CN113193590A - 一种基于边缘计算的群自适应并网智能管控的方法及系统 - Google Patents

一种基于边缘计算的群自适应并网智能管控的方法及系统 Download PDF

Info

Publication number
CN113193590A
CN113193590A CN202110422890.5A CN202110422890A CN113193590A CN 113193590 A CN113193590 A CN 113193590A CN 202110422890 A CN202110422890 A CN 202110422890A CN 113193590 A CN113193590 A CN 113193590A
Authority
CN
China
Prior art keywords
node
nodes
branch
voltage
optimization model
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.)
Pending
Application number
CN202110422890.5A
Other languages
English (en)
Inventor
屈小云
吴鸣
季宇
寇凌峰
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.)
China Online Shanghai Energy Internet Research Institute Co ltd
Original Assignee
China Online Shanghai Energy Internet Research Institute 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 China Online Shanghai Energy Internet Research Institute Co ltd filed Critical China Online Shanghai Energy Internet Research Institute Co ltd
Priority to CN202110422890.5A priority Critical patent/CN113193590A/zh
Publication of CN113193590A publication Critical patent/CN113193590A/zh
Pending legal-status Critical Current

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • 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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于边缘计算的群自适应并网智能管控的方法及系统，属于电力系统技术领域。本发明方法，包括：确定分布式发电集群的电压优化模型及分布式发电集群的支路潮流方程；对支路潮流方程求解，根据支路潮流方程的解对电压优化模型进行转化；对转化后的电压优化模型求解，根据电压优化模型的解，对群自适应并网进行智能管控。本发明可以实现电力物联网技术和分布式电源集群并网需求的有机结合，显著的提高了分布式电源的消纳及其参与电网调控运行的互动能力。

