CN115441463A

CN115441463A - 考虑无通讯连接的分布式光伏发电系统电压控制方法

Info

Publication number: CN115441463A
Application number: CN202211210882.5A
Authority: CN
Inventors: 朱晓娟; 贾亦真; 彭贺翔; 廖凯; 杨健维; 庞博; 陈波
Original assignee: Southwest Jiaotong University
Current assignee: Southwest Jiaotong University
Priority date: 2022-09-30
Filing date: 2022-09-30
Publication date: 2022-12-06

Abstract

本发明公开了考虑无通讯连接的分布式光伏发电系统电压控制方法，包括以下步骤：将带有分布式光伏的节点视为集群中心，计算其与各节点间电气距离，并和预设的电气距离阈值L比较，得到次日内集群划分结果；建立集群间协调控制模型；考虑通信缺失情景，提出集群内电压控制策略，建立Q‑V控制曲线参数整定模型，采用粒子群算法求解，得到各时段集群内分布式光伏的Q‑V控制曲线；将集群间协调控制模型采用ADMM算法进行求解，直至满足收敛精度，并考虑通信缺失情景，采用Q‑V控制曲线离线调节分布式光伏无功出力，输出求解结果。本发明考虑通信缺失情景，采用集群内电压控制策略，各集群利用Q‑V控制曲线，自主调节DPV逆变器的无功输出，解决电压越限问题。

Description

考虑无通讯连接的分布式光伏发电系统电压控制方法

技术领域

本发明涉及配电网优化运行与控制领域，具体为考虑无通讯连接的分布式光伏发电系统电压控制方法。

背景技术

随着分布式光伏发电的快速发展，主动双向的有源系统逐渐取代传统配电网中的被动单向供电系统。然而，分布式光伏发电在时间分布上的不确定性使得馈线潮流波动与节点电压越限问题日益突出，这不仅限制了光伏消纳，也严重影响了配电网的安全稳定运行。同时，长期运行实践发现，我国电力通信光纤通信可靠性及灵活性不足，管理系统薄弱。因此，针对通信故障建立完善的电压控制体系，以解决分布式光伏发电快速发展带来的负面影响引起电力行业的广泛关注。

集中式控制对全网可控资源的信息进行采集、统一处理计算，并将调度方案传送至各可控单元，但随着配电网规模不断扩大，通信延迟与计算负担严重制约集中式控制对于配电网络潮流波动的快速响应，且一旦通信系统崩溃，控制系统也将瘫痪。

因此，针对集中式控制效率欠佳等问题，分布式电压控制受到关注，现有技术的一种方案结合多代理系统MAS(Multiple Agent System)提出完全分布式电压控制策略，在各节点安装分布式相量测量单元DPMU(Distribution Phasor Measurement Units)，通过节点间的相互通信，实现分布式电压控制和最大程度消纳新能源；现有技术的另一种方案构建双层有功- 无功混合调控模型，通过MAS一致性算法，实现对分布式光伏发电逆变器与储能的协同调度，解决电压越限问题，但上述两种方案对于大规模配电系统，存在控制器过多、规划成本过高以及协调难等问题。

分散式控制是群内集中自治与群间分布式协调相结合的控制策略，以各集群作为通信单元，兼顾分而自治与综合协调，实现对整个配网的电压控制。分散控制既能缓解传统集中式控制通信及计算负担重等问题，也能弥补完全分布式控制中因控制器数量过多而难以协调等缺点。现有技术的一种方案提出一种自适应鲁棒电压/无功集群控制方法，通过调度变压器分接头OLTC(On-Load Tap Changer)、电容器组以及分布式光伏发电逆变器实现电压控制与降低网损，但极端情况在配电网实际运行中发生概率极低；现有技术的另一种方案提出两阶段控制策略，日前针对OLTC以及储能充放电策略进行优化，日内对分布式电源逆变器的无功输出进行优化；现有技术的另一种方案结合一致性理论，采用协同优化算法，以配电网中无功补偿装置的容量利用率作为一致性变量进行优化，但上述研究仍存在一些问题，例如无法确保全局最优，或是仅针对某一时间断面进行分析，虽然成功验证方法的有效性，但由于未考虑设备动作损耗而缺乏实用性。

