CN113890063A - 一种孤岛微电网恢复频率的协调减载控制方法 - Google Patents

一种孤岛微电网恢复频率的协调减载控制方法 Download PDF

Info

Publication number
CN113890063A
CN113890063A CN202111235807.XA CN202111235807A CN113890063A CN 113890063 A CN113890063 A CN 113890063A CN 202111235807 A CN202111235807 A CN 202111235807A CN 113890063 A CN113890063 A CN 113890063A
Authority
CN
China
Prior art keywords
load
load shedding
frequency
grid
island
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
CN202111235807.XA
Other languages
English (en)
Other versions
CN113890063B (zh
Inventor
王灿
王傲奇
应宇辰
梅世颐
田福银
李欣然
徐恒山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Three Gorges University CTGU
Original Assignee
China Three Gorges University CTGU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Three Gorges University CTGU filed Critical China Three Gorges University CTGU
Priority to CN202111235807.XA priority Critical patent/CN113890063B/zh
Publication of CN113890063A publication Critical patent/CN113890063A/zh
Application granted granted Critical
Publication of CN113890063B publication Critical patent/CN113890063B/zh
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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H02J3/241—The oscillation concerning frequency
    • 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
    • H02J3/26—Arrangements for eliminating or reducing asymmetry in polyphase 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
    • H02J3/388—Islanding, i.e. disconnection of local power supply from the 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
    • 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]
    • 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
    • Y02E40/50—Arrangements for eliminating or reducing asymmetry in polyphase networks
    • 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

Abstract

一种孤岛微电网恢复频率的协调减载控制方法，首先，考虑各分布式电源的有功功率与频率偏差之间的关系，根据本地测量的频率偏差来计算减载量和指导减载动作；其次，对于减载对象的选择，将孤岛微电网的减载问题建模为一个马尔科夫决策过程，在Double‑Q学习中基于负荷优先级构建奖励值函数和减载模型以确定减载对象，保证优先级较低的负荷能够优先被切除。本发明一种孤岛微电网恢复频率的协调减载控制方法，相较于物理模型驱动的减载方法，在应对微电网发生非计划孤岛时能够更迅速地恢复系统的功率供需关系，降低减载时微电网频率的波动幅度，保证重要负荷的不间断供电。

