一种考虑通信网络优化的多区域电力系统分布式调频方法

1.本发明涉及电网电力系统调频领域，尤其涉及一种考虑通信网络优化的多区域电力系统分布式调频方法。


背景技术：

2.电力系统的频率调节已成为智能电网运行控制的主要挑战之一。一般而言，大型电力系统由多个区域组成，每个区域通过联络线与其他相邻区域相连。在多区域电力系统中，通过联络线进行的电力交换使得频率调节更加复杂，因而多区域电力系统的频率控制近年来引起了人们的广泛关注。传统pi控制首先被用于解决电力系统的频率调节问题，然而，传统pi控制器存在结构固定和参数恒定等特点，可能无法为电力系统各类运行条件提供优越的性能。对于大多数控制方案而言，电力系统频率调节还有另一种分类方式，即集中式方案和分布式方案。一般来说，分布式方案比集中式方案更实用，因为它只使用局部区域状态信息来衰减频率偏差。虽然分布式控制方案在调频性能方面具有一定优势，但是少有研究者关注通信网络对多区域电力系统调频性能的影响，使得现有频率控制性能较差。


技术实现要素：

3.本发明的目的是克服现有技术中存在的频率控制性能差的缺陷与问题，提供一种频率控制性能好的考虑通信网络优化的多区域电力系统分布式调频方法。
4.为实现以上目的，本发明的技术解决方案是：一种考虑通信网络优化的多区域电力系统分布式调频方法，该方法包括以下步骤：s1、构建描述多区域电力系统的通信网络的拉普拉斯矩阵；s2、构建多区域电力系统分布式调频模型；s3、构建通信网络优化模型，并求解得到最优通信网络的拉普拉斯矩阵，然后将最优通信网络的拉普拉斯矩阵输入多区域电力系统分布式调频模型。
5.步骤s1中，假设通信网络有个节点和条通信链路，则通信网络线节点关联矩阵为：式中，、、都为节点，第条链路的方向是从节点到节点；通信网络的拉普拉斯矩阵为：
。
6.步骤s2中，多区域电力系统第个区域的调频模型为：个区域的调频模型为：个区域的调频模型为：个区域的调频模型为：个区域的调频模型为：式中，为第个区域时刻频率偏差，为时间增量，为第个区域电力系统增益，为第个区域电力系统的时间常数，为第个区域时刻功率输出偏差，为第个区域负载扰动的向量，为通过传输线与第个区域有联系的区域集合，为区域之间的物理互连增益，为第个区域时刻转子角偏差，为第个区域时刻转子角偏差，为第个区域涡轮的时间常数，为第个区域时刻调速阀位置偏差，为第个区域调速器的时间常数，为第个区域时刻控制向量，为第个区域时刻积分控制偏差，为第个区域调速系数，为第个区域积分控制增益，为第个区域频率偏置因子，为通过通信线路与第个区域有联系的区域集合，为区域之间的网络互联增益；多区域电力系统第个区域的调频模型可表示为：
式中，为的导数，为多区域电力系统第个区域的系统矩阵，为第个区域时刻的状态变量列向量，为多区域电力系统第个区域的控制矩阵，为第个区域时刻的输入变量列向量，为的系数矩阵，为第个区域时刻的状态变量列向量，为第个区域的频率偏差，为第个区域功率输出偏差，为第个区域调速阀位置偏差，为第个区域积分控制偏差；
包含个区域的整个电力系统分布式调频模型为：个区域的整个电力系统分布式调频模型为：个区域的整个电力系统分布式调频模型为：个区域的整个电力系统分布式调频模型为：个区域的整个电力系统分布式调频模型为：个区域的整个电力系统分布式调频模型为：个区域的整个电力系统分布式调频模型为：式中，为的导数，为包含个区域的整个电力系统的系统矩阵，为整个电力系统时刻的状态变量列向量，为整个电力系统的控制矩阵，为整个电力系统的输入变量列向量，为以为元素的列向量，为整个电力系统物理网络的拉普拉斯矩阵，为以为元素的列向量，为整个电力系统通信网络的拉普拉斯矩阵，为中的一个元素，为中的一个元素。
7.步骤s3中，通信网络优化模型包括两个优化目标与三个约束条件；第一个优化目标为：式中，为拉普拉斯矩阵的第二小的特征值；第二个优化目标为：
式中，为系统矩阵的特征值；三个约束条件为：三个约束条件为：三个约束条件为：式中，为拉普拉斯矩阵右上角的元素，为通信链路的数量。
