CN113517721B - 含高比例分布式电源的多元配电网协同调控方法及系统 - Google Patents

含高比例分布式电源的多元配电网协同调控方法及系统 Download PDF

Info

Publication number
CN113517721B
CN113517721B CN202111067640.0A CN202111067640A CN113517721B CN 113517721 B CN113517721 B CN 113517721B CN 202111067640 A CN202111067640 A CN 202111067640A CN 113517721 B CN113517721 B CN 113517721B
Authority
CN
China
Prior art keywords
distribution network
regulation
user
power distribution
calculation
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
CN202111067640.0A
Other languages
English (en)
Other versions
CN113517721A (zh
Inventor
吕天光
安沫霖
韩学山
陈健
孙树敏
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.)
Shandong University
Original Assignee
Shandong University
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 Shandong University filed Critical Shandong University
Priority to CN202111067640.0A priority Critical patent/CN113517721B/zh
Publication of CN113517721A publication Critical patent/CN113517721A/zh
Application granted granted Critical
Publication of CN113517721B publication Critical patent/CN113517721B/zh
Priority to US17/729,202 priority patent/US20230093345A1/en
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
    • 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
    • H02J4/00—Circuit arrangements for mains or distribution networks not specified as ac or dc
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B6/00—Internal feedback arrangements for obtaining particular characteristics, e.g. proportional, integral or differential
    • G05B6/02—Internal feedback arrangements for obtaining particular characteristics, e.g. proportional, integral or differential electric
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of 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
    • 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
    • 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
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Power Engineering (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明属于电力系统优化调节领域，提供含高比例分布式电源的多元配电网协同调控方法及系统。其中该方法包括多元配电网调节中心获取用户电压信息；基于用户电压信息及优化调节模型，利用拉格朗日算法对优化调节模型中多元配电网调节中心计算部分进行迭代计算相应预设控制目标，同时利用PID算法对迭代计算过程中对应的预设控制目标的误差进行控制，得到对用户侧本地负荷的调节信号，并将用户侧本地负荷的调节信号发送至用户侧；用户侧基于本地负荷的调节信号及所述优化调节模型中用户侧计算部分进行迭代计算相应预设控制目标，同时利用PID算法对迭代计算过程中对应的预设控制目标的误差进行控制，从而调节本地负荷大小。