Description

一种孤岛微电网恢复频率的协调减载控制方法
技术领域
本发明属于微电网减载控制技术领域，具体涉及一种孤岛微电网恢复频率的协调减载控制方法。
背景技术
随着新能源发电技术的高速发展，微电网作为消纳新能源发电的有效方式得到了人们的广泛关注。微电网可以在并网和孤岛模式下运行，当微网遭受功率缺额时，减载控制是实现孤岛微电网功率平衡和频率稳定的关键。在微电网发生非计划孤岛时，当孤岛微电网内负荷需求超过总发电量，由于孤岛微电网发电功率有限且有效惯性小，频率会迅速下降，分布式电源功率的输出将会增加以满足负荷需求。此时，若网内电力供应继续低于负荷需求，适当的减载将不可避免。因此，为了保障孤岛微电网的安全稳定运行，有必要对孤岛微电网的减载控制方法开展深入研究。
在现有文献技术中，文献[1]Coordinated control of passive transitionfrom grid-connected to islanded operation for three/single-phase hybridmultimicrogrids considering speed and smoothness(C.Wang,X.Li,T.Tian,Z.Xu,andR.Chen.Coordinated control of passive transition from grid-connected toislanded operation for three/single-phase hybrid multimicrogrids consideringspeed and smoothness[J].IEEE Transactions on Industrial Electronics,2020,67(3):1921–1931.)提出了一种基于隐枚举的减载方法，该方法能够快速消除微电网内因被动并离网切换过程产生的功率缺额，恢复电压和频率稳定，但该方法未在减载期间考虑负荷优先级的问题。
针对这一技术问题，文献[2]Two-stage load shedding for secondary controlin hierarchical operation of islanded microgrids(Q.Zhou,Z.Li,Q.Wu,andM.Shahidehpour.Two-stage load shedding for secondary control in hierarchicaloperation of islanded microgrids[J].IEEE Transactions on Smart Grid,2019,10(3):3103-3111.)提出了一种两阶段减载方法，第一阶段避免快速频率偏差，在第一阶段结束达到稳定状态后，第二阶段根据负荷优先级进行减载。文献[3]Priority-basedhierarchical operational management for multiagent-based microgrids(T.Kato,etal.Priority-based hierarchical operational management for multiagent-basedmicrogrids[J].Energies,2014,7(4):2051–2078.)提出了一种将负荷优先级与破产规则相互配合来决定不同需求群体的减载方法。文献[4]An effort-based reward approachfor allocating load shedding amount in networked microgrids using multiagentsystem(A.Hussain,V.Bui,and H.Kim.An effort-based reward approachforallocating load shedding amount in networked microgrids using multiagentsystem[J].IEEE Transactions on Industrial Informatics,2020,16(4):2268–2279.)提出了一种基于贡献的微电网减载控制方法，该方法将微电网相对于其容量(贡献)的相对贡献度作为分配负荷减载数量的指标。
