CN113541151B - 一种计及光伏出力不确定性的配微网分层电压控制方法 - Google Patents

Abstract

本发明提供了一种计及光伏出力不确定性的配微网分层电压控制方法，首先建立配微网双层电压控制模型，确定目标函数，考虑电价奖励机制，上层配电网目标为网损成本和购买微电网辅助服务成本之和最小，下层微电网目标为最大化经济收益；接着确定约束条件，双层模型需要满足电价约束、潮流约束、节点电压约束、OLTC及CBs调节约束；计及光伏出力不确定性对电压约束的影响，采用机会约束规划对电压约束条件进行改进；采用博弈论中的迭代搜索算法求解双层电压控制模型，将电价与微电网可提供的无功功率建立函数关系，从而求得最佳控制策略。本发明解决了含微网的配电系统出现的电压越限问题，同时减少了配电系统的调压成本。

Description

一种计及光伏出力不确定性的配微网分层电压控制方法

技术领域

本发明涉及配电网电压控制技术领域，特别是一种计及光伏出力不确定性的配微网分层电压控制方法。

背景技术

现阶段研究的电压控制方法主要分为集中式控制和就地控制。集中式控制指由某一集中控制器接收所有电网参数及控制单元信息，集中优化计算得到各调控设备的调度指令并统一下发进行电压控制的方法。因此集中式电压控制很大程度上依靠于通信设施，难以适用于实时的电压控制。就地电压控制指通过就地量测的电压或功率信息，依据函数关系控制调压设备的动作和无功功率来调节配电网电压的方法。但由于就地电压控制方法不需要信息的传输和交互，因此可以满足实时的电压控制要求，但同时对某一节点电压的调节无法兼顾其他调压设备和节点电压的情况，导致电压控制效果无法达到全局最优。

目前，国内外均有成熟的方案和设备从技术和工程实践中解决了分布式电源并网，同时提供有功功率与无功功率补偿的控制方案，使分布式电源并网发电系统向电网提供有功功率的同时也能够提供无功功率，充分发挥了分布式电源的无功补偿能力，有助于提高配电网的运行水平。对于分布式电源接入后的配电系统，将调节有无功补偿能力的分布式电源的无功功率与传统的电压调节手段相结合，实现配电系统的无功优化。

发明内容

本发明的目的在于克服现有技术的不足，提出一种计及光伏出力不确定性的配微网分层电压控制方法，以解决上述技术背景中提出的问题。

为实现上述目的，本发明通过以下技术方案来实现：

本发明提供一种计及光伏出力不确定性的配微网分层电压控制方法，包括以下步骤：

一种计及光伏出力不确定性的配微网分层电压控制方法，所述方法包括以下步骤：

步骤1、确定目标函数，考虑电价激励机制，上层配电网目标为网损成本最小，下层微电网目标为最大化经济收益；

步骤2、确定约束条件，双层模型需要满足补偿电价约束、潮流约束、节点电压安全约束、有载调压变压器OLTC及电容器组CBs调节约束，初步建立起配微网双层电压控制模型；

步骤3、计及光伏出力不确定性对电压约束的影响，采用机会约束规划对电压约束条件进行改进；

步骤4、采用博弈论中的迭代搜索算法求解双层电压控制模型，将电价与微电网可提供的无功功率建立函数关系，生成电价-无功曲线去优化求解过程，从而求得最佳控制策略。

进一步，所述步骤1中上层配电网网损成本最小的目标函数为：

minF＝f₁+f₂

式(1)中，f₁和f₂为网损成本和购买微电网辅助服务成本，T代表一天24h，n_l为网络支路数，C_p为网损成本系数，为t时刻线路l上的有功损耗，C_aj，t和C_rj，t为t时刻配电网提供给微电网的有功削减和提供无功补偿的奖励电价，/>为t时刻微电网j的有功削减量，Q_Tj，t为t时刻微电网j提供的无功功率，n_MG为配电网中接入微电网的数量；

