CN114123163A - 一种基于信息物理融合模型的主动配电网优化控制方法 - Google Patents
一种基于信息物理融合模型的主动配电网优化控制方法 Download PDFInfo
- Publication number
- CN114123163A CN114123163A CN202110195060.3A CN202110195060A CN114123163A CN 114123163 A CN114123163 A CN 114123163A CN 202110195060 A CN202110195060 A CN 202110195060A CN 114123163 A CN114123163 A CN 114123163A
- Authority
- CN
- China
- Prior art keywords
- control
- time
- model
- information
- control information
- 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
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000004927 fusion Effects 0.000 title claims abstract description 24
- 238000005457 optimization Methods 0.000 title claims abstract description 20
- 239000013598 vector Substances 0.000 claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims abstract description 17
- 238000006243 chemical reaction Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 150000001875 compounds Chemical class 0.000 claims description 6
- 230000014509 gene expression Effects 0.000 claims description 6
- 230000010365 information processing Effects 0.000 claims description 5
- 230000007704 transition Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 101150036841 minJ gene Proteins 0.000 claims 1
- 230000000694 effects Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003863 physical function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000010399 physical interaction Effects 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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]
Abstract
本发明提供了一种基于信息物理融合模型的主动配电网优化控制方法,包括以下步骤:S1:设置控制周期T;S2:设置控制信号状态向量维数s,建立控制信息转换模型;S3:设置控制控制系统节点连接关系关联矩阵建立分层分布控制系统模型;S4:初始化时间为起始时刻Time=t,建立一次系统混合系统模型;S5:建立主动配电网分层布控制系统的信息物理融合模型;S6:构造控制目标函数min J;S7:转化为目标函数中具有二次项的混合整数规划问题并求解一个控制周期内的控制量;S8:执行控制周期s个控制量;S9:时间递推为下一时刻Time=t+ΔT,若当前时间Time为截止时间则停止,否则转步骤S5,对下一周期进行优化控制。
Description
技术领域
本发明涉及主动配电网领域对复杂系统进行综合管理控制,本发明提供一种基于信息物理融合模型的主动配电网优化控制方法,为考虑信息物理交互作用下的复杂系统的管控提供支撑,实现兼顾处理环节耗时和信息系统处理能力前提下的优化控制。
背景技术
作为现代工业系统的主要发展方向,信息化给传统生产带来了巨大影响和冲击。在信息与生产相互结合的进程中,理所当然是以生产系统为主,信息系统为辅。也就是说,信息系统一般是在总结了生产系统的物理规律的基础上,为了实现特定物理功能而设计增加的。例如PI闭环控制系统,通常按照受控设备控制需求增加控制环节,而后根据经验调整控制参数。这种以物理功能为主导的信息系统的确能够较好地完成功能目标,但是由于未能明确信息系统服务于物理系统的详细机制,所以信息处理过程和物理过程之间的结合较为松散,两种系统间存在隔阂。当受控系统规模不断扩大,且受控对象存在关联和牵制时,便难以再依据经验方式完成控制任务。
