CN112510685B - 一种城市电网风险规避预测控制方法及装置 - Google Patents
一种城市电网风险规避预测控制方法及装置 Download PDFInfo
- Publication number
- CN112510685B CN112510685B CN202011270758.9A CN202011270758A CN112510685B CN 112510685 B CN112510685 B CN 112510685B CN 202011270758 A CN202011270758 A CN 202011270758A CN 112510685 B CN112510685 B CN 112510685B
- Authority
- CN
- China
- Prior art keywords
- risk
- control
- representing
- vsc
- time
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000005457 optimization Methods 0.000 claims abstract description 90
- 238000005259 measurement Methods 0.000 claims abstract description 79
- 229940030850 avar Drugs 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 89
- 238000005096 rolling process Methods 0.000 claims description 23
- 230000014509 gene expression Effects 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000002347 injection Methods 0.000 claims description 11
- 239000007924 injection Substances 0.000 claims description 11
- 238000011217 control strategy Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 14
- 239000000243 solution Substances 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000010355 oscillation Effects 0.000 description 5
- 238000012502 risk assessment Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000000691 measurement method Methods 0.000 description 4
- 238000012954 risk control Methods 0.000 description 4
- 239000003990 capacitor Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000272778 Cygnus atratus Species 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
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
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- H02J3/36—Arrangements for transfer of electric power between ac networks via a high-tension dc link
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/60—Arrangements for transfer of electric power between AC networks or generators via a high voltage DC link [HVCD]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明实施例提供一种城市电网风险规避预测控制方法及装置,该方法包括:建立VSC‑HVDC动态电力系统模型;基于发电机频率和发电机平均频率的偏差建立风险发生的成本函数;采用AVAR指标进行电网风险测度;将成本函数的期望引入系统风险度量指标,得到风险测度预测控制性能指标;基于VSC‑HVDC动态电力系统模型、风险测度预测控制性能指标及约束条件获取预测控制优化问题的限定条件;采用场景树和蒙特卡洛算法实时求解预测控制优化问题。本发明实施例提供的城市电网风险规避预测控制方法及装置,将城市电网的柔性直流输电风险度量后,引入到城市电网的闭环反馈控制,并形成完整的风险规避控制,实现了风险意义上的更高层控制。
Description
技术领域
本发明涉及自动化技术领域,具体涉及一种城市电网风险规避预测控制方法及装置。
背景技术
目前我国的电网结构中,区域间电网主要通过交流线路相连,当区域间电网的交流联络较弱、通道潮流较重时,系统易出现暂态稳定性和小扰动稳定性较差等问题;另一方面随着各种新能源的开发,大容量的风电机组的并网和离网会引起主电网一系列暂态、稳态电能质量问题以及多元负荷的接入对电力需求的多样化和技术等多方面的要求。
在风力发电、微电网等系统中,柔性直流输电(VSC-HVDC)技术逐渐成熟,相比于传统直流输电技术具有更好的经济性和安全性,没有无功补偿和换相失败的问题,可同时独立控制两个变流器有功功率和无功功率注入,此外,有功功率和无功功率的快速响应,还能有效降低系统频率的稳态偏移,可以有效避免相互连接的同步发电机之间的机电振荡,降低其对不同区域间的电力传输的严重影响。
基于VSC-HVDC的城市电网面临着线路瞬变、线路中断或区域间振荡等不确定的高风险事件,其中失机引起的电网频率高于频率波动上限和失负荷引起的电网频率的降低是造成频率波动的典型的风险事件特征。传统的针对系统风险定量化的表现形式为标准差、方差、风险值(VaR)和熵风险度量,并建立了风险评估的静态、动态指标体系。现有的针对基于VSC-HVDC的城市电网风险分析研究仅仅是基于指标体系对系统进行风险评估,ISO31000:2018风险管理指南中提出现有风险分析仅仅定性的描述了影响因素有事件和后果的可能性。
传统的从风险角度的电力系统评估多从管理的角度定性的分析,还没有研究从电力系统控制的角度进行风险规避的研究。风险规避控制是将电力系统的风险控制在一定的程度,以降低风险事件发生的概率或者说减少风险事件的损失。现有的技术方法是采取事先控制措施,消除风险事件发生的条件,降低损失发生的机率;另一方面,可以通过采取事中控制措施,通过临时采取的应急机制,来降低风险事件可能造成的损失。对柔性直流输电时的风险的应对方法还停留在原有的管理方法中,没有引入到基于VSC-HVDC的城市电网的控制当中。
发明内容
为解决现有技术中的问题,本发明实施例提供一种城市电网风险规避预测控制方法及装置。
