一种网荷智能互动分布式协调控制方法与流程

1.本发明涉及智能配电网运行控制技术领域，具体涉及一种网荷智能互动分布式协调控制方法。


背景技术：

2.过去传统电网大都采用集中式的控制系统，随着城市电网结构越来越复杂，原有的控制方式无法同时处理各模块的调度任务，导致下达命令和完成通讯交互的难度大大增加，同时该控制模式容易发生单点故障，大大降低了控制可靠性。此外，传统电网缺乏动态的柔性控制，其电源的接入和退出、电能的输送都比较单一，缺乏弹性，大部分的信息传递属于单向性传输，对于一些简单需求不能做到立即回馈，导致消息滞后，用户体验较差。为了解决集中式控制带来的问题，许多学者在电力系统中引入了分布式控制的思想。分布式控制具有鲁棒性好、通信灵活和能够适应多种复杂结构的特点，在实现全局的优化协调方面有着巨大的优势。
3.目前，针对配电网有功无功功率和电压的分布式优化控制已取得了许多成果，但兼顾电网运行经济性方面的分布式控制还有待研究。


技术实现要素：

4.本发明所要解决的技术问题在于，提供一种网荷智能互动分布式协调控制方法，以提高智能配电网运行可靠性。
5.为解决上述技术问题，本发明提供一种网荷智能互动分布式协调控制方法，包括：
6.建立网荷智能互动系统控制架构和系统成本的经济最优函数；
7.计算单个系统节点的数据信息变量成本；
8.针对不同节点属性，更新有功成本增量一致性算法；
9.根据总有功功率恢复到需求值水平，求取每个节点的有功出力情况，进行单个节点与总系统的有功功率收敛判断。
10.进一步地，所述建立网荷智能互动系统控制架构和系统成本的经济最优函数，具体包括：
11.基于分布式去中心化通信架构，建立基于网荷智能互动系统的控制架构；
12.根据建立的基于网荷智能互动系统的控制架构，以系统发电过程中各电力节点的有功成本最小为目标，建立基于有功成本一致性的经济优化模型。
13.进一步地，所述基于网荷智能互动系统的控制架构包括以下三层：
14.管理层，包含调控计划、调控管理、数据实时监测和运维管理模块，用于对计划指标和现场数据进行评估、分析、决策，完成数据实时监测以及相关设备的安全校验；
15.分区协调层，用于保持各区域间数据信息交互，通过领导者节点和邻居节点间的数据互动，揭露每个地区电力系统的薄弱环节，及时预警并向管理层上报问题信息；
16.本地控制层：以配电柜、智能互动终端、风电机组、光伏机组和监控设备为控制对
象，包含电力生产过程中的智能发输变配用电等业务环节；调控完成后，通过处理数据信息，更新自身的信息变量，以实现各区域内部的优化控制，并反馈给上层指标完成信号。
17.进一步地，系统发电总有功成本的经济最优函数为：
[0018][0019]
其中，wg为总有功成本；n
cdg
为可控的分布式发电节点个数；w
ip
为可控的分布式发电节点i的有功发电成本；n
ucdg
为不可控的分布式发电节点个数；w
jp
为可控的分布式发电节点j的有功发电成本。
[0020]
进一步地，所述计算单个系统节点的数据信息变量成本具体为：
[0021]
分布式发电节点i的有功成本表示如下：
[0022]wip
＝αi βipi γip
i2
[0023]
其中，pi为节点i的供电容量，αi为常数，βi是发电过程中节点i的维护成本参数，γi是发电过程中节点i的燃料成本参数；
[0024]
考虑到网荷智能互动节点供电需求平衡，则约束条件如下：
[0025][0026]
其中，pi为系统节点i的供电容量，p
imin