此外，早期建设的光纤网架结构运行稳定性与安全性较差，电力通信网络设计强度、深度较低，缺乏健全、完善的电力通信网络管理体制，因此面对通讯连接断开的情况，目前尚未建立完善的集群电压控制应急方案。

发明内容

本发明针对高渗透率分布式光伏接入配电网引起电压越限，以及当前电力通信网络难以实现对接入光伏集中控制的现状，提出考虑无通讯连接的分布式光伏发电系统电压控制方法。该方法相比于传统集中式控制，将配电网分为若干集群，各集群的控制器仅收集并处理群内数据，在群间通信条件完善的情况下，采用ADMM算法与相邻集群交互耦合支路信息，得到近似全局最优解的无功调度方案。通讯连接断开时，采用集群内电压控制策略，各集群利用Q-V控制曲线，自主调节分布式光伏发电逆变器的无功输出，解决电压越限问题。所提方法在通信效率、量测数据量方面具有显著优势，并在通讯连接断开时，确保电网的安全稳定运行。

为实现上述目的，本发明采取以下技术路线：

考虑无通讯连接的分布式光伏发电系统电压控制方法，包括以下步骤：

步骤(A)：根据选定的配电网，输入相关参数；

步骤(B)：计算各节点间电气距离，将带有分布式光伏的节点视为集群中心，并将其与各节点间电气距离和预设的阈值L比较，得到次日内集群划分结果；

步骤(C)：依据步骤(A)提供的配电网结构、参数，以及步骤(B)提供的集群划分方案，建立集群间协调控制模型，该模型包括：设定电压偏差最小与网损最小为目标函数，分别考虑Distflow模型中的潮流约束、分布式光伏运行约束，并建立各子优化问题的目标函数对应的增广拉格朗日函数；

步骤(D)：依据步骤(A)提供的配电网结构、参数，以及步骤(B)提供的集群划分方案，建立Q-V控制曲线参数整定模型，采用粒子群算法求解，得到各时段集群内分布式光伏的Q-V控制曲线；

步骤(E)：将集群间协调控制模型采用ADMM算法进行求解，直至满足收敛精度，输出求解结果，并当无通讯连接时，采用Q-V控制曲线离线调节分布式光伏无功出力，输出求解结果。

优选的，所述步骤(B)中阈值L确定方法为：将带有分布式光伏发电的节点i视为某集群中心，从节点i出发，由近到远逐个遍历其与邻近节点间的电气距离值L_ij；当存在一个节点j+1，使得L_i(j+1)≥ξL_ij且L_i(j+1)≥2(ξ为比较系数，本文中ξ＝2)，即遍历到的节点与先前遍历到的节点电气耦合程度明显减弱，则将节点j+1视为其他集群的节点，并且令阈值：

L＝(L_i(j+1)+L_ij)/2。

优选的，所述步骤(B)中集群划分过程具体步骤为：

步骤S1、选取预测数据集中分布式光伏渗透率最高时刻作为典型应用场景；

步骤S2、计算各节点间电压-无功灵敏度，从而求得各节点间电气距离；

步骤S3、设定电气距离阈值L；若节点j与节点i间的电气距离小于L，则将节点j划入以节点i为中心的集群内，反之将节点j排除在该集群外；若多个集群存在重叠区域，则将重叠区域内的节点分别划入与之电气距离更小的集群；若某分布式光伏节点的影响范围包含另一个分布式光伏节点，则将两个集群合并为一个大集群；得次日内集群划分结果。