8.步骤s3中，将两个优化目标整合为：式中，为综合优化目标；和分别为两个优化目标的权重；通过综合优化目标与三个约束条件可得：式中，为最终优化目标；、、分别为三个约束条件的惩罚度；对于函数，若，则，若，则；对于函数，若，则，若，则；根据最终优化目标求解得到最优通信网络的拉普拉斯矩阵，并将最优通信网络的拉普拉斯矩阵输入多区域电力系统分布式调频模型，得到调频模型中的项，即可完成对多区域电力系统分布式调频模型的优化。
9.步骤s3中，采用量子粒子群算法求解最优通信网络的拉普拉斯矩阵，具体步骤为：a、创建初始种群初始化粒子个数；初始化求解问题维度数；初始化当前通信网络节点数与通信链路数；初始化算法收敛的阈值以及最大循环次数；b、随机初始化每个粒子当前搜索到的最佳位置，当前所有粒子的位置对应当前最优通信网络；c、根据最终优化目标函数以及当前最优通信网络计算当前最终优化目标函数值；d、更新所有粒子位置，进而更新最优通信网络；e、重复步骤c、d直到算法满足收敛条件，收敛条件为最终优化目标函数值已经达到最大值或程序达到最大循环次数；f、输出结果为最优通信网络的拉普拉斯矩阵。
10.与现有技术相比，本发明的有益效果为：本发明一种考虑通信网络优化的多区域电力系统分布式调频方法中，将通信网络优化问题转化为在各项约束条件下的多目标优化问题，采用量子粒子群算法求解优化模型，获得所需的通信网络，最终将通信网络参数输入调频模型，即可完成对多区域电力系统分布式调频方法的优化。因此，本发明提高了频率控制性能。
附图说明
11.图1是本发明一种考虑通信网络优化的多区域电力系统分布式调频方法的流程图。
12.图2是本发明中电力系统与通信网络的关系示意图。
13.图3是本发明中多区域电力系统中某区域控制框图。
具体实施方式
14.以下结合附图说明和具体实施方式对本发明作进一步详细的说明。
15.参见图1至图3，一种考虑通信网络优化的多区域电力系统分布式调频方法，该方法包括以下步骤：s1、构建描述多区域电力系统的通信网络的拉普拉斯矩阵；s2、构建多区域电力系统分布式调频模型；s3、构建通信网络优化模型，并求解得到最优通信网络的拉普拉斯矩阵，然后将最优通信网络的拉普拉斯矩阵输入多区域电力系统分布式调频模型。
16.步骤s1中，假设通信网络有个节点和条通信链路，则通信网络线节点关联矩阵为：式中，、、都为节点，第条链路的方向是从节点到节点；通信网络的拉普拉斯矩阵为：。
17.步骤s2中，多区域电力系统第个区域的调频模型为：
式中，为第个区域时刻频率偏差，为时间增量，为第个区域电力系统增益，为第个区域电力系统的时间常数，为第个区域时刻功率输出偏差，为第个区域负载扰动的向量，为通过传输线与第个区域有联系的区域集合，为区域之间的物理互连增益，为第个区域时刻转子角偏差，为第个区域时刻转子角偏差，为第个区域涡轮的时间常数，为第个区域时刻调速阀位置偏差，为第个区域调速器的时间常数，为第个区域时刻控制向量，为第个区域时刻积分控制偏差，为第个区域调速系数，为第个区域积分控制增益，为第个区域频率偏置因子，为通过通信线路与第个区域有联系的区域集合，为区域之间的网络互联增益；多区域电力系统第个区域的调频模型可表示为：
式中，为的导数，为多区域电力系统第个区域的系统矩阵，为第个区域时刻的状态变量列向量，为多区域电力系统第个区域的控制矩阵，为第个区域时刻的输入变量列向量，为的系数矩阵，为第个区域时刻的状态变量列向量，为第个区域的频率偏差，为第个区域功率输出偏差，为第个区域调速阀位置偏差，为第个区域积分控制偏差；
包含个区域的整个电力系统分布式调频模型为：个区域的整个电力系统分布式调频模型为：个区域的整个电力系统分布式调频模型为：个区域的整个电力系统分布式调频模型为：个区域的整个电力系统分布式调频模型为：个区域的整个电力系统分布式调频模型为：个区域的整个电力系统分布式调频模型为：式中，为的导数，为包含个区域的整个电力系统的系统矩阵，为整个电力系统时刻的状态变量列向量，为整个电力系统的控制矩阵，为整个电力系统的输入变量列向量，为以为元素的列向量，为整个电力系统物理网络的拉普拉斯矩阵，为以为元素的列向量，为整个电力系统通信网络的拉普拉斯矩阵，为中的一个元素，为中的一个元素。
18.步骤s3中，通信网络优化模型包括两个优化目标与三个约束条件；第一个优化目标为：式中，为拉普拉斯矩阵的第二小的特征值；第二个优化目标为：
式中，为系统矩阵的特征值；三个约束条件为：三个约束条件为：三个约束条件为：式中，为拉普拉斯矩阵右上角的元素，为通信链路的数量。