Description

一种基于边缘计算的群自适应并网智能管控的方法及系统
技术领域
本发明涉及电力系统技术领域，并且更具体地，涉及一种基于边缘计算的群自适应并网智能管控的方法及系统。
背景技术
分布式自律控制的特点在于分布式可控资源可以通过与邻近的其它可控资源相互通信，交换状态信息，并根据各自收集到的有限的信息进行迭代控制，最终达到全局的稳定，特别是在全分布式的控制方法下，系统不再需要集群中央控制器来进行集中的数据处理、计算和控制，分布式资源集合完全扮演了自我组织自我协调的角色，显著区别于传统电力系统中的控制模式。
分布式发电集群自治控制充分整合分散的分布式电源，使其呈现整体并网效果，并响应群间协同调控的指令，保证系统高效稳定运行。实际系统在运行过程中，可能由于故障等原因，造成分布式发电集群与电网主动或被动的解列，从而形成孤立运行的集群。
正常情况下，集群孤立运行时间短，但由于往往解列发生突然，缺少预先准备，因此如何保证集群孤立运行时能够正常供电而不发生崩溃，是重要的研究课题之一。
发明内容
针对上述问题，本发明提出了一种基于边缘计算的群自适应并网智能管控的方法，包括：
确定分布式发电集群的电压优化模型及分布式发电集群的支路潮流方程；
对支路潮流方程求解，根据支路潮流方程的解对电压优化模型进行转化；
对转化后的电压优化模型求解，根据电压优化模型的解，对群自适应并网进行智能管控。
可选的，所述电压优化模型及支路潮流方程，具体如下：
所述电压优化模型，如下：
Figure BDA0003024610320000021
Figure BDA0003024610320000022
V0＝1
其中，V为分布式发电集群中除根节点外各节点电压幅值构成的向量，μ为给定的理想电压分布向量，qg为分布式发电集群中各节点无功功率注入构成的向量，C为权重ci构成的对角阵，ci由各分布式电源无功调节成本决定，q j,
Figure BDA0003024610320000023
为节点j无功可调量的上下限，V0为根节点的电压幅值，
Figure BDA0003024610320000027
为分布式发电集群中节点j无功功率注入构成的向量；
所述权重ci是无功调节的权重，根据各分布式电源无功调节成本确定；
所述支路潮流方程，如下：
Figure BDA0003024610320000024
Figure BDA0003024610320000025
Figure BDA0003024610320000026
其中，Pij,Qij分别为流过支路ij的有功功率和无功功率，rij,xij分别为支路ij的电阻和电抗，Vi为节点i的电压幅值，pj,qj分别为节点i注入的有功功率和无功功率，Nj为节点j的所有下游节点构成的集合；Vj为节点j的电压幅值，k为节点j的某一下游节点。
可选的，对支路潮流方程求解，根据支路潮流方程的解对电压优化模型进行转化，具体为：
将支路潮流方程线性化，得到：
Figure BDA0003024610320000031
Figure BDA0003024610320000032
Vi-Vj＝rijPij+xijQij
将线性化的支路潮流方程转化成矩阵形式，如下：
-MP＝-p
-MQ＝-q
M0 T[V0VT]T＝m0+MTV＝DrP+DxQ
其中，M为除去0节点后的节点支路关联矩阵，M0为包括0节点的节点支路关联矩阵，m0为M0中对应0节点的所在行的转置，P,Q分别为由Pij,Qij构成的列向量，Dr,Dx分别为由各条支路电阻和电抗构成的对角矩阵，V为分布式发电集群中除根节点外各节点电压幅值构成的向量；
对所述矩阵形式的支路潮流方程求解，得到:
Figure BDA0003024610320000033
其中，R＝M-TDrM-1，X＝M-TDxM-1，qg为各节点无功出力，qc为各节点不可调节的无功注入，
Figure BDA0003024610320000034
其中M-T表示M的逆的转置；
定义
Figure BDA0003024610320000035
将电压优化模型转化为：
Figure BDA0003024610320000036
可选的，对转化后的电压优化模型使用分布式拟牛顿法求解，并根据电压优化模型的解，对群自适应并网进行智能管控，具体如下：
对转化后的电压优化模型进行迭代求解，且令迭代步数t＝1；
在第t步迭代时，对于分布式发电集群中的节点，计算目标函数梯度，计算公式如下：
Figure BDA0003024610320000041
其中，gi(t)为节点i在第t步迭代时的目标函数梯度，Xij为矩阵X中第i行第j列的元素，Vi(t)为节点i在第t步迭代时的电压幅值，μi为给定的理想电压分布向量中的第i个元素，
Figure BDA0003024610320000042
为节点i在第t步迭代时的无功出力，Xii为矩阵X中第i行第i列的元素，μj为给定的理想电压分布向量中的第j个元素；
将分布式发电集群所有节点与相邻的节点交换gi(t)的信息；
将所述所有节点执行如下计算：
Figure BDA0003024610320000043
其中，ni表示向量或矩阵中对应那些与节点i直接相连的节点j的元素构成的向量或矩阵，矩阵
Figure BDA0003024610320000044
为对角矩阵，对角元素为节点i相连节点个数的倒数；
将所述所有节点执行如下计算：
Figure BDA0003024610320000045
其中γ为小于1的正数；
将所述所有节点按下式计算海森矩阵的近似值：
Figure BDA0003024610320000046
其中，I为单位矩阵，Bi为海森矩阵的近似值；
将所述所有节点按下式计算拟牛顿方向：
Figure BDA0003024610320000047
其中，e为拟牛顿方向，Γ为小于1的正数
使相邻节点之间交换拟牛顿方向；
使所述所有节点按下式计算本地加权拟牛顿方向：
Figure BDA0003024610320000048
使所述所有节点按下式执行牛顿迭代：
Figure BDA0003024610320000049
其中，ε为小于1的正数；
使所述所有节点与相邻节点交换梯度和电压信息；
控制分布式电源的有功出力，判断迭代计算是否收敛，若对于所有节点i均有
Figure BDA0003024610320000051
则迭代收敛，电压控制结束，若否，则迭代未收敛，令t＝t+1，再次进行迭代计算。
本发明还提出了一种基于边缘计算的群自适应并网智能管控的系统，包括：
初始单元，确定分布式发电集群的电压优化模型及分布式发电集群的支路潮流方程；
计算单元，对支路潮流方程求解，根据支路潮流方程的解对电压优化模型进行转化；
管控单元，对转化后的电压优化模型求解，根据电压优化模型的解，对群自适应并网进行智能管控。
可选的，所述电压优化模型及支路潮流方程，具体如下：
所述电压优化模型，如下：
Figure BDA0003024610320000052
Figure BDA0003024610320000053
V0＝1
其中，V为分布式发电集群中除根节点外各节点电压幅值构成的向量，μ为给定的理想电压分布向量，qg为分布式发电集群中各节点无功功率注入构成的向量，C为权重ci构成的对角阵，ci由各分布式电源无功调节成本决定，q j,
