CN113904348B - 一种具有自适应变异能力的多微网低频减载控制方法 - Google Patents

一种具有自适应变异能力的多微网低频减载控制方法 Download PDF

Info

Publication number
CN113904348B
CN113904348B CN202111235759.4A CN202111235759A CN113904348B CN 113904348 B CN113904348 B CN 113904348B CN 202111235759 A CN202111235759 A CN 202111235759A CN 113904348 B CN113904348 B CN 113904348B
Authority
CN
China
Prior art keywords
load
load shedding
frequency
evaluation
node
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
CN202111235759.4A
Other languages
English (en)
Other versions
CN113904348A (zh
Inventor
王灿
凌凯
董庆国
王傲奇
田福银
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 CN202111235759.4A priority Critical patent/CN113904348B/zh
Publication of CN113904348A publication Critical patent/CN113904348A/zh
Application granted granted Critical
Publication of CN113904348B publication Critical patent/CN113904348B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/26—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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种具有自适应变异能力的多微网低频减载控制方法，包括以下步骤：获得多微网内各分布式电源出力与频率信息并计算孤岛多微网内功率缺额；基于模糊数学中隶属度函数确定负荷评价影响因素的隶属度；根据最大隶属度原则确定负荷评价影响因素的评价等级；基于CLS‑SVM得到负荷切除决定因子，以完成敏感负荷的综合评价，确定减载策略中相应的减载位置；构建低频减载模型，并基于一种具有自适应变异能力的低频减载模型求解方法确定各减载位置最优减载量，得到最优减载策略。该方法在多微网非计划孤岛时能够提供有效的减载策略，弥补了孤岛多微网内较大的功率缺额，减小频率波动范围与频率恢复稳定时间，提高了孤岛多微网的运行稳定性并且兼顾了减载经济性。

