CN115133538B - 一种配电网重要负荷电压模型预测控制方法 - Google Patents

一种配电网重要负荷电压模型预测控制方法 Download PDF

Info

Publication number
CN115133538B
CN115133538B CN202210710409.7A CN202210710409A CN115133538B CN 115133538 B CN115133538 B CN 115133538B CN 202210710409 A CN202210710409 A CN 202210710409A CN 115133538 B CN115133538 B CN 115133538B
Authority
CN
China
Prior art keywords
voltage
control
matrix
model
power
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
CN202210710409.7A
Other languages
English (en)
Other versions
CN115133538A (zh
Inventor
仇伟杰
赵远凉
史虎军
杨强
杨廷榜
石启宏
徐小东
丁宇洁
谭斌
马鑫
肖小兵
张锐锋
林顺生
幸兆森
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 Power Grid Co Ltd
Original Assignee
Guizhou Power Grid 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 Power Grid Co Ltd filed Critical Guizhou Power Grid Co Ltd
Priority to CN202210710409.7A priority Critical patent/CN115133538B/zh
Publication of CN115133538A publication Critical patent/CN115133538A/zh
Application granted granted Critical
Publication of CN115133538B publication Critical patent/CN115133538B/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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
    • H02J3/12—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
    • H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving

Landscapes

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

Abstract

一种配电网重要负荷电压模型预测控制方法，其特征在于，包括：基于加权最小二乘法对电网进行快速状态估计，获取电网状态并在线提取电压控制灵敏度；基于电压控制灵敏度建立线性化的电网电压预测模型，结合新能源预测信息预测未来多时刻的电网电压，以重要负荷电压和参考电压的控制偏差以及设备调节成本最小为目标构建滚动优化模型。本发明通过状态估计实时获取电网电压状态，有效保证电压控制的精度要求，并实现电压控制的闭环反馈；通过提取电压灵敏度作为多控主体协调控制的依据，实现了离散、连续电压调节设备之间的协调配合；通过MPC技术实现了重要负荷的电压控制，有效应对了风光不确定性带来的电网电压波动及电压越限问题。

