CN115173437B - 一种考虑通信网络优化的多区域电力系统分布式调频方法 - Google Patents

一种考虑通信网络优化的多区域电力系统分布式调频方法 Download PDF

Info

Publication number
CN115173437B
CN115173437B CN202211087275.4A CN202211087275A CN115173437B CN 115173437 B CN115173437 B CN 115173437B CN 202211087275 A CN202211087275 A CN 202211087275A CN 115173437 B CN115173437 B CN 115173437B
Authority
CN
China
Prior art keywords
communication network
power system
optimization
region
frequency modulation
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
CN202211087275.4A
Other languages
English (en)
Other versions
CN115173437A (zh
Inventor
王怡聪
柯方超
韩佶
谭昊宇
杨东俊
胡婷
王法靖
苗世洪
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.)
Huazhong University of Science and Technology
Economic and Technological Research Institute of State Grid Hubei Electric Power Co Ltd
Original Assignee
Huazhong University of Science and Technology
Economic and Technological Research Institute of State Grid Hubei Electric Power 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 Huazhong University of Science and Technology, Economic and Technological Research Institute of State Grid Hubei Electric Power Co Ltd filed Critical Huazhong University of Science and Technology
Priority to CN202211087275.4A priority Critical patent/CN115173437B/zh
Publication of CN115173437A publication Critical patent/CN115173437A/zh
Application granted granted Critical
Publication of CN115173437B publication Critical patent/CN115173437B/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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—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
    • H02J3/002—Flicker reduction, e.g. compensation of flicker introduced by non-linear 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
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Power Engineering (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Quality & Reliability (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Nonlinear Science (AREA)
  • Feedback Control In General (AREA)

Abstract

一种考虑通信网络优化的多区域电力系统分布式调频方法，该方法包括以下步骤：S1、构建描述多区域电力系统的通信网络的拉普拉斯矩阵；S2、构建多区域电力系统分布式调频模型；S3、构建通信网络优化模型，并求解得到最优通信网络的拉普拉斯矩阵，然后将最优通信网络的拉普拉斯矩阵输入多区域电力系统分布式调频模型。本发明将通信网络优化问题转化为在各项约束条件下的多目标优化问题，采用量子粒子群算法求解优化模型，获得所需的通信网络，最终将通信网络参数输入调频模型，即可完成对多区域电力系统分布式调频方法的优化，提高了频率控制性能。