但以上所述文献仅从电网物理特性出发来分析减载控制方法，不仅在每一次决策过程中都需从头开始计算，计算成本大、在线决策所需时间长，难以实现快速决策，而且依赖于精确的目标函数表达式，对微电网运行场景变化的适应性较差。
发明内容
为解决微电网发生非计划孤岛时的减载控制过程中确定合适的减载量和减载对象以解决网内电力供应不足和频率偏差问题。本发明提供一种孤岛微电网恢复频率的协调减载控制方法，相较于物理模型驱动的减载方法，在应对微电网发生非计划孤岛时能够更迅速地恢复系统的功率供需关系，降低减载时微电网频率的波动幅度，保证重要负荷的不间断供电。
本发明采取的技术方案为：
一种孤岛微电网恢复频率的协调减载控制方法，首先，考虑各分布式电源的有功功率与频率偏差之间的关系，根据本地测量的频率偏差来计算减载量和指导减载动作；其次，对于减载对象的选择，将孤岛微电网的减载问题建模为一个马尔科夫决策过程，在Double-Q学习中基于负荷优先级构建奖励值函数和减载模型以确定减载对象，保证优先级较低的负荷能够优先被切除。
一种孤岛微电网恢复频率的协调减载控制方法，包括以下步骤：
步骤1：将分布式电源根据其频率调节的下降范围进行编号；
步骤2：基于孤岛微电网的频率偏差与有功功率之间的相关关系，计算减载量；
步骤3：将孤岛微电网的减载问题建模为一个马尔科夫决策过程，基于负荷优先级构建Double-Q学习的奖励值函数；
步骤4：基于Double-Q学习减载模型，确定减载对象；
通过上述步骤实现协调减载控制。
所述步骤1中，根据分布式电源频率调节的下降范围对其进行编号，可表示为：
mp,1△Pmax,1≥mp,2△Pmax,2≥…≥mp,n△Pmax,n；
其中：mp,i为编号为i的分布式电源的有功功率下垂系数；△Pmax,i为编号为i的分布式电源的最大功率调节能力；n为分布式电源的数量，i＝1,2,3,...,n。
所述步骤2中，孤岛微电网的频率偏差与有功功率之间的相关关系式为：
Figure BDA0003317448400000031
其中：fk+1和fk分别对应微电网中分布式电源累计下垂特性曲线第k+1段和第k段的频率区间下限值；△fk为fk+1和fk之间的频率差值；△Pk为第k段中对应于△fk的分布式电源出力增量。
所述步骤2中，当孤岛微电网的频率从额定频率f'下降到f”，判断孤岛微电网功率缺额是否超过了下垂特性曲线的频率调节范围，若没有超过则从f”恢复到f'所需要的减载量为：
Figure BDA0003317448400000032
其中：f”和f'为孤岛微电网的额定频率和下降后的频率值，并分别对应在下垂特性曲线的第j段和第k段；fj+1和fj分别对应微电网中分布式电源累计下垂特性曲线第j+1段和第j段的频率区间下限值；△fj为fj+1和fj之间的频率差值；△Pj和△Pk分别为对应于△fj和△fk的分布式电源出力增量。
若PCC处测量的孤岛微电网功率缺额△Pdef超过了下垂曲线的频率调节范围，则恢复到f'所需要的减载量为：
Figure BDA0003317448400000033
其中：f'为孤岛微电网的额定频率，对应在下垂特性曲线的第k段；△Pdef为PCC处测量的孤岛微电网功率缺额值；△Pi和△Pk分别为对应于△fi和△fk的分布式电源出力增量。
所述步骤3中，马尔科夫决策过程建模如下：
构建微电网系统的状态集和动作集，状态集可表示为：
S＝[S1,S2,…,Sn]；
其中：S1,S2,…,Sn为区间大小为PL，min的离散状态集；PL，min为最小负荷功率；S1＝[0,PL，min]为系统的目标状态。
动作集可表示为：
A＝[A1,A2,…,An]；
其中：A1,A2,...An为网内对应切除的负荷。
所述步骤3中，基于负荷优先级构建的奖励值函数R(s,s',a)为：
Figure BDA0003317448400000041
其中：Na和Ga分别表示动作a下所切负荷数和所切负荷的负荷等级；
Figure BDA0003317448400000042
为动作a下g级负荷中切除的第i个负荷的权重因子；
Figure BDA0003317448400000043
为动作a下g级负荷中切除的第i个负荷与总负荷功率之比；△Pshed为微电网的功率缺额值；
Figure BDA0003317448400000044
为动作a下切除的总负荷功率。
所述步骤4中，基于Double-Q学习减载模型，其训练过程为：
步骤4.1：初始化参数。学习率α＝0.6，折扣因子γ＝0.9，ε-greedy参数ε＝0.9以及迭代次数m＝1。