优选的，所述步骤(C)，集群间协调控制模型建立方式如下：

将原始模型转化为混合整数二阶锥规划，经过变量代换后的目标函数为：

式中，A_t,i表示电压偏差程度，是满足上述约束条件的辅助变量，l_t,ij为t时刻支路ij上流过电流值的平方，v_t,i为t时刻节点i的电压幅值平方；

设置-约束条件，包括Distflow模型中的潮流约束、分布式光伏运行约束，并将上述约束进行凸松弛；

特别的，建立各子优化问题的目标函数对应的增广拉格朗日函数。

优选的，所述步骤(D)，Q-V控制曲线参数整定模型建立方式如下：

目标函数：

min f_n＝αf_V,n+βf_L,n

式中，f_V,n为集群n内各节点在T_P时段内电压越限总和，f_L,n为集群n内各支路在T_P时段内网损总量；

设置约束条件，包括网络潮流约束、支路电流约束、节点电压约束、支路功率约束、分布式光伏运行约束；

特别的，决策变量为

即集群n对应的Q-V控制曲线电压死区参数。

优选的，所述步骤(E)，将集群间协调控制模型采用ADMM算法进行求解，直至满足收敛精度，输出求解结果，并考虑无通讯连接时，采用Q-V控制曲线离线调节分布式光伏无功出力，输出求解结果。

本发明采用以上技术方案与现有技术相比，具有以下有益效果：

1.本发明提供了考虑无通讯连接的分布式光伏发电系统电压控制方法，该方法相比于传统集中式控制，将配电网分为若干集群，各集群的控制器仅收集并处理群内数据，在群间通信条件完善的情况下，采用ADMM算法与相邻集群交互耦合支路信息，得到近似全局最优解的无功调度方案。

2.本发明提供了考虑无通讯连接的分布式光伏发电系统电压控制方法，考虑无通讯连接时，采用集群内电压控制策略，各集群利用Q-V控制曲线，自主调节分布式光伏发电逆变器的无功输出，解决电压越限问题。

3.本发明提供了考虑无通讯连接的分布式光伏发电系统电压控制方法，在通信效率、量测数据量方面具有显著优势，并在无通讯连接时下，确保电网的安全稳定运行。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是负荷与分布式光伏发电运行曲线；

图2是集群划分结果；

图3是场景3中部分分布式光伏发电无功出力曲线；

图4是三种场景一天内电压分布；

图4a为场景1电压分布、图4b为场景2电压分布、图4c为场景3电压分布

图5是三种场景优化前后系统内网损对比；

图6是本发明所提集群间协调控制策略边界残差变化过程；

图7是本发明的方法流程图。

具体实施方式

以IEEE33节点系统为例，该系统包含一个变电站和32个负荷节点，基准功率为1MVA，额定电压为12.66kV，满载有功功率、无功功率分别为3715kW、2300kVar；网络中共接入13个容量为350kVA的光伏机组。包括如下步骤：

步骤1，根据选定的配电网，输入相关参数，包括：线路参数、节点参数、基准电压、基准功率，节点电压上下限、支路电流限制、支路功率限制，分布式光伏接入位置、接入容量，分布式光伏通信拓扑关系。负荷曲线与光伏机组日出力曲线见图1，期望节点电压标幺值范围为0.95-1.05，日内电压采样周期为15min。

步骤2，计算各节点间电气距离，将带有分布式光伏的节点视为集群中心，并将其与各节点间电气距离和预设的阈值L比较，得到次日内集群划分结果，包括以下步骤：

(B1)选取预测数据集中分布式光伏发电渗透率最高时刻作为典型应用场景，计算各节点间电压-无功灵敏度，从而求得各节点间电气距离。

(B2)将带有分布式光伏发电的节点i视为某集群中心，预定义阈值L，若节点j与节点 i间的电气距离小于L，则将节点j划入以节点i为中心的集群内，反之将节点j排除在该集群外。

