CN110932288B - 一种基于分布式发电集群的去中心化电压优化方法 - Google Patents

一种基于分布式发电集群的去中心化电压优化方法 Download PDF

Info

Publication number
CN110932288B
CN110932288B CN201911162650.5A CN201911162650A CN110932288B CN 110932288 B CN110932288 B CN 110932288B CN 201911162650 A CN201911162650 A CN 201911162650A CN 110932288 B CN110932288 B CN 110932288B
Authority
CN
China
Prior art keywords
distributed
node
representing
voltage
information
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
CN201911162650.5A
Other languages
English (en)
Other versions
CN110932288A (zh
Inventor
马骏
李运兵
储召云
江锐
刘红新
丁倩
陈青
汪君
段丽
邵郁
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.)
State Grid Corp of China SGCC
Liuan Power Supply Co of State Grid Anhui Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Liuan Power Supply Co of 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 State Grid Corp of China SGCC, Liuan Power Supply Co of State Grid Anhui Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201911162650.5A priority Critical patent/CN110932288B/zh
Publication of CN110932288A publication Critical patent/CN110932288A/zh
Application granted granted Critical
Publication of CN110932288B publication Critical patent/CN110932288B/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
    • H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/30—Reactive power compensation

Abstract

本发明涉及一种基于分布式发电集群的去中心化电压优化方法，包括：建立分布式发电集群电力网络模型；构建分布式优化算法：基于分布式梯度下降算法，提出改进的分布式梯度算法；对各个集群中枢点进行分布式优化控制；对分布式发电集群内进行电压优化控制。本发明在传统分布式梯度下降法的基础上，提出一种利用相对状态符号的分布式算法，在不降低收敛速度的前提下减少节点间的信息交换，增加对不确定状态的鲁棒性。本发明提出面向多集群的一种去中心化的电压优化控制方法，以分布式一致性算法为基础、以集群经济优化为目标，实现配电网中多个分布式发电集群间的电压协调控制。