步骤4.2：通过微电网公共耦合点处的功率偏差△Pdef来确定系统状态集S和动作集A。
步骤4.3：根据本地测量的频率fn经过式：
Figure BDA0003317448400000045
或式：
Figure BDA0003317448400000046
计算得到系统需要的减载量△Pshed。
步骤4.4：确定当前状态Sn，并在当前状态下采用以下公式选择动作：
Figure BDA0003317448400000047
其中：QA(s,a)和QB(s,a)分别表示某一时刻s状态下采取动作a能够获得的Q值；ε为选择当前QA(s,a)和QB(s,a)中具有最大Q值动作的概率。
并通过下式计算奖励值：
Figure BDA0003317448400000051
其中：Na和Ga分别表示动作a下所切负荷数和所切负荷的负荷等级；
Figure BDA0003317448400000052
为动作a下g级负荷中切除的第i个负荷的权重因子；
Figure BDA0003317448400000053
为动作a下g级负荷中切除的第i个负荷与总负荷功率之比；△Pshed为微电网的功率缺额值；
Figure BDA0003317448400000054
为动作a下切除的总负荷功率。
步骤4.5：通过式来更新QA(s,a)和QB(s,a)：
Figure BDA0003317448400000055
Figure BDA0003317448400000056
其中：QA(s,a)和QB(s,a)分别表示某一时刻状态s下采取动作a能够获得的Q值；s和s'分别为当前状态和下一时刻状态；QA(s',a')和QB(s',a')分别表示下一时刻状态s'下采取动作a'能够获得的Q值；a为当前时刻采取的动作；α为学习率；γ为折扣因子；R(s,s',a)为奖励值函数。一旦选择其中一个值函数进行更新Q值，就会使用另一个值函数的Q值作为测量值以减少偏差。
步骤4.6：判断当前状态Sn是否满足目标状态S1。若当前状态满足目标状态，则一次训练结束；反之则进入到下一状态，跳转到步骤4。
步骤4.7：当达到迭代次数M时，减载方法的训练过程结束。
本发明一种孤岛微电网恢复频率的协调减载控制方法，技术效果如下：
1)相较于物理模型驱动的减载控制方法，本发明所述减载控制方法在应对微电网发生非计划孤岛时，可以更迅速地恢复系统的功率供需关系，减载时微电网频率波动的幅度更小，参与减载的减载量和负荷数量更少，能有效维持孤岛微电网的功率平衡和频率稳定。
2)本发明方法在微电网发生非计划孤岛时可以迅速恢复系统的功率供需关系，减载时微电网频率波动的幅度更小，参与减载的减载量和负荷数量更少。
附图说明
图1是微电网中分布式电源的累计下垂特性图。
图2是改进的IEEE-13节点的微电网系统结构图。
图3是本发明提出的减载控制方法流程框图。
图4是系统频率响应对比图。
具体实施方式
一种孤岛微电网恢复频率的协调减载控制方法，首先，考虑各分布式电源的有功功率与频率偏差之间的关系，根据本地测量的频率偏差来计算减载量和指导减载动作；其次，对于减载对象的选择，将孤岛微电网的减载问题建模为一个马尔科夫决策过程，在Double-Q学习中基于负荷优先级构建奖励值函数和减载模型以确定减载对象，保证优先级较低的负荷能够优先被切除。该方法包括以下步骤：
步骤1：将分布式电源根据其频率调节的下降范围进行编号；
步骤1中，根据分布式电源频率调节的下降范围对其进行编号，可表示为：
mp,1△Pmax,1≥mp,2△Pmax,2≥…≥mp,n△Pmax,n；
其中：mp,i为编号为i的分布式电源的有功功率下垂系数；△Pmax,i为编号为i的分布式电源的最大功率调节能力；n为分布式电源的数量，i＝1,2,3,...,n。
步骤2：基于孤岛微电网的频率偏差与有功功率之间的相关关系，计算减载量；
步骤2中，孤岛微电网的频率偏差与有功功率之间的相关关系式为：
Figure BDA0003317448400000061
其中：△fk为fk+1和fk之间的频率差值；fk+1和fk分别对应微电网中分布式电源累计下垂特性曲线第k+1段和第k段的频率区间下限值；△Pk为第k段中对应于△fk的分布式电源出力增量。
步骤2中，当孤岛微电网的频率从额定频率f'下降到f”，判断孤岛微电网功率缺额是否超过了下垂特性曲线的频率调节范围，若没有超过则从f”恢复到f'所需要的减载量为：
Figure BDA0003317448400000062
