强扰动工况下主动配电网的自适应电压控制方法与系统与流程

本发明涉及电力系统中配电自动化与主动配电网领域，具体涉及强扰动工况下主动配电网的自适应电压控制方法与系统。

背景技术：

1、为加快新型电力系统建设，风光等可再生能源及电动汽车在配电网中的渗透率不断增加，虽有效降低了系统碳排放，但该类分布式资源出力的随机性与波动性易引发配电网电压频繁越限，使其调控难度剧增。针对这一问题，现有技术主要存在以下不足：（1）配电网中原有的离散式调压设备（如有载调压变压器和并联电容器组）响应速度慢、调节步长固定，难以满足当前电网对于连续、实时且精细化调压的需求。（2）在应对电动汽车等灵活性资源时，现有研究多将其描述不确定项，通过建立复杂的概率分布模型或采用鲁棒优化方法来进行系统调控。但该类用户的行为具备较强的灵活性，模型精度将直接影响调控结果可行性，在剧烈波动工况（如海量车辆无序接入和光伏的随机波动）下，导致电压剧烈波动，严重影响配电网的供电可靠性。

技术实现思路

1、本发明要解决的技术问题：针对现有技术的上述问题，提供强扰动工况下主动配电网的自适应电压控制方法与系统，本发明旨在克服现有技术中配电网中原有的离散式调压设备响应速度慢、调节步长固定，难以满足当前电网对于连续、实时且精细化调压的需求。

2、为了解决上述技术问题，本发明采用的技术方案包括以下步骤：

3、s1，构建以节点电压为状态量的配网动态演化模型；所述配网动态演化模型包括光伏系统参与电压调节的数学模型、储能系统出力模型、电动汽车数学模型和离散调控设备数学模型；其中，所述光伏系统参与电压调节的数学模型用于挖掘逆变器剩余无功容量，对无功功率进行调控；所述储能系统出力模型用于通过实时响应系统内的源荷变化，平衡因短时波动造成的峰谷差；所述电动汽车数学模型包括i型电动汽车模型和ii型电动汽车模型，其中i型电动汽车为离散控制模式的固定负荷，ii型电动汽车为功率可在[0, p_s_max]区间内连续调节的灵活性资源；所述离散调控设备数学模型包括有载调压变压器oltc模型和并联电容器组cb模型，oltc通过改变变压器绕组分接头位置调整变比以实现节点电压的离散控制，cb通过控制不同组数电容器的投入与切除向电网提供无功功率支撑；输出所述配网动态演化模型；

4、s2，构建双层控制架构；第一层基于所述配网动态演化模型，采用分层策略、离散设备寿命优先策略、负荷时间平移错峰策略和系统最优策略，以第一层调度周期为步长进行周期优化计算并输出第一层控制指令，所述第一层控制指令包括储能系统的充放电计划、oltc档位调节计划和cb投切计划；其中，所述系统最优策略将i型和ii型电动汽车的负荷设为零，基于源荷出力预测数据计算无扰动工况下的系统最优潮流；所述分层策略以最小化调节需求为目标，优化储能和传统离散设备的出力，实现系统基础负荷的峰谷平衡；所述负荷时间平移错峰策略在保持i型电动汽车恒定功率充电的前提下，在其允许的最大延迟时间内调整充电起始时刻；所述离散设备寿命优先策略以oltc和cb的动作次数最少和电压偏差最小为优化目标；第二层基于扰动观测器模型、预测优化模型和约束模型，采用前馈策略、时域滚动策略、目标加权滚动策略和终端约束策略，以第二层采样周期为步长进行周期滚动优化并输出第二层控制指令，所述第二层控制指令包括光伏逆变器的无功调节指令和ii型电动汽车的功率调节指令；其中，所述扰动观测器模型基于李雅普诺夫稳定性理论设计，包括状态观测器和扰动观测器，用于实时估计系统电压状态和未知扰动并输出扰动估计值；所述前馈策略将所述扰动估计值作为已知前馈量输入预测优化模型；所述时域滚动策略以第二层采样周期为步长，在预测时域内反复滚动求解优化问题；所述目标加权滚动策略引入时变调节成本以反映动态电力市场价格和需求侧峰谷特性；所述终端约束策略确保在离网时间前完成ii型电动汽车的充电需求；

5、s3，将所述第一层控制指令和所述第二层控制指令下发至对应的可控设备执行，并采集执行后的系统实际电压输出，反馈至所述扰动观测器模型以更新下一周期的扰动估计值，形成闭环自适应电压控制。

