CN113688348A - 基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及系统 - Google Patents

基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及系统 Download PDF

Info

Publication number
CN113688348A
CN113688348A CN202110804693.XA CN202110804693A CN113688348A CN 113688348 A CN113688348 A CN 113688348A CN 202110804693 A CN202110804693 A CN 202110804693A CN 113688348 A CN113688348 A CN 113688348A
Authority
CN
China
Prior art keywords
user
load
time
representing
adjustment
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.)
Granted
Application number
CN202110804693.XA
Other languages
English (en)
Other versions
CN113688348B (zh
Inventor
刘启斌
魏杰
陈征
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.)
Guizhou Wanfeng Electric Power Co ltd
Nari Technology Co Ltd
NARI Nanjing Control System Co Ltd
Original Assignee
Guizhou Wanfeng Electric Power Co ltd
Nari Technology Co Ltd
NARI Nanjing Control System 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 Guizhou Wanfeng Electric Power Co ltd, Nari Technology Co Ltd, NARI Nanjing Control System Co Ltd filed Critical Guizhou Wanfeng Electric Power Co ltd
Priority to CN202110804693.XA priority Critical patent/CN113688348B/zh
Publication of CN113688348A publication Critical patent/CN113688348A/zh
Application granted granted Critical
Publication of CN113688348B publication Critical patent/CN113688348B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • 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
    • H02J3/38—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
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Development Economics (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Educational Administration (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Power Engineering (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Computer And Data Communications (AREA)

Abstract

本发明公开了一种基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及系统，所述方法包括获取电价激励下的可调负荷优化调控模型；根据用户参与状态将所述可调负荷优化调控模型转换为切换拓扑结构，进而获得拉格朗日函数；求解所述拉格朗日函数，得到全局最优解。本发明针对可控负荷中存在数量众多且分散的问题，充分考虑各可控负荷的动力学特性，基于分布式协调控制理论对其进行优化控制，同时，针对可控负荷的通信网络动态、拓扑切换等问题，将传统分布式控制策略发展到动态切换拓扑下的网络化分布式控制策略，解决了传统控制方法无法应对的网络拓扑动态切换的难题，实现了电力系统负荷侧的安全稳定控制。