第一方面,本发明实施例提供一种城市电网风险规避预测控制方法,该方法包括:建立VSC-HVDC动态电力系统模型,所述VSC-HVDC动态电力系统模型用于描述电力系统正常运行以及在风险事件发生时的系统运行状态;基于发电机频率和发电机平均频率的偏差建立风险发生的成本函数;基于所述成本函数,采用AVAR指标进行电网风险测度,得到系统风险度量指标;将所述成本函数的期望引入所述系统风险度量指标,得到风险测度预测控制性能指标;基于所述VSC-HVDC动态电力系统模型、所述风险测度预测控制性能指标及预设的约束条件获取预测控制优化问题的限定条件;基于所述预测控制优化问题的限定条件,采用场景树和蒙特卡洛算法实时求解所述预测控制优化问题,得到系统控制变量用于系统的滚动优化闭环控制以实现风险规避。
进一步地,所述VSC-HVDC动态电力系统模型表示为:
x(k+1)=A(ik)x(k)+B(ik)u(k)
y(k)=[f1 f2]
其中,x(k+1)表示k+1时刻的系统状态变量,x(k)表示k时刻的系统状态变量,A(ik)表示k时刻的风险事件下的状态矩阵,B(ik)表示k时刻的风险事件下的输入矩阵,u(k)表示k时刻的所述系统控制变量,y(k)表示k时刻的系统输出变量,f1,f2分别表示VSC-HVDC链路整流侧和逆变侧的频率。
进一步地,所述状态矩阵在任意时刻的风险事件下的表达式为:
所述输入矩阵在任意时刻的风险事件下的表达式为:
在任意时刻,所述系统状态变量、所述系统控制变量及所述系统输出变量的表达式为:
x=[i1d i1q i2d i2q vDC2 iDC]T
u=[vDC1ref Q1ref P2ref Q2ref]T
y=[f1 f2]
其中,i1d表示d轴上VSC-HVDC链路整流侧的电网电流,i1q表示q轴上VSC-HVDC链路整流侧的电网电流,i2d表示d轴上VSC-HVDC链路逆变侧的电网电流,i2q表示q轴上VSC-HVDC链路逆变侧的电网电流,VDC1、VDC2分别表示VSC-HVDC链路整流侧和逆变侧的直流电压,iDC表示直流线电流,VDC1ref表示VSC-HVDC链路整流侧的参考电压,Q1ref,Q2ref,P2ref分别为VSC-HVDC链路整流侧的无功功率注入参考值、链路逆变侧的无功功率注入参考值以及链路逆变侧的有功功率注入参考值,i1d0、i2d0、i1q0、i2q0分别表示x0时刻的i1d、i2d、i1q、i2q,VDC20表示x0时刻的VDC2,x0时刻为系统正常工作时设定的一个初始时刻,即线性化工作点,P2为链路逆变侧有功功率,rDC为直流线路电阻,LDC为直流线路电感,Lg1,Lg2分别为链路整流侧和逆变侧交流电网电感,Lg1=Lg2,C2为链路逆变侧的直流电容,TMPC表示每个阶段采样时间步长。
进一步地,所述成本函数的表达式如下:
进一步地,所述系统风险度量指标的表达式如下:
其中,ρi[V;j]表示所述系统风险度量指标,V(i,j)表示j时刻风险事件i的成本函数,A(Pi)表示风险事件i发生概率组成的集合,γj表示j时刻风险事件发生的概率,N表示预测时域。
进一步地,所述风险测度预测控制性能指标的表达式如下:
J=ω1E[Vj]+JN(V1,...,VN)
其中w1为比例系数,Vj表示j时刻的所述成本函数,E(Vj)表示j时刻的所述成本函数的期望,JN(V1……VN)表示预测时域内的风险度量,V1……VN分别表示1……N不同时刻的所述成本函数。
进一步地,所述预测控制优化问题的限定条件包括:所述风险测度预测控制性能指标为最小、满足所述VSC-HVDC动态电力系统模型以及满足所述预设的约束条件;其中,所述预设的约束条件包括k时刻预测h时刻的控制手段满足固定反馈控制策略的集合,k+h时刻预测k+h+1时刻的系统状态满足系统状态约束集合,k时刻预测的第N时刻的系统状态,即系统预测控制后的最终状态属于离线搜索的最大椭圆集。
进一步地,所述基于所述预测控制优化问题的限定条件,采用场景树和蒙特卡洛算法实时求解所述预测控制优化问题,得到系统控制变量用于系统的滚动优化闭环控制以实现风险规避,具体包括:利用蒙特卡洛模拟方法根据历史数据得到风险事件发生的概率以及相应的场景树;计算所述场景树上各个节点上的风险值,根据所述各个节点上的风险值得到所述预测时域内的风险度量,根据所述预测时域内的风险度量、所述成本函数的期望及所述比例系数获取所述风险测度预测控制性能指标;判断所述各个节点是否符合所述预测控制优化问题的限定条件,若是则保留,若否则去除;并计算保留的所述各个节点的所述系统控制变量;获取所述风险测度预测控制性能指标取值最小时的场景,并将所述场景的第一个节点的所述系统控制变量作为所述用于实现系统的滚动优化闭环控制的所述系统控制变量,以实现风险规避。
第二方面,本发明实施例提供一种城市电网风险规避预测控制装置,该装置包括:模型建立模块,用于:建立VSC-HVDC动态电力系统模型,所述VSC-HVDC动态电力系统模型用于描述电力系统正常运行以及在风险事件发生时的系统运行状态;成本函数建立模块,用于:基于发电机频率和发电机平均频率的偏差建立风险发生的成本函数;系统风险度量指标获取模块,用于:基于所述成本函数,采用AVAR指标进行电网风险测度,得到系统风险度量指标;风险测度预测控制性能指标获取模块,用于:将所述成本函数的期望引入所述系统风险度量指标,得到风险测度预测控制性能指标;预测控制优化问题的限定条件获取模块,用于:基于所述VSC-HVDC动态电力系统模型、所述风险测度预测控制性能指标及预设的约束条件获取预测控制优化问题的限定条件;系统控制变量获取及控制模块,用于:基于所述预测控制优化问题的限定条件,采用场景树和蒙特卡洛算法实时求解所述预测控制优化问题,得到系统控制变量用于系统的滚动优化闭环控制以实现风险规避。
第三方面,本发明实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所提供的方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
本发明实施例提供的城市电网风险规避预测控制方法及装置,通过建立VSC-HVDC动态电力系统模型,VSC-HVDC动态电力系统模型用于描述电力系统正常运行以及在风险事件发生时的系统运行状态;基于发电机频率和发电机平均频率的偏差建立风险发生的成本函数;基于成本函数,采用AVAR指标进行电网风险测度,得到系统风险度量指标;将成本函数的期望引入系统风险度量指标,得到风险测度预测控制性能指标;基于VSC-HVDC动态电力系统模型、风险测度预测控制性能指标及预设的约束条件获取预测控制优化问题的限定条件;基于预测控制优化问题的限定条件,采用场景树和蒙特卡洛算法实时求解所述预测控制优化问题,得到系统控制变量用于系统的滚动优化闭环控制以实现风险规避,将城市电网的柔性直流输电风险度量后,引入到城市电网的闭环反馈控制,并形成完整的风险规避控制,实现了风险意义上的更高层控制。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的城市电网风险规避预测控制方法流程图;
图2是本发明一实施例提供的VSC-HVDC动态电力系统模型的结构示意图;
图3是本发明一实施例提供的城市电网风险规避预测控制方法中的场景树的示意图;
图4是本发明另一实施例提供的城市电网风险规避预测控制方法流程图;
图5是本发明一实施例提供的城市电网风险规避预测控制方法的原理示意图;
图6是本发明一实施例提供的城市电网风险规避预测控制装置的结构示意图;
图7示例了一种电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是本发明一实施例提供的城市电网风险规避预测控制方法流程图。如图1所示,所述方法包括:
步骤101、建立VSC-HVDC动态电力系统模型,所述VSC-HVDC动态电力系统模型用于描述电力系统正常运行以及在风险事件发生时的系统运行状态。