6、进一步的，所述步骤s1的光伏系统参与电压调节的数学模型公式为：

7、

8、其中和分别为光伏的有功和无功出力；为光伏逆变器的响应时间间隔；为采样周期；为光伏端口的功率输出；为控制无功输出的决策变量；为采样时刻；为逆变器的容量；为功率因数。

9、进一步的，所述步骤s1的储能系统出力模型公式为：

10、

11、其中、分别为节点处储能设备的充电功率的下限和上限；、分别为节点处储能设备的放电功率下限和上限；为充电决策变量；为放电决策变量；为时刻储能装置存储的能量；、分别为储能设备的充放电效率；、分别为储能容量的上下限，为实际充电功率，为实际放电功率，为上一时刻储能能量，为时间步长，为储能容量下限,为储能容量上限。

12、进一步的，所述步骤s1的电动汽车数学模型包括i型电动汽车模型和ii型电动汽车模型，所述i型电动汽车模型为离散控制模式的固定负荷；所述ii型电动汽车模型为功率可变与能量灵活调节，具备在区间内连续调节的能力，调度中心可根据电网运行状态动态调整其充放电功率，其中i型电动汽车模型和ii型电动汽车模型公式分别为：

13、

14、其中为充电效率系数；为电动汽车的电池容量；为汽车充电功率；为延迟时间间隔，第k时刻的充电功率,经过延迟处理后的能量序列,为原始能量序列在(kd)时刻的真实值，d为延迟时间间隔；

15、

16、其中为效率系数；、分别为电动汽车的容量上下限；为ⅱ型电动汽车的功率输出，为经调度优化后的ii型电动汽车在第 k 时刻的等效能量需求，为原始的ii型电动汽车在第k时刻的期望能量需求，为第 k 时刻ii型电动汽车的电池储存能量，为采样周期。

17、进一步的，所述步骤s1的离散调控设备数学模型包括oltc模型和cb模型，所述oltc模型通过改变变压器绕组的分接头位置来调整变比，实现对配电网节点电压的离散控制，约束档位的范围，控制调度周期内的总动作次数；所述cb模型通过控制不同组数电容器的投入与切除，向电网提供无功功率支撑，单次投切容量为固定值且对其总投切次数进行约束，其中oltc模型与cb模型公式分别为：

18、

19、其中为时段oltc的挡位，为k-1时段oltc的挡位；、分别为oltc的挡位上下限；为oltc动作周期内的最大动作次数上限，

20、

21、其中为时段cb的无功出力；为时段cb的投切组数；为单组cb的无功补偿量；为cb的最大投切组数；为cb动作周期内的最大投切次数。

22、进一步的，所述步骤s2中系统最优策略将i型和ii型电动汽车的负荷设为零，基于源荷出力预测数据，计算出无干扰下工况下的系统最优潮流，所述分层策略为第一层以最小化调节需求为目标，优化储能和传统离散设备的出力，实现系统基础负荷的峰谷平衡，第二层固定上层设备动作方案，调用光伏和电动汽车灵活性调节裕度，实时滚动优化新能源短时波动引发的电压偏差；所述负荷时间平移错峰策略为保持恒定的功率进行充电，ⅰ型电动汽车的总能量需求固定不变、在允许的最大延迟时间内调整充电的起始时刻；所述离散设备寿命优先策略以oltc和cb的动作次数和电压偏差最小为目标具体的优化问题可表述为：

23、

24、其中为变量在第一层控制优化中的状态；为优化时刻；和分别为正定和半正定的权重；矩阵为额定电压；和分别为ⅰ型和ⅱ型电动汽车的并网个数；为第一层模型的调度周期,为第一层优化的总时段数，为控制动作变化的加权二次范数，为控制输入矩阵，为扰动输入矩阵，为第一层考虑的扰动变化量向量，储能系统在第一层调度周期起始时刻的能量向量，为储能系统在调度周期结束时刻的能量向量，为第一层模型的调度周期，为最后一个时段储能系统的功率向量。

25、进一步的，所述步骤s2中前馈策略是基于本文设计的状态观测器，将常规负荷与电动汽车接入所引发的随机波动转化为已知量；所述时域滚动策略是统以为采样周期，在预测时域内进行滚动优化；所述目标加权滚动策略是系统的综合运行成本最小为目标为模型引入了时变调节成本来反映动态电力市场价格和需求侧峰谷特性；所述终端约束策略为在约束条件中引入时刻的终端约束，确保i型和ii型电动汽车在离网时间前完成充电，设当前接入车辆的最晚离网时间为；所述观测器模型包括状态观察器、扰动观测器跟踪估计系统电压状态和扰动、李雅普诺夫函数，其中随机扰动估计公式为：