Description

一种考虑通信网络优化的多区域电力系统分布式调频方法
技术领域
本发明涉及电网电力系统调频领域，尤其涉及一种考虑通信网络优化的多区域电力系统分布式调频方法。
背景技术
电力系统的频率调节已成为智能电网运行控制的主要挑战之一。一般而言，大型电力系统由多个区域组成，每个区域通过联络线与其他相邻区域相连。在多区域电力系统中，通过联络线进行的电力交换使得频率调节更加复杂，因而多区域电力系统的频率控制近年来引起了人们的广泛关注。传统PI控制首先被用于解决电力系统的频率调节问题，然而，传统PI控制器存在结构固定和参数恒定等特点，可能无法为电力系统各类运行条件提供优越的性能。对于大多数控制方案而言，电力系统频率调节还有另一种分类方式，即集中式方案和分布式方案。一般来说，分布式方案比集中式方案更实用，因为它只使用局部区域状态信息来衰减频率偏差。虽然分布式控制方案在调频性能方面具有一定优势，但是少有研究者关注通信网络对多区域电力系统调频性能的影响，使得现有频率控制性能较差。
发明内容
本发明的目的是克服现有技术中存在的频率控制性能差的缺陷与问题，提供一种频率控制性能好的考虑通信网络优化的多区域电力系统分布式调频方法。
为实现以上目的，本发明的技术解决方案是：一种考虑通信网络优化的多区域电力系统分布式调频方法，该方法包括以下步骤：
S1、构建描述多区域电力系统的通信网络的拉普拉斯矩阵；
S2、构建多区域电力系统分布式调频模型；
S3、构建通信网络优化模型，并求解得到最优通信网络的拉普拉斯矩阵，然后将最优通信网络的拉普拉斯矩阵输入多区域电力系统分布式调频模型。
步骤S1中，假设通信网络有
Figure DEST_PATH_IMAGE001
个节点和
Figure 290227DEST_PATH_IMAGE002
条通信链路，则通信网络线节点关联矩 阵
Figure DEST_PATH_IMAGE003
为：
Figure 306593DEST_PATH_IMAGE004
式中，
Figure DEST_PATH_IMAGE005
、
Figure 100237DEST_PATH_IMAGE006
、
Figure DEST_PATH_IMAGE007
都为节点，第
Figure 686682DEST_PATH_IMAGE008
条链路的方向是从节点
Figure 639595DEST_PATH_IMAGE005
到节点
Figure 859486DEST_PATH_IMAGE006
；
通信网络的拉普拉斯矩阵
Figure DEST_PATH_IMAGE009
为：
Figure 61797DEST_PATH_IMAGE010
。
步骤S2中，多区域电力系统第
Figure DEST_PATH_IMAGE011
个区域的调频模型为：
Figure 32027DEST_PATH_IMAGE012
Figure DEST_PATH_IMAGE013
Figure 714812DEST_PATH_IMAGE014
Figure DEST_PATH_IMAGE015
Figure 102675DEST_PATH_IMAGE016
式中，
Figure DEST_PATH_IMAGE017
为第
Figure 526703DEST_PATH_IMAGE011
个区域
Figure 864406DEST_PATH_IMAGE018
时刻频率偏差，
Figure DEST_PATH_IMAGE019
为时间增量，
Figure 156626DEST_PATH_IMAGE020
为第
Figure 29904DEST_PATH_IMAGE011
个区域电力 系统增益，
Figure DEST_PATH_IMAGE021
为第
Figure 629644DEST_PATH_IMAGE011
个区域电力系统的时间常数，
Figure 676097DEST_PATH_IMAGE022
为第
Figure 284540DEST_PATH_IMAGE011
个区域
Figure 823DEST_PATH_IMAGE018
时刻功率输出偏 差，
Figure DEST_PATH_IMAGE023
为第
Figure 524077DEST_PATH_IMAGE011
个区域负载扰动的向量，
Figure 745193DEST_PATH_IMAGE024
为通过传输线与第
Figure 273389DEST_PATH_IMAGE011
个区域有联系的区域集 合，
Figure DEST_PATH_IMAGE025
为区域之间的物理互连增益，
Figure 691732DEST_PATH_IMAGE026
为第
Figure 171124DEST_PATH_IMAGE011
个区域
Figure 700325DEST_PATH_IMAGE018
时刻转子角偏差，
Figure DEST_PATH_IMAGE027
为第
Figure 191349DEST_PATH_IMAGE028
个区域
Figure 997238DEST_PATH_IMAGE018
时刻转子角偏差，
Figure DEST_PATH_IMAGE029
为第
Figure 573713DEST_PATH_IMAGE011
个区域涡轮的时间常数，
Figure 375447DEST_PATH_IMAGE030
为第
Figure 376769DEST_PATH_IMAGE011
个区域
Figure 871336DEST_PATH_IMAGE018
时刻调 速阀位置偏差，
Figure DEST_PATH_IMAGE031
为第
Figure 669528DEST_PATH_IMAGE011
个区域调速器的时间常数，
Figure 25685DEST_PATH_IMAGE032
为第
Figure 960143DEST_PATH_IMAGE011
个区域
Figure 625610DEST_PATH_IMAGE018
时刻控制向量，
Figure DEST_PATH_IMAGE033
为第
Figure 566891DEST_PATH_IMAGE011
个区域
Figure 100640DEST_PATH_IMAGE018
时刻积分控制偏差，
Figure 30550DEST_PATH_IMAGE034
为第
Figure 725973DEST_PATH_IMAGE011
个区域调速系数，
Figure DEST_PATH_IMAGE035
为第
Figure 653085DEST_PATH_IMAGE011
个区域积分 控制增益，
Figure 334733DEST_PATH_IMAGE036
为第
Figure 243783DEST_PATH_IMAGE011
个区域频率偏置因子，
Figure DEST_PATH_IMAGE037
为通过通信线路与第
Figure 126420DEST_PATH_IMAGE011
个区域有联系的区域集 合，
Figure 120920DEST_PATH_IMAGE038
为区域之间的网络互联增益；
多区域电力系统第
Figure 871839DEST_PATH_IMAGE011
个区域的调频模型可表示为：
Figure DEST_PATH_IMAGE039
Figure 556767DEST_PATH_IMAGE040
Figure DEST_PATH_IMAGE041
Figure 859572DEST_PATH_IMAGE042
Figure DEST_PATH_IMAGE043
Figure 902221DEST_PATH_IMAGE044
Figure DEST_PATH_IMAGE045
式中，
Figure 315885DEST_PATH_IMAGE046
为
Figure DEST_PATH_IMAGE047
的导数，
Figure 340473DEST_PATH_IMAGE048
为多区域电力系统第
Figure 548600DEST_PATH_IMAGE011
个区域的系统矩阵，
Figure DEST_PATH_IMAGE049
为 第
Figure 173486DEST_PATH_IMAGE011
个区域
Figure 266207DEST_PATH_IMAGE018
时刻的状态变量列向量，
Figure 4355DEST_PATH_IMAGE050
为多区域电力系统第
Figure 9483DEST_PATH_IMAGE011
个区域的控制矩阵，
Figure DEST_PATH_IMAGE051
为 第
Figure 731451DEST_PATH_IMAGE011
个区域
Figure 362284DEST_PATH_IMAGE018
时刻的输入变量列向量，
Figure 220518DEST_PATH_IMAGE052
为
Figure DEST_PATH_IMAGE053
的系数矩阵，
Figure 160661DEST_PATH_IMAGE053
为第
Figure 573188DEST_PATH_IMAGE054
个区域
Figure 7712DEST_PATH_IMAGE018
时刻的状 态变量列向量，
Figure DEST_PATH_IMAGE055
为第
Figure 865594DEST_PATH_IMAGE054
个区域的频率偏差，
Figure 976639DEST_PATH_IMAGE056
为第
Figure 142041DEST_PATH_IMAGE054
个区域功率输出偏差，
Figure DEST_PATH_IMAGE057
为第
Figure 645834DEST_PATH_IMAGE054
个区域调速阀位置偏差，
Figure 947503DEST_PATH_IMAGE058
为第
Figure 730913DEST_PATH_IMAGE054
个区域积分控制偏差；
包含
Figure DEST_PATH_IMAGE059
个区域的整个电力系统分布式调频模型为：
Figure 383612DEST_PATH_IMAGE060
Figure DEST_PATH_IMAGE061
Figure 159938DEST_PATH_IMAGE062
Figure DEST_PATH_IMAGE063
Figure 112850DEST_PATH_IMAGE064
Figure DEST_PATH_IMAGE065
Figure 831276DEST_PATH_IMAGE066
式中，
Figure DEST_PATH_IMAGE067
为
Figure 846637DEST_PATH_IMAGE068
的导数，
Figure DEST_PATH_IMAGE069
为包含