Description

一种具有自适应变异能力的多微网低频减载控制方法
技术领域
本发明属于微电网低频减载技术领域，具体涉及一种具有自适应变异能力的多微网低频减载控制方法。
背景技术
作为一种整合分布式发电的有效新型供电技术形式，多微网能够促进分布式电源的就地消纳，提高资源利用率，进而促进分布式能源的发展。在不断变化的运行条件下，与多微网相连的配电网会出现故障的情形，致使多微网进入孤岛模式运行。孤岛模式功率缺额场景下的分布式电源出力调整及负荷切除计划将影响多微网的安全运行。因此，为了保障孤岛多微网的安全稳定运行，必须通过低频减载解决其功率缺额问题。
现有文献技术中：
文献[1]：Coordinated Control of Passive Transition from Grid-Connectedto Islanded Operation for Three/Single-Phase Hybrid Multi-MicrogridsConsidering Speed and Smoothness(Wang C,Li X,Tian T,et al.Coordinated Controlof Passive Transition from Grid-Connected to Islanded Operation for Three/Single-Phase Hybrid Multi-Microgrids Considering Speed and Smoothness[J].IEEETransactions on Industrial Electronics.,vol.67,no.3,pp.1921-1931,March.2020.)提出一种基于隐式枚举法的减载方案。该策略通过协调储能出力弥补孤岛多微网功率缺额并在紧急时进行减载。
文献[2]：Multiscenario Underfrequency Load Shedding in a MicrogridConsisting of Intermittent Renewables(Hong Y Y,Hsiao M C,Chang Y R,etal.Multiscenario Underfrequency Load Shedding in a Microgrid Consisting ofIntermittent Renewables[J].IEEE Transactions on Power Delivery.,vol.28,no.3,pp.1610-1617,July.2013.)提出一种孤岛微电网低频减载方案。该方案根据历史气象数据和马尔可夫双态模型定义了不同情景的概率，并用遗传算法实现了减载和摆振频率的最小化。
文献[3]：Distributed Coordination Load Shedding of Islanded Microgridsbased on Sub-gradient Algorithm(Xi W,F Shuang,Ping J.Distributed CoordinationLoad Shedding of Islanded Microgrids based on Sub-gradient Algorithm[J].IEEEAccess.,vol.5,pp.27879-27886,July.2018.)提出一种分布式协调减载方案。该方案基于多智能体系统次梯度算法获得最优减载量。
文献[4]：Voltage and Frequency Recovery in an Islanded Inverter-BasedMicrogrid Considering Load Type and Power Factor(Rahmani S,Rezaei-Zare A,Rezaei-Zare M,et al.Voltage and Frequency Recovery in an Islanded Inverter-Based Microgrid Considering Load Type and Power Factor[J].IEEE TransactionsonSmart Grid.,vol.10,no.6,pp.6237-6247,November.2019.)提出了一种基于电压与频率的减载方案。该方案将恒功率、恒电流、恒阻抗等不同类型负载的功率和功率因素考虑在内以确定孤岛微电网减载量。
