CN115441469A - 一种考虑光储荷运行模态切换的配电网调频方法及系统 - Google Patents

一种考虑光储荷运行模态切换的配电网调频方法及系统 Download PDF

Info

Publication number
CN115441469A
CN115441469A CN202210992959.2A CN202210992959A CN115441469A CN 115441469 A CN115441469 A CN 115441469A CN 202210992959 A CN202210992959 A CN 202210992959A CN 115441469 A CN115441469 A CN 115441469A
Authority
CN
China
Prior art keywords
unit
switching
load
power
control
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.)
Pending
Application number
CN202210992959.2A
Other languages
English (en)
Inventor
赵景涛
张晓燕
黄堃
梁加本
郑舒
温传新
孙厚涛
方陈
王威
罗潇
石春虎
丁志宇
杨文�
付明
王海龙
贾玮
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.)
Nari Technology Co Ltd
State Grid Shanghai Electric Power Co Ltd
State Grid Electric Power Research Institute
Original Assignee
Nari Technology Co Ltd
State Grid Shanghai Electric Power Co Ltd
State Grid Electric Power Research Institute
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 Nari Technology Co Ltd, State Grid Shanghai Electric Power Co Ltd, State Grid Electric Power Research Institute filed Critical Nari Technology Co Ltd
Priority to CN202210992959.2A priority Critical patent/CN115441469A/zh
Publication of CN115441469A publication Critical patent/CN115441469A/zh
Pending legal-status Critical Current

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
    • 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
    • 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
    • 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

Landscapes

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

Abstract

本发明公开了一种考虑光储荷运行模态切换的配电网调频方法及系统，通过搭建基于多智能体系统的分层控制架构，进而构建频率安全事件触发下的光储荷协调控制策略，上层协调切换模块决策光储荷单元的模态切换及最优模态组合策略，下层调度控制模块基于上层协调切换模块信息，根据功率调节量以及频率调节需要，调节光储荷单元的功率，构建以调度成本最小化为目标函数的动态调度模型，使得当电网遭遇频率偏离额定值时，调频过程中，通过基于多智能体的分层控制架构，实现智能切换配电网光储荷的运行模态，调节其功率输出，使得电网频率维持稳定的同时尽可能使调度成本最小，进一步实现电网的安全、稳定运行。