Description

含高比例分布式电源的多元配电网协同调控方法及系统
技术领域
本发明属于电力系统优化调节领域，尤其涉及一种含高比例分布式电源的多元配电网协同调控方法及系统。
背景技术
本部分的陈述仅仅是提供了与本实施例相关的背景技术信息，不必然构成在先技术。
随着现代电力系统的发展，在配电网中有越来越多的分布式电源接入，如风电、光伏和储能等。这意味着配电网从原有的用户被动式消耗电能的网络，转变为可以提供主动力量的多元配电网。其中，多元配电网指的是包含多种分布式电源（分布式发电、柔性负载和储能）的配电网。为此，需要设计合适的调节策略和优化算法，对含有高比例分布式电源的多元配电网进行调节。此外，在调节中除了需要考虑电网的安全稳定运行外，还需要最大程度满足用户经济利益。
在多元配电网的调节策略中，关键的是调节成本。采用合理的优化算法，可以提升计算速度以及提高优化调节的效率。此外，由于多元配电网的调节涉及到用户的个人信息，因此必须注重用户的个人信息的保护。这些用户的个人信息包括用户的用电信息或用户的经济信息（如成本）。在多元配电网的调节中，除了计算方法的准确和快速外，还要尽可能减少用户的个人信息的获取。这样，不仅可以保护用户的个人信息，还可以减少调节过程中信息的交互量，提升整个调节策略的效率。现有研究的优化算法更多的是考虑计算的速度和精确性，却很少有考虑调节策略中的用户的个人信息获取的问题。减少用户的个人信息的获取，同时又能够使算法具有准确性，这意味着需要设计合理的分布式算法，使多元配电网的调节中心和用户协同计算。在这样的情况下，优化算法的参数设置就显得尤为重要。一个具有明确参数设置策略和参数调节方法的优化算法，能够有助于多元配电网和用户进行合适的参数调节，使算法计算效率达到最优。
发明人发现，现有的含有高比例分布式电源的多元配电网的调节策略无法同时满足电网的安全稳定运行和最大程度满足用户经济利益的要求，而且现有的含有高比例分布式电源的多元配电网调节过程中，获取用户的信息较多，无法保障用户信息的隐私性。
发明内容
为了解决上述背景技术中存在的技术问题，本发明提供一种含高比例分布式电源的多元配电网协同调控方法及系统，其能够兼顾用户经济学收益与电网安全稳定运行，同时能够保障用户信息的隐私性。其中，多元配电网指的是包含多种分布式电源（分布式发电、柔性负载和储能）的配电网。
为了实现上述目的，本发明采用如下技术方案：
本实施例的第一个方面提供一种含高比例分布式电源的多元配电网协同调控方法，其包括：
多元配电网调节中心获取用户电压信息；
多元配电网调节中心基于用户电压信息及优化调节模型，其中，所述优化调节模型包括用户侧计算部分和多元配电网调节中心计算部分，利用拉格朗日算法对优化调节模型中多元配电网调节中心计算部分进行迭代计算相应预设控制目标，同时利用PID算法对迭代计算过程中对应的预设控制目标的误差进行控制，得到对用户侧本地负荷的调节信号，并将用户侧本地负荷的调节信号发送至用户侧；
用户侧基于本地负荷的调节信号及所述优化调节模型中用户侧计算部分进行迭代计算相应预设控制目标，同时利用PID算法对迭代计算过程中对应的预设控制目标的误差进行控制，从而调节本地负荷大小，以达到多元配电网同时达到经济成本最小且用户侧的电压与标准电压值的偏差最小。
进一步地，所述优化调节模型为：
Figure 110260DEST_PATH_IMAGE001
其中，
Figure 14631DEST_PATH_IMAGE002
表示的是用户经济成本目标和多元配电网电压水平目标之间进行平衡的系数；
Figure 613102DEST_PATH_IMAGE003
和
Figure 995849DEST_PATH_IMAGE004
分别表示的是多元配电网的调节中心在t时刻对用户分布式电源所产生的有功功率和无功功率的调节信号；
Figure 552732DEST_PATH_IMAGE005
和
Figure 413241DEST_PATH_IMAGE006
表示多元配电网中所有节点注入有功功率和无功功率构成的向量；
Figure 612141DEST_PATH_IMAGE007
表示的是多元配电网电压水平；
Figure 749861DEST_PATH_IMAGE008
为用于用户侧的经济成本；
Figure 87433DEST_PATH_IMAGE009
表示多元配电网电压水平目标。
进一步地，所述优化调节模型的约束条件包括：
Figure 45025DEST_PATH_IMAGE010
Figure 641091DEST_PATH_IMAGE011
Figure 633318DEST_PATH_IMAGE012
；
其中，
Figure 63162DEST_PATH_IMAGE013
和
Figure 147531DEST_PATH_IMAGE014
表示的是多元配电网电压水平的上下限要求；R与X为多元配电网近似的线性化潮流计算公式中的对应有功功率和无功功率的系数矩阵，a为常数；
Figure 157075DEST_PATH_IMAGE015
是函数符号；i表示多元配电网的节点，N表示节点集合。
进一步地，所述本地负荷为分布式电源向多元配电网注入的有功功率和无功功率。
进一步地，根据所述调节信号以及当前的用户负荷和本地用户的经济成本，调节本地负荷大小。
进一步地，所述迭代计算的停止条件为：计算结果收敛于预先定义的范围。
进一步地，所述迭代计算的停止条件为：在计算前预先设置的最大迭代次数。
进一步地，所述本地负荷包括分布式电源的有功功率和无功功率。
本发明的第二个方面提供一种含高比例分布式电源的多元配电网协同调控系统，其包括多元配电网调节中心和用户侧；
所述多元配电网调节中心用于：
获取用户电压信息；
基于用户电压信息及优化调节模型，其中，所述优化调节模型包括用户侧计算部分和多元配电网调节中心计算部分，利用拉格朗日算法对优化调节模型中多元配电网调节中心计算部分进行迭代计算相应预设控制目标，同时利用PID算法对迭代计算过程中对应的预设控制目标的误差进行控制，得到对用户侧本地负荷的调节信号，并将用户侧本地负荷的调节信号发送至用户侧；
所述用户侧用于：
基于本地负荷的调节信号及所述优化调节模型中用户侧计算部分进行迭代计算相应预设控制目标，同时利用PID算法对迭代计算过程中对应的预设控制目标的误差进行控制，从而调节本地负荷大小，以达到多元配电网同时达到经济成本最小且用户侧的电压与标准电压值的偏差最小。
与现有技术相比，本发明的有益效果是：
（1）为解决含有高比例分布式电源的多元配电网的调节问题，本发明提出了兼顾用户经济学收益与电网安全稳定运行的优化调节模型。该模型既能够满足用户的经济成本最小，又能够将电压控制在合理范围内，使多元配电网运行稳定，达到双方共赢。
（2）本发明根据拉格朗日优化算法格式的“分布式”的特点，设计了用户与多元配电网调节中心协同计算的调节模式，其中，“用户”在得到“多元配电网调节中心”计算出的调节信号后，进行本地计算，以调节本地负荷值；而且在进行本地计算的过程中，所用到的包含的用户经济成本函数信息和用户本地负荷数值信息均仅由用户自己知晓，并不与多元配电网调节中心进行信息交互，因此，本发明能够最大程度保证用户隐私。多元配电网调节中心仅采集多元配电网中的电压信息，完成调节信号的计算，并发送至用户侧。这一模式具有信息交互少，沟通效率高的特点。
本实施例附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本实施例的实践了解到。
附图说明
构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。
图1是本发明实施例的含高比例分布式电源的多元配电网协同调控方法流程图；
图2是本发明实施例的含高比例分布式电源的多元配电网协同调控系统结构示意图；
图3（a）是采用原拉格朗日算法计算目标函数的迭代曲线及计算次数示意图；
图3（b）是采用本实施例的PID-拉格朗日算法计算目标函数的迭代曲线及计算次数示意图；
图4（a）是采用原拉格朗日算法计算次数示意图；
图4（b）是采用本实施例的PID-拉格朗日算法的计算次数示意图。
具体实施方式
下面结合附图与实施例对本实施例作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本实施例提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本实施例所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本实施例的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