Description

基于动态网络切换拓扑的可控负荷分布式协调控制方法、装 置及系统
技术领域
本发明属于电力系统自动化的技术领域，具体涉及一种基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及系统。
背景技术
由于地方电网的发电容量较小且有较大的冲击负荷，无法仅仅依靠发电机来应对冲击负荷和新能源带来的调节和控制需求，需对负荷侧进行有效控制以抑制其波动性带来的影响。而可控负荷中存在数量众多且分散的问题，对于可控负荷的通信网络动态、拓扑切换等，传统控制方法具有很大的局限性。
发明内容
针对上述问题，本发明提出一种基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及系统，能够解决传统控制方法无法应对的网络拓扑动态切换的难题，实现了电力系统负荷侧的安全稳定控制。
为了实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
第一方面，本发明提供了一种基于动态网络切换拓扑的可控负荷分布式协调控制方法，包括：
获取电价激励下的可调负荷优化调控模型；
根据用户参与状态将所述可调负荷优化调控模型转换为切换拓扑结构，进而获得拉格朗日函数；
求解所述拉格朗日函数，得到全局最优解。
可选地，所述可调负荷优化调控模型的约束条件包括：
负荷调整约束：
Figure BDA0003165928670000011
其中，用户s在t时刻的调整负荷量
Figure BDA0003165928670000012
上下限为
Figure BDA0003165928670000013
t为负荷调整时刻，t′s、t″s分别为用户s负荷调整时间的上下限；
参与调整状态约束：
Figure BDA0003165928670000014
其中，
Figure BDA0003165928670000015
代表用户s在t时刻的参与调整状态，调整时间t″s＞t′s。
负荷平衡约束：
Figure BDA0003165928670000021
其中，s代表第s个用户，Ns表示发电机的总个数，Ps，t为用户s在t时刻的负荷量，
Figure BDA0003165928670000022
代表t时刻用户s参与调整的负荷量。
可选地，所述可调负荷优化调控模型的优化目标为：
Figure BDA0003165928670000023
其中，C2表示负荷补偿成本函数，s代表第s个用户，Ns表示发电机的总个数，t为负荷调整时刻，T表示总的负荷调整时间，
Figure BDA0003165928670000024
代表用户s在t时刻的参与调整状态，α1，t、α2，t、α3，t代表补偿因子，α1，t≠0，α2，t，
Figure BDA0003165928670000025
代表t时刻用户参与调整的负荷量。
可选地，根据用户在某一时期的参与状态，将其视为一个0-1变量，若参与则将参与调整状态量置1，否则置0；引入拉格朗日算子，令
Figure BDA0003165928670000026
γ2为协调因子，
Figure BDA0003165928670000027
c2为控制因子，且
Figure BDA0003165928670000028
结合式(1)，得到拉格朗日函数为：
Figure BDA0003165928670000029
可选地，所述求解所述拉格朗日函数，得到全局最优，具体包括以下步骤：
根据式(5)，拉格朗日函数
Figure BDA00031659286700000210
对
Figure BDA00031659286700000211
求偏导可推出：
Figure BDA00031659286700000212
令
Figure BDA00031659286700000213
令式(6)等于0得到最优调整负荷：
Figure BDA00031659286700000214
而用户间的协调主要是通过控制变量γ来进行的，对于固定的时间段内某个特定的用户，表示为：
Figure BDA00031659286700000218
其中，γs(n+1)表示在n+1时刻用户s的控制变量，γs(n)表示在n时刻用户s的控制变量，ξs表示迭代步数，s′为用户s的邻居节点，
Figure BDA00031659286700000219
表示用户通信拓扑的邻接矩阵，该矩阵随着参与状态
Figure BDA00031659286700000215
的变化而动态转换，其中邻接矩阵A中的元素ass′也会影响着不同用户之间的通信关系，γs′(n)表示在n时刻用户s′的控制变量，对于任意一个用户s，如果其不参与负荷调整，也即意味着
Figure BDA00031659286700000216
时，其邻居间的权重会动态调整得到：
Figure BDA00031659286700000217
其中，ass′表示用户s到用户s′之间的权重，as′s表示用户s′到用户s之间的权重，s′，s″是用户s的两个邻居节点，ass″表示用户s到用户s″之间的权重，as′s″表示用户s′到用户s″之间的权重；
不同消费者之间的协调用向量版本表示为：
γ(n+1)＝γ(n)+BU(n)γ(n) (10)
其中，