下层微电网最大化经济收益的目标函数为：

式(2)中，T代表一天24h，c^S和c^G分别为MG的售电电价以及MT单位发电成本，P_T，t为t时刻配微网传输的有功，P_mLi，t为t时刻节点i的有功负荷，P_MTi，t为t时刻节点i的MT发出的有功功率，N和N_MT分别为微电网中负荷及微型燃气轮机数。c_a，t和c_r，t分别为t时刻微电网收到的有功及无功奖励电价，为t时刻微电网有功削减总量，Q_T，t为t时刻微电网提供的无功功率，Q_ref，t为t时刻配电网得到的公共连接点PCC点无功参考值，用无功功率与配电网无功参考值的偏差与无功奖励电价的乘积来表达微电网通过提供无功补偿从而获得的收益。

进一步，步骤2中：

补偿电价约束：

式(3)中，C_amax和C_amin分别为有功补偿电价的上限值和下限值，C_rmax和C_rmin分别为无功补偿电价的上下限，其取值均由电价监管机构制定；

潮流约束：

式(4)中，P_Gi，t、P_Ti，t和P_Li，t分别为t时刻接入节点i的DG有功出力、配微网交互有功功率和有功负荷，Q_Gi，t、Q_Ti，t和Q_Li，t分别为t时刻接入节点i的DG无功出力、配微网交互无功功率和无功负荷，Q_Si，t为t时刻接入节点i的CBs容量，V_i，t为t时刻节点i的电压幅值，G_ij和B_ij分别为节点导纳矩阵的实部和虚部，θ_ij，t为t时刻节点i和节点j的相角差；

节点电压安全约束：

V_min≤V_i，t≤V_max (5)

式(5)中，V_min和V_max分别为配电网电压的下限值和上限值；

OLTC和CBs调节约束次数限制：

式(6)中，T代表一天内24h，c₁和c₂为一天内OLTC和电容器组动作次数上限，tap_t为OLTC分接头在t时刻的位置，tap_max和tap_min分别为OLTC分接头调节的最大值和最小值，k_i，t为t时接入节点i的电容器组数，k_min和k_max分别为电容器组接入组数的下限和上限；

和上层配电网约束条件相比，下层微电网模型同样需要满足潮流约束(4)、电压安全约束(5)、DG运行约束。DG运行约束包括光伏阵列和微型燃气轮机的一些约束，考虑光伏逆变器容量和功率因数的限制，其运行约束表达式为：

式(7)中PF_PV为PV并网点的功率因数，Q_PV为PV输出的无功功率，S_PV为逆变器的容量；P_PV为光伏发电系统实际发出的有功功率；

微型燃气轮机功率调节约束表达式为：

式(8)中，P_MT为MT发出的有功功率，P_MTmin和P_MTmax分别为MT发出有功的下限值和上限值，Q_MT为MT输出的无功功率，S_MT为MT并网逆变器的容量。

进一步，步骤3中为计及光伏出力不确定性对电压约束的影响，采用机会约束规划方法对随机变量进行处理，先假定其有功出力的概率分布服从正态分布，则优化模型中的电压约束可表达为：

式(9)中，P{·}为约束条件大于置信水平的概率，为t时刻节点i电压的实际值，V_i，t为t时刻节点i电压的预测值，/>是节点i电压对节点j有功功率的灵敏度，δ_j，t为PV出力的预测误差；1-ε为电压满足安全约束的置信水平。

进一步，步骤4中基于博弈论的方法求解双层优化模型时，配电网和微电网在电价奖励基础下建立合作关系，微电网根据电价的高低决定向配电网提供多少无功，但配电网出于自身调压成本最小的考虑，奖励电价与微电网发出功率之间没有约束关系，使得配电网通过优化求得的奖励电价只会在最低价；

电价无功曲线建立的步骤为：

首先微电网根据电价C_r的取值范围[C_rmin，C_rmax]，将其分为k段，每段电价值可表达为C_r(i)＝C_r(0)+i[(C_rmax-C_rmin/k]，i＝1..k，其中C_r(0)＝C_rmin；