19.步骤s3中，将两个优化目标整合为：式中，为综合优化目标；和分别为两个优化目标的权重；通过综合优化目标与三个约束条件可得：式中，为最终优化目标；、、分别为三个约束条件的惩罚度；对于函数，若，则，若，则；对于函数，若，则，若，则；根据最终优化目标求解得到最优通信网络的拉普拉斯矩阵，并将最优通信网络的拉普拉斯矩阵输入多区域电力系统分布式调频模型，得到调频模型中的项，即可完成对多区域电力系统分布式调频模型的优化。
20.步骤s3中，采用量子粒子群算法求解最优通信网络的拉普拉斯矩阵，具体步骤为：a、创建初始种群初始化粒子个数；初始化求解问题维度数；初始化当前通信网络节点数与通信链路数；初始化算法收敛的阈值以及最大循环次数；b、随机初始化每个粒子当前搜索到的最佳位置，当前所有粒子的位置对应当前最优通信网络；c、根据最终优化目标函数以及当前最优通信网络计算当前最终优化目标函数值；d、更新所有粒子位置，进而更新最优通信网络；e、重复步骤c、d直到算法满足收敛条件，收敛条件为最终优化目标函数值已经达到最大值或程序达到最大循环次数；f、输出结果为最优通信网络的拉普拉斯矩阵。
21.本发明的原理说明如下：一个重要的度量是拉普拉斯矩阵的第二小的特征值，称为代数连通度。该度量有时被称为fiedler特征值，因为它是由fiedler首次引入的，反映网络连接的好坏以及跨网络共享信息数据的速度。事实上，拉普拉斯算子的最小特征值始终为零，即0作为拉普拉斯算子中的特征值出现的次数是网络中连通分量的总数。当且仅当网络是连通图时，第二小的特征值才大于0。如果代数连通性接近0，则网络接近断开，此时网络中各节点之间信息共享将受到阻碍；反之，如果趋向于1，随着网络规模的扩大，网络趋向于全连接，网络中各节点可以有效进行信息共享。
22.多区域电力系统的频率调节可以在优化的通信结构基础上实现。假设在时间，控制器收到因发电机跳闸或其他突发情况导致的区域频率偏差，就可以得到控制信号。调频模型接收控制信号，整个电力系统将根据调频模型对频率事件作出反应，这包括电力系统所有区域的行为，频率调节将持续进行，直到系统状态达到一个新的平衡状态。
23.在电力系统中，分布式传感器测量系统变量，然后通过通信信道进行传输；控制管理中心对系统信息进行处理，产生相应的控制信号，用于操作频率控制参与单元；所有互联区域构成多区域电力系统。构建电力系统分布式调频模型，为制定微电网频率分布式协同控制框架、实现微电网频率分布式协同控制提供了基础。本设计先提出通信网络所需各种性能指标，再将各项指标与所提理论基础相结合展开定量分析，将通信网络优化问题转化为在各项约束条件下的目标函数求解问题，求解所提优化模型，获得所需的通信网络，然后将通信网络参数输入调频模型，即可完成对多区域电力系统分布式调频方法的优化。
24.实施例：参见图1至图3，一种考虑通信网络优化的多区域电力系统分布式调频方法，该方法包括以下步骤：s1、构建描述多区域电力系统的通信网络的拉普拉斯矩阵；利用图论知识构建电力系统各单元之间构成的物理和通信网络的矩阵表达式，进而引出衡量通信网络连通程度的重要指标-代数连通度；这里分别用和来描述电力系统物理和通信网络，其中是电力系统区域的集合，为不同电力系统区域之间的物理传输线路集合，为不同电力系统区域之间的通信信道集合；一般而言，现有研究假设，而本设计中，不要求等于，不同电力系统区域之间的物理联系是固定的，但区域之间的通信网络联系是待优化的变量；假设通信网络有个节点（对应个电力系统区域）和条通信链路，则通信网络线节点关联矩阵，大小为，可写为：
式中，、、都为节点，第条链路的方向是从节点到节点；通信网络的拉普拉斯矩阵为：s2、构建多区域电力系统分布式调频模型；多区域电力系统第个区域的调频模型为：个区域的调频模型为：个区域的调频模型为：个区域的调频模型为：个区域的调频模型为：式中，为第个区域时刻频率偏差，为时间增量，为第个区域电力系统增益，为第个区域电力系统的时间常数，为第个区域时刻功率输出偏差，为第个区域负载扰动的向量，为通过传输线与第个区域有联系的区域集合，为区域之间的物理互连增益，为第个区域时刻转子角偏差，为第个区域时刻转子角偏差，为第个区域涡轮的时间常数，为第个区域时刻调速阀位置偏差，为第个区域调速器的时间常数，为第个区域时刻控制向量，为第个区域时刻积分控制偏差，为第个区域调速系数，为第个区域积分控制增益，为第个区域频率偏置因子，为通过通信线路与第个区域有联系的区域集合，为区域之间的网络互联增益；多区域电力系统第个区域的调频模型可表示为：