然而上述文献记载的技术方案在处理功率缺额时未考虑敏感负荷持续供电问题。当存在较大功率缺额需要切除部分负荷时，应该优先保持孤岛多微网内敏感负荷的持续供电，否则将会给孤岛多微网带来较大损失。
发明内容
针对多微网非计划孤岛期间功率缺额问题，本发明提出一种具有自适应变异能力的多微网低频减载控制方法，该方法能够避免因切除敏感负荷而引起重大的断电事故，弥补了孤岛多微网内较大的功率缺额，减小频率波动范围与频率恢复稳定时间，提高了孤岛多微网的运行稳定性并且兼顾了减载经济性。
本发明采取的技术方案为：
一种具有自适应变异能力的多微网低频减载控制方法，包括以下步骤：
步骤1：在多微网非计划性孤岛期间，获得多微网内各分布式电源出力与频率信息，并计算孤岛多微网内功率缺额。
步骤2：基于模糊数学中隶属度函数，确定负荷评价影响因素的隶属度。
步骤3：根据最大隶属度原则，确定负荷评价影响因素的评价等级。
步骤4：基于CLS-SVM得到负荷切除决定因子，以完成敏感负荷的综合评价，确定减载策略中相应的减载位置。
步骤5：构建一种具有自适应变异能力的低频减载模型，并基于该低频减载模型求解方法，确定各减载位置最优减载量，得到最优减载策略。
所述步骤1中，建立函数计算功率缺额，所述函数如下：
其中，fN为额定频率，f为系统频率，Heq为等值惯性时间常数，并且Heq可根据分布式电源的额定功率和惯性常数计算：
在孤岛多微网功率缺额期间，分布式电源出力改变会导致功率缺额的改变，因此在减载期间对功率缺额进行更新：
所述步骤2中，本发明选用梯形隶属度函数，其函数如下：
其中，Ai(x)为第i个评价因素的隶属度函数，a,b,c,d为常数，且a≤b≤c≤d。
本发明设置评价等级集合为V＝{1级,2级,3级,4级,5级}，其中级数越大其影响程度越高，基于各评价等级的模糊隶属度表示为：
U＝{u1,u2,u3,u4,u5}
其中，ui为第i个评价因素的隶属度，且ui∈[0,1]。
u1,u2,u3,u4,u5分别表示第1，第2，第3，第4，第5个评价因素的模糊隶属度值。
所述步骤3中，构建负荷节点各评价因素评价等级集合x，集合表示如下：
其中，x为负荷节点各评价因素评价等级集合；xi为第i个负荷节点各评价因素评价等级集合；li，fi，di和ri分别为第i个负荷节点单位电能停电损失，负载率，负荷等级和单位负荷频率调节系数评价等级。
所述步骤4中，LS-SVM负荷评价函数如下：
其中，ai为拉格朗日乘子，b2是待定参数，
所述步骤5中包括如下流程步骤：
步骤5.1：构建低频减载模型，低频减载模型如下：
其中，λi为第i个负荷节点的负荷切除决定因子值。
为了实现减载目标，低频减载模型的求解应满足以下约束条件：
PLS,i≤PLSmax,i
fmin≤f≤fmax
其中，PLSmax,i为负荷节点减载最大值，PLS为孤岛多微网功率缺额总值，n1，n2分别表示参与减载负荷数目最小值与最大值，f表示总线的频率大小，fmin，fmax分别表示总线频率最小值与最大值。
步骤5.2：初始化求解算法使用参数。包括各负荷节点功率数据，各负荷节点减载约束等。
步骤5.3：初始化搜索个体位置，计算目前所有初始解的适应度并保留适应度最高的解作初始最优解。
步骤5.4：更新非线性寻优参数c
其中，l表示算法当前迭代次数，L表示最大迭代次数，并且取cmax＝1，cmin＝0.00001。
步骤5.5：更新搜索个体位置并更新当前解的适应度并保留适应度最高的解作当前最优解：
其中，ubd与lbd分别为D维搜索空间的上下界，为当前种群中的最优个体。
步骤5.6：判断当前最优解是否满足约束，若满足约束，则保留当前最优解。否则，返回之前最优解。
步骤5.7：计算当前最优解下的目标函数值与之前最优解下的目标函数值进行比较，并保留最小目标函数值所对应的最优解。
步骤5.8：判断当前是否到达最大迭代次数，若到达最大迭代次数，则输出当前各节点最优减载量；否则，返回步骤5.4继续搜寻最优解直到满足终止条件。
