一种基于PGMSPCE的含风光暂态稳定最优潮流控制方法

本发明涉及电力系统、新能源，尤其涉及电力系统暂态稳定分析和最优潮流计算领域，具体涉及一种基于pgmspce的含风光暂态稳定最优潮流控制方法。

背景技术：

1、由于风电、光伏等可再生能源具有清洁可再生优势，因此其装机容量与发电量持续攀升，并逐步成为电力供应的重要组成部分；但风光发电固有的间歇性、波动性与随机性，使电力系统运行状态的不确定性显著增强，暂态稳定风险提升；因此，开展计及风光不确定性的暂态稳定约束最优潮流研究，对平衡电力系统安全性与高效性、推动新能源大规模并网消纳具有重要意义。

2、申请公布号为cn109698511a的专利文献公布了一种基于伴随灵敏度的暂态稳定预防控制优化算法，该方法以全系统机组燃料费用最少为目标函数，以线路潮流约束、节点电压约束、机组出力上下限约束、故障时系统状态量初值方程、故障后机组功角稳定约束为约束条件，建立tscopf模型，并通过约束转换将故障后机组功角稳定的过程约束转换为一个积分型约束。利用伴随灵敏度分析法计算积分型约束的一阶梯度信息，然后采用一种优化层仿真层的程序框架求解非线性优化问题。然而，该方法存在一定局限性，未考虑新能源出力不确定性对系统的影响，可能导致计算结果与实际运行工况存在偏差。申请公布号为cn115829258a的专利文献公布了一种基于多项式混沌近似动态规划的电力系统经济调度方法，该方法构建多项式混沌代理模型近似值函数分布，通过动态规划实现多时段经济调度的时段解耦求解，为不确定性下电力系统优化提供了代理模型思路。但该方法在适用场景与模型性能上存在一定的局限性：其核心是经济调度问题，未引入暂态稳定约束，无法满足高比例新能源并网下系统暂态安全的需求；此外，传统多项式混沌模型未考虑梯度信息与多输出特性，在处理风光多变量不确定性时，稀疏性与拟合精度难以兼顾。

3、综上所述，申请人提出一种基于pgmspce的含风光暂态稳定最优潮流控制方法，综合考虑暂态安全与高效性，保障风光并网系统在暂态稳定约束下的安全高效运行，为新型电力系统提供可靠的技术支撑。

技术实现思路

1、本发明的目的是为了解决现有电力系统最优潮流计算方法在面对风光新能源高维不确定性时，传统的代理模型如常规多项式混沌展开未充分利用梯度信息与多输出特性，导致在保证模型拟合精度的同时难以兼顾基函数稀疏性，且现有调度方法往往未引入暂态稳定约束或将其处理过于简化的问题，从而导致现有最优潮流控制方法存在高比例新能源并网场景下，面临计算维度爆炸、求解效率低下，且难以精准平衡系统运行高能效与暂态动态安全防线的技术问题，而提出本发明。

2、为了解决上述技术问题，本发明采用的技术方案为：

3、一种基于pgmspce的含风光暂态稳定最优潮流控制方法，包括以下步骤：

4、步骤1：基于历史数据，采用weibull分布和beta分布分别对风速、光照强度进行不确定性建模，最终获得包含风速概率密度函数和光照强度概率密度的风光不确定性输入源；以建立风、光资源的独立概率分布特征，为系统优化提供贴合实际运行工况的基础数据；

5、步骤2：针对由步骤1获得的风光不确定性输入源，构建机会约束暂态稳定最优潮流模型，并以相对惯性中心的转子角偏差作为暂态稳定判据，最终获得包含综合运行目标函数、潮流平衡约束以及暂态稳定机会约束的原始系统数学模型；以将复杂的系统动态微积分过程转化为严格的概率安全约束，实现暂态稳定性的快速精准量化；

6、步骤3：基于部分梯度增强的多输出稀疏多项式混沌展开模型，结合galerkin投影将由步骤2获得的原始系统数学模型转化为确定性模型，最终获得包含确定性目标函数与确定性约束边界的可求解重构模型，从而在保障模型拟合精度的同时，利用梯度信息实现高维变量的自适应降维与解耦，大幅降低计算复杂度；

7、步骤4：采用海洋捕食者算法求解由步骤3获得的确定性目标函数与确定性约束边界，迭代寻优获得最优潮流控制策略；以高效处理非线性约束并避免陷入局部最优，确保算法快速稳定地收敛至全局最优解；