主动配电网是智能电网的一个重要发展方向,具有大量数据采集和控制需求的主动配电网是一个包含了信息系统和物理系统的综合系统,并且能够在功能上实现信息流和能量流的协调工作。但目前仍然有三个方向尚未得到解决:
(1)信息系统与物理系统的融合工作机理尚未明确。
为了改变物理系统的工作特性而增加的信息系统,也会对物理系统造成影响,而物理系统的变化也会改变信息系统,进而又对物理系统产生新的影响。尽管目前从最终效果上掩盖了这种相互作用,但为了应对更大规模且互联关系更为复杂的主动配电网应用,则应进一步明确信息系统和物理系统的融合工作机制。
(2)物理系统的运行控制缺乏预测性,对复杂场景变化的适应能力不足。
相比输电系统,主动配电网工况变化频繁,运行点调整的随机性较大。时间跨度较大的优化方式以及滞后控制方法,都难以应对配电网缺乏规律的大量扰动,对控制实时性的要求也无法保证。因此,需要增加对设备状态的适当预测,既能使实时控制成为可能,又可在一定程度上减小总体控制误差。
(3)对物理系统控制过程中感知、分析以及精准控制能力不足。
主动配电网物理系统工作过程中,不仅设备自身运行特性时刻发生变化,而且极有可能受到邻近设备状态变化,甚至外部环境因素的影响。若将更多外界因素的变化考虑在主动配电网控制模型或控制环节中,将进一步改善控制效果精确性,并更好地满足控制实时性需求。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于信息物理融合模型的主动配电网优化控制方法,其可以进一步改善控制效果的精确性,并更好地满足控制实时性需求。
一种基于信息物理融合模型的主动配电网优化控制方法,包括以下步骤:
S1:设置控制周期T;
S2:设置控制信号状态向量维数s,建立控制信息转换模型;其中,所述控制信号状态向量维数s表示包含在一个控制周期T中设定的s个控制信息的状态变化;
S4:初始化时间为起始时刻Time=t,建立一次系统混合系统模型,Time表示当前时间,t表示起始时间;
S5:建立主动配电网分层布控制系统的信息物理融合模型;
S6:构造控制目标函数min J;
S7:转化为目标函数中具有二次项的混合整数规划问题并求解一个控制周期内的控制量;
S8:执行控制周期s个控制量;
S9:时间递推为下一时刻Time=t+ΔT,若当前时间Time为截止时间则停止,否则转步骤S5,对下一周期进行优化控制。
可选地,步骤S2中,所述控制信息转换模型,采用通过关联矩阵描述各时刻的目标状态集合,即,t时刻的控制信息在进入t+Δt时刻可能存在不变或者向下一个控制信息转移两种状态选择,其约束模型表达如下:
式中,为s×s维关联矩阵,表示该矩阵i行,j列的元素,且有s(t)表示t时刻控制信息向量,s(t)=[s1(t),s2(t),…,ss(t)]′,其中包含在一个控制周期中设定的s个控制信息的状态变化,sm(t)为s(t)的第m个元素,对与任意取值m,满足sm(t)∈{0,1},取值为1表示该控制信息参与控制,由于在同一时刻,仅可能有一个控制信息在受控设备上执行,因此需满足:
式中,描述控制系统节点连接关系的c×c阶关联矩阵。c(t)表示t时刻c个控制系统节点状态组成的向量,满足c(t)=[c1(t),c2(t),…,cc(t)]′,cn(t)为c(t)中的第n个元素,为s维向量,即ck(t)=[ck1(t),ck2(t),…,cks(t)]′,有cij(t)∈{0,1},仅当第m个控制信息处于第n个节点时cnm(t)=1。
考虑各个控制环节的信息处理能力,若在同一时刻,控制系统中除了控制信息生成节点以及执行节点外,第i个节点个控制节点至多能够同时处理个控制信息,则可以w个控制信息,其约束表达如下:
此外,控制信息到达受控设备时间和受控设备执行时间不同所建立的模型约束如下,即控制信息执行时,该信息必然到达控制系统的执行节点c:
sm(t)≤ccm(t)
可选地,步骤S4中,所述一次系统混合模型,通过逻辑变量引入,采用递推公式建立所述混合逻辑动态模型,以反映受控对象的动态演变状态,其计算公式为:
x(t+Δt)=Ax(t)+Bδ(t)
A,B为状态转移参量,δ(t)为逻辑向量,可表达为δ(t)=[δ1(t),δ2(t),…,δj(t)]′,δi(t)表示第i个逻辑状态,δi(t)∈{0,1},0表示该逻辑状态发生,1表示该逻辑状态不发生,且需满足:
x(t)为状态向量,Δt为递进时间步长。考虑到信息系统处理进程的耗时通常小于一次系统控制能够承受的时间间隔,所述递进时间步长Δt根据信息系统情况进行选定。
可选地,步骤S5中,
结合所述一次系统混合系统模型、所述控制信息转换模型,所述分层分布控制系统模型,可综合得到所述主动配电网分层布控制系统的信息物理融合模型,其计算公式为:
可选地,所述步骤S6中,min J可根据主动配电网分层布控制系统目标进行灵活的构建,以降低馈线功率偏差为例,即通过分布式电源控制馈线的实际功率与馈线优化目标功率尽量一致,馈线功率可以控制区域为单位进行控制,即一个馈线由多个所述控制区域组成,每个所述控制区域含有可控的分布式电源,此时有下式:
其中Pf-opt(t)表示馈线优化目标功率,表示t时刻各所述控制区域实际功率组成的向量,[1,1...1]n是n维横向量,式表示t时刻各控制区域功率之和;Ppre(t)为馈线负荷及间歇式电源的预测功率。Prif表示对实际功率偏离馈线优化目标功率的惩罚;Qδ1为权重系数,可自行调整,一般取Qδ1=1,||·||为范数表达式。
可选地,在所述步骤S7中,针对二次项的混合整数规划问题,以min J为目标函数,以所述主动配电网分层布控制系统的信息物理融合模型为控制模型和约束条件求解一个控制周期内的控制量。
与现有技术相比,本发明具有如下的有益效果:
A1:在模型描述方面,从传统的PI控制等控制过程中可以看出,不同控制功能不仅使控制系统的信息有所不同,也造成信息流路径差异。即使是针对同一对象的控制任务,不同控制模式也会造成信息和信息流路径改变。目前,由于信息控制系统难以通过代数微分方程表达完整的动态过程以及空间和时特征,因此已有控制过程的建模方式均难以考虑系统运行场景的复杂度。而本发明所述的信息物理融合模型的主动配电网预测控制方法通过信息物理融合模型中一次系统混合系统模型,控制信息转换模型,以及分层分布控制系统模型的分层构建,可以实现信息控制系统与一次系统作用关系的完整刻画。
A2:在控制效果方面,信息系统对一次系统的影响通常以时延的形式体现在受控设备的控制效果上,信息控制系统与一次系统的相互作用关系并不明确,导致控制效果与预期效果存在偏差,常规时延处理方法只能通过设定控制系统的启动动作时间进行考虑,而本发明所述的主动配电网预测控制方法可以将建模与控制过程相结合,优化受控设备和控制系统的运行方式,并降低信息时延对控制效果的不利影响。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1是考虑处理环节耗时影响与不考虑考虑处理环节耗时影响下的执行情况对比图;
图2是本发明一种基于信息物理融合模型的主动配电网优化控制方法流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明提出一种主动配电网分层布控制系统的信息物理融合模型,其特征在于,包括:一次系统混合系统模型,采用混合逻辑动态模型描述一次系统在控制过程中设备状态动态演变过程。控制信息转换模型,描述考虑处理环节耗时的影响情况下的控制信息状态变化约束。图1为考虑处理环节耗时影响与不考虑考虑处理环节耗时影响下的执行情况对比图。
参见图1,设在T=20Δt的控制周期中,受控设备接收2次控制。在不考虑信息处理环节耗时影响的理想情况下,控制过程按照10Δt的时间间隔等距进行,控制量生成后即刻作用于受控设备。而在考虑信息时延情况下,首个信息1从t=0出发,于t=8Δt到达受控设备并于t=11Δt受控;而第二个信息2从t=4Δt离开控制器,于t=13Δt到达受控设备,但直到t=19Δt才执行控制。同时,该例也指出了一种情况,即控制信息到达受控侧,并不意味着执行控制,而是可能在受控侧等待若干时间;而开始执行的控制信息也可能持续执行若干时间。这些情况均在建模中通过约束条件描述。
分层分布控制系统模型,结合所述控制信息转换模型,用于描述控制信息流经过若干节点到达受控设备,并在兼顾信息系统处理能力的限制情况下的受控设备执行约束。
所述一次系统混合模型,通过逻辑变量引入,采用递推公式建立所述混合逻辑动态模型,以反映受控对象的动态演变状态,其计算公式为:
x(t+Δt)=Ax(t)+Bδ(t);
A,B为状态转移参量,δ(t)为逻辑向量,可表达为δ(t)=[δ1(t),δ2(t),…,δj(t)]′,δi(t)表示第i个逻辑状态,δi(t)∈{0,1},0表示该逻辑状态发生,1表示该逻辑状态不发生,且需满足:
x(t)为状态向量,Δt为递进时间步长。考虑到信息系统处理进程的耗时通常小于一次系统控制能够承受的时间间隔,所述递进时间步长Δt根据信息系统情况进行选定。
所述控制信息转换模型,采用通过关联矩阵描述各时刻的目标状态集合,即,t时刻的控制信息在进入t+Δt时刻可能存在不变或者向下一个控制信息转移两种状态选择,其约束模型表达如下:
式中,为s×s维关联矩阵,表示该矩阵i行,j列的元素,且有S(t)表示t时刻控制信息向量,s(t)=[s1(t),s2(t),…,ss(t)]′,其中包含在一个控制周期中设定的s个控制信息的状态变化,sm(t)为s(t)的第m个元素,对与任意取值m,满足sm(t)∈{0,1},取值为1表示该控制信息参与控制,由于在同一时刻,仅可能有一个控制信息在受控设备上执行,因此需满足:
所述分层分布控制系统模型,采用关联矩阵描述分层分布控制系统的节点转换目标集合,其约束模型表达如下:
式中,描述控制系统节点连接关系的c×c阶关联矩阵。c(t)表示t时刻c个控制系统节点状态组成的向量,满足c(t)=[c1(t),c2(t),…,cc(t)]′,cn(t)为c(t)中的第n个元素,为s维向量,即cn(t)=[cn1(t),cn2(t),…,cns(t)]′,cnm(t)表示cn(t)中第m个元素,用于表达控制信息与节点的关联关系,有cnm(t)∈{0,1},对于任意m和n,仅当第m个控制信息处于第n个节点时cnm(t)=1,其他情况下cnm(t)=0。
考虑各个控制环节的信息处理能力,若在同一时刻,控制系统中除了控制信息生成节点以及执行节点外,第n个节点至多能够同时处理w个控制信息,此处cnm(t)定义与前文一致,则其约束可表达如下:
此外,控制信息到达受控设备时间和受控设备执行时间不同所建立的模型约束如下,即控制信息执行时,该信息必然到达控制系统的执行节点c:
sm(t)≤ccm(t)
结合所述一次系统混合系统模型、所述控制信息转换模型,所述分层分布控制系统模型,可综合得到所述主动配电网分层布控制系统的信息物理融合模型,其计算公式为:
如图2所示,基于前述主动配电网分层布控制系统的信息物理融合模型,为了实现主动配电网的信息物理融合模型预测控制,本发明提供了一种基于信息物理融合模型的主动配电网优化控制方法,包括如下步骤:
S1:设置控制周期T;
S2:设置控制信息状态向量维数s,s为正整数,并建立控制信息转换模型;
表示包含在一个控制周期T中设定的s个控制信息的状态变化,当第m个控制信息参与控制时,控制信息向量s(t)的全部s个元素中,仅有sm(t)=1。建立t及t+Δt时刻控制信息向量s(t)和s(t+Δt)约束模型表达所述式:且需满足:
表示在t时刻,控制信息sm(t)从当前控制系统节点出发,在t+Δt时刻可能到达的新控制系统节点,或者在本节点停留这一状态,其约束模型表达如所述式且考虑第n个节点至多能够同时处理w个控制信息,且控制信息执行时,该信息必然到达控制系统的执行节点,则需增加约束式:sm(t)≤ccm(t);
S4:初始化时间为起始时刻Time=t,建立一次系统混合系统模型,Time表示当前时间,t表示起始时间;所述一次系统混合模型,其计算公式为:
x(t+Δt)=Ax(t)+Bδ(t)
A,B为状态转移参量,δ(t)为逻辑向量,可表达为δ(t)=[δ1(t),δ2(t),…,δj(t)]′,δi(t)表示第i个逻辑状态,δi(t)∈{0,1},0表示该逻辑状态发生,1表示该逻辑状态不发生,且需满足:
x(t)为状态向量,Δt为递进时间步长。考虑到信息系统处理进程的耗时通常小于一次系统控制能够承受的时间间隔,所述递进时间步长Δt根据信息系统情况进行选定。
S5:结合所述一次系统混合系统模型、所述控制信息转换模型,所述分层分布控制系统模型,可综合得到所述主动配电网分层布控制系统的信息物理融合模型,由于考虑了一次系统、控制信息、控制系统节点特性,可弥补独立传统一次系统刻画的不足,实现信息控制系统与一次系统作用关系的完整刻画。
结合所述一次系统混合系统模型、所述控制信息转换模型,所述分层分布控制系统模型,可综合得到所述主动配电网分层布控制系统的信息物理融合模型,其计算公式为:
S6:构造控制目标函数min J,此处min J可根据主动配电网分层布控制系统目标进行灵活的构建,以降低馈线功率偏差为例,即通过分布式电源控制馈线的实际功率与馈线优化目标功率尽量一致,馈线功率可以控制区域为单位进行控制,即一个馈线由多个所述控制区域组成,每个所述控制区域含有可控的分布式电源,此时有下式:
其中Pf-opt(t)表示馈线优化目标功率,表示t时刻各所述控制区域实际功率组成的向量,[1,1...1]n是n维横向量,式表示t时刻各控制区域功率之和;Ppre(t)为馈线负荷及间歇式电源的预测功率。Prif表示对实际功率偏离馈线优化目标功率的惩罚;Qδ1为权重系数,可自行调整,一般取Qδ1=1,||·||为范数表达式。
除了前述表达外,利用控制区域功率调节成本最小、区域交换功率偏差最小等其他控制目标函数亦可。
基于所述主动配电网分层布控制系统的信息物理融合模型进行优化计算,可在优化过程中考虑一次系统、控制信息、控制系统节点特性,从而降低信息时延对控制效果的不利影响。
S7:转化为目标函数中具有二次项的混合整数规划问题并求解一个控制周期内的控制量;
其中,针对二次项的混合整数规划问题,以min J为目标函数,以所述主动配电网分层布控制系统的信息物理融合模型为控制模型和约束条件求解一个控制周期内的控制量。S8:执行控制周期s个控制量;
S9:时间递推为下一时刻Time=t+ΔT,若当前时间Time为截止时间则停止,否则转步骤S5,对下一周期进行优化控制。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (7)
1.一种基于信息物理融合模型的主动配电网优化控制方法,其特征在于,包括以下步骤:
S1:设置控制周期T;
S2:设置控制信号状态向量维数s,建立控制信息转换模型;其中,所述控制信号状态向量维数s表示包含在一个控制周期T中设定的s个控制信息的状态变化;
S4:初始化时间为起始时刻Time=t,建立一次系统混合系统模型,Time表示当前时间,t表示起始时间;