一种具有自适应变异能力的多微网低频减载控制方法，首先获得多微网内各分布式电源额定功率与频率信息，并计算多微网内功率缺额；然后确定孤岛多微网相关低频减载策略，低频减载策略分为两步，分别是确定减载对象和减载量，在确定减载对象部分中，首先使用模糊数学中隶属度函数确定负荷评价影响因素的隶属度，并基于隶属度进一步确定负荷影响因素评价等级，在综合各负荷节点影响因素评价等级基础上使用LS-SVM确定负荷切除决定因子，将敏感负荷判定问题转化为一个典型的0-1规划问题，用0-1变量来描述敏感负荷判定与备选切除对象；在确定减载量部分中，以最小化负荷运行成本和负荷中断损失费用为目标，构建低频减载模型；然后使用一种具有自适应变异能力的低频减载模型求解方法确定各负荷最优减载量。最后，执行减载动作从而达到非计划孤岛时多微网内的功率平衡与频率恢复。
一种具有自适应变异能力的低频减载模型，低频减载模型如下：
其中，λi为第i个负荷节点的负荷切除决定因子值。
a1,i为第i个负荷运行成本系数、PLS,i为负荷节点减载值、Pmax,i为节点最大负荷量、a2,i为第i个负荷切除损失系数。
本发明一种具有自适应变异能力的多微网低频减载控制方法，技术效果如下：
1)该方法可以在减载期间保证孤岛多微网内的敏感负荷不间断供电，维持孤岛多微网的频率稳定与功率平衡。
2)该低频减载方法在保证敏感负荷的供电可靠性前提下，弥补了孤岛多微网内较大的功率缺额，减小了频率波动范围与频率恢复稳定时间，提高了孤岛多微网的运行稳定性并且兼顾了减载经济性。
3)本发明提出一种具有自适应变异能力的多微网低频减载方法。在孤岛多微网内有较大功率缺额时，功率缺额由主储能与负荷共同承担，提出的负荷评价方法可以兼顾多种负荷影响因素，使负荷评价结果更加合理客观以保证对敏感负荷的不间断供电。
4)本发明提出的减载控制策略可快速弥补功率缺额并有效抑制切换过程中的频率波动，实现孤岛多微网内功率平衡与频率稳定。
5)针对多微网非计划孤岛期间功率缺额问题，本发明提出一种具有自适应变异能力的多微网低频减载方法，该方法能够避免因切除敏感负荷而引起重大的断电事故。
附图说明
图1是多微网结构图。
图2是基于一种具有自适应变异能力的多微网低频减载方法流程图。
图3是三种减载策略下的频率波形比较图。
图4是三种减载策略下的经济性分析图。
具体实施方式
一种具有自适应变异能力的多微网低频减载控制方法，包括以下步骤：
步骤1：在多微网非计划性孤岛期间，获得多微网内各分布式电源出力与频率信息，并计算孤岛多微网内功率缺额。建立函数计算功率缺额，所述函数如下：
其中，fN为额定频率，f为系统频率，Heq为等值惯性时间常数，并且Heq可根据分布式电源的额定功率和惯性常数计算：
其中，Si为第i个分布式电源额定功率，Hi为第i个分布式电源惯性常数。
在孤岛多微网功率缺额期间，分布式电源出力改变会导致功率缺额的改变，因此在减载期间对功率缺额进行更新：
步骤2：基于模糊数学中隶属度函数，确定负荷评价影响因素的隶属度。本发明选用梯形隶属度函数，其函数如下：
其中，Ai(x)为第i个评价因素的隶属度函数，a,b,c,d为常数，且a≤b≤c≤d。
x为负荷节点各评价因素的数值。
本发明设置评价等级集合为V＝{1级,2级,3级,4级,5级}，其中级数越大其影响程度越高，基于各评价等级的模糊隶属度表示为：
U＝{u1,u2,u3,u4,u5}
其中，ui为第i个评价因素的模糊隶属度值，且ui∈[0,1]。
u1,u2,u3,u4,u5分别表示第1，第2，第3，第4，第5个评价因素的模糊隶属度值。
步骤3：根据最大隶属度原则，确定负荷评价影响因素的评价等级。构建负荷节点各评价因素评价等级集合x，集合表示如下：
其中，x为负荷节点各评价因素评价等级集合；xi为第i个负荷节点各评价因素评价等级集合；li，fi，di和ri分别为第i个负荷节点单位电能停电损失，负载率，负荷等级和单位负荷频率调节系数评价等级。
步骤4：基于CLS-SVM得到负荷切除决定因子，以完成敏感负荷的综合评价，确定减载策略中相应的减载位置。LS-SVM负荷评价函数如下：
其中，ai为拉格朗日乘子，b2是待定参数，
分别表示变量xi、变量xj在高维空间的映射。
步骤5：构建一种具有自适应变异能力的低频减载模型，并基于该低频减载模型求解方法，确定各减载位置最优减载量，得到最优减载策略。包括如下流程步骤：
步骤5.1：构建低频减载模型，低频减载模型如下：
其中，λi为第i个负荷节点的负荷切除决定因子值。
a1,i为第i个负荷运行成本系数、PLS,i为负荷节点减载值、Pmax,i为节点最大负荷量、a2,i为第i个负荷切除损失系数。