8、步骤5：根据最优潮流控制策略生成底层硬件驱动指令，实时调节电网中各并网发电机组的有功输出功率和无功输出功率，以维持电网物理系统在预想故障下的暂态稳定运行；进而保障高比例新能源接入下真实电网物理调度的安全可靠。

9、在步骤1中，具体包括以下步骤：

10、步骤1-1：收集风电场历史风速数据进行预处理，采用weibull分布对风速进行建模，确定风速概率密度函数，并结合风电机组运行特性曲线确定风电输出功率；

11、步骤1-2：收集光伏电站历史光照强度数据进行预处理，采用beta分布对光照强度进行建模，确定光照强度概率密度函数，并结合光电转换物理模型确定光伏输出功率，最终获得包含风速概率密度函数和光照强度概率密度的风光不确定性输入源。

12、在步骤2中，具体包括以下步骤：

13、步骤2-1：建立系统的综合运行目标函数，以计算全网火电机组的基础运行综合参数的期望值最小化为目标；

14、步骤2-2：建立包含节点有功和无功注入功率平衡的潮流等式约束，以及节点状态变量的机会约束不等式；

15、步骤2-3：针对预想故障，计算各火电机组相对惯性中心的转子角偏差，构建转子角偏差的机会约束作为暂态稳定判据，最终将由步骤2-1获得的综合运行目标函数、步骤2-2获得的潮流等式约束、机会约束不等式与转子角偏差机会约束联立，获得原始系统数学模型。

16、在步骤3中，具体包括以下步骤：

17、步骤3-1：根据风光不确定性输入源的分布信息，选取正交基函数，构建初始pce代理模型；

18、步骤3-2：构建部分梯度数据集，筛选出对系统状态影响关键的重要不确定源，并采用固定点迭代法筛选出pce关键项；

19、步骤3-3：将运行变量的矩信息表示为pce系数的确定性函数；

20、步骤3-4：基于galerkin投影，将潮流等式约束转化为pce系数的确定性方程；

21、步骤3-5：将综合运行目标函数表示为pce系数的确定性函数，并将pce系数的确定性函数代入潮流方程与暂态稳定约束中，最终获得重构后的包含确定性目标函数与确定性约束边界的可求解重构模型。

22、在步骤4中，具体包括以下步骤：

23、步骤4-1：定义控制变量集合即运行变量的pce系数，设定海洋捕食者算法的种群规模、最大迭代次数、fads概率，随机生成初始种群，使得初始种群中的每个个体表示一种电力系统控制策略；

24、步骤4-2：计算初始种群中每个个体的暂态稳定指标与综合运行目标函数适应度，选择综合适应度最优的策略作为精英策略，以指导后续的迭代搜索；

25、步骤4-3：在迭代前期，种群内的控制策略以布朗运动方式进行广泛探索，模拟电力系统在故障后进行大范围调整控制变量的物理过程；在迭代中期，一半种群策略采用lévy飞行进行局部精细开发，另一半种群策略继续进行布朗运动探索，以平衡高能效与稳定性搜索；在迭代后期，所有种群策略采用lévy飞行围绕前述精英策略进行微调，以优化暂态稳定裕度；