Description

一种配电网重要负荷电压模型预测控制方法
技术领域
本发明涉及配电网电压优化控制领域，具体为一种配电网重要负荷电压模型预测控制方法。
背景技术
随着新能源事业的不断发展，高比例新能源的接入将成为电力系统的趋势。然而，由于新能源出力的随机性和波动性等不确定特征，使得电网电压的波动更加频繁、剧烈，影响电能质量的同时危害了重要负荷的安全运行，为电网电压控制带来新的挑战。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述存在的问题，提出了本发明。
因此，本发明解决的技术问题是：高比例新能源接入电网所带来的重要负荷电压越限、剧烈波动问题。
为解决上述技术问题，本发明提供如下技术方案：一种配电网重要负荷电压模型预测控制方法，包括：
基于加权最小二乘法对电网进行快速状态估计，获取电网状态并在线提取电压控制灵敏度；
基于所述电压控制灵敏度建立线性化的电网电压预测模型，结合新能源预测信息预测未来多时刻的电网电压，以重要负荷电压和参考电压的控制偏差以及设备调节成本最小为目标构建滚动优化模型。
作为本发明所述的配电网重要负荷电压模型预测控制方法的一种优选方案，其中：所述状态估计，包括
利用数据采集和监控系统得到的实时测量数据和伪测量数据求解非线性方程组的迭代方法求得系统状态变量的最佳估计值，检测可疑数据，辨识不良数据，计算出支路潮流。
作为本发明所述的配电网重要负荷电压模型预测控制方法的一种优选方案，其中：所述基于加权最小二乘法的状态估计，包括：
基于加权最小二乘法的状态估计的目标函数表示为：
min J(x)＝[z-h(x)]TR-1[z-h(x)]
其中，z表示量测信息；x表示电网状态向量；h(x)是状态向量x在极坐标下的非线性函数；R表示量测误差方差阵，以其逆矩阵作为权重矩阵；
基于加权最小二乘法的状态估计的迭代格式表示为：
其中，x表示电网状态向量；h(x)是状态向量x在极坐标下的非线性函数；R表示量测误差方差阵，以其逆矩阵作为权重矩阵；H(x(k))表示第k次迭代的雅可比矩阵。
作为本发明所述的配电网重要负荷电压模型预测控制方法的一种优选方案，其中：所述获在线提取电压控制灵敏度，包括：
基于k时刻的电网状态，利用状态估计中的雅可比矩阵，对潮流方程进行线性化处理，得到：
其中，ΔP、ΔQ、ΔV、Δθ分别为有功、无功、电压幅值、电压相角的变化量，H为雅可比矩阵，V(k)为k时刻的节点电压幅值向量。
将所述等式两边同乘雅可比矩阵的逆矩阵，得到：
其中，H-1为雅可比矩阵的逆矩阵，A、B分别为节点电压相角对于有功、无功的偏导阵，C、D分别为节点电压幅值对于有功、无功的偏导阵。
则基于k时刻电网状态信息下的灵敏度矩阵为：
其中，分别为k时刻节点电压幅值对于有功、无功的灵敏度矩阵。
作为本发明所述的配电网重要负荷电压模型预测控制方法的一种优选方案，其中：所述新能源预测信息，包括：日内新能源出力和负荷的预测信息。
作为本发明所述的配电网重要负荷电压模型预测控制方法的一种优选方案，其中：所述预测未来多时刻的电网电压，包括：
以k时刻电网电压运行状态为初始值，建立线性化电压预测方程，表示为：
其中，V(k+i|k)为k+i时刻的预测电压向量；ΔQ(k+i|k)、ΔP(k+i|k)表示k+i时刻可控资源无功、有功调节量。
作为本发明所述的配电网重要负荷电压模型预测控制方法的一种优选方案，其中：所述构建滚动优化模型，包括：
基于未来多个优化时刻的电网电压预测控制偏差及控制成本最小为目标函数，建立优化控制模型，表示为：
其中，V0(k+i|k)为k+i时刻的电压参考向量；Δu(k+i|k)为k+i时刻的可控设备的调节量；Q表示单位调节成本矩阵；W表示电压控制权重矩阵。
作为本发明所述的配电网重要负荷电压模型预测控制方法的一种优选方案，其中：所述优化控制模型的约束条件，包括：
为了保证配网电压不越限，各节点电压应在电压上下限内变化，表示为：
Vmin≤V(k+i|k)≤Vmax(i＝1,2,...,N)