S5:建立主动配电网分层布控制系统的信息物理融合模型;
S6:构造控制目标函数minJ;
S7:转化为目标函数中具有二次项的混合整数规划问题并求解一个控制周期内的控制量;
S8:执行控制周期s个控制量;
S9:时间递推为下一时刻Time=t+ΔT,ΔT为时间增量;若当前时间Time为截止时间则停止,否则转步骤S5,对下一周期进行优化控制。
2.根据权利要求1所述的方法,其特征在于,步骤S2中,所述控制信息转换模型,采用通过关联矩阵描述各时刻的目标状态集合,即,t时刻的控制信息在进入t+Δt时刻可能存在不变或者向下一个控制信息转移两种状态选择,其约束模型表达如下:
式中,为s×s维关联矩阵,表示该矩阵i行,j列的元素,且有s(t)表示t时刻控制信息向量,s(t)=[s1(t),s2(t),…,ss(t)]′,其中包含在一个控制周期中设定的s个控制信息的状态变化,sm(t)为s(t)的第m个元素,对与任意取值m,满足sm(t)∈{0,1},取值为1表示该控制信息参与控制,由于在同一时刻,仅可能有一个控制信息在受控设备上执行,因此需满足:
式中,描述控制系统节点连接关系的c×c阶关联矩阵;c(t)表示t时刻c个控制系统节点状态组成的向量,满足c(t)=[c1(t),c2(t),…,cc(t)]′,cn(t)为c(t)中的第n个元素,为s维向量,即ck(t)=[ck1(t),ck2(t),…,cks(t)]′,有cij(t)∈{0,1},仅当第m个控制信息处于第n个节点时cnm(t)=1;
考虑各个控制环节的信息处理能力,若在同一时刻,控制系统中除了控制信息生成节点以及执行节点外,第i个节点个控制节点至多能够同时处理个控制信息,则可以w个控制信息,其约束表达如下:
此外,控制信息到达受控设备时间和受控设备执行时间不同所建立的模型约束如下,即控制信息执行时,该信息必然到达控制系统的执行节点c:
sm(t)≤ccm(t)。
6.根据权利要求1所述的方法,其特征在于,所述步骤S6中,min J可根据主动配电网分层布控制系统目标进行灵活的构建,以降低馈线功率偏差为例,即通过分布式电源控制馈线的实际功率与馈线优化目标功率尽量一致,馈线功率可以控制区域为单位进行控制,即一个馈线由多个所述控制区域组成,每个所述控制区域含有可控的分布式电源,此时有下式:
7.根据权利要求1所述的方法,其特征在于,所述步骤S7中,针对二次项的混合整数规划问题,以min J为目标函数,以所述主动配电网分层布控制系统的信息物理融合模型为控制模型和约束条件求解一个控制周期内的控制量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110195060.3A CN114123163B (zh) | 2021-02-20 | 2021-02-20 | 一种基于信息物理融合模型的主动配电网优化控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110195060.3A CN114123163B (zh) | 2021-02-20 | 2021-02-20 | 一种基于信息物理融合模型的主动配电网优化控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114123163A true CN114123163A (zh) | 2022-03-01 |
CN114123163B CN114123163B (zh) | 2023-10-27 |
Family
ID=80359350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110195060.3A Active CN114123163B (zh) | 2021-02-20 | 2021-02-20 | 一种基于信息物理融合模型的主动配电网优化控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114123163B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115190155A (zh) * | 2022-09-09 | 2022-10-14 | 国网浙江省电力有限公司宁波供电公司 | 一种基于配电物联网的信息物理控制系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105226664A (zh) * | 2015-10-14 | 2016-01-06 | 中国电力科学研究院 | 一种主动配电网无功电压分层分布协调控制方法 |
CN106159974A (zh) * | 2016-08-02 | 2016-11-23 | 清华大学 | 一种输配协调的分布式无功电压优化方法 |
CN109816257A (zh) * | 2019-01-30 | 2019-05-28 | 广东电网有限责任公司 | 一种基于区块链的双源能源互联网交易方法及设备 |