Figure BDA0003024610320000054
为节点j无功可调量的上下限，V0为根节点的电压幅值，
Figure BDA0003024610320000056
为分布式发电集群中节点j无功功率注入构成的向量；
所述权重ci是无功调节的权重，根据各分布式电源无功调节成本确定；
所述支路潮流方程，如下：
Figure BDA0003024610320000055
Figure BDA0003024610320000061
Figure BDA0003024610320000062
其中，Pij,Qij分别为流过支路ij的有功功率和无功功率，rij,xij分别为支路ij的电阻和电抗，Vi为节点i的电压幅值，pj,qj分别为节点i注入的有功功率和无功功率，Nj为节点j的所有下游节点构成的集合；Vj为节点j的电压幅值，k为节点j的某一下游节点。
可选的，对支路潮流方程求解，根据支路潮流方程的解对电压优化模型进行转化，具体为：
将支路潮流方程线性化，得到：
Figure BDA0003024610320000063
Figure BDA0003024610320000064
Vi-Vj＝rijPij+xijQij
将线性化的支路潮流方程转化成矩阵形式，如下：
-MP＝-p
-MQ＝-q
M0 T[V0VT]T＝m0+MTV＝DrP+DxQ
其中，M为除去0节点后的节点支路关联矩阵，M0为包括0节点的节点支路关联矩阵，m0为M0中对应0节点的所在行的转置，P,Q分别为由Pij,Qij构成的列向量，Dr,Dx分别为由各条支路电阻和电抗构成的对角矩阵，V为分布式发电集群中除根节点外各节点电压幅值构成的向量；
对所述矩阵形式的支路潮流方程求解，得到:
Figure BDA0003024610320000065
其中，R＝M-TDrM-1，X＝M-TDxM-1，qg为各节点无功出力，qc为各节点不可调节的无功注入，
Figure BDA0003024610320000066
其中M-T表示M的逆的转置；
定义
Figure BDA0003024610320000067
将电压优化模型转化为：
Figure BDA0003024610320000071
可选的，对转化后的电压优化模型使用分布式拟牛顿法求解，并根据电压优化模型的解，对群自适应并网进行智能管控，具体如下：
对转化后的电压优化模型进行迭代求解，且令迭代步数t＝1；
在第t步迭代时，对于分布式发电集群中的节点，计算目标函数梯度，计算公式如下：
Figure BDA0003024610320000072
其中，gi(t)为节点i在第t步迭代时的目标函数梯度，Xij为矩阵X中第i行第j列的元素，Vi(t)为节点i在第t步迭代时的电压幅值，μi为给定的理想电压分布向量中的第i个元素，
Figure BDA0003024610320000073
为节点i在第t步迭代时的无功出力，Xii为矩阵X中第i行第i列的元素，μj为给定的理想电压分布向量中的第j个元素；
将分布式发电集群所有节点与相邻的节点交换gi(t)的信息；
将所述所有节点执行如下计算：
Figure BDA0003024610320000074
其中，ni表示向量或矩阵中对应那些与节点i直接相连的节点j的元素构成的向量或矩阵，矩阵
Figure BDA0003024610320000075
为对角矩阵，对角元素为节点i相连节点个数的倒数；
将所述所有节点执行如下计算：
Figure BDA0003024610320000076
其中γ为小于1的正数；
将所述所有节点按下式计算海森矩阵的近似值：
Figure BDA0003024610320000077
其中，I为单位矩阵，Bi为海森矩阵的近似值；
将所述所有节点按下式计算拟牛顿方向：
Figure BDA0003024610320000081
其中，e为拟牛顿方向，Γ为小于1的正数
使相邻节点之间交换拟牛顿方向；
使所述所有节点按下式计算本地加权拟牛顿方向：
Figure BDA0003024610320000082
使所述所有节点按下式执行牛顿迭代：
Figure BDA0003024610320000083
其中，ε为小于1的正数；
使所述所有节点与相邻节点交换梯度和电压信息；
控制分布式电源的有功出力，判断迭代计算是否收敛，若对于所有节点i均有
Figure BDA0003024610320000084
则迭代收敛，电压控制结束，若否，则迭代未收敛，令t＝t+1，再次进行迭代计算。
本发明可以实现电力物联网技术和分布式电源集群并网需求的有机结合，显著的提高了分布式电源的消纳及其参与电网调控运行的互动能力。
附图说明
图1为本发明方法的流程图；
图2为本发明方法实施例中边缘计算节点架构图；
图3为本发明方法实施例中分布式电源集群调控边缘计算平台示意图；
图4为本发明方法实施例中实际系统拓扑图；
图5为本发明方法实施例中并网点电压对比曲线图；
图6为本发明系统的结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
本发明提出了一种基于边缘计算的群自适应并网智能管控的方法，如图1所示，包括：
确定分布式发电集群的电压优化模型及分布式发电集群的支路潮流方程；
对支路潮流方程求解，根据支路潮流方程的解对电压优化模型进行转化；
对转化后的电压优化模型求解，根据电压优化模型的解，对群自适应并网进行智能管控。
其中，所述电压优化模型及支路潮流方程，具体如下：
所述电压优化模型，如下：
Figure BDA0003024610320000091
Figure BDA0003024610320000092
V0＝1
其中，V为分布式发电集群中除根节点外各节点电压幅值构成的向量，μ为给定的理想电压分布向量，qg为分布式发电集群中各节点无功功率注入构成的向量，C为权重ci构成的对角阵，ci由各分布式电源无功调节成本决定，q j,
Figure BDA0003024610320000093
为节点j无功可调量的上下限，V0为根节点的电压幅值，
Figure BDA0003024610320000094
为分布式发电集群中节点j无功功率注入构成的向量；
所述权重ci是无功调节的权重，根据各分布式电源无功调节成本确定；
所述支路潮流方程，如下：
Figure BDA0003024610320000101
Figure BDA0003024610320000102
Figure BDA0003024610320000103
其中，Pij,Qij分别为流过支路ij的有功功率和无功功率，rij,xij分别为支路ij的电阻和电抗，Vi为节点i的电压幅值，pj,qj分别为节点i注入的有功功率和无功功率，Nj为节点j的所有下游节点构成的集合；Vj为节点j的电压幅值，k为节点j的某一下游节点。
其中，对支路潮流方程求解，根据支路潮流方程的解对电压优化模型进行转化，具体为：
将支路潮流方程线性化，得到：
Figure BDA0003024610320000104
Figure BDA0003024610320000105
