考虑动态响应特性与多资源协调的配电网动态无功资源分层规划方法

本发明涉及配电网规划，尤其是涉及考虑动态响应特性与多资源协调的配电网动态无功资源分层规划方法。

背景技术：

1、配电网作为电力系统连接用户的关键环节，其电压稳定性直接关系到供电质量与运行安全。随着分布式光伏渗透率持续提升，配电网的功率特性发生了根本性变化：从传统的单向、确定性潮流转变为双向、强波动性潮流。光伏出力的间歇性与随机性引发频繁的电压越限问题，尤其在轻负荷高发电时段，电压抬升现象突出；而在故障等暂态过程中，光伏的弱惯性与脱网风险可能加剧电压跌落，威胁系统动态安全。

2、为应对上述挑战，动态无功补偿装置（如静止无功补偿器svc、静止同步补偿器statcom）因其响应速度快、调节能力强的特点，成为配电网电压调控的核心资源。同时，光伏逆变器本身具备快速无功调节能力，可作为一种近乎零边际成本的动态无功源参与系统支撑。如何合理规划动态无功设备的安装位置、容量及控制参数，并协调利用光伏逆变器的无功潜力，是当前配电网规划领域亟待解决的关键问题。

3、近年来，国内外学者围绕配电网无功规划开展了大量研究，形成了以“选址-定容”为主线的规划方法体系。然而，现有研究在处理动态响应特性、多时间尺度协同以及多类型资源整合方面仍存在明显不足，具体表现为以下四个方面的挑战：

4、第一，规划决策维度单一，控制器参数与设备容量割裂优化。传统动态无功规划方法普遍将设备选址与额定容量作为唯一决策变量，而设备控制器的比例-积分（pi）参数通常采用经验整定或独立于规划阶段的后优化方式确定。这种“硬件容量”与“软件参数”分离的处理模式，导致两个严重后果：一方面，设备容量与响应速度无法协调匹配，可能出现容量充足但动态支撑不足，或响应过快但容量闲置的矛盾；另一方面，控制器参数对暂态电压恢复过程的决定性影响被完全忽略，规划方案在真实故障场景下的动态性能无法得到保证。现有研究尚未建立将控制器参数纳入规划层决策变量的数学模型，缺乏容量与参数联合优化的理论框架。

5、第二，运行阶段的不确定性刻画不精确，设备调节行为模拟失真。配电网运行受到负荷波动和光伏出力的双重随机性影响，且两者之间存在显著的相关性（如晴日光伏出力高时空调负荷同步上升）。现有规划方法多采用独立采样或典型日曲线来处理不确定性，忽略了负荷与光伏的联合概率分布特性，导致生成的运行场景与实际情况存在系统性偏差。此外，在评估运行成本时，绝大多数研究采用启发式规则（如基于电压阈值的投切策略）来模拟设备的无功调节行为，而非真实反映控制器在连续时间尺度上的动态响应过程。这种简化无法将规划层确定的控制器参数传递到运行成本评估中，使得规划方案的经济性评估缺乏物理依据。

6、第三，动态电压安全的量化方法存在缺陷，难以与规划优化融合。暂态电压安全是配电网故障后恢复的关键指标，但现有规划方法对此问题的处理方式较为粗糙。常见做法是在目标函数中引入一个经验性的动态惩罚成本项，通过设置惩罚系数来间接约束设备的动态性能。然而，该系数缺乏物理或经济意义上的标定依据，其取值大小往往依赖算例调试，导致规划结果对人为参数高度敏感。更重要的是，惩罚成本法无法提供可量化的安全裕度，即无法保证规划方案在预设故障场景下满足动态安全指标的概率。机会约束规划在处理电力系统不确定性方面已有成熟应用，但尚未被引入到配电网动态无功规划中用于量化暂态电压跌落深度和恢复时间的安全要求。

7、第四，光伏逆变器的无功支撑能力未被纳入协同规划体系。尽管光伏逆变器具备毫秒级的无功响应能力，且其容量在光伏安装时已固定，边际使用成本几乎为零，但现有动态无功规划研究普遍将其视为固定因素或被动资源，未将逆变器的无功可用范围作为可调节的约束条件参与设备选址定容的联合优化。这导致两种资源相互割裂：一方面，规划方案可能过度依赖动态补偿装置，造成投资冗余；另一方面，光伏逆变器的快速响应优势无法在故障暂态过程中得到发挥，削弱了系统的动态电压恢复能力。如何建立动态无功设备与光伏逆变器的联合优化模型，使两者的容量配置和控制参数相互匹配，是提升资源利用效率的关键。