图2是本发明一实施例提供的VSC-HVDC动态电力系统模型的结构示意图。如图2所示,VSC-HVDC的系统模型可以分为三个部分:整流侧的交流部分(区域电网),有两个转换器之间的直流部分和逆变侧的交流部分(区域电网)。通过研究系统的整流器和逆变器状态实现电力系统的有功功率和无功功率控制。
交流侧被建模为dq0坐标系(一般指随系统频率旋转的参考系)中的复杂相量。电压型VSC为级联控制结构,包括一个内部和外部控制环路。外层控制为控制注入有功功率和无功功率参考值,内层为内环电流控制器构成的双闭环控制策略。本发明实施例将外环控制与内环控制简化,VSC-HVDC的系统结构如图2所示。
步骤102、基于发电机频率和发电机平均频率的偏差建立风险发生的成本函数。
本发明实施例将其频率的偏差作为风险发生的成本函数,表示为风险扰动过程中电网波动的幅度。
步骤103、基于所述成本函数,采用AVAR指标进行电网风险测度,得到系统风险度量指标。
城市电网的特点在于,小概率的风险事件会造成严重的后果。同时,电网的不同风险事件的连锁反应,所造成的后果也有所不同。因此,本发明采用average Value at risk(AVAR)指标进行电网风险测度,得到系统风险度量指标。
步骤104、将所述成本函数的期望引入所述系统风险度量指标,得到风险测度预测控制性能指标。
将损失函数(成本函数)的期望引入系统风险度量指标,即可得到“性能期望—风险控制”的风险测度预测控制性能指标。该指标同时考虑了期望性能与风险,实现了两者之间的权衡。
步骤105、基于所述VSC-HVDC动态电力系统模型、所述风险测度预测控制性能指标及预设的约束条件获取预测控制优化问题的限定条件。
基于所述VSC-HVDC动态电力系统模型、所述风险测度预测控制性能指标及预设的约束条件获取预测控制优化问题的限定条件,从而定义所需求解的预测控制优化问题。
步骤106、基于所述预测控制优化问题的限定条件,采用场景树和蒙特卡洛算法实时求解所述预测控制优化问题,得到系统控制变量用于系统的滚动优化闭环控制以实现风险规避。
给定系统的当前测量状态和场景树,该风险规避的最优控制问题得以解决,该场景树描述了预测时域内系统状态的分布。利用蒙特卡洛算法生成场景树,根据所述预测控制优化问题的限定条件设置MPC控制器,通过实时求解所述预测控制优化问题,得到系统控制变量用于系统的滚动优化闭环控制以实现风险规避。系统控制变量可以为输出的控制策略集。
本发明实施例针对城市电网随机混杂系统的复杂特性,以及风险量化、风险引入城市电网等问题,提出一种适用于两城市(或区域)间电网供电传输的风险规避预测控制方法,以风险时间扰动下HVDC的频率稳定和负荷损失的风险为目标,能够有效降低负荷扰动、频率波动引起的系统风险,将风险规避的问题提高到了控制的水平。
首先,本发明实施例提出一种基于VSC-HVDC的城市电网模型,将城市电网的底层电力系统抽象为线性控制系统模型,以及风险事件影响下的电力系统。第二,对城市电网中的随机性因素(电网失机、失负荷引起的频率失稳)所产生的风险进行量化,提出一种新的风险测度方法,并且将该方法引入预测控制问题的性能指标中。最后,在新的性能指标基础上,提出一种风险规避预测控制方法,实现系统的滚动优化闭环控制,最终实现基于VSC-HVDC的城市电网的风险规避。
本发明实施例通过建立VSC-HVDC动态电力系统模型,VSC-HVDC动态电力系统模型用于描述电力系统正常运行以及在风险事件发生时的系统运行状态;基于发电机频率和发电机平均频率的偏差建立风险发生的成本函数;基于成本函数,采用AVAR指标进行电网风险测度,得到系统风险度量指标;将成本函数的期望引入系统风险度量指标,得到风险测度预测控制性能指标;基于VSC-HVDC动态电力系统模型、风险测度预测控制性能指标及预设的约束条件获取预测控制优化问题的限定条件;基于预测控制优化问题的限定条件,采用场景树和蒙特卡洛算法实时求解所述预测控制优化问题,得到系统控制变量用于系统的滚动优化闭环控制以实现风险规避,将城市电网的柔性直流输电风险度量后,引入到城市电网的闭环反馈控制,并形成完整的风险规避控制,实现了风险意义上的更高层控制。
进一步地,基于上述实施例,所述VSC-HVDC动态电力系统模型表示为:
x(k+1)=A(ik)x(k)+B(ik)u(k)
y(k)=[f1 f2]
其中,x(k+1)表示k+1时刻的系统状态变量,x(k)表示k时刻的系统状态变量,A(ik)表示k时刻的风险事件下的状态矩阵,B(ik)表示k时刻的风险事件下的输入矩阵,u(k)表示k时刻的所述系统控制变量,y(k)表示k时刻的系统输出变量,f1,f2分别表示VSC-HVDC链路整流侧和逆变侧的频率。
在上述实施例的基础上,本发明实施例通过给出VSC-HVDC动态电力系统模型的表达式,为后续处理提供了前提。
进一步地,基于上述实施例,所述状态矩阵在任意时刻的风险事件下的表达式为:
所述输入矩阵在任意时刻的风险事件下的表达式为:
在任意时刻,所述系统状态变量、所述系统控制变量及所述系统输出变量的表达式为:
x=[i1d i1q i2d i2q vDC2 iDC]T
u=[vDC1ref Q1ref P2ref Q2ref]T
y=[f1 f2]
其中,i1d表示d轴上VSC-HVDC链路整流侧的电网电流,i1q表示q轴上VSC-HVDC链路整流侧的电网电流,i2d表示d轴上VSC-HVDC链路逆变侧的电网电流,i2q表示q轴上VSC-HVDC链路逆变侧的电网电流,VDC1、VDC2分别表示VSC-HVDC链路整流侧和逆变侧的直流电压,iDC表示直流线电流,VDC1ref表示VSC-HVDC链路整流侧的参考电压,Q1ref,Q2ref,P2ref分别为VSC-HVDC链路整流侧的无功功率注入参考值、链路逆变侧的无功功率注入参考值以及链路逆变侧的有功功率注入参考值,i1d0、i2d0、i1q0、i2q0分别表示x0时刻的i1d、i2d、i1q、i2q,VDC20表示x0时刻的VDC2,x0时刻为系统正常工作时设定的一个初始时刻,即线性化工作点,P2为链路逆变侧有功功率,rDC为直流线路电阻,LDC为直流线路电感,Lg1,Lg2分别为链路整流侧和逆变侧交流电网电感,Lg1=Lg2,C2为链路逆变侧的直流电容,TMPC表示每个阶段采样时间步长。
高压直流输电系统有两个采用双向三相(电压源)AC-DC电源转换器的转换站。它们通过直流电缆互连。交流区域电网以无限母线和等效交流线路表示。HVDC链路的两个VSC均由平均模型表示。假定通过理想的锁相环(PLL)观察到该状态。假设HVDC电压控制器是理想的,因此VDC1ref可以假设为常数。dq坐标中的控制模型动态方程式如下:
其中(i1d,i2d)和(i2d,i2q)分别是在d和q轴上VSC-HVDC链路整流侧和逆变侧的电网电流。vDC1,vDC2分别是VSC-HVDC链路整流侧和逆变侧的直流电压。VDC1ref是VSC-HVDC链路整流侧的参考电压。iDC是直流线电流。Lg1,Lg2分别为链路整流侧和逆变侧交流电网电感,Lg1=Lg2。E1,E2分别为链路整流侧和逆变侧的电网电压,w为电网频率,C1,C2为链路整流侧和逆变侧的直流电容,rDC为直流线路电阻,LDC为直流线路电感。其中Q1,ref,Q2,ref,P2,ref分别为链路整流侧的无功功率注入参考值、链路逆变侧的无功功率注入参考值以及链路逆变侧的有功功率注入参考值,注入功率为电源通过该节点向网络注入的功率,由电力系统供电侧提供。P2为链路逆变侧有功功率注入参考值。
交流侧dq参考系中有功、无功功率计算如下:
这使得换流器可以通过其相应的电流部分独立控制有功功率和无功功率。有功电流(ild)用于控制有功功率流或直流电压水平。同样,无功电流(ilq)用于控制无功电流流入硬电网或弱电网中的交流电压支持,其中l∈{1,2}。P1为链路整流侧有功功率。P2为链路逆变侧有功功率。Q1为链路整流侧无功功率。Q2为链路逆变侧无功功率。本发明实施例中上标d若无特殊说明表示d轴的参数,上标q若无特殊说明表示q轴的参数。下标ref若无特殊说明表示相应参数的参考值。
q电流被限制为-ilq,max≤ilq≤ilq,max (3)
d电流被限制为-ild,max≤ild≤ild,max (4)
定义Ω={x∈R6×6|xmin≤x≤xmax,xmin∈R6×6,xmax∈R6×6},为系统状态约束集合。
VSC-HVDC的频率特性公式为:
式中:f1(k+1)表示k+1时刻整流侧的频率。f1(k)表示k时刻整流侧的频率。f2(k+1)表示k+1时刻逆变侧的频率。f2(k)表示k时刻逆变侧的频率。Q0表示初始整流侧无功功率。P0表示初始逆变侧有功功率。为恒定阻抗有功功率比例;为恒定阻抗无功功率比例;为恒定电流有功功率比例;为恒定电流无功功率比例;为恒定功率有功功率比例;为恒定功率无功功率比例;LDP为频率变化1%引起的有功变化;LDQ为频率变化1%引起的无功变化;v0为初始电压。
其中g,h为非线性函数,x表示系统状态变量,u表示系统控制变量,y表示系统输出变量,并且
x=[i1d i1q i2d i2q vDC2 iDC]T
=[x1 x2 x3 x4 x5 x6]T
u=[υDC1ref Q1ref P2ref Q2ref]T=[u1 u2 u3 u4]T
y=[f1 f2]
为了得到MPC控制模型,在模型6(公式6所示)的基础上将VSC-HVDC线路中交流侧和变换器模型在当前工作点x0处线性化,得到组合线性化的系统,讨论系统在正常运行以及在风险事件发生时系统运行状态。基于MPC的全局网格控制器以恒定的采样时间Tmpc运行。在一个采样周期内,HVDC链路上u(t)(u(t)表示控制率)的设定点不变,从而获得离散时间等效模型为:
x(k+1)=Ax(k)+Bu(k) (7)
y(k)=[f1 f2]
为了得到风险规避控制的模型,将模型在不同风险事件下线性化,得到模型为:
x(k+1)=A(ik)x(k)+B(ik)u(k) (8)
y(k)=[f1 f2]
其中ik∈{1,2,3}为k时刻对应风险事件,模型中电容和电感随电网频率变化而产生波动,在不同风险事件(即不同频率)模型中电容C1,C2和电感Lg1,Lg2是不同的,因为电感是通直流阻交流,通低频阻高频,其阻抗XL=2πfL,L为电感,电容是通交流阻直流,通高频阻低频,其阻抗C为电容。通过历史数据确定其数值为C1i,C2i,Lg1i,Lg2i,i为风险事件。所以得到k时刻不同风险事件对应下的状态矩阵A和输入矩阵B。
在上述实施例的基础上,本发明实施例通过VSC-HVDC动态电力系统模型,提高了实用性。
进一步地,基于上述实施例,所述成本函数的表达式如下:
高压直流电网控制器的主要目标是在电力系统瞬变期间抑制交流网络中的电力振荡,即,使发电功率和用电负荷平衡,发电机频率与系统平均频率的偏差最小,当有n个发电机时,平均频率为:
其中fi(k)为k时刻第i个发电机频率的测量值,Hi为加权惯性常量。
本发明实施例将其频率的偏差作为风险发生的成本函数,表示为风险扰动过程中电网波动的幅度:
其中,V(k)表示k时刻的成本函数。
在上述实施例的基础上,本发明实施例通过给出基于发电机频率和发电机平均频率的偏差建立的风险发生的成本函数的具体表达式,为后续处理提供基础。
进一步地,基于上述实施例,所述系统风险度量指标的表达式如下:
其中,ρi[V;j]表示所述系统风险度量指标,V(i,j)表示j时刻风险事件i的成本函数,A(Pi)表示风险事件i发生概率组成的集合,γj表示j时刻风险事件发生的概率,N表示预测时域。
随机扰动发生后,整个电力系统的性能在很大程度上取决于交/直流系统的相互作用。当交流系统发生故障时,交流电压下降的速率、幅值以及相位的变化都会对直流系统的运行造成影响。直流系统将通过减小功率或者闭锁来消除这种扰动,直到交流电压恢复到足以使直流系统再起动并恢复功率传输。
在正常情况下,电网发电机输出功率Pg与用电负荷的注入功率Pload相等,电网频率在50Hz±0.2~0.5Hz的范围内稳定。由于以上风险源对城市电网的运行状态产生了未知的影响,引起了系统状态的变化,即为风险事件。本发明实施例中基于VSC-HVDC的城市电网风险事件为离散事件,包括:失机引起的电网频率高于频率波动上限、失负荷引起的电网频率的降低以及正常范围内的频率波动。因此定义风险事件为概率pi∈Rz表示风险事件发生的概率,z为风险事件的样本空间,z表示z中的风险事件的个数。z={风险事件1:Pg>Pload,Δwr>0,f>fref1,风险事件2:Pg<Pload,Δwr<0,f<fref2,风险事件3:Pg=Pload,Δwr=0,fref1≤f≤fref2},其中:Pg为发电机的输出功率,Pload为负荷注入功率,Δwr为发电机的转速偏移量,Δwr>0表示发电机转子的转速加快,Δwr<0表示发电机转子的转速减慢,f为电网频率,[fref1,fref2]分别为整流侧和逆变侧的电网频率标准值,一般为50Hz±0.2~0.5Hz;为整流侧电流(有功电流和无功电流)。
根据历史数据可知状态a出现的次数为Ma,由状态a经过h步转移到状态b的次数为Mab,则
对于电网风险事件造成的损失,定义随机变量V:N→R为从风险事件样本空间到损失的映射。可以得到随机变量V的期望为:
其中,Vi表示风险事件i的成本函数,pi表示风险事件i发生的概率。
城市电网的特点在于,小概率的风险事件会造成严重的后果。同时,电网的不同风险事件的连锁反应,所造成的后果也有所不同。因此,本发明实施例采用average Value atrisk(AVAR)指标进行电网风险测度,定义为:
其中ρ(V)表示电网风险测度指标,V∈Rn,p为风险事件发生概率组成的概率向量。是一个由风险事件发生概率p组成的集合,定义为γ为风险发生概率,α为置信度。获得电网风险测度指标可以看作所有电网风险事件在随机发生的情况下,所造成的最大损失(因为是随机变量,所以用期望来表达)。将电网风险测度指标引入公式10得到系统风险度量指标定义为:
对于所有随机变量V:Ω→R。其中Q为风险事件对(i,j)所构成的事件空间;j表示j时刻,i表示风险事件i。A(Pi)表示风险事件i发生概率组成的集合,γj表示j时刻风险事件发生的概率,V(i,j)表示j时刻风险事件i的成本函数。N表示预测时域。
在上述实施例的基础上,本发明实施例通过系统风险度量指标设置为所能造成的最大损失,并用成本函数和风险事件发生的概率进行表示,提高了系统风险度量的可靠性。
进一步地,基于上述实施例,所述风险测度预测控制性能指标的表达式如下:
J=w1E[Vj]+JN(V1,...,VN)
其中w1为比例系数,Vj表示j时刻的所述成本函数,E(Vj)表示j时刻的所述成本函数的期望,JN(V1……VN)表示预测时域内的风险度量,V1……VN分别表示1……N不同时刻的所述成本函数。
将公式13的风险测度利用一致性风险度量的性质转化为多阶段的风险度量,从而实现对风险在不同预测时域内的度量。预测时域内的风险度量为:
JN(V1,...,VN)=ρ0(V1+ρ1(V2+...+ρN-1(VN))...) (14)
则需要解决最优控制问题为:J(1)=JN(V1,...,VN)。
最后,将损失函数(成本函数)的期望引入风险性能指标,即可得到“性能期望-风险控制”的风险测度预测控制性能指标。该指标同时考虑了期望性能与风险,实现了两者之间的权衡。该指标定义为:
J=ω1E[Vj]+JN(V1,...,VN) (15)
其中w1为比例系数,Vj表示j时刻的成本函数,E(Vj)表示j时刻的成本函数的期望。
