CN113688348B - 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 PDFInfo
- Publication number
- CN113688348B CN113688348B CN202110804693.XA CN202110804693A CN113688348B CN 113688348 B CN113688348 B CN 113688348B CN 202110804693 A CN202110804693 A CN 202110804693A CN 113688348 B CN113688348 B CN 113688348B
- Authority
- CN
- China
- Prior art keywords
- user
- load
- representing
- time
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 32
- 238000004891 communication Methods 0.000 claims abstract description 15
- 230000005611 electricity Effects 0.000 claims abstract description 7
- 230000005284 excitation Effects 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 24
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 6
- 238000011217 control strategy Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
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
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：
其中，用户s在t时刻的调整负荷量上下限为/>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：
其中，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：
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，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：
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，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，/>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γ2为协调因子，/>c2为控制因子，且/>结合式(1)，得到拉格朗日函数为：
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)，拉格朗日函数对/>求偏导可推出：
令令式(6)等于0得到最优调整负荷：
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：
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，表示用户通信拓扑的邻接矩阵，该矩阵随着参与状态/>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/>时，其邻居间的权重会动态调整得到：
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，BU＝ξTLU，LU表示具有如下变化的拉普拉斯矩阵：
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：
其中，用户s在t时刻的调整负荷量上下限为/>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：
其中，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：
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，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：
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，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，/> 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γ2为协调因子，/>c2为控制因子，且/>结合式(1)，得到拉格朗日函数为：
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)，拉格朗日函数对/>求偏导可推出：
令 令式(6)等于0得到最优调整负荷：
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：
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，表示用户通信拓扑的邻接矩阵，该矩阵随着参与状态/>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/>时，其邻居间的权重会动态调整得到：
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，BU＝ξTLU，LU表示具有如下变化的拉普拉斯矩阵：
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：
其中，用户s在t时刻的调整负荷量上下限为/>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：
其中，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：
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，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：
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，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，/>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γ2为协调因子，/>c2为控制因子，且/>结合式(1)，得到拉格朗日函数为：
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)，拉格朗日函数对/>求偏导可推出：
令令式(6)等于0得到最优调整负荷：
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：
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，表示用户通信拓扑的邻接矩阵，该矩阵随着参与状态/>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/>时，其邻居间的权重会动态调整得到：
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，BU＝ξTLU，LU表示具有如下变化的拉普拉斯矩阵：
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：
其中，用户s在t时刻的调整负荷量上下限为/>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：
其中，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：
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，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：
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，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，/> 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γ2为协调因子，/>c2为控制因子，且/>结合式(1)，得到拉格朗日函数为：
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)，拉格朗日函数对/>求偏导可推出：
令令式(6)等于0得到最优调整负荷：
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：
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，表示用户通信拓扑的邻接矩阵，该矩阵随着参与状态/>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/>时，其邻居间的权重会动态调整得到：
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，BU＝ξTLU，LU表示具有如下变化的拉普拉斯矩阵：
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 (3)
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；
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：
其中，用户s在t时刻的调整负荷量上下限为/>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：
其中，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：
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，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：