Figure BDA0003165928670000031
BU＝ξTLU，LU表示具有如下变化的拉普拉斯矩阵：
Figure BDA0003165928670000032
将式(10)进行迭代，最终可得到全局一致稳定解。
第二方面，本发明提供了一种基于动态网络切换拓扑的可控负荷分布式协调控制装置，包括：
获取单元，用于获取电价激励下的可调负荷优化调控模型；
计算单元，用于根据用户参与状态将所述可调负荷优化调控模型转换为切换拓扑结构，进而获得拉格朗日函数；
求解单元，用于求解所述拉格朗日函数，得到全局最优解。
可选地，所述可调负荷优化调控模型的约束条件包括：
负荷调整约束：
Figure BDA0003165928670000033
其中，用户s在t时刻的调整负荷量
Figure BDA0003165928670000034
上下限为
Figure BDA0003165928670000035
t为负荷调整时刻，t″s和t′s分别为用户s负荷调整时间的上下限；
参与调整状态约束：
Figure BDA0003165928670000036
其中，
Figure BDA0003165928670000037
代表用户s在t时刻的参与调整状态，调整时间t″s＞t′s。
负荷平衡约束：
Figure BDA0003165928670000038
其中，s代表第s个用户，Ns表示发电机的总个数，Ps，t为用户s在t时刻的负荷量，
Figure BDA0003165928670000039
代表t时刻用户s参与调整的负荷量。
可选地，所述可调负荷优化调控模型的优化目标为：
Figure BDA00031659286700000310
其中，C2表示负荷补偿成本函数，s代表第s个用户，Ns表示发电机的总个数，t为负荷调整时刻，T表示总的负荷调整时间，
Figure BDA00031659286700000311
代表用户s在t时刻的参与调整状态，α1，t、α2，t、α3，t代表补偿因子，α1，t≠0，α2，t，
Figure BDA0003165928670000041
Figure BDA0003165928670000042
代表t时刻用户参与调整的负荷量。
可选地，根据用户在某一时期的参与状态，将其视为一个0-1变量，若参与则将参与调整状态量置1，否则置0；引入拉格朗日算子，令
Figure BDA0003165928670000043
γ2为协调因子，
Figure BDA0003165928670000044
c2为控制因子，且
Figure BDA0003165928670000045
结合式(1)，得到拉格朗日函数为：
Figure BDA0003165928670000046
可选地，所述求解所述拉格朗日函数，得到全局最优，具体包括以下步骤：
根据式(5)，拉格朗日函数
Figure BDA0003165928670000047
对
Figure BDA0003165928670000048
求偏导可推出：
Figure BDA0003165928670000049
令
Figure BDA00031659286700000410
Figure BDA00031659286700000411
令式(6)等于0得到最优调整负荷：
Figure BDA00031659286700000412
而用户间的协调主要是通过控制变量γ来进行的，对于固定的时间段内某个特定的用户，可以表示为：
Figure BDA00031659286700000413
其中，γs(n+1)表示在n+1时刻用户s的控制变量，γs(n)表示在n时刻用户s的控制变量，ξs表示迭代步数，s′为用户s的邻居节点，
Figure BDA00031659286700000414
表示用户通信拓扑的邻接矩阵，该矩阵随着参与状态
Figure BDA00031659286700000415
的变化而动态转换，其中邻接矩阵A中的元素ass′也会影响着不同用户之间的通信关系，γs′(n)表示在n时刻用户s′的控制变量，对于任意一个用户s，如果其不参与负荷调整，也即意味着
Figure BDA00031659286700000416
时，其邻居间的权重会动态调整得到：
Figure BDA00031659286700000417
其中，ass′表示用户s到用户s′之间的权重，as′s表示用户s′到用户s之间的权重，s′，s″是用户s的两个邻居节点，ass″表示用户s到用户s″之间的权重，as′s″表示用户s′到用户s″之间的权重；
不同消费者之间的协调可以用向量版本表示为：
γ(n+1)＝γ(n)+BU(n)γ(n) (10)
其中，
Figure BDA00031659286700000418
BU＝ξTLU，LU表示具有如下变化的拉普拉斯矩阵：
Figure BDA00031659286700000419
将式(10)进行迭代，最终可得到全局一致稳定解。
第三方面，本发明提供了一种基于动态网络切换拓扑的可控负荷分布式协调控制系统，包括：存储介质和处理器；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据第一方面中任一项所述的方法。
与现有技术相比，本发明的有益效果：