接着对于给定的电价C_r(i)和根节点电压V，求解微电网模型，得到t时刻PCC点无功功率Q；

Q与C一一对应组成电价无功散点，采用分段线性拟合方法拟合上述散点，得到Q(c)曲线。

进一步，步骤4中双层电压控制模型求解过程为：

首先初始化微电网参数，分段点初始位置为i＝0，公共连接点PCC电压V＝1.0p.u.，电价调节范围[C_rmin，C_rmax]；接着求解微电网优化模型，得到不同电价下的PCC点无功功率，基于分段线性拟合方法得到电价-功率曲线并传递给配电网；然后求解配电网优化模型，得到确定的无功电价C_r，PCC点电压V和需要购买的无功功率Q_ref并传递给微电网；再基于配电网电价及无功购买信息，求解微电网模型，得到微电网向配电网传输的无功功率Q；最后判断Q_ref和Q之间的误差是否小于一定值，若满足则输出结果，否则跳转到第二步继续求解微电网模型，得到最优的电压控制策略后，对比电压控制前后配电系统电压水平是否有所改善。

本发明的有益效果是：本发明所述的一种计及光伏出力不确定性的配微网分层电压控制方法，通过将整个含微网的配电系统进行分层建模，确定配电系统和微电网的目标函数和约束条件，为了反应光伏出力的不确定性对电压的影响，采用机会约束规划法对电压约束条件进行改进，解决了传统的双层模型把可再生能源只看作理想电源而忽视其出力不确定性的问题，使用迭代搜索算法求解双层模型时，考虑到激励电价在含微网的配电系统电压控制中的作用，提出了电价功率曲线来优化双层模型的求解过程，并且充分考虑了配微网分属于不同经济主体的差异性，实现最小化配电网调压成本的同时保证了微电网收益的最大化，本方法具有准确性，快速性和协调性的特点。

附图说明

图1为本发明提供的一种计及光伏出力不确定性的配微网分层电压控制方法的流程图；

图2为本发明的实施例中所提供的含微电网的33节点配电网结构图；

图3为某一时刻下可能的电价无功曲线；

图4为双层模型求解步骤流程图；

具体实施方式

为了使发明更加显明易懂，配合附图作详细说明如下，

本发明提供的一种计及光伏出力不确定性的配微网分层电压控制方法，如图1所示该方法包括如下步骤：

步骤1：确定目标函数，考虑电价激励机制，上层配电网目标为网损成本最小，下层微电网目标为最大化经济收益；

上层配电网网损成本最小的目标函数为：

minF＝f₁+f₂

式(1)中，f₁和f₂为网损成本和购买微电网辅助服务成本，T代表一天24h，n_l为网络支路数，C_p为网损成本系数，为t时刻线路l上的有功损耗，C_aj，t和C_rj，t为t时刻配电网提供给微电网的有功削减和提供无功补偿的奖励电价，/>为t时刻微电网j的有功削减量，Q_Tj，t为t时刻微电网j提供的无功功率，n_MG为配电网中接入微电网的数量；

下层微电网要最大化经济收益的目标函数为：

式(2)中，T代表一天24h，c^S和c^G分别为MG的售电电价以及MT单位发电成本，P_T，t为t时刻配微网传输的有功，P_mLi，t为t时刻节点i的有功负荷，P_MTi，t为t时刻节点i的MT发出的有功功率，N和N_MT分别为微电网中负荷及微型燃气轮机数。c_a，t和c_r，t分别为t时刻微电网收到的有功及无功奖励电价，为t时刻微电网有功削减总量，Q_ref，t为t时刻配电网得到的PCC无功参考值，用无功功率与配电网无功参考值的偏差与无功奖励电价的乘积来表达微电网通过提供无功补偿从而获得的收益。