Figure 285708DEST_PATH_IMAGE059
个区域的整个电力系统的系统矩阵，
Figure 450717DEST_PATH_IMAGE068
为 整个电力系统
Figure 684252DEST_PATH_IMAGE018
时刻的状态变量列向量，
Figure 45964DEST_PATH_IMAGE070
为整个电力系统的控制矩阵，
Figure DEST_PATH_IMAGE071
为整个电力系 统的输入变量列向量，
Figure 429672DEST_PATH_IMAGE072
为以
Figure DEST_PATH_IMAGE073
为元素的列向量，
Figure 91597DEST_PATH_IMAGE074
为整个电力系统物 理网络的拉普拉斯矩阵，
Figure DEST_PATH_IMAGE075
为以
Figure 151826DEST_PATH_IMAGE076
为元素的列向量，
Figure DEST_PATH_IMAGE077
为整个电力系统通 信网络的拉普拉斯矩阵，
Figure 141779DEST_PATH_IMAGE078
为
Figure 922653DEST_PATH_IMAGE074
中的一个元素，
Figure DEST_PATH_IMAGE079
为
Figure 65183DEST_PATH_IMAGE077
中的一个元素。
步骤S3中，通信网络优化模型包括两个优化目标与三个约束条件；
第一个优化目标为：
Figure 906100DEST_PATH_IMAGE080
式中，
Figure DEST_PATH_IMAGE081
为拉普拉斯矩阵
Figure 117770DEST_PATH_IMAGE082
的第二小的特征值；
第二个优化目标为：
Figure DEST_PATH_IMAGE083
式中，
Figure 967914DEST_PATH_IMAGE084
为系统矩阵
Figure 197907DEST_PATH_IMAGE069
的特征值；
三个约束条件为：
Figure DEST_PATH_IMAGE085
Figure 616250DEST_PATH_IMAGE086
Figure DEST_PATH_IMAGE087
式中，
Figure 705429DEST_PATH_IMAGE088
为拉普拉斯矩阵
Figure 248013DEST_PATH_IMAGE082
右上角的元素，
Figure 348824DEST_PATH_IMAGE002
为通信链路的数量。
步骤S3中，将两个优化目标整合为：
Figure DEST_PATH_IMAGE089
式中，
Figure 797123DEST_PATH_IMAGE090
为综合优化目标；
Figure DEST_PATH_IMAGE091
和
Figure 232652DEST_PATH_IMAGE092
分别为两个优化目标的权重；
通过综合优化目标与三个约束条件可得：
Figure DEST_PATH_IMAGE093
式中，
Figure 299965DEST_PATH_IMAGE094
为最终优化目标；
Figure DEST_PATH_IMAGE095
、
Figure 645496DEST_PATH_IMAGE096
、
Figure 625215DEST_PATH_IMAGE097
分别为三个约束条件的惩罚度；对于函数
Figure DEST_PATH_IMAGE098
，若
Figure 423407DEST_PATH_IMAGE099
，则
Figure DEST_PATH_IMAGE100
，若
Figure 294411DEST_PATH_IMAGE101
，则
Figure DEST_PATH_IMAGE102
；对于函数
Figure 494448DEST_PATH_IMAGE103
，若
Figure DEST_PATH_IMAGE104
，则
Figure 409184DEST_PATH_IMAGE105
， 若
Figure 429092DEST_PATH_IMAGE106
，则
Figure DEST_PATH_IMAGE107
；
根据最终优化目标求解得到最优通信网络的拉普拉斯矩阵
Figure 838208DEST_PATH_IMAGE077
，并将最优通信网络 的拉普拉斯矩阵
Figure 892752DEST_PATH_IMAGE077
输入多区域电力系统分布式调频模型，得到调频模型中的
Figure 945765DEST_PATH_IMAGE108
项， 即可完成对多区域电力系统分布式调频模型的优化。
步骤S3中，采用量子粒子群算法求解最优通信网络的拉普拉斯矩阵
Figure 452970DEST_PATH_IMAGE077
，具体步骤 为：
a、创建初始种群
初始化粒子个数；初始化求解问题维度数；初始化当前通信网络节点数与通信链路数；初始化算法收敛的阈值以及最大循环次数；
b、随机初始化每个粒子当前搜索到的最佳位置，当前所有粒子的位置对应当前最优通信网络；
c、根据最终优化目标函数以及当前最优通信网络计算当前最终优化目标函数值；
d、更新所有粒子位置，进而更新最优通信网络；
e、重复步骤c、d直到算法满足收敛条件，收敛条件为最终优化目标函数值已经达到最大值或程序达到最大循环次数；
f、输出结果为最优通信网络的拉普拉斯矩阵
Figure 524831DEST_PATH_IMAGE077
。
与现有技术相比，本发明的有益效果为：
本发明一种考虑通信网络优化的多区域电力系统分布式调频方法中，将通信网络优化问题转化为在各项约束条件下的多目标优化问题，采用量子粒子群算法求解优化模型，获得所需的通信网络，最终将通信网络参数输入调频模型，即可完成对多区域电力系统分布式调频方法的优化。因此，本发明提高了频率控制性能。
附图说明
图1是本发明一种考虑通信网络优化的多区域电力系统分布式调频方法的流程图。
图2是本发明中电力系统与通信网络的关系示意图。
图3是本发明中多区域电力系统中某区域控制框图。
具体实施方式
以下结合附图说明和具体实施方式对本发明作进一步详细的说明。
参见图1至图3，一种考虑通信网络优化的多区域电力系统分布式调频方法，该方法包括以下步骤：
S1、构建描述多区域电力系统的通信网络的拉普拉斯矩阵；
S2、构建多区域电力系统分布式调频模型；
S3、构建通信网络优化模型，并求解得到最优通信网络的拉普拉斯矩阵，然后将最优通信网络的拉普拉斯矩阵输入多区域电力系统分布式调频模型。
步骤S1中，假设通信网络有
Figure 43668DEST_PATH_IMAGE001
个节点和
Figure 909993DEST_PATH_IMAGE002
条通信链路，则通信网络线节点关联矩 阵
Figure 638914DEST_PATH_IMAGE003
为：
Figure 248887DEST_PATH_IMAGE004
式中，
Figure 137078DEST_PATH_IMAGE005
、
Figure 174304DEST_PATH_IMAGE006
、
Figure 390522DEST_PATH_IMAGE007
都为节点，第
Figure 679552DEST_PATH_IMAGE008
条链路的方向是从节点
Figure 297615DEST_PATH_IMAGE005
到节点
Figure 505742DEST_PATH_IMAGE006
；
通信网络的拉普拉斯矩阵
Figure 100934DEST_PATH_IMAGE009
为：
Figure 52709DEST_PATH_IMAGE010
。
步骤S2中，多区域电力系统第
Figure DEST_PATH_IMAGE109
个区域的调频模型为：
Figure 666224DEST_PATH_IMAGE012
Figure 310832DEST_PATH_IMAGE110
Figure DEST_PATH_IMAGE111
Figure 891855DEST_PATH_IMAGE015
Figure 381742DEST_PATH_IMAGE112
式中，
Figure 239977DEST_PATH_IMAGE017
为第
Figure 399694DEST_PATH_IMAGE011
个区域
Figure 77800DEST_PATH_IMAGE018
时刻频率偏差，
Figure 371378DEST_PATH_IMAGE019
为时间增量，
Figure 707288DEST_PATH_IMAGE020
为第
Figure 428120DEST_PATH_IMAGE011
个区域电力 系统增益，
Figure 327942DEST_PATH_IMAGE021
为第
Figure 159632DEST_PATH_IMAGE011
个区域电力系统的时间常数，
Figure 867825DEST_PATH_IMAGE022
为第
Figure 759558DEST_PATH_IMAGE011
个区域
Figure 146677DEST_PATH_IMAGE018
时刻功率输出偏 差，
Figure 906691DEST_PATH_IMAGE023
为第
Figure 594025DEST_PATH_IMAGE011
个区域负载扰动的向量，
Figure 656659DEST_PATH_IMAGE024
为通过传输线与第
Figure 406440DEST_PATH_IMAGE011
个区域有联系的区域集 合，
Figure 845511DEST_PATH_IMAGE025
为区域之间的物理互连增益，
Figure 121772DEST_PATH_IMAGE026
为第
Figure 981406DEST_PATH_IMAGE011
个区域
Figure 576073DEST_PATH_IMAGE018
时刻转子角偏差，
Figure 412311DEST_PATH_IMAGE027
为第
Figure 556460DEST_PATH_IMAGE028
个区域
Figure 898579DEST_PATH_IMAGE018
时刻转子角偏差，
Figure 904844DEST_PATH_IMAGE029
为第
Figure 92243DEST_PATH_IMAGE011
个区域涡轮的时间常数，
Figure 733308DEST_PATH_IMAGE030
为第
Figure 308646DEST_PATH_IMAGE011
个区域
Figure 910529DEST_PATH_IMAGE018
时刻调 速阀位置偏差，
Figure 370460DEST_PATH_IMAGE031
为第