其中：f”和f'为孤岛微电网的额定频率和下降后的频率值，并分别对应在下垂特性曲线的第j段和第k段；fj+1和fj分别对应微电网中分布式电源累计下垂特性曲线第j+1段和第j段的频率区间下限值；△fj为fj+1和fj之间的频率差值；△Pj和△Pk分别为对应于△fj和△fk的分布式电源出力增量。
若PCC处测量的孤岛微电网功率缺额△Pdef超过了下垂曲线的频率调节范围，则恢复到f'所需要的减载量为：
Figure BDA0003317448400000063
其中：f'为孤岛微电网的额定频率，对应在下垂特性曲线的第k段；△Pdef为PCC处测量的孤岛微电网功率缺额值；△Pi和△Pk分别为对应于△fi和△fk的分布式电源出力增量。
步骤3：将孤岛微电网的减载问题建模为一个马尔科夫决策过程，基于负荷优先级构建Double-Q学习的奖励值函数；
步骤3中，马尔科夫决策过程建模如下：
构建微电网系统的状态集和动作集，状态集可表示为：
S＝[S1,S2,…,Sn]；
其中：S1,S2,…,Sn为区间大小为PL，min的离散状态集；PL，min为最小负荷功率；S1＝[0,PL，min]为系统的目标状态。
动作集可表示为：
A＝[A1,A2,…,An]；
其中：A1,A2,...An为网内对应切除的负荷。
步骤3中，基于负荷优先级构建的奖励值函数R(s,s',a)为：
Figure BDA0003317448400000071
其中：Na和Ga分别表示动作a下所切负荷数和所切负荷的负荷等级；
Figure BDA0003317448400000072
为动作a下g级负荷中切除的第i个负荷的权重因子；
Figure BDA0003317448400000073
为动作a下g级负荷中切除的第i个负荷与总负荷功率之比；△Pshed为微电网的功率缺额值；
Figure BDA0003317448400000074
为动作a下切除的总负荷功率。
步骤4：基于Double-Q学习减载模型，确定减载对象；
步骤4中，基于Double-Q学习减载模型，其训练过程为：
步骤4.1：初始化参数。学习率α＝0.6，折扣因子γ＝0.9，ε-greedy参数ε＝0.9以及迭代次数m＝1。
步骤4.2：通过微电网公共耦合点处的功率偏差△Pdef来确定系统状态集S和动作集A。
步骤4.3：根据本地测量的频率fn来计算系统所需的减载量△Pshed。当孤岛微电网的频率从额定频率f'下降到f”时，若PCC处测量的孤岛微电网功率缺额△Pdef未超过分布式电源下垂特性曲线的频率调节范围，则系统从f”恢复到f'所需的减载量△Pshed为：
Figure BDA0003317448400000075
若PCC处测量的孤岛微电网功率缺额△Pdef超过了分布式电源下垂特性曲线的频率调节范围，则系统从f”恢复到f'所需的减载量△Pshed为：
Figure BDA0003317448400000081
步骤4.4：确定当前状态Sn，并在当前状态下采用以下公式选择动作：
Figure BDA0003317448400000082
其中：QA(s,a)和QB(s,a)分别表示某一时刻s状态下采取动作a能够获得的Q值；ε为选择当前QA(s,a)和QB(s,a)中具有最大Q值动作的概率。
并通过下式计算奖励值：
Figure BDA0003317448400000083
其中：Na和Ga分别表示动作a下所切负荷数和所切负荷的负荷等级；
Figure BDA0003317448400000084
为动作a下g级负荷中切除的第i个负荷的权重因子；
Figure BDA0003317448400000085
为动作a下g级负荷中切除的第i个负荷与总负荷功率之比；△Pshed为微电网的功率缺额值；
Figure BDA0003317448400000086
为动作a下切除的总负荷功率。
步骤4.5：通过式来更新QA(s,a)和QB(s,a)：
Figure BDA0003317448400000087
Figure BDA0003317448400000088
其中：QA(s,a)和QB(s,a)分别表示某一时刻状态s下采取动作a能够获得的Q值；s和s'分别为当前状态和下一时刻状态；QA(s',a')和QB(s',a')分别表示下一时刻状态s'下采取动作a'能够获得的Q值；a为当前时刻采取的动作；α为学习率；γ为折扣因子；R(s,s',a)为奖励值函数。一旦选择其中一个值函数进行更新Q值，就会使用另一个值函数的Q值作为测量值以减少偏差。