其中，Vmax为电压上限，Vmin为电压下限。
此外，优化模型中各控制量应在可调节范围内，表示为：
Δumin≤Δu(k+i|k)≤Δumax(i＝1,2,...,N)
其中，Δumax为控制量可调节范围上限，Δumin为控制量可调节范围下限。
作为本发明所述的配电网重要负荷电压模型预测控制方法的一种优选方案，其中：所述滚动优化模型，还包括：
采用上一轮优化控制后的电网电压实际值作为新一轮滚动优化控制的初始值：V(k+1|k+1)＝Vreal(k+1|k)，其中，Vreal(k+1|k)表示执行k时刻控制指令后k+1时刻的实际电压；
根据上一轮电压控制偏差对新一轮电压预测模型进行修正：
其中，Verr(k)为k时刻MPC控制偏差；a表示校正补偿系数，取值范围为[0,1]；V’(k+1+i|k+1)表示考虑上一轮模型预测控制控制偏差后的电压修正量。
作为本发明所述的配电网重要负荷电压模型预测控制方法的一种优选方案，其中：所述滚动优化，包括：
随着时域平移重复所述过程直到完成控制周期内的多步滚动优化。
本发明的有益效果：本发明通过状态估计实时获取电网电压状态，有效保证电压控制的精度要求，并实现电压控制的闭环反馈；通过提取电压灵敏度作为多控主体协调控制的依据，实现了离散、连续电压调节设备之间的协调配合；通过模型预测控制技术实现了重要负荷的电压控制，有效应对了风光不确定性带来的电网电压波动及电压越限问题。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明一个实施例提供的基于模型预测控制的电压优化控制流程图；
图2为本发明第一个实施例提供的一种配电网重要负荷电压模型预测控制方法中日内k时刻的电压模型预测控制结构图；
图3为本发明第二个实施例提供的OID策略运行区域图；
图4为本发明第二个实施例提供的IEEE-33算例系统图；
图5为本发明第二个实施例提供的风电、光伏及负荷的功率预测值及实际值曲线图；
图6为本发明第二个实施例提供的状态估计电压与实际电压对比图；
图7为本发明第二个实施例提供的风电、光伏及SVC出力图；
图8为本发明第二个实施例提供的电动汽车充放电策略图；
图9为本发明第二个实施例提供的电动汽车电量变化曲线图；
图10为本发明第二个实施例提供的储能充放电策略及电量变化图；
图11为本发明第二个实施例提供的电容器投切计划图；
图12为本发明第二个实施例提供的电压控制效果图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1～2，为本发明的一个实施例，提供了一种配电网重要负荷电压模型预测控制方法，包括：
S1：基于加权最小二乘法对电网进行快速状态估计，获取电网状态并在线提取电压控制灵敏度；
更进一步的，电力系统状态估计是利用数据采集和监控系统得到的实时测量和伪测量数据以求解非线性方程组的迭代方法求得系统状态变量的最佳估计值，检测可疑数据，辨识不良数据，也可计算出支路潮流。
应说明的是，系统状态变量具体为母线电压的幅值和相角。
更进一步的，基于加权最小二乘法的状态估计的目标函数表示为：
min J(x)＝[z-h(x)]TR-1[z-h(x)]
其中，z表示量测信息；x表示电网状态向量；h(x)是状态向量x在极坐标下的非线性函数；R表示量测误差方差阵，以其逆矩阵作为权重矩阵；
基于加权最小二乘法的状态估计的迭代格式表示为：
其中，z表示量测信息；x表示电网状态向量；h(x)是状态向量x在极坐标下的非线性函数；R表示量测误差方差阵，以其逆矩阵作为权重矩阵；H(x(k))表示第k次迭代的雅可比矩阵。
应说明的是，采用加权最小二乘法进行状态估计能排除随机干扰所引起的错误信息从而估计和预报系统的实时运行状态，是应对冗余度较低的电网状态估计的最优方法。
更进一步的，根据k时刻的电网状态，利用状态估计中的雅可比矩阵，对潮流方程进行线性化处理，得到：
其中，ΔP、ΔQ、ΔV、Δθ分别为有功、无功、电压幅值、电压相角的变化量，H为雅可比矩阵，V(k)为k时刻的节点电压幅值向量。
