CN110289646B - 基于元模型的智能软开关就地控制策略优化方法 - Google Patents

Abstract

本发明涉及基于元模型的智能软开关就地控制策略优化方法，包括如下步骤：根据选定的配电系统，输入系统节点数、线路参数、基准负荷、网络拓扑连接关系，分布式电源类型、接入位置、容量，智能软开关接入位置、容量，基准电压和基准功率，负荷及分布式电源历史运行数据；基于负荷及分布式电源的历史运行数据，以系统网损最小为目标函数，分别考虑潮流约束、配电系统安全运行约束、分布式电源运行约束以及智能软开关运行约束，采用集中控制策略计算得到建立元模型所需要的样本数据；建立智能软开关就地控制元模型；依据待优化时段的特征输入量求解最优加权系数向量，制定智能软开关就地控制策略；输出步骤4)求解结果，即智能软开关运行策略。

Description

基于元模型的智能软开关就地控制策略优化方法

技术领域

本发明涉及智能软开关就地控制策略优化方法，特别是基于元模型的智能软开关就地控制策略优化方法。

背景技术

近年来，随着分布式电源(distributed generator，DG)越来越多的接入配电系统，配电系统的形态结构和运行方式都发生了显著的变化，配电系统从单一的无源系统发展为含大量灵活运行资源的有源系统。分布式电源的大量接入将给配电系统带来许多益处，诸如降低系统损耗、提高供电可靠性、减少环境污染等，与此同时，光伏、风电等间歇性分布式电源也会造成配电网功率波动、电压越限等影响。

传统配电系统的调节手段有限，难以应对高渗透率不可控分布式电源(uncontrollable distributed generator，NDG)的接入。随着电力电子技术的持续发展，电力电子变换装备逐渐成为配电网实现分布式电源控制、交直流转换等功能的核心装备。智能软开关(soft openpoint，SOP)作为中低压配电系统层面的精细潮流控制装置，逐渐成为当前研究的热点。智能软开关是用来取代传统联络开关的一种基于电力电子技术的新型配电装置，能够快速、准确地控制自身功率流动，实现有功功率和无功功率的联合调整，能够应对包括功率波动、电压越限在内的一系列问题。目前，智能软开关控制策略主要为集中式控制方式，利用配电系统全局信息，统一调配可控资源，实现系统全局优化。但随着分布式电源渗透率提高，大规模分布式电源的接入导致量测数据量急剧增大，这将会给中央控制系统带来沉重的通讯及数据处理负担；另外，集中式控制策略需要安装大量量测、通讯和监控装置，投资较高，难以适应可再生能源高渗透率的有源配电系统的运行需求。

就地控制策略往往只需依据本地量测信息实现智能软开关运行策略的求解，不需要节点间的信息交流以及网络拓扑参数，减少了系统节点之间通信数据量，能够有效地解决高渗透率分布式电源引起的电压问题。因此，急需一种智能软开关就地控制策略优化方法，实现智能软开关控制策略的快速求解，达到降低系统损耗，改善系统电压水平的目标。

发明内容

本发明所要解决的技术问题是，提供一种智能软开关就地控制策略优化方法。

本发明所采用的技术方案是：

本发明提出的基于元模型的智能软开关就地控制策略优化方法，立足于解决智能软开关控制策略的求解问题，基于历史数据建立智能软开关就地控制元模型，利用量测数据求解最优加权系数向量，制定运行策略。