Vi-Vj＝rijPij+xijQij
将线性化的支路潮流方程转化成矩阵形式，如下：
-MP＝-p
-MQ＝-q
M0 T[V0VT]T＝m0+MTV＝DrP+DxQ
其中，M为除去0节点后的节点支路关联矩阵，M0为包括0节点的节点支路关联矩阵，m0为M0中对应0节点的所在行的转置，P,Q分别为由Pij,Qij构成的列向量，Dr,Dx分别为由各条支路电阻和电抗构成的对角矩阵，V为分布式发电集群中除根节点外各节点电压幅值构成的向量；
对所述矩阵形式的支路潮流方程求解，得到:
Figure BDA0003024610320000106
其中，R＝M-TDrM-1，X＝M-TDxM-1，qg为各节点无功出力，qc为各节点不可调节的无功注入，
Figure BDA0003024610320000107
其中M-T表示M的逆的转置；
定义
Figure BDA0003024610320000111
将电压优化模型转化为：
Figure BDA0003024610320000112
其中，对转化后的电压优化模型使用分布式拟牛顿法求解，并根据电压优化模型的解，对群自适应并网进行智能管控，具体如下：
对转化后的电压优化模型进行迭代求解，且令迭代步数t＝1；
在第t步迭代时，对于分布式发电集群中的节点，计算目标函数梯度，计算公式如下：
Figure BDA0003024610320000113
其中，gi(t)为节点i在第t步迭代时的目标函数梯度，Xij为矩阵X中第i行第j列的元素，Vi(t)为节点i在第t步迭代时的电压幅值，μi为给定的理想电压分布向量中的第i个元素，
Figure BDA0003024610320000114
为节点i在第t步迭代时的无功出力，Xii为矩阵X中第i行第i列的元素，μj为给定的理想电压分布向量中的第j个元素；
将分布式发电集群所有节点与相邻的节点交换gi(t)的信息；
将所述所有节点执行如下计算：
Figure BDA0003024610320000115
其中，ni表示向量或矩阵中对应那些与节点i直接相连的节点j的元素构成的向量或矩阵，矩阵
Figure BDA0003024610320000116
为对角矩阵，对角元素为节点i相连节点个数的倒数；
将所述所有节点执行如下计算：
Figure BDA0003024610320000117
其中γ为小于1的正数；
将所述所有节点按下式计算海森矩阵的近似值：
Figure BDA0003024610320000118
其中，I为单位矩阵，Bi为海森矩阵的近似值；
将所述所有节点按下式计算拟牛顿方向：
Figure BDA0003024610320000121
其中，e为拟牛顿方向，Γ为小于1的正数
使相邻节点之间交换拟牛顿方向；
使所述所有节点按下式计算本地加权拟牛顿方向：
Figure BDA0003024610320000122
使所述所有节点按下式执行牛顿迭代：
Figure BDA0003024610320000123
其中，ε为小于1的正数；
使所述所有节点与相邻节点交换梯度和电压信息；
控制分布式电源的有功出力，判断迭代计算是否收敛，若对于所有节点i均有
Figure BDA0003024610320000124
则迭代收敛，电压控制结束，若否，则迭代未收敛，令t＝t+1，再次进行迭代计算。
下面结合实施例对本发明进行进一步的说明：
下面首先对边缘计算进行说明：
分布式电源集群调控体系中的“边”层相对于调控云平台更靠近数据源头，是一种分布式的智能计算平台，具有就地提供智能决策等服务的功能。针对大量分布式电源接入电网带来的运行管理问题，边缘计算可以利用它物理上临近的优势，将数据感知与预处理、集群内部优化计算等功能在本地进行处理而无需交由调控云平台，从而提升处理效率、减轻云端数据处理和通讯的压力、以及保护不同用户的隐私和安全，并实现集群内部分布式电源的自治运行。
将边缘计算节点设计分为基础设施即服务、软件即服务、平台即服务三层架构，边缘侧管理和安全贯穿始终，边缘计算节点标准架构如图2所示。
边缘计算可按照EC-SaaS(edge computing software as a service，基于边缘计算的软件服务)、EC-PaaS(edge computing platform as a service，基于边缘计算的平台服务)、EC-IaaS(edge computing infrastructure as a service，基于边缘计算的基础设施服务)这样的三层架构进行部署。其中，EC-IaaS是智能终端接入边缘计算的一层，其通过将分布式电源集群并网的多样化终端资源虚拟化，为边缘计算的高级应用提供处理和适配基础，EC-PaaS层基于EC-IaaS的环境提供数据、算法、App管理等服务，为上层高级应用的开发提供通用的服务支持，EC-SaaS层是边缘计算的微应用服务层，分布式电源集群根据自身需求和参与电网调控的角色开发相关的应用实现相关服务功能，分布式电源集群与上级调控云平台的交互也依赖集群中主导单元的EC-SaaS层功能。分布式电源集群调控边缘计算平台结构示意图如图3所示。
分布式电源(风电、光伏)量大分散、波动性强、投退频繁、容易脱网的特性，使得集群在系统轻载时容易发生潮流逆流，导致节点过电压，并可能由于出力的波动造成电压波动等问题。传统调压方式如电力电容器、调压变压器等，由于响应过慢，无法解决分布式电源接入带来的调压问题。
通过控制并网逆变器的有功输出与无功输出，可以使分布式发电集群参与到配电网的潮流优化中，集群通过对接有分布式电源节点的无功进行调节，可以充分利用分布式发电的调压潜力，为系统提供新的电压调节手段。
目前大部分的分布式电源电压控制策略均需要调控中心进行全局控制，这意味着每个节点的功率、电压、电流等信息均需要传递到调控中心。由于分布式发电集群的发电节点数量众多，地理分布较远，集中式控制需要建设复杂的通信网络，且严重依赖于集中控制器。一方面，若光伏发电系统集中控制器发生故障，整个系统的调压将无法工作，因此可靠性很低。另一方面由于传输信息量很大，导致很长的通信延时，集中模型的维护和优化计算也将耗费大量的时间，控制速度很难达到要求。
基于分布式拟牛顿法对户用分布式电源(光伏、风电)进行无功控制，从而使得集群各节点的电压分布最接近预设值，从而保证系统安全运行，降低网络损耗。
(1)根据如图4所示的系统图谱，确定分布式发电集群电压优化模型和支路潮流方程；
分布式发电集群的电压优化模型可表达为下式：
Figure BDA0003024610320000141
其中，V为集群中除根节点外各节点电压幅值构成的向量，μ为给定的理想电压分布向量，可取为全部由1构成的向量，qg为各节点无功功率注入构成的向量，C为权重ci构成的对角阵，ci由各分布式电源无功调节成本决定，q i,
Figure BDA0003024610320000142
为节点i无功可调量的上下限，V0为根节点(0号节点)电压幅值。
分布式发电集群的支路潮流方程如下：
Figure BDA0003024610320000143
Figure BDA0003024610320000144
Figure BDA0003024610320000145