为了实现减载目标，低频减载模型的求解应满足以下约束条件：
PLS,i≤PLSmax,i
fmin≤f≤fmax
其中，PLSmax,i为负荷节点减载最大值，PLS为孤岛多微网功率缺额总值，n1，n2分别表示参与减载负荷数目最小值与最大值，f表示总线的频率大小，fmin，fmax分别表示总线频率最小值与最大值。
步骤5.2：初始化求解算法使用参数。包括各负荷节点功率数据，各负荷节点减载约束等。
步骤5.3：初始化搜索个体位置，计算目前所有初始解的适应度并保留适应度最高的解作初始最优解。
步骤5.4：更新非线性寻优参数c
其中，l表示算法当前迭代次数，L表示最大迭代次数，并且取cmax＝1，cmin＝0.00001。
步骤5.5：更新搜索个体位置并更新当前解的适应度并保留适应度最高的解作当前最优解：
其中，ubd、lbd分别为d维搜索空间的上下界，为当前种群中的最优个体。
分别表示d维搜索空间中搜索个体j与搜索个体i的位置。
xi表示搜索个体i的位置，xj表示搜索个体j的位置。
dij表示搜索个体i到搜索个体j的距离。
表示d维搜索空间中搜索个体j、搜索个体i之间的距离。
步骤5.6：判断当前最优解是否满足约束，若满足约束，则保留当前最优解。否则，返回之前最优解。
步骤5.7：计算当前最优解下的目标函数值与之前最优解下的目标函数值进行比较，并保留最小目标函数值所对应的最优解。
步骤5.8：判断当前是否到达最大迭代次数，若到达最大迭代次数，则输出当前各节点最优减载量；否则，返回步骤5.4继续搜寻最优解直到满足终止条件。
实施例：
图1为多微网结构图，该多微网包含三个三相子微电网，三相微电网包括储能装置、光伏发电单元和三相负载。整个多微网通过并离网开关与配电网相连。当配电网发生停电事故或严重故障时，并离网开关迅速断开，多微网执行非计划性孤岛切换。
图2为基于一种具有自适应变异能力的多微网低频减载方法流程图。步骤如下：首先获得多微网内各分布式电源额定功率与频率信息并计算多微网内功率缺额。然后确定孤岛多微网相关低频减载策略，低频减载策略分为两步，分别是确定减载对象和减载量。在确定减载对象部分中，首先使用模糊数学中隶属度函数确定负荷评价影响因素的隶属度，并基于隶属度进一步确定负荷影响因素评价等级，评价等级的确定可以减少数据中存在的孤立点负荷评价带来的影响。在综合各负荷节点影响因素评价等级基础上使用LS-SVM确定负荷切除决定因子，将敏感负荷判定问题转化为一个典型的0-1规划问题，用0-1变量来描述敏感负荷判定与备选切除对象。在确定减载量部分中，以最小化负荷运行成本和负荷中断损失费用为目标，构建低频减载模型。然后使用一种具有自适应变异能力的低频减载模型求解方法确定各负荷最优减载量。最后，执行减载动作从而达到非计划孤岛时多微网内的功率平衡与频率恢复。
其中系统参数如下：光伏额定功率PV1-9均为30kW。各子微网中的储能额定功率BES1-7分别为95kW，10kW，10kW，10kW，10kW，10kW，10kW。各子微网中的负荷功率LD1-9分别为80kW，60kW，50kW，70kW，50kW，60kW，40kW，60kW，80kW。
图3为本发明中提出的一种具有自适应变异能力的多微网低频减载方法与策略2、策略3分别作用下的系统频率比较图。其中，策略2为仅考虑负荷等级的减载策略，策略3为基于多智能体系统子梯度算法的孤岛微电网分布式协调减载方法。策略2在减载时仅考虑负荷等级，按照负荷等级将候选负荷从低到高进行排序并减载。策略3在局部定义并评估了负荷减载水平。策略2与策略3在减载时没有对负荷进行综合评估，容易导致敏感负荷的断电。具有自适应变异能力的多微网非计划性孤岛减载方法通过在减载时选择负荷具有较小的负荷等级和较大的负荷频率调节系数，使频率波动范围较小且频率恢复时间较短。结果表明，本发明提出的控制方法，可在孤岛时有效消除功率缺额，并且在处理孤岛多微网功率缺额期间能够有效减小频率波动范围并使频率快速恢复到稳定值。
图4为本发明中提出的具有自适应变异能力的多微网低频减载方法与策略2、策略3分别作用下的减载经济性分析图。相比较于策略2，本发明所述的减载策略负荷运行成本与负荷中断损失都有所降低。相对于策略3，本发明所述的减载策略负荷中断损失基本相同，但负荷运行成本有了一定程度的降低。