步骤2：确定约束条件，双层模型需要满足电价约束、潮流约束、节点电压约束、OLTC及CBs调节约束，初步建立起配微网双层电压控制模型；

上层配电网的目标函数需要满足的约束条件为：

补偿电价约束：

式(3)中，C_amax和C_amin分别为有功补偿电价的上限值和下限值，C_rmax和C_rmin分别为无功补偿电价的上下限，其取值均由电价监管机构制定；

潮流约束：

式(4)中，P_Gi，t、P_Ti，t和P_Li，t分别为t时刻接入节点i的DG有功出力、配微网交互有功功率和有功负荷，Q_Gi，t、Q_Ti，t和Q_Li，t分别为t时刻接入节点i的DG无功出力、配微网交互无功功率和无功负荷，Q_Si，t为t时刻接入节点i的CBs容量，V_i，t为t时刻节点i的电压幅值，G_ij和B_ij分别为节点导纳矩阵的实部和虚部，θ_ij，t为t时刻节点i和节点j的相角差；

电压安全约束：

V_min≤V_i，t≤V_max (5)

式(5)中，V_min和V_max分别为配电网电压的下限值和上限值；

OLTC和CBs调节次数限制：

式(6)中，T代表一天内24h，c₁和c₂为一天内OLTC和电容器组动作次数上限。tap_t为OLTC分接头在t时刻的位置，tap_max和tap_min分别为OLTC分接头调节的最大值和最小值。k_i，t为t时接入节点i的电容器组数，k_min和k_max分别为电容器组接入组数的下限和上限；

和上层配电网约束条件相比，下层微电网模型同样需要满足潮流约束(4)、电压安全约束(5)、DG运行约束。DG运行约束包括光伏阵列和微型燃气轮机的一些约束，考虑光伏逆变器容量和功率因数的限制，其运行约束表达式为：

式(7)中PF_PV为PV并网点的功率因数，Q_PV为PV输出的无功功率，S_PV为逆变器的容量。P_PV为光伏发电系统实际发出的有功功率；

微型燃气轮机功率调节约束表达式为：

式(8)中，P_MT为MT发出的有功功率，P_MTmin和P_MTmax分别为MT发出有功的下限值和上限值，Q_MT为MT输出的无功功率，S_MT为MT并网逆变器的容量。

步骤3：计及光伏出力不确定性对电压约束的影响，采用机会约束规划对电压约束条件进行改进；

所述的对电压约束条件改进的办法为：采用机会约束规划方法对随机变量进行处理，先假定其有功出力的概率分布服从正态分布，则优化模型中的电压约束可表达为：

式(9)中，P{·}为约束条件大于置信水平的概率，为t时刻节点i电压的实际值，V_i，t为t时刻节点i电压的预测值，/>是节点i电压对节点j有功功率的灵敏度，δ_j，t为PV出力的预测误差；1-ε为电压满足安全约束的置信水平。

步骤4：根据图2所示的配电网节点图，采用博弈论中的迭代搜索算法求解双层电压控制模型，建立电价-无功曲线优化求解过程，；

所述的无功电价曲线生成策略为：基于博弈论的方法求解双层优化模型时，配电网和微电网在电价奖励基础下建立合作关系，微电网根据电价的高低决定向配电网提供多少无功，但配电网出于自身调压成本最小的考虑，奖励电价与微电网发出功率之间没有约束关系，使得配电网通过优化求得的奖励电价只会在最低价。

电价无功曲线建立的步骤为：

首先微电网根据电价C_r的取值范围[C_rmin，C_rmax]，将其分为k段，每段电价值可表达为C_r(i)＝C_r(0)+i[(C_rmax-C_rmin/k]，i＝1..k，其中C_r(0)＝C_rmin；

接着对于给定的电价C_r(i)和根节点电压V，求解微电网模型，得到t时刻PCC点无功功率Q；

Q与C一一对应组成电价无功散点，采用分段线性拟合方法拟合上述散点，得到Q(c)曲线。

图3为某一时刻下可能的Q(c)曲线。

进一步地，参照图4，双层优化模型求解方法为：采用博弈论中的迭代搜索算法求解双层电压控制模型，将生成的电价-无功曲线加入到博弈论算法过程中优化求解过程，从而求得最佳控制策略，求解步骤如下：

基于首先初始化微电网参数，分段点初始位置为i＝0，PCC点电压V＝1.0p.u.，电价调节范围[C_rmin，C_rmax]；接着求解微电网优化模型，得到不同电价下的PCC点无功功率，基于分段线性拟合方法得到电价-功率曲线并传递给配电网；