步骤4.6：判断当前状态Sn是否满足目标状态S1。若当前状态满足目标状态，则一次训练结束；反之则进入到下一状态，跳转到步骤4.4。
步骤4.7：当达到迭代次数M时，减载方法的训练过程结束。
实施例：
表1为Double-Q学习模型的状态集和动作集
Figure BDA0003317448400000089
Figure BDA0003317448400000091
表1为Double-Q学习模型的状态集和动作集。从表1可以看出本发明以[0,20]作为Double-Q学习的目标状态区间，微网内的三相平衡负荷作为减载动作对象。
表2采用不同减载方法的减载结果
Figure BDA0003317448400000092
表2为采用不同减载方法的减载结果。从表2可以看出，采用隐枚举减载方法所需的减载时间为1.0454s，减载量为128kW；采用基于贡献的减载方法所需的减载时间为1.0410s，载量为68kW；采用基于本发明的减载方法所需的减载时间为1.0410s，减载量为68kW。相较于隐枚举减载方法和基于贡献的减载方法，本发明所提减载方法的减载量和减载时间更少。
表3采用不同减载方法的减载对象选择结果
Figure BDA0003317448400000093
表3为采用不同减载方法的减载对象选择结果。从表3可以看出，隐枚举减载方法选取Load1、Load2、Load3参与减载，而Load1和Load2作为重要负荷被选取为减载对象，因此会造成重要负荷断电；基于贡献的减载方法选取Load3、Load7、Load8参与减载。尽管基于贡献的减载方法通过贡献值来分配各区域的减载量，对每一个区域都具有公平性，但也导致了较多的负荷被切除，造成了较多的负荷被中断供电。本发明所提的减载方法在Double-Q学习的奖励值函数中考虑负荷重要等级的影响，选取了非重要负荷Load9和Load11参与减载。相较于隐枚举减载方法和基于贡献的减载方法，本发明所提减载方法的减载负荷数更少。
图1是微电网中分布式电源的累计下垂特性图。在本发明中微电网内分布式电源在孤岛模式下采用了基于下垂控制的控制策略。分布式电源设备作为电压源，将根据微电网的需求调节微电网的频率，而频率的调节范围由分布式电源的下垂系数和工作状态决定。
图2是改进的IEEE-13节点的微电网系统结构图。该微电网包含有13个母线(BUS)、6个分布式电源(DER)和11个负荷(Load)，分布式电源通过变频器(DC/AC)与母线相连，并将微电网划分为三个区域。区域1包含DER1、DER4、Load1、Load8、Load9；区域2包含DER2、DER3、Load2、Load3、Load4、Load5；区域3包含DER5、DER6、Load6、Load7、Load10、Load11。在本发明所提的减载方法中，DER1到DER5采用下垂控制，而DER6采用PQ控制。
其中，微电网系统的具体参数如下：
Load1、Load2负荷等级为重要负荷，有功功率均为50kW；Load3、Load4、Load5、Load6负荷等级为可中断负荷，有功功率分别为20kW、40kW、40kW、40kW；Load7、Load8、Load9、Load10、Load11负荷等级为非重要负荷，有功功率为20kW、20kW、30kW、40kW、30kW。
图3是本发明提出的减载控制方法流程框图。当微电网与主电网非计划断开转为孤岛模式下运行，该方法，首先根据本地测量的频率偏差以及各分布式电源的有功功率与频率偏差之间的关系来计算减载量和指导减载动作，然后将孤岛微电网的减载问题描述为一个马尔科夫决策过程，定义相应的状态集、动作集，基于负荷优先级构建奖励值函数，将状态-动作值函数参数化处理并确定动作选择策略，最后基于Double-Q学习减载模型确定减载对象。
图4是系统频率响应对比图。从图4可以看出当t＝1s时，微电网与主电网非计划断开。微电网的系统频率迅速从50Hz下降到49.8Hz。在t＝1.0267s时，执行本发明提出的减载控制方法，频率波动达到最大值50.03Hz后逐渐恢复到50Hz额定值。相同情况下，隐枚举法减载控制方法和基于贡献的减载控制方法分别在t＝1.0454s和t＝1.0410s时执行，频率波动分别达到最大值50.16Hz和50.09Hz后，逐渐恢复50Hz额定值。相较于隐枚举减载控制方法和基于贡献的减载控制方法，本发明提出的减载控制方法频率波动的幅度更小。