Figure 856847DEST_PATH_IMAGE011
个区域调速器的时间常数，
Figure 524457DEST_PATH_IMAGE032
为第
Figure 20161DEST_PATH_IMAGE011
个区域
Figure 142838DEST_PATH_IMAGE018
时刻控制向量，
Figure 259960DEST_PATH_IMAGE033
为第
Figure 583625DEST_PATH_IMAGE011
个区域
Figure 628942DEST_PATH_IMAGE018
时刻积分控制偏差，
Figure 555310DEST_PATH_IMAGE034
为第
Figure 759895DEST_PATH_IMAGE011
个区域调速系数，
Figure 847937DEST_PATH_IMAGE035
为第
Figure 646128DEST_PATH_IMAGE011
个区域积分 控制增益，
Figure 985974DEST_PATH_IMAGE036
为第
Figure 920432DEST_PATH_IMAGE011
个区域频率偏置因子，
Figure 179375DEST_PATH_IMAGE037
为通过通信线路与第
Figure 88032DEST_PATH_IMAGE011
个区域有联系的区域集 合，
Figure 90623DEST_PATH_IMAGE038
为区域之间的网络互联增益；
多区域电力系统第
Figure 879587DEST_PATH_IMAGE011
个区域的调频模型可表示为：
Figure 715956DEST_PATH_IMAGE039
Figure DEST_PATH_IMAGE113
Figure 488740DEST_PATH_IMAGE041
Figure 29443DEST_PATH_IMAGE114
Figure 63127DEST_PATH_IMAGE043
Figure 663872DEST_PATH_IMAGE044
Figure 923952DEST_PATH_IMAGE045
式中，
Figure DEST_PATH_IMAGE115
为
Figure 409292DEST_PATH_IMAGE047
的导数，
Figure 172848DEST_PATH_IMAGE048
为多区域电力系统第
Figure 101752DEST_PATH_IMAGE011
个区域的系统矩阵，
Figure 317970DEST_PATH_IMAGE049
为 第
Figure 466054DEST_PATH_IMAGE011
个区域
Figure 84118DEST_PATH_IMAGE018
时刻的状态变量列向量，
Figure 433190DEST_PATH_IMAGE050
为多区域电力系统第
Figure 136704DEST_PATH_IMAGE011
个区域的控制矩阵，
Figure 822901DEST_PATH_IMAGE051
为 第
Figure 951262DEST_PATH_IMAGE011
个区域
Figure 330291DEST_PATH_IMAGE018
时刻的输入变量列向量，
Figure 521101DEST_PATH_IMAGE052
为
Figure 886354DEST_PATH_IMAGE053
的系数矩阵，
Figure 479010DEST_PATH_IMAGE053
为第
Figure 28940DEST_PATH_IMAGE054
个区域
Figure 330215DEST_PATH_IMAGE018
时刻的状 态变量列向量，
Figure 889372DEST_PATH_IMAGE055
为第
Figure 336534DEST_PATH_IMAGE054
个区域的频率偏差，
Figure 667152DEST_PATH_IMAGE056
为第
Figure 832554DEST_PATH_IMAGE054
个区域功率输出偏差，
Figure 929823DEST_PATH_IMAGE116
为第
Figure 621705DEST_PATH_IMAGE054
个区域调速阀位置偏差，
Figure 247858DEST_PATH_IMAGE058
为第
Figure 900556DEST_PATH_IMAGE054
个区域积分控制偏差；
包含
Figure 676883DEST_PATH_IMAGE059
个区域的整个电力系统分布式调频模型为：
Figure DEST_PATH_IMAGE117
Figure 98637DEST_PATH_IMAGE118
Figure 52948DEST_PATH_IMAGE062
Figure 927363DEST_PATH_IMAGE063
Figure 366435DEST_PATH_IMAGE064
Figure 642696DEST_PATH_IMAGE065
Figure DEST_PATH_IMAGE119
式中，
Figure 282755DEST_PATH_IMAGE120
为
Figure 644467DEST_PATH_IMAGE068
的导数，
Figure 746284DEST_PATH_IMAGE069
为包含
Figure 142630DEST_PATH_IMAGE059
个区域的整个电力系统的系统矩阵，
Figure 547067DEST_PATH_IMAGE068
为 整个电力系统
Figure 271440DEST_PATH_IMAGE018
时刻的状态变量列向量，
Figure 786735DEST_PATH_IMAGE070
为整个电力系统的控制矩阵，
Figure 303167DEST_PATH_IMAGE071
为整个电力系 统的输入变量列向量，
Figure DEST_PATH_IMAGE121
为以
Figure 767253DEST_PATH_IMAGE073
为元素的列向量，
Figure 369136DEST_PATH_IMAGE122
为整个电力系统物 理网络的拉普拉斯矩阵，
Figure 563488DEST_PATH_IMAGE075
为以
Figure DEST_PATH_IMAGE123
为元素的列向量，
Figure 934426DEST_PATH_IMAGE077
为整个电力系统通 信网络的拉普拉斯矩阵，
Figure 680665DEST_PATH_IMAGE078
为
Figure 628899DEST_PATH_IMAGE122
中的一个元素，
Figure 751575DEST_PATH_IMAGE124
为
Figure 711441DEST_PATH_IMAGE077
中的一个元素。
步骤S3中，通信网络优化模型包括两个优化目标与三个约束条件；
第一个优化目标为：
Figure 769527DEST_PATH_IMAGE080
式中，
Figure 80423DEST_PATH_IMAGE081
为拉普拉斯矩阵
Figure 741211DEST_PATH_IMAGE082
的第二小的特征值；
第二个优化目标为：
Figure 447261DEST_PATH_IMAGE083
式中，
Figure 800882DEST_PATH_IMAGE084
为系统矩阵
Figure 333495DEST_PATH_IMAGE069
的特征值；
三个约束条件为：
Figure 673340DEST_PATH_IMAGE085
Figure 607798DEST_PATH_IMAGE086
Figure 132321DEST_PATH_IMAGE087
式中，
Figure 276863DEST_PATH_IMAGE088
为拉普拉斯矩阵
Figure 279454DEST_PATH_IMAGE082
右上角的元素，
Figure 333998DEST_PATH_IMAGE002
为通信链路的数量。
步骤S3中，将两个优化目标整合为：
Figure 904787DEST_PATH_IMAGE089
式中，
Figure 146413DEST_PATH_IMAGE090
为综合优化目标；
Figure 952695DEST_PATH_IMAGE091
和
Figure 750493DEST_PATH_IMAGE092
分别为两个优化目标的权重；
通过综合优化目标与三个约束条件可得：
Figure DEST_PATH_IMAGE125
式中，
Figure 616818DEST_PATH_IMAGE094
为最终优化目标；
Figure 752264DEST_PATH_IMAGE095
、
Figure 96658DEST_PATH_IMAGE096
、
Figure 860215DEST_PATH_IMAGE097
分别为三个约束条件的惩罚度；对于函数
Figure 631862DEST_PATH_IMAGE098
，若
Figure 503872DEST_PATH_IMAGE099
，则
Figure 651956DEST_PATH_IMAGE100
，若
Figure 270019DEST_PATH_IMAGE126
，则
Figure 353513DEST_PATH_IMAGE102
；对于函数
Figure 322606DEST_PATH_IMAGE103
，若
Figure 8802DEST_PATH_IMAGE104
，则
Figure 373050DEST_PATH_IMAGE105
， 若
Figure 486499DEST_PATH_IMAGE106
，则
Figure 942888DEST_PATH_IMAGE107
；
根据最终优化目标求解得到最优通信网络的拉普拉斯矩阵
Figure 308142DEST_PATH_IMAGE077
，并将最优通信网络 的拉普拉斯矩阵
Figure 900797DEST_PATH_IMAGE077
输入多区域电力系统分布式调频模型，得到调频模型中的
Figure 716306DEST_PATH_IMAGE108
项， 即可完成对多区域电力系统分布式调频模型的优化。
步骤S3中，采用量子粒子群算法求解最优通信网络的拉普拉斯矩阵
Figure 519046DEST_PATH_IMAGE077
，具体步骤 为：
a、创建初始种群
初始化粒子个数；初始化求解问题维度数；初始化当前通信网络节点数与通信链路数；初始化算法收敛的阈值以及最大循环次数；
b、随机初始化每个粒子当前搜索到的最佳位置，当前所有粒子的位置对应当前最优通信网络；
c、根据最终优化目标函数以及当前最优通信网络计算当前最终优化目标函数值；
d、更新所有粒子位置，进而更新最优通信网络；