为系统节点i的最小供电容量，p
imax
为系统节点i的最大供电容量；
[0027]
对所述约束条件进行求导，得到有功成本增量φ如下：
[0028][0029]
将有功出力成本增量趋于一致时，总有功成本达到最小的状态称为有功成本增量平衡点，以φ*表示，则此时节点i的有功功率p*表示为：
[0030][0031]
整理所述约束条件、有功成本增量和节点i的有功p*，得到节点i的有功成本增量平衡点的表达式为：
[0032][0033]
进一步地，所述针对不同节点属性，更新有功成本增量一致性算法，具体包括领导者节点的更新和邻居节点的更新；
[0034]
领导者节点有功信息交互更新策略为：
[0035]
[0036]
其中，α
ij
表示领导者节点i和其他节点j之间的有功信息交互权值；c为领导者节点i周围邻居节点的集合；δg
pi
(k)表示发电节点i第k次迭代有功功率不平衡量；б是收敛系数；
[0037]
当所述领导者节点根据有功功率不平衡量更新自身的成本增量变量后，附近的各邻居节点根据领导者节点的信息更新自身成本增量变量；邻居节点有功信息交互更新策略表达式为：
[0038][0039]
其中，d为邻居节点i周围节点的集合。
[0040]
进一步地，所述根据总有功功率恢复到需求值水平，求取每个节点的有功出力情况，进行单个节点与总系统的有功功率收敛判断，具体包括：
[0041]
计算系统内每个节点的有功出力更新情况；
[0042]
基于实际生产中发电功率值、电力生产的规模与成本，设定网荷智能互动节点供电容量约束条件；
[0043]
判断有功功率收敛情况。
[0044]
进一步地，计算系统内每个节点的有功出力更新情况，具体方式为：
[0045][0046]
所述网荷智能互动节点供电容量约束条件具体是：
[0047][0048]
其中，pi为系统节点i的供电容量，p
imin
为系统节点i的最小供电容量，p
imax
为系统节点i的最大供电容量。
[0049]
进一步地，所述判断有功功率收敛情况，具体包括：
[0050]
从单个节点层面进行第一次判断；
[0051]
若第一次判断收敛，从系统整体层面进行第二次判断是否收敛结束。
[0052]
进一步地，所述第一次判断具体为：由所述有功功率p
*
，求取有功功率不平衡量：
[0053]
δp＝p
*-p
[0054]
若|δp|《0.0015，则判断其一次收敛完毕；若|δp|≥0.0015，则继续迭代更新；第二次判断中，各个节点的有功功率之和与负荷总需求量间的差距为：
[0055][0056]
当|δp|《0.0015时，则判断其收敛完毕，否则收敛不达标，继续迭代更新。
[0057]
经上述两次有功收敛判定，则确定系统的总有功功率恢复稳定，并达到需求值水平。
[0058]
实施本发明具有如下有益效果：本发明构建了智能网荷的分布式控制模型，实现了从经济效益层面对系统有功出力的控制，提高了智能配电网运行可靠性；通过定义有功成本增量函数，使控制算法能实时牵制配电网控制的有功变量运行状态，并根据需求值判断分布式系统的各节点控制变量是否收敛一致，不仅能加快对于需求侧负荷的响应能力，
还能提高系统运行的稳定性。
附图说明
[0059]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0060]
图1是本发明实施例一种网荷智能互动分布式协调控制方法的流程示意图。
[0061]
图2是本发明实施例中网荷智能互动系统拓扑图.