本发明针对可控负荷中存在数量众多且分散的问题，充分考虑各可控负荷的动力学特性，基于分布式协调控制理论对其进行优化控制，同时，针对可控负荷的通信网络动态、拓扑切换等问题，将传统分布式控制策略发展到动态切换拓扑下的网络化分布式控制策略，解决了传统控制方法无法应对的网络拓扑动态切换的难题，实现了电力系统负荷侧的安全稳定控制。
附图说明
为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明，其中：
图1为本发明一种实施例的基于动态网络切换拓扑的可控负荷分布式协调控制的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明的保护范围。
下面结合附图对本发明的应用原理作详细的描述。
实施例1
本发明提供了一种基于动态网络切换拓扑的可控负荷分布式协调控制方法，如图1所示，具体包括以下步骤：
(1)获取电价激励下的可调负荷优化调控模型；
(2)根据用户参与状态将所述可调负荷优化调控模型转换为切换拓扑结构，进而获得拉格朗日函数；
(3)用分布式协调控制理论和方法求解所述拉格朗日函数，得到全局最优解。
在本发明实施例的一种具体实施方式中，所述可调负荷优化调控模型的约束条件包括：
负荷调整约束：
Figure BDA0003165928670000051
其中，用户s在t时刻的调整负荷量
Figure BDA0003165928670000061
上下限为
Figure BDA0003165928670000062
t为负荷调整时刻，t′s和t″s分别为用户s负荷调整时间的上下限；
参与调整状态约束：
Figure BDA0003165928670000063
其中，
Figure BDA0003165928670000064
代表用户s在t时刻的参与调整状态，调整时间t″s＞t′s。
负荷平衡约束：
Figure BDA0003165928670000065
其中，s代表第s个用户，Ns表示发电机的总个数，Ps，t为用户s在t时刻的负荷量，
Figure BDA0003165928670000066
代表t时刻用户s参与调整的负荷量。
所述可调负荷优化调控模型的优化目标为：
Figure BDA0003165928670000067
其中，C2表示负荷补偿成本函数，s代表第s个用户，Ns表示发电机的总个数，t为负荷调整时刻，T表示总的负荷调整时间，
Figure BDA0003165928670000068
代表用户s在t时刻的参与调整状态，α1，t、α2，t、α3，t代表补偿因子，α1，t≠0，α2，t，
Figure BDA0003165928670000069
代表t时刻用户参与调整的负荷量。
根据用户在某一时期的参与状态，将其视为一个0-1变量，若参与则将参与调整状态量置1，否则置0；引入拉格朗日算子，令
Figure BDA00031659286700000610
γ2为协调因子，
Figure BDA00031659286700000611
c2为控制因子，且
Figure BDA00031659286700000612
结合式(1)，得到拉格朗日函数为：
Figure BDA00031659286700000613
所述求解所述拉格朗日函数，得到全局最优，具体包括以下步骤：
根据式(5)，拉格朗日函数
Figure BDA00031659286700000614
对
Figure BDA00031659286700000615
求偏导可推出：
Figure BDA00031659286700000616
令
Figure BDA00031659286700000617
令式(6)等于0得到最优调整负荷：
Figure BDA00031659286700000618
而用户间的协调主要是通过控制变量γ来进行的，对于固定的时间段内某个特定的用户，可以表示为：
Figure BDA00031659286700000619
其中，γs(n+1)表示在n+1时刻用户s的控制变量，γs(n)表示在n时刻用户s的控制变量，ξs表示迭代步数，s′为用户s的邻居节点，
Figure BDA0003165928670000071
表示用户通信拓扑的邻接矩阵，该矩阵随着参与状态
Figure BDA0003165928670000072
的变化而动态转换，其中邻接矩阵A中的元素ass′也会影响着不同用户之间的通信关系，γs′(n)表示在n时刻用户s′的控制变量，对于任意一个用户s，如果其不参与负荷调整，也即意味着
Figure BDA0003165928670000073
时，其邻居间的权重会动态调整得到：
Figure BDA0003165928670000074
其中，ass′表示用户s到用户s′之间的权重，as′s表示用户s′到用户s之间的权重，s′，s″是用户s的两个邻居节点，ass″表示用户s到用户s″之间的权重，as′s″表示用户s′到用户s″之间的权重。
不同消费者之间的协调可以用向量版本表示为：
γ(n+1)＝γ(n)+BU(n)γ(n) (10)
其中，
Figure BDA0003165928670000075
BU＝ξTLU，LU表示具有如下变化的拉普拉斯矩阵：
Figure BDA0003165928670000076