CN110571789A (zh) * | 2018-06-06 | 2019-12-13 | 南京工程学院 | 数据驱动下基于风电不确定性的电热气网三阶段调度方法 |
CN111092428A (zh) * | 2019-12-10 | 2020-05-01 | 南京理工大学 | 基于模型预测控制的主动配电网动态虚拟集群划分方法 |
CN111277004A (zh) * | 2020-02-11 | 2020-06-12 | 天津大学 | 一种配电网“源-网-荷”两阶段多目标控制方法及系统 |
AU2020102245A4 (en) * | 2019-01-08 | 2020-10-29 | Nanjing Institute Of Technology | A grid hybrid rolling dispatching method considering congestion and energy storage tou price |
-
2021
- 2021-02-20 CN CN202110195060.3A patent/CN114123163B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105226664A (zh) * | 2015-10-14 | 2016-01-06 | 中国电力科学研究院 | 一种主动配电网无功电压分层分布协调控制方法 |
CN106159974A (zh) * | 2016-08-02 | 2016-11-23 | 清华大学 | 一种输配协调的分布式无功电压优化方法 |
CN110571789A (zh) * | 2018-06-06 | 2019-12-13 | 南京工程学院 | 数据驱动下基于风电不确定性的电热气网三阶段调度方法 |
US20200313433A1 (en) * | 2018-06-06 | 2020-10-01 | Nanjing Institute Of Technology | Data-driven three-stage scheduling method for electricity, heat and gas networks based on wind electricity indeterminacy |
AU2020102245A4 (en) * | 2019-01-08 | 2020-10-29 | Nanjing Institute Of Technology | A grid hybrid rolling dispatching method considering congestion and energy storage tou price |
CN109816257A (zh) * | 2019-01-30 | 2019-05-28 | 广东电网有限责任公司 | 一种基于区块链的双源能源互联网交易方法及设备 |
CN111092428A (zh) * | 2019-12-10 | 2020-05-01 | 南京理工大学 | 基于模型预测控制的主动配电网动态虚拟集群划分方法 |
CN111277004A (zh) * | 2020-02-11 | 2020-06-12 | 天津大学 | 一种配电网“源-网-荷”两阶段多目标控制方法及系统 |
Non-Patent Citations (1)
Title |
---|
王云等: "电网信息物理系统的混合系统建模方法研究", 中国电机工程学报, no. 06, pages 4 - 10 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115190155A (zh) * | 2022-09-09 | 2022-10-14 | 国网浙江省电力有限公司宁波供电公司 | 一种基于配电物联网的信息物理控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114123163B (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Farina et al. | Stochastic linear model predictive control with chance constraints–a review | |
Wang et al. | Distributed economic MPC with separable control contraction metrics | |
CN103809472A (zh) | 基于模型的优化和无模型的控制的在线集成 | |
Tian et al. | Time-delay compensation method for networked control system based on time-delay prediction and implicit PIGPC | |
CN110969295A (zh) | 列车区段延误预测误差控制方法 | |