将等式两侧同乘雅可比矩阵的逆矩阵，得到：
其中，H-1为雅可比矩阵的逆矩阵，A、B分别为节点电压相角对于有功、无功的偏导阵，C、D分别为节点电压幅值对于有功、无功的偏导阵。
则基于k时刻电网状态信息下的灵敏度矩阵为：
其中，分别为k时刻节点电压幅值对于有功、无功的灵敏度矩阵。
S2：基于所述电压控制灵敏度建立线性化的电网电压预测模型，结合新能源预测信息预测未来多时刻的电网电压，以重要负荷电压和参考电压的控制偏差以及设备调节成本最小为目标构建滚动优化模型；
更进一步的，在预测控制时域的初始时刻k，获取未来多个时刻的新能源出力的预测信息。
更进一步的，在预测控制时域的初始时刻k，基于状态估计下的当前电网电压状态V(k|k)，建立线性化电网电压预测模型，结合k时刻预设的未来k+i时刻的可控设备的控制指令Δu(k+i|k)，预测得到未来k+i时刻的电网电压V(k+i|k)；
以k时刻为初始的线性化电压预测方程表示为：
其中，V(k+i|k)为k+i时刻的预测电压向量；ΔQ(k+i|k)、ΔP(k+i|k)表示k+i时刻可控资源无功、有功调节量。
更进一步的，根据电压参考向量V0(k+i|k)，以基于k时刻的未来N个优化时刻的电网电压预测控制偏差及控制成本最小为目标函数，建立优化控制模型，得到k,k+1,…,k+N-1时刻的无功源、有功源控制指令序列，下发并执行其中的首个指令。
优化控制模型表示为：
其中，V0(k+i|k)为k+i时刻的电压参考向量；Δu(k+i|k)为k+i时刻的可控设备的调节量；Q表示单位调节成本矩阵；W表示电压控制权重矩阵。
应说明的是，重要负荷电压是指配电网中接入重要电力负荷节点的电压。
更进一步的，通过构建优化控制模型的约束条件，保证电网电压不越限，并使得可控资源的控制指令约束在允许运行范围内。
各节点电压应在电压上下限内变化：
Vmin≤V(k+i|k)≤Vmax(i＝1,2,...,N)
式中，Vmax为电压上限，Vmin为电压下限。
各控制量应在可调节范围内，表示为：
Δumin≤Δu(k+i|k)≤Δumax(i＝1,2,...,N)
其中，Δumax为控制量可调节范围上限，Δumin为控制量可调节范围下限。
更进一步的，通过反馈控制环节，完成对控制偏差的校正。
采用上一轮优化控制后的电网电压实际值作为新一轮滚动优化控制的初始值：
V(k+1|k+1)＝Vreal(k+1|k)
式中，Vreal(k+1|k)表示执行k时刻控制指令后k+1时刻的实际电压。
根据上一轮电压控制偏差对新一轮电压预测模型进行修正：
式中，Verr(k)为k时刻MPC控制偏差；a表示校正补偿系数，取值范围为[0,1]；V’(k+1+i|k+1)表示考虑上一轮模型预测控制控制偏差后的电压修正量。
应说明的是，模型预测控制(Model Predictive Control，MPC)通过反馈控制环节实现闭环动态控制，具有一定的鲁棒性。
更进一步的，在下一时刻到来时，重复上述步骤，实现日内电压的滚动优化。
实施例2
参照图3～12，为本发明的一个实施例，提供了一种配电网重要负荷电压模型预测控制方法，为了验证本发明的有益效果，通过经济效益计算和仿真实验进行科学论证。
首先，基于可控资源的运行特性，对本地和广域范围内的调压设备进行数学建模；
建模包括：储能电池、电动汽车、电容器、风机模型、光伏模型、SVC模型；
A.储能电池
储能电池有充电、放电、不充不放三种工作模式，在运行期间储能电池应满足以下约束：
其中，Pchar,t、Pdisc,t表示时刻t储能电池的充电与放电功率；Pchar,max、Pdisc,max表示储能电池的最大充放电功率；Achar,t、Adisc,t为0-1变量，用于刻画储能电池在时刻t时的工作模式。
在运行过程中，储能电池的输出功率受最大视在功率和荷电状态的约束，表示为：
其中，QES表示储能电池输出的无功；SES,max表示储能电池的最大视在功率。
其中，SSOC(t)表示时刻t储能的SOC；SSOC，ini表示初始SOC；ηchar、ηdisc分别为充放电效率；Erate表示额定容量。