8、综上所述，现有配电网动态无功规划方法在决策维度、不确定性建模、动态安全量化及多资源协同四个方面存在明显短板，亟需建立一种能够统筹规划、运行、动态全时间尺度，并融合多类型无功资源的优化方法。

技术实现思路

1、本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种能够统筹规划、运行、动态全时间尺度，并融合多类型无功资源的考虑动态响应特性与多资源协调的配电网动态无功资源分层规划方法。

2、本发明的目的可以通过以下技术方案来实现：

3、一种考虑动态响应特性与多资源协调的配电网动态无功资源分层规划方法，包括以下步骤：

4、规划层优化步骤：获取配电网中各节点设备的设备参数，该设备参数包括二进制选址变量、连续容量变量和连续控制器参数变量，并作为设备层规划优化目标的决策变量进行优化求解，得到优化后的设备参数；

5、运行层优化步骤：根据配电网的历史数据估计负荷乘子和光伏乘子，基于负荷乘子和光伏乘子的联合概率分布，构建多个典型运行场景及其概率；针对各个典型运行场景，基于优化后的设备参数计算对应的场景运行优化目标，该运行规划优化目标中考虑的实际无功出力基于连续控制器参数变量通过离散pi控制律计算得到；综合各个典型运行场景的场景运行优化目标计算值以对应的概率进行加权求和，构建运行层规划优化目标，以求解得到各设备的运行调节策略；

6、动态层优化步骤：针对预设的典型故障场景，建立考虑设备响应速度差异的时域仿真模型，在时域仿真模型的每个仿真步长内记录各节点的电压轨迹，提取对应的电压跌落深度和电压恢复时间指标，以判断是否符合对应的暂态安全机会约束，进而要求所有节点在所有典型故障场景下满足暂态安全机会约束的概率不低于给定的置信水平；

7、协同优化步骤：基于所述设备层规划优化目标和运行层规划优化目标构建协同优化总目标，并将所述暂态安全机会约束作为惩罚项，形成协同优化模型进行求解，获取最优的配电网无功资源规划方案。

8、进一步的，所述括二进制选址变量表示节点i安装类型为t的动态无功设备，满足选址变量约束，该选址变量约束的表达式为：

9、

10、式中，为节点i安装类型为t的动态无功设备，为二进制变量，取1表示在节点i安装类型t设备，取0表示在节点i未安装类型t设备；为候选节点集合；为设备类型集合；

11、所述连续容量变量表示安装在节点i的类型t设备的额定容量；

12、所述连续控制器参数变量包括和，分别表示安装在节点i的类型t设备的比例系数和积分系数。

13、进一步的，所述设备层规划优化目标求解过程中的约束条件包括设备容量限制、设备总数限制和投资预算约束；

14、所述设备容量限制的表达式为：

15、

16、式中，、分别为类型t设备的最小和最大额定容量；

17、所述设备总数限制的表达式为：

18、

19、式中，、分别为最小和最大允许安装台数；

20、所述投资预算约束的表达式为：

21、

22、式中，为安装在节点i的类型t设备的初始投资现值，为预算上限。

23、进一步的，所述运行层优化步骤中，计算实际无功出力的表达式为：

24、

25、式中，为节点i的类型t设备在场景s的时段h的实际无功出力，和为优化后得到的连续控制器参数变量，为电压参考值，为上一时段电压测量值，为限幅函数，将输出限制在优化后得到的连续容量变量的范围内，为相邻时段之间的间隔。

26、进一步的，所述运行层规划优化目标求解过程中的约束条件包括潮流方程、设备出力约束和光伏逆变器无功出力约束，所述光伏逆变器无功出力约束考虑光伏逆变器的无功出力受光伏逆变器容量和功率因数限制，所述光伏逆变器无功出力约束的表达式为：