然后求解配电网优化模型，得到确定的无功电价C_r，PCC点电压V和需要购买的无功功率Q_ref并传递给微电网；再基于配电网电价及无功购买信息，求解微电网模型，得到微电网向配电网传输的无功功率Q；

最后判断Q_ref和Q之间的误差是否小于一定值，若满足则输出结果，否则跳转到第二步继续求解微电网模型，得到最优的电压控制策略后，对比电压控制前后配电系统电压水平是否有所改善。

综上，本发明提供了一种计及光伏出力不确定性的配微网分层电压控制方法，包括如下步骤：首先建立配微网双层电压控制模型，确定目标函数，考虑电价奖励机制，上层配电网目标为网损成本和购买微电网辅助服务成本之和最小，下层微电网目标为最大化经济收益；接着确定约束条件，双层模型需要满足电价约束、潮流约束、节点电压约束、OLTC及CBs调节约束；计及光伏出力不确定性对电压约束的影响，采用机会约束规划对电压约束条件进行改进；采用博弈论中的迭代搜索算法求解双层电压控制模型，将电价与微电网可提供的无功功率建立函数关系，生成电价-无功曲线去优化求解过程，从而求得最佳控制策略。本发明有效解决了含微网的配电系统出现的电压越限问题，同时减少了配电系统的调压成本以及提高了微电网的经济收益。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (3)

1.一种计及光伏出力不确定性的配微网分层电压控制方法，其特征在于，所述方法包括以下步骤：

步骤1、确定目标函数，考虑电价激励机制，上层配电网目标为网损成本最小，下层微电网目标为最大化经济收益；

步骤2、确定约束条件，双层模型需要满足补偿电价约束、潮流约束、节点电压安全约束、有载调压变压器OLTC及电容器组CBs调节约束，初步建立起配微网双层电压控制模型；

步骤3、计及光伏出力不确定性对电压约束的影响，采用机会约束规划对电压约束条件进行改进；

步骤4、采用博弈论中的迭代搜索算法求解双层电压控制模型，将电价与微电网可提供的无功功率建立函数关系，生成电价-无功曲线去优化求解过程，从而求得最佳控制策略；

所述步骤1中上层配电网网损成本最小的目标函数为：

minF＝f₁+f₂

式(1)中，f₁和f₂为网损成本和购买微电网辅助服务成本，T代表一天24h，n_l为网络支路数，C_p为网损成本系数，为t时刻线路l上的有功损耗，C_aj，t和C_rj，t为t时刻配电网提供给微电网的有功削减和提供无功补偿的奖励电价，/>为t时刻微电网j的有功削减量，Q_Tj，t为t时刻微电网j提供的无功功率，n_MG为配电网中接入微电网的数量；

下层微电网最大化经济收益的目标函数为：

式(2)中，T代表一天24h，c^S和c^G分别为MG的售电电价以及MT单位发电成本，P_T，t为t时刻配微网传输的有功，P_mLi，t为t时刻节点i的有功负荷，P_MTi，t为t时刻节点i的MT发出的有功功率，N和N_MT分别为微电网中负荷及微型燃气轮机数，c_a，t和c_r，t分别为t时刻微电网收到的有功及无功奖励电价，为t时刻微电网有功削减总量，Q_T，t为t时刻微电网提供的无功功率，Q_ref，t为t时刻配电网得到的公共连接点PCC点无功参考值，用无功功率与配电网无功参考值的偏差与无功奖励电价的乘积来表达微电网通过提供无功补偿从而获得的收益；

步骤2中：

补偿电价约束：

式(3)中，C_amax和C_amin分别为有功补偿电价的上限值和下限值，C_rmax和C_rmin分别为无功补偿电价的上下限，其取值均由电价监管机构制定；

潮流约束：

式(4)中，P_Gi，t、P_Ti，t和P_Li，t分别为t时刻接入节点i的DG有功出力、配微网交互有功功率和有功负荷，Q_Gi，t、Q_Ti，t和Q_Li，t分别为t时刻接入节点i的DG无功出力、配微网交互无功功率和无功负荷，Q_Si，t为t时刻接入节点i的CBs容量，V_i，t为t时刻节点i的电压幅值，G_ij和B_ij分别为节点导纳矩阵的实部和虚部，θ_ij，t为t时刻节点i和节点j的相角差；