术语解释：
PID-拉格朗日算法的定义为：
对优化调节模型进行的迭代计算过程，视作一个从初始值开始逐渐寻找最优值的“控制过程”，并以拉格朗日算法为数学基础，采用控制理论中的PID算法对上述迭代计算过程中的各个控制目标的误差进行控制，从而形成了PID-拉格朗日算法。
实施例一
在具体实施中：本实施例针对含高比例分布式电源的多元配电网，以经济成本最小和用户侧的电压与标准电压值的偏差最小为目标，建立了优化调节模型。
本实施例还根据拉格朗日乘子法的迭代计算格式，将优化模型的求解过程巧妙分解，形成了一种优化目标分散计算的协同优化调节策略，多元配电网调节中心和用户各承担一部分计算工作，多元配电网调节中心在尽可能少量获取用户信息并保护用户隐私的情况下，和用户共同完成调节目标的计算，大大提高了效率。
为了解决该优化模型在求解过程中的参数设置和调节的问题，本实施例采用创新的PID-拉格朗日算法进行计算，该算法从控制系统理论的视角对拉格朗日算法进行改良，采用PID控制器对求解过程进行控制，使算法参数具有控制学意义，方便使用者调节参数，提高了优化计算速度，降低了优化调节过程中信息传递和沟通的成本。参照图1，本实施例提供了一种含高比例分布式电源的多元配电网协同调控方法，其包括：
步骤S101：多元配电网调节中心获取用户电压信息；
步骤S102：多元配电网调节中心基于用户电压信息及优化调节模型，其中，所述优化调节模型包括用户侧计算部分和多元配电网调节中心计算部分，利用拉格朗日算法对优化调节模型中多元配电网调节中心计算部分进行迭代计算相应预设控制目标，同时利用PID算法对迭代计算过程中对应的预设控制目标的误差进行控制，得到对用户侧本地负荷的调节信号，并将用户侧本地负荷的调节信号发送至用户侧；
步骤S103：用户侧基于本地负荷的调节信号及所述优化调节模型中用户侧计算部分进行迭代计算相应预设控制目标，同时利用PID算法对迭代计算过程中对应的预设控制目标的误差进行控制，从而调节本地负荷大小，以达到多元配电网同时达到经济成本最小且用户侧的电压与标准电压值的偏差最小。
需要说明的是，多元配电网调节中心的优化调节模型和用户侧的优化调节模型是相同的，是同一个模型。该优化调节模型包括用户侧计算部分和多元配电网调节中心计算部分。
本实施例的优化调节模型为含高比例分布式电源的多元配电网优化调节模型，其具体构建过程如下：
首先，假设含高比例分布式电源的多元配电网的网络拓扑具有N+1个节点，这些节点可表示为
Figure 128442DEST_PATH_IMAGE016
，其中N表示节点集合，定义为
Figure 198029DEST_PATH_IMAGE017
。其中，0号节点表示与上级电网相连的节点。
Figure 740000DEST_PATH_IMAGE018
表示i节点在t时刻的电压，该电压的电压数值为
Figure 553235DEST_PATH_IMAGE019
，其单位为V。在t时刻，节点i的分布式电源将会向多元配电网注入有功功率和无功功率，注入的有功功率和无功功率分别表示为
Figure 316792DEST_PATH_IMAGE020
和
Figure 416335DEST_PATH_IMAGE021
，单位为KW，Kvar。
光伏的容量：t时刻一个光伏系统具有最大有功功率，将此功率定义
Figure 835815DEST_PATH_IMAGE022
，单位为KW。光伏系统还具有一个视在额定容量，用
Figure 563993DEST_PATH_IMAGE023
表示，单位为KVA。t时刻光伏的可调整的容量范围，可以用一个集合
Figure 385318DEST_PATH_IMAGE024
表示：
Figure 327867DEST_PATH_IMAGE025
（1）
首先，在对多元配电网的优化调节中，需要考虑用户的经济效益问题。为此，假设用户的经济成本为
Figure 359277DEST_PATH_IMAGE008
，用户侧的经济效益最优的优化问题如下：
Figure 248735DEST_PATH_IMAGE026
（2）
Figure 721305DEST_PATH_IMAGE027
（3）
该优化模型中，
Figure 178962DEST_PATH_IMAGE028
和
Figure 307455DEST_PATH_IMAGE029
所表示的是多元配电网的调节中心在t时刻对用户分布式电源所产生的有功功率和无功功率的调节信号。
将用户侧的经济效益最优的优化问题的最优解定义为：
Figure 125238DEST_PATH_IMAGE030
（4）
其中
Figure 921156DEST_PATH_IMAGE015
和
Figure 471086DEST_PATH_IMAGE031
是函数符号；
Figure 195197DEST_PATH_IMAGE032
表示定义的意思。
除了用户侧的经济成本问题外，多元配电网的优化调节还需要考虑网络的整体安全稳定的问题。
Figure 692038DEST_PATH_IMAGE009
表示多元配电网电压水平目标，使各个节点的电压与标准的标称电压值
Figure 139200DEST_PATH_IMAGE033
（单位为V）的电压偏差最小，用数学符号表示可以为
Figure 187927DEST_PATH_IMAGE034
。
基于上述假设和定义，则可构建一个既能够保证用户经济效益又能够使多元配电网安全稳定运行的综合目标最优的多元配电网优化调节问题：
Figure 556592DEST_PATH_IMAGE035
（5）
Figure 201331DEST_PATH_IMAGE036
（6）
Figure 502999DEST_PATH_IMAGE011
（7）
Figure 597994DEST_PATH_IMAGE012
（8）
其中，
Figure 47430DEST_PATH_IMAGE002
表示的是用户经济成本目标和多元配电网电压水平目标之间进行平衡的系数。
Figure 886073DEST_PATH_IMAGE005
和
Figure 307827DEST_PATH_IMAGE006
表示所有节点注入有功功率和无功功率构成的向量，单位为KW和Kvar。
Figure 684975DEST_PATH_IMAGE007
表示的是多元配电网电压水平；
Figure 762652DEST_PATH_IMAGE013
和
Figure 936145DEST_PATH_IMAGE014
表示的是多元配电网电压水平的上下限要求，单位为V。R与X为多元配电网近似的线性化潮流计算公式中的对应有功功率和无功功率的系数矩阵，a为常数。
本实施例将调节信号构成调节信号集合
Figure 274722DEST_PATH_IMAGE037
，将各个节点的用户负荷
Figure 711520DEST_PATH_IMAGE038
和
Figure 151860DEST_PATH_IMAGE039
构成用户负荷集合
Figure 332305DEST_PATH_IMAGE040
，单位为KW，Kvar。
采用拉格朗日优化算法，可以对上节所述优化问题进行求解。由于拉格朗日乘子法的迭代计算过程是一种离散化、分布式的求解过程，因此可以基于拉格朗日乘子法形成一种用户与多元配电网调节中心协同计算的模式。该计算方法为：
用户根据收到的调节信号
Figure 56548DEST_PATH_IMAGE041
，进行本地计算，对用户的负荷（包括分布式电源的有功功率和无功功率）进行调节，计算式为：
具体地，用户收到调节信号
Figure 664246DEST_PATH_IMAGE042
，根据当前的用户负荷
Figure 247675DEST_PATH_IMAGE043
和本地用户的经济成本
Figure 605712DEST_PATH_IMAGE044
，采用下式进行负荷调节：
Figure 59828DEST_PATH_IMAGE045
（9）
其中计算时应保证
Figure 697482DEST_PATH_IMAGE046
。在本实施例中，符号
Figure 971469DEST_PATH_IMAGE047
表示梯度，其下标表示求梯度时对应的变量。
多元配电网的调节中心只需要采集用户的电压信息，并根据所采集的电压信息，进行调节信号的计算，其计算式为：