Claims (6)

1.一种具有自适应变异能力的多微网低频减载控制方法，其特征在于包括以下步骤：
步骤1：获得多微网内各分布式电源出力与频率信息，并计算孤岛多微网内功率缺额；
步骤2：基于模糊数学中隶属度函数，确定负荷评价影响因素的隶属度；
步骤3：根据最大隶属度原则，确定负荷评价影响因素的评价等级；
步骤4：基于CLS-SVM得到负荷切除决定因子，以完成敏感负荷的综合评价，确定减载策略中相应的减载位置；
步骤5：构建一种具有自适应变异能力的低频减载模型，并基于该低频减载模型求解方法，确定各减载位置最优减载量，得到最优减载策略；
所述步骤5中包括如下流程步骤：
步骤5.1：构建低频减载模型，低频减载模型如下：
其中，λi为第i个负荷节点的负荷切除决定因子值；a1,i为第i个负荷运行成本系数、PLS,i为负荷节点减载值、Pmax,i为节点最大负荷量、a2,i为第i个负荷切除损失系数；n表示执行减载的负荷节点总数；
为了实现减载目标，低频减载模型的求解应满足以下约束条件：
PLS,i≤PLSmax,i
fmin≤f≤fmax
其中，PLSmax,i为负荷节点减载最大值，PLS为孤岛多微网功率缺额总值，n1，n2分别表示参与减载负荷数目最小值与最大值，f表示总线的频率大小，fmin，fmax分别表示总线频率最小值与最大值；
步骤5.2：初始化求解算法使用参数；包括各负荷节点功率数据，各负荷节点减载约束；
步骤5.3：初始化搜索个体位置，计算目前所有初始解的适应度并保留适应度最高的解作初始最优解；
步骤5.4：更新非线性寻优参数c
其中，l表示算法当前迭代次数，L表示最大迭代次数，并且取cmax＝1，cmin＝0.00001；
步骤5.5：更新搜索个体位置并更新当前解的适应度并保留适应度最高的解作当前最优解：
其中，ubd与lbd分别为D维搜索空间的上下界，为当前种群中的最优个体；
分别表示d维搜索空间中搜索个体j与搜索个体i的位置；
xi表示搜索个体i的位置，xj表示搜索个体j的位置；
dij表示搜索个体i到搜索个体j的距离；
表示d维搜索空间中搜索个体j、搜索个体i之间的距离；
步骤5.6：判断当前最优解是否满足约束，若满足约束，则保留当前最优解；否则，返回之前最优解；
步骤5.7：计算当前最优解下的目标函数值与之前最优解下的目标函数值进行比较，并保留最小目标函数值所对应的最优解；
步骤5.8：判断当前是否到达最大迭代次数，若到达最大迭代次数，则输出当前各节点最优减载量；否则，返回步骤5.4继续搜寻最优解直到满足终止条件。
2.根据权利要求1所述一种具有自适应变异能力的多微网低频减载控制方法，其特征在于：所述步骤1中，建立函数计算功率缺额，所述函数如下：
其中，fN为额定频率，f为系统频率，Heq为等值惯性时间常数，并且Heq可根据分布式电源的额定功率和惯性常数计算：
其中:Si为第i个分布式电源额定功率，Hi为第i个分布式电源惯性常数；
在孤岛多微网功率缺额期间，分布式电源出力改变会导致功率缺额的改变，因此在减载期间对功率缺额进行更新：
3.根据权利要求1所述一种具有自适应变异能力的多微网低频减载控制方法，其特征在于：所述步骤2中，选用梯形隶属度函数，其函数如下：
其中，Ai(x)为第i个评价因素的隶属度函数，a,b,c,d为常数，且a≤b≤c≤d,x为负荷节点各评价因素的数值；
设置评价等级集合为V＝{1级,2级,3级,4级,5级}，其中级数越大其影响程度越高，基于各评价等级的模糊隶属度表示为：
U＝{u1,u2,u3,u4,u5}
