一种面向风电场规模化集电线路的系统电压优化方法及系统

本发明属于电力系统自动化控制，具体涉及一种面向风电场规模化集电线路的系统电压协调优化控制方法及系统。

背景技术：

1、随着大容量、规模化风电场的陆续建成与投运，由风电场出力波动引起的系统电压波动问题尤为突出。大型风电场内部可视作具有规模化拓扑的大型电力系统，多台风电机组通过中压集电线路连接并在并网点（pcc）母线处实现汇集。当风电功率大容量外送时，集电线路上会形成明显压降。此时，即使pcc母线电压被控制在合理的安全范围内，远离变电站的集电线路末端仍极易发生电压严重偏离甚至越限的问题，进而可能诱发大规模连锁脱网事故。

2、为了在保障电压安全的前提下提升运行经济性，现有技术通常将系统电压控制问题构建为最优潮流（opf）数学模型进行集中式求解。集中式控制要求风电场配备上层中央控制器，对站内可控设备进行统一调度。然而，随着风电场规模的扩增，中央控制器面临的通信与计算压力显著上升。

3、为缓解通信压力，现有技术引入了分布式电压控制方法（如基于增广lagrangian松弛的交替方向乘子法或目标级联分析法等），通过分布式的agent控制器来进行局部信息的更新迭代。然而，在实际工程应用中，现有的分布式电压控制方案暴露出以下突出的局限性：

4、首先，在求解模型精度与效率上难以兼顾。现有技术通常采用单一的潮流约束：若全网采用复杂的非线性潮流模型进行计算，包含数百个节点的风电场全网opf计算将异常缓慢；若全网采用粗糙的线性化模型以追求速度，又忽略了风电场外部面临弱电网环境、thevenin等值阻抗较大而导致的网损及电压偏差，使得全局计算误差显著增大。

5、其次，现有的分布式控制方案通常在风电场的每一台风机节点处均配置agent控制器。这种全分布式的架构虽然分散了计算压力，但过于庞大的节点数量导致分布式优化的迭代收敛过程极其漫长，且任意节点的通信故障或中断都会直接破坏全局优化过程，系统运行的可靠性低。

6、最后，现有的分布式电压优化控制方案均未考虑计算与通信延迟对分布式电压控制执行过程的影响。在现有的同步型分布式计算架构下，主控制器必须等待全网所有子节点完成信息传递后，才能执行下一次迭代。一旦实际工业应用中各个物理控制节点存在计算时间差异或面临通信网络时延，这种必须等待所有节点的机制将严重拖累优化控制的响应速度，极大降低分布式电压优化的时效性。

技术实现思路

1、本发明旨在解决现有大型风电场电压优化调控中存在的模型精度与计算速度难以兼顾，以及分布式控制极易受物理通信时延拖累导致响应滞后的技术问题，提供一种面向风电场规模化集电线路的系统电压优化方法及系统。

2、为了实现上述目的，本发明采用如下技术方案：

3、一种面向风电场规模化集电线路的系统电压优化方法，包括以下步骤：

4、获取风电场的基础运行参数与实时状态信息；

5、以风电场的并网点pcc母线为边界，将所述风电场划分为一个并网侧系统与若干个集电侧系统，并在所述pcc母线处配置主agent控制器，在所述风电场内部的各条集电线路上分别配置子agent控制器；

6、基于风电场内外部电力线路的物理环境差异，采用差异化潮流约束对所述并网侧系统和所述集电侧系统分别进行最优潮流建模，构建风电场全局最优潮流模型；

7、通过所述主agent控制器与各所述子agent控制器，采用内嵌异步迭代机制的广义benders分解法对所述全局最优潮流模型进行解耦迭代求解，获取全局最优的电压控制指令；其中，由所述主agent控制器求解包含离散变量的并网侧主优化问题，由各所述子agent控制器求解包含连续变量的集电侧系统从优化问题；

8、各所述子agent控制器根据所述电压控制指令对对应集电线路上的风电机组执行无功调控，所述主agent控制器根据所述电压控制指令对并网侧的有载调压变压器执行变比调控。

9、作为优化，所述差异化潮流约束包括针对所述并网侧系统构建的基于二阶锥放缩的非线性潮流约束，以及针对各所述集电侧系统构建的线性化distflow潮流约束。

10、作为优化，所述采用内嵌异步迭代机制的广义benders分解法对所述全局最优潮流模型进行解耦迭代求解的过程包括：

11、在单次异步迭代中，所述主agent控制器向各所述子agent控制器下发边界变量，各所述子agent控制器求解所述集电侧系统从优化问题并上传求解状态信息；

12、当所述主agent控制器接收到达到预设数量阈值的部分子agent控制器返回的最新求解状态信息后，即刻停止等待未返回信息的子agent控制器，并利用已返回的最新求解状态信息，以及未返回子agent控制器的历史暂存求解状态信息，生成benders割约束并添加至所述并网侧主优化问题中，直接触发下一轮迭代计算，直至满足预设的收敛条件。