B.电动汽车
电动汽车可提供需求响应服务，具有灵活性和可调度性。在每一个预测控制时域的初始时刻，采集当前并网车辆的离网时间、目标电量与初始电量。在并网时段内，电动汽车充放电行为受控，在保证车辆充电任务前提下制定充放电策略。
电动汽车在每一个优化控制周期内的充放电规划可用一个N×T的矩阵X表示：
其中，xi,t表示第i辆车在时段t内的充放电功率，xi,t＞0为充电，xi,t＜0为放电；T表示每个预测控制时域的总长度；N表示每个预测控制时域内电动汽车的总数。
电动汽车的充放电功率应满足以下约束：
其中，表示电动汽车的最大充放电功率；toff,i表示第i辆车的离网时间，即电动汽车达到离网时间后切出电网；tin,i表示第i辆车的并网时间。
此外，在充放电期间，车辆受目标电量和荷电状态的约束，表示为：
其中，表示第i辆车并网时的初始电量；/>表示满足充电任务所允许的最小电量，其含义为下发当前充放电指令后至车辆离网期间，以最大功率充电且能保证充电目标的最低电量；/>表示车辆i离网时的目标电量；tcur表示当前时刻。
其中，表示第i辆车的最大电量。
C.电容器
假设时刻t下，电容器接入节点i对应电压为Ui(t)SC的电纳为BSCi(t)，则QSCi(t)为：
其中，BSCi，0为SC的电纳的调节步长。
D.风机模型
风电机组运行过程中受到逆变器最大视在容量SWT,max的限制：
其中，PWT,t、QWT,t分别表示t时刻风机有功、无功出力。
此外，风机运行过程中应满足功率因数的要求：
其中，分别表示允许的功率因数最大、最小值。
E.光伏模型
光伏采用OID策略的运行区域如图4所示；
则光伏运行过程中受最大视在功率和功率因数的限制：
其中，PPV,t、QPV,t分别表示t时刻光伏有功、无功出力；θt为功率因数角。
F.SVC模型，利用简化模型，t时刻的SVC的无功出力QSVC(t)在上下限间连续可调，即：
QSVC,min≤QSVC(t)≤QSVC,max
其中，QSVC,min、QSVC,max表示SVC出力上下限。
其次，以IEEE-33的配网系统进行仿真，验证配电网重要负荷电压模型预测控制方法的有效性。配电网中节点9、28分别装设光伏与风机；节点12、29装设两台SVC，其可调范围分别为[-100kvar,100kvar]与[-100kvar,200kvar]；节点11装设离散电容器，单位调节步长为0.05Mvar，最大投入组数为10组。重要负荷接入节点为节点26，本地可控设备为储能电池与电动汽车。MPC每15min启动一次，滚动优化未来3个时段(时长为45min)的电压，并执行首个时刻的优化结果，总控制时长为全天24h，参考控制电压为额定电压，图4所示。
风电、光伏及负荷的功率预测值及实际值如图5所示：
电动汽车参数如表1所示、储能电池的参数如表2所示，假设电动汽车并离网的时间及电量均服从正态分布。
表1电动汽车参数
表2储能电池参数
以初始时刻k为例，状态估计获取的各节点电压与实际电压分布情况如图6所示；
与实际电压对比，考虑量测误差后的状态估计结果的最大偏差为0.2％，具有较高地准确性，可有效保证电压控制的精度要求。
风电、光伏及SVC出力情况如图7所示。
电动汽车充放电策略图如图8所示。
电动汽车电量变化曲线图如图9所示。
储能充放电策略及电量变化图如图10所示。
电容器投切计划图如图11所示。
电压控制效果图如图12所示。
通过MPC协调本地与广域范围的可控设备，对重要负荷接入节点进行电压控制，仿真结果表明，本发明所提方法可实现节点电压跟踪电压基准值，有效应对风光不确定性带来的电网电压波动，取得了良好的电压控制效果。此外，电动汽车在接受调度的同时能够满足充电需求，保证用户的出行；储能电池在调度期间SOC维持在0.5左右，以提供最大的可调节范围，避免深度充放电带来的寿命损耗问题；电容器通过成本约束限制了动作次数，保障了使用寿命。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (8)