其中，Pij,Qij分别为流过支路ij的有功功率和无功功率，功率rij,xij分别为支路ij的电阻和电抗，Vi为节点i的电压幅值，pi,qi分别为节点i注入的有功功率和无功功率，Ni为节点i的所有下游节点构成的集合，节点i的下游节点，指与节点i由一条支路直接相连并远离根节点的那些节点。
将上述支路潮流方程线性化，忽略二次项，并近似认为Vi+Vj≈1，得到：
Figure BDA0003024610320000146
Figure BDA0003024610320000147
Vi-Vj＝rijPij+xijQij (7)
将线性化的支路潮流方程转化成矩阵形式，如下：
-MP＝-p (8)
-MQ＝-q (9)
M0 T[V0VT]T＝m0+MTV＝DrP+DxQ (10)
其中，M为除去0节点后的节点-支路关联矩阵，M0为包括0节点的节点-支路关联矩阵，m0为M0中对应0节点的那一行的转置，P,Q分别为由Pij,Qij构成的列向量，Dr,Dx分别为为由各条支路电阻和电抗构成的对角矩阵；
求解上述的支路潮流方程，得到如下：
Figure BDA0003024610320000151
其中，R＝M-TDrM-1，X＝M-TDxM-1，qg为各节点无功出力，qc为各节点不可调节的无功注入，
Figure BDA0003024610320000152
其中M-T表示M的逆的转置。
定义
Figure BDA0003024610320000153
将优化模型转化为，如下：
Figure BDA0003024610320000154
(2)利用分布式拟牛顿法对电压优化模型进行求解；
1)令迭代步数t＝1；
2)在第t步迭代时，对于所有的节点，计算目标函数梯度，例如对节点i，计算公式如下：
Figure BDA0003024610320000155
其中，gi(t)为节点i在第t步迭代时的目标函数梯度，Xij为矩阵X中第i行第j列的元素，Vi(t)为节点i在第t步迭代时的电压幅值，μi为给定的理想电压分布向量中的第i个元素，
Figure BDA0003024610320000156
为节点i在第t步迭代时的无功出力；
3)所有节点与相邻的节点交换gi(t)的信息，即节点i获取相邻节点j的gj(t)，并将本地的gi(t)发送给节点j；
4)所有节点执行如下计算：
Figure BDA0003024610320000157
其中下角标ni表示向量或矩阵中对应那些与节点i直接相连的节点j的元素构成的向量或矩阵，矩阵
Figure BDA0003024610320000161
为对角矩阵，对角元素为节点i相连节点个数的倒数；
5)所有节点执行如下计算：
Figure BDA0003024610320000162
其中，γ为很小的正数；
6)所有节点按下式计算海森矩阵的近似值：
Figure BDA0003024610320000163
其中，I为单位矩阵；
7)所有节点按下式计算拟牛顿方向：
Figure BDA0003024610320000164
其中，Γ为很小的正数；
8)相邻节点之间交换拟牛顿方向，例如对于节点i，从节点j获取
Figure BDA0003024610320000165
并向节点j发送
Figure BDA0003024610320000166
9)所有节点按下式计算本地加权拟牛顿方向：
Figure BDA0003024610320000167
10)所有节点按下式执行牛顿迭代：
Figure BDA0003024610320000168
其中，ε为很小的正数；
11)所有节点与相邻节点交换梯度和电压信息，例如对于节点i，将
Figure BDA0003024610320000169
和Vi(t+1)信息发送给所有相邻节点j；
12)控制分布式电源的有功出力，判断上述迭代是否收敛，若对于所有节点i，均有
Figure BDA00030246103200001610
若是，则迭代收敛，电压控制结束，若否，则迭代尚未收敛，令t＝t+1，返回步骤2)。
使用本发明得到的并网点电压对比曲线图如图5所示；
本发明还提出了一种基于边缘计算的群自适应并网智能管控的系统200，如图6所示，包括：
初始单元201，确定分布式发电集群的电压优化模型及分布式发电集群的支路潮流方程；
计算单元202，对支路潮流方程求解，根据支路潮流方程的解对电压优化模型进行转化；
管控单元203，对转化后的电压优化模型求解，根据电压优化模型的解，对群自适应并网进行智能管控。
其中，所述电压优化模型及支路潮流方程，具体如下：
所述电压优化模型，如下：
Figure BDA0003024610320000171
Figure BDA0003024610320000172
V0＝1
其中，V为分布式发电集群中除根节点外各节点电压幅值构成的向量，μ为给定的理想电压分布向量，qg为分布式发电集群中各节点无功功率注入构成的向量，C为权重ci构成的对角阵，ci由各分布式电源无功调节成本决定，q j,
Figure BDA0003024610320000173
为节点j无功可调量的上下限，V0为根节点的电压幅值，
Figure BDA0003024610320000174
为分布式发电集群中节点j无功功率注入构成的向量；
所述权重ci是无功调节的权重，根据各分布式电源无功调节成本确定；
所述支路潮流方程，如下：
Figure BDA0003024610320000175
Figure BDA0003024610320000176
Figure BDA0003024610320000177
其中，Pij,Qij分别为流过支路ij的有功功率和无功功率，rij,xij分别为支路ij的电阻和电抗，Vi为节点i的电压幅值，pj,qj分别为节点i注入的有功功率和无功功率，Nj为节点j的所有下游节点构成的集合；Vj为节点j的电压幅值，k为节点j的某一下游节点。
其中，对支路潮流方程求解，根据支路潮流方程的解对电压优化模型进行转化，具体为：
将支路潮流方程线性化，得到：
Figure BDA0003024610320000181
Figure BDA0003024610320000182
Vi-Vj＝rijPij+xijQij
将线性化的支路潮流方程转化成矩阵形式，如下：
-MP＝-p
-MQ＝-q
M0 T[V0VT]T＝m0+MTV＝DrP+DxQ
其中，M为除去0节点后的节点支路关联矩阵，M0为包括0节点的节点支路关联矩阵，m0为M0中对应0节点的所在行的转置，P,Q分别为由Pij,Qij构成的列向量，Dr,Dx分别为由各条支路电阻和电抗构成的对角矩阵，V为分布式发电集群中除根节点外各节点电压幅值构成的向量；
对所述矩阵形式的支路潮流方程求解，得到:
Figure BDA0003024610320000183
其中，R＝M-TDrM-1，X＝M-TDxM-1，qg为各节点无功出力，qc为各节点不可调节的无功注入，
Figure BDA0003024610320000184
其中M-T表示M的逆的转置；
定义
Figure BDA0003024610320000185
将电压优化模型转化为：