Description

一种考虑光储荷运行模态切换的配电网调频方法及系统
技术领域
本发明设计配电网紧急频率调节技术领域，尤其是一种考虑光储荷运行模态切换的配电网调频方法及系统。
背景技术
在现有技术中，分布式可再生能源发电已高比例接入电网，致使传统配电网已逐渐演变成为新形态的“有源”配电网。大规模分布式可再生能源不断接入配电网，使得大电网传统机组容量日趋下降，导致电网调控资源与备用容量匮乏，对配电系统安稳运行的支撑能力不足，同时其低抗扰、弱支撑、低惯量特性将使配电网频率安全稳定问题日益突出；同时大批电能替代项目衍生出大量电能替代负荷，源荷的多元化和波动性极大提升了系统的复杂度和不确定性，给配电网安全运行带来严重挑战。分布式资源的不确定性和频繁模式切换揭示了配电网运行的混合特性，提高了安全控制和经济调度的复杂性，现有技术在对频率进行安全控制时大都没有考虑配电网系统的混杂特性，为此亟需一种新型的调频方法。
发明内容
发明目的：本发明的目的在于提供一种考虑光储荷运行模态切换的配电网调频方法及系统，通过搭建基于多智能体系统的分层控制架构，进而构建频率安全事件触发下的光储荷协调控制的调频策略，使得当电网遭遇频率偏离额定值时，实现智能切换光储荷的运行模式，调节其功率输出，使得电网频率维持稳定的同时尽可能使调度成本最小，实现电网的安全、稳定运行。
技术方案：本发明提供的一种考虑光储荷运行模态切换的配电网调频方法，包含以下步骤：
步骤1：针对电网的频率偏差，基于p-f下垂特性曲线，获取配电网参与电网一次调频过程中需要调控的有功功率总量ΔP；
步骤2：基于多智能体系统的分层控制框架包括多智能体系统，每一个光储荷单元均设置有单元智能体，该分层控制框架包含上层协调切换模块及下层调度控制模块，上层协调控制模块包含光储荷单元智能体、控制中心智能体；
基于多智能体系统的分层控制框架用于构建基于DHPN的光储荷运行模态切换控制模型；
步骤3：上层协调切换模块中的光储荷单元智能体基于相应的频率安全事件，触发光储荷运行模态切换策略，控制中心智能体接收光储荷单元智能体的信息，决策生成及协调全局切换控制策略，使用有功功率总量ΔP触发DHPN模型中的库所P0、P1执行对应的变迁T0、T1；
步骤4：下层调度控制模块用于基于全局切换控制策略，同时依据功率调节量以及频率调节需要，综合考虑负荷损失率和调度成本，构建全局最优的光储荷单元动态调度模型，求解动态调度模型，并通过控制中心智能体将各光储荷单元的最优调节功率通过信息交互下发给各单元智能体执行。
进一步的，步骤2中，光储荷单元智能体包含第一感知层、第一决策层、第一反应层，第一感知层负责采集上层协调切换模块中所有单元智能体的状态信息；第一决策层负责上层协调控制模块中所有单元智能体的控制与决策指令的生成；第一反应层包括动作模块，负责执行光储荷单元智能体生成的控制指令；
控制中心智能体包含第二感知层、第二决策层、第二反应层；第二感知层负责采集光储荷单元智能体的信息；第二决策层负责协调切换控制和全局优化调度指令的生成；第二反应层通过光储荷单元智能体和控制中心的信息交互，将控制指令下发给光储荷单元智能体，光储荷单元智能体执行控制质量；
其中，构建基于DHPN的光储荷运行模态切换控制模型，该模型由九元素表示，九元素包含P0、P1、T0、T1、A、M、F+、F-、Γτ；
P0表示离散库所的集合，P1表示连续库所的集合，P0、P1均代表光储荷单元的运行模态以及连续的动态行为；
T0表示离散变迁的集合，T1表示连续变迁的集合，T0、T1均代表光储荷单元的模态切换行为；
A表示离散库所和离散变迁之间连接的有向弧以及连续库所和连续变迁之间连接的有向弧的集合，即A＝(P0×T0)∪(T0×P0)∪(P1×T1)∪(T1×P1)；
M＝{M10,M20,M30}为三个单元的初始标识，均表示光储荷单元的初始运行模态；
前向触发函数F+，定义为1；
后向触发函数F-，定义为1；
Figure BDA0003804647020000031
表示所有的变迁的触发时间集合。
进一步的，步骤3中，包含以下步骤：
步骤3-1：根据光储荷单元运行模态的切换特性，构建约束违反函数；
步骤3-2：基于上层协调切换模块中所有单元智能体的状态信息，对应约束违反函数，决策生成光储荷运行模态切换策略；
步骤3-3：控制中心智能体协调各单元智能体的切换控制，决策生成及协调全局切换控制策略，同时设计由频率安全事件触发的切换函数，若ΔP＞P，则E(t)＝1，其中，P为光储所能提供的最大调频功率，ΔP为配电网参与一次调频时需要调控的有功功率总量，E(t)为频率安全事件。
进一步的，步骤4中，构建全局最优的光储荷单元动态调度模型，包含以下步骤：
步骤4-1：基于功率调节量和光储荷运行情况，训练图卷积神经网络得到配电网各节点负荷的功率削减量；
步骤4-2：构建基于负荷功率削减的综合考虑切换成本和网络损耗的全局最优的动态调度模型，光储荷单元智能体依据调度决策指令执行功率跟踪。
本发明对应提供一种考虑光储荷运行模态切换的配电网调频系统，包含获取模块、分层控制模块、协调切换控制指令模块、构建调度模型模块；
获取模块用以针对电网的频率偏差，基于p-f下垂特性曲线，获取配电网参与电网一次调频过程中需要调控的有功功率总量ΔP；
分层控制模块用以基于多智能体系统的分层控制框架包括多智能体系统，每一个光储荷单元均设置有单元智能体，该分层控制框架包含上层协调切换模块及下层调度控制模块，上层协调切换模块包含光储荷单元智能体、控制中心智能体；基于多智能体系统的分层控制框架用于构建基于DHPN的光储荷运行模态切换控制模型；
协调切换控制指令模块用以在上层协调切换模块中的光储荷单元智能体基于相应的频率安全事件，触发光储荷运行模态切换策略，控制中心智能体接收光储荷单元智能体的信息，决策生成及协调全局切换控制策略，使用有功功率总量ΔP触发DHPN模型中的库所P0、P1执行对应的变迁T0、T1；
构建调度模型模块用以在下层调度控制模块用于基于全局切换控制策略，同时依据功率调节量以及频率调节需要，综合考虑负荷损失率和调度成本，构建全局最优的光储荷单元动态调度模型，求解动态调度模型，并通过控制中心智能体将各光储荷单元的最优调节功率通过信息交互下发给各单元智能体执行。
进一步的，分层控制模块中，光储荷单元智能体包含第一感知层、第一决策层、第一反应层，第一感知层负责采集上层协调切换模块中所有单元智能体的状态信息；第一决策层负责上层协调控制模块中所有单元智能体的控制与决策指令的生成；第一反应层包括动作模块，负责执行光储荷单元智能体生成的控制指令；
控制中心智能体包含第二感知层、第二决策层、第二反应层；第二感知层负责采集光储荷单元智能体的信息；第二决策层负责协调切换控制和全局优化调度指令的生成；第二反应层通过光储荷单元智能体和控制中心的信息交互，将控制指令下发给光储荷单元智能体，光储荷单元智能体执行控制质量；
其中，构建基于DHPN的光储荷运行模态切换控制模型，该模型由九元素表示，九元素包含P0、P1、T0、T1、A、M、F+、F-、Γτ；
P0表示离散库所的集合，P1表示连续库所的集合，P0、P1均代表光储荷单元的运行模态以及连续的动态行为；
T0表示离散变迁的集合，T1表示连续变迁的集合，T0、T1均代表光储荷单元的模态切换行为；
A表示离散库所和离散变迁之间连接的有向弧以及连续库所和连续变迁之间连接的有向弧的集合，即A＝(P0×T0)∪(T0×P0)∪(P1×T1)∪(T1×P1)；
M＝{M10,M20,M30}为三个单元的初始标识，均表示光储荷单元的初始运行模态；
前向触发函数F+，定义为1；
后向触发函数F-，定义为1；
Figure BDA0003804647020000041
表示所有的变迁的触发时间集合。
进一步的，协调切换控制指令模块中，包含构建函数单元、决策单元、生成切换策略单元；
构建函数单元用以根据光储荷单元运行模态的切换特性，构建约束违反函数；
决策单元用以基于上层协调切换模块中所有单元智能体的状态信息，对应约束违反函数，决策生成光储荷运行模态切换策略；
生成切换策略单元用以根据控制中心智能体协调各单元智能体的切换控制，决策生成及协调全局切换控制策略，同时设计由频率安全事件触发的切换函数，若ΔP＞P，则E(t)＝1，其中，P为光储所能提供的最大调频功率，ΔP为配电网参与一次调频时需要调控的有功功率总量，E(t)为频率安全事件。
进一步的，构建调度模型模块中，包含训练图卷积神经网络单元、构建动态调度模型单元；
训练图卷积神经网络单元用以基于功率调节量和光储荷运行情况，训练图卷积神经网络得到配电网各节点负荷的功率削减量；
构建动态调度模型单元用以构建基于负荷功率削减的综合考虑切换成本和网络损耗的全局最优的动态调度模型，光储荷单元智能体依据调度决策指令执行功率跟踪。
进一步的，各单元智能体之间为非主从交互行为，控制中心智能体与各单元智能体为主从交互行为，上层协调切换模块和下层调度控制模块为协同交互行为。
有益效果：本发明与现有技术相比，其显著特点是基于多智能体系统的分层控制架构，构建频率安全事件触发下的光储荷运行模态切换策略，通过上层协调切换模块与下层调度控制模块的协同交互及各智能体之间的交互实现运行模态的优化匹配，同时实现配电网参与一次调频的目标，通过建立约束违反函数实现光储荷单元运行模态的快速切换，最终根据电网功率调节量和频率调节需要，考虑光储荷单元运行模态的协调切换策略，在负荷损失率最小的条件下综合考虑最小化切换成本和网络损耗的动态调度模型，得到光储荷单元的最优调节功率值，优化配电网调频运行。
附图说明
图1是本发明的流程示意图；
图2是本发明配电网中光储荷单元协调控制结构图；
图3是本发明配电网中光储荷运行模态协调切换控制模型示意图。
具体实施方式
下面结合附图及具体实施例对本发明做进一步的详细说明。
实施例1
本发明提供的一种考虑光储荷运行模态切换的配电网调频方法，请参阅图1所示，包含以下步骤：
步骤1：针对电网的频率偏差，基于p-f下垂特性曲线，获取配电网参与电网一次调频过程中需要调控的有功功率总量ΔP。
步骤2：基于多智能体系统的分层控制框架包括多智能体系统，每一个光储荷单元均设置有单元智能体，该分层控制框架包含上层协调切换模块及下层调度控制模块，上层协调切换模块包含光储荷单元智能体、控制中心智能体。
请参阅图2所示，上层协调控制模块用以协调整个上层单元智能体的运行模态切换及运行模态协调切换策略。
光储荷单元智能体包含PV单元智能体、负荷单元智能体、储能单元智能体，PV单元智能体、负荷单元智能体、储能单元智能体均包含第一感知层、第一决策层、第一反应层，第一感知层负责采集上层协调切换模块中所有单元智能体的状态信息；第一决策层负责上层协调控制模块中所有单元智能体的控制与决策指令的生成；第一反应层包括动作模块，负责执行光储荷单元智能体生成的控制指令；
控制中心智能体包含第二感知层、第二决策层、第二反应层；第二感知层负责采集光储荷单元智能体的信息；第二决策层负责协调切换控制和全局优化调度指令的生成；第二反应层通过光储荷单元智能体和控制中心的信息交互，将控制指令下发给光储荷单元智能体，光储荷单元智能体执行控制质量。
下层调度控制模块是基于上层协调切换模块所产生的协调切换控制策略，同时根据功率调节量及频率调节需要，调节光储荷单元的功率，构建全局最优的光储荷单元动态调整模型。
各单元智能体之间为非主从交互行为，控制中心智能体与各单元智能体为主从交互行为，上层协调切换模块和下层调度控制模块为协同交互行为。
基于多智能体系统的分层控制框架用于构建基于DHPN的光储荷运行模态切换控制模型，该模型由九元素表示，九元素包含P0、
Figure BDA0003804647020000061
、T0、
Figure BDA0003804647020000062
、A+、M-、ΓτF；
P0表示离散库所的集合，P1表示连续库所的集合，P0、P1均代表光储荷单元的运行模态以及连续的动态行为；
T0表示离散变迁的集合，T1表示连续变迁的集合，T0、T1均代表光储荷单元的模态切换行为；
A表示离散库所和离散变迁之间连接的有向弧以及连续库所和连续变迁之间连接的有向弧的集合，即A＝(P0×T0)∪(T0×P0)∪(P1×T1)∪(T1×P1)；
M＝{M10,M20,M30}为三个单元的初始标识，均表示光储荷单元的初始运行模态；
前向触发函数F+，定义为1；
后向触发函数F-，定义为1；
Figure BDA0003804647020000071
表示所有的变迁的触发时间集合。
请参阅图3所示，“黑点”表示令牌，每个单元系统的初始标识为带有令牌的离散库所，当运行模态发生切换时，令牌就从前库所转移到对应的后库所中，带有令牌的库所这里被定义为逻辑“1”，否则为逻辑“0”，库所和变迁的详细描述见表1到表4。
表1：离散库所的说明
离散库所 说明
P<sub>1</sub> 光伏发电单元PQ运行模式
P<sub>2</sub> 光伏发电单元MPPT运行模式
P<sub>3</sub> 光伏发电单元MPPT运行模式
P<sub>4</sub> 负荷单元正常运行模式
P<sub>5</sub> 负荷单元切负荷运行模式
P<sub>6</sub> 储能单元最大SOC停止运行模式
P<sub>7</sub> 储能单元充电运行模式
P<sub>8</sub> 储能单元放电运行模式
P<sub>9</sub> 储能单元最小SOC停止运行模式
表2：离散变迁的说明
Figure BDA0003804647020000081
表3：连续库所的说明：
Figure BDA0003804647020000082
表4：连续变迁的说明：
Figure BDA0003804647020000083
步骤3：上层协调切换模块的光储荷单元智能体基于相应的频率安全事件，触发光储荷运行模态切换策略，控制中心智能体接收光储荷单元智能体的信息，决策生成及协调全局切换控制策略，触发DHPN模型中的库所P0、P1执行对应的变迁T0、T1。
步骤3-1：根据光储荷单元运行模态的切换特性，构建约束违反函数。
当约束违反函数中的约束条件被违背时，该函数由原来的逻辑“0”被使能变为逻辑“1”，当约束违反函数被使能为“1”时，对应的模态切换控制策略则被激活，将触发DHPN模型中的库所P0、P1执行对应的变迁T0、T1。
在光储荷单元智能体生成单元运行模态切换指令时，引入阶跃函数S(t-t0)表示约束违反函数的状态：
Figure BDA0003804647020000091
步骤3-2：基于上层协调切换模块中所有单元智能体的状态信息，对应约束违反函数L，决策生成光储荷运行模态切换策略。
对于光伏单元，若t＝t0且GPV(t)上升至GPV(t)≥G：
Figure BDA0003804647020000092
若t＝t0且GPV(t)下降至GPV(t)≤G：
L(T4)＝S(t-t0)-S(t-t0-τT4)(3)
若t＝t0且GPV(t)上升至
Figure BDA0003804647020000093
此时有：
Figure BDA0003804647020000094
其中，GPV(t)为t时刻的光照辐射强度，G为切入阈值，
Figure BDA0003804647020000095
为退出阈值，
Figure BDA0003804647020000096
表示变迁T3的触发时间，
Figure BDA0003804647020000097
表示变迁T4的触发时间，
Figure BDA0003804647020000098
表示变迁T5的触发时间，当光伏的输出功率GPV(t)上升至大于G时，光伏发电单元由停止运行模式切换至MPPT运行模式；当光伏的输出功率GPV(t)下降至小于G时，光伏发电单元由MPPT运行模式切换至停止运行模式；当光伏的输出功率GPV(t)上升至小于
Figure BDA0003804647020000099
时，光伏发电单元由MPPT运行模式切换至停止运行模式。
对于储能单元，若t＝t0且SOC(t)上升至
Figure BDA0003804647020000101
Figure BDA0003804647020000102
若t＝t0且SOC(t)下降至SOC(t)<S，此时有：
Figure BDA0003804647020000103
其中，S为储能单元SOC的下限阈值，
Figure BDA0003804647020000104
为储能单元SOC的上限阈值，
Figure BDA0003804647020000105
表示变迁T8的触发时间，
Figure BDA0003804647020000106
表示变迁T12的触发时间,在t＝t0时刻，若储能的荷电状态SOC(t)上升至大于
Figure BDA0003804647020000107
储能单元SOC由充电运行模式切换至最大SOC停止运行模式；若储能的荷电状态SOC(t)下降至小于S，储能单元SOC由放电运行模式切换至最小SOC停止运行模式。
步骤3-3：当电网频率偏离额定值，即发生频率安全事件，控制中心智能体协调各单元智能体的切换控制，决策生成及协调全局切换控制策略，同时设计由频率安全事件触发的切换函数，若ΔP＞P，则E(t)＝1，其中，P为光储所能提供的最大调频功率，ΔP为配电网参与一次调频时需要调控的有功功率总量，E(t)为频率安全事件。
基于描述的频率安全事件，相应的协调切换策略C(E)为：
Figure BDA0003804647020000108
其中，
Figure BDA0003804647020000109
表示变迁T2的触发时间，
Figure BDA00038046470200001010
表示变迁T7的触发时间，
Figure BDA00038046470200001011
表示变迁T9的触发时间，
Figure BDA00038046470200001012
表示变迁T10的触发时间，E(t+τ)表示在t＝t0+τ时刻的频率安全事件，E(t+2τ)表示t＝t0+2τ时刻的频率安全事件。
当t＝t0时，若E(t)＝1，且储能单元运行模式属于集合{P6,P7},触发C(E)，此时储能单元触发变迁T10或T9，运行模式切换至放电运行模式；
当t＝t0+τ时，若E(t)＝1，且光伏单元的运行模式属于集合{P2}，触发C(E)，此时光伏发电单元触发变迁T2，运行模式切换至PQ运行模式；
当t＝t0+2τ时，若E(t)＝1，且负荷单元的运行模式属于集合{P4}，触发C(E)，此时负荷单元触发变迁T7，运行模式切换至切负荷运行模式。
当频率安全事件发生时，对应的事件触发运行模态协调切换控制被激活，根据频率安全事件E(t)的触发按顺序激活相应的变迁，具体触发顺序如下：
C(E)＝{T10→T9→T2→T7} (8)。
步骤4：下层调度控制模块用于基于全局切换控制策略，同时依据功率调节量以及频率调节需要，综合考虑负荷损失率和调度成本，构建全局最优的光储荷单元动态调度模型，求解动态调度模型，并通过控制中心智能体将各光储荷单元的最优调节功率通过信息交互下发给各单元智能体执行。
步骤4-1：基于功率调节量和光储荷运行情况，训练图卷积神经网络得到配电网各节点负荷的功率削减量。
当光储所能提供的最大调频功率小于配电网参与一次调频时需要调控的有功功率总量时，需要通过负荷减载的方式保证调控目标的达成，为了保障配电网负荷的供电可靠性，综合考虑负荷的重要程度及负荷切除对调控目标的贡献程度，采用图卷积神经网络基于历史频率安全事件及其相应的负荷减载策略，获得负荷损失率最小时各节点负荷的减载量。
图卷积神经网络的输入包括：配电网各节点的有功、无功数据和功率调节量及节点邻接矩阵A，图卷积层的具体运算表达式为：
Hl＝σ(LsymHl-1Wl) (9)
其中，Hl为第l个图卷积层输出的隐藏特征矩阵，H0＝X；Lsym为图的对称归一化拉普拉斯矩阵，
Figure BDA0003804647020000111
其中
Figure BDA0003804647020000112
IN为N×N的单位矩阵，
Figure BDA0003804647020000113
为添加自连边后图的邻接矩阵，D为图的度矩阵；Wl为GCN第l层的可训练的权重矩阵；σ(·)为激活函数，图卷积神经网络训练的过程为：
步骤4-1-1：数据预处理。采用规范化处理将节点特征的各个分量映射到区间[0,1]，假设节点特征向量为x，则
Figure BDA0003804647020000114
其中，xj和
Figure BDA0003804647020000115
分别为规范化前和规范化后第i个节点的特征分量,j∈[1,M]；xmin和xmax分别为节点特征所有分量中的最小值和最大值。将处理之后的数据样本按一定比例随机分成训练集、验证集和测试集，其中训练集和验证集用来确定GCN的各种超参数以及权重，测试集评估训练后GCN模型的性能。
步骤4-1-2：初始化，包括初始化权重和偏置。
步骤4-1-3：训练GCN，经过前向传播计算得到预测值与真实值的损失函数—均方误差，并利用反向传播算法更新GCN的权重和偏置，经多次迭代满足终止条件，即达到迭代次数或损失函数值小于一定的阈值，表明GCN学习到了数据间的映射规律，保存模型。
步骤4-1-4：GCN模型的评估，将测试集的数据输入已经训练好的GCN模型中，获得负荷削减量最小时的各节点切负荷量。
步骤4-2：基于负荷功率削减量，综合考虑切换成本和网络损耗，构建全局最优的动态调度模型，光储荷单元智能体依据调度决策指令执行功率跟踪。
根据光储荷的运行模式，在负荷损失率最小的条件下以最小化切换成本和网络损耗为目标，考虑光储出力相关约束以及电网功率平衡约束，构建全局最优的动态调度模型。
切换成本和网络损耗最小目标函数F：
Figure BDA0003804647020000121
公式(10)中Fnt表示储能切换成本，Fst表示PV切换成本，Ploss,t表示网络损耗，具体表达式如下：
s.t.
Figure BDA0003804647020000122
Fst＝ast+bst (12)
Figure BDA0003804647020000123
Figure BDA0003804647020000124
Figure BDA0003804647020000125
Figure BDA0003804647020000126
Figure BDA0003804647020000131
Figure BDA0003804647020000132
Figure BDA00038046470200001311
Pnt+Pst＝Pload+Ploss+ΔP (20)
Figure BDA0003804647020000133
μ＝{0,1},α＝{0,1},β＝{0,1} (22)
其中，c1表示综合考虑光时的权重系数、c2表示考虑储切换成本时的权重系数，c3表示考虑网络损耗时的权重系数，T为调度周期，ΔPnt为PV的功率变化值，Pst表示储能单元的实时发电功率，Cs表示储能的切换成本系数，Cn表示PV的切换成本系数，公式(13)表示储能的充放电成本，公式(14)表示储能的放电深度惩罚成本，μst和βn均表示运行模态切换的变量，
Figure BDA0003804647020000134
表示光伏功率调节上限，
Figure BDA0003804647020000135
表示储能充电功率的上限，
Figure BDA0003804647020000136
表示储能放电功率的上限，
Figure BDA0003804647020000137
表示储能充电功率的下限，
Figure BDA0003804647020000138
表示储能放电功率的下限，
Figure BDA0003804647020000139
为储能单元SOC的上限，S为储能单元SOC的下限，公式(20)为系统的功率平衡约束等式，U为节点电压的上限，
Figure BDA00038046470200001310
为节点电压的下限。
求解动态调度模型，控制中心智能体将各光储荷单元的最优调节功率通过信息交互下发给各单元智能体执行。
实施例2
对应实施例1的考虑光储荷运行模态切换的配电网调频方法，本实施例2提供一种考虑光储荷运行模态切换的配电网调频系统，请参阅图1所示，包含获取模块、分层控制模块、协调切换控制指令模块、构建调度模型模块；
获取模块用以针对电网的频率偏差，基于p-f下垂特性曲线，获取配电网参与电网一次调频过程中需要调控的有功功率总量ΔP。
分层控制模块用以基于多智能体系统的分层控制框架包括多智能体系统中，每一个光储荷单元均设置有单元智能体，该分层控制框架包含上层协调切换模块及下层调度控制模块，上层协调切换模块包含光储荷单元智能体、控制中心智能体。
请参阅图2所示，上层协调控制模块用以协调整个上层单元智能体的运行模态切换及运行模态协调切换策略。
光储荷单元智能体包含第一感知层、第一决策层、第一反应层，第一感知层负责采集上层协调切换模块中所有单元智能体的状态信息；第一决策层负责上层协调控制模块中所有单元智能体的控制与决策指令的生成；第一反应层包括动作模块，负责执行光储荷单元智能体生成的控制指令；
控制中心智能体包含第二感知层、第二决策层、第二反应层；第二感知层负责采集光储荷单元智能体的信息；第二决策层负责协调切换控制和全局优化调度指令的生成；第二反应层通过光储荷单元智能体和控制中心的信息交互，将控制指令下发给光储荷单元智能体，光储荷单元智能体执行控制质量。
下层调度控制模块是基于上层协调切换模块所产生的协调切换控制策略，同时根据功率调节量及频率调节需要，调节光储荷单元的功率，构建全局最优的光储荷单元动态调整模型。
各单元智能体之间为非主从交互行为，控制中心智能体与各单元智能体为主从交互行为，上层协调切换模块和下层调度控制模块为协同交互行为。
基于多智能体系统的分层控制框架用于构建基于DHPN的光储荷运行模态切换控制模型，该模型由九元素表示，九元素包含P0、
Figure BDA0003804647020000141
、T0、
Figure BDA0003804647020000142
、A+、M-、ΓτF；
P0表示离散库所的集合，P1表示连续库所的集合，P0、P1均代表光储荷单元的运行模态以及连续的动态行为；
T0表示离散变迁的集合，T1表示连续变迁的集合，T0、T1均代表光储荷单元的模态切换行为；
A表示离散库所和离散变迁之间连接的有向弧以及连续库所和连续变迁之间连接的有向弧的集合，即A＝(P0×T0)∪(T0×P0)∪(P1×T1)∪(T1×P1)；
M＝{M10,M20,M30}为三个单元的初始标识，均表示光储荷单元的初始运行模态；
前向触发函数F+，定义为1；
后向触发函数F-，定义为1；
Figure BDA0003804647020000151
表示所有的变迁的触发时间集合。
请参阅图3所示，“黑点”表示令牌，每个单元系统的初始标识为带有令牌的离散库所，当运行模态发生切换时，令牌就从前库所转移到对应的后库所中，带有令牌的库所这里被定义为逻辑“1”，否则为逻辑“0”，库所和变迁的详细描述见表1到表4。
表1：离散库所的说明
离散库所 说明
P<sub>1</sub> 光伏发电单元PQ运行模式
P<sub>2</sub> 光伏发电单元MPPT运行模式
P<sub>3</sub> 光伏发电单元MPPT运行模式
P<sub>4</sub> 负荷单元正常运行模式
P<sub>5</sub> 负荷单元切负荷运行模式
P<sub>6</sub> 储能单元最大SOC停止运行模式
P<sub>7</sub> 储能单元充电运行模式
P<sub>8</sub> 储能单元放电运行模式
P<sub>9</sub> 储能单元最小SOC停止运行模式
表2：离散变迁的说明
Figure BDA0003804647020000152
Figure BDA0003804647020000161
表3：连续库所的说明：
Figure BDA0003804647020000162
表4：连续变迁的说明：
Figure BDA0003804647020000163
协调切换控制指令模块用以在上层协调切换模块中的光储荷单元智能体基于相应的频率安全事件，触发光储荷运行模态切换策略，控制中心智能体接收光储荷单元智能体的信息，决策生成及协调全局切换控制策略，触发DHPN模型中的库所P0、P1执行对应的变迁T0、T1。
协调切换控制指令模块中，包含构建函数单元、决策单元、生成切换策略单元；
构建函数单元用以根据光储荷单元运行模态的切换特性，构建约束违反函数。
当约束违反函数中的约束条件被违背时，该函数由原来的逻辑“0”被使能变为逻辑“1”，当约束违反函数被使能为“1”时，对应的模态切换控制策略则被激活，将触发DHPN模型中的库所P0、P1执行对应的变迁T0、T1。
在光储荷单元智能体生成单元运行模态切换指令时，引入阶跃函数S(t-t0)表示约束违反函数的状态：
Figure BDA0003804647020000171
决策单元用以基于上层协调切换模块中所有单元智能体的状态信息，对应约束违反函数L，决策生成光储荷运行模态切换策略。
对于光伏单元，若t＝t0且GPV(t)上升至GPV(t)≥G：
Figure BDA0003804647020000172
若t＝t0且GPV(t)下降至GPV(t)≤G：
Figure BDA0003804647020000173
若t＝t0且GPV(t)上升至
Figure BDA0003804647020000174
此时有：
Figure BDA0003804647020000175
其中，GPV(t)为t时刻的光照辐射强度，G为切入阈值，
Figure BDA0003804647020000176
为退出阈值，
Figure BDA0003804647020000177
表示变迁T3的触发时间，
Figure BDA0003804647020000178
表示变迁T4的触发时间，
Figure BDA0003804647020000179
表示变迁T5的触发时间，当光伏的输出功率GPV(t)上升至大于G时，光伏发电单元由停止运行模式切换至MPPT运行模式；当光伏的输出功率GPV(t)下降至小于G时，光伏发电单元由MPPT运行模式切换至停止运行模式；当光伏的输出功率GPV(t)上升至小于
Figure BDA00038046470200001710
时，光伏发电单元由MPPT运行模式切换至停止运行模式。
对于储能单元，若t＝t0且SOC(t)上升至
Figure BDA00038046470200001711
Figure BDA00038046470200001712
若t＝t0且SOC(t)下降至SOC(t)<S，此时有：
Figure BDA00038046470200001713
其中，S为储能单元SOC的下限阈值，
Figure BDA00038046470200001714
为储能单元SOC的上限阈值，
Figure BDA00038046470200001715
表示变迁T8的触发时间，
Figure BDA0003804647020000181
表示变迁T12的触发时间,,在t＝t0时刻，若储能的荷电状态SOC(t)上升至大于
Figure BDA0003804647020000182
储能单元SOC由充电运行模式切换至最大SOC停止运行模式；若储能的荷电状态SOC(t)下降至小于S，储能单元SOC由放电运行模式切换至最小SOC停止运行模式。
生成切换策略单元用以当电网频率偏离额定值，即发生频率安全事件，控制中心智能体协调各单元智能体的切换控制，决策生成及协调全局切换控制策略，同时设计由频率安全事件触发的切换函数，若ΔP＞P，则E(t)＝1，其中，P为光储所能提供的最大调频功率，ΔP为配电网参与一次调频时需要调控的有功功率总量，E(t)为频率安全事件。
基于描述的频率安全事件，相应的协调切换策略为C(E)：
Figure BDA0003804647020000183
其中，
Figure BDA0003804647020000184
表示变迁T2的触发时间，
Figure BDA0003804647020000185
表示变迁T7的触发时间，
Figure BDA0003804647020000186
表示变迁T9的触发时间，
Figure BDA0003804647020000187
表示变迁T10的触发时间，E(t+τ)表示在t＝t0+τ时刻的频率安全事件，E(t+2τ)表示t＝t0+2τ时刻的频率安全事件。
当t＝t0时，若E(t)＝1，且储能单元运行模式属于集合{P6,P7},触发C(E)，此时储能单元触发变迁T10或T9，运行模式切换至放电运行模式；
当t＝t0+τ时，若E(t)＝1，且光伏单元的运行模式属于集合{P2}，触发C(E)，此时光伏发电单元触发变迁T2，运行模式切换至PQ运行模式；
当t＝t0+2τ时，若E(t)＝1，且负荷单元的运行模式属于集合{P4}，触发C(E)，此时负荷单元触发变迁T7，运行模式切换至切负荷运行模式。
当频率安全事件发生时，对应的事件触发运行模态协调切换控制被激活，根据频率安全事件E(t)的触发按顺序激活相应的变迁，具体触发顺序如下：
C(E)＝{T10→T9→T2→T7} (8)。
构建调度模型模块用以在下层调度控制模块用于基于全局切换控制策略，同时依据功率调节量以及频率调节需要，综合考虑负荷损失率和调度成本，构建全局最优的光储荷单元动态调度模型，求解动态调度模型，并通过控制中心智能体将各光储荷单元的最优调节功率通过信息交互下发给各单元智能体执行。
构建调度模型模块中，包含训练图卷积神经网络单元、构建动态调度模型单元；
训练图卷积神经网络单元用以基于功率调节量和光储荷运行情况，训练图卷积神经网络得到配电网各节点负荷的功率削减量。
当光储所能提供的最大调频功率小于配电网参与一次调频时需要调控的有功功率总量时，需要通过负荷减载的方式保证调控目标的达成，为了保障配电网负荷的供电可靠性，综合考虑负荷的重要程度及负荷切除对调控目标的贡献程度，采用图卷积神经网络基于历史频率安全事件及其相应的负荷减载策略，获得负荷损失率最小时各节点负荷的减载量。
图卷积神经网络的输入包括：配电网各节点的有功、无功数据和功率调节量及节点邻接矩阵A，图卷积层的具体运算表达式为：
Hl＝σ(LsymHl-1Wl) (9)
其中，Hl为第l个图卷积层输出的隐藏特征矩阵，H0＝X；Lsym为图的对称归一化拉普拉斯矩阵，
Figure BDA0003804647020000191
其中
Figure BDA0003804647020000192
IN为N×N的单位矩阵，
Figure BDA0003804647020000193
为添加自连边后图的邻接矩阵，D为图的度矩阵；Wl为GCN第l层的可训练的权重矩阵；σ(·)为激活函数，图卷积神经网络训练的过程包含数据预处理单元、初始化单元、训练GCN单元、GCN模型的评估单元；
数据预处理单元：采用规范化处理将节点特征的各个分量映射到区间[0,1]，假设节点特征向量为x，则
Figure BDA0003804647020000194
其中，xj和
Figure BDA0003804647020000195
分别为规范化前和规范化后第i个节点的特征分量,j∈[1,M]；xmin和xmax分别为节点特征所有分量中的最小值和最大值。将处理之后的数据样本按一定比例随机分成训练集、验证集和测试集，其中训练集和验证集用来确定GCN的各种超参数以及权重，测试集评估训练后GCN模型的性能。
初始化单元：包括初始化权重和偏置。
训练GCN单元：经过前向传播计算得到预测值与真实值的损失函数—均方误差，并利用反向传播算法更新GCN的权重和偏置，经多次迭代满足终止条件，即达到迭代次数或损失函数值小于一定的阈值，表明GCN学习到了数据间的映射规律，保存模型。
GCN模型的评估单元：将测试集的数据输入已经训练好的GCN模型中，获得负荷削减量最小时的各节点切负荷量。
构建动态调度模型单元用以构建基于负荷功率削减的综合考虑切换成本和网络损耗的全局最优的动态调度模型，光储荷单元智能体依据调度决策指令执行功率跟踪。
根据光储荷的运行模式，在负荷损失率最小的条件下以最小化切换成本和网络损耗为目标，考虑光储出力相关约束以及电网功率平衡约束，构建全局最优的动态调度模型。
切换成本和网络损耗最小目标函数F：
Figure BDA0003804647020000201
公式(10)中Fnt表示储能切换成本，Fst表示PV切换成本，Ploss,t表示网络损耗，具体表达式如下：
s.t.
Figure BDA0003804647020000202
Fst＝ast+bst (12)
Figure BDA0003804647020000203
Figure BDA0003804647020000204
Figure BDA0003804647020000205
Figure BDA0003804647020000206
Figure BDA0003804647020000207
Figure BDA0003804647020000208
Figure BDA0003804647020000211
Pnt+Pst＝Pload+Ploss+ΔP (20)
Figure BDA0003804647020000212
μ＝{0,1},α＝{0,1},β＝{0,1} (22)
其中，c1表示综合考虑光时的权重系数、c2表示考虑储切换成本时的权重系数，c3表示考虑网络损耗时的权重系数，T为调度周期，ΔPnt为PV的功率变化值，Pst表示储能单元的实时发电功率，Cs表示储能的切换成本系数，Cn表示PV的切换成本系数，公式(13)表示储能的充放电成本，公式(14)表示储能的放电深度惩罚成本，μst和βn均表示运行模态切换的变量，
Figure BDA0003804647020000213
表示光伏功率调节上限，
Figure BDA0003804647020000214
表示储能充电功率的上限，
Figure BDA0003804647020000215
表示储能放电功率的上限，
Figure BDA0003804647020000216
表示储能充电功率的下限，
Figure BDA0003804647020000217
表示储能放电功率的下限，
Figure BDA0003804647020000218
为储能单元SOC的上限，S为储能单元SOC的下限，公式(20)为系统的功率平衡约束等式，U为节点电压的上限，
Figure BDA0003804647020000219
为节点电压的下限。
求解动态调度模型，控制中心智能体将各光储荷单元的最优调节功率通过信息交互下发给各单元智能体执行。

Claims (10)

1.一种考虑光储荷运行模态切换的配电网调配方法，其特征在于，包含以下步骤：
步骤1：针对电网的频率偏差，基于p-f下垂特性曲线，获取配电网参与电网一次调频过程中需要调控的有功功率总量ΔP；
步骤2：基于多智能体系统的分层控制框架包括多智能体系统，每一个光储荷单元均设置有单元智能体，该分层控制框架包含上层协调切换模块及下层调度控制模块，上层协调控制模块包含光储荷单元智能体、控制中心智能体；基于多智能体系统的分层控制框架用于构建基于DHPN的光储荷运行模态切换控制模型；
步骤3：上层协调切换模块中的光储荷单元智能体基于相应的频率安全事件，触发光储荷运行模态切换策略，控制中心智能体接收光储荷单元智能体的信息，决策生成及协调全局切换控制策略，使用有功功率总量ΔP触发DHPN模型中的库所P0、P1执行对应的变迁T0、T1；
步骤4：下层调度控制模块用于基于全局切换控制策略，同时依据功率调节量以及频率调节需要，综合考虑负荷损失率和调度成本，构建全局最优的光储荷单元动态调度模型，求解动态调度模型，并通过控制中心智能体将各光储荷单元的最优调节功率通过信息交互下发给各单元智能体执行。
2.根据权利要求1所述的考虑光储荷运行模态切换的配电网调频方法，其特征在于，步骤2中，光储荷单元智能体包含第一感知层、第一决策层、第一反应层，第一感知层负责采集上层协调切换模块中所有单元智能体的状态信息；第一决策层负责上层协调控制模块中所有单元智能体的控制与决策指令的生成；第一反应层包括动作模块，负责执行光储荷单元智能体生成的控制指令；
控制中心智能体包含第二感知层、第二决策层、第二反应层；第二感知层负责采集光储荷单元智能体的信息；第二决策层负责协调切换控制和全局优化调度指令的生成；第二反应层通过光储荷单元智能体和控制中心的信息交互，将控制指令下发给光储荷单元智能体，光储荷单元智能体执行控制质量；
其中，构建基于DHPN的光储荷运行模态切换控制模型，该模型由九元素表示，九元素包含P0、P1、T0、T1、A、M、F+、F-、Γτ；
P0表示离散库所的集合，P1表示连续库所的集合，P0、P1均代表光储荷单元的运行模态以及连续的动态行为；
T0表示离散变迁的集合，T1表示连续变迁的集合，T0、T1均代表光储荷单元的模态切换行为；
A表示离散库所和离散变迁之间连接的有向弧以及连续库所和连续变迁之间连接的有向弧的集合，即A＝(P0×T0)∪(T0×P0)∪(P1×T1)∪(T1×P1)；
M＝{M10,M20,M30}为三个单元的初始标识，均表示光储荷单元的初始运行模态；
前向触发函数F+，定义为1；
后向触发函数F-，定义为1；
Figure FDA0003804647010000021
表示所有的变迁的触发时间集合。
3.根据权利要求2所述的考虑光储荷运行模态切换的配电网调频方法，其特征在于，步骤3中，包含以下步骤：
步骤3-1：根据光储荷单元运行模态的切换特性，构建约束违反函数；
步骤3-2：基于上层协调切换模块中所有单元智能体的状态信息，对应约束违反函数，决策生成光储荷运行模态切换策略；
步骤3-3：控制中心智能体协调各单元智能体的切换控制，决策生成及协调全局切换控制策略，同时设计由频率安全事件触发的切换函数，若ΔP＞P，则E(t)＝1，其中，P为光储所能提供的最大调频功率，ΔP为配电网参与一次调频时需要调控的有功功率总量，E(t)为频率安全事件。
4.根据权利要求3所述的考虑光储荷运行模态切换的配电网调频方法，其特征在于，步骤4中，构建全局最优的光储荷单元动态调度模型，包含以下步骤：
步骤4-1：基于功率调节量和光储荷运行情况，训练图卷积神经网络得到配电网各节点负荷的功率削减量；
步骤4-2：基于负荷功率削减量，综合考虑切换成本和网络损耗，构建全局最优的动态调度模型，光储荷单元智能体依据调度决策指令执行功率跟踪。
5.一种考虑光储荷运行模态切换的配电网调频系统，其特征在于，包含获取模块、分层控制模块、协调切换控制指令模块、构建调度模型模块；
获取模块用以针对电网的频率偏差，基于p-f下垂特性曲线，获取配电网参与电网一次调频过程中需要调控的有功功率总量ΔP；
分层控制模块用以基于多智能体系统的分层控制框架包括多智能体系统，每一个光储荷单元均设置有单元智能体，该分层控制框架包含上层协调切换模块及下层调度控制模块，上层协调切换模块包含光储荷单元智能体、控制中心智能体；基于多智能体系统的分层控制框架用于构建基于DHPN的光储荷运行模态切换控制模型；
协调切换控制指令模块用以在上层协调切换模块中的光储荷单元智能体基于相应的频率安全事件，触发光储荷运行模态切换策略，控制中心智能体接收光储荷单元智能体的信息，决策生成及协调全局切换控制策略，使用有功功率总量ΔP触发DHPN模型中的库所P0、P1执行对应的变迁T0、T1；
构建调度模型模块用以在下层调度控制模块用于基于全局切换控制策略，同时依据功率调节量以及频率调节需要，综合考虑负荷损失率和调度成本，构建全局最优的光储荷单元动态调度模型，求解动态调度模型，并通过控制中心智能体将各光储荷单元的最优调节功率通过信息交互下发给各单元智能体执行。
6.根据权利要求5所述的考虑光储荷运行模态切换的配电网调频系统，其特征在于，分层控制模块中，光储荷单元智能体包含第一感知层、第一决策层、第一反应层，第一感知层负责采集上层协调切换模块中所有单元智能体的状态信息；第一决策层负责上层协调控制模块中所有单元智能体的控制与决策指令的生成；第一反应层包括动作模块，负责执行光储荷单元智能体生成的控制指令；
控制中心智能体包含第二感知层、第二决策层、第二反应层；第二感知层负责采集光储荷单元智能体的信息；第二决策层负责协调切换控制和全局优化调度指令的生成；第二反应层通过光储荷单元智能体和控制中心的信息交互，将控制指令下发给光储荷单元智能体，光储荷单元智能体执行控制质量；
其中，构建基于DHPN的光储荷运行模态切换控制模型，该模型由九元素表示，九元素包含P0、P1、T0、T1、A、M、F+、F-、Γτ；
P0表示离散库所的集合，P1表示连续库所的集合，P0、P1均代表光储荷单元的运行模态以及连续的动态行为；
T0表示离散变迁的集合，T1表示连续变迁的集合，T0、T1均代表光储荷单元的模态切换行为；
A表示离散库所和离散变迁之间连接的有向弧以及连续库所和连续变迁之间连接的有向弧的集合，即A＝(P0×T0)∪(T0×P0)∪(P1×T1)∪(T1×P1)；
M＝{M10,M20,M30}为三个单元的初始标识，均表示光储荷单元的初始运行模态；
前向触发函数F+，定义为1；
后向触发函数F-，定义为1；
Figure FDA0003804647010000041
表示所有的变迁的触发时间集合。
7.根据权利要求6所述的考虑光储荷运行模态切换的配电网调频系统，其特征在于，协调切换控制指令模块中，包含构建函数单元、决策单元、生成切换策略单元；
构建函数单元用以根据光储荷单元运行模态的切换特性，构建约束违反函数；
决策单元用以基于上层协调切换模块中所有单元智能体的状态信息，对应约束违反函数，决策生成光储荷运行模态切换策略；
生成切换策略单元用以根据控制中心智能体协调各单元智能体的切换控制，决策生成及协调全局切换控制策略，同时设计由频率安全事件触发的切换函数，若ΔP＞P，则E(t)＝1，其中，P为光储所能提供的最大调频功率，ΔP为配电网参与一次调频时需要调控的有功功率总量，E(t)为频率安全事件。
8.根据权利要求7所述的考虑光储荷运行模态切换的配电网调频系统，其特征在于，构建调度模型模块中，包含训练图卷积神经网络单元、构建动态调度模型单元；
训练图卷积神经网络单元用以基于功率调节量和光储荷运行情况，训练图卷积神经网络得到配电网各节点负荷的功率削减量；
构建动态调度模型单元用以构建基于负荷功率削减的综合考虑切换成本和网络损耗的全局最优的动态调度模型，光储荷单元智能体依据调度决策指令执行功率跟踪。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至权利要求8所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至权利要求8所述的方法的步骤。
CN202210992959.2A 2022-08-18 2022-08-18 一种考虑光储荷运行模态切换的配电网调频方法及系统 Pending CN115441469A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210992959.2A CN115441469A (zh) 2022-08-18 2022-08-18 一种考虑光储荷运行模态切换的配电网调频方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210992959.2A CN115441469A (zh) 2022-08-18 2022-08-18 一种考虑光储荷运行模态切换的配电网调频方法及系统

Publications (1)

Publication Number Publication Date
CN115441469A true CN115441469A (zh) 2022-12-06

Family

ID=84242388

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210992959.2A Pending CN115441469A (zh) 2022-08-18 2022-08-18 一种考虑光储荷运行模态切换的配电网调频方法及系统

Country Status (1)

Country Link
CN (1) CN115441469A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116581740A (zh) * 2023-04-20 2023-08-11 国网浙江省电力有限公司嘉兴供电公司 一种基于分布式能源运行模式紧急调切的配电网自愈混合控制方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116581740A (zh) * 2023-04-20 2023-08-11 国网浙江省电力有限公司嘉兴供电公司 一种基于分布式能源运行模式紧急调切的配电网自愈混合控制方法
CN116581740B (zh) * 2023-04-20 2024-01-12 国网浙江省电力有限公司嘉兴供电公司 一种基于分布式能源运行模式紧急调切的配电网自愈混合控制方法

Similar Documents

Publication Publication Date Title
CN105846461B (zh) 一种大规模储能电站自适应动态规划的控制方法和系统
Moghaddam et al. Multi-objective operation management of a renewable MG (micro-grid) with back-up micro-turbine/fuel cell/battery hybrid power source
CN107732960A (zh) 微电网储能系统容量优化配置方法
CN112131733B (zh) 计及电动汽车充电负荷影响的分布式电源规划方法
CN105207253B (zh) 考虑风电及频率不确定性的agc随机动态优化调度方法
Rodriguez et al. Fuzzy logic-based energy management for isolated microgrid using meta-heuristic optimization algorithms
CN111555355A (zh) 水光蓄联合发电的调度策略及其优化方法
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
CN108551176B (zh) 一种结合储能均衡技术的储能电池系统容量配置方法
CN109034587B (zh) 一种协调多种可控单元的主动配电系统优化调度方法
CN103986194A (zh) 一种独立型微网优化配置方法和装置
CN112821470A (zh) 基于小生境混沌粒子群算法的微网群优化调度策略
Li et al. A dynamic multi-constraints handling strategy for multi-objective energy management of microgrid based on MOEA
CN115441469A (zh) 一种考虑光储荷运行模态切换的配电网调频方法及系统
CN114943417A (zh) 基于模型预测控制的多目标能源组合优化调度方法及系统
CN115954957A (zh) 一种复合发电系统的容量配置方法、装置和电子设备
CN115795992A (zh) 一种基于运行态势虚拟推演的园区能源互联网在线调度方法
Rodriguez et al. Energy management system for an isolated microgrid based on Fuzzy logic control and meta-heuristic algorithms
Gaojun et al. Multi-objective capacity optimization configuration of independent wind-photovoltaic-hydrogen-battery system based on improved MOSSA algorithm
CN116191421A (zh) 一种基于改进nsga-ii算法的新型电力系统多目标优化调度方法
CN115511386B (zh) 基于多目标混合非洲秃鹫优化算法的多能系统调度方法
CN117060386A (zh) 一种基于值分布深度q网络的微电网储能调度优化方法
CN114970096A (zh) 基于概率最优潮流的电力系统灵活性量化评估方法及系统
CN114971250A (zh) 基于深度q学习的综合能源经济调度系统
Park et al. Delayed Q-update: A novel credit assignment technique for deriving an optimal operation policy for the Grid-Connected 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