Figure 369083DEST_PATH_IMAGE048
（10）
Figure 474442DEST_PATH_IMAGE049
（11）
Figure 423944DEST_PATH_IMAGE050
（12）
Figure 575440DEST_PATH_IMAGE051
（13）
其中计算时应保证
Figure 635799DEST_PATH_IMAGE052
和
Figure 441338DEST_PATH_IMAGE053
。
Figure 296161DEST_PATH_IMAGE054
和
Figure 669374DEST_PATH_IMAGE055
表示迭代计算的步长，
Figure 143212DEST_PATH_IMAGE056
和
Figure 426425DEST_PATH_IMAGE057
表示对应于不等式约束的拉格朗日乘子，可理解为计算调节信号所需要的中间变量。k为该算法计算过程的迭代次数。这一算法的停止标准是计算结果收敛于预先定义的范围（例如：前后两次迭代的差值小于设定阈值），或在计算前预先设置的最大迭代次数。
本实施例为了解决多元配电网优化调节策略中的参数设置难题，提出一种使用与控制系统理论相结合的改良算法——PID-拉格朗日优化算法的计算框架。该改良的PID-拉格朗日优化算法原理简介如下：
该算法能够求解的优化模型为：
Figure 842363DEST_PATH_IMAGE058
（14）
Figure 578238DEST_PATH_IMAGE059
（15）
Figure 354302DEST_PATH_IMAGE060
（16）
其中
Figure 492022DEST_PATH_IMAGE061
表示目标函数，
Figure 750965DEST_PATH_IMAGE062
表示等式约束，
Figure 98770DEST_PATH_IMAGE063
表示不等式约束。
假设1：优化模型中的目标函数
Figure 570203DEST_PATH_IMAGE064
是凸函数；等式约束
Figure 172216DEST_PATH_IMAGE065
是仿射函数，形如
Figure 805323DEST_PATH_IMAGE066
，其中
Figure 640424DEST_PATH_IMAGE067
，
Figure 446706DEST_PATH_IMAGE068
是常数构成的矩阵，且有至少一个可行解；不等式约束
Figure 293439DEST_PATH_IMAGE069
是凸函数，形如
Figure 298497DEST_PATH_IMAGE070
，其中
Figure 230681DEST_PATH_IMAGE071
，
Figure 840654DEST_PATH_IMAGE072
是常数构成的矩阵。
假设2：目标函数
Figure 666527DEST_PATH_IMAGE073
与约束函数
Figure 907016DEST_PATH_IMAGE074
和
Figure 201862DEST_PATH_IMAGE075
都是连续可导的，而且都具有利普希茨连续性。
基于假设1和假设2，上述优化问题
Figure 553209DEST_PATH_IMAGE076
有唯一的最优解。
本实施例采用拉格朗日乘子法求解优化问题
Figure 499168DEST_PATH_IMAGE077
，先构造与优化问题对应的拉格朗日函数：
Figure 753301DEST_PATH_IMAGE078
（17）
其中
Figure 394498DEST_PATH_IMAGE079
是对应等式约束
Figure 674169DEST_PATH_IMAGE080
的拉格朗日乘子，
Figure 350001DEST_PATH_IMAGE081
是对应于不等式约束
Figure 807659DEST_PATH_IMAGE082
的拉格朗日乘子，将所有拉格朗日乘子写作向量，用向量
Figure 998468DEST_PATH_IMAGE083
和
Figure 426039DEST_PATH_IMAGE084
表示。
求解上述拉格朗日函数，通常可采用数值求解形式，其计算过程如下：
Figure 346590DEST_PATH_IMAGE085
（18）
Figure 834203DEST_PATH_IMAGE086
（19）
Figure 512309DEST_PATH_IMAGE087
（20）
其中，
Figure 385981DEST_PATH_IMAGE088
和
Figure 770826DEST_PATH_IMAGE089
表示的是计算算法的迭代计算的步长系数。
Figure 819553DEST_PATH_IMAGE090
表示
Figure 922638DEST_PATH_IMAGE091
。
本实施例利用拉格朗日迭代算法与控制系统理论之间的关系，采用控制方法对计算过程进行控制。在这一过程中，将代表最优解特征的KKT条件作为控制目标，采用PID控制器对计算过程进行控制，以控制迭代计算不断接近最优解，最终实现算法收敛。
在这个控制过程中，控制目标为：
Figure 754328DEST_PATH_IMAGE092
（21）
Figure 400204DEST_PATH_IMAGE093
（22）
Figure 229620DEST_PATH_IMAGE094
（23）
Figure 944635DEST_PATH_IMAGE095
（24）
Figure 783278DEST_PATH_IMAGE096
（25）
其中，上标
Figure 205032DEST_PATH_IMAGE097
表示最优解。
PID控制是一种以误差为反馈量的控制器，因此需要对3个控制目标定义控制过程中的误差。其误差分别为：
控制目标1的误差：
Figure 844830DEST_PATH_IMAGE098
（26）
控制目标2的误差：
Figure 656928DEST_PATH_IMAGE099
（27）
控制目标3的误差：
Figure 158317DEST_PATH_IMAGE100
（28）
基于所定义的3个误差量，本实施例采用PID控制器对拉格朗日迭代计算过程进行误差控制。该计算算法是一个离散的过程，因此需要采用离散化的PID增量式控制器：
Figure 637839DEST_PATH_IMAGE101
（29）
其中，
Figure 950003DEST_PATH_IMAGE102
，
Figure 514977DEST_PATH_IMAGE103
为PID控制器的输出。
将离散化的PID增量式控制器应用于拉格朗日迭代计算过程，本实施例提出PID-拉格朗日算法，其具体的计算迭代格式为：
Figure 492160DEST_PATH_IMAGE104
（30）
Figure 950823DEST_PATH_IMAGE105
（31）
Figure 558522DEST_PATH_IMAGE106
（32）
其中，对应迭代步长系数
Figure 987623DEST_PATH_IMAGE107
的上标P、I、D分别表示比例系数、积分系数、微分系数，下标
Figure 706180DEST_PATH_IMAGE108
分别表示步长系数的作用对象。
在具体实施中，将PID-拉格朗日算法应用于多元配电网优化问题的求解中，形成基于PID-拉格朗日方法的解决多元配电网高比例分布式电源调节问题的优化算法。其计算框架为：
用户根据收到的调节信号
Figure 284929DEST_PATH_IMAGE109
，进行本地计算，对用户的负荷（包括分布式电源的有功功率和无功功率）进行调节，计算式为：
用户收到调节信号
Figure 63529DEST_PATH_IMAGE110
，根据当前的用户负荷
Figure 478461DEST_PATH_IMAGE111
和本地用户的经济成本
Figure 709DEST_PATH_IMAGE112
，采用下式进行负荷调节：
Figure 433965DEST_PATH_IMAGE113
（33）
其中计算时应保证
Figure 383466DEST_PATH_IMAGE114
。
多元配电网的调节中心只需要采集用户的电压信息，并根据所采集的电压信息，进行调节信号的计算，其计算式为：
Figure 518650DEST_PATH_IMAGE115
（34）
Figure 579010DEST_PATH_IMAGE116