Description

一种基于分布式发电集群的去中心化电压优化方法
技术领域
本发明涉及配电网控制领域，具体涉及一种基于分布式发电集群的去中心化电压优化方法。
背景技术
由于分布式电源的自身特性，其大规模接入配电网，可能对电网的安全运行以及分布式电源发电经济效益造成较大影响，无法达到全社会资源效益最大化。因此，必须对分布式电源进行有效的管控，在降低安全稳定风险的同时，增加分布式电源的经济性。
传统的分布式电源控制模式，采取电网调度对所有分布式电源进行单独控制的方式，对通信要求高，同时经济性差。随着信息、通信、网络技术的发展，针对分布式电源大规模接入后带来的消纳和管理控制问题，国际上提出了分布式电源集群控制方案。集群控制最先应用于大规模的海上风电并网控制中，随后逐渐渗透到光伏电站等其他类型的分布式电源中，降低了分布式电源的发电成本，提高了电网的安全稳定性。因此开展分布式发电集群控制研究，对分布式电源在未来电网中的灵活管控具有积极意义。但目前国内外集群控制大多停留在设计阶段，国内虽然有集群控制工程应用的初步尝试，但都针对大型风电场的控制，对于分布式电源区域集群控制架构的研究尚处于起步阶段。要实现分布式电源区域集群控制，需要解决以下问题：1)分布式电源集群网络模型如何构建；2)怎样对集群间进行协调优化；3)怎样对集群内进行就地自治。
发明内容
本发明的目的在于提供一种以分布式一致性算法为基础、以集群经济优化为目标，实现配电网中多个分布式发电集群间的电压协调控制的基于分布式发电集群的去中心化电压优化方法。
为实现上述目的，本发明采用了以下技术方案：一种基于分布式发电集群的去中心化电压优化方法，该方法包括下列顺序的步骤：
(1)建立分布式发电集群电力网络模型；
(2)构建分布式优化算法：基于分布式梯度下降算法，提出改进的分布式梯度算法；
(3)对各个集群中枢点进行分布式优化控制；
(4)对分布式发电集群内进行电压优化控制。
所述步骤(1)中的分布式发电集群电力网络模型包含的参数如下：各分布式电源的地理位置、通信条件、系统支路信息和系统节点信息。
所述步骤(2)具体包括以下步骤：
(2a)分布式梯度下降算法：
传统的分布式优化算法为分布式梯度下降算法，即Distributed GradientDescent，简称DGD，其算法公式如下：
Figure BDA0002286552680000021
式(1)表示DGD的更新过程，第i个自主体节点收集邻居的信息收集起来，加权之后减去自身的梯度；其中，i、j表示自主体节点编号；Ni表示与自主体节点i相邻的节点集合；k表示离散时间指数；
Figure BDA0002286552680000031
和
Figure BDA0002286552680000032
分别表示自主体节点i第k次和第k+1次迭代的节点信息；
Figure BDA0002286552680000033
表示自主体节点j第k次迭代的节点信息；
Figure BDA0002286552680000034
表示相邻节点间的信息交互；aij表示自主体节点i和j之间信息交互的加权系数；
Figure BDA0002286552680000035
表示其自身梯度；ρ(k)表示梯度系数；
(2b)改进的分布式梯度算法公式如下：
Figure BDA0002286552680000036
其中，i、j表示自主体节点编号；Ni表示与自主体节点i相邻的节点；k表示离散时间指数；
Figure BDA0002286552680000037
和
Figure BDA0002286552680000038
分别表示自主体节点i第k次和第k+1次迭代的节点信息；
Figure BDA0002286552680000039
表示自主体节点j第k次迭代的节点信息；
Figure BDA00022865526800000310
表示相邻节点间的信息交互；aij表示自主体节点i和j之间信息交互的加权系数，
Figure BDA00022865526800000311
表示其自身梯度；ρ(k)表示梯度系数，sgn为相对状态函数；
DGD算法的收敛性证明如下：
首先构造优化问题：
Figure BDA00022865526800000312
其中，minmzie表示最小化；fi(x)为目标函数，λ为加权系数；
由此得出式(3)中，
Figure BDA00022865526800000313
是一个常量，因此得出
Figure BDA00022865526800000314
Figure BDA0002286552680000041
式(4)的目标是收敛到最优解x*与式(3)等价；利用次梯度算法对式(3)进行迭代求解，其迭代格式为：
Figure BDA0002286552680000042
其中，λ为常量，其大小反应相邻节点间的信息交互的重要性；
式(5)满足次梯度收敛的步长条件，当式(3)有最优解x*时，式(5)会收敛到最优解x*；在式(5)中令λρ(k)＝1，则得到式(2)，因此可知式(2)收敛。
所述步骤(3)具体包括以下步骤：
(3a)构建系统无功平衡目标，使负荷无功功率与分布式电源无功出力相等：
Figure BDA0002286552680000043
其中，U、I分别是母线端的电压和电流，θ是功率因数角，E是发电机端电势，σ是U和E之间的相角差；Q表示分布式电源无功出力；X表示负荷的等效阻抗；
(3b)发电成本约束和发电条件约束：
定义系统的发电成本Value Cost，简称VC：
VC＝αQ2+βQ+c (7)
式(7)表示发电成本是一个关于无功功率的二次函数；α,β,c均为发电成本参数，且与分布式电源以及电网络结构相关；
约束条件如下：
Qmin＜Q＜Qmax
Umin＜U＜Umax (8)；
其中，Q表示分布式电源无功出力；Qmin和Qmax表示系统运行允许的无功功率最小值和最大值；U表示分布式电源电压；Umin和Umax表示系统运行允许的电压最小值和最大值；
(3c)分布式发电集群电压优化控制：
由式(6)，用电压U来表刻无功功率Q；在各个集群中，为实现电压的稳定，定义各个节点之间传递的信息变量：
Figure BDA0002286552680000051
其中，Ci表示第i个自主体节点发电成本对电压的导数，VCi表示自主体节点i的发电成本，Ui表示自主体节点i处的电压，xi表自主体节点i传递的信息变量；当负荷变化系统平衡打破时，随着Ci收敛到最优解x*，系统将逐渐收敛到新的平衡状态；
对于中枢点，改良后的DGD更新规则表示为：
Figure BDA0002286552680000052
其中，γ是一个正标量；ΔQ表示负荷无功和分布式电源无功出力的差额。
所述步骤(4)具体是指：
定义每个集群内的信息变量更新规则：
Figure BDA0002286552680000061
其中，i、j均表示自主体节点编号；Ni表示与自主体节点i相邻的节点集合；sgn为相对状态函数；k是离散时间指数；
Figure BDA0002286552680000062
表示第k次迭代自主体节点i交互的信息；
Figure BDA0002286552680000063
表示第k+1次迭代自主体节点i交互的信息；
Figure BDA0002286552680000064
是自主体节点j第k次交互的信息；aij表示自主体节点i和j之间信息交互的加权系数，若自主体节点i和j之间有通信线路连接，则aij≠0，否则aij＝0，ΔU是自主体节点i电压与额定电压差值；γ是一个正标量，它控制着领导分布式电源的收敛速度；x的增加或减少跟随ΔU的符号而变化。
由上述技术方案可知，本发明的有益效果为：第一，在传统分布式梯度下降法的基础上，本发明提出一种利用相对状态符号的分布式算法，在不降低收敛速度的前提下减少节点间的信息交换，增加对不确定状态的鲁棒性；第二，本发明提出面向多集群的一种去中心化的电压优化控制方法，以分布式一致性算法为基础、以集群经济优化为目标，实现配电网中多个分布式发电集群间的电压协调控制。
附图说明
图1为本发明的方法流程图；
图2是本发明实施例一中采用的系统结构图；
图3是本发明实施例一中系统网络模型，红色为含有DG的关键中枢节点；
图4为本发明实施例一中集群3的节点电压曲线。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施案例对本发明进行深入地详细说明。应当理解，此处所描述的具体实施案例仅仅用以解释本发明，并不用于限定发明。
如图1所示，本发明所述的一种基于分布式发电集群的去中心化电压优化方法，流程如图1所示，具体包括以下步骤：
步骤1建立分布式发电集群电力网络模型
所述分布式发电集群网络模型综合考虑了各分布式电源的地理位置、通信条件、系统支路信息和节点信息等因素，与实际情况十分接近，具有较高的实际意义。具体包括：各分布式电源的地理位置，考虑了分布式发电集群各节点的空间关系；通信条件，考虑了分布式发电集群节点的连接关系；系统支路信息，考虑了分布式发电集群线路电阻和电感；系统节点信息，考虑了分布式发电集群节点负荷大小和节点分布式电源容量。
步骤2构建分布式优化算法
所述步骤2包括基于分布式梯度下降算法，提出改进的分布式梯度算法。
步骤2.1：分布式梯度下降算法：
分布式优化是通过多智能自主体节点之间的合作协调有效地实现优化的任务，自主体节点是指具有各自可识别的一定独特性特征的多单元系统的个体，分布式发电集群中的每个分布式电源都可以看作是一个自主体节点。
传统的分布式优化算法为分布式梯度下降算法(Distributed GradientDescent，DGD)
Figure BDA0002286552680000081
式(1)表示DGD的更新过程，第i个自主体节点收集邻居的信息收集起来，加权之后减去自身的梯度；其中，i、j表示自主体节点编号；Ni表示与节点i相邻的节点集合；k表示离散时间指数；
Figure BDA0002286552680000082
和
Figure BDA0002286552680000083
分别表示自主体节点i第k次和第k+1次迭代的节点信息；
Figure BDA0002286552680000084
表示自主体节点j第k次迭代的节点信息；
Figure BDA0002286552680000085
表示相邻节点间的信息交互；aij表示自主体节点i和j之间信息交互的加权系数，
Figure BDA0002286552680000086
表示其自身梯度；ρ(k)表示梯度系数。
步骤2.2：改进的分布式梯度算法：
在DGD基础上，本发明提出了一种新的DGD算法如式(2)所示，该算法利用相对状态符号，增加了对不准确的相对状态的鲁棒性，同时可以使节点间的交换信息减少。
Figure BDA0002286552680000087
其中，i、j表示自主体节点编号；Ni表示与自主体节点i相邻的节点；k表示离散时间指数；
Figure BDA0002286552680000088
和
Figure BDA0002286552680000089
分别表示自主体节点i第k次和第k+1次迭代的节点信息；
Figure BDA00022865526800000810
表示自主体节点j第k次迭代的节点信息；
Figure BDA00022865526800000811
表示相邻节点间的信息交互；aij表示加权系数，
Figure BDA00022865526800000812
表示其自身梯度；ρ(k)表示梯度系数，sgn为相对状态函数。
下面给出DGD算法的收敛性证明：
首先构造优化问题：
Figure BDA0002286552680000091
其中，minmzie表示最小化；fi(x)为目标函数，λ为加权系数；
由此得出式(3)中，
Figure BDA0002286552680000092
是一个常量，因此得出
Figure BDA0002286552680000093
Figure BDA0002286552680000094
式(4)的目标是收敛到最优解x*与式(3)等价；利用次梯度算法对式(3)进行迭代求解，其迭代格式为：
Figure BDA0002286552680000095
其中，λ为常量，其大小反应相邻节点间的信息交互的重要性；
式(5)满足次梯度收敛的步长条件，当式(3)有最优解x*时，式(5)会收敛到最优解x*；在式(5)中令λρ(k)＝1，则得到式(2)，因此可知式(2)收敛。
步骤3对各个集群中枢点进行分布式优化控制
所述步骤3包括，以系统无功功率平衡为目标，综合考虑发电成本约束和发电条件约束，对分布式发电集群进行电压优化控制。
步骤3.1：构建系统无功平衡目标，使负荷无功功率与分布式电源无功出力相等：
为了满足整个系统的无功平衡，各集群中枢点供电到不同负荷点的电压损耗不能太大。对于中枢点，希望它能在无功平衡变化时，维持电压在允许的误差范围内。由无功功率的定义，得到
Figure BDA0002286552680000101
其中，U、I分别是母线端的电压和电流，θ是功率因数角，E是发电机端电势，σ是U和E之间的相角差，Q表示分布式电源无功出力；X表示负荷的等效阻抗；
步骤3.2：发电成本约束和发电条件约束：
为了使系统运行在一个无功平衡的最优稳定运行状态。我们定义系统的一个发电成本(Value Cost，VC)。
VC＝αQ2+βQ+c (7)
式(7)表示发电成本是一个关于无功功率的二次函数，α,β,c为发电成本参数，且与分布式电源以及电网络结构相关。
除了考虑发电车本还需要考虑约束条件：
Qmin＜Q＜Qmax
Umin＜U＜Umax (8)
式(8)表示分布式电源无功输出需要在可行范围内，电压需控制在允许范围内；其中，Q表示分布式电源无功出力；Qmin和Qmax表示系统运行允许的无功功率最小值和最大值；U表示分布式电源电压；Umin和Umax表示系统运行允许的电压最小值和最大值；
步骤3.3：分布式发电集群电压优化控制：
由式(6)，可以用电压U来表刻无功功率Q。在各个集群中，为了实现电压的稳定，定义各个节点之间传递的信息变量：
Figure BDA0002286552680000111
其中，Ci表示第i个自主体节点发电成本对电压的导数，VCi表示自主体节点i的发电成本，Ui表示自主体节点i处的电压，xi表自主体节点i传递的信息变量；当负荷变化系统平衡打破时，随着Ci收敛到最优解x*，系统将逐渐收敛到新的平衡状态；
对于系统的中枢点的电压控制原则，将中枢点的电压调整在比额定电压高2％～5％的范围内，不必随负荷变化来调整中枢点电压即可保证负荷点的电压质量。因此对于中枢点，改良后的DGD更新规则可以表示为：
Figure BDA0002286552680000112
其中，γ是一个正标量；ΔQ表示负荷无功和分布式电源无功出力的差额。
步骤4对分布式发电集群内进行电压优化控制
在系统运行时中枢点的电压无需根据其余节点信息的变化而改变，因此只需根据自身梯度以及系统无功，更新信息保持电压在比额定电压高2％～5％的范围内即可。
每个集群内的其余节点则需要根据中枢点的信息交互来更新自己的信息变量。因此定义每个集群内的信息变量更新规则。
Figure BDA0002286552680000113
其中，i、j均表示自主体节点编号；Ni表示与自主体节点i相邻的节点集合；sgn为相对状态函数；k是离散时间指数；
Figure BDA0002286552680000114
表示第k次迭代自主体节点i交互的信息；
Figure BDA0002286552680000121
表示第k+1次迭代自主体节点i交互的信息；
Figure BDA0002286552680000122
是自主体节点j第k次交互的信息；aij表示自主体节点i和j之间信息交互的加权系数，若自主体节点i和j之间有通信线路连接，则aij≠0，否则aij＝0，ΔU是自主体节点i电压与额定电压差值；γ是一个正标量，它控制着领导分布式电源的收敛速度；x的增加或减少跟随ΔU的符号而变化。如果ΔU<0，说明负荷无功可能增加，需要增加无功输出，所以当前的x应该增加。
实施例一
1)建立分布式发电集群电力网络模型
图2为节点配电系统。其节点安装分布式电源容量如表1所示。表1中的1至12表示节点编号，其中节点3、节点6和节点11分别接入600KVar、490KVar和550KVar的负荷，DG1至DG12表示分布式电源编号。
表1.节点分布式电源安装容量
Figure BDA0002286552680000123
Figure BDA0002286552680000131
各分布式电源的地理位置、通信条件、系统支路信息和节点信息等因素，构建分布式发电集网络模型，结果如图3所示。图3表示了分布式发电集群的分区划分情况，根据各个分布式电源地理位置、通信条件、系统支路信息和节点信息等因素，将DG1、DG2和DG3划分为一个集群，将DG4、DG5、DG6和DG7划分为一个集群，将DG8、DG9、DG10、DG11和DG12划分为一个集群。
2)对各个集群中枢点进行分布式优化控制
以系统无功功率平衡为目标，综合考虑发电成本约束和发电条件约束，对分布式发电集群进行电压优化控制。
(1)构建系统无功平衡目标
Figure BDA0002286552680000132
其中，Qi表示分布式电源无功出力，Qj表示负荷无功。
(2)发电成本约束和发电条件约束
VC＝αQ2+βQ+c (13)
其中，VC表示发电成本，成本函数参数如表2所示：
表2.发电成本函数参数
分布式电源 α β c
DG1 0.00250 0.99 561
DG2 0.00294 1.04 310
DG3 0.00462 0.91 78
DG4 0.00156 7.92 561
DG5 0.00194 7.85 310
DG6 0.00482 7.80 78
DG7 0.00156 7.92 561
DG8 0.00166 7.72 581
DG9 0.00188 7.25 360
DG10 0.00475 7.80 94
DG11 0.00156 7.92 361
DG12 0.00274 7.80 178
Figure BDA0002286552680000141
式(14)表示发电条件约束，其中，Qmin和Qmax分别表示DG无功出力的最小值和最大值，Umin和Umax，表示节点电压允许范围的最小值和最大值。
(3)分布式发电集群电压优化控制
Figure BDA0002286552680000142
Figure BDA0002286552680000143
式(15)～(16)中Ci表示节点间传递的信息变量，k是离散时间指数，
Figure BDA0002286552680000151
表示第k+1次迭代节点i交互的信息，ρ为加权系数，
Figure BDA0002286552680000152
为其自身梯度，ΔQ是DG无功出力与负荷无功的差值，γ是一个标量系数。
每个集群内的其余节点则需要根据中枢点的信息交互来跟新自己的信息变量。
Figure BDA0002286552680000153
其中，sgn为相状态函数，其中k是离散时间指数；
Figure BDA0002286552680000154
表示第k+1次迭代自主体节点i交互的信息；
Figure BDA0002286552680000155
表示第k次迭代自主体节点i交互的信息；aij表示自主体节点i和j之间信息交互的加权系数，若自主体节点i和j之间有通信线路连接，则aij≠0，否则aij＝0，ΔU是自主体节点i电压与额定电压差值；γ是一个正标量，它控制着领导分布式电源的收敛速度。对整个系统电压进行优化控制，集群3结果如图4所示，图4表示了当负荷无功和分布式电源无功出力不匹配时集群3的电压(标幺值)的变化，通过集群内协调优化控制策略，集群3内各个节点电压控制在不超过额定电压的±5％范围内。
综上所述，本发明在传统分布式梯度下降法的基础上，提出一种利用相对状态符号的分布式算法，在不降低收敛速度的前提下减少节点间的信息交换，增加对不确定状态的鲁棒性；本发明提出面向多集群的一种去中心化的电压优化控制方法，以分布式一致性算法为基础、以集群经济优化为目标，实现配电网中多个分布式发电集群间的电压协调控制。

Claims (1)

1.一种基于分布式发电集群的去中心化电压优化方法，其特征在于：该方法包括下列顺序的步骤：
(1)建立分布式发电集群电力网络模型；
(2)构建分布式优化算法：基于分布式梯度下降算法，提出改进的分布式梯度算法；
(3)对各个集群中枢点进行分布式优化控制；
(4)对分布式发电集群内进行电压优化控制；
所述步骤(1)中的分布式发电集群电力网络模型包含的参数如下：各分布式电源的地理位置、通信条件、系统支路信息和系统节点信息；
所述步骤(2)具体包括以下步骤：
(2a)分布式梯度下降算法：
传统的分布式优化算法为分布式梯度下降算法，即Distributed Gradient Descent，简称DGD，其算法公式如下：
Figure FDA0002949657620000011
其中，i、j表示自主体节点编号；Ni表示与自主体节点i相邻的节点集合；k表示离散时间指数；
Figure FDA0002949657620000012
和
Figure FDA0002949657620000013
分别表示自主体节点i第k次和第k+1次迭代的节点信息；
Figure FDA0002949657620000014
表示自主体节点j第k次迭代的节点信息；
Figure FDA0002949657620000015
表示相邻节点间的信息交互；aij表示自主体节点i和j之间信息交互的加权系数；
Figure FDA0002949657620000016
表示其自身梯度；ρ(k)表示梯度系数；
(2b)改进的分布式梯度算法公式如下：
Figure FDA0002949657620000021
其中，i、j表示自主体节点编号；Ni表示与自主体节点i相邻的节点；k表示离散时间指数；
Figure FDA0002949657620000022
和
Figure FDA0002949657620000023
分别表示自主体节点i第k次和第k+1次迭代的节点信息；
Figure FDA0002949657620000024
表示自主体节点j第k次迭代的节点信息；
Figure FDA0002949657620000025
表示相邻节点间的信息交互；aij表示自主体节点i和j之间信息交互的加权系数，
Figure FDA0002949657620000026
表示其自身梯度；ρ(k)表示梯度系数，sgn为相对状态函数；
DGD算法的收敛性证明如下：
首先构造优化问题：
Figure FDA0002949657620000027
其中，minmzie表示最小化；fi(x)为目标函数，λ为加权系数；
由此得出式(3)中，
Figure FDA0002949657620000028
是一个常量，因此得出
Figure FDA0002949657620000029
Figure FDA00029496576200000210
式(4)的目标是收敛到最优解x*与式(3)等价；利用次梯度算法对式(3)进行迭代求解，其迭代格式为：
Figure FDA00029496576200000211
其中，λ为常量，其大小反应相邻节点间的信息交互的重要性；
式(5)满足次梯度收敛的步长条件，当式(3)有最优解x*时，式(5)会收敛到最优解x*；在式(5)中令λρ(k)＝1，则得到式(2)，因此可知式(2)收敛；
所述步骤(3)具体包括以下步骤：
(3a)构建系统无功平衡目标，使负荷无功功率与分布式电源无功出力相等：
Figure FDA0002949657620000031
其中，U、I分别是母线端的电压和电流，
Figure FDA0002949657620000032
是功率因数角，E是发电机端电势，σ是U和E之间的相角差；Q表示分布式电源无功出力；X表示负荷的等效阻抗；
(3b)发电成本约束和发电条件约束：
定义系统的发电成本Value Cost，简称VC：
VC＝αQ2+βQ+c (7)
式(7)表示发电成本是一个关于无功功率的二次函数；α,β,c均为发电成本参数，且与分布式电源以及电网络结构相关；
约束条件如下：
Qmin＜Q＜Qmax
Umin＜U＜Umax (8)；
其中，Q表示分布式电源无功出力；Qmin和Qmax表示系统运行允许的无功功率最小值和最大值；U表示分布式电源电压；Umin和Umax表示系统运行允许的电压最小值和最大值；
(3c)分布式发电集群电压优化控制：
由式(6)，用电压U来表刻无功功率Q；在各个集群中，为实现电压的稳定，定义各个节点之间传递的信息变量：
Figure FDA0002949657620000041
其中，Ci表示第i个自主体节点发电成本对电压的导数，VCi表示自主体节点i的发电成本，Ui表示自主体节点i处的电压，xi表自主体节点i传递的信息变量；当负荷变化系统平衡打破时，随着Ci收敛到最优解x*，系统将逐渐收敛到新的平衡状态；
对于中枢点，改良后的DGD更新规则表示为：
Figure FDA0002949657620000042
其中，γ是一个正标量；ΔQ表示负荷无功和分布式电源无功出力的差额；
所述步骤(4)具体是指：
定义每个集群内的信息变量更新规则：
Figure FDA0002949657620000043
其中，i、j均表示自主体节点编号；Ni表示与自主体节点i相邻的节点集合；sgn为相对状态函数；k是离散时间指数；
Figure FDA0002949657620000044
表示第k次迭代自主体节点i交互的信息；
Figure FDA0002949657620000045
表示第k+1次迭代自主体节点i交互的信息；
Figure FDA0002949657620000046
是自主体节点j第k次交互的信息；aij表示自主体节点i和j之间信息交互的加权系数，若自主体节点i和j之间有通信线路连接，则aij≠0，否则aij＝0，ΔU是自主体节点i电压与额定电压差值；γ是一个正标量；x的增加或减少跟随ΔU的符号而变化。
CN201911162650.5A 2019-11-25 2019-11-25 一种基于分布式发电集群的去中心化电压优化方法 Active CN110932288B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911162650.5A CN110932288B (zh) 2019-11-25 2019-11-25 一种基于分布式发电集群的去中心化电压优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911162650.5A CN110932288B (zh) 2019-11-25 2019-11-25 一种基于分布式发电集群的去中心化电压优化方法

Publications (2)

Publication Number Publication Date
CN110932288A CN110932288A (zh) 2020-03-27
CN110932288B true CN110932288B (zh) 2021-05-25

Family

ID=69851650

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911162650.5A Active CN110932288B (zh) 2019-11-25 2019-11-25 一种基于分布式发电集群的去中心化电压优化方法

Country Status (1)

Country Link
CN (1) CN110932288B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111934342A (zh) * 2020-06-18 2020-11-13 国网浙江省电力有限公司温州供电公司 基于可信度的分布式发电集群自动关联及跟随控制方法
CN112333002B (zh) * 2020-10-10 2021-09-07 上海交通大学 一种配电网去中心化状态估计方法
CN114172149B (zh) * 2021-12-08 2023-10-24 国网安徽省电力有限公司电力科学研究院 一种分布式发电集群自治控制方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105870949A (zh) * 2016-04-08 2016-08-17 苏州泛能电力科技有限公司 一种基于分布式梯度算法的微电网储能单元优化控制方法
CN106208059A (zh) * 2016-07-28 2016-12-07 华北电力大学（保定） 可调阻抗式分布式光伏发电集群谐振抑制系统及抑制方法
CN107196333A (zh) * 2017-06-07 2017-09-22 天津大学 基于模块化指数的分布式光伏集群划分方法
CN107609779A (zh) * 2017-09-21 2018-01-19 国网上海市电力公司 一种分布式能源管理系统的综合效益评估方法
CN107732957A (zh) * 2017-08-25 2018-02-23 合肥工业大学 一种高渗透率分布式可再生能源发电集群划分方法
CN108960628A (zh) * 2018-07-04 2018-12-07 中国电力科学研究院有限公司 一种光伏发电接入配电网的风险评估方法及系统
US10158229B2 (en) * 2014-08-04 2018-12-18 California Institute Of Technology Distributed gradient descent for solving optimal power flow in radial networks
CN109948868A (zh) * 2019-04-17 2019-06-28 上海电力设计院有限公司 高渗透率分布式可再生能源发电集群优化规划方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10158229B2 (en) * 2014-08-04 2018-12-18 California Institute Of Technology Distributed gradient descent for solving optimal power flow in radial networks
CN105870949A (zh) * 2016-04-08 2016-08-17 苏州泛能电力科技有限公司 一种基于分布式梯度算法的微电网储能单元优化控制方法
CN106208059A (zh) * 2016-07-28 2016-12-07 华北电力大学（保定） 可调阻抗式分布式光伏发电集群谐振抑制系统及抑制方法
CN107196333A (zh) * 2017-06-07 2017-09-22 天津大学 基于模块化指数的分布式光伏集群划分方法
CN107732957A (zh) * 2017-08-25 2018-02-23 合肥工业大学 一种高渗透率分布式可再生能源发电集群划分方法
CN107609779A (zh) * 2017-09-21 2018-01-19 国网上海市电力公司 一种分布式能源管理系统的综合效益评估方法
CN108960628A (zh) * 2018-07-04 2018-12-07 中国电力科学研究院有限公司 一种光伏发电接入配电网的风险评估方法及系统
CN109948868A (zh) * 2019-04-17 2019-06-28 上海电力设计院有限公司 高渗透率分布式可再生能源发电集群优化规划方法

Also Published As

Publication number Publication date
CN110932288A (zh) 2020-03-27

Similar Documents

Publication Publication Date Title
Li et al. A distributed coordination control based on finite-time consensus algorithm for a cluster of DC microgrids
CN110932288B (zh) 一种基于分布式发电集群的去中心化电压优化方法
CN108363306B (zh) 基于线性二次型优化的微电网分布式控制器参数确定方法
CN108134401B (zh) 交直流混合系统多目标潮流优化及控制方法
WO2018058804A1 (zh) 通用型包含恒功率和下垂控制的微电网群分布式控制方法
CN110247438B (zh) 基于天牛须算法的主动配电网资源优化配置
CN110265991B (zh) 一种直流微电网的分布式协调控制方法
CN107017615B (zh) 一种基于一致性的直流电弹簧分布式控制方法及系统
CN111725808B (zh) 基于奇异摄动的综合能源系统分布式趋同控制方法及系统
CN109617147B (zh) 一种电力电子变压器运行策略优化组合方法
CN110858718A (zh) 考虑经济性的交流微电网分布式事件驱动的频率控制方法
CN110380398B (zh) 一种直流微电网功率分配方法和系统
CN116388262A (zh) 基于多目标优化的含分布式光伏配网无功优化方法及系统
CN110120673B (zh) 基于戴维南等值参数辨识的分布式输配协同无功优化方法及系统
CN104659812A (zh) 一种基于预测控制的多微网协调控制方法
CN110401232B (zh) 一种分布式混合微电网的改进型优化控制方法
CN112467748A (zh) 三相不平衡主动配电网双时标分布式电压控制方法及系统
CN108964150B (zh) 一种基于有限时间控制的交直流混合微电网的无功均分方法
CN114552664B (zh) 一种基于双层有向图的多微网优化协调运行控制方法
Yilin et al. A distributed control based on finite-time consensus algorithm for the cluster of DC microgrids
CN109904924B (zh) 直流微电网分布式最优母线电压控制方法
Li et al. A control method of voltage stability for distributed DC microgrid
CN111211567A (zh) 基于事件触发机制的孤岛微电网分布式最优频率调节方法
Zaery et al. Fully Distributed Fixed-Time Optimal Dispatch for Islanded DC Microgrids
CN113824154B (zh) 含可再生能源/氢能的交直流混联系统集中式运行管控方法

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