节点电压安全约束：

V_min≤V_i，t≤V_max (5)

式(5)中，V_min和V_max分别为配电网电压的下限值和上限值；

OLTC和CBs调节约束次数限制：

式(6)中，T代表一天内24h，c₁和c₂为一天内OLTC和电容器组动作次数上限，tap_t为OLTC分接头在t时刻的位置，tap_max和tap_min分别为OLTC分接头调节的最大值和最小值，k_i，t为t时接入节点i的电容器组数，k_min和k_max分别为电容器组接入组数的下限和上限；

和上层配电网约束条件相比，下层微电网模型同样需要满足潮流约束(4)、电压安全约束(5)、DG运行约束，DG运行约束包括光伏阵列和微型燃气轮机的一些约束，考虑光伏逆变器容量和功率因数的限制，其运行约束表达式为：

式(7)中PF_PV为PV并网点的功率因数，Q_PV为PV输出的无功功率，S_PV为逆变器的容量；P_PV为光伏发电系统实际发出的有功功率；

微型燃气轮机功率调节约束表达式为：

式(8)中，P_MT为MT发出的有功功率，P_MTmin和P_MTmax分别为MT发出有功的下限值和上限值，Q_MT为MT输出的无功功率，S_MT为MT并网逆变器的容量；

步骤3中为计及光伏出力不确定性对电压约束的影响，采用机会约束规划方法对随机变量进行处理，先假定其有功出力的概率分布服从正态分布，则优化模型中的电压约束可表达为：

式(9)中，P{·}为约束条件大于置信水平的概率，为t时刻节点i电压的实际值，V_i，t为t时刻节点i电压的预测值，/>是节点i电压对节点j有功功率的灵敏度，δ_j，t为PV出力的预测误差；1-ε为电压满足安全约束的置信水平。

2.根据权利要求1所述的一种计及光伏出力不确定性的配微网分层电压控制方法，其特征在于：步骤4中基于博弈论的方法求解双层优化模型时，配电网和微电网在电价奖励基础下建立合作关系，微电网根据电价的高低决定向配电网提供多少无功，但配电网出于自身调压成本最小的考虑，奖励电价与微电网发出功率之间没有约束关系，使得配电网通过优化求得的奖励电价只会在最低价；

电价无功曲线建立的步骤为：

首先微电网根据电价C_r的取值范围[C_rmin，C_rmax]，将其分为k段，每段电价值可表达为C_r(i)＝C_r(0)+i[(Cr_max-C_rmin/k]，i＝1..k，其中C_r(0)＝C_rmin；

接着对于给定的电价C_r(i)和根节点电压V，求解微电网模型，得到t时刻PCC点无功功率Q；

Q与C一一对应组成电价无功散点，采用分段线性拟合方法拟合上述散点，得到Q(c)曲线。

3.根据权利要求2所述的一种计及光伏出力不确定性的配微网分层电压控制方法，其特征在于：步骤4中双层电压控制模型求解过程为：

首先初始化微电网参数，分段点初始位置为i＝0，公共连接点PCC电压V＝1.0p.u.，电价调节范围[C_rmin，C_rmax]；接着求解微电网优化模型，得到不同电价下的PCC点无功功率，基于分段线性拟合方法得到电价-功率曲线并传递给配电网；然后求解配电网优化模型，得到确定的无功电价C_r，PCC点电压V和需要购买的无功功率Q_ref并传递给微电网；再基于配电网电价及无功购买信息，求解微电网模型，得到微电网向配电网传输的无功功率Q；最后判断Q_ref和Q之间的误差是否小于一定值，若满足则输出结果，否则跳转到第二步继续求解微电网模型，得到最优的电压控制策略后，对比电压控制前后配电系统电压水平是否有所改善。