将式(10)进行迭代，最终可得到全局一致稳定解。
实施例2
基于与实施例1相同的发明构思，本发明实施例中提供了一种基于动态网络切换拓扑的可控负荷分布式协调控制装置，包括：
获取单元，用于获取电价激励下的可调负荷优化调控模型；
计算单元，用于根据用户参与状态将所述可调负荷优化调控模型转换为切换拓扑结构，进而获得拉格朗日函数；
求解单元，用于求解所述拉格朗日函数，得到全局最优解。
所述可调负荷优化调控模型的约束条件包括：
负荷调整约束：
Figure BDA0003165928670000077
其中，用户s在t时刻的调整负荷量
Figure BDA0003165928670000078
上下限为
Figure BDA0003165928670000079
t为负荷调整时刻，t′s和t″s分别为用户s负荷调整时间的上下限。
参与调整状态约束：
Figure BDA00031659286700000710
其中，
Figure BDA00031659286700000711
代表用户s在t时刻的参与调整状态，调整时间t″s＞t′s。
负荷平衡约束：
Figure BDA0003165928670000081
其中，s代表第s个用户，Ns表示发电机的总个数，Ps，t为用户s在t时刻的负荷量，
Figure BDA0003165928670000082
代表t时刻用户s参与调整的负荷量。
所述可调负荷优化调控模型的优化目标为：
Figure BDA0003165928670000083
其中，C2表示负荷补偿成本函数，s代表第s个用户，Ns表示发电机的总个数，t为负荷调整时刻，T表示总的负荷调整时间，
Figure BDA0003165928670000084
代表用户s在t时刻的参与调整状态，α1，t、α2，t、α3，t代表补偿因子，α1，t≠0，α2，t，
Figure BDA0003165928670000085
Figure BDA0003165928670000086
代表t时刻用户参与调整的负荷量。
根据用户在某一时期的参与状态，将其视为一个0-1变量，若参与则将参与调整状态量置1，否则置0；引入拉格朗日算子，令
Figure BDA0003165928670000087
γ2为协调因子，
Figure BDA0003165928670000088
c2为控制因子，且
Figure BDA0003165928670000089
结合式(1)，得到拉格朗日函数为：
Figure BDA00031659286700000810
所述求解所述拉格朗日函数，得到全局最优，具体包括以下步骤：
根据式(5)，拉格朗日函数
Figure BDA00031659286700000811
对
Figure BDA00031659286700000812
求偏导可推出：
Figure BDA00031659286700000813
令
Figure BDA00031659286700000814
令式(6)等于0得到最优调整负荷：
Figure BDA00031659286700000815
而用户间的协调主要是通过控制变量γ来进行的，对于固定的时间段内某个特定的用户，可以表示为：
Figure BDA00031659286700000816
其中，γs(n+1)表示在n+1时刻用户s的控制变量，γs(n)表示在n时刻用户s的控制变量，ξs表示迭代步数，s′为用户s的邻居节点，
Figure BDA00031659286700000817
表示用户通信拓扑的邻接矩阵，该矩阵随着参与状态
Figure BDA00031659286700000818
的变化而动态转换，其中邻接矩阵A中的元素ass′也会影响着不同用户之间的通信关系，γs′(n)表示在n时刻用户s′的控制变量，对于任意一个用户s，如果其不参与负荷调整，也即意味着
Figure BDA00031659286700000819
时，其邻居间的权重会动态调整得到：
Figure BDA00031659286700000820
其中，ass′表示用户s到用户s′之间的权重，as′s表示用户s′到用户s之间的权重，s′，s″是用户s的两个邻居节点，ass″表示用户s到用户s″之间的权重，as′s″表示用户s′到用户s″之间的权重。
邻接矩阵A可被重写为
Figure BDA0003165928670000091
当用户参与负荷调整时，可切换到不同的版本。为了简单起见，不同消费者之间的协调可以用向量版本表示为：
γ(n+1)＝γ(n)+BU(n)γ(n) (10)
其中，
Figure BDA0003165928670000092
BU＝ξTLU，LU表示具有如下变化的拉普拉斯矩阵：
Figure BDA0003165928670000093
将式(10)进行迭代，最终可得到全局一致稳定解。
实施例3
本发明实施例中提供了一种基于动态网络切换拓扑的可控负荷分布式协调控制装置，包括：存储介质和处理器；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据实施例1中任一项所述的方法。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (11)