[0062]
图3是本发明实施例中仿真过程中四个节点的有功收敛曲线示意图。
[0063]
图4是本发明实施例中仿真过程中系统总有功出力p和δp的收敛图。
[0064]
图5是本发明实施例中仿真过程中系统各节点的有功增量成本收敛图。
[0065]
图6是本发明实施例与传统分布式优化控制算法总有功收敛的比较图。
具体实施方式
[0066]
以下各实施例的说明是参考附图，用以示例本发明可以用以实施的特定实施例。
[0067]
发明人受分布式控制和经济优化问题启发，提出一种基于成本一致性的网荷智能互动分布式协调控制方法，从有功成本增量的经济角度来剖析配电网运行过程中节点间的信息交互关系，提高电网对需求侧负荷的快速响应以及恢复正常运行的能力，对保证配电网系统的稳定运行具有重要意义。
[0068]
基于此，请参照图1所示，本发明实施例提供一种网荷智能互动分布式协调控制方法，包括：
[0069]
步骤
①
，建立网荷智能互动系统控制架构和系统成本的经济最优函数；
[0070]
步骤
②
，计算单个系统节点的数据信息变量成本；
[0071]
步骤
③
，针对不同节点属性，更新有功成本增量一致性算法；
[0072]
步骤
④
，根据总有功功率恢复到需求值水平，求取每个节点的有功出力情况，进行单个节点与总系统的有功功率收敛判断。
[0073]
具体地，步骤
①
包含2个子步骤如下：
[0074]
步骤11，基于分布式去中心化通信架构，建立基于网荷智能互动系统的控制架构。所述架构包含如下三层：
[0075]
(1)管理层：包含调控计划、调控管理、数据实时监测和运维管理等模块，对计划指标和现场数据进行评估、分析、决策，完成数据实时监测以及相关设备的安全校验；
[0076]
(2)分区协调层：保持各区域间数据信息交互，通过领导者节点和邻居节点间的数据互动，揭露每个地区电力系统的薄弱环节，及时预警并向管理层上报问题信息；
[0077]
(3)本地控制层：以配电柜、智能互动终端、风电机组、光伏机组和监控设备等为控制对象，包含电力生产过程中的智能发输变配用电等业务环节。调控完成后，通过处理数据信息，更新自身的信息变量，以实现各区域内部的优化控制，并反馈给上层指标完成信号。
[0078]
步骤12：基于步骤11中所述架构，以系统发电过程中各电力节点的有功成本最小为目标，建立基于有功成本一致性的经济优化模型。
[0079]
本实施例充分分考虑网荷智能互动系统运行过程中的发电成本构成，定义系统发电总有功成本的经济最优函数如式(1)所示：
[0080][0081]
式(1)中，wg为总有功成本；n
cdg
为可控的分布式发电节点个数；w
ip
为可控的分布式发电节点i的有功发电成本；n
ucdg
为不可控的分布式发电节点个数；w
jp
为可控的分布式发电节点j的有功发电成本。
[0082]
步骤
②
中，计算单个系统节点的数据信息变量成本具体为：
[0083]
分布式发电节点i的有功成本表示如下：
[0084]wip
＝αi βipi γip
i2
ꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0085]
式(2)中，pi为系统节点i的供电容量，βi、γi为分布式发电节点i的发电成本参数，其中，βi是发电过程中节点i的维护成本参数，是关于有功功率p的一次函数的系数，而γi是发电过程中节点i的维护成本参数燃料成本参数，是关于有功功率p的二次函数的系数。
[0086]
考虑到网荷智能互动节点供电需求平衡，则约束条件如式(3)所示：
[0087][0088]
式(3)中，pi为系统节点i的供电容量，p
imin
为系统节点i的最小供电容量，p
imax
为系统节点i的最大供电容量。
[0089]
为了使得有功成本达到最小，需使得各节点的有功成本增量趋于一致，由此，对式(2)进行求导，得到有功成本增量φ如下：
[0090][0091]
将有功出力成本增量趋于一致时，总有功成本达到最小的状态称为有功成本增量平衡点，以φ*表示，则此时节点i的有功p*表示为式(5)：
[0092][0093]
整理式(3)-(5)可得节点i的有功成本增量平衡点的表达式为：
[0094][0095]
本实施例考虑到实际电力系统中节点特征属性，在步骤
③
针对不同节点属性建立有功成本增量一致性算法的更新策略，具体地，包含以下2个子步骤：
[0096]
步骤31：领导者节点的更新
[0097]
领导者节点有功信息交互更新策略如式(7)所示：
[0098][0099]
式(7)中，α
ij
表示领导者节点i和其他节点j之间的有功信息交互权值；c为领导者节点i周围邻居节点的集合；δg
pi