e、重复步骤c、d直到算法满足收敛条件，收敛条件为最终优化目标函数值已经达到最大值或程序达到最大循环次数；
f、输出结果为最优通信网络的拉普拉斯矩阵
Figure 547045DEST_PATH_IMAGE077
。
本发明的原理说明如下：
一个重要的度量是拉普拉斯矩阵的第二小的特征值，称为代数连通度。该度量有时被称为Fiedler特征值，因为它是由Fiedler首次引入的，反映网络连接的好坏以及跨网络共享信息数据的速度。事实上，拉普拉斯算子的最小特征值始终为零，即0作为拉普拉斯算子中的特征值出现的次数是网络中连通分量的总数。当且仅当网络是连通图时，第二小的特征值才大于0。如果代数连通性接近0，则网络接近断开，此时网络中各节点之间信息共享将受到阻碍；反之，如果趋向于1，随着网络规模的扩大，网络趋向于全连接，网络中各节点可以有效进行信息共享。
多区域电力系统的频率调节可以在优化的通信结构基础上实现。假设在时间
Figure 994207DEST_PATH_IMAGE018
，控 制器收到因发电机跳闸或其他突发情况导致的区域频率偏差
Figure DEST_PATH_IMAGE127
，就可以得到控制信号
Figure 121563DEST_PATH_IMAGE128
。调频模型接收控制信号
Figure DEST_PATH_IMAGE129
，整个电力系统将根据调频模型对频率事件作出反应， 这包括电力系统所有区域的行为，频率调节将持续进行，直到系统状态达到一个新的平衡 状态。
在电力系统中，分布式传感器测量系统变量，然后通过通信信道进行传输；控制管理中心对系统信息进行处理，产生相应的控制信号，用于操作频率控制参与单元；所有互联区域构成多区域电力系统。构建电力系统分布式调频模型，为制定微电网频率分布式协同控制框架、实现微电网频率分布式协同控制提供了基础。本设计先提出通信网络所需各种性能指标，再将各项指标与所提理论基础相结合展开定量分析，将通信网络优化问题转化为在各项约束条件下的目标函数求解问题，求解所提优化模型，获得所需的通信网络，然后将通信网络参数输入调频模型，即可完成对多区域电力系统分布式调频方法的优化。
实施例：
参见图1至图3，一种考虑通信网络优化的多区域电力系统分布式调频方法，该方法包括以下步骤：
S1、构建描述多区域电力系统的通信网络的拉普拉斯矩阵；
利用图论知识构建电力系统各单元之间构成的物理和通信网络的矩阵表达式，进而引出衡量通信网络连通程度的重要指标-代数连通度；
这里分别用
Figure 552544DEST_PATH_IMAGE130
和
Figure DEST_PATH_IMAGE131
来描述电力系统物理和通信网络，其中
Figure 538561DEST_PATH_IMAGE132
是电力系统区域的集合，
Figure DEST_PATH_IMAGE133
为不同电力系统区域之间的物理传输线 路集合，
Figure 981175DEST_PATH_IMAGE134
为不同电力系统区域之间的通信信道集合；一般而言，现有研究假设
Figure DEST_PATH_IMAGE135
，而本设计中，不要求
Figure 404066DEST_PATH_IMAGE136
等于
Figure DEST_PATH_IMAGE137
，不同电力系统区域之间的物理联系是固定的， 但区域之间的通信网络联系是待优化的变量；
假设通信网络有
Figure 446977DEST_PATH_IMAGE138
个节点（对应
Figure 816779DEST_PATH_IMAGE001
个电力系统区域）和
Figure 379478DEST_PATH_IMAGE002
条通信链路，则通信网 络线节点关联矩阵
Figure DEST_PATH_IMAGE139
，大小为
Figure 707692DEST_PATH_IMAGE140
，可写为：
Figure 473785DEST_PATH_IMAGE004
式中，
Figure 912856DEST_PATH_IMAGE005
、
Figure DEST_PATH_IMAGE141
、
Figure 454696DEST_PATH_IMAGE007
都为节点，第
Figure 829177DEST_PATH_IMAGE008
条链路的方向是从节点
Figure 190888DEST_PATH_IMAGE005
到节点
Figure 902492DEST_PATH_IMAGE141
；
通信网络的拉普拉斯矩阵
Figure 689051DEST_PATH_IMAGE009
为：
Figure 93488DEST_PATH_IMAGE142
S2、构建多区域电力系统分布式调频模型；
多区域电力系统第
Figure 942495DEST_PATH_IMAGE011
个区域的调频模型为：
Figure 333156DEST_PATH_IMAGE012
Figure 849588DEST_PATH_IMAGE013
Figure 424926DEST_PATH_IMAGE014
Figure 384398DEST_PATH_IMAGE015
Figure DEST_PATH_IMAGE143
式中，
Figure 234543DEST_PATH_IMAGE017
为第
Figure 215268DEST_PATH_IMAGE011
个区域
Figure 961507DEST_PATH_IMAGE018
时刻频率偏差，
Figure 519527DEST_PATH_IMAGE019
为时间增量，
Figure 32417DEST_PATH_IMAGE144
为第
Figure 992283DEST_PATH_IMAGE011
个区域电力 系统增益，
Figure DEST_PATH_IMAGE145
为第
Figure 315948DEST_PATH_IMAGE011
个区域电力系统的时间常数，
Figure 626844DEST_PATH_IMAGE022
为第
Figure 287632DEST_PATH_IMAGE011
个区域
Figure 993682DEST_PATH_IMAGE018
时刻功率输出偏 差，
Figure 347303DEST_PATH_IMAGE023
为第
Figure 879916DEST_PATH_IMAGE011
个区域负载扰动的向量，
Figure 78816DEST_PATH_IMAGE024
为通过传输线与第
Figure 888640DEST_PATH_IMAGE011
个区域有联系的区域集 合，
Figure 678742DEST_PATH_IMAGE025
为区域之间的物理互连增益，
Figure 354442DEST_PATH_IMAGE026
为第
Figure 763558DEST_PATH_IMAGE011
个区域
Figure 552523DEST_PATH_IMAGE018
时刻转子角偏差，
Figure 982367DEST_PATH_IMAGE146
为第
Figure 489572DEST_PATH_IMAGE028
个区域
Figure 184602DEST_PATH_IMAGE018
时刻转子角偏差，
Figure 828073DEST_PATH_IMAGE029
为第
Figure 694398DEST_PATH_IMAGE011
个区域涡轮的时间常数，
Figure 564265DEST_PATH_IMAGE030
为第
Figure 174237DEST_PATH_IMAGE011
个区域
Figure 937794DEST_PATH_IMAGE018
时刻调 速阀位置偏差，
Figure DEST_PATH_IMAGE147
为第
Figure 99654DEST_PATH_IMAGE011
个区域调速器的时间常数，
Figure 847030DEST_PATH_IMAGE148
为第
Figure 870481DEST_PATH_IMAGE011
个区域
Figure 488544DEST_PATH_IMAGE018
时刻控制向量，
Figure 696672DEST_PATH_IMAGE033
为第
Figure 26284DEST_PATH_IMAGE011
个区域
Figure 978060DEST_PATH_IMAGE018
时刻积分控制偏差，
Figure 450629DEST_PATH_IMAGE034
为第
Figure 970603DEST_PATH_IMAGE011
个区域调速系数，
Figure 161413DEST_PATH_IMAGE035
为第
Figure 651300DEST_PATH_IMAGE011
个区域积分 控制增益，
Figure 634169DEST_PATH_IMAGE036
为第
Figure 184099DEST_PATH_IMAGE011
个区域频率偏置因子，
Figure 596626DEST_PATH_IMAGE037
为通过通信线路与第
Figure 31149DEST_PATH_IMAGE011
个区域有联系的区域集 合，
Figure 478311DEST_PATH_IMAGE038
为区域之间的网络互联增益；
多区域电力系统第
Figure 199142DEST_PATH_IMAGE109
个区域的调频模型可表示为：
Figure DEST_PATH_IMAGE149
Figure 542309DEST_PATH_IMAGE150
Figure 373999DEST_PATH_IMAGE041
Figure 675667DEST_PATH_IMAGE042
Figure DEST_PATH_IMAGE151
Figure 973925DEST_PATH_IMAGE152
Figure 361044DEST_PATH_IMAGE045
式中，
Figure 121058DEST_PATH_IMAGE046
为
Figure 542812DEST_PATH_IMAGE047
的导数，
Figure 871025DEST_PATH_IMAGE048
为多区域电力系统第
Figure 620807DEST_PATH_IMAGE011
个区域的系统矩阵，
Figure 794299DEST_PATH_IMAGE049
为 第
Figure 336139DEST_PATH_IMAGE011
个区域
Figure 195773DEST_PATH_IMAGE018
时刻的状态变量列向量，
Figure 557484DEST_PATH_IMAGE050
为多区域电力系统第
Figure 534667DEST_PATH_IMAGE011
个区域的控制矩阵，