其中，ui为第i个评价因素的隶属度，且ui∈[0,1]；u1,u2,u3,u4,u5分别表示第1，第2，第3，第4，第5个评价因素的模糊隶属度值。
4.根据权利要求1所述一种具有自适应变异能力的多微网低频减载控制方法，其特征在于：所述步骤3中，构建负荷节点各评价因素评价等级集合x，集合表示如下：
其中，x为负荷节点各评价因素评价等级集合；xn为第n个负荷节点各评价因素评价等级集合；ln，fn，dn和rn分别为第n个负荷节点单位电能停电损失，负载率，负荷等级和单位负荷频率调节系数评价等级。
5.根据权利要求1所述一种具有自适应变异能力的多微网低频减载控制方法，其特征在于：所述步骤4中，LS-SVM负荷评价函数如下：
其中，ai为拉格朗日乘子，b2是待定参数， 分别表示变量x、变量xi在高维空间的映射。
6.一种具有自适应变异能力的低频减载模型求解方法，其特征在于包括以下步骤：
S1：构建低频减载模型，低频减载模型如下：
其中，λi为第i个负荷节点的负荷切除决定因子值；
a1,i为第i个负荷运行成本系数、PLS,i为第i个负荷节点减载值、Pmax,i为第i个负荷节点最大负荷量、a2,i为第i个负荷切除损失系数；
为了实现减载目标，低频减载模型的求解应满足以下约束条件：
PLS,i≤PLSmax,i
fmin≤f≤fmax
其中，PLS,i为负荷节点的减载量，PLSmax,i为负荷节点减载最大值，PLS为孤岛多微网功率缺额总值，n1，n2分别表示参与减载负荷数目最小值与最大值，f表示总线的频率大小，fmin，fmax分别表示总线频率最小值与最大值；
S2：初始化求解算法使用参数；包括各负荷节点功率数据，各负荷节点减载约束；
S3：初始化搜索个体位置，计算目前所有初始解的适应度并保留适应度最高的解作初始最优解；
S4：更新非线性寻优参数c：
其中，l表示算法当前迭代次数，L表示最大迭代次数，并且取cmax＝1，cmin＝0.00001；
S5：更新搜索个体位置并更新当前解的适应度并保留适应度最高的解作当前最优解：
其中，ubd与lbd分别为D维搜索空间的上下界，为当前种群中的最优个体；
分别表示d维搜索空间中搜索个体j与搜索个体i的位置；
xi表示搜索个体i的位置，xj表示搜索个体j的位置；
dij表示搜索个体i到搜索个体j的距离；
表示d维搜索空间中搜索个体j、搜索个体i之间的距离；
S6：判断当前最优解是否满足约束，若满足约束，则保留当前最优解；否则，返回之前最优解；
S7：计算当前最优解下的目标函数值与之前最优解下的目标函数值进行比较，并保留最小目标函数值所对应的最优解；
S8：判断当前是否到达最大迭代次数，若到达最大迭代次数，则输出当前各节点最优减载量；否则，返回步骤S4继续搜寻最优解直到满足终止条件。
CN202111235759.4A 2021-10-22 2021-10-22 一种具有自适应变异能力的多微网低频减载控制方法 Active CN113904348B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111235759.4A CN113904348B (zh) 2021-10-22 2021-10-22 一种具有自适应变异能力的多微网低频减载控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111235759.4A CN113904348B (zh) 2021-10-22 2021-10-22 一种具有自适应变异能力的多微网低频减载控制方法