26、

27、其中为观测器矩阵，为第 k 时刻的扰动变化量估计值，为系统实际输出，为系统输出估计值；

28、状态观测器估计方法为：

29、

30、其中为单位阵；为观测器矩阵，为第k时刻的节点电压估计向量，为控制输入矩阵，为控制变量变化量，为扰动输入矩阵，为实际扰动，为实测电压输出向量，为输出矩阵；

31、李雅普诺夫函数为：

32、

33、其中为正定矩阵，为增广误差向量，为电压估计误差，为扰动估计误差，为真实扰动，为扰动估计值，调整观测器的增益矩阵使呈单调递减趋势，即满足以下公式：

34、

35、其中为增广系统矩阵，为增广输出矩阵；

36、预测优化模型公式为：

37、

38、其中为时变调节成本，为ii型电动汽车的数量，为第j辆ii型电动汽车在t+k时刻的功率变化量，v为节点电压向量，为额定电压向量， t3为电压偏差权重矩阵；

39、约束模型公式为：

40、

41、其中：为控制率；为控制状态；为第 j 辆ii型电动汽车在终端时刻的电池能量；为第j辆ii型电动汽车的目标能量；为第j辆ii型电动汽车的离网时刻；为第 j 辆ii型电动汽车的最大充电功率；为ii型电动汽车充电效率；为第二层采样周期，为电动汽车最大允许放电深度决定的电池最低能量约束；为储能系统在终端时刻的预测能量；为成功完成充电的电动汽车数量；为第个节点处的 i 型电动汽车，在第 m 个时刻的恒定充电功率；为ii型电动汽车的控制功率。

42、本发明还提供强扰动工况下主动配电网的自适应电压控制系统，包括：

43、建模模块，用于构建以节点电压为状态量的配网动态演化模型，所述配网动态演化模型包括光伏系统参与电压调节的数学模型、储能系统出力模型、电动汽车数学模型和离散调控设备数学模型；

44、第一层优化模块，用于基于所述配网动态演化模型，采用分层策略、离散设备寿命优先策略、负荷时间平移错峰策略和系统最优策略，以第一层调度周期为步长进行周期优化计算，输出第一层控制指令，所述第一层控制指令包括储能系统的充放电计划、有载调压变压器oltc的档位调节计划和并联电容器组cb的投切计划；

45、扰动观测模块，用于基于李雅普诺夫稳定性理论设计的扰动观测器，实时估计系统电压状态和未知扰动，输出扰动估计值；

46、第二层优化模块，用于基于所述扰动估计值、预测优化模型和约束模型，采用前馈策略、时域滚动策略、目标加权滚动策略和终端约束策略，以第二层采样周期为步长进行滚动优化，输出第二层控制指令，所述第二层控制指令包括光伏逆变器的无功调节指令和ii型电动汽车的功率调节指令；

47、指令下发与反馈模块，用于将所述第一层控制指令和所述第二层控制指令下发至对应的可控设备执行，采集执行后的系统实际电压输出并反馈至所述扰动观测模块，形成闭环自适应电压控制。

48、本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述的一种强扰动工况下主动配电网的自适应电压控制方法的步骤。

49、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述的一种强扰动工况下主动配电网的自适应电压控制方法的步骤。

50、与现有技术相比，本发明具有以下有益效果：

51、(1) 通过设计基于李雅普诺夫稳定性理论的扰动观测器，能够实时精准地将外部复杂的未知功率扰动（如电动汽车大规模随机接入或离网）转化为闭环控制系统所需的已知前馈量，突破了外部环境随机性对控制精度的限制，显著提升了强扰动工况下的电压控制鲁棒性。

52、(2) 采用双层控制架构，将慢速离散设备（oltc、cb）的寿命优化与快速连续设备（光伏逆变器、电动汽车）的高频电压调节有效解耦：第一层以较长周期优化全局基础负荷的削峰填谷，第二层以较短周期实时补偿短时波动引发的电压偏差，实现了全局优化与局部动态补偿的平衡。

53、(3) 充分挖掘各类灵活性资源的调节潜力：利用光伏逆变器剩余无功容量提供无功支撑，利用ii型电动汽车的连续功率调节能力进行精细电压控制，利用储能系统进行峰谷差平衡，多资源协同提升电压控制效果。

54、(4) 第二层采用时域滚动优化策略，在每个采样时刻基于最新扰动观测值和系统状态重新求解优化问题，能够自适应跟踪时变扰动，避免了传统开环预测方法在模型失配时的性能退化问题。