Figure BDA0003024610320000186
其中，对转化后的电压优化模型使用分布式拟牛顿法求解，并根据电压优化模型的解，对群自适应并网进行智能管控，具体如下：
对转化后的电压优化模型进行迭代求解，且令迭代步数t＝1；
在第t步迭代时，对于分布式发电集群中的节点，计算目标函数梯度，计算公式如下：
Figure BDA0003024610320000187
其中，gi(t)为节点i在第t步迭代时的目标函数梯度，Xij为矩阵X中第i行第j列的元素，Vi(t)为节点i在第t步迭代时的电压幅值，μi为给定的理想电压分布向量中的第i个元素，
Figure BDA0003024610320000191
为节点i在第t步迭代时的无功出力，Xii为矩阵X中第i行第i列的元素，μj为给定的理想电压分布向量中的第j个元素；
将分布式发电集群所有节点与相邻的节点交换gi(t)的信息；
将所述所有节点执行如下计算：
Figure BDA0003024610320000192
其中，ni表示向量或矩阵中对应那些与节点i直接相连的节点j的元素构成的向量或矩阵，矩阵
Figure BDA0003024610320000193
为对角矩阵，对角元素为节点i相连节点个数的倒数；
将所述所有节点执行如下计算：
Figure BDA0003024610320000194
其中γ为小于1的正数；
将所述所有节点按下式计算海森矩阵的近似值：
Figure BDA0003024610320000195
其中，I为单位矩阵，Bi为海森矩阵的近似值；
将所述所有节点按下式计算拟牛顿方向：
Figure BDA0003024610320000196
其中，e为拟牛顿方向，Γ为小于1的正数
使相邻节点之间交换拟牛顿方向；
使所述所有节点按下式计算本地加权拟牛顿方向：
Figure BDA0003024610320000197
使所述所有节点按下式执行牛顿迭代：
Figure BDA0003024610320000198
其中，ε为小于1的正数；
使所述所有节点与相邻节点交换梯度和电压信息；
控制分布式电源的有功出力，判断迭代计算是否收敛，若对于所有节点i均有
Figure BDA0003024610320000201
则迭代收敛，电压控制结束，若否，则迭代未收敛，令t＝t+1，再次进行迭代计算。
本发明可以实现电力物联网技术和分布式电源集群并网需求的有机结合，显著的提高了分布式电源的消纳及其参与电网调控运行的互动能力。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本发明实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种基于边缘计算的群自适应并网智能管控的方法，所述方法包括：
确定分布式发电集群的电压优化模型及分布式发电集群的支路潮流方程；
对支路潮流方程求解，根据支路潮流方程的解对电压优化模型进行转化；
对转化后的电压优化模型求解，根据电压优化模型的解，对群自适应并网进行智能管控。
2.根据权利要求1所述的方法，所述电压优化模型及支路潮流方程，具体如下：
所述电压优化模型，如下：
Figure FDA0003024610310000011
其中，V为分布式发电集群中除根节点外各节点电压幅值构成的向量，μ为给定的理想电压分布向量，qg为分布式发电集群中各节点无功功率注入构成的向量，C为权重ci构成的对角阵，ci由各分布式电源无功调节成本决定，q j,
Figure FDA0003024610310000012
为节点j无功可调量的上下限，V0为根节点的电压幅值，
Figure FDA0003024610310000016
为分布式发电集群中节点j无功功率注入构成的向量；
所述权重ci是无功调节的权重，根据各分布式电源无功调节成本确定；
所述支路潮流方程，如下：
Figure FDA0003024610310000013
Figure FDA0003024610310000014
Figure FDA0003024610310000015
其中，Pij,Qij分别为流过支路ij的有功功率和无功功率，rij,xij分别为支路ij的电阻和电抗，Vi为节点i的电压幅值，pj,qj分别为节点i注入的有功功率和无功功率，Nj为节点j的所有下游节点构成的集合；Vj为节点j的电压幅值，k为节点j的某一下游节点。
3.根据权利要求1所述的方法，所述对支路潮流方程求解，根据支路潮流方程的解对电压优化模型进行转化，具体为：
将支路潮流方程线性化，得到：
Figure FDA0003024610310000021
Figure FDA0003024610310000022
Vi-Vj＝rijPij+xijQij (7)
将线性化的支路潮流方程转化成矩阵形式，如下：
-MP＝-p (8)
-MQ＝-q (9)
M0 T[V0VT]T＝m0+MTV＝DrP+DxQ (10)
其中，M为除去0节点后的节点支路关联矩阵，M0为包括0节点的节点支路关联矩阵，m0为M0中对应0节点的所在行的转置，P,Q分别为由Pij,Qij构成的列向量，Dr,Dx分别为由各条支路电阻和电抗构成的对角矩阵，V为分布式发电集群中除根节点外各节点电压幅值构成的向量；
对所述矩阵形式的支路潮流方程求解，得到:
Figure FDA0003024610310000023
其中，R＝M-TDrM-1，X＝M-TDxM-1，qg为各节点无功出力，qc为各节点不可调节的无功注入，
Figure FDA0003024610310000024
其中M-T表示M的逆的转置；
定义
Figure FDA0003024610310000025
将电压优化模型转化为：
Figure FDA0003024610310000026
4.根据权利要求1所述的方法，所述对转化后的电压优化模型使用分布式拟牛顿法求解，并根据电压优化模型的解，对群自适应并网进行智能管控，具体如下：
对转化后的电压优化模型进行迭代求解，且令迭代步数t＝1；
在第t步迭代时，对于分布式发电集群中的节点，计算目标函数梯度，计算公式如下：
Figure FDA0003024610310000031
其中，gi(t)为节点i在第t步迭代时的目标函数梯度，Xij为矩阵X中第i行第j列的元素，Vi(t)为节点i在第t步迭代时的电压幅值，μi为给定的理想电压分布向量中的第i个元素，
Figure FDA0003024610310000032
为节点i在第t步迭代时的无功出力，Xii为矩阵X中第i行第i列的元素，μj为给定的理想电压分布向量中的第j个元素；
将分布式发电集群所有节点与相邻的节点交换gi(t)的信息；
将所述所有节点执行如下计算：
Figure FDA0003024610310000033
其中，ni表示向量或矩阵中对应那些与节点i直接相连的节点j的元素构成的向量或矩阵，矩阵
Figure FDA0003024610310000034
为对角矩阵，对角元素为节点i相连节点个数的倒数；
将所述所有节点执行如下计算：
Figure FDA0003024610310000035
其中γ为小于1的正数；
将所述所有节点按下式计算海森矩阵的近似值：