附图说明

图1是本发明提出的基于元模型的智能软开关就地控制策略优化方法流程图；

图2是改进的IEEE 33节点算例结构图；

图3是风机历史运行曲线；

图4是光伏历史运行曲线；

图5是负荷历史运行曲线；

图6是测试日分布式电源与负荷运行曲线；

图7是不同场景下SOP1在节点12处传输的有功功率；

图8是不同场景下SOP2在节点18处传输的有功功率；

图9是不同场景下SOP1在节点12处传输的无功功率；

图10是不同场景下SOP2在节点18处传输的无功功率；

图11是不同场景下SOP1在节点22处传输的无功功率；

图12是不同场景下SOP2在节点33处传输的无功功率；

图13是不同场景下节点18电压分布情况；

图14是不同场景下节点33电压分布情况。

具体实施方式

下面结合实施例对本发明提出的基于元模型的智能软开关就地控制策略优化方法做出详细说明。

本发明提出的基于元模型的智能软开关就地控制策略优化方法，如图1所示，包括如下步骤：

1)根据选定的配电系统，输入如下的系统参数信息：系统节点数、线路参数、基准负荷、网络拓扑连接关系，分布式电源类型、接入位置、容量，智能软开关接入位置、容量，基准电压和基准功率，负荷及分布式电源历史运行数据；

2)基于负荷及分布式电源的历史运行数据，以系统网损最小为目标函数，分别考虑潮流约束、配电系统安全运行约束、分布式电源运行约束以及智能软开关运行约束，采用集中控制策略计算得到建立元模型所需要的样本数据；

(1)所述的目标函数可表示为：

式中，T为运行优化周期；Ω_b为配电系统中所有支路集合；R_ij为支路ij的电阻；I_t,ij为t时段节点i流向节点j的电流幅值；Δt为每一个优化时段的时间步长；

(2)所述的约束条件可表示为：

a)潮流约束

式中，R_ij为支路ij的电阻，X_ij为支路ij的电抗；P_t,ij、Q_t,ij分别为t时段支路ij上流过的有功功率和无功功率；P_t,i、Q_t,i分别为t时段节点i上注入网络的有功功率和无功功率之和；

分别为t时段节点i上负荷的有功功率和无功功率；

分别为t时段节点i上不可控分布式电源注入的有功功率和无功功率；

b)配电系统安全运行约束

式中，

和

分别为节点i的电压幅值上下限；

为支路ij的电流幅值上限。

c)分布式电源运行约束

式中，

为t时段节点i上不可控分布式电源的有功出力的上限，此时认为不可控分布式电源的有功出力是可以削减的；

表示节点i上不可控分布式电源的容量；

为节点i上分布式电源的运行的最小功率因数；

d)智能软开关运行约束

假定智能软开关以注入系统功率方向为正方向，其运行需要满足传输的有功功率约束、容量限制和无功功率约束。

式中，

为t时段接在节点i上智能软开关注入的有功功率；

为t时段接在节点i上智能软开关注入的无功功率；

分别为t时段节点i上智能软开关注入的无功功率最大值；

为t时段接在节点ij之间智能软开关的容量。

3)建立智能软开关就地控制元模型；

(1)所述的智能软开关就地控制元模型表示如下：

Y＝f^Tβ+z(X) (18)

Y＝[y₁,y₂,…,y_h,…,y_m]^T为建立的智能软开关就地控制元模型的输出量历史数据构成的矩阵。m为建立智能软开关就地控制元模型时所使用的样本数目。由于本发明不考虑智能软开关的运行损耗，即智能软开关两端注入配电网的有功功率大小相等，方向相反。因此，本发明分别以智能软开关一端的有功功率及两端无功功率为输出量建立就地控制元模型，即，

其中，

为t_h+1时刻智能软开关在节点i注入配电网的有功功率；

分别为t_h+1时刻智能软开关在节点i和节点j注入配电网的无功功率；

X＝[x₁,x₂,…,x_h,…,x_m]^T为历史数据构成的输入矩阵，其中

其中，

分别表示t_h采样时刻智能软开关在节点i和节点j注入配电网的有功功率；

分别表示t_h采样时刻智能软开关在节点i和节点j注入配电网的无功功率；

表示t_h采样时刻智能软开关两端的测量电压；t_h表示采样时刻；w为周末标志位，若运行日为周六或周日则w＝1，否则w＝0；d_m表示采样数据处于每个月的第几天；

f^Tβ表示回归模型，f为p×m阶回归模型的基函数矩阵，β为p×3阶待求解的回归模型的基函数系数矩阵，本发明选取常函数作为回归模型的基函数，即p＝1，β＝[β₁,β₂,β₃]，f|_1×m＝[1,1,…,1]；z(X)表示期望为0、方差为σ²的随机过程，具有如下特性：