Figure 931014DEST_PATH_IMAGE051
为 第
Figure 476395DEST_PATH_IMAGE011
个区域
Figure 59824DEST_PATH_IMAGE018
时刻的输入变量列向量，
Figure 840698DEST_PATH_IMAGE052
为
Figure 216184DEST_PATH_IMAGE053
的系数矩阵，
Figure 791522DEST_PATH_IMAGE053
为第
Figure 127826DEST_PATH_IMAGE054
个区域
Figure 322178DEST_PATH_IMAGE018
时刻的状 态变量列向量，
Figure 427537DEST_PATH_IMAGE055
为第
Figure 173776DEST_PATH_IMAGE054
个区域的频率偏差，
Figure 886124DEST_PATH_IMAGE056
为第
Figure 743221DEST_PATH_IMAGE054
个区域功率输出偏差，
Figure 968666DEST_PATH_IMAGE057
为第
Figure 885807DEST_PATH_IMAGE054
个区域调速阀位置偏差，
Figure 72069DEST_PATH_IMAGE058
为第
Figure 732857DEST_PATH_IMAGE054
个区域积分控制偏差；
包含
Figure 812808DEST_PATH_IMAGE059
个区域的整个电力系统分布式调频模型为：
Figure 25484DEST_PATH_IMAGE060
Figure DEST_PATH_IMAGE153
Figure 89255DEST_PATH_IMAGE062
Figure 429101DEST_PATH_IMAGE154
Figure DEST_PATH_IMAGE155
Figure 894717DEST_PATH_IMAGE065
Figure 779759DEST_PATH_IMAGE156
式中，
Figure 799667DEST_PATH_IMAGE067
为
Figure 67837DEST_PATH_IMAGE068
的导数，
Figure 997747DEST_PATH_IMAGE069
为包含
Figure 427592DEST_PATH_IMAGE059
个区域的整个电力系统的系统矩阵，
Figure 934796DEST_PATH_IMAGE068
为 整个电力系统
Figure 131291DEST_PATH_IMAGE018
时刻的状态变量列向量，
Figure 774762DEST_PATH_IMAGE070
为整个电力系统的控制矩阵，
Figure 641087DEST_PATH_IMAGE071
为整个电力系 统的输入变量列向量，
Figure DEST_PATH_IMAGE157
为以
Figure 776533DEST_PATH_IMAGE158
为元素的列向量，
Figure 386506DEST_PATH_IMAGE074
为整个电力系统物 理网络的拉普拉斯矩阵，
Figure 884484DEST_PATH_IMAGE075
为以
Figure 810458DEST_PATH_IMAGE076
为元素的列向量，
Figure 26676DEST_PATH_IMAGE077
为整个电力系统通 信网络的拉普拉斯矩阵，
Figure 174760DEST_PATH_IMAGE078
为
Figure 668190DEST_PATH_IMAGE074
中的一个元素，
Figure 141896DEST_PATH_IMAGE079
为
Figure 845410DEST_PATH_IMAGE077
中的一个元素；
S3、构建通信网络优化模型，并求解得到最优通信网络的拉普拉斯矩阵，然后将最优通信网络的拉普拉斯矩阵输入多区域电力系统分布式调频模型；
通信网络优化模型包括两个优化目标与三个约束条件；
首先，获得的通信网络应该是一个连通图，对于步骤S1中描述的通信网络的拉普 拉斯矩阵
Figure 921819DEST_PATH_IMAGE077
，当且仅当
Figure 394389DEST_PATH_IMAGE077
的第二小的特征值
Figure 38997DEST_PATH_IMAGE081
大于0时，通信网络才是连通图，故需 要确保
Figure DEST_PATH_IMAGE159
；此外，考虑到
Figure 370752DEST_PATH_IMAGE081
是衡量共识算法收敛速度（或性能）的指标，代数 连通性相对较高的网络必然对故障具有鲁棒性，故希望
Figure 126219DEST_PATH_IMAGE081
足够大；因此，第一个优化 目标为：
Figure 344973DEST_PATH_IMAGE080
式中，
Figure 629324DEST_PATH_IMAGE081
为拉普拉斯矩阵
Figure 307430DEST_PATH_IMAGE082
的第二小的特征值；
其次，希望所提出的电力系统调频模型具有稳定性，系统矩阵
Figure 741953DEST_PATH_IMAGE069
的特征值反映了 整个系统的动态行为，若系统矩阵
Figure 189115DEST_PATH_IMAGE069
存在实部大于0的特征值，则系统不稳定；因此，要保证 所有特征值的实部都小于0；另外，考虑到特征值与虚轴的距离越大，系统的收敛速度越快， 故最大的特征值应该尽可能的小；因此，第二个优化目标为：
Figure 909946DEST_PATH_IMAGE083
式中，
Figure 199982DEST_PATH_IMAGE084
为系统矩阵
Figure 31672DEST_PATH_IMAGE069
的特征值；
三个约束条件为：
Figure 598920DEST_PATH_IMAGE160
Figure 631598DEST_PATH_IMAGE086
Figure 18717DEST_PATH_IMAGE087
式中，
Figure 654097DEST_PATH_IMAGE088
为拉普拉斯矩阵
Figure 75851DEST_PATH_IMAGE082
右上角的元素，
Figure 27233DEST_PATH_IMAGE002
为通信链路的数量；
采用量子粒子群算法来解决通信网络优化的问题，量子粒子群算法是基于量子比特和状态叠加等量子计算的概念和原理来提高传统二元粒子群优化的性能，它引入了Q比特个体来表示粒子的概率，从而取代了传统粒子群优化中的速度更新过程；两个优化目标不能直接用量子粒子群算法求解，因此，将两个优化目标整合在一起，对两个优化目标函数在约束条件之下进行优化求解，即可获得同时具备网络连通性和系统稳定性的通信网络；
将两个优化目标整合为：
Figure 901649DEST_PATH_IMAGE089
式中，
Figure 75141DEST_PATH_IMAGE090
为综合优化目标；
Figure 226768DEST_PATH_IMAGE091
和
Figure 725882DEST_PATH_IMAGE092
分别为两个优化目标的权重；
通过综合优化目标与三个约束条件可得：
Figure 87593DEST_PATH_IMAGE093
式中，
Figure 189410DEST_PATH_IMAGE094
为最终优化目标；
Figure 320177DEST_PATH_IMAGE095
、
Figure 724614DEST_PATH_IMAGE096
、
Figure 714567DEST_PATH_IMAGE097
分别为三个约束条件的惩罚度；对于函数
Figure 495441DEST_PATH_IMAGE098
，若
Figure 480714DEST_PATH_IMAGE099
，则
Figure 947730DEST_PATH_IMAGE100
，若
Figure 284034DEST_PATH_IMAGE101
，则
Figure 603019DEST_PATH_IMAGE102
；对于函数
Figure 708379DEST_PATH_IMAGE103
，若
Figure 595563DEST_PATH_IMAGE104
，则
Figure 419163DEST_PATH_IMAGE105
， 若
Figure 276260DEST_PATH_IMAGE106
，则
Figure 626339DEST_PATH_IMAGE107
；
最终优化目标中，需要优化的变量均是
Figure 809059DEST_PATH_IMAGE077
，
Figure 854375DEST_PATH_IMAGE077
是一个
Figure DEST_PATH_IMAGE161
矩阵，
Figure 656109DEST_PATH_IMAGE077
中的非对角元 素为0或-1，
Figure 1640DEST_PATH_IMAGE077
中的对角元素为对应行中元素之和的相反数；此外，
Figure 712850DEST_PATH_IMAGE077
是一个对称矩阵；因 此，只需要优化
Figure 245463DEST_PATH_IMAGE077
的右上角，
Figure 709942DEST_PATH_IMAGE077
其他部分就可以利用矩阵的对称性自动填充了；
根据最终优化目标求解得到最优通信网络的拉普拉斯矩阵
Figure 785346DEST_PATH_IMAGE077
，并将最优通信网络 的拉普拉斯矩阵
Figure 44289DEST_PATH_IMAGE077
输入多区域电力系统分布式调频模型，得到调频模型中的
Figure 64197DEST_PATH_IMAGE108
项， 即可完成对多区域电力系统分布式调频模型的优化；
采用量子粒子群算法求解最优通信网络的拉普拉斯矩阵
Figure 66788DEST_PATH_IMAGE077
，具体步骤为：
a、创建初始种群
初始化粒子个数；初始化求解问题维度数；初始化当前通信网络节点数与通信链路数；初始化算法收敛的阈值以及最大循环次数；
b、随机初始化每个粒子当前搜索到的最佳位置，当前所有粒子的位置对应当前最优通信网络；
c、根据最终优化目标函数以及当前最优通信网络计算当前最终优化目标函数值；
d、更新所有粒子位置，进而更新最优通信网络；
e、重复步骤c、d直到算法满足收敛条件，收敛条件为最终优化目标函数值已经达到最大值或程序达到最大循环次数；
f、输出结果为最优通信网络的拉普拉斯矩阵
Figure 245966DEST_PATH_IMAGE077
。