式中，为的导数，为多区域电力系统第个区域的系统矩阵，为第个区域时刻的状态变量列向量，为多区域电力系统第个区域的控制矩阵，为第个区域时刻的输入变量列向量，为的系数矩阵，为第个区域时刻的状态变量列向量，为第个区域的频率偏差，为第个区域功率输出偏差，为第
个区域调速阀位置偏差，为第个区域积分控制偏差；包含个区域的整个电力系统分布式调频模型为：个区域的整个电力系统分布式调频模型为：个区域的整个电力系统分布式调频模型为：个区域的整个电力系统分布式调频模型为：个区域的整个电力系统分布式调频模型为：个区域的整个电力系统分布式调频模型为：个区域的整个电力系统分布式调频模型为：式中，为的导数，为包含个区域的整个电力系统的系统矩阵，为整个电力系统时刻的状态变量列向量，为整个电力系统的控制矩阵，为整个电力系统的输入变量列向量，为以为元素的列向量，为整个电力系统物理网络的拉普拉斯矩阵，为以为元素的列向量，为整个电力系统通信网络的拉普拉斯矩阵，为中的一个元素，为中的一个元素；s3、构建通信网络优化模型，并求解得到最优通信网络的拉普拉斯矩阵，然后将最优通信网络的拉普拉斯矩阵输入多区域电力系统分布式调频模型；通信网络优化模型包括两个优化目标与三个约束条件；首先，获得的通信网络应该是一个连通图，对于步骤s1中描述的通信网络的拉普
拉斯矩阵，当且仅当的第二小的特征值大于0时，通信网络才是连通图，故需要确保；此外，考虑到是衡量共识算法收敛速度（或性能）的指标，代数连通性相对较高的网络必然对故障具有鲁棒性，故希望足够大；因此，第一个优化目标为：式中，为拉普拉斯矩阵的第二小的特征值；其次，希望所提出的电力系统调频模型具有稳定性，系统矩阵的特征值反映了整个系统的动态行为，若系统矩阵存在实部大于0的特征值，则系统不稳定；因此，要保证所有特征值的实部都小于0；另外，考虑到特征值与虚轴的距离越大，系统的收敛速度越快，故最大的特征值应该尽可能的小；因此，第二个优化目标为：式中，为系统矩阵的特征值；三个约束条件为：三个约束条件为：三个约束条件为：式中，为拉普拉斯矩阵右上角的元素，为通信链路的数量；采用量子粒子群算法来解决通信网络优化的问题，量子粒子群算法是基于量子比特和状态叠加等量子计算的概念和原理来提高传统二元粒子群优化的性能，它引入了q比特个体来表示粒子的概率，从而取代了传统粒子群优化中的速度更新过程；两个优化目标不能直接用量子粒子群算法求解，因此，将两个优化目标整合在一起，对两个优化目标函数在约束条件之下进行优化求解，即可获得同时具备网络连通性和系统稳定性的通信网络；将两个优化目标整合为：式中，为综合优化目标；和分别为两个优化目标的权重；通过综合优化目标与三个约束条件可得：式中，为最终优化目标；、、分别为三个约束条件的惩罚度；对于函数，若，则，若，则；对于函数，若，则，
若，则；最终优化目标中，需要优化的变量均是，是一个矩阵，中的非对角元素为0或-1，中的对角元素为对应行中元素之和的相反数；此外，是一个对称矩阵；因此，只需要优化的右上角，其他部分就可以利用矩阵的对称性自动填充了；根据最终优化目标求解得到最优通信网络的拉普拉斯矩阵，并将最优通信网络的拉普拉斯矩阵输入多区域电力系统分布式调频模型，得到调频模型中的项，即可完成对多区域电力系统分布式调频模型的优化；采用量子粒子群算法求解最优通信网络的拉普拉斯矩阵，具体步骤为：a、创建初始种群初始化粒子个数；初始化求解问题维度数；初始化当前通信网络节点数与通信链路数；初始化算法收敛的阈值以及最大循环次数；b、随机初始化每个粒子当前搜索到的最佳位置，当前所有粒子的位置对应当前最优通信网络；c、根据最终优化目标函数以及当前最优通信网络计算当前最终优化目标函数值；d、更新所有粒子位置，进而更新最优通信网络；e、重复步骤c、d直到算法满足收敛条件，收敛条件为最终优化目标函数值已经达到最大值或程序达到最大循环次数；f、输出结果为最优通信网络的拉普拉斯矩阵。