E[z(x_h)]＝0 (19)

cov[z(x_h)z(x_l)]＝σ²R(x_h,x_l) (20)

式中，

E[z(x_h)]表示z(x_h)的期望；cov[z(x_h)z(x_l)]为z(x_h)和z(x_l)的协方差，x_l是构建智能软开关就地控制元模型时第l个输入样本；R(x_h,x_l)是以θ为参数的相关函数，并采用高斯函数作为相关函数：

式中，

为x_h和x_l第k维分量之间的距离；θ_k为待求解的相关函数参数矩阵θ的第k维分量；

采用加权最小二乘法以及最大似然估计，分别得到β和σ²的估计值：

β＝[fR(X)^-1f^T]^-1fR(X)^-1Y (22)

式中，

表示随机方差σ²的第r个元素；Y[r]表示输出量历史数据矩阵Y的第r列元素；β_r表示基函数系数β的第r个元素；R(X)为相关函数构成的关联矩阵，表示为：

式中，x_m是构建智能软开关就地控制元模型时第m个输入量；

β、σ²估计值均与相关函数参数矩阵θ有关，通过极大似然估计得到一个无约束的最优化问题：

式中，det[R(X)]表示关联矩阵R(X)的行列式，根据所述无约束的最优化问题确定相关函数参数矩阵θ，然后得到β和σ²的估计值，进而建立智能软开关就地控制元模型；

4)依据待优化时段的特征输入量求解最优加权系数向量，制定智能软开关就地控制策略；

(1)所述的求解过程可表示为：

基于步骤3)建立的智能软开关就地控制元模型，待优化t^*时刻智能软开关运行策略

可以表示为：

式中，x^*为t^*时刻特征输入量组成的行向量；β为智能软开关就地控制元模型参数；z(x^*)表示期望为0、方差为σ²的随机过程；

t^*时刻智能软开关运行策略

由历史数据Y表示：

式中，c为待求的加权系数向量；

由于无偏性的约束限制，t^*时刻智能软开关运行策略

的两种表达方式满足均方误差最小、差的期望为0的约束条件：

式中，E[(c^TY)²-{β+z(x^*)}²]为t^*时刻智能软开关运行策略

的两种表达方式的均方误差；E[c^TY-{β+z(x^*)}]为t^*时刻智能软开关运行策略

的两种表达方式的差的期望；

根据所述约束条件，得到加权系数向量c，进而可以求解t^*时刻智能软开关运行策略

式中，r(X,x^*)为X与x^*之间的空间相关性：

r(X,x^*)＝[R(x₁,x^*),R(x₂,x^*),…,R(x_m,x^*)]^T(30)

式中，X为构建智能软开关就地控制元模型时所使用的输入量矩阵。

5)输出步骤4)求解结果，即智能软开关运行策略。

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，负荷元件的基准功率，分布式电源参数，网络拓扑连接关系；各节点电压幅值(标幺值)的安全运行上下限分别为1.05和0.95，系统的基准电压为12.66kV、基准功率为1MVA，算例中接入两组智能软开关，容量均为1000kVA，有功功率区间均为-1000～1000kW，无功功率区间均为0～1000kvar，具体接入位置如图2所示，详细参数见表1、表2、表3。基于负荷、光伏及风机的历史运行数据，采用集中控制策略计算得到样本数据，风机、光伏及负荷的历史运行曲线分别如图3、图4、图5所示。以15分钟为一个优化时段，选取8时至16时进行控制，整个系统的分布式电源出力和负荷的变化情况如图6所示。为验证本发明的有效性，选取以下三种场景进行对比分析。