13、作为进一步优化，所述主agent控制器生成benders割约束的过程包括：

14、当对应的子agent控制器求解所述集电侧系统从优化问题存在可行解时，根据所述从优化问题的对偶乘子信息生成benders最优割约束，并将所述benders最优割约束添加至所述并网侧主优化问题中；

15、当对应的子agent控制器求解所述集电侧系统从优化问题不存在可行解时，在所述从优化问题中引入松弛变量建立松弛模型并进行求解，根据该松弛模型的求解结果生成benders可行割约束，并将所述benders可行割约束添加至所述并网侧主优化问题中。

16、作为进一步优化，所述预设收敛条件的判定逻辑为：主agent控制器获取并网侧主优化问题求解出的优化下界，并获取各子agent控制器求解出的优化上界；当所述优化上界与所述优化下界的聚合度差值小于设定的容差阈值时，判定分布式优化迭代过程收敛。

17、作为优化，所述全局最优潮流模型的综合优化目标设定为风电场集电侧系统节点电压偏差最小，以及风电场系统有功损耗最小。

18、作为优化，所述并网侧主优化问题中的离散变量为有载调压变压器分接头档位；所述集电侧系统从优化问题中的连续变量为各个风电机组的无功注入功率。

19、本发明还提供了一种面向风电场规模化集电线路的系统电压优化系统，包括：

20、基础数据获取模块，配置用于获取风电场的基础运行参数与实时状态信息；

21、主agent控制器，配置于风电场的并网点pcc母线处，用于求解包含离散变量的并网侧主优化问题，并对并网侧的有载调压变压器进行变比调控；

22、多个子agent控制器，分别配置于风电场内部的各条集电线路上，用于接收所述主agent控制器传递的边界变量以求解包含连续变量的集电侧系统从优化问题，并根据求解获得的电压控制指令对对应集电线路上的风电机组执行无功调控；

23、所述主agent控制器与多个所述子agent控制器之间通过通信网络进行分布式信息交互；所述主agent控制器与多个所述子agent控制器共同被配置为：采用内嵌异步迭代机制的广义benders分解法，对采用差异化潮流约束的全局最优潮流模型进行解耦迭代求解，以获取全局最优的电压控制指令；其中，所述差异化潮流约束包括：针对所述并网侧系统构建的基于二阶锥放缩的非线性潮流约束，以及针对各所述集电侧系统构建的线性化distflow潮流约束。

24、与现有技术相比，本发明具有如下优点：

25、1、本发明采用差异化潮流约束构建模型。针对风电场通常远离负荷中心、面临弱电网环境且外部thevenin等值阻抗及线路损耗较大的特点，外部并网侧采用基于二阶锥放缩的非线性潮流约束；同时，针对风电场内部集电线路呈辐射型架构且线路网损偏小的特点，内部集电线路侧采用线性化处理后的distflow潮流约束。采用该差异化设计，精准匹配了风电场内外部线路环境的物理差异。

26、2、本发明采用集中式控制与分布式控制相混合的分区控制架构。采用该控制方式，集电线路agent控制器只需处理较小规模的局部数据，与中央控制器处理全局数据相比，有效降低了计算与通信压力。同时，集电线路agent控制器具备集中式调控各风电机组的能力，使得整个系统的分布式信息传递仅存在于pcc母线边界上，而非集电线路内部各节点之间，从而规避了因agent配置过多造成的计算收敛速度过慢问题，实现了两种控制技术优势的互补。

27、3、本发明采用广义benders分解法求解所构建的混合整数凸规划opf问题。广义benders分解作为专门求解大规模混合整数凸规划问题的分布式优化算法，在求解该电压优化模型时表现出良好的收敛性。采用该求解手段，使得分布式优化的数值结果与集中式优化数值结果基本一致，从而有效地改善了风电场系统内部的电压越限状况。

28、4、本发明在分布式优化算法中内嵌了异步实现方式。考虑实际通信与计算延迟对分布式控制执行过程的影响，相较于传统同步实现方式，本发明的异步实现方式在单次迭代中仅需接受部分集电线路agent信息，即可完成一轮迭代。采用该机制，使得每轮迭代过程中所耗时长较传统同步实现方式更少。