(B3)若多个集群存在重叠区域，则将重叠区域内的节点分别划入与之电气距离更小的集群。

(B4)若某分布式光伏发电节点的影响范围包含另一个分布式光伏发电节点，则将两个集群合并为一个大集群。

(B5)基于以上步骤，可得次日内集群划分结果。

特别的，集群划分结果以一天为周期进行动态更新，避免因一天时间内集群内部通信路径频繁变化而对效率的影响，从而实现高效运行。

根据各节点间电气距离与上述划分步骤，IEEE33配电系统集群划分结果如图2所示。集群1为{2，19-22}，集群2为{3-5，23-25}，集群3为{6-18，26-33}，耦合支路为L_2,3，L_5,6。

步骤3，依据步骤(A)提供的配电网结构、参数，以及步骤(B)提供的集群划分方案，建立集群间协调控制模型，该模型包括：设定电压偏差最小与网损最小为目标函数，分别考虑Distflow模型中的潮流约束、分布式光伏运行约束，包括以下步骤：

设置所述模型目标函数，各集群以电压偏差最小与网损最小为目标,特别的，为提高优化模型求解效率，将原始模型其转化为MISOCP模型，需要对其采用变量代换实现线性化：

式中，T_p表示总时间范围，N_n为集群n内节点数，L_n为集群n内支路集合，l_t,ij为t时刻支路ij 上流过电流值的平方，R_ij为支路ij的电阻，α、β为权重系数，满足α+β＝1，A_t,i表示电压偏差程度，是满足上述约束条件的辅助变量，v_t,i为t时刻节点i的电压幅值平方，V_max、V_min分别为节点电压上限和下限。

所述故障恢复模型约束条件包括：

Distflow模型中潮流约束：

||(2P_t,ij 2Q_t,ij l_t,ij-v_t,i)^T||₂≤l_t,ij+v_t,i

分布式光伏发电运行约束：

式中，P_t,ji、Q_t,ji分别为支路ji在t时刻流过的有功功率、无功功率，P_t,i、Q_t,i分别为节点i在t 时刻注入的有功功率、无功功率，X_ij为支路ji上的电抗，

分别为t时刻节点i处分布式光伏发电输出的有功功率、无功功率，

分别为t时刻节点i出负荷的有功功率、无功功率，

给定的t时刻分布式光伏发电输出的有功功率，

为节点i处分布式光伏发电在t时刻的无功功率最大值，

为节点i处分布式光伏发电的额定容量。

特别的，采用ADMM算法求解时目标函数由增广拉格朗日函数表示为：

X_a,ij＝(P_a,ij,Q_a,ij,U_a,i,U_a,j)

X_b,ij＝(P_b,ij,Q_b,ij,U_b,i,U_b,j)

式中，x_a、x_b分别表示集群a、b中的状态变量，

分别表示集群a、b第k次迭代的固定参考值，

分别表示集群a、b的对偶变量组成的向量，X_a,ij、X_b,ij分别表示集群a、 b中的耦合支路状态，P_a(b),ij、Q_a(b),ij、U_a(b),i、U_a(b),j分别为耦合支路上流过的有功、无功、两端节点电压，ρ为ADMM算法罚参数。

ADMM罚参数取0.1，收敛精度为10^-4，权重系数α＝0.2、β＝0.8

步骤4，依据步骤(A)提供的配电网结构、参数，以及步骤(B)提供的集群划分方案，建立Q-V控制曲线参数整定模型，采用粒子群算法求解，得到各时段集群内分布式光伏的Q-V 控制曲线，包括以下步骤：