（35）
Figure 866772DEST_PATH_IMAGE117
（36）
Figure 252754DEST_PATH_IMAGE118
（37）
其中计算时应保证
Figure 376699DEST_PATH_IMAGE119
和
Figure 37487DEST_PATH_IMAGE120
。
Figure 320701DEST_PATH_IMAGE121
表示迭代计算的步长，其上标表示该系数对应的控制系统理论中PID控制器的含义，P表示比例、I表示积分、D表示微分；其下标表示该系数所作用的计算对象。
Figure 736639DEST_PATH_IMAGE122
和
Figure 472514DEST_PATH_IMAGE123
表示对应于不等式约束的拉格朗日乘子，可理解为计算调节信号所需要的中间变量。k为该算法计算过程的迭代次数。这一算法的停止标准是计算结果收敛于预先定义的范围（例如：前后两次迭代的差值小于设定阈值），或在计算前预先设置的最大迭代次数。
本实施例所提协同调控方法及系统有如下优势：
本实施例采用PID-拉格朗日方法对优化调节模型进行计算，以实现经济成本最小和用户电压水平最好的目标。
本实施例采用拉格朗日方法，利用其迭代格式的“分布式”的特点，将优化调节模型的计算分为“用户侧”和“多元配电网调节中心侧”。其中，“用户侧”在得到“多元配电网调节中心”计算出的调节信号后，利用式（33）进行本地计算，以调节本地负荷值。其中，式（33）中包含的用户经济成本函数信息和用户本地负荷数值信息，这些信息均仅由用户自己知晓，并不与多元配电网调节中心进行信息交互。式（34）-（37）是多元配电网调节中心的计算内容，其中与用户相关的信息仅有用户的电压信息，且这一信息本身为公共信息，并不涉及用户隐私。因此，本实施例的算法具有保护用户隐私和个人信息的特点，且用户侧和多元配电网的调节中心分别计算不同内容，用户侧与多元配电网调节中心通过“电压信息”进行沟通，而且多元配电网调节中心与用户侧通过“调节信号”进行沟通，最终共同完成整个优化调节模型的求解。因此，在上述计算模式下，用户侧和多元配电网调节中心信息沟通量较小，能够提高调节效率，节约调节成本，且保护用户的隐私和个人信息。
本实施例将上述优化调节模型的计算过程，视作一个从初始值开始寻找最优值的“控制过程”，采用控制理论中的PID控制器对这一过程进行控制，形成了PID-拉格朗日算法。PID-拉格朗日算法具有明确的参数调整策略，方便使用者根据不同情况进行参数调节，使迭代计算的次数下降，计算速度得到提高。
调节信号采用改良的PID-拉格朗日算法进行计算，可以解决和改善原拉格朗日算法参数调节没有明确策略的难题。其参数调节方法可以有如下方式：
本实施例根据控制系统理论中PID控制器的实际含义进行参数调节。控制系统理论中的PID控制器的三个参数具有明确的控制学意义。使用者可以根据PID控制器中比例、积分、微分控制器的控制学特性，对计算过程中的步长系数进行调节，以改善迭代计算的计算速度，使优化调节的计算更快速收敛。
在其他实施例中，可根据控制学分析方法进行参数调节，除了根据经验法以PID控制器参数的控制学意义进行参数调节外，还可以采用控制学中的控制系统分析方法对计算过程进行参数调节。
除了本实施例采用控制系统理论中的控制器对计算过程进行控制，也可以采用控制学中对控制过程和控制系统的分析方法，对计算过程的收敛性、计算性能等进行分析。例如，可以采用李雅普诺夫稳定性判据对收敛性进行判定，以指导使用者调节合适的参数，使算法收敛。同时，还可以根据根轨迹等方法，对计算过程中的迭代曲线进行分析，选用更优的参数使算法具有更快的计算速度。
下面以某33节点多元配电网一日内实际数据为例进行仿真，验证本实施例的PID-拉格朗日算法的性能优势，分析如下：
假设目标函数为
Figure 517087DEST_PATH_IMAGE124
，其中，
Figure 654807DEST_PATH_IMAGE125
表示节点i在t时刻接入光伏所产生的理论最大功率。电压约束的上下限分别为，下限
Figure 241646DEST_PATH_IMAGE126
为0.95，上限
Figure 199238DEST_PATH_IMAGE127
为1.05。分别采用原拉格朗日算法（9）-（13）和本实施例的PID-拉格朗日算法（33）-（37）进行计算，以对比展示本实施例的PID-拉格朗日算法所具有的特点和优势。
首先，在单一时间断面（即选取一个具体时刻）进行计算，验证本实施例的PID-拉格朗日算法在一次调节过程中的计算效率的提升情况。采用某33节点多元配电网络某日12:00数据进行仿真。
其中，原拉格朗日算法参数设置为：
Figure 280457DEST_PATH_IMAGE128
。
本实施例的PID-拉格朗日算法参数设置为：
Figure 69422DEST_PATH_IMAGE129
，
Figure 968108DEST_PATH_IMAGE130
，
Figure 803208DEST_PATH_IMAGE131
。
收敛判定条件为，前后两次迭代的目标函数的差值小于0.0001。
图3（a）和图3（b）说明，本实施例的PID-拉格朗日算法相比于原拉格朗日算法，在选取的该次调节过程中，其调节所用计算次数较少。本实施例的PID-拉格朗日算法计算次数为26，原拉格朗日算法为47，计算次数减少21，这说明本实施例的PID-拉格朗日算法能够提高计算速度。计算次数的减少，也意味着用户与多元配电网调节中心的沟通次数减少，这说明本实施例的PID-拉格朗日算法能够提高调节的效率。
其次，采用当日10:00-14:10共计250分钟的数据进行计算，对比这一时段内所有调节过程的计算次数。调节时间间隔为30s，共计总调节次数为500次。
其中，原拉格朗日算法参数设置为：
Figure 281594DEST_PATH_IMAGE132
。
本实施例的PID-拉格朗日算法参数设置为：
Figure 767808DEST_PATH_IMAGE133
，
Figure 571816DEST_PATH_IMAGE134
，
Figure 566317DEST_PATH_IMAGE135
。
收敛判定条件为，前后两次迭代的目标函数的差值小于0.0001。
计算结果如图4（a）和图4（b）所示，本实施例的PID-拉格朗日算法相比于原拉格朗日算法，在500次的调节中，每次调节所用的计算次数较少。经数据统计，本实施例的PID-拉格朗日算法在上述500次调节中，平均每次调节所用计算次数为6.9198，原拉格朗日算法所用计算次数为9.9820，本实施例的PID-拉格朗日算法相比于原拉格朗日算法，平均每次调节所用计算次数下降30.68%。这说明本实施例的PID-拉格朗日算法能够在一日内连续的调节过程中提高计算速度，这意味着用户与多元配电网调节中心的信息交换次数下降，使调节效率得到提升。
实施例二
参照图2，本实施例提供了一种含高比例分布式电源的多元配电网协同调控系统，其包括多元配电网调节中心和用户侧；
所述多元配电网调节中心用于：
获取用户电压信息；
基于用户电压信息及优化调节模型，其中，所述优化调节模型包括用户侧计算部分和多元配电网调节中心计算部分，利用拉格朗日算法对优化调节模型中多元配电网调节中心计算部分进行迭代计算相应预设控制目标，同时利用PID算法对迭代计算过程中对应的预设控制目标的误差进行控制，得到对用户侧本地负荷的调节信号，并将用户侧本地负荷的调节信号发送至用户侧；
所述用户侧用于：
基于本地负荷的调节信号及所述优化调节模型中用户侧计算部分进行迭代计算相应预设控制目标，同时利用PID算法对迭代计算过程中对应的预设控制目标的误差进行控制，从而调节本地负荷大小，以达到多元配电网同时达到经济成本最小且用户侧的电压与标准电压值的偏差最小。
此处需要说明的是，本实施例中的多元配电网调节中心和用户侧的具体实施过程与实施例一中的各个步骤一一对应，其具体实施过程相同，此处不再累述。
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，本发明可采用硬件实施例、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和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本实施例的方法、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。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）或随机存储记忆体（Random AccessMemory，RAM）等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种含高比例分布式电源的多元配电网协同调控方法，其特征在于，包括：