1.一种基于动态网络切换拓扑的可控负荷分布式协调控制方法，其特征在于，包括：
获取电价激励下的可调负荷优化调控模型；
根据用户参与状态将所述可调负荷优化调控模型转换为切换拓扑结构，进而获得拉格朗日函数；
求解所述拉格朗日函数，得到全局最优解。
2.根据权利要求1所述的一种基于动态网络切换拓扑的可控负荷分布式协调控制方法，其特征在于，所述可调负荷优化调控模型的约束条件包括：
负荷调整约束：
Figure FDA0003165928660000011
其中，用户s在t时刻的调整负荷量
Figure FDA0003165928660000012
上下限为
Figure FDA0003165928660000013
t为负荷调整时刻，t′s、t″s分别为用户s负荷调整时间的上下限；
参与调整状态约束：
Figure FDA0003165928660000014
其中，
Figure FDA0003165928660000015
代表用户s在t时刻的参与调整状态，调整时间t″s＞t′s。
负荷平衡约束：
Figure FDA0003165928660000016
其中，s代表第s个用户，Ns表示发电机的总个数，Ps，t为用户s在t时刻的负荷量，
Figure FDA0003165928660000017
代表t时刻用户s参与调整的负荷量。
3.根据权利要求1所述的一种基于动态网络切换拓扑的可控负荷分布式协调控制方法，其特征在于，所述可调负荷优化调控模型的优化目标为：
Figure FDA0003165928660000018
其中，C2表示负荷补偿成本函数，s代表第s个用户，Ns表示发电机的总个数，t为负荷调整时刻，T表示总的负荷调整时间，
Figure FDA0003165928660000019
代表用户s在t时刻的参与调整状态，α1，t、α2，t、α3，t代表补偿因子，α1，t≠0，α2，t，
Figure FDA00031659286600000110
Figure FDA00031659286600000111
代表t时刻用户参与调整的负荷量。
4.根据权利要求3所述的一种基于动态网络切换拓扑的可控负荷分布式协调控制方法，其特征在于：根据用户在某一时期的参与状态，将其视为一个0-1变量，若参与则将参与调整状态量置1，否则置0；引入拉格朗日算子，令
Figure FDA00031659286600000112
γ2为协调因子，
Figure FDA00031659286600000113
c2为控制因子，且
Figure FDA00031659286600000114
结合式(1)，得到拉格朗日函数为：
Figure FDA0003165928660000021
5.根据权利要求4所述的一种基于动态网络切换拓扑的可控负荷分布式协调控制方法，
其特征在于：所述求解所述拉格朗日函数，得到全局最优，具体包括以下步骤：
根据式(5)，拉格朗日函数
Figure FDA0003165928660000022
对
Figure FDA0003165928660000023
求偏导可推出：
Figure FDA0003165928660000024
令
Figure FDA0003165928660000025
令式(6)等于0得到最优调整负荷：
Figure FDA0003165928660000026
而用户间的协调主要是通过控制变量γ来进行的，对于固定的时间段内某个特定的用户，表示为：
Figure FDA0003165928660000027
其中，γs(n+1)表示在n+1时刻用户s的控制变量，γs(n)表示在n时刻用户s的控制变量，ξs表示迭代步数，s′为用户s的邻居节点，
Figure FDA0003165928660000028
表示用户通信拓扑的邻接矩阵，该矩阵随着参与状态
Figure FDA0003165928660000029
的变化而动态转换，其中邻接矩阵A中的元素ass′也会影响着不同用户之间的通信关系，γs′(n)表示在n时刻用户s′的控制变量，对于任意一个用户s，如果其不参与负荷调整，也即意味着
Figure FDA00031659286600000210
时，其邻居间的权重会动态调整得到：
Figure FDA00031659286600000211
其中，ass′表示用户s到用户s′之间的权重，as′s表示用户s′到用户s之间的权重，s′，s″是用户s的两个邻居节点，ass″表示用户s到用户s″之间的权重，as′s″表示用户s′到用户s″之间的权重；
不同消费者之间的协调用向量版本表示为：
γ(n+1)＝γ(n)+BU(n)γ(n) (10)
其中，
Figure FDA00031659286600000212
BU＝ξTLU，LU表示具有如下变化的拉普拉斯矩阵：
Figure FDA00031659286600000213
将式(10)进行迭代，最终可得到全局一致稳定解。
6.一种基于动态网络切换拓扑的可控负荷分布式协调控制装置，其特征在于，包括：
获取单元，用于获取电价激励下的可调负荷优化调控模型；
计算单元，用于根据用户参与状态将所述可调负荷优化调控模型转换为切换拓扑结构，进而获得拉格朗日函数；
求解单元，用于求解所述拉格朗日函数，得到全局最优解。
7.根据权利要求6所述的一种基于动态网络切换拓扑的可控负荷分布式协调控制装置，其特征在于，所述可调负荷优化调控模型的约束条件包括：
负荷调整约束：
Figure FDA0003165928660000031
其中，用户s在t时刻的调整负荷量