设置所述模型目标函数，以减少电压越限及网损最小为目标：

min f_n＝αf_V,n+βf_L,n

式中，f_V,n为集群n内各节点在T_P时段内电压越限总和，f_L,n为集群n内各支路在T_P时段内网损总量。

所述故障恢复模型约束条件包括：

网络潮流约束：

支路电流约束：

0＜|I_t,ij|≤I_ij,max

节点电压约束：

V_min≤V_t,i≤V_max

支路功率约束：

S_ij.min≤S_t,ij≤S_ij.max

分布式光伏发电运行约束：

式中，G_ij、B_ij为支路ij的导纳，θ_t,ij为t时刻节点ij的电压相角差；I_ij,max为支路ij允许流过的电流最大值；S_t,ij为t时刻支路ij流过的功率，S_ij.max、S_ij.min分别为支路ij流过功率的上限和下限；

给定的t时刻分布式光伏发电输出的有功功率，

为节点i处分布式光伏发电在t时刻的无功功率最大值，

为节点i处分布式光伏发电的额定容量。

权重系数α＝0.2、β＝0.8

步骤5，将集群间协调控制模型采用ADMM算法进行求解，直至满足收敛精度，输出求解结果，并当无通讯连接时，采用Q-V控制曲线离线调节分布式光伏无功出力，输出求解结果，包括以下内容：

1.各区域子优化问题确立后，集群间协调控制模型求解步骤如下：

1)初始化固定参考值、对偶变量：

设为0。

2)在第k+1次迭代中，分别求解子优化问题a、b，求得集群内部状态变量x_a、x_b，获得耦合支路参数

3)利用

计算耦合支路固定参考值，作为下一次迭代参数：

4)利用耦合支路参数与固定参考值更新对偶变量：

5)当算法满足收敛判据时，迭代结束，输出求解结果，以各集群边界残差作为收敛判据：

式中，ε为收敛精度。

2.PSO算法求解的决策变量为

为集群n对应的Q-V控制曲线电压死区参数。

特别的，求解步骤如下：

1)网络初始化：根据上述等效方法，输入集群a网络原始数据，通过潮流计算得到初始运行数据。

2)初始化子优化问题a中的粒子群：设置决策变量

的取值范围，初始化其位置、速度、个体最优与全局最优。

3)更新粒子群：更新粒子群的速度与位置，并更新个体最优与全局最优，判断更新后是否越界。若越界，则令其等于边界值；更新迭代次数，校验是否满足预先设定的迭代终止条件，若满足迭代终止条件，以当前全局最优作为寻优结果。

4)求解子优化问题b：令集群b的虚拟平衡节点电压等于前述步骤中求得的集群a末端节点电压，其余步骤与子优化问题a相同，其它子优化问题步骤同理。

5)在无通讯连接时，根据实时测量得到得节点电压，结合Q-V控制曲线，求解得到分布式光伏发电无功输出，解决电压越限问题。

特别的，Q-V曲线表达式为：

式中，g(V_t,i)为节点i处分布式光伏发电在t时刻的无功输出百分比，

为集群n对应的Q-V控制曲线电压死区参数。

图3为集群间协调控制策略中分布式光伏发电无功出力曲线，表1为部分时段各集群整定得到的Q-V控制曲线。

表1Q-V控制曲线参数

分别设置3种场景验证本发明所提方法的有效性。场景1，不采取任何控制策略，获取配电网初始运行状态；场景2，当日通信信道受到网络攻击，无法完成群间互动，采用集群内电压控制策略，根据Q-V曲线与电压测量值调整无功输出；场景3，当日具备互动的必要条件，采用集群间协调控制策略。3种场景对电压分布的优化效果见图4，对网损的优化效果见图5。场景1中，高比例接入的分布式光伏会引起频繁的电压波动和电压偏差，末端节点[15-18]、[30-33]在用电高峰时段出现电压越限，33节点电压最低至0.932pu，严重超出规定运行范围。场景1中一天内平均电压为0.980pu，峰值电压为1.0273pu，总网损达到1339kWh；场景2中，在集群间通信中断的情况下依靠群内自治调节逆变器无功输出，当节点电压幅值大于死区上限，分布式光伏发电吸收无功，当节点电压幅值小于死区下限，分布式光伏发电发出无功。一天内最低电压为0.954pu，平均电压为0.987，峰值电压为1.027pu，总网损降低至1072kWh；在场景3中，利用集群间协调控制策略，实现所有节点电压符合安全运行规定，电压整体水平显著提升，电压波动小，无功优化效果最佳。一天内最低电压为0.975，平均电压为0.996u，峰值电压为1.016u，网损降低至419kWh，相比于场景2，区间通信使得分散控制更具有灵活性与实时性，增强了电网运行的稳定性。从系统内3种场景优化前后网损对比发现，优化控制后的，场景2、场景3中一天内系统总损耗分别减少267kWh、920kWh，配电网运行的经济性得到显著提高。