Figure FDA0003024610310000036
其中，I为单位矩阵，Bi为海森矩阵的近似值；
将所述所有节点按下式计算拟牛顿方向：
Figure FDA0003024610310000037
其中，e为拟牛顿方向，Γ为小于1的正数
使相邻节点之间交换拟牛顿方向；
使所述所有节点按下式计算本地加权拟牛顿方向：
Figure FDA0003024610310000041
使所述所有节点按下式执行牛顿迭代：
Figure FDA0003024610310000042
其中，ε为小于1的正数；
使所述所有节点与相邻节点交换梯度和电压信息；
控制分布式电源的有功出力，判断迭代计算是否收敛，若对于所有节点i均有
Figure FDA0003024610310000043
则迭代收敛，电压控制结束，若否，则迭代未收敛，令t＝t+1，再次进行迭代计算。
5.一种基于边缘计算的群自适应并网智能管控的系统，所述系统包括：
初始单元，确定分布式发电集群的电压优化模型及分布式发电集群的支路潮流方程；
计算单元，对支路潮流方程求解，根据支路潮流方程的解对电压优化模型进行转化；
管控单元，对转化后的电压优化模型求解，根据电压优化模型的解，对群自适应并网进行智能管控。
6.根据权利要求5所述的系统，所述电压优化模型及支路潮流方程，具体如下：
所述电压优化模型，如下：
Figure FDA0003024610310000044
Figure FDA0003024610310000045
V0＝1
其中，V为分布式发电集群中除根节点外各节点电压幅值构成的向量，μ为给定的理想电压分布向量，qg为分布式发电集群中各节点无功功率注入构成的向量，C为权重ci构成的对角阵，ci由各分布式电源无功调节成本决定，q j,
Figure FDA0003024610310000051
为节点j无功可调量的上下限，V0为根节点的电压幅值，
Figure FDA0003024610310000052
为分布式发电集群中节点j无功功率注入构成的向量；
所述权重ci是无功调节的权重，根据各分布式电源无功调节成本确定；
所述支路潮流方程，如下：
Figure FDA0003024610310000053
Figure FDA0003024610310000054
Figure FDA0003024610310000055
其中，Pij,Qij分别为流过支路ij的有功功率和无功功率，rij,xij分别为支路ij的电阻和电抗，Vi为节点i的电压幅值，pj,qj分别为节点i注入的有功功率和无功功率，Nj为节点j的所有下游节点构成的集合；Vj为节点j的电压幅值，k为节点j的某一下游节点。
7.根据权利要求5所述的系统，所述对支路潮流方程求解，根据支路潮流方程的解对电压优化模型进行转化，具体为：
将支路潮流方程线性化，得到：
Figure FDA0003024610310000056
Figure FDA0003024610310000057
Vi-Vj＝rijPij+xijQij
将线性化的支路潮流方程转化成矩阵形式，如下：
-MP＝-p
-MQ＝-q
M0 T[V0VT]T＝m0+MTV＝DrP+DxQ
其中，M为除去0节点后的节点支路关联矩阵，M0为包括0节点的节点支路关联矩阵，m0为M0中对应0节点的所在行的转置，P,Q分别为由Pij,Qij构成的列向量，Dr,Dx分别为由各条支路电阻和电抗构成的对角矩阵，V为分布式发电集群中除根节点外各节点电压幅值构成的向量；
对所述矩阵形式的支路潮流方程求解，得到:
Figure FDA0003024610310000061
其中，R＝M-TDrM-1，X＝M-TDxM-1，qg为各节点无功出力，qc为各节点不可调节的无功注入，
Figure FDA0003024610310000062
其中M-T表示M的逆的转置；
定义
Figure FDA0003024610310000063
将电压优化模型转化为：
Figure FDA0003024610310000064
8.根据权利要求5所述的系统，所述对转化后的电压优化模型使用分布式拟牛顿法求解，并根据电压优化模型的解，对群自适应并网进行智能管控，具体如下：
对转化后的电压优化模型进行迭代求解，且令迭代步数t＝1；
在第t步迭代时，对于分布式发电集群中的节点，计算目标函数梯度，计算公式如下：
Figure FDA0003024610310000065
其中，gi(t)为节点i在第t步迭代时的目标函数梯度，Xij为矩阵X中第i行第j列的元素，Vi(t)为节点i在第t步迭代时的电压幅值，μi为给定的理想电压分布向量中的第i个元素，
Figure FDA0003024610310000066
为节点i在第t步迭代时的无功出力，Xii为矩阵X中第i行第i列的元素，μj为给定的理想电压分布向量中的第j个元素；
将分布式发电集群所有节点与相邻的节点交换gi(t)的信息；
将所述所有节点执行如下计算：
Figure FDA0003024610310000067
其中，ni表示向量或矩阵中对应那些与节点i直接相连的节点j的元素构成的向量或矩阵，矩阵
Figure FDA0003024610310000068
为对角矩阵，对角元素为节点i相连节点个数的倒数；
将所述所有节点执行如下计算：
Figure FDA0003024610310000069
其中γ为小于1的正数；
将所述所有节点按下式计算海森矩阵的近似值：
Figure FDA0003024610310000071
其中，I为单位矩阵，Bi为海森矩阵的近似值；
将所述所有节点按下式计算拟牛顿方向：
Figure FDA0003024610310000072
其中，e为拟牛顿方向，Γ为小于1的正数
使相邻节点之间交换拟牛顿方向；
使所述所有节点按下式计算本地加权拟牛顿方向：
Figure FDA0003024610310000073
使所述所有节点按下式执行牛顿迭代：
Figure FDA0003024610310000074
其中，ε为小于1的正数；
使所述所有节点与相邻节点交换梯度和电压信息；
控制分布式电源的有功出力，判断迭代计算是否收敛，若对于所有节点i均有
Figure FDA0003024610310000075
则迭代收敛，电压控制结束，若否，则迭代未收敛，令t＝t+1，再次进行迭代计算。
CN202110422890.5A 2021-04-16 2021-04-16 一种基于边缘计算的群自适应并网智能管控的方法及系统 Pending CN113193590A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110422890.5A CN113193590A (zh) 2021-04-16 2021-04-16 一种基于边缘计算的群自适应并网智能管控的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110422890.5A CN113193590A (zh) 2021-04-16 2021-04-16 一种基于边缘计算的群自适应并网智能管控的方法及系统