1.一种配电网重要负荷电压模型预测控制方法，其特征在于，包括：
基于加权最小二乘法对电网进行快速状态估计，获取电网状态并在线提取电压控制灵敏度；
基于所述电压控制灵敏度建立线性化的电网电压预测模型，结合新能源预测信息预测未来多时刻的电网电压，以重要负荷电压和参考电压的控制偏差以及设备调节成本最小为目标构建滚动优化模型；
所述构建滚动优化模型，包括：
基于未来多个优化时刻的电网电压预测控制偏差及控制成本最小为目标函数，建立优化控制模型，表示为：
其中，V0(k+i|k)为k+i时刻的电压参考向量；Δu(k+i|k)为k+i时刻的可控设备的调节量；Q表示单位调节成本矩阵；W表示电压控制权重矩阵；
优化控制模型的约束条件，包括：
为了保证配网电压不越限，各节点电压应在电压上下限内变化，表示为：
Vmin≤V(k+i|k)≤Vmax(i＝1,2,...,N)
其中，Vmax为电压上限，Vmin为电压下限；
此外，优化模型中各控制量应在可调节范围内，表示为：
Δumin≤Δu(k+i|k)≤Δumax(i＝1,2,...,N)
其中，Δumax为控制量可调节范围上限，Δumin为控制量可调节范围下限。
2.如权利要求1所述的配电网重要负荷电压模型预测控制方法，其特征在于：所述状态估计，包括：
利用数据采集和监控系统得到的实时测量数据和伪测量数据求解非线性方程组的迭代方法求得系统状态变量的最佳估计值，检测可疑数据，辨识不良数据，计算出支路潮流。
3.如权利要求1或2所述的配电网重要负荷电压模型预测控制方法，其特征在于：所述基于加权最小二乘法的状态估计，包括：
基于加权最小二乘法的状态估计的目标函数表示为：
min J(x)＝[z-h(x)]TR-1[z-h(x)]
其中，z表示量测信息；x表示电网状态向量；h(x)是状态向量x在极坐标下的非线性函数；R表示量测误差方差阵，以其逆矩阵作为权重矩阵；
基于加权最小二乘法的状态估计的迭代格式表示为：
其中，x表示电网状态向量；h(x)是状态向量x在极坐标下的非线性函数；R表示量测误差方差阵，以其逆矩阵作为权重矩阵；H(x(k))表示第k次迭代的雅可比矩阵。
4.如权利要求3所述的配电网重要负荷电压模型预测控制方法，其特征在于：所述获取电网状态并在线提取电压控制灵敏度，包括：
基于k时刻的电网状态，利用状态估计中的雅可比矩阵，对潮流方程进行线性化处理，得到：
其中，ΔP、ΔQ、ΔV、Δθ分别为有功、无功、电压幅值、电压相角的变化量，H为雅可比矩阵，V(k)为k时刻的节点电压幅值向量；
将所述等式两边同乘雅可比矩阵的逆矩阵，得到：
其中，H-1为雅可比矩阵的逆矩阵，A、B分别为节点电压相角对于有功、无功的偏导阵，C、D分别为节点电压幅值对于有功、无功的偏导阵；
则基于k时刻电网状态信息下的灵敏度矩阵为：
其中，分别为k时刻节点电压幅值对于有功、无功的灵敏度矩阵。
5.如权利要求4所述的配电网重要负荷电压模型预测控制方法，其特征在于：所述新能源预测信息，包括：日内新能源出力和负荷的预测信息。
6.如权利要求5所述的配电网重要负荷电压模型预测控制方法，其特征在于：所述预测未来多时刻的电网电压，包括：
以k时刻电网电压运行状态为初始值，建立线性化电压预测方程，表示为：
其中，V(k+i|k)为k+i时刻的预测电压向量；ΔQ(k+i|k)、ΔP(k+i|k)表示k+i时刻可控资源无功、有功调节量。
7.如权利要求6所述的配电网重要负荷电压模型预测控制方法，其特征在于：所述滚动优化模型，还包括：
采用上一轮优化控制后的电网电压实际值作为新一轮滚动优化控制的初始值：V(k+1|k+1)＝Vreal(k+1|k)，其中，Vreal(k+1|k)表示执行k时刻控制指令后k+1时刻的实际电压；
根据上一轮电压控制偏差对新一轮电压预测模型进行修正：
其中，Verr(k)为k时刻MPC控制偏差；a表示校正补偿系数，取值范围为[0,1]；V'(k+1+i|k+1)表示考虑上一轮模型预测控制控制偏差后的电压修正量。
8.如权利要求7所述的配电网重要负荷电压模型预测控制方法，其特征在于：所述滚动优化，包括：
随着时域平移重复所述过程直到完成控制周期内的多步滚动优化。
CN202210710409.7A 2022-06-22 2022-06-22 一种配电网重要负荷电压模型预测控制方法 Active CN115133538B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210710409.7A CN115133538B (zh) 2022-06-22 2022-06-22 一种配电网重要负荷电压模型预测控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210710409.7A CN115133538B (zh) 2022-06-22 2022-06-22 一种配电网重要负荷电压模型预测控制方法