为了比较分散控制与传统集中式控制的性能差异，设置场景4来进一步验证本文策略的有效性与可行性。场景4，各分布式光伏发电单元的无功输出通过中央控制器进行调节，优化方法仍基于MISOCP模型，实现全局优化。本发明方法与集中式方法优化对比结果如表2 所示。可见，本发明方法与集中式方法优化性能相似，二者对电压和网损的优化效果略有偏差，但总体相近，偏差主要来源于各集群间的独立性，本发明方法中各集群的控制器仅采集群内运行数据，与相邻集群仅交互耦合支路信息。图6中以21：00-21：15为例，描述了各集群间边界残差的收敛过程，结果表明，各集群间边界耦合支路信息经过10次迭代基本达到收敛，所需收敛次数少，各集群控制器间计算与通信负担小。仿真结果验证了协调控制下采用ADMM算法实现群间互动的高效性与可靠性。

表2场景3与场景4优化结果

本发明将配电网分为若干集群，各集群的控制器仅收集并处理群内数据，在群间通信条件完善的情况下，采用ADMM算法与相邻集群交互耦合支路信息，得到近似全局最优解的无功调度方案。当无通讯连接时，采用集群内电压控制策略，各集群利用Q-V控制曲线，自主调节分布式光伏发电逆变器的无功输出，解决电压越限问题。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims

1.考虑无通讯连接的分布式光伏发电系统电压控制方法，其特征在于，包括以下步骤：

步骤(A)：根据选定的配电网，输入相关参数；

2.根据权利要求1所述的考虑无通讯连接的分布式光伏发电系统电压控制方法，其特征在于，所述步骤(B)中阈值L确定方法为：将带有分布式光伏发电的节点i视为某集群中心，从节点i出发，由近到远逐个遍历其与邻近节点间的电气距离值L_ij；当存在一个节点j+1，使得L_i(j+1)≥ξL_ij且L_i(j+1)≥2(ξ为比较系数，本文中ξ＝2)，即遍历到的节点与先前遍历到的节点电气耦合程度明显减弱，则将节点j+1视为其他集群的节点，并且令阈值：

L＝(L_i(j+1)+L_ij)/2。

3.根据权利要求1所述的考虑无通讯连接的分布式光伏发电系统电压控制方法，其特征在于，所述步骤(B)中集群划分过程具体步骤为：

4.根据权利要求1所述的考虑无通讯连接的分布式光伏发电系统电压控制方法，其特征在于，所述步骤(C)，集群间协调控制模型建立方式如下：

5.根据权利要求1所述的考虑无通讯连接的分布式光伏发电系统电压控制方法，其特征在于，所述步骤(D)，Q-V控制曲线参数整定模型建立方式如下：

目标函数：

min f_n＝αf_V,n+βf_L,n

特别的，决策变量为V_n ^q,min、V_n ^q,max，即集群n对应的Q-V控制曲线电压死区参数。

6.根据权利要求1所述的考虑无通讯连接的分布式光伏发电系统电压控制方法，其特征在于，所述步骤(E)，将集群间协调控制模型采用ADMM算法进行求解，直至满足收敛精度，输出求解结果，并考虑无通讯连接时，采用Q-V控制曲线离线调节分布式光伏无功出力，输出求解结果。