26、步骤4-4：以突变概率引入类似fads涡流效应的突变扰动，随机调整部分种群个体的控制变量，模拟电力系统突发故障或负载突变场景，避免优化过程陷入局部最优；

27、步骤4-5：比较经过扰动前后的新旧策略的暂态稳定性能与综合运行目标函数适应度，保留更优的策略，并更新系统当前的精英策略；

28、步骤4-6：重复步骤4-3至步骤4-5，直至迭代次数达到最大迭代次数或满足设定的收敛条件，输出最终的精英策略作为步骤5的最优潮流控制策略。

29、在步骤1-1中，确定风速概率密度函数采用的公式表示为：

30、（1）；

31、式中：为风速概率密度函数；为风速的大小；为形状参数；为尺度参数；

32、结合风电机组运行特性曲线确定风电输出功率采用的公式表示为：

33、（2）；

34、式中：为风电的有功出力；为额定功率；为切入风速；为额定风速；为切出风速。

35、在步骤1-2中，确定光照强度概率密度函数采用的公式表示为：

36、（3）；

37、式中：为光照强度概率密度函数；为归一化光照强度；、分别为形状参数；为伽马函数；

38、结合光电转换物理模型确定光伏输出功率采用的公式表示为：

39、（4）；

40、式中：为光电的有功出力；为光照强度；为光伏阵列有效面积；为光电转换效率。

41、在步骤2-1中，建立系统的综合运行目标函数采用的公式表示为：

42、（5）；

43、式中：为总发电成本；为电网中火力发电机总数；、、均为燃料成本系数；为第台火力发电机的有功出力；为期望值；

44、在步骤2-2中，建立的潮流等式约束与节点状态变量的机会约束不等式采用的公式组表示为：

45、（6）；

46、式中：为不确定源向量，，为第个不确定源，，为不确定源总数；为运行变量；、分别为的下限和上限；、分别为节点的风电有功和无功注入功率；、分别为节点的光电有功和无功注入功率；、分别为节点的负荷有功和无功功率；、分别为节点的不确定源有功和无功注入功率；为节点的火力发电机无功注入功率；、分别为节点的电压实部和虚部；、分别为节点的电压实部和虚部；、分别为节点、之间的导纳的实部和虚部；为节点的电压幅值；为节点和之间的线路电流；为机会约束违反概率，，、、、分别为发电机有功和无功功率、节点电压、线路电流的机会约束违反概率；为概率求解算子；

47、在步骤2-3中，计算各火电机组相对惯性中心的转子角偏差，构建转子角偏差的机会约束采用的公式表示为：

48、（7）；

49、式中：为第台火力发电机的惯性时间常数；为第台火力发电机相对于惯性中心的转子角偏差；、分别为第、台火力发电机转子角；为不稳定极限；为转子角偏差的机会约束违反概率。

50、在步骤3-1中，构建初始pce代理模型采用的公式表示为：

51、（8）；

52、式中：为运行变量；为的第项pce系数；为第项基函数；为pce项数索引集合，，为pce总项数；

53、在步骤3-2中，构建部分梯度数据集与筛选pce关键项采用的计算公式表示为：

54、（9）；

55、式中：为第个与运行变量；为第个不确定源的相对贡献；为不确定源筛选阈值；、分别为第、个不确定源的导数灵敏度指数；为运行变量总数；为方差；为的第项pce系数；为第项系数相对重要性比例；为筛选阈值；为二范数。

56、在步骤3-3中，将运行变量的矩信息表示为pce系数的确定性函数采用的公式表示为：

57、（10）；

58、式中：为内积运算；为第项基函数的内积；为运行变量；为的第零项pce系数；为的第项pce系数；为标准差；

59、在步骤3-5中，最终获得的包含确定性目标函数与确定性约束边界的可求解重构模型表示为：

60、（11）；

61、（12）；

62、式中：、分别为、的第项pce系数；、分别为、的第项pce系数；、分别为、的第项pce系数；为第项基函数；为有功潮流方程；为无功潮流方程；为的第零项pce系数；为的第项pce系数；为运行变量；、分别为的下限和上限；为违反概率的逆累积分布函数。

63、与现有技术相比，本发明具有如下技术效果：

64、1）针对现有技术处理风光多变量不确定性时容易陷入计算膨胀的问题，本发明引入部分梯度增强的多输出稀疏多项式混沌展开pgmspce模型；这样通过构建部分梯度数据集并计算导数灵敏度指数，精准识别对系统状态影响显著的关键不确定源，在保证代理模型对多输出变量拟合精度的前提下，自适应剔除冗余的高阶交叉项，实现了复杂随机响应的高效、精确表征；

65、2）针对传统方法忽略或简化暂态稳定约束导致策略失真的问题，本发明建立以相对惯性中心coi转子角偏差为判据的暂态稳定约束体系，并结合机会约束规划理论允许系统在极小的概率阈值内灵活调整运行点；这样能更准确地反映了各机组之间的相对摇摆特性，实现了风光不确定环境下系统暂态稳定裕度的精确量化与控制；

66、3）针对传统优化算法在处理复杂模型时易早熟收敛的问题，本发明采用海洋捕食者算法mpa求解重构后的确定性模型；这样能利用三阶段搜索机制与布朗运动、lévy飞行的动态切换，结合内置的fads突变扰动效应，极大增强了算法跳出局部最优陷阱的能力，确保了电力系统在复杂运行工况下的安全稳定与高能效运行。