场景1：系统中不接入智能软开关；

场景2：采用集中控制策略，对接入系统的两组智能软开关进行优化；

场景3：采用本发明提出的智能软开关就地控制策略优化方法，对接入系统的两组智能软开关进行优化。

本发明提出一种智能软开关就地控制策略优化方法，能够降低网损、改善系统电压水平。智能软开关就地控制元模型参数如表4所示；不同种场景下优化结果见表5；不同场景下SOP1在节点12处传输的有功功率如图7所示；不同场景下SOP2在节点18处传输的有功功率如图8所示；不同场景下SOP1在节点12处传输的无功功率如图9所示；不同场景下SOP2在节点18处传输的无功功率如图10所示；不同场景下SOP1在节点22处传输的无功功率如图11所示；不同场景下SOP2在节点33处传输的无功功率如图12示；不同场景下节点18电压分布情况如图13；不同场景下节点33电压分布情况如图14。

执行优化计算的计算机硬件环境为Intel(R)Core(TM)i5-3470CPU，主频为3.20GHz，内存为8GB；软件环境为Windows 7操作系统。

表7中，场景1系统损耗为0.4240MWh，场景2系统损耗为0.1316MWh，场景3系统损耗为0.1319MWh，由表5可以看出场景2、场景3系统损耗基本相等，相较于场景1系统损耗降低了68.89％；场景3中系统电压控制效果接近集中控制策略下的电压控制效果，表明本发明所提出的基于元模型的智能软开关就地控制策略优化方法能够有效地减小电压偏差，并降低整个系统的功率损耗。

图7至图12为不同场景下智能软开关传输功率情况。比较两种场景下的控制效果，可以看出两种场景下智能软开关传输功率基本相等。场景3中，智能软开关根据本地量测数据实时进行有功调整与无功补偿。

图13至图14为不同场景下节点电压分布情况。场景1下电压偏移情况较为严重。与场景1相比，场景2和3中的电压水平显着改善。场景3下节点电压幅值波动范围控制在0.9835～1.0134之间。在不采用控制手段时，不可控分布式电源的接入导致系统节点电压波动程度较为剧烈，通过采用本发明提出的基于元模型的智能软开关就地控制策略优化方法，可以实现智能软开关有功功率和无功功率的联合调整，有效缓解电压波动，改善系统供电质量。

表1IEEE 33节点算例基准负荷接入位置及功率

表2 IEEE33节点算例线路参数

表3分布式电源配置情况

分布式电源	接入位置	接入容量(kVA)
			光伏	8	1000
风机	17	1000
			光伏	26	1000
风机	32	1000

表4 SOP就地控制元模型参数

表5不同场景下的优化结果

优化结果	场景1	场景2	场景3
				网损(MWh)	0.4240	0.1316	0.1319
系统电压最大值(p.u.)	1.0192	1.0124	1.0134
				系统电压最小值(p.u.)	0.9610	0.9836	0.9835

Claims (2)

1.基于元模型的智能软开关就地控制策略优化方法，其特征在于，包括如下步骤：

1)根据选定的配电系统，输入如下的系统参数信息：系统节点数、线路参数、基准负荷、网络拓扑连接关系，分布式电源类型、接入位置、容量，智能软开关接入位置、容量，基准电压和基准功率，负荷及分布式电源历史运行数据；

2)基于负荷及分布式电源的历史运行数据，以系统网损最小为目标函数，分别考虑潮流约束、配电系统安全运行约束、分布式电源运行约束以及智能软开关运行约束，采用集中控制策略计算得到建立元模型所需要的样本数据；

3)建立智能软开关就地控制元模型；

其中，智能软开关就地控制元模型表示如下：

Y＝f^Tβ+z(X)

Y＝[y₁，y₂，…，y_h，…，y_m]^T为建立的智能软开关就地控制元模型的输出量历史数据构成的矩阵；m为建立智能软开关就地控制元模型时所使用的样本数目；其中，不考虑智能软开关的运行损耗，即智能软开关两端注入配电网的有功功率大小相等，方向相反；以智能软开关一端的有功功率及两端无功功率为输出量建立就地控制元模型，即，