CN112213945B (zh) | 电动汽车参与微网群调频的改进鲁棒预测控制方法和系统 | |
CN104049598A (zh) | 线性和非线性系统的基于确定性优化的控制系统及方法 | |
Chen et al. | A new cloud computing method for establishing asymmetric cycle time intervals in a wafer fabrication factory | |
Shi et al. | Two-layer structure strategy for large-scale systems integrating online adaptive constraints adjustment method and cooperative distributed DMC algorithm | |
CN114123163A (zh) | 一种基于信息物理融合模型的主动配电网优化控制方法 | |
Wang et al. | Adaptive event-triggered control of stochastic nonlinear systems with unknown dead zone | |
Zhou et al. | Multi-step predictive compensated intelligent control for aero-engine wireless networked system with random scheduling | |
Wang et al. | Event-triggered near-optimal tracking control based on adaptive dynamic programming for discrete-time systems | |
Liu et al. | Adaptive dynamic programming for optimal control of unknown nonlinear discrete-time systems | |
Shi et al. | A new approach to feedback feed-forward iterative learning control with random packet dropouts | |
Zhang et al. | Output feedback robust distributed model predictive control for parallel systems in process networks with competitive characteristics | |
Xiang et al. | Genetic-algorithm-optimization-based predictive functional control for chemical industry processes against partial actuator faults | |
Yao et al. | Event-triggered finite-time adaptive fuzzy tracking control for stochastic nontriangular structure nonlinear systems | |
US11962153B2 (en) | Active distribution network physics-information fusion control method for a hybrid system model | |
CN113741182B (zh) | 一种基于广义值迭代的污水处理过程控制方法 | |
Tsai et al. | Robust Control Co-Design using Tube-Based Model Predictive Control | |
Ma et al. | Event-based switching iterative learning model predictive control for batch processes with randomly varying trial lengths | |
Adeodu et al. | On the theory of economic MPC: ELOC and approximate infinite horizon EMPC | |
Tamani et al. | Intelligent distributed and supervised flow control methodology for production systems | |
CN110289643B (zh) | 一种拒识深度微分动态规划实时发电调度与控制算法 |
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 |