Claims (8)

1.一种孤岛微电网恢复频率的协调减载控制方法，其特征在于：首先，考虑各分布式电源的有功功率与频率偏差之间的关系，根据本地测量的频率偏差来计算减载量和指导减载动作；其次，对于减载对象的选择，将孤岛微电网的减载问题建模为一个马尔科夫决策过程，在Double-Q学习中基于负荷优先级构建奖励值函数和减载模型以确定减载对象，保证优先级较低的负荷能够优先被切除。
2.一种孤岛微电网恢复频率的协调减载控制方法，其特征在于包括以下步骤：
步骤1：将分布式电源根据其频率调节的下降范围进行编号；
步骤2：基于孤岛微电网的频率偏差与有功功率之间的相关关系，计算减载量；
步骤3：将孤岛微电网的减载问题建模为一个马尔科夫决策过程，基于负荷优先级构建Double-Q学习的奖励值函数；
步骤4：基于Double-Q学习减载模型，确定减载对象；
通过上述步骤实现协调减载控制。
3.根据权利要求2所述一种孤岛微电网恢复频率的协调减载控制方法，其特征在于：
所述步骤1中，根据分布式电源频率调节的下降范围对其进行编号，可表示为：
mp,1△Pmax,1≥mp,2△Pmax,2≥…≥mp,n△Pmax,n；
其中：mp,i为编号为i的分布式电源的有功功率下垂系数；△Pmax,i为编号为i的分布式电源的最大功率调节能力；n为分布式电源的数量，i＝1,2,3,...,n。
4.根据权利要求2所述一种孤岛微电网恢复频率的协调减载控制方法，其特征在于：所述步骤2中，孤岛微电网的频率偏差与有功功率之间的相关关系式为：
Figure FDA0003317448390000011
其中：fk+1和fk分别对应微电网中分布式电源累计下垂特性曲线第k+1段和第k段的频率区间下限值；△fk为fk+1和fk之间的频率差值；△Pk为第k段中对应于△fk的分布式电源出力增量。
5.根据权利要求2所述一种孤岛微电网恢复频率的协调减载控制方法，其特征在于：所述步骤2中，当孤岛微电网的频率从额定频率f'下降到f”，判断孤岛微电网功率缺额是否超过了下垂特性曲线的频率调节范围，若没有超过则从f”恢复到f'所需要的减载量为：
Figure FDA0003317448390000021
其中：f”和f'为孤岛微电网的额定频率和下降后的频率值，并分别对应在下垂特性曲线的第j段和第k段；fj+1和fj分别对应微电网中分布式电源累计下垂特性曲线第j+1段和第j段的频率区间下限值；△fj为fj+1和fj之间的频率差值；△Pj和△Pk分别为对应于△fj和△fk的分布式电源出力增量；
若PCC处测量的孤岛微电网功率缺额△Pdef超过了下垂曲线的频率调节范围，则恢复到f'所需要的减载量为：
Figure FDA0003317448390000022
其中：f'为孤岛微电网的额定频率，对应在下垂特性曲线的第k段；△Pdef为PCC处测量的孤岛微电网功率缺额值；△Pi和△Pk分别为对应于△fi和△fk的分布式电源出力增量。
6.根据权利要求2所述一种孤岛微电网恢复频率的协调减载控制方法，其特征在于：所述步骤3中，马尔科夫决策过程建模如下：
构建微电网系统的状态集和动作集，状态集可表示为：
S＝[S1,S2,…,Sn]；
其中：S1,S2,…,Sn为区间大小为PL，min的离散状态集；PL，min为最小负荷功率；S1＝[0,PL，min]为系统的目标状态；
动作集可表示为：
A＝[A1,A2,…,An]；
其中：A1,A2,...An为网内对应切除的负荷。
7.根据权利要求2所述一种孤岛微电网恢复频率的协调减载控制方法，其特征在于：所述步骤3中，基于负荷优先级构建的奖励值函数R(s,s',a)为：
Figure FDA0003317448390000023
其中：Na和Ga分别表示动作a下所切负荷数和所切负荷的负荷等级；
Figure FDA0003317448390000024
为动作a下g级负荷中切除的第i个负荷的权重因子；
Figure FDA0003317448390000025
为动作a下g级负荷中切除的第i个负荷与总负荷功率之比；△Pshed为微电网的功率缺额值；
Figure FDA0003317448390000026
为动作a下切除的总负荷功率。
8.根据权利要求2所述一种孤岛微电网恢复频率的协调减载控制方法，其特征在于：所述步骤4中，基于Double-Q学习减载模型，其训练过程为：
步骤4.1：初始化参数；
步骤4.2：通过微电网公共耦合点处的功率偏差△Pdef来确定系统状态集S和动作集A；
步骤4.3：根据本地测量的频率fn经过式：
Figure FDA0003317448390000031
或式：
Figure FDA0003317448390000032
计算得到系统需要的减载量△Pshed；
步骤4.4：确定当前状态Sn，并在当前状态下采用以下公式选择动作：
Figure FDA0003317448390000033
其中：QA(s,a)和QB(s,a)分别表示某一时刻s状态下采取动作a能够获得的Q值；ε为选择当前QA(s,a)和QB(s,a)中具有最大Q值动作的概率；
并通过下式计算奖励值：
Figure FDA0003317448390000034
其中：Na和Ga分别表示动作a下所切负荷数和所切负荷的负荷等级；
Figure FDA0003317448390000035
为动作a下g级负荷中切除的第i个负荷的权重因子；
Figure FDA0003317448390000036
为动作a下g级负荷中切除的第i个负荷与总负荷功率之比；△Pshed为微电网的功率缺额值；
Figure FDA0003317448390000037
为动作a下切除的总负荷功率；
步骤4.5：通过式来更新QA(s,a)和QB(s,a)：
Figure FDA0003317448390000038
Figure FDA0003317448390000039
其中：QA(s,a)和QB(s,a)分别表示某一时刻状态s下采取动作a能够获得的Q值；s和s'分别为当前状态和下一时刻状态；QA(s',a')和QB(s',a')分别表示下一时刻状态s'下采取动作a'能够获得的Q值；a为当前时刻采取的动作；α为学习率；γ为折扣因子；R(s,s',a)为奖励值函数；
步骤4.6：判断当前状态Sn是否满足目标状态S1；若当前状态满足目标状态，则一次训练结束；反之则进入到下一状态，跳转到步骤4.4；
步骤4.7：当达到迭代次数M时，减载方法的训练过程结束。
CN202111235807.XA 2021-10-22 2021-10-22 一种孤岛微电网恢复频率的协调减载控制方法 Active CN113890063B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111235807.XA CN113890063B (zh) 2021-10-22 2021-10-22 一种孤岛微电网恢复频率的协调减载控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111235807.XA CN113890063B (zh) 2021-10-22 2021-10-22 一种孤岛微电网恢复频率的协调减载控制方法