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，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，/> 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/>为协调因子，/>为控制因子，且/>结合式(1)，得到拉格朗日函数为：
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)，拉格朗日函数对/>求偏导可推出：
令令式(6)等于0得到最优调整负荷：
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：
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，表示用户通信拓扑的邻接矩阵，该矩阵随着参与状态/>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/>时，其邻居间的权重会动态调整得到：
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，BU＝ξTLU，LU表示具有如下变化的拉普拉斯矩阵：
将式(10)进行迭代，最终可得到全局一致稳定解。
2.一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；
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：
其中，用户s在t时刻的调整负荷量上下限为/>t为负荷调整时刻，ts″和ts′分别为用户s负荷调整时间的上下限；
参与调整状态约束：
其中，代表用户s在t时刻的参与调整状态，调整时间ts″>ts′；
负荷平衡约束：
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，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：
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，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，/>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/>为协调因子，/>为控制因子，且/>结合式(1)，得到拉格朗日函数为：
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)，拉格朗日函数对/>求偏导可推出：
令令式(6)等于0得到最优调整负荷：
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：
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，表示用户通信拓扑的邻接矩阵，该矩阵随着参与状态/>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/>时，其邻居间的权重会动态调整得到：
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，BU＝ξTLU，LU表示具有如下变化的拉普拉斯矩阵：
将式(10)进行迭代，最终可得到全局一致稳定解。
3.一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中所述的方法。
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 CN113688348A (zh) | 2021-11-23 |
| CN113688348B true 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 (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2806520A1 (en) * | 2013-05-22 | 2014-11-26 | Vito NV | Power supply network control system and method |
-
2021
- 2021-07-16 CN CN202110804693.XA patent/CN113688348B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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)
| Title |
|---|
| Scalable algorithm for the dynamic reconfiguration of the distribution network using the lagrange relaxation approach;Neven V. Kovacki 等;Electrical Power and Energy Systems;20170721;第94卷;188-202 * |
| Stable adaptation in multi-area load frequency control under dynamically-changing topologies;Tian Tao 等;IEEE Transactions on Power Systems;20201214;第36卷(第4期);2946-2956 * |
| 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;徐熙林 等;中国电机工程学报;20180226;第38卷(第10期);2841-2848+3135 * |
| 计及需求响应的主动配电网优化调度研究;刘立夫;中国优秀硕士学位论文全文数据库 工程科技II辑;20190415(第04期);C042-1283 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113688348A (zh) | 2021-11-23 |
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 | |
| JP7261507B2 (ja) | 電気ヒートポンプ－熱電併給システムを最適化する調整方法及びシステム | |
| Soliman et al. | Supervisory energy management of a hybrid battery/PV/tidal/wind sources integrated in DC-microgrid energy storage system | |
| Rahman et al. | Optimization of virtual inertia considering system frequency protection scheme | |
| García-Triviño et al. | Power control based on particle swarm optimization of grid-connected inverter for hybrid renewable energy system | |
| CN103151802B (zh) | 多时间尺度的主动配电网dg协调控制系统及方法 | |
| Ahmad et al. | Improved dynamic performance and hierarchical energy management of microgrids with energy routing | |
| CN114362196B (zh) | 一种多时间尺度主动配电网电压控制方法 | |
| CN109672184B (zh) | 一种含光伏的配电网电压控制方法和系统 | |
| CN110365056A (zh) | 一种基于ddpg的分布式能源参与配电网调压优化方法 | |
| CN108462212B (zh) | 一种新能源电力系统在多源多调控域运行方式下控制方法 | |
| CN112564135A (zh) | 一种新能源与储能电站群频率/电压协调控制方法及装置 | |
| CN107069784B (zh) | 一种利用分布式储能提高配电网负荷和光伏承载能力的优化运行方法 | |
| CN108388959A (zh) | 一种基于一致性算法的源网荷储协同优化方法 | |
| 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 | |
| Engels et al. | A distributed gossip-based voltage control algorithm for peer-to-peer microgrids | |
| Ngamroo | Application of electrolyzer to alleviate power fluctuation in a stand alone microgrid based on an optimal fuzzy PID control | |
| CN109494727A (zh) | 考虑需求响应的配电网有功和无功协调优化运行方法 | |
| Rezaei et al. | Optimal IPFC signal selection and damping controller design using a novel current injection model in a multi-machine power system | |
| Zhu et al. | A load frequency control strategy based on disturbance reconstruction for multi-area interconnected power system with hybrid energy storage system | |
| CN108536917A (zh) | 一种输配电网全局电压稳定控制的分布式计算方法 | |
| CN105610200A (zh) | 一种基于同步协调控制的火电厂全功率控制方法 | |
| Bai et al. | Load frequency control of power system with energy storage based on disturbance observer | |
| Huang et al. | Distributed adaptive secondary control for microgrids with time delay and switching topology | |
| Bhagat et al. | Application of inertia emulation control strategy with energy storage system in multi-area hydro-thermal system using a novel metaheuristic optimized tilt controller |
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 |