在上述实施例的基础上,本发明实施例通过将成本函数的期望引入系统风险度量指标,得到风险测度预测控制性能指标,实现了期望性能与风险之间的权衡。
进一步地,基于上述实施例,所述预测控制优化问题的限定条件包括:所述风险测度预测控制性能指标为最小、满足所述VSC-HVDC动态电力系统模型以及满足所述预设的约束条件;其中,所述预设的约束条件包括k时刻预测h时刻的控制手段满足固定反馈控制策略的集合,k+h时刻预测k+h+1时刻的系统状态满足系统状态约束集合,k时刻预测的第N时刻的系统状态,即系统预测控制后的最终状态属于离线搜索的最大椭圆集。
基于系统和上文定义的性能指标J,所需求解的预测控制优化问题为:
uk+h|k(xk+h|k)∈Φ,xk+h+1|k∈Ω,h∈{0,...,N-1} (16c)
xk+N|k∈εmax(W) (16d)
公式(16a)表示优化问题所采用的目标函数为系统频率偏移的风险最小,即公式(15)的取值最小。其中uk+h|k是在k时刻预测h时刻预测的控制手段,h=1,...,N为预测时间,N为预测步数。
公式(16b)表示满足系统的动态电力系统模型,表示系统在正常运行以及在风险事件发生时系统运行状态。其中xk+h+1|k是在k+h时刻预测k+h+1时刻的系统状态,为预测开始到h时刻的所有控制率之和。S.t.为满足条件(subject to)的缩写。
公式(16d)表示离线搜索的系统约束。其中xk+N|k为k时刻预测的第N时刻的系统状态,即系统预测控制后的最终状态。其中为离线搜索的最大椭圆集,即系统静态时系统状态在预测时域之内的可行区域的一系列椭圆集。
在上述实施例的基础上,本发明实施例通过给出系统的优化问题的多方面限制条件,提高了风险规避的可靠性。
进一步地,基于上述实施例,所述基于所述预测控制优化问题的限定条件,采用场景树和蒙特卡洛算法实时求解所述预测控制优化问题,得到系统控制变量用于系统的滚动优化闭环控制以实现风险规避,具体包括:利用蒙特卡洛模拟方法根据历史数据得到风险事件发生的概率以及相应的场景树;计算所述场景树上各个节点上的风险值,根据所述各个节点上的风险值得到所述预测时域内的风险度量,根据所述预测时域内的风险度量、所述成本函数的期望及所述比例系数获取所述风险测度预测控制性能指标;判断所述各个节点是否符合所述预测控制优化问题的限定条件,若是则保留,若否则去除;并计算保留的所述各个节点的所述系统控制变量;获取所述风险测度预测控制性能指标取值最小时的场景,并将所述场景的第一个节点的所述系统控制变量作为所述用于实现系统的滚动优化闭环控制的所述系统控制变量,以实现风险规避。
图3是本发明一实施例提供的城市电网风险规避预测控制方法中的场景树的示意图。如图3所示:
为了求解上述定义的优化问题,首先需要对性能指标中的概率密度进行预测。利用蒙特卡洛模拟方法进行场景采样获得初始场景集合。当产生概率密度为p(x)的样本,设q(x)是定义在相同区间的易产生样本的简单密度函数。满足p(x)≤Mq(x),M<∞;首先通过q(x)采样得到xi,然后产生满足U(0,1)分布的随机变量ui,当uMq(x(i))<p(x(i))接受xi否则舍弃xi。其中,xi表示风险事件i对应的系统状态变量,ui表示风险事件i对应的控制变量,q(x(i))表示在相同区间的易产生样本的简单密度函数,先假设一个常见概率密度函数,一般为正态分布,p(x(i))表示实际复杂的概率密度函数,从均匀分布(0,kq(z0))中采样得到一个值u。如果u落在了图4两条曲线中间的区域,则拒绝这次抽样,否则接受。由此,产生L组场景样本,生成矩阵D∈RL×K,L表示L组场景样本,k表示k个时刻,其任一行向量即代表系统风险的一个场景样本。然后依据缩减前后概率距离最小的原则对生成的初始场景集合进行缩减并进而转化为树形结构;最终得到的条件风险映射的场景树图形为如图3所示。
给定系统的当前测量状态和场景树,该风险规避的最优控制问题得以解决,该场景树描述了预测时域内系统状态的分布。
由于本发明实施例的成本为二次且约束为椭球体,为混合整数二次规划问题,可以利用yalmip工具进行求解。
在上述实施例的基础上,本发明实施例通过利用场景树和蒙特卡洛算法实时求解预测控制优化问题,实现了系统控制变量的自动化获取。
图4是本发明另一实施例提供的城市电网风险规避预测控制方法流程图。如图4所示,本发明实施例提供的方法主要包含三个步骤:基于VSC-HVDC的城市电网建模,风险测度,风险规避的预测控制。如图4所示,首先建立VSC-HVDC系统控制建模,给出系统稳定性能运行的成本函数;然后利用AVaR定义风险评估度量方法,与系统结合确定动态一致性风险度量,计算多阶段风险值作为性能指标;之后研究风险性能指标和“性能期望—风险控制”折衷的性能指标,并设计风险规避模型预测控制器。最后基于蒙特卡洛优化场景树方法求解最优控制问题。
图5是本发明一实施例提供的城市电网风险规避预测控制方法的原理示意图。如图5所示,针对风险事件对VSC-HVDC系统产生不确定性的扰动(例如,失机失负荷),通过模型预测控制的方法对其进行风险规避控制,使其风险值最小,首先对风险事件的风险值进行度量,定义多阶段的风险度量值引入随机预测模型,再结合系统模型以及约束条件,得到其成本函数,引入风险度量公式中并于系统性能加权,得到性能指标;然后解决这个多周期的优化问题,将得到的控制策略应用于VSC-HVDC系统中,其输出的系统状态反馈回模型预测控制器中,进行循环,最终控制VSC-HVDC系统在扰动后使其风险性能指标最优。
针对城市电网柔性直流输电随机混杂系统的复杂特性,以及风险量化、风险引入城市电网等问题,本发明实施例提出一种城市电网柔性直流输电随机混杂系统的风险度量和风险规避控制方法。
1、提出一种VSC-HVDC的动态电力系统模型,讨论系统在正常运行以及在风险事件发生时系统运行状态。
该线性模型表示为:
x(k+1)=A(ik)x(k)+B(ik)u(k)
y(k)=[f1 f2]
2、在电力系统瞬变期间抑制交流网络中的电力振荡,本发明实施例将其频率的偏差作为风险发生的成本函数,表示为风险扰动过程中电网波动的幅度。
3、对城市电网中的风险事件(电网失机、失负荷)所产生的风险进行量化,提出一种新的风险测度方法,以AVaR为风险测度,量化了风险中性(即期望)到最坏情况(即右尾)的风险值。
将电网风险测度指标引入随机混杂系统(公式10)得到马尔可夫风险度量定义为:
4、将所提出的风险测度方法引入预测控制问题的性能指标中。将损失函数的期望引入风险性能指标,即可得到“性能期望-风险控制”的风险测度预测控制性能指标。该指标同时考虑了期望性能与风险,实现了两者之间的权衡。该指标定义为:
J=ω1E[Vj]+JN(V1,...,VN)
5、在新的性能指标基础上,提出一种风险规避预测控制方法。基于马尔可夫随机混杂系统和上文定义的性能指标J,所需求解的预测控制优化问题为:
uk+h|k(xk+h|k)∈Φ,xk+h+1|k∈Ω,h∈{0,...,N-1} (16c)
xk+N|k∈εmax(W) (16d)
6、针对风险规避优化问题难以求解的问题,提出一种基于场景树和蒙特卡洛的求解方法,实现了优化问题的实时在线求解,从而实现系统的滚动优化闭环控制,最终实现城市电网随机混杂系统的风险规避。
综上,本发明实施例提出一种针对城市电网风险的风险度量方法,并将度量后的风险引入城市电网的闭环反馈控制系统中,进而提出一种风险规避的预测控制方法。该方法实现了一种对城市电网风险全生命周期的定量化闭环实时控制方法。
本发明实施例提供的城市电网风险规避预测控制方法,具有如下优点:
1、针对现有风险管理中风险评价与风险应对之间的模糊关系,提出了在控制论意义下的动态定量风险闭环控制方法。
2、利用AVaR的风险测度,提高右尾部分的风险重要度,避免“黑天鹅”事件的发生。