Claims (3)

1.一种考虑通信网络优化的多区域电力系统分布式调频方法，其特征在于，该方法包括以下步骤：
S1、构建描述多区域电力系统的通信网络的拉普拉斯矩阵；
假设通信网络有N个节点和m条通信链路，则通信网络线节点关联矩阵Ac为：
Ac：
Figure FDA0003911056580000011
k≠i或j
式中，i、j、k都为节点，第t条链路的方向是从节点i到节点j；
通信网络的拉普拉斯矩阵Lc为：
Figure FDA0003911056580000012
S2、构建多区域电力系统分布式调频模型；
多区域电力系统第i个区域的调频模型为：
Figure FDA0003911056580000013
Figure FDA0003911056580000014
Figure FDA0003911056580000015
Figure FDA0003911056580000016
Figure FDA0003911056580000021
式中，Δfi(t)为第i个区域t时刻频率偏差，Δt为时间增量，kpi为第i个区域电力系统增益，Tpi为第i个区域电力系统的时间常数，ΔPti(t)为第i个区域t时刻功率输出偏差，ΔPdi(t)为第i个区域负载扰动的向量，ψi为通过传输线与第i个区域有联系的区域集合，μi为区域之间的物理互连增益，Δδi(t)为第i个区域t时刻转子角偏差，Δδl(t)为第l个区域t时刻转子角偏差，Tti为第i个区域涡轮的时间常数，ΔPgi(t)为第i个区域t时刻调速阀位置偏差，Tgi为第i个区域调速器的时间常数，ΔPui(t)为第i个区域t时刻控制向量，ΔPei(t)为第i个区域t时刻积分控制偏差，Ri为第i个区域调速系数，kei为第i个区域积分控制增益，kbi为第i个区域频率偏置因子，θi为通过通信线路与第i个区域有联系的区域集合，ηi为区域之间的网络互联增益；
多区域电力系统第i个区域的调频模型可表示为：
Figure FDA0003911056580000022
Figure FDA0003911056580000023
xi＝[Δfi ΔPti ΔPgi ΔPei Δδi]T
Figure FDA0003911056580000031
ui＝[ΔPui ΔPdi]T
Figure FDA0003911056580000032
xl＝[Δfl ΔPtl ΔPgl ΔPel Δδl]T
式中，
Figure FDA0003911056580000033
为xi(t)的导数，Ai为多区域电力系统第i个区域的系统矩阵，xi(t)为第i个区域t时刻的状态变量列向量，Bi为多区域电力系统第i个区域的控制矩阵，ui(t)为第i个区域t时刻的输入变量列向量，Cil为xl(t)的系数矩阵，xl(t)为第l个区域t时刻的状态变量列向量，Δfl为第l个区域的频率偏差，ΔPtl为第l个区域功率输出偏差，ΔPgl为第l个区域调速阀位置偏差，ΔPel为第l个区域积分控制偏差；
包含N个区域的整个电力系统分布式调频模型为：
Figure FDA0003911056580000034
Figure FDA0003911056580000041
x＝[row(Δfi) row(ΔPti) row(ΔPgi) row(ΔPei) row(Δδi)]T
Figure FDA0003911056580000042
u＝[row(ΔPui) row(ΔPdi)]T
g(μi，Lp)＝column[μiLp，i，1…μiLp，i，j…μiLp，i，N]
g(ηi，Lc)＝column[ηiLc，i，1…ηiLc，i，j…ηiLc，i，N]
式中，
Figure FDA0003911056580000043
为x(t)的导数，A为包含N个区域的整个电力系统的系统矩阵，x(t)为整个电力系统t时刻的状态变量列向量，B为整个电力系统的控制矩阵，u(t)为整个电力系统的输入变量列向量，g(μiLp)为以μi*Lp，i，N为元素的列向量，Lp为整个电力系统物理网络的拉普拉斯矩阵，g(ηi，Lc)为以ηi*Lc，i，N为元素的列向量，Lc为整个电力系统通信网络的拉普拉斯矩阵，Lp，i，N为Lp中的一个元素，Lc，i，N为Lc中的一个元素；
S3、构建通信网络优化模型，并求解得到最优通信网络的拉普拉斯矩阵，然后将最优通信网络的拉普拉斯矩阵输入多区域电力系统分布式调频模型；
通信网络优化模型包括两个优化目标与三个约束条件；
弟一个优化目杯为：
f1＝maxλ2(Lc)
式中，λ2(Lc)为拉普拉斯矩阵Lc的第二小的特征值；
第二个优化目标为：
f2＝max(min(|eig(A)|))
式中，eig(A)为系统矩阵A的特征值；
三个约束条件为：
λ2(Lc)＞0
eig(A)＜0
sum(|TopLeft(Lc)|)＝m
式中，TopLeft(Lc)为拉普拉斯矩阵Lc右上角的元素，m为通信链路的数量。
2.根据权利要求1所述的一种考虑通信网络优化的多区域电力系统分布式调频方法，其特征在于：
步骤S3中，将两个优化目标整合为：
Figure FDA0003911056580000051
式中，fint为综合优化目标；
Figure FDA0003911056580000052
和
Figure FDA0003911056580000053
分别为两个优化目标的权重；
通过综合优化目标与三个约束条件可得：
Figure FDA0003911056580000054
式中，ffin为最终优化目标；ρ1、ρ2、ρ3分别为三个约束条件的惩罚度；对于函数h(y)，若y＞0，则h(y)＝0，若y≤0，则h(y)＝1；对于函数g(y)，若y＝0，则g(y)＝0，若y≠0，则g(y)＝1；
根据最终优化目标求解得到最优通信网络的拉普拉斯矩阵Lc，并将最优通信网络的拉普拉斯矩阵Lc输入多区域电力系统分布式调频模型，得到调频模型中的g(ηi，Lc)项，即可完成对多区域电力系统分布式调频模型的优化。
3.根据权利要求2所述的一种考虑通信网络优化的多区域电力系统分布式调频方法，其特征在于：
步骤S3中，采用量子粒子群算法求解最优通信网络的拉普拉斯矩阵Lc，具体步骤为：
a、创建初始种群
初始化粒子个数；初始化求解问题维度数；初始化当前通信网络节点数与通信链路数；初始化算法收敛的阈值以及最大循环次数；
b、随机初始化每个粒子当前搜索到的最佳位置，当前所有粒子的位置对应当前最优通信网络；
c、根据最终优化目标函数以及当前最优通信网络计算当前最终优化目标函数值；
d、更新所有粒子位置，进而更新最优通信网络；
e、重复步骤c、d直到算法满足收敛条件，收敛条件为最终优化目标函数值已经达到最大值或程序达到最大循环次数；
f、输出结果为最优通信网络的拉普拉斯矩阵Lc。
CN202211087275.4A 2022-09-07 2022-09-07 一种考虑通信网络优化的多区域电力系统分布式调频方法 Active CN115173437B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211087275.4A CN115173437B (zh) 2022-09-07 2022-09-07 一种考虑通信网络优化的多区域电力系统分布式调频方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211087275.4A CN115173437B (zh) 2022-09-07 2022-09-07 一种考虑通信网络优化的多区域电力系统分布式调频方法