Publications (2)

Publication Number Publication Date
CN115133538A CN115133538A (zh) 2022-09-30
CN115133538B true CN115133538B (zh) 2023-11-10

Family

ID=83379648

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210710409.7A Active CN115133538B (zh) 2022-06-22 2022-06-22 一种配电网重要负荷电压模型预测控制方法

Country Status (1)

Country Link
CN (1) CN115133538B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115940299B (zh) * 2023-02-27 2023-06-09 国网江西省电力有限公司经济技术研究院 一种配电系统源网荷储的有功和无功协同优化方法
CN117728469B (zh) * 2023-12-18 2024-07-19 国网青海省电力公司清洁能源发展研究院 一种基于电网状态的储能动态调控方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109861202A (zh) * 2018-11-15 2019-06-07 国网江苏省电力有限公司电力科学研究院 一种柔性互联配电网动态优化调度方法及系统
CN110601252A (zh) * 2019-06-18 2019-12-20 武汉大学 基于mpc的含分布式光伏配电网馈线级快速电压控制方法
CN110752626A (zh) * 2019-12-12 2020-02-04 厦门大学 一种主动配电网滚动优化调度方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109861202A (zh) * 2018-11-15 2019-06-07 国网江苏省电力有限公司电力科学研究院 一种柔性互联配电网动态优化调度方法及系统
CN110601252A (zh) * 2019-06-18 2019-12-20 武汉大学 基于mpc的含分布式光伏配电网馈线级快速电压控制方法
CN110752626A (zh) * 2019-12-12 2020-02-04 厦门大学 一种主动配电网滚动优化调度方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Grid Voltage Control with New Energy, Energy Storage, and Flexible Load Based on Combined Model and Improved MPC;Yibin Guan 等;Preprints of the 5th IEEE Conference on Energy Internet and Energy System Integration;473-478 *
Model Predictive Control (MPC) based Voltage Control in Distribution Network with Distributed Generation;Rasika R. Kulkarni 等;2021 4th International Conference on Recent Developments in Control, Automation & Power;211-216 *
基于模型预测控制含可再生分布式电源参与调控的配电网多时间尺度无功动态优化;颜湘武 等;电工技术学报;第34卷(第10期);2022-2037 *
基于模型预测控制的主动配电网多时间尺度有功无功协调调度;任佳依 等;中国电机工程学报;第38卷(第5期);1397-1407 *

Also Published As

Publication number Publication date
CN115133538A (zh) 2022-09-30

Similar Documents

Publication Publication Date Title
Khooban et al. A robust adaptive load frequency control for micro-grids
Lopez-Garcia et al. Artificial neural networks in microgrids: A review
Shivashankar et al. Mitigating methods of power fluctuation of photovoltaic (PV) sources–A review
CN115133538B (zh) 一种配电网重要负荷电压模型预测控制方法
CN111293691A (zh) 基于模型预测控制的微电网多时间尺度优化调度方法
Bogaraj et al. A novel energy management scheme using ANFIS for independent microgrid
Gupta Probabilistic optimal reactive power planning with onshore and offshore wind generation, EV, and PV uncertainties
Dhiman et al. Wake management based life enhancement of battery energy storage system for hybrid wind farms
CN104505907B (zh) 一种具有无功调节功能的电池储能系统的监控装置
CN117254491A (zh) 一种风光氢储微网系统时域滚动优化方法及系统
CN117748622B (zh) 一种微电网多态协调控制方法及系统
CN116760109B (zh) 一种分布式光伏电源并网的综合调控系统
Kyrylenko et al. Power Systems Research and Operation: Selected Problems III
CN104538981A (zh) 一种具有无功调节功能的电池储能系统的监控方法
Ioli et al. A smart grid energy management problem for data-driven design with probabilistic reachability guarantees
Aldahmashi et al. Advanced machine learning approach of power flow optimization in community microgrid
Hajizadeh Robust power control of microgrid based on hybrid renewable power generation systems
Roy et al. Cost optimization of battery and Supercapacitor Hybrid Energy Storage System for dispatching solar PV Power
CN111146818B (zh) 一种配电网中压-低压资源协调控制方法
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
Chen et al. Risk assessment method for combined air storage system based on wind power uncertainty
Li et al. Development of control strategy to increase the lifetime of grid-connected Li-ion battery
Eshraghi et al. Power grid reliability improvement through forecasting with complex-valued neural networks under system contingency
Chi et al. Coordinated voltage control of renewable energy power plants in weak sending-end power grid
Zhao et al. Optimal control method of important load voltage based on model prediction and multi-device collaboration

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