多元配电网调节中心获取用户电压信息；
多元配电网调节中心基于用户电压信息及优化调节模型，其中，所述优化调节模型包括用户侧计算部分和多元配电网调节中心计算部分，利用拉格朗日算法对优化调节模型中多元配电网调节中心计算部分进行迭代计算相应预设控制目标，同时利用PID算法对迭代计算过程中对应的预设控制目标的误差进行控制，得到对用户侧本地负荷的调节信号，并将用户侧本地负荷的调节信号发送至用户侧；
用户侧基于本地负荷的调节信号及所述优化调节模型中用户侧计算部分进行迭代计算相应预设控制目标，同时利用PID算法对迭代计算过程中对应的预设控制目标的误差进行控制，从而调节本地负荷大小，以达到多元配电网同时达到经济成本最小且用户侧的电压与标准电压值的偏差最小；
所述优化调节模型为：
Figure 743344DEST_PATH_IMAGE001
所述优化调节模型的约束条件包括：
Figure 87957DEST_PATH_IMAGE002
Figure 603252DEST_PATH_IMAGE003
Figure 854105DEST_PATH_IMAGE004
；
Figure 429443DEST_PATH_IMAGE005
Figure 500167DEST_PATH_IMAGE006
Figure 819153DEST_PATH_IMAGE007
其中，
Figure 924512DEST_PATH_IMAGE008
表示的是用户经济成本目标和多元配电网电压水平目标之间进行平衡的系数；
Figure 670751DEST_PATH_IMAGE009
和
Figure 228771DEST_PATH_IMAGE010
分别表示的是多元配电网的调节中心在t时刻对用户分布式电源所产生的有功功率和无功功率的调节信号；
Figure 351448DEST_PATH_IMAGE011
和
Figure 311314DEST_PATH_IMAGE012
分别为在t时刻节点i的分布式电源将会向多元配电网注入有功功率和无功功率；
Figure 962875DEST_PATH_IMAGE013
和
Figure 273771DEST_PATH_IMAGE014
表示多元配电网中所有节点注入有功功率和无功功率构成的向量；
Figure 934559DEST_PATH_IMAGE015
表示的是多元配电网电压水平；
Figure 748931DEST_PATH_IMAGE016
为用于用户侧的经济成本；
Figure 102552DEST_PATH_IMAGE017
表示多元配电网电压水平目标；
Figure 635165DEST_PATH_IMAGE018
和
Figure 834065DEST_PATH_IMAGE019
表示的是多元配电网电压水平的上下限要求；R与X为多元配电网近似的线性化潮流计算公式中的对应有功功率和无功功率的系数矩阵，a为常数；
Figure 801146DEST_PATH_IMAGE020
是函数符号；i表示多元配电网的节点，N表示节点集合；
Figure 325668DEST_PATH_IMAGE021
是函数符号；
Figure 79998DEST_PATH_IMAGE022
表示定义的意思；
Figure 348168DEST_PATH_IMAGE023
为用户负荷集合；
对用户的负荷进行调节，计算式为：
用户收到调节信号
Figure 137133DEST_PATH_IMAGE024
，根据当前的用户负荷
Figure 566977DEST_PATH_IMAGE025
和本地用户的经济成本
Figure 808602DEST_PATH_IMAGE026
，采用下式进行负荷调节：
Figure 614884DEST_PATH_IMAGE027
其中计算时保证
Figure 258355DEST_PATH_IMAGE028
，符号
Figure 124680DEST_PATH_IMAGE029
表示梯度，其下标表示求梯度时对应的变量；
多元配电网的调节中心只需要采集用户的电压信息，并根据所采集的电压信息，进行调节信号的计算，其计算式为：
Figure 853602DEST_PATH_IMAGE030
Figure 463575DEST_PATH_IMAGE031
Figure 961552DEST_PATH_IMAGE032
Figure 733199DEST_PATH_IMAGE033
其中计算时保证
Figure 214996DEST_PATH_IMAGE034
和
Figure 363081DEST_PATH_IMAGE035
；
Figure 482608DEST_PATH_IMAGE036
和
Figure 425157DEST_PATH_IMAGE037
表示迭代计算的步长，
Figure 128671DEST_PATH_IMAGE038
和
Figure 80446DEST_PATH_IMAGE039
表示对应于不等式约束的拉格朗日乘子；k为该算法计算过程的迭代次数；
在利用PID算法对迭代计算过程中对应的预设控制目标的误差进行控制的过程中，控制目标为：
Figure 287436DEST_PATH_IMAGE040
Figure 666465DEST_PATH_IMAGE041
Figure 857275DEST_PATH_IMAGE042
Figure 347162DEST_PATH_IMAGE043
Figure 674238DEST_PATH_IMAGE044
其中，上标
Figure 224168DEST_PATH_IMAGE045
表示最优解；
PID控制对3个控制目标定义控制过程中的误差，其误差分别为：
控制目标1的误差：
Figure 636695DEST_PATH_IMAGE046
控制目标2的误差：
Figure 930273DEST_PATH_IMAGE047
控制目标3的误差：
Figure 377435DEST_PATH_IMAGE048
构造与优化问题对应的拉格朗日函数：
Figure 98266DEST_PATH_IMAGE049
其中，
Figure 263669DEST_PATH_IMAGE050
是对应等式约束
Figure 95358DEST_PATH_IMAGE051
的拉格朗日乘子，
Figure 397027DEST_PATH_IMAGE052
是对应于不等式约束
Figure 23180DEST_PATH_IMAGE053
的拉格朗日乘子，将所有拉格朗日乘子写作向量，用向量
Figure 410299DEST_PATH_IMAGE054
和
Figure 547145DEST_PATH_IMAGE055
表示；
Figure 968899DEST_PATH_IMAGE056
为目标函数；数符号
Figure 31533DEST_PATH_IMAGE029
的下标
Figure 905948DEST_PATH_IMAGE057
表示求梯度时对应的变量；
基于所定义的3个误差量，PID算法所对应PID控制器的表达式为：
Figure 79440DEST_PATH_IMAGE058
其中，
Figure 90121DEST_PATH_IMAGE059
，
Figure 323657DEST_PATH_IMAGE060
为PID控制器的输出。
2.如权利要求1所述的含高比例分布式电源的多元配电网协同调控方法，其特征在于，所述本地负荷为分布式电源向多元配电网注入的有功功率和无功功率。
3.如权利要求1所述的含高比例分布式电源的多元配电网协同调控方法，其特征在于，根据所述调节信号以及当前的用户负荷和本地用户的经济成本，调节本地负荷大小。
4.如权利要求1所述的含高比例分布式电源的多元配电网协同调控方法，其特征在于，所述迭代计算的停止条件为：计算结果收敛于预先定义的范围。
5.如权利要求1所述的含高比例分布式电源的多元配电网协同调控方法，其特征在于，所述迭代计算的停止条件为：在计算前预先设置的最大迭代次数。