Publications (2)

Publication Number Publication Date
CN115173437A CN115173437A (zh) 2022-10-11
CN115173437B true CN115173437B (zh) 2022-11-29

Family

ID=83481114

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211087275.4A Active CN115173437B (zh) 2022-09-07 2022-09-07 一种考虑通信网络优化的多区域电力系统分布式调频方法

Country Status (1)

Country Link
CN (1) CN115173437B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013221750A1 (de) * 2012-11-15 2014-05-15 Siemens Aktiengesellschaft Verfahren zur rechnergestützten Steuerung der Leistung in einem elektrischen Stromnetz
US10809678B2 (en) * 2015-03-16 2020-10-20 Board Of Regents, The University Of Texas System System and method for distributed control of an electrical network
US10418822B2 (en) * 2017-02-14 2019-09-17 Mitsubishi Electric Research Laboratories, Inc. Energy production and frequency regulation Co-optimization for power generation systems
CN106972512B (zh) * 2017-05-16 2021-03-05 中国石油大学(华东) 一种电力系统同步稳定运行的分散控制器设计方法
CN111293707A (zh) * 2020-01-21 2020-06-16 中国电力科学研究院有限公司 一种多下垂控制逆变器事件触发分布式协同频率策略
CN114386258A (zh) * 2021-12-29 2022-04-22 上海电力大学 一种计及信息-能量耦合节点重要度的灾后孤岛划分方法

Also Published As

Publication number Publication date
CN115173437A (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
Zhang et al. Decentralizing the economic dispatch problem using a two-level incremental cost consensus algorithm in a smart grid environment
Yi et al. Distributed, neurodynamic-based approach for economic dispatch in an integrated energy system
Yi et al. A distributed primal-dual algorithm for computation of generalized Nash equilibria via operator splitting methods
CN107482673B (zh) 一种多区域全分布式主动配电网经济调度方法
Kim et al. Coordination and control for energy distribution in distributed grid networks: Theory and application to power dispatch problem
CN113054688B (zh) 考虑不确定性的可再生能源集群出力分布式协调控制方法
Zhang et al. Online proximal-ADMM for time-varying constrained convex optimization
CN115411728A (zh) 一种融合q学习与势博弈的多微电网系统协调控制方法
CN115173437B (zh) 一种考虑通信网络优化的多区域电力系统分布式调频方法
Xiao et al. Dynamic stochastic demand response with energy storage
CN109657301B (zh) 基于双重凝聚函数的含病态载荷的结构拓扑优化方法
CN116667390B (zh) 一种基于动态面一致算法的负荷频率控制方法
CN113394770A (zh) 互联微网群频率完全分布式优化控制方法及系统
CN110289646B (zh) 基于元模型的智能软开关就地控制策略优化方法
CN109066709B (zh) 一种基于元模型的分布式电源就地电压控制策略改进方法
Hu et al. Gradient-free accelerated event-triggered scheme for constrained network optimization in smart grids
CN113673912B (zh) 考虑输电网影响的配电-气网分布式协同规划方法及系统
CN114862621A (zh) 一种基于时变有向拓扑下智能电网频率调节分布式经济调度控制方法
Zhao et al. Distribution network reconfiguration digital twin model based on bi-level dynamical time division
Wu et al. A distributed event-triggered algorithm for constrained economic dispatch problem via virtual communication
CN109687430B (zh) 基于网络重构和不确定性需求响应的配电网经济运行方法
Xie et al. Distributed Online generalized nash equilibrium tracking for prosumer energy trading games
CN111027774A (zh) 一种分布式经济调度优化控制方法
Dvorkin Regression Equilibrium in Electricity Markets
CN110492474B (zh) 中压配电网分布式电压控制领导分布式电源优选方法

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