27、

28、式中，为光伏逆变器节点j在场景s的时段h的无功出力，为节点j的光伏逆变器容量，为光伏逆变器节点j在场景s的时段h的有功负荷，为最小允许功率因数。

29、进一步的，所述典型故障场景包括的故障类型包括线路三相短路、线路两相短路和线路单相接地，所述典型故障场景的故障由故障位置、类型、持续时间和发生概率描述；

30、所述时域仿真模型基于由一阶惯性环节和pi控制器描述的设备微分方程构建，所述时域仿真模型的仿真过程中，在每个仿真步长内，采用欧拉法更新设备微分方程，在求解考虑负荷zip模型和故障导纳修正的潮流方程，记录各节点的电压轨迹。

31、进一步的，所述设备微分方程的表达式为：

32、

33、式中，为节点i的类型t设备的无功出力，为节点i的固有时间常数，和为优化后得到的连续控制器参数变量，为节点i的电压参考值，为设备i的电压。

34、进一步的，所述电压跌落深度的计算表达式为：

35、

36、式中，为节点j在典型故障场景f下的电压跌落深度，为节点j在t时刻的电压，为故障起始时间，为故障持续时间；

37、所述电压恢复时间的计算表达式为：

38、

39、式中，为节点j在典型故障场景f下的电压恢复时间，为恢复阈值。

40、进一步的，所述暂态安全机会约束的表达式为：

41、

42、

43、

44、式中，为允许的电压跌落深度下限，为正数，为第一二进制变量，表示节点j在故障f下是否满足电压跌落指标；为允许的最大恢复时间，为第二二进制变量，表示节点j在故障f下是否满足恢复时间指标；为典型故障场景f的发生概率，为第一风险水平，为第二风险水平。

45、进一步的，所述协同优化总目标的计算表达式为：

46、

47、式中，为协同优化总目标，为设备层规划优化目标，为运行层规划优化目标，为暂态安全机会约束的违反量，为惩罚因子；

48、所述设备层规划优化目标为配电网系统动态设备需求的满足程度或全配电网系统总投资成本等年值；

49、所述运行层规划优化目标为配电网系统运行稳定性或配电网系统全年运行成本期望值。

50、与现有技术相比，本发明具有以下优点：

51、（1）本发明将动态无功补偿装置的pi控制器比例系数和积分系数作为规划层的连续决策变量，与设备选址二进制变量、额定容量连续变量共同构成完整的决策空间。通过建立控制器参数与设备暂态响应特性之间的数学关联模型，使容量配置与响应速度在优化过程中深度耦合。该方法突破了传统规划中先定容后整定参数的串行模式，能够根据系统动态需求自适应匹配设备容量与控制器参数，避免因参数不当导致的性能冗余或支撑不足。

52、（2）本发明在运行层构建了数据-模型混合驱动的运行层评估方法，首先，采用copula函数描述负荷乘子与光伏乘子的联合概率分布，通过生成具有一致相依结构的典型场景集，精确刻画运行阶段的时序不确定性；其次，引入模型预测控制策略模拟设备在日运行中的实时调节行为，将规划层确定的控制器参数直接用于离散pi控制律，使运行成本计算能够真实反映设备的动态响应过程。该评估方法将网损成本、设备运维成本、电压越限惩罚和分布式电源发电收益统一纳入目标函数，实现了规划方案经济性能的精确量化。

53、（3）本发明在动态层建立考虑设备响应速度差异的暂态电压安全评估模型，针对预设典型故障场景进行时域仿真，提取各节点的电压跌落深度和恢复时间指标。与传统惩罚成本法不同，本发明引入机会约束来量化动态安全要求，要求所有节点在所有故障场景下满足指标的概率不低于给定置信水平，并将该机会约束通过罚函数形式融入优化框架。该方法无需标定经验性的惩罚系数，即可为规划方案提供可量化的安全裕度，同时保证了优化问题的可求解性。

54、（4）本发明将规划层、运行层和动态层通过数据流和约束条件紧密耦合：规划层的决策变量（设备类型、容量、控制器参数）输入到运行层和动态层；运行层计算得到的年运行成本和动态层评估的机会约束违反情况反馈至上层，共同构成总成本目标，形成规划-运行-动态的全时间尺度协同优化框架，为高光伏渗透配电网的动态无功资源规划提供了完整的技术解决方案。