6.如权利要求1所述的含高比例分布式电源的多元配电网协同调控方法，其特征在于，所述本地负荷包括分布式电源的有功功率和无功功率。
7.一种含高比例分布式电源的多元配电网协同调控系统，其特征在于，包括多元配电网调节中心和用户侧；
所述多元配电网调节中心用于：
获取用户电压信息；
基于用户电压信息及优化调节模型，其中，所述优化调节模型包括用户侧计算部分和多元配电网调节中心计算部分，利用拉格朗日算法对优化调节模型中多元配电网调节中心计算部分进行迭代计算相应预设控制目标，同时利用PID算法对迭代计算过程中对应的预设控制目标的误差进行控制，得到对用户侧本地负荷的调节信号，并将用户侧本地负荷的调节信号发送至用户侧；
所述用户侧用于：
基于本地负荷的调节信号及所述优化调节模型中用户侧计算部分进行迭代计算相应预设控制目标，同时利用PID算法对迭代计算过程中对应的预设控制目标的误差进行控制，从而调节本地负荷大小，以达到多元配电网同时达到经济成本最小且用户侧的电压与标准电压值的偏差最小；
所述优化调节模型为：
Figure 685368DEST_PATH_IMAGE061
所述优化调节模型的约束条件包括：
Figure 662551DEST_PATH_IMAGE002
Figure 58897DEST_PATH_IMAGE003
Figure 463334DEST_PATH_IMAGE004
；
Figure 46762DEST_PATH_IMAGE005
Figure 827636DEST_PATH_IMAGE006
Figure 78489DEST_PATH_IMAGE007
其中，
Figure 388248DEST_PATH_IMAGE008
表示的是用户经济成本目标和多元配电网电压水平目标之间进行平衡的系数；
Figure 458972DEST_PATH_IMAGE009
和
Figure 777958DEST_PATH_IMAGE010
分别表示的是多元配电网的调节中心在t时刻对用户分布式电源所产生的有功功率和无功功率的调节信号；
Figure 883317DEST_PATH_IMAGE011
和
Figure 148599DEST_PATH_IMAGE012
分别为在t时刻节点i的分布式电源将会向多元配电网注入有功功率和无功功率；
Figure 972199DEST_PATH_IMAGE013
和
Figure 829296DEST_PATH_IMAGE014
表示多元配电网中所有节点注入有功功率和无功功率构成的向量；
Figure 54741DEST_PATH_IMAGE015
表示的是多元配电网电压水平；
Figure 706302DEST_PATH_IMAGE016
为用于用户侧的经济成本；
Figure 751619DEST_PATH_IMAGE017
表示多元配电网电压水平目标；
Figure 412407DEST_PATH_IMAGE018
和
Figure 492359DEST_PATH_IMAGE019
表示的是多元配电网电压水平的上下限要求；R与X为多元配电网近似的线性化潮流计算公式中的对应有功功率和无功功率的系数矩阵，a为常数；
Figure 580400DEST_PATH_IMAGE020
是函数符号；i表示多元配电网的节点，N表示节点集合；
Figure 113013DEST_PATH_IMAGE021
是函数符号；
Figure 577492DEST_PATH_IMAGE022
表示定义的意思；
Figure 246371DEST_PATH_IMAGE023
为用户负荷集合；
对用户的负荷进行调节，计算式为：
用户收到调节信号
Figure 505314DEST_PATH_IMAGE024
，根据当前的用户负荷
Figure 525223DEST_PATH_IMAGE025
和本地用户的经济成本
Figure 793393DEST_PATH_IMAGE026
，采用下式进行负荷调节：
Figure 582357DEST_PATH_IMAGE027
其中计算时保证
Figure 12202DEST_PATH_IMAGE028
，符号
Figure 253827DEST_PATH_IMAGE029
表示梯度，其下标表示求梯度时对应的变量；
多元配电网的调节中心只需要采集用户的电压信息，并根据所采集的电压信息，进行调节信号的计算，其计算式为：
Figure 60109DEST_PATH_IMAGE030
Figure 205045DEST_PATH_IMAGE031
Figure 71370DEST_PATH_IMAGE032
Figure 800291DEST_PATH_IMAGE062
其中计算时保证
Figure 410264DEST_PATH_IMAGE034
和
Figure 908242DEST_PATH_IMAGE035
；
Figure 945468DEST_PATH_IMAGE036
和
Figure 161686DEST_PATH_IMAGE037
表示迭代计算的步长，
Figure 309770DEST_PATH_IMAGE038
和
Figure 927833DEST_PATH_IMAGE039
表示对应于不等式约束的拉格朗日乘子；k为该算法计算过程的迭代次数；
在利用PID算法对迭代计算过程中对应的预设控制目标的误差进行控制的过程中，控制目标为：
Figure 135961DEST_PATH_IMAGE040
Figure 573895DEST_PATH_IMAGE041
Figure 525671DEST_PATH_IMAGE042
Figure 998240DEST_PATH_IMAGE043
Figure 377269DEST_PATH_IMAGE063
其中，上标
Figure 568079DEST_PATH_IMAGE045
表示最优解；
PID控制对3个控制目标定义控制过程中的误差，其误差分别为：
控制目标1的误差：
Figure 57966DEST_PATH_IMAGE064
控制目标2的误差：
Figure 650622DEST_PATH_IMAGE065
控制目标3的误差：
Figure 436437DEST_PATH_IMAGE066
构造与优化问题对应的拉格朗日函数：
Figure 114543DEST_PATH_IMAGE049
其中，
Figure 408121DEST_PATH_IMAGE050
是对应等式约束
Figure 855283DEST_PATH_IMAGE051
的拉格朗日乘子，
Figure 576115DEST_PATH_IMAGE052
是对应于不等式约束
Figure 475937DEST_PATH_IMAGE053
的拉格朗日乘子，将所有拉格朗日乘子写作向量，用向量
Figure 42048DEST_PATH_IMAGE054
和
Figure 609296DEST_PATH_IMAGE055
表示；
Figure 501028DEST_PATH_IMAGE056
为目标函数；数符号
Figure 888147DEST_PATH_IMAGE029
的下标
Figure 523528DEST_PATH_IMAGE057
表示求梯度时对应的变量；
基于所定义的3个误差量，PID算法所对应PID控制器的表达式为：
Figure 945282DEST_PATH_IMAGE058
其中，
Figure 7916DEST_PATH_IMAGE059
，
Figure 882331DEST_PATH_IMAGE060
为PID控制器的输出。
CN202111067640.0A 2021-09-13 2021-09-13 含高比例分布式电源的多元配电网协同调控方法及系统 Active CN113517721B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111067640.0A CN113517721B (zh) 2021-09-13 2021-09-13 含高比例分布式电源的多元配电网协同调控方法及系统
US17/729,202 US20230093345A1 (en) 2021-09-13 2022-04-26 Method and system for collaborative regulation of multi-component power distribution network with high proportion of distributed power sources