Publications (2)

Publication Number Publication Date
CN113890063A true CN113890063A (zh) 2022-01-04
CN113890063B CN113890063B (zh) 2023-07-28

Family

ID=79013457

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111235807.XA Active CN113890063B (zh) 2021-10-22 2021-10-22 一种孤岛微电网恢复频率的协调减载控制方法

Country Status (1)

Country Link
CN (1) CN113890063B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117039924A (zh) * 2023-07-12 2023-11-10 三峡大学 考虑风险规避的微网群两阶段低频减载方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104218681A (zh) * 2014-09-28 2014-12-17 东南大学 一种用于降低孤岛微电网切负荷成本的控制方法
US20150054339A1 (en) * 2013-08-21 2015-02-26 Nec Laboratories America, Inc. Microgrid reactive power management for voltage regulation during and subsequent to islanding
CN106787082A (zh) * 2016-12-19 2017-05-31 华北电力大学（保定） 一种孤岛直流微电网的协调控制方法
CN110048450A (zh) * 2019-03-21 2019-07-23 国网浙江省电力有限公司电力科学研究院 孤岛微电网光伏-储能自主协调控制策略和控制系统
US20210143639A1 (en) * 2019-11-08 2021-05-13 Global Energy Interconnection Research Institute Co. Ltd Systems and methods of autonomous voltage control in electric power systems

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150054339A1 (en) * 2013-08-21 2015-02-26 Nec Laboratories America, Inc. Microgrid reactive power management for voltage regulation during and subsequent to islanding
CN104218681A (zh) * 2014-09-28 2014-12-17 东南大学 一种用于降低孤岛微电网切负荷成本的控制方法
CN106787082A (zh) * 2016-12-19 2017-05-31 华北电力大学（保定） 一种孤岛直流微电网的协调控制方法
CN110048450A (zh) * 2019-03-21 2019-07-23 国网浙江省电力有限公司电力科学研究院 孤岛微电网光伏-储能自主协调控制策略和控制系统
US20210143639A1 (en) * 2019-11-08 2021-05-13 Global Energy Interconnection Research Institute Co. Ltd Systems and methods of autonomous voltage control in electric power systems

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张自东;邱才明;张东霞;徐舒玮;贺兴;: "基于深度强化学习的微电网复合储能协调控制方法", 电网技术, no. 06, pages 1914 - 1921 *
林湘宁;李正天;薄志谦;ANDREW KLIMEK;: "适用于微网孤岛运行的低频减载方法", 电网技术, no. 03, pages 16 - 20 *
沈臣;顾伟;吴志;: "孤岛模式下的微电网低频减载策略分析", 电力系统自动化, no. 09 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117039924A (zh) * 2023-07-12 2023-11-10 三峡大学 考虑风险规避的微网群两阶段低频减载方法

Also Published As

Publication number Publication date
CN113890063B (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
Jiang et al. Energy management of microgrid in grid-connected and stand-alone modes
Bennett et al. Development of a three-phase battery energy storage scheduling and operation system for low voltage distribution networks
CN101752903B (zh) 一种时序递进式电力调度方法
CN109149651B (zh) 一种计及调压辅助服务收益的光储系统优化运行方法
CN111062632B (zh) 一种基于边缘智能的5g能源互联网虚拟电厂经济调度方法
CN112003330B (zh) 一种基于自适应控制的微网能量优化调度方法
CN113364055B (zh) 一种源网荷储网络化协调频率控制方法
CN110097474A (zh) 一种实现配电网削峰填谷的负荷控制方法
CN112508325B (zh) 一种家庭微电网多时间尺度电能调度方法
CN106096790A (zh) 基于变频空调虚拟机组建模的虚拟电厂日前和实时市场优化调度方法
CN105207253A (zh) 考虑风电及频率不确定性的agc随机动态优化调度方法
CN110752629B (zh) 一种交直流混合家庭微电网能量优化管理方法
Wang et al. Coordinated load shedding control scheme for recovering frequency in islanded microgrids
Meng et al. A novel intelligent nonlinear controller for dual active bridge converter with constant power loads
CN113890063A (zh) 一种孤岛微电网恢复频率的协调减载控制方法
JP7285053B2 (ja) 電力需給制御装置、電力需給制御システムおよび電力需給制御方法
Abou Daher et al. Improve the HVAC contribution in wind power smoothing
CN116404671B (zh) 基于分层协同控制的直流微电网多储能荷电状态均衡策略
CN109149658A (zh) 基于一致性理论的独立微电网分布式动态经济调度方法
Halvgaard et al. Thermal storage power balancing with model predictive control
CN110808616A (zh) 一种基于功率缺额分配的微电网频率控制方法
Tran et al. Deep Reinforcement Learning for Modeling Market-Oriented Grid User Behavior in Active Distribution Grids
CN115860180A (zh) 基于一致性强化学习算法的电网多时间尺度经济调度方法
CN113904349A (zh) 一种考虑负荷主客观属性的孤岛微电网低频减载方法
CN110943452B (zh) 一种电力系统优化调度的方法

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