

其中k表示ZIP模型中的负荷模型分类数，p_i,k与p_j,k分别是p_i与p_j在k类上的取值，p_k表示整个数据集在第k维上的平均值。p_maxk与p_mink分别是整个数据集在第k维上的最大值和最小值。从而可以得到重新定义的数据间奇异性：

构造出奇异矩阵为：

通过公式(7)构建Huffman树，从而找到k-means算法的初始聚类中心。负荷状态调节单元的计算步骤为：

(1)输入负荷矩阵，其中n为负荷曲线个数，根据欧式距离公式计算负荷矩阵中的两个对象的距离；并根据公式(3)，(4)计算负荷矩阵中的每条负荷的密度；

(2)根据公式(6)，(7)计算出负荷数据中的奇异性矩阵，并构造Huffman树；

(3)发现矩阵的不相似度最小两个对象合并成一个对象，新对象的属性值从两个属性值对象的原始平均值。左子树的权值应该小于右子树的权值。用新对象替换原始数据集里的两个相异度最小的两个对象，重新生成奇异矩阵。

(4)重复第3步，反序删除哈夫曼树的k个节点对象，直到只有一个对象，这个对象作为k-means算法的初始聚类中心，并进行负荷聚类。

(5)根据负荷聚类划分的结果，通过以用户成本最低为目标函数式(2)进行优化，实现对可控负荷的调度。

以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (5)

1.一种配电网负荷状态调节控制器，其特征在于，主要由顺序连接的负荷状态调节单元(1)、分布式发电功率采集单元(2)以及上报单元(3)组成；分布式发电功率采集单元(2)由与电力主干网相连的整流单元，逆变单元，隔离单元，直流母线，比较单元组成；分布式发电功率采集单元(2)实时监测配电网与负荷端的有功功率流向，负荷状态调节单元(1)对配电网电压的影响可以由分布式发电功率采集单元(2)来判定。

2.如权利要求1所述的配电网负荷状态调节控制器，其特征在于，由能量守恒定律可得到直流母线上有功功率为P_c：

P_c＝P_G-(P_w-P_B-P_L) (1)

其中，P_W、P_B、P_L分别为分布式发电的有功功率、储能单元的供电有功功率与电网净供电有功功率，P_G为配电网输送功率；

根据式(1)，比较单元对功率进行比较，当直流母线电压稳定时，分布式发电功率采集单元能够稳定的工作；当直流母线电压上升时，表示输入分布式发电功率采集单元功率大于分布式发电功率采集单元的输出功率，需要进行负荷调节；电压下降则表示输入分布式发电功率采集单元功率小于分布式发电功率采集单元的输出功率，需要进行负荷调节。

3.如权利要求2所述的配电网负荷状态调节控制器，其特征在于，负荷状态调节单元(1)中可控负荷是根据价格信号对用户的有功量进行调整，从而调整负荷功率；

寻找对可控负荷进行功率调整，使得最终负荷用户成本最低，描述为：

约束条件为G_min≤G_t≤G_max；F_l ^min≤F_t,l≤F_l ^max；

式(2)中，T是总的仿真时长，为负荷调整后的价格，β_i是不同类型负荷的成本系数；ΔP_i为不同类型负荷的功率调整量；a_i为不同类型负荷的基本价格，G_t为电力企业总的理想有功功率，λ为电力企业在电力市场的购电价格；F_l ^min与F_l ^max分别是线路l的潮流的潮流上限和下限约束；是节点潮流平衡方程。

4.如权利要求3所述的配电网负荷状态调节控制器，其特征在于，负荷状态调节单元(1)中，为了表达负荷数据间的奇异性，定义负荷数据集合为P＝{p₁,p₂…,p_n}，设有数据集P含有n个数据，样本数据为p_i，以p_i为球心，距离小于R的球体内的数据点的个数，称为数据样本p_i的密度，标记为den(p_i)：

其中，k是聚类的类别数目，α是可调参数，一般为1，dis(p_i,p_j)为点p_i与p_j的欧式距离，根据定义，样本的密度越高，样本对象数据对象周围的数据对象越密集，这个点就可以作为聚类中心点；

由于电力系统中负荷可以根据ZIP负荷模型进行分类，ZIP负荷模型类别看成数据的维度；由于负荷数据值范围波动较大，因此，在每个分类中的按照数据奇异性表示为：

其中k表示ZIP模型中的负荷模型分类数，p_i,k与p_j,k分别是p_i与p_j在k类上的取值，p_k表示整个数据集在第k维上的平均值；p_maxk与p_mink分别是整个数据集在第k维上的最大值和最小值；从而可以得到重新定义的数据间奇异性：

构造出奇异矩阵为：

通过公式(7)构建Huffman树，从而找到k-means算法的初始聚类中心。

5.如权利要求4所述的配电网负荷状态调节控制器，其特征在于，负荷状态调节单元(1)的计算步骤为：

(1)输入负荷矩阵，其中n为负荷曲线个数，根据欧式距离公式计算负荷矩阵中的两个对象的距离；并根据公式(3)，(4)计算负荷矩阵中的每条负荷的密度；

(2)根据公式(6)，(7)计算出负荷数据中的奇异性矩阵，并构造Huffman树；

(3)发现矩阵的不相似度最小两个对象合并成一个对象，新对象的属性值从两个属性值对象的原始平均值；左子树的权值应该小于右子树的权值；用新对象替换原始数据集里的两个相异度最小的两个对象，重新生成奇异矩阵；

(4)重复第3步，反序删除哈夫曼树的k个节点对象，直到只有一个对象，这个对象作为k-means算法的初始聚类中心，并进行负荷聚类；

(5)根据负荷聚类划分的结果，通过以用户成本最低为目标函数式(2)进行优化，实现对可控负荷的调度。