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111067640.0A CN113517721B (zh) 2021-09-13 2021-09-13 含高比例分布式电源的多元配电网协同调控方法及系统

Publications (2)

Publication Number Publication Date
CN113517721A CN113517721A (zh) 2021-10-19
CN113517721B true CN113517721B (zh) 2021-12-21

Family

ID=78063252

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111067640.0A Active CN113517721B (zh) 2021-09-13 2021-09-13 含高比例分布式电源的多元配电网协同调控方法及系统

Country Status (2)

Country Link
US (1) US20230093345A1 (zh)
CN (1) CN113517721B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116632936B (zh) * 2023-04-28 2024-01-19 上海交通大学 分布式电源逆变器协同调节配电网电压的单参数规划方法
CN116760040B (zh) * 2023-06-07 2024-03-26 无锡市广盈电力设计有限公司 一种分布式电源局部聚合抗扰控制方法
CN118393855B (zh) * 2024-06-26 2024-08-27 开封市大方预应力有限公司新乡分公司 基于轮箱滑轮组的钢梁顶推控制设备及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140205283A1 (en) * 2012-05-24 2014-07-24 Nec Laboratories America, Inc. Multidimensional coded-modulation for high-speed optical transport over few-mode fibers
CN108039711A (zh) * 2017-12-22 2018-05-15 国网冀北电力有限公司秦皇岛供电公司 一种电压无功协调优化控制方法及装置
CN108494022A (zh) * 2018-04-23 2018-09-04 东北大学 一种基于微电网中分布式电源的精准调度方法
CN110570108A (zh) * 2019-08-29 2019-12-13 天津大学 一种基于拉格朗日乘子的最优负荷削减算法及其应用
CN113098007A (zh) * 2021-04-25 2021-07-09 山东大学 基于分层强化学习的微电网分布式在线调度方法及系统

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4870421A (en) * 1987-12-28 1989-09-26 General Electric Company Regulating switch for transmitting modules in a phased array radar
US9159042B2 (en) * 2009-10-23 2015-10-13 Viridity Energy, Inc. Facilitating revenue generation from data shifting by data centers
US8892264B2 (en) * 2009-10-23 2014-11-18 Viridity Energy, Inc. Methods, apparatus and systems for managing energy assets
US9348381B2 (en) * 2011-10-19 2016-05-24 Zeco Systems Pte Ltd Methods and apparatuses for charging of electric vehicles
US9742411B1 (en) * 2015-08-24 2017-08-22 University Of South Florida Simultaneous economic dispatch and frequency regulation of power systems
US10148092B2 (en) * 2016-01-27 2018-12-04 Alliance For Sustainable Energy, Llc Real time voltage regulation through gather and broadcast techniques
US10734821B2 (en) * 2018-03-08 2020-08-04 Saudi Arabian Oil Company Power control system
CN112715007A (zh) * 2018-06-27 2021-04-27 鲍尔马特技术有限公司 增强的异物检测方法
US11387651B2 (en) * 2019-05-26 2022-07-12 Battelle Memorial Institute Coordinated voltage control and reactive power regulation between transmission and distribution systems
US11728653B2 (en) * 2019-06-17 2023-08-15 Sentient Energy Technology, LLC Autonomous regulation of grid edge devices
US11695299B2 (en) * 2020-10-01 2023-07-04 Tianjin University Quick-response voltage control method of distribution system considering multiple participants

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140205283A1 (en) * 2012-05-24 2014-07-24 Nec Laboratories America, Inc. Multidimensional coded-modulation for high-speed optical transport over few-mode fibers
CN108039711A (zh) * 2017-12-22 2018-05-15 国网冀北电力有限公司秦皇岛供电公司 一种电压无功协调优化控制方法及装置
CN108494022A (zh) * 2018-04-23 2018-09-04 东北大学 一种基于微电网中分布式电源的精准调度方法
CN110570108A (zh) * 2019-08-29 2019-12-13 天津大学 一种基于拉格朗日乘子的最优负荷削减算法及其应用
CN113098007A (zh) * 2021-04-25 2021-07-09 山东大学 基于分层强化学习的微电网分布式在线调度方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
A_condition-based_maintenance_approach_to_an_optimal_maintenance_strategy_considering_equipment_imperfect_maintenance_model;YEYONG LI;《Electric Utility Deregulation and Restructuring and Power Technologies》;20150129;全文 *
Distributed Piecewise Approximation Economic Dispatch for Regional Power Systems Under Non-Ideal Communication;RAN HAO;《IEEE Access》;20190401;全文 *
Interactive energy management of networked microgrids-based active distribution system considering large-scale integration of renewable energy resources;Tianguang Lv;《Applied Energy》;20151205;全文 *
含多微网的主动配电系统综合优化运行行为分析与建模;吕天光;《中国电机工程学报》;20160105;第36卷(第1期);全文 *
基于能源细胞组织架构的区域能源网需求响应研究挑战与展望;黄开艺;《电网技术》;20190930;第43卷(第9期);全文 *

Also Published As

Publication number Publication date
US20230093345A1 (en) 2023-03-23
CN113517721A (zh) 2021-10-19

Similar Documents

Publication Publication Date Title
CN113517721B (zh) 含高比例分布式电源的多元配电网协同调控方法及系统
Li et al. Coordinated load frequency control of multi-area integrated energy system using multi-agent deep reinforcement learning
Mallada et al. Optimal load-side control for frequency regulation in smart grids
Hu et al. Voltage control for distribution networks via coordinated regulation of active and reactive power of DGs
CN106786677B (zh) 一种互联电力系统分布式动态矩阵频率控制方法
Sun et al. An integrated critic-actor neural network for reinforcement learning with application of DERs control in grid frequency regulation
CN111049173B (zh) 多端直流配网自组织下垂控制方法
Duan et al. Hierarchical power flow control in smart grids: Enhancing rotor angle and frequency stability with demand-side flexibility
CN110445130A (zh) 考虑最优无功支撑的静态电压稳定裕度计算装置
CN114243750B (zh) 一种光伏消纳能力评估方法及装置
Gupta et al. Deep learning for optimal Volt/VAR control using distributed energy resources
CN110957731A (zh) 基于模型预测控制的分布式电源就地集群电压控制方法
CN114722693A (zh) 一种水轮机调节系统二型模糊控制参数的优化方法
Xu et al. Design of three-stage start-up optimal strategy based on fuzzy fractional-order proportion integration differentiation controller of pumped storage unit under low water head
Pereira et al. Economic model predictive control of a smartgrid with hydrogen storage and PEM fuel cell
Klemets et al. A distributed algorithm for controlling continuous and discrete variables in a radial distribution grid
Yang et al. Stability and stabilization for TS fuzzy load frequency control power system with energy storage system
Roy et al. Advanced heavy water reactor control with the aid of adaptive second-order sliding mode controller
Patel et al. Fractional-order adaptive sliding mode control with disturbance observer for frequency regulation in isolated microgrid
CN106099912B (zh) 一种主动配电网局部功率协调控制系统及方法
Wei et al. A chance-constrained optimal design of Volt/VAR control rules for distributed energy resources
Feng et al. Nonlinear model predictive control for pumped storage plants based on online sequential extreme learning machine with forgetting factor
CN116169723A (zh) 一种平抑光伏发电不确定性的电压控制方法及相关装置
CN116307044A (zh) 一种基于虚拟队列和在线对偶技术的虚拟电厂优化运行方法
CN115549111A (zh) 一种面向微电网的温控负荷集群控制方法、系统及介质

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