(k)表示发电节点i第k次迭代有功功率不平衡量，相当于后述的式(11)；б是一个正标量，称其为收敛系数，其值大小与δp有关，并且对收敛速度有很大影响。
[0100]
步骤32：邻居节点的更新
[0101]
当上述的领导者节点根据有功功率不平衡量更新自身的成本增量变量后，附近的各邻居发电节点将根据领导者节点的信息更新自身成本增量变量；则邻居节点有功信息交互更新策略表达如下：
[0102][0103]
式(8)中d为邻居节点i周围节点的集合。
[0104]
步骤
④
针对网荷智能互动控制系统的总有功功率恢复到需求值水平，求取每个节点的有功出力情况，考虑所求值的合理性，进行单个节点与总系统的有功功率收敛判断，具体包括以下3个子步骤：
[0105]
步骤41：计算系统内每个节点的有功出力更新情况：
[0106][0107]
式(9)类似于式(5)，目的就是求得最新迭代后的节点有功出力值。
[0108]
步骤42：网荷智能互动节点供电容量约束
[0109]
基于实际生产中发电功率值、电力生产的规模与成本，设定发电节点的容量约束条件，如式(10)所示：
[0110][0111]
式(10)中，pi为系统节点i的供电容量，p
imin
为系统节点i的最小供电容量，p
imax
为系统节点i的最大供电容量。
[0112]
步骤43：有功功率收敛判断
[0113]
根据步骤41，步骤42求得节点最终有功功率，依次进行两次判断：
[0114]
(1)一次判断
[0115]
首先从单个节点层面进行判断。
[0116]
由式(5)所得对应的有功功率p
*
，求取有功功率不平衡量如下：
[0117]
δp＝p
*-p
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0118]
若|δp|《0.0015，可认为其一次收敛完毕；若|δp|≥0.0015，则继续迭代更新。
[0119]
(2)二次判断
[0120]
若一次判断收敛，则进行二次判断，即从系统整体层面考虑是否收敛结束，则各个节点的有功功率之和与负荷总需求量间的差距比较可写作如下：
[0121][0122]
当|δp|《0.0015时，可认为其收敛完毕。否则收敛不达标，继续迭代更新。
[0123]
经步骤43的两次有功收敛判定，则认为系统的总有功功率恢复稳定，并达到需求值水平。
[0124]
以下再以一实施案例对本发明进行说明。
[0125]
1)构建网荷智能互动的分布式控制架构
[0126]
基于matlab建立的网荷智能互动分布式控制架构，采用本发明改进的分布式控制策略保证系统的稳定运行，并输出有功功率、总有功不平衡量、有功成本增量和系统总成本。如图2所示，为matlab中搭建的网荷智能互动的分布式控制仿真模型，系统中包含有1个领导者节点和3个邻居节点，并且每个节点的有功功率值上限为1000kw，下限为0kw。
[0127]
2)建立matlab的分布式控制仿真模型
[0128]
根据各节点的有功功率和发电成本的详细参数，参考式(1)、式(2)列写系统总成本的经济最优函数。在本发明改进的分布式控制模型中，针对节点参数以及属性需要列写不同的有功成本增量函数以及更新算法，因此需要在matlab中对每一个节点编写单独的m文件进行仿真模型一致性的收敛计算。
[0129]
3)负荷突增情况下的仿真运行控制
[0130]
初始状态下该架构内的总有功水平为970kw，与假设的用电总需求p
total
相互匹配。为引入系统的负荷扰动量，考虑下一时刻由于用电负荷突增，用电总需求p
total
骤增至1200kw。在matlab/simulink中设置采样时间步长为0.003s，通过阶跃函数step在0.006s的时刻引入负荷突增后的用电总需求p
total
＝1200。图3～图6展示了有功功率、总有功不平衡量、有功成本增量和系统总成本从引入扰动到最终稳定的收敛过程，并与传统的分布式控制方法进行比较，能看到在保证恢复稳定的前提下，改进的算法有明显的速度提升。
[0131]
通过上述说明可知，与现有技术相比，本发明的有益效果在于：本发明构建了智能网荷的分布式控制模型，实现了从经济效益层面对系统有功出力的控制，提高了智能配电网运行可靠性；通过定义有功成本增量函数，使控制算法能实时牵制配电网控制的有功变量运行状态，并根据需求值判断分布式系统的各节点控制变量是否收敛一致，不仅能加快对于需求侧负荷的响应能力，还能提高系统运行的稳定性。
[0132]
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明的权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。