Publications (1)

Publication Number Publication Date
CN113193590A true CN113193590A (zh) 2021-07-30

Family

ID=76977529

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110422890.5A Pending CN113193590A (zh) 2021-04-16 2021-04-16 一种基于边缘计算的群自适应并网智能管控的方法及系统

Country Status (1)

Country Link
CN (1) CN113193590A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118052394A (zh) * 2024-01-26 2024-05-17 三峡大学 利用镁基运输车运输氢能的电-氢系统协同优化调度方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100198422A1 (en) * 2009-02-05 2010-08-05 Abb Research Ltd. Integrated voltage and var optimization process for a distribution system
CN107294106A (zh) * 2017-08-11 2017-10-24 清华大学 基于分布式通信的分布式光伏集群动态调压控制方法
CN111614117A (zh) * 2020-03-19 2020-09-01 国网安徽省电力有限公司 集中式光伏电站暂态电压扰动快速响应控制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100198422A1 (en) * 2009-02-05 2010-08-05 Abb Research Ltd. Integrated voltage and var optimization process for a distribution system
CN107294106A (zh) * 2017-08-11 2017-10-24 清华大学 基于分布式通信的分布式光伏集群动态调压控制方法
CN111614117A (zh) * 2020-03-19 2020-09-01 国网安徽省电力有限公司 集中式光伏电站暂态电压扰动快速响应控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张成 等: "基于分布式牛顿法的配电网光伏发电集群电压控制方法", 供用电, no. 08, 5 August 2020 (2020-08-05), pages 76 - 82 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118052394A (zh) * 2024-01-26 2024-05-17 三峡大学 利用镁基运输车运输氢能的电-氢系统协同优化调度方法

Similar Documents

Publication Publication Date Title
CN105811407B (zh) 一种基于分布式牛顿法的微电网一次调频控制方法
CN111049173B (zh) 多端直流配网自组织下垂控制方法
CN110247438A (zh) 基于天牛须算法的主动配电网资源优化配置
CN117039882B (zh) 基于二元一致性算法的资源聚合调控方法与系统
CN107947175A (zh) 一种基于分布式网络控制的微电网经济调度方法及系统
US20240006890A1 (en) Local volt/var controllers with stability guarantees
CN110350600A (zh) 一种促进分布式电源消纳的柔性多状态开关调控方法
CN115689375A (zh) 虚拟电厂运行控制方法、装置、设备及介质
CN117239763A (zh) 一种高比例光伏配电网电压边缘控制方法
Habib et al. Optimized management of reactive power reserves of transmission grid-connected photovoltaic plants driven by an IoT solution
CN117937599A (zh) 以分布式光伏消纳为目标的多智能体强化学习配电网优化方法
CN115276015B (zh) 一种计及新能源不确定性的电力系统优化调度方法及系统
CN106340890A (zh) 用于协调配电网储能系统充放电效率的分布式控制方法
CN109038605A (zh) 一种考虑电压响应特性的电网无功规划方法
CN108599974B (zh) 一种基于图论连通性的微电网分布式通讯拓扑设计方法
CN113193590A (zh) 一种基于边缘计算的群自适应并网智能管控的方法及系统
Akbari-Zadeh et al. Dstatcom allocation in the distribution system considering load uncertainty
Mu et al. Sponge grid with numerous virtual energy storage systems: Concept, model, and decentralized control
CN115133540B (zh) 一种配电网无模型的实时电压控制方法
CN117175717A (zh) 含高比例分布式光伏的电网电压动态分区自治方法及设备
CN112821554B (zh) 配电网信息物理系统及分布式经济调度反馈系数优化方法
CN116207797A (zh) 一种配电网多串并联设备协调优化控制方法
CN108616119A (zh) 基于区域性分时电价理论降低配电网网损的方法
Datar et al. A XGBOOST‐MRFO control scheme for power quality improvement in grid integrated hybrid renewable energy sources using STATCOM
He et al. Distributed Optimal Power Scheduling for Microgrid System via Deep Reinforcement Learning with Privacy Preserving

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