Figure FDA0003165928660000032
上下限为
Figure FDA0003165928660000033
t为负荷调整时刻，t″s和t′s分别为用户s负荷调整时间的上下限；
参与调整状态约束：
Figure FDA0003165928660000034
其中，
Figure FDA0003165928660000035
代表用户s在t时刻的参与调整状态，调整时间t″s＞t′s。
负荷平衡约束：
Figure FDA0003165928660000036
其中，s代表第s个用户，Ns表示发电机的总个数，Ps，t为用户s在t时刻的负荷量，
Figure FDA0003165928660000037
代表t时刻用户s参与调整的负荷量。
8.根据权利要求7所述的一种基于动态网络切换拓扑的可控负荷分布式协调控制装置，其特征在于，所述可调负荷优化调控模型的优化目标为：
Figure FDA0003165928660000038
其中，C2表示负荷补偿成本函数，s代表第s个用户，Ns表示发电机的总个数，t为负荷调整时刻，T表示总的负荷调整时间，
Figure FDA0003165928660000039
代表用户s在t时刻的参与调整状态，α1，t、α2，t、α3，t代表补偿因子，α1，t≠0，α2，t，
Figure FDA00031659286600000310
Figure FDA00031659286600000311
代表t时刻用户参与调整的负荷量。
9.根据权利要求8所述的一种基于动态网络切换拓扑的可控负荷分布式协调控制装置，其特征在于，根据用户在某一时期的参与状态，将其视为一个0-1变量，若参与则将参与调整状态量置1，否则置0；引入拉格朗日算子，令
Figure FDA00031659286600000312
γ2为协调因子，
Figure FDA00031659286600000313
c2为控制因子，且
Figure FDA00031659286600000314
结合式(1)，得到拉格朗日函数为：
Figure FDA00031659286600000315
10.根据权利要求9所述的一种基于动态网络切换拓扑的可控负荷分布式协调控制装置，
其特征在于，所述求解所述拉格朗日函数，得到全局最优，具体包括以下步骤：
根据式(5)，拉格朗日函数
Figure FDA0003165928660000041
对
Figure FDA0003165928660000042
求偏导可推出：
Figure FDA0003165928660000043
令
Figure FDA0003165928660000044
令式(6)等于0得到最优调整负荷：
Figure FDA0003165928660000045
而用户间的协调主要是通过控制变量γ来进行的，对于固定的时间段内某个特定的用户，可以表示为：
Figure FDA0003165928660000046
其中，γs(n+1)表示在n+1时刻用户s的控制变量，γs(n)表示在n时刻用户s的控制变量，ξs表示迭代步数，s′为用户s的邻居节点，
Figure FDA0003165928660000047
表示用户通信拓扑的邻接矩阵，该矩阵随着参与状态
Figure FDA0003165928660000048
的变化而动态转换，其中邻接矩阵A中的元素ass′也会影响着不同用户之间的通信关系，γs′(n)表示在n时刻用户s′的控制变量，对于任意一个用户s，如果其不参与负荷调整，也即意味着
Figure FDA0003165928660000049
时，其邻居间的权重会动态调整得到：
Figure FDA00031659286600000410
其中，ass′表示用户s到用户s′之间的权重，as′s表示用户s′到用户s之间的权重，s′，s″是用户s的两个邻居节点，ass″表示用户s到用户s″之间的权重，as′s″表示用户s′到用户s″之间的权重；
不同消费者之间的协调可以用向量版本表示为：
γ(n+1)＝γ(n)+BU(n)γ(n) (10)
其中，
Figure FDA00031659286600000411
BU＝ξTLU，LU表示具有如下变化的拉普拉斯矩阵：
Figure FDA00031659286600000412
将式(10)进行迭代，最终可得到全局一致稳定解。
11.一种基于动态网络切换拓扑的可控负荷分布式协调控制系统，其特征在于，包括：存储介质和处理器；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1-5中任一项所述的方法。
CN202110804693.XA 2021-07-16 2021-07-16 基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及系统 Active CN113688348B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110804693.XA CN113688348B (zh) 2021-07-16 2021-07-16 基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110804693.XA CN113688348B (zh) 2021-07-16 2021-07-16 基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及系统