3、针对城市电网的风险扰动问题,现有的技术停留在提出一套静态、动态指标体系对系统进行风险评估,以系统自身变量作为性能指标实现可靠性控制,没有引入风险作为变量。本发明分析城市电网的运行特点,定义了城市电网运行的成本函数,引入多阶段的风险度量作为系统性能指标,系统以实现风险规避为目标决策控制率,实现系统在风险意义上的更高层控制。
4、利用多阶段风险度量与系统性能结合的性能指标,通过模型预测控制,对系统进行滚动优化,将风险与控制有效的结合起来,实现线性控制系统的风险规避。
5、利用蒙特卡洛和场景树的方法解决系统的不确定性和滚动优化的场景实施问题,使此方法可以在实际问题中可应用。
图6是本发明一实施例提供的城市电网风险规避预测控制装置的结构示意图。如图6所示,所述装置包括:模型建立模块10用于:建立VSC-HVDC动态电力系统模型,所述VSC-HVDC动态电力系统模型用于描述电力系统正常运行以及在风险事件发生时的系统运行状态;成本函数建立模块20用于:基于发电机频率和发电机平均频率的偏差建立风险发生的成本函数;系统风险度量指标获取模块30用于:基于所述成本函数,采用AVAR指标进行电网风险测度,得到系统风险度量指标;风险测度预测控制性能指标获取模块40用于:将所述成本函数的期望引入所述系统风险度量指标,得到风险测度预测控制性能指标;预测控制优化问题的限定条件获取模块50用于:基于所述VSC-HVDC动态电力系统模型、所述风险测度预测控制性能指标及预设的约束条件获取预测控制优化问题的限定条件;系统控制变量获取及控制模块60用于:基于所述预测控制优化问题的限定条件,采用场景树和蒙特卡洛算法实时求解所述预测控制优化问题,得到系统控制变量用于系统的滚动优化闭环控制以实现风险规避。
本发明实施例通过建立VSC-HVDC动态电力系统模型,所述VSC-HVDC动态电力系统模型用于描述电力系统正常运行以及在风险事件发生时的系统运行状态;基于发电机频率和发电机平均频率的偏差建立风险发生的成本函数;基于所述成本函数,采用AVAR指标进行电网风险测度,得到系统风险度量指标;将所述成本函数的期望引入所述系统风险度量指标,得到风险测度预测控制性能指标;基于所述VSC-HVDC动态电力系统模型、所述风险测度预测控制性能指标及预设的约束条件获取预测控制优化问题的限定条件;基于所述预测控制优化问题的限定条件,采用场景树和蒙特卡洛算法实时求解所述预测控制优化问题,得到系统控制变量用于系统的滚动优化闭环控制以实现风险规避,将城市电网的柔性直流输电风险度量后,引入到城市电网的闭环反馈控制,并形成完整的风险规避控制,实现了风险意义上的更高层控制。
本发明实施例提供的装置是用于上述方法的,具体功能可参照上述方法流程,此处不再赘述。
图7示例了一种电子设备的实体结构示意图,如图7所示,该电子设备可以包括:处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740,其中,处理器710,通信接口720,存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令,以执行城市电网风险规避预测控制方法,该方法包括:建立VSC-HVDC动态电力系统模型,所述VSC-HVDC动态电力系统模型用于描述电力系统正常运行以及在风险事件发生时的系统运行状态;基于发电机频率和发电机平均频率的偏差建立风险发生的成本函数;基于所述成本函数,采用AVAR指标进行电网风险测度,得到系统风险度量指标;将所述成本函数的期望引入所述系统风险度量指标,得到风险测度预测控制性能指标;基于所述VSC-HVDC动态电力系统模型、所述风险测度预测控制性能指标及预设的约束条件获取预测控制优化问题的限定条件;基于所述预测控制优化问题的限定条件,采用场景树和蒙特卡洛算法实时求解所述预测控制优化问题,得到系统控制变量用于系统的滚动优化闭环控制以实现风险规避。
此外,上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的城市电网风险规避预测控制方法,该方法包括:建立VSC-HVDC动态电力系统模型,所述VSC-HVDC动态电力系统模型用于描述电力系统正常运行以及在风险事件发生时的系统运行状态;基于发电机频率和发电机平均频率的偏差建立风险发生的成本函数;基于所述成本函数,采用AVAR指标进行电网风险测度,得到系统风险度量指标;将所述成本函数的期望引入所述系统风险度量指标,得到风险测度预测控制性能指标;基于所述VSC-HVDC动态电力系统模型、所述风险测度预测控制性能指标及预设的约束条件获取预测控制优化问题的限定条件;基于所述预测控制优化问题的限定条件,采用场景树和蒙特卡洛算法实时求解所述预测控制优化问题,得到系统控制变量用于系统的滚动优化闭环控制以实现风险规避。
又一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的城市电网风险规避预测控制方法,该方法包括:建立VSC-HVDC动态电力系统模型,所述VSC-HVDC动态电力系统模型用于描述电力系统正常运行以及在风险事件发生时的系统运行状态;基于发电机频率和发电机平均频率的偏差建立风险发生的成本函数;基于所述成本函数,采用AVAR指标进行电网风险测度,得到系统风险度量指标;将所述成本函数的期望引入所述系统风险度量指标,得到风险测度预测控制性能指标;基于所述VSC-HVDC动态电力系统模型、所述风险测度预测控制性能指标及预设的约束条件获取预测控制优化问题的限定条件;基于所述预测控制优化问题的限定条件,采用场景树和蒙特卡洛算法实时求解所述预测控制优化问题,得到系统控制变量用于系统的滚动优化闭环控制以实现风险规避。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种城市电网风险规避预测控制方法,其特征在于,包括:
建立VSC-HVDC动态电力系统模型,所述VSC-HVDC动态电力系统模型用于描述电力系统正常运行以及在风险事件发生时的系统运行状态;
基于发电机频率和发电机平均频率的偏差建立风险发生的成本函数;
基于所述成本函数,采用AVAR指标进行电网风险测度,得到系统风险度量指标;所述AVAR指标包括电网风险测度指标,表达式如下:
其中,ρ(V)表示所述电网风险测度指标,V表示从风险事件样本空间到损失的映射,γ表示风险发生概率,Eγ[V]表示在风险发生概率为γ的情况下所造成的损失的期望,A(p)表示由风险事件发生概率p组成的集合;
将所述成本函数的期望引入所述系统风险度量指标,得到风险测度预测控制性能指标;
基于所述VSC-HVDC动态电力系统模型、所述风险测度预测控制性能指标及预设的约束条件获取预测控制优化问题的限定条件;
基于所述预测控制优化问题的限定条件,采用场景树和蒙特卡洛算法实时求解所述预测控制优化问题,得到系统控制变量用于系统的滚动优化闭环控制以实现风险规避。
2.根据权利要求1所述的城市电网风险规避预测控制方法,其特征在于,所述VSC-HVDC动态电力系统模型表示为:
x(k+1)=A(ik)x(k)+B(ik)u(k)
y(k)=[f1 f2]
其中,x(k+1)表示k+1时刻的系统状态变量,x(k)表示k时刻的系统状态变量,A(ik)表示k时刻的风险事件下的状态矩阵,B(ik)表示k时刻的风险事件下的输入矩阵,u(k)表示k时刻的所述系统控制变量,y(k)表示k时刻的系统输出变量,f1,f2分别表示VSC-HVDC链路整流侧和逆变侧的频率。
3.根据权利要求2所述的城市电网风险规避预测控制方法,其特征在于,所述状态矩阵在任意时刻的风险事件下的表达式为:
所述输入矩阵在任意时刻的风险事件下的表达式为:
在任意时刻,所述系统状态变量、所述系统控制变量及所述系统输出变量的表达式为:
x=[i1d i1q i2d i2q vDC2 iDC]T
u=[vDC1ref Q1ref P2ref Q2ref]T
y=[f1 f2]
其中,i1d表示d轴上VSC-HVDC链路整流侧的电网电流,i1q表示q轴上VSC-HVDC链路整流侧的电网电流,i2d表示d轴上VSC-HVDC链路逆变侧的电网电流,i2q表示q轴上VSC-HVDC链路逆变侧的电网电流,VDC1、VDC2分别表示VSC-HVDC链路整流侧和逆变侧的直流电压,iDC表示直流线电流,VDC1ref表示VSC-HVDC链路整流侧的参考电压,Q1ref,Q2ref,P2ref分别为VSC-HVDC链路整流侧的无功功率注入参考值、链路逆变侧的无功功率注入参考值以及链路逆变侧的有功功率注入参考值,i1d0、i2d0、i1q0、i2q0分别表示x0时刻的i1d、i2d、i1q、i2q,VDC20表示x0时刻的VDC2,x0时刻为系统正常工作时设定的一个初始时刻,即线性化工作点,P2为链路逆变侧有功功率,rDC为直流线路电阻,LDC为直流线路电感,Lg1,Lg2分别为链路整流侧和逆变侧交流电网电感,Lg1=Lg2,C2为链路逆变侧的直流电容,TMPC表示每个阶段采样时间步长。
6.根据权利要求5所述的城市电网风险规避预测控制方法,其特征在于,所述风险测度预测控制性能指标的表达式如下:
J=ω1E[Vj]+JN(V1,...,VN)
其中ω1为比例系数,Vj表示j时刻的所述成本函数,E(Vj)表示j时刻的所述成本函数的期望,JN(V1……VN)表示预测时域内的风险度量,V1……VN分别表示1……N不同时刻的所述成本函数。
7.根据权利要求6所述的城市电网风险规避预测控制方法,其特征在于,所述预测控制优化问题的限定条件包括:
所述风险测度预测控制性能指标为最小、满足所述VSC-HVDC动态电力系统模型以及满足所述预设的约束条件;其中,所述预设的约束条件包括k时刻预测h时刻的控制手段满足固定反馈控制策略的集合,k+h时刻预测k+h+1时刻的系统状态满足系统状态约束集合,k时刻预测的第N时刻的系统状态,即系统预测控制后的最终状态属于离线搜索的最大椭圆集。
8.根据权利要求7所述的城市电网风险规避预测控制方法,其特征在于,所述基于所述预测控制优化问题的限定条件,采用场景树和蒙特卡洛算法实时求解所述预测控制优化问题,得到系统控制变量用于系统的滚动优化闭环控制以实现风险规避,具体包括:
利用蒙特卡洛模拟方法根据历史数据得到风险事件发生的概率以及相应的场景树;
计算所述场景树上各个节点上的风险值,根据所述各个节点上的风险值得到所述预测时域内的风险度量,根据所述预测时域内的风险度量、所述成本函数的期望及所述比例系数获取所述风险测度预测控制性能指标;
判断所述各个节点是否符合所述预测控制优化问题的限定条件,若是则保留,若否则去除;并计算保留的所述各个节点的所述系统控制变量;
获取所述风险测度预测控制性能指标取值最小时的场景,并将所述场景的第一个节点的所述系统控制变量作为所述用于实现系统的滚动优化闭环控制的所述系统控制变量,以实现风险规避。
9.一种城市电网风险规避预测控制装置,其特征在于,包括:
模型建立模块,用于:建立VSC-HVDC动态电力系统模型,所述VSC-HVDC动态电力系统模型用于描述电力系统正常运行以及在风险事件发生时的系统运行状态;
成本函数建立模块,用于:基于发电机频率和发电机平均频率的偏差建立风险发生的成本函数;
系统风险度量指标获取模块,用于:基于所述成本函数,采用AVAR指标进行电网风险测度,得到系统风险度量指标;所述AVAR指标包括电网风险测度指标,表达式如下:
其中,ρ(V)表示所述电网风险测度指标,V表示从风险事件样本空间到损失的映射,γ表示风险发生概率,Eγ[V]表示在风险发生概率为γ的情况下所造成的损失的期望,A(p)表示由风险事件发生概率p组成的集合;
风险测度预测控制性能指标获取模块,用于:将所述成本函数的期望引入所述系统风险度量指标,得到风险测度预测控制性能指标;
预测控制优化问题的限定条件获取模块,用于:基于所述VSC-HVDC动态电力系统模型、所述风险测度预测控制性能指标及预设的约束条件获取预测控制优化问题的限定条件;
系统控制变量获取及控制模块,用于:基于所述预测控制优化问题的限定条件,采用场景树和蒙特卡洛算法实时求解所述预测控制优化问题,得到系统控制变量用于系统的滚动优化闭环控制以实现风险规避。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述城市电网风险规避预测控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011270758.9A CN112510685B (zh) | 2020-11-13 | 2020-11-13 | 一种城市电网风险规避预测控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011270758.9A CN112510685B (zh) | 2020-11-13 | 2020-11-13 | 一种城市电网风险规避预测控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112510685A CN112510685A (zh) | 2021-03-16 |
CN112510685B true CN112510685B (zh) | 2021-07-27 |
Family
ID=74957559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011270758.9A Active CN112510685B (zh) | 2020-11-13 | 2020-11-13 | 一种城市电网风险规避预测控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112510685B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113609746B (zh) * | 2021-05-11 | 2023-04-28 | 四川大学 | 基于蒙特卡洛树搜索及强化学习算法的配电网规划方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708411A (zh) * | 2012-04-23 | 2012-10-03 | 中国电力科学研究院 | 一种地区电网在线风险评估方法 |
CN104318397A (zh) * | 2014-10-29 | 2015-01-28 | 国家电网公司 | 一种基于电网短期运行行为的风险评估及分析方法 |
CN105305420A (zh) * | 2015-10-12 | 2016-02-03 | 国网天津市电力公司 | 优质城市供电网电能质量价值量化方法 |
CN206850428U (zh) * | 2017-07-05 | 2018-01-05 | 国网湖北省电力公司随州供电公司 | 电网风险预测系统、处理系统以及管控系统 |
CN109638886A (zh) * | 2019-01-10 | 2019-04-16 | 国网江苏省电力有限公司宿迁供电分公司 | 一种基于CVaR的风电日前出力申报优化方法 |
-
2020
- 2020-11-13 CN CN202011270758.9A patent/CN112510685B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708411A (zh) * | 2012-04-23 | 2012-10-03 | 中国电力科学研究院 | 一种地区电网在线风险评估方法 |
CN104318397A (zh) * | 2014-10-29 | 2015-01-28 | 国家电网公司 | 一种基于电网短期运行行为的风险评估及分析方法 |
CN105305420A (zh) * | 2015-10-12 | 2016-02-03 | 国网天津市电力公司 | 优质城市供电网电能质量价值量化方法 |
CN206850428U (zh) * | 2017-07-05 | 2018-01-05 | 国网湖北省电力公司随州供电公司 | 电网风险预测系统、处理系统以及管控系统 |
CN109638886A (zh) * | 2019-01-10 | 2019-04-16 | 国网江苏省电力有限公司宿迁供电分公司 | 一种基于CVaR的风电日前出力申报优化方法 |
Non-Patent Citations (2)
Title |
---|
HVDC-based Fast Frequency Support;Jingya Huang;《13th IET International Conference on AC and DC Power Transmission (ACDC 2017)》;20170529;全文 * |
智能电网利益链风险元传递模型及其信息系统研究;马同涛;《华北电力大学博士学位论文》;20150601;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112510685A (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Data-driven control for interlinked AC/DC microgrids via model-free adaptive control and dual-droop control | |
Ruan et al. | Distributed voltage control in active distribution network considering renewable energy: A novel network partitioning method | |
Wang et al. | Emergency load shedding strategy for microgrids based on dueling deep Q-learning | |
Xia et al. | Distributed control method for economic dispatch in islanded microgrids with renewable energy sources | |
Huo et al. | Data-driven coordinated voltage control method of distribution networks with high DG penetration | |
CN112909937B (zh) | 一种轨道交通牵引供电系统的多模态数字孪生仿真方法和装置 | |
CN112383065A (zh) | 一种基于分布式mpc的配电网动态电压控制方法 | |
Xia et al. | A safe policy learning-based method for decentralized and economic frequency control in isolated networked-microgrid systems | |
CN113516278A (zh) | 有源配电网多时间尺度有功无功协调优化调度方法及系统 | |
Naidji et al. | Efficient allocation strategy of energy storage systems in power grids considering contingencies | |
Kang et al. | Distributed real-time power management of high-penetrated PV sources with voltage regulation over time-varying networks | |
Kang et al. | Distributed event-triggered optimal control method for heterogeneous energy storage systems in smart grid | |
Beus et al. | A model predictive control approach to operation optimization of an ultracapacitor bank for frequency control | |
Yadav et al. | Technical advances and stability analysis in wind-penetrated power generation systems—A review | |
Fagundes et al. | Management and equalization of energy storage devices for DC microgrids using a SoC-sharing function | |
Chao et al. | A comprehensive review on dynamic equivalent modeling of large photovoltaic power plants | |
CN112510685B (zh) | 一种城市电网风险规避预测控制方法及装置 | |
Di Fazio et al. | Decentralized voltage control of distributed generation using a distribution system structural MIMO model | |
Mc Namara et al. | Control strategies for automatic generation control over MTDC grids | |
CN110751328A (zh) | 基于联合加权熵的高比例可再生能源电网适应性规划方法 | |
Zhang et al. | Online estimation of inertia and frequency regulation capability based on small perturbation | |
CN115133540A (zh) | 一种配电网无模型的实时电压控制方法 | |
CN112434922B (zh) | 一种基于零和博弈的城市电网系统安全性控制方法及装置 | |
Huang et al. | Distributed Secondary Control With an Event-Triggered Consensus-Based Observer for Energy Storage Systems in Islanded DC Microgrids | |
Deng et al. | An improved additional control method for extending stable operating region of multi-terminal LVDC system |
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 |