其中，

为t_h+1时刻智能软开关在节点i注入配电网的有功功率；

分别为t_h+1时刻智能软开关在节点i和节点j注入配电网的无功功率；

X＝[x₁，x₂，…，x_h，…，x_m]^T为历史数据构成的输入矩阵，其中

其中，

分别表示t_h采样时刻智能软开关在节点i和节点j注入配电网的有功功率；

分别表示t_h采样时刻智能软开关在节点i和节点j注入配电网的无功功率；

表示t_h采样时刻智能软开关两端的测量电压；t_h表示采样时刻；w为周末标志位，若运行日为周六或周日则w＝1，否则w＝0；d_m表示采样数据处于每个月的第几天；

f^Tβ表示回归模型，f为p×m阶回归模型的基函数矩阵，β为p×3阶待求解的回归模型的基函数系数矩阵，选取常函数作为回归模型的基函数，即p＝1，β＝[β₁，β₂，β₃]，f|_1×m＝[1，1，…，1]；z(X)表示期望为0、方差为σ²的随机过程，具有如下特性：

E[z(x_h)]＝0

cov[z(x_h)z(x_l)]＝σ²R(x_h，x_l)

式中，

E[z(x_h)]表示z(x_h)的期望；cov[z(x_h)z(x_l)]为z(x_h)和z(x_l)的协方差，x_l是构建智能软开关就地控制元模型时第l个输入样本；R(x_h，x_l)是以θ为参数的相关函数，并采用高斯函数作为相关函数：

式中，

为x_h和x_l第k维分量之间的距离；θ_k为待求解的相关函数参数矩阵θ的第k维分量；

采用加权最小二乘法以及最大似然估计，分别得到β和σ²的估计值：

β＝[fR(X)^-1f^T]^-1fR(X)^-1Y

式中，

表示随机方差σ²的第r个元素；Y[r]表示输出量历史数据矩阵Y的第r列元素；β_r表示基函数系数β的第r个元素；R(X)为相关函数构成的关联矩阵，表示为：

式中，x_m是构建智能软开关就地控制元模型时第m个输入量；

β、σ²估计值均与相关函数参数矩阵θ有关，通过极大似然估计得到一个无约束的最优化问题：

式中，det[R(X)]表示关联矩阵R(X)的行列式，根据所述无约束的最优化问题确定相关函数参数矩阵θ，然后得到β和σ²的估计值，进而建立智能软开关就地控制元模型；

4)依据待优化时段的特征输入量求解最优加权系数向量，制定智能软开关就地控制策略；

5)输出步骤4)求解结果，即智能软开关运行策略。

2.根据权利要求1所述的基于元模型的智能软开关就地控制策略优化方法，其特征在于，步骤4)所述的求解过程表示如下：

基于步骤3)建立的智能软开关就地控制元模型，待优化t^*时刻智能软开关运行策略

可以表示为：

式中，x^*为t^*时刻特征输入量组成的行向量；β为智能软开关就地控制元模型参数；z(x^*)表示期望为0、方差为σ²的随机过程；

t^*时刻智能软开关运行策略

由历史数据Y表示：

式中，c为待求的加权系数向量；

由于无偏性的约束限制，t^*时刻智能软开关运行策略

的两种表达方式满足均方误差最小、差的期望为0的约束条件：

式中，E[(c^TY)²-{β+z(x^*)}²]为t^*时刻智能软开关运行策略

的两种表达方式的均方误差；E[c^TY-{β+z(x^*)}]为t^*时刻智能软开关运行策略

的两种表达方式的差的期望；

根据所述约束条件，得到加权系数向量c，进而可以求解t^*时刻智能软开关运行策略

式中，r(X，x^*)为X与x^*之间的空间相关性：

r(X，x^*)＝[R(x₁，x^*)，R(x₂，x^*)，…，R(x_m，x^*)]^T

式中，X为构建智能软开关就地控制元模型时所使用的输入量矩阵。

Images