Publications (2)

Publication Number Publication Date
CN113688348A true CN113688348A (zh) 2021-11-23
CN113688348B CN113688348B (zh) 2024-02-27

Family

ID=78577226

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110804693.XA Active CN113688348B (zh) 2021-07-16 2021-07-16 基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及系统

Country Status (1)

Country Link
CN (1) CN113688348B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160105023A1 (en) * 2013-05-22 2016-04-14 Vito Nv Power supply network control system and method
CN109149568A (zh) * 2018-09-10 2019-01-04 上海交通大学 一种基于分布式代理的互联微电网及调度价格优化方法
CN109861305A (zh) * 2019-01-31 2019-06-07 东南大学 一种结合模型预测控制的输配协同经济调度方法
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN110867902A (zh) * 2019-10-15 2020-03-06 东北大学 基于发电预测的微电网分布式电源去中心优化运行方法
CN111030123A (zh) * 2019-12-31 2020-04-17 东北大学 一种基于边缘计算的多智能体负荷调控方法
CN111049199A (zh) * 2019-12-17 2020-04-21 河海大学 一种交直流混联微电网分布式动态经济调度方法
CN112636331A (zh) * 2020-12-04 2021-04-09 山东大学 智能电网的动态经济调度分布式优化方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160105023A1 (en) * 2013-05-22 2016-04-14 Vito Nv Power supply network control system and method
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN109149568A (zh) * 2018-09-10 2019-01-04 上海交通大学 一种基于分布式代理的互联微电网及调度价格优化方法
CN109861305A (zh) * 2019-01-31 2019-06-07 东南大学 一种结合模型预测控制的输配协同经济调度方法
CN110867902A (zh) * 2019-10-15 2020-03-06 东北大学 基于发电预测的微电网分布式电源去中心优化运行方法
CN111049199A (zh) * 2019-12-17 2020-04-21 河海大学 一种交直流混联微电网分布式动态经济调度方法
CN111030123A (zh) * 2019-12-31 2020-04-17 东北大学 一种基于边缘计算的多智能体负荷调控方法
CN112636331A (zh) * 2020-12-04 2021-04-09 山东大学 智能电网的动态经济调度分布式优化方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
NEVEN V. KOVACKI 等: "Scalable algorithm for the dynamic reconfiguration of the distribution network using the lagrange relaxation approach", ELECTRICAL POWER AND ENERGY SYSTEMS, vol. 94, 21 July 2017 (2017-07-21), pages 188 - 202 *
TIAN TAO 等: "Stable adaptation in multi-area load frequency control under dynamically-changing topologies", IEEE TRANSACTIONS ON POWER SYSTEMS, vol. 36, no. 4, 14 December 2020 (2020-12-14), pages 2946 - 2956, XP011861490, DOI: 10.1109/TPWRS.2020.3044436 *
刘立夫: "计及需求响应的主动配电网优化调度研究", 中国优秀硕士学位论文全文数据库 工程科技II辑, no. 04, 15 April 2019 (2019-04-15), pages 042 - 1283 *
徐熙林 等: "主动配电网源荷储分布式协调优化运行(一):基于一致性理论的分布式协调控制系统建模", 中国电机工程学报, vol. 38, no. 10, 26 February 2018 (2018-02-26), pages 2841 - 2848 *

Also Published As

Publication number Publication date
CN113688348B (zh) 2024-02-27

Similar Documents

Publication Publication Date Title
Li et al. Multiagent-based distributed state of charge balancing control for distributed energy storage units in AC microgrids
CN108075487B (zh) 自适应下垂和一致性相结合的孤岛微电网的分层控制方法
Ahmad et al. Improved dynamic performance and hierarchical energy management of microgrids with energy routing
CN103151802B (zh) 多时间尺度的主动配电网dg协调控制系统及方法
Xin et al. Cooperative control strategy for multiple photovoltaic generators in distribution networks
CN107579543A (zh) 一种基于分层控制策略的孤岛微电网分布式协调控制方法
CN110265991B (zh) 一种直流微电网的分布式协调控制方法
CN111049173A (zh) 多端直流配网自组织下垂控制方法
CN108388959A (zh) 一种基于一致性算法的源网荷储协同优化方法
Engels et al. A distributed gossip-based voltage control algorithm for peer-to-peer microgrids
CN113644693A (zh) 含可再生能源/氢能交直流混联系统分散式运行管控方法
Huang et al. Distributed adaptive secondary control for microgrids with time delay and switching topology
CN112152268B (zh) 一种交、直流子微网控制方法及子微网群间控制方法
CN107528336B (zh) 一种基于虚拟同步机的储能变流器及其控制方法
CN106786812B (zh) 虚拟发电厂分布式无功补偿系统及其补偿方法
CN109617141B (zh) 风电场有功输出平滑控制方法及装置
CN113688348A (zh) 基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及系统
CN108964150B (zh) 一种基于有限时间控制的交直流混合微电网的无功均分方法
CN116799839A (zh) 一种多资源协同功率控制方法、装置及电子设备
CN114552664B (zh) 一种基于双层有向图的多微网优化协调运行控制方法
CN112510673B (zh) 考虑母线电压约束的多母线直流微电网经济调度控制方法
Tong et al. Control of a fuel cell based on the SIRMs fuzzy inference model
CN114784891A (zh) 集群储能参与电力系统的紧急频率控制方法、装置及介质
CN112018786B (zh) 分层框架下的微电网分布式有限时间最优频率控制方法
CN107171336A (zh) 基于非线性反馈的分布式微网无功功率分配控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant