CN115912515A - 一种考虑电压越限的负荷功率实时控制方法 - Google Patents

Abstract

本发明提供一种考虑电压越限的负荷功率实时控制方法，包括以下步骤：S1：确定馈线电压目标值；S2：建立光伏无功‑电压状态空间模型、风机无功‑电压状态空间模型、实时调压器无功‑电压状态空间模型，结合系统构成建立系统无功‑电压状态空间模型，结合电压灵敏度得到馈线电压预测模型；S3：构建并求解馈线负荷功率控制滚动优化模型；S4：执行优化结果，进行馈线负荷功率反馈校正；S5：判断负荷功率控制结果，退出优化或者重复步骤S2。本方面提供的方法，构建了构建了系统馈线电压预测模型，通过滚动优化实现了馈线电压的实时修正，在保证馈线负荷功率控制效果的同时消除了新能源功率波动导致的电压越限。

Description

一种考虑电压越限的负荷功率实时控制方法

技术领域

本发明属于负荷控制领域，尤其涉及一种考虑电压越限的负荷功率实时控制方法。

背景技术

随着配电网智能化水平不断提高以及电力市场不断完善，配电网负荷侧调节潜力正不断显现。挖掘负荷侧调节能力参与新能源消纳，符合我国新型电力系统的源-网-荷-储一体化特征。馈线负荷功率控制技术，在国外也称作节能降压技术(Conservation VoltageReduction,CVR)，是一种基于负荷电压-功率耦合特性的负荷控制技术，通过电压控制，调节负荷功率，广泛应用于系统节能、调峰等长时间尺度应用。

为了增强负荷功率调节效果，馈线负荷功率控制技术往往将节点电压优化到系统所允许的边界处，以带来更大的负荷功率调节量。但是新能源功率实时波动导致的潮流变化易引发电压越限问题，影响馈线负荷功率控制效果与用户电能质量。

针对新能源接入造成的功率波动问题，现有研究的控制时间尺度通常集中在小时/分钟级。但是新能源出力具有不稳定性，出力变化较大，当前时间尺度的控制策略难以适用于新能源出力快速波动场景，迫切需要提出针对新能源接入系统的出力快速变化的实时功率控制策略，保证配电网安全可靠运行。

公开号为CN110601252A的中国发明专利公开了一种基于MPC的含分布式光伏配电网馈线级快速电压控制方法，包括串联型调压设备DVR、光伏逆变器、装设在馈线首端及部分光伏接入节点的DPMU量测单元；基于DPMU快速反馈信息，通过协调广域范围内多台DVR及分布式光伏逆变器实现秒级电压控制；具体是首先基于DPMU量测信息对于含分布式光伏及DVR配电网的状态估计，然后进行馈线电压最优控制梯度的在线提取，馈线电压跟踪基准值的在线更新，最后基于MPC的馈线级电压闭环控制；但是该专利没有考虑到新能源功率实时波动带来的电压越限问题。

公开号为CN104753066B的中国实用新型专利公开了一种基于参数拟合的主动配电网馈线的电压控制方法，包括以下步骤：1总控制单元获取各条馈线的电压状态信息；2当馈线上的电压最小值低于电压下限时进行基于参数拟合的馈线无功功率调压或进行切负荷操作电压控制：3当馈线上的电压最大值高于电压上限时进行基于参数拟合的馈线无功功率调压或进行基于参数拟合的馈线有功功率调压。本发明专利可以避免电压越限问题，但是优化方法采用的是参数拟合法，不能实现即时动态调节。

发明内容

针对现有技术的不足，本发明的目的是提供一种考虑电压越限的负荷功率实时控制方法。在保证节点电压不越限下，实时精准控制馈线电压，增强配电网功率调节效果。

为实现上述目的，本发明采用以下技术方案:

一种考虑电压越限的负荷功率实时控制方法，控制方法包括以下步骤：

S1：通过馈线负荷功率调节量得到电压调节量，确定馈线电压目标值；

S2：建立光伏无功-电压状态空间模型、风机无功-电压状态空间模型、实时调压器无功-电压状态空间模型，结合系统构成建立系统无功-电压状态空间模型，结合电压灵敏度得到馈线电压预测模型；

S3：构建并求解馈线负荷功率控制滚动优化模型；

S4：执行优化结果，进行馈线负荷功率反馈校正；

S5：判断负荷功率控制结果，若已经控制，则结束调节，若未完成控制，则重复步骤S2。

进一步的，步骤S1中，馈线负荷功率控制是通过调整馈线电压控制馈线负荷功率，馈线负荷功率需要调节ΔP_i时，馈线电压调节量为ΔP_i/K_i，其中K_i为馈线负荷的电压-功率耦合特性系数，则馈线电压目标值V₀＝V-ΔP_i/K_i，，V₀是馈线目标电压。

进一步的，步骤S2中，光伏无功-电压状态空间模型包括PQ控制类型的光伏无功-电压状态空间模型和PV控制类型的光伏无功-电压状态空间模型，风机无功-电压状态空间模型包括PQ控制类型的风机无功-电压状态空间模型和PV控制类型的风机无功-电压状态空间模型。

进一步的，PQ控制类型的光伏无功-电压状态空间模型用以下公式表示：

其中，

ΔQ^PV为光伏无功功率变化量，ΔQ^PV,ref为光伏目标无功功率变化量，ΔQ^PV,ref＝Q^PV,ref-Q^PV，Q^PV,ref与Q^PV分别为光伏目标无功功率与初始无功功率；

为光伏无功功率控制时间常数；

PV控制类型的光伏无功-电压状态空间模型用以下公式表示：

其中，

ΔV^{PV ,ref}为光伏目标电压偏差，ΔV^PV,ref＝V^PV,ref-V^PV，V^PV,ref与V^PV分别为光伏目标电压与初始电压；K_PV为PV类型光伏电压-无功控制下垂系数。

进一步的，PQ控制类型的风机无功-电压状态空间模型为：

其中，

为风机无功功率控制时间常数；

PV控制类型的风机无功-电压状态空间模型为：

其中，

K_WT为PV类型风机电压-无功控制下垂系数。

进一步的，实时调压器无功-电压状态空间模型为：

其中，A_VT＝-1/T_VT；B_VT＝1/T_VT，ΔV^out为调压器输出电压变化量；ΔV^VT,ref为调压器目标电压变化量；T_VT为调压器电压控制时间常数。

进一步的，步骤S2中，结合系统构成建立系统无功-电压状态空间模型具体为：结合系统内PV控制类型的光伏和PQ控制类型的光伏的数量、PV控制类型的风机和PQ控制类型的风机的数量建立系统无功-电压状态空间模型，对于有一台实时调压器、N_PQPV台PQ类型光伏、N_PVPV台PV类型光伏、N_PQWT台PQ类型风机以及N_PVWT台PV类型风机的配电网，系统无功-电压状态空间模型为：

进一步的，步骤S2还包括将系统无功-电压状态空间模型中的公式

离散化为x(k+1)＝A_dx(k)+B_du(k)，系统无功-电压状态空间模型系统结合电压灵敏度得到系统馈线电压预测模型：

式中，V(k)为第k步时系统节点电压，V(0)为系统初始电压；ΔV₀(k)为实时调压器输出电压变化量；ΔP(k)与ΔQ(k)分别为节点净有功功率与净无功功率变化量。

进一步的，基于步骤S2得到的系统馈线电压预测模型，构建馈线负荷功率控制滚动优化模型：

其中，V(k)为k时刻馈线电压；V₀为馈线电压相应时间段内目标值；N_p为预测周期内采样步数集合，N_p＝[1,…,N_p]^T。N_p为预测周期采样步数,N_p＝T_p/ΔT_p，T_p为预测周期，ΔT_p为采样周期，对滚动优化模型进行求解，可得到控制周期内各节点电压、无功调压设备的动作量与馈线负荷的功率调节量。

进一步的，滚动优化模型中包含以下约束：电压越限约束、无功调压设备控制量约束、同一控制周期内无功调压设备的控制量不变，电压灵敏度在预测周期内不变。

与现有技术相比，本发明提供的一种考虑电压越限的负荷功率实时控制方法有以下有益效果：

随着全球能源、环境和气候问题的日益严峻，加快开发利用可再生能源以推动经济发展成为全社会的共识。在现有的可再生能源的开发技术中，光伏和风电能源日趋成熟并得到广泛应用，近年来新能源发电发展迅猛，风力发电和太阳能发电已超过核电成为继煤电和水电之后的第三大主力电源。随着新能源发电不断接入电网，需要挖掘负荷侧调节能力参与新能源消纳。

现有技术中，一般采用馈线负荷功率控制技术，通过电压控制，调节负荷功率，广泛应用于系统节能、调峰等长时间尺度应用。为了增强负荷功率调节效果，往往将节点电压优化到系统所允许的边界处，比如国标规定的0.93和1.07，但是新能源功率实时波动导致的潮流变化易引发电压越限问题，比如新能源出力较高可能引起潮流返送，进而导致电压抬升甚至电压越上限等问题；而新能源出力骤降时，则可能导致馈线末端电压越下限问题。电压越限不仅是电能质量问题，而且会影响配电网运行可靠性及新能源利用率，如果不加以控制可能导致新能源脱网等严重问题，影响馈线负荷功率控制效果与用户电能质量。

很多电力系统专业技术人员针对此问题进行过研究，然而，现有研究一方面通常在较长时间尺度实施馈线负荷功率控制技术，难以满足新型电力系统对负荷侧功率调节的快速性要求，另一方面，部分研究虽然考虑了实时时间尺度的馈线负荷功率控制技术，并通过将电压优化到边界处以增强馈线负荷功率控制效果，然而忽略了此时新能源功率波动极易引发电压越限问题，配电网存在电压越限风险。

本发明提供的考虑电压越限的负荷功率实时控制方法，是基于负荷电压-功率耦合特性的负荷控制技术，通过控制电压，调节负荷功率，根据功率负荷调节量，确定电压调节量，并得到目标电压。

本发明通过分析不同类型的光伏、风机和实时调压器的无功功率调节特性，建立了各种类型的光伏、风机和实时调压器的无功-电压状态空间模型，又结合电网系统的构成，调压器一般安装在馈线首端，作为松弛节点灵活调整系统电压，光伏与风机则分散在不同节点，通过注入无功功率控制系统电压，再结合实时调压器一般为一个、光伏和风机可能为多个的特性，建立了适用于绝大多数电力网络的系统无功-电压状态空间模型，经过离散化处理，结合电压灵敏度，得到了馈线电压预测模型。馈线电压与初始电压、风机光伏的节点净有功功率变化量、实时调压器的输出电压变化量、风机光伏的节点净无功功率变化量有关，本发明构建的馈线电压预测模型，适用范围大，能适用于绝大多数的电力系统，且模型内相关指标明确具体可计算。

本发明构建了滚动优化模型，具体来说是基于预测控制的滚动优化模型，预测控制的优化不是一次离线进行，而是随着采样时刻的前进反复地在线进行，在每个采样时刻都要根据当前的预估误差重新计算控制作用的变化量，不断滚动计算，反复对每一采样时刻的偏差进行优化计算，将可及时地校正控制过程中出现的各种复杂情况。

滚动优化模型是利用预测模型和系统的历史数据、未来输入来预测系统的未来输出的控制，通过某一性能指标在滚动的有限时间区间内进行优化得到反馈校正控制。滚动优化与传统的全局优化不同，滚动优化在每一时刻优化性能指标只涉及到从该时刻起未来有限的时间，而到下一时刻，这一优化时间同时向前推移，不断地进行在线优化。在每一时刻得到一组未来的控制动作，而只实现本时刻的控制动作，到下一时刻重新预测优化出一组新的控制，也是只实现一个新的控制动作，每步都是反馈校正。预测控制有了预见性，滚动优化和反馈校正能够更好地适应实际系统，有更强的鲁棒性。通过此方法，实现闭环控制，运行人员按照滚动优化模型结果调整系统无功调压设备的运行点。

本发明中，滚动优化模型中包含以下约束：电压越限约束、无功调压设备控制量约束、同一控制周期内无功调压设备的控制量不变，电压灵敏度在预测周期内不变。可以避免电压越限，并且使调节过程与电力系统内的无功调节设备相适应。

综上，本发明提供的考虑电压越限的负荷功率实时控制方法，利用实时调压器、光伏和风机作为无功调压设备，建立馈线电压预测模型，滚动优化馈线电压，解决了馈线负荷功率控制期间新能源功率波动导致的负荷功率控制精度与电压越限问题，增强配电网功率调节效果。

附图说明

下面结合附图对本发明做进一步的详细说明。

图1为本发明提供的考虑电压越限的负荷功率实时控制方法的流程图。

具体实施方式

下面结合实施例对本发明作进一步说明。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参考图1，图1为本发明提供的考虑电压越限的负荷功率实时控制方法的流程示意图。

本发明提供的考虑电压越限的负荷功率实时控制方法包括以下步骤：

S1：通过馈线负荷功率调节量得到电压调节量，确定馈线电压目标值；

S2：建立光伏无功-电压状态空间模型、风机无功-电压状态空间模型、实时调压器无功-电压状态空间模型，结合系统构成建立系统无功-电压状态空间模型，结合电压灵敏度得到馈线电压预测模型；

S3：构建并求解馈线负荷功率控制滚动优化模型；

S4：执行优化结果，进行馈线负荷功率反馈校正；

S5：判断负荷功率控制结果，若已经控制，则结束调节，若未完成控制，则重复步骤S2。

在一些优选的实施例中，步骤S1中，馈线负荷功率控制是通过调整馈线电压控制馈线负荷功率，馈线负荷功率需要调节ΔP_i时，馈线电压调节量为ΔP_i/K_i，其中K_i为馈线负荷的电压-功率耦合特性系数，则馈线电压目标值V₀＝V-ΔP_i/K_i，，V₀是馈线目标电压。

在步骤S2中，光伏无功-电压状态空间模型包括PQ控制类型的光伏无功-电压状态空间模型和PV控制类型的光伏无功-电压状态空间模型，风机无功-电压状态空间模型包括PQ控制类型的风机无功-电压状态空间模型和PV控制类型的风机无功-电压状态空间模型。

针对PQ控制类型的光伏无功-电压状态空间模型，PQ控制类型的光伏，逆变器采用PQ解耦控制。由于不考虑光伏控制器内部毫秒级暂态调节过程，PQ控制类型的光伏调节模型近似采用如式(1)所示的一阶惯性环节表示。

式中，ΔQ^PV为光伏无功功率变化量；ΔQ^PV,ref为光伏目标无功功率变化量；ΔQ^PV,ref＝Q^PV,ref-Q^PV，Q^PV,ref与Q^PV分别为光伏目标无功功率与初始无功功率；

为光伏无功功率控制时间常数。

相应地，PQ控制的光伏无功控制状态空间模型如式(2)所示。

式中，

针对PV控制类型的光伏无功-电压状态空间模型，PV控制类型的光伏以电压为控制目标。光伏利用本地下垂控制器，根据目标电压与并网点实际电压的偏差计算等效的目标无功功率，如式(3)所示，然后再通过无功功率控制完成目标无功功率。

ΔQ^PV,ref＝K_PVΔV^PV,ref (3)

式中，ΔV^PV,ref为光伏目标电压偏差，ΔV^PV,ref＝V^PV,ref-V^PV，V^PV,ref与V^PV分别为光伏目标电压与初始电压；K_PV为PV类型光伏电压-无功控制下垂系数。

相应地，PV控制类型的光伏无功控制状态空间模型如式(4)所示。

式中，

针对风机无功-电压状态空间模型，风机与光伏的VSC控制逻辑相似，但风机功率控制时间常数普遍远大于光伏功率控制时间常数。相应地，PQ控制类型风机无功控制的状态空间模型为：

式中，

为风机无功功率控制时间常数。

PV控制类型风机无功控制的状态空间模型为：

式中，

K_WT为PV类型风机电压-无功控制下垂系数。

针对实时调压器无功-电压状态空间模型，实时调压器无功-电压状态空间模型。实时调压器包括智能变压器与动态电压恢复器等，一般采用VSC实现电压控制。以动态电压恢复器为例，通常采用电压电流双闭环控制模式，获取补偿电压目标值后，通过电压与电流双环控制，对补偿电压进行实时跟踪，通过PWM调制后完成VSC控制，输出相应的补偿电压，完成电压控制。对于实时调压器，其电压调节外特性均可用一阶惯性环节表示：

ΔV^out＝ΔV^VT,ref/(1+sT_VT) (7)

式中，ΔV^out为调压器输出电压变化量；ΔV^VT,ref为调压器目标电压变化量；T_VT为调压器电压控制时间常数。

相应地，实时调压器的状态空间模型为：

式中，A_VT＝-1/T_VT；B_VT＝1/T_VT。

步骤S2中，在结合系统构成建立系统无功-电压状态空间模型步骤中，结合系统内PV控制类型的光伏和PQ控制类型的光伏的数量、PV控制类型的风机和PQ控制类型的风机的数量建立系统无功-电压状态空间模型，系统内一般含有少量的实时调压器与大量的光伏、风电新能源。实时调压器一般安装在馈线首端，作为松弛节点灵活调整系统电压，光伏与风机则分散在不同节点，通过注入无功功率控制系统电压。

对于有1台调压器、N_PQPV台PQ类型光伏、N_PVPV台PV类型光伏、N_PQWT台PQ类型风机以及N_PVWT台PV类型风机的配电网，包括所有控制变量的系统状态空间模型为：

由于上述的系统状态空间模型为连续化模型，但是在实际工程中采用离散控制，为了便于控制，将公式(9)以ΔT_P为步长离散化，得到公式(14)。

x(k+1)＝A_dx(k)+B_du(k) (14)系统无功-电压状态空间模型系统结合电压灵敏度得到系统馈线电压预测模型：

式中，V(k)为第k步时系统节点电压，V(0)为系统初始电压；ΔV₀(k)为松弛节点电压变化量(即实时调压器输出电压变化量)；ΔP(k)与ΔQ(k)分别为节点净有功功率与净无功功率变化量。

在步骤S3中，基于步骤S2得到的系统馈线电压预测模型，构建馈线负荷功率控制滚动优化模型如公式(16)所示。一方面，目标函数使馈线负荷功率逼近目标值，保证馈线负荷功率控制效果；另一方面，通过限制节点电压偏移，减少由于新能源功率波动导致的电压越限。

式中，V(k)为k时刻馈线电压；V₀为馈线电压相应时间段内目标值；N_p为预测周期内采样步数集合，N_p＝[1,…,N_p]^T。N_p为预测周期采样步数,N_p＝T_p/ΔT_p，T_p为预测周期，ΔT_p为采样周期。

滚动优化模型以实时量测数据为输入，对馈线电压进行在线修正。滚动优化模型基于步骤1得到的馈线目标电压值，考虑新能源实时功率波动，对多种无功调压设备进行滚动优化。决策变量包括新能源逆变器的并网点电压或无功功率、实时调压器的输出电压，优化目标为最小化系统馈线电压与目标电压偏差。对滚动优化模型进行求解，可得到控制周期内各节点电压、无功调压设备的动作量与馈线负荷的功率调节量。

进一步的，滚动优化模型中包含以下约束：电压越限约束、无功调压设备控制量约束、同一控制周期内无功调压设备的控制量不变，电压灵敏度在预测周期内不变。

滚动优化模型的电压越限约束。为避免电压越限，节点电压应在允许范围内，如式(17)与式(18)所示。

式中，V_i(k)为i馈线在k时刻电压，V_max与V_min分别为馈线电压最大值与最小值。N为系统节点集合。

滚动优化模型的无功调压设备运行约束。本发明中的无功调压设备包括PQ控制类型的光伏和PV控制类型的光伏，PQ控制类型的风机和PV控制类型的风机和实时调压器。无功调压设备的控制量应在允许范围，包括调压器的输出电压、光伏与风机逆变器的无功功率、并网点电压等，如式(19)-式(23)所示

式中，V^VT,ref(k)为调压器在k时刻目标输出电压；

为第i台PQ类型光伏在k时刻目标无功功率；

为第i台PV类型光伏在k时刻目标电压；

为第i台PQ类型风机在k时刻目标无功功率；

为第i台PV类型风机在k时刻目标电压。N_VT为调压器节点集合；N_PQPV与N_PVPV分别为PQ类型与PV类型的光伏节点集合；N_PQWT与N_PVWT分别为PQ类型与PV类型的风机节点集合。

无功调压设备的控制量只在控制周期切换时发生变化，同一控制周期内控制量保持不变，如式(24)-式(28)所示。

式中，N_c为控制周期内采样步数集合，N_c＝[1,…,N_c]^T。N_c＝T_c/ΔT_p，T_c为控制周期。m表示第m个控制周期。

滚动优化模型的电压灵敏度约束。电压灵敏度在预测周期内保持不变，如式(29)-式(58)所示。

在步骤S4中，执行优化结果，进行馈线负荷功率反馈校正：优化模型得到多个控制周期的无功调压设备动作量，但每次只执行最新控制周期内的优化结果。单次控制周期结束后，进行反馈校正，根据系统实际运行状态对模型参数进行调整，然后再次进行新的模型优化求解与控制指令下发，实现闭环控制，运行人员按照滚动优化模型结果调整系统无功调压设备的运行点。

在步骤S5中，判断负荷功率控制结果，若已经控制，则结束调节，若未完成控制，则重复步骤S2。

本发明提供的考虑电压越限的负荷功率实时控制方法，针对高比例新能源的配电网中，新能源功率扰动下，节点电压可能会发生越限，对采用电压控制的实时功率控制产生影响的问题，构建了系统馈线电压预测模型，从实时运行角度，充分考虑新能源快速波动对馈线负荷功率控制的影响，通过滚动优化实现了馈线电压的实时修正，在保证馈线负荷功率控制效果的同时消除了新能源功率波动导致的电压越限。

至此，本领域技术人员应认识到，虽然本文已详尽示出和描述了本发明的多个示例性实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。

Claims (10)

1.一种考虑电压越限的负荷功率实时控制方法，其特征在于，所述控制方法包括以下步骤：

S1：通过馈线负荷功率调节量得到电压调节量，确定馈线电压目标值；

S2：建立光伏无功-电压状态空间模型、风机无功-电压状态空间模型、实时调压器无功-电压状态空间模型，结合系统构成建立系统无功-电压状态空间模型，结合电压灵敏度得到馈线电压预测模型；

S3：构建并求解馈线负荷功率控制滚动优化模型；

S4：执行优化结果，进行馈线负荷功率反馈校正；

S5：判断负荷功率控制结果，若已经控制，则结束调节，若未完成控制，则重复步骤S2。

2.根据权利要求1所述的一种考虑电压越限的负荷功率实时控制方法，其特征在于，步骤S1中，馈线负荷功率控制是通过调整馈线电压控制馈线负荷功率，馈线负荷功率需要调节ΔP_i时，馈线电压调节量为ΔP_i/K_i，其中K_i为馈线负荷的电压-功率耦合特性系数，则馈线电压目标值V₀＝V-ΔP_i/K_i，，V₀是馈线目标电压。

3.根据权利要求1所述的一种考虑电压越限的负荷功率实时控制方法，其特征在于，步骤S2中，光伏无功-电压状态空间模型包括PQ控制类型的光伏无功-电压状态空间模型和PV控制类型的光伏无功-电压状态空间模型，风机无功-电压状态空间模型包括PQ控制类型的风机无功-电压状态空间模型和PV控制类型的风机无功-电压状态空间模型。

4.根据权利要求3所述的一种考虑电压越限的负荷功率实时控制方法，其特征在于，PQ控制类型的光伏无功-电压状态空间模型用以下公式表示：

其中，

ΔQ^PV为光伏无功功率变化量，ΔQ^PV,ref为光伏目标无功功率变化量，ΔQ^PV,ref＝Q^PV,ref-Q^PV，Q^PV,ref与Q^PV分别为光伏目标无功功率与初始无功功率；

为光伏无功功率控制时间常数；

PV控制类型的光伏无功-电压状态空间模型用以下公式表示：

其中，

ΔV^PV,ref为光伏目标电压偏差，ΔV^PV,ref＝V^PV,ref-V^PV，V^PV,ref与V^PV分别为光伏目标电压与初始电压；K_PV为PV类型光伏电压-无功控制下垂系数。

5.根据权利要求3所述的一种考虑电压越限的负荷功率实时控制方法，其特征在于，PQ控制类型的风机无功-电压状态空间模型为：

其中，

为风机无功功率控制时间常数；

PV控制类型的风机无功-电压状态空间模型为：

其中，

K_WT为PV类型风机电压-无功控制下垂系数。

6.根据权利3所述的一种考虑电压越限的负荷功率实时控制方法，其特征在于，实时调压器无功-电压状态空间模型为：

其中，A_VT＝-1/T_VT；B_VT＝1/T_VT，ΔV^out为调压器输出电压变化量；ΔV^VT,ref为调压器目标电压变化量；K_VT为调压器电压控制时间常数。

7.根据权利要求6所述的一种考虑电压越限的负荷功率实时控制方法，其特征在于，步骤S2中，结合系统构成建立系统无功-电压状态空间模型具体为：结合系统内PV控制类型的光伏和PQ控制类型的光伏的数量、PV控制类型的风机和PQ控制类型的风机的数量建立系统无功-电压状态空间模型，对于有一台实时调压器、N_PQPV台PQ类型光伏、N_PVPV台PV类型光伏、N_PQWT台PQ类型风机以及N_PVWT台PV类型风机的配电网，系统无功-电压状态空间模型为：

8.根据权利要求6所述的一种考虑电压越限的负荷功率实时控制方法，其特征在于，步骤S2还包括将系统无功-电压状态空间模型中的公式

离散化为x(k+1)＝A_dx(k)+B_du(k)，系统无功-电压状态空间模型系统结合电压灵敏度得到系统馈线电压预测模型：

式中，V(k)为第k步时系统节点电压，V(0)为系统初始电压；ΔV₀(k)为实时调压器输出电压变化量；ΔP(k)与ΔQ(k)分别为节点净有功功率与净无功功率变化量。

9.根据权利要求8所述的一种考虑电压越限的负荷功率实时控制方法，其特征在于，基于步骤S2得到的系统馈线电压预测模型，构建馈线负荷功率控制滚动优化模型：

其中，V(k)为k时刻馈线电压；V₀为馈线电压相应时间段内目标值；N_p为预测周期内采样步数集合，N_p＝[1,…,N_p]^T。N_p为预测周期采样步数,N_p＝T_p/ΔT_p，T_p为预测周期，ΔT_p为采样周期，对滚动优化模型进行求解，可得到控制周期内各节点电压、无功调压设备的动作量与馈线负荷的功率调节量。

10.根据权利要求9所述的一种考虑电压越限的负荷功率实时控制方法，其特征在于，滚动优化模型中包含以下约束：电压越限约束、无功调压设备控制量约束、同一控制周期内无功调压设备的控制量不变，电压灵敏度在预测周期内不变。

Images