Publications (2)

Publication Number Publication Date
CN113904348A CN113904348A (zh) 2022-01-07
CN113904348B true CN113904348B (zh) 2023-08-01

Family

ID=79026088

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111235759.4A Active CN113904348B (zh) 2021-10-22 2021-10-22 一种具有自适应变异能力的多微网低频减载控制方法

Country Status (1)

Country Link
CN (1) CN113904348B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6789054B1 (en) * 1999-04-25 2004-09-07 Mahmoud A. Makhlouf Geometric display tools and methods for the visual specification, design automation, and control of adaptive real systems
CN102509175A (zh) * 2011-11-07 2012-06-20 上海电力学院 分布式供电系统可靠性优化方法
CN104300568A (zh) * 2014-08-20 2015-01-21 华南理工大学 一种交直流混联系统的频率稳定控制方法
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

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201320858D0 (en) * 2013-11-26 2014-01-08 Univ Manchester Method of determining an islanding solution for an electrical power system
US10333308B2 (en) * 2016-08-15 2019-06-25 Nec Corporation Two-level predictive based reactive power coordination and voltage restoration for microgrids

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6789054B1 (en) * 1999-04-25 2004-09-07 Mahmoud A. Makhlouf Geometric display tools and methods for the visual specification, design automation, and control of adaptive real systems
CN102509175A (zh) * 2011-11-07 2012-06-20 上海电力学院 分布式供电系统可靠性优化方法
CN104300568A (zh) * 2014-08-20 2015-01-21 华南理工大学 一种交直流混联系统的频率稳定控制方法
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孤岛模式下的微电网低频减载策略分析;沈臣;顾伟;吴志;;电力系统自动化;第35卷(第09期);47-52 *
适用于微网孤岛运行的低频减载方法;林湘宁;李正天;薄志谦;Andrew Klimek;;电网技术;第34卷(第03期);16-20 *

Also Published As

Publication number Publication date
CN113904348A (zh) 2022-01-07

Similar Documents

Publication Publication Date Title
Teo et al. Optimization of fuzzy energy-management system for grid-connected microgrid using NSGA-II
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
Wu et al. Source-network-storage joint planning considering energy storage systems and wind power integration
CN112003330B (zh) 一种基于自适应控制的微网能量优化调度方法
Zhao et al. Distributed risk-limiting load restoration for wind power penetrated bulk system
CN110956324B (zh) 基于改进的moea/d的主动配电网日前高维目标优化调度方法
CN111262243A (zh) 一种园区配电系统运行方式智能辨识以及优化方法
Li et al. Knee point-guided multiobjective optimization algorithm for microgrid dynamic energy management
CN111817349A (zh) 基于深度q学习的多微网被动并离网切换控制方法
CN116914751B (zh) 一种智能配电控制系统
Vafamand et al. Intelligent multiobjective NSBGA-II control of power converters in DC microgrids
CN111932012A (zh) 储能系统-分布式电源-电容器综合控制无功优化方法
Guan et al. A GAN-based fully model-free learning method for short-term scheduling of large power system
CN113904348B (zh) 一种具有自适应变异能力的多微网低频减载控制方法
CN110135640B (zh) 一种基于模糊聚类改进和声算法的风电配网优化调度方法
CN116760103A (zh) 虚拟电厂在线优化电力调度的自适应预测能量管理方法
CN116865270A (zh) 一种含嵌入式直流的柔性互联配电网优化调度方法及系统
CN116645089A (zh) 一种考虑退役电池容量退化的储能系统双层优化配置方法
CN116154791A (zh) 一种协同多可控资源的功角稳定控制方法、系统及终端
CN115441440A (zh) 一种基于分布式新能源聚合的配电网弹性提升方法及系统
CN112117772B (zh) 一种新能源接入下计及输电阻塞的储能快速优化配置方法
CN110729759B (zh) 一种微电网中分布式电源配置方案的确定方法及装置
Yan et al. Look-Ahead Unit Commitment with Adaptive Horizon Based on Deep Reinforcement Learning
Bazmohammadi et al. An efficient decision-making approach for optimal energy management of microgrids
Aldahmashi et al. Advanced machine learning approach of power flow optimization in community microgrid

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