分布式电源、储能与负荷智能协调控制方法_王江伟.pdf

2023年 6月流体测量与控制第 4卷第 3期（总第 16期）分布式电源、储能与负荷智能协调控制方法Research on Intelligent Coordinated Control Method of Distributed Generation，Energy Storage and Load王江伟，罗宇强，谢锡锋（广西水利电力职业技术学院 电力工程学院，广西 南宁 530023）WANG Jiangwei，LUO Yuqiang，XIE Yifeng（School of Electric Power Engineering，Guangxi Water Conservancy and Electric Power Vocational and Technical College，Nanning 530023，Guangxi，China）摘要：针对配电网中分布式能源控制方式存在网配效率低、控制能力差的问题，本研究采用混沌差分进化算法实现全局优化与区域协调控制，并将配电网全网划分成多时间尺度区域，通过种群粒子实现控制区域模拟，进而实现划分后小区域中不同时间尺度的控制。同时，根据吞吐量实现能源负荷的可控控制。试验时，通过搭建仿真平台，构建配电网拓扑结构，对配电网设备参数以及节点的功率值进行设置，验证了本研究方法的可行性，提高了配电网运行的稳定性。关键词：分布式能源；控制方式；多时间尺度；能源负荷；拓扑结构Abstract：Aiming at the problems of low distribution efficiency and poor control ability in distributed energy control methods in the distribution network，this study uses the chaotic differential evolution algorithm to achieve global optimization and regional coordinated control，and divides the entire distribution network into multiple time scales area，through the population particles to achieve the control area simulation，and then realize the control of different time scales in the divided small areas.And realize the controllable control of the energy load according to the throughput.During the test，the topology of the distribution network was constructed by overlapping the simulation platform，and the equipment parameters of the distribution network and the power value of the nodes were set，which verified the feasibility of the research method and improved the stability of the operation of the distribution network.Key words：distributed energy；control method；control capability；multiple time scales；energy load；topological structure中图分类号：TM 727.1 文献标志码：A 文章编号：2096-9023（2023）03-0029-051前言新能源的大规模开发及利用，在一定程度上缓解了能源危机，其配电网的主要网络结构正朝着多层次方向发展。大量分布式电源的接入会造成配电网电流、电压的大幅度波动1，因此需要对配电网进行有效的控制与调度。配电网采用先进的电力电子技术，对分布式能源进行协调控制，可减少分布式能源接入对配电网产生的影响。针对分布式能源的配电网控制方法，文献1通过模型预测控制的多时间尺度协调调度方法，综合考虑电价峰谷差、储能寿命及可再生能源随机性，实现了基于潮流断面信息的多时间尺度优化，缩减了系统运行成本，但该方法对于配电网的控制能力尚未提及。文献2针对并网中存在的不确定因素提出多目标数学优化模型，根据所构建的不定因素，通过机会约束规划实现概率潮流计算，借助于多目标粒子群优化算法实现电源的合理配置。该方法虽然具有一定的技术优越性，但对于分布式电源控制方法提及甚少3。综上所述，如何提高配电网多时间尺度优化控制仍旧是亟待解决的技术问题。2基于混沌差分进化算法的全局优化与区域协调控制基于上述技术的不足，本研究的创新点在于：（1）在多时间尺度下，在配电网中采用局部和基金项目：广西高等学校高水平创新团队及卓越学者计划项目（桂教人才 2020 6号；2022年度广西高校中青年教师科研基础能力提升项目（2022KY1108）29Jun.2023Vol.4 No.3 Fluid Measurement&Control全局控制相结合的方式实现能源的最优控制，可根据用户设置的尺度进行选择。（2）采用混沌差分进化算法实现最佳位置的探索与查询，实现最佳时间尺度的检索，提高了配电网节点的搜索能力。（3）对于检索到的配电网节点内，通过利用配电网中的平衡程度在搜索到的最佳尺寸下，实现在分 布 式 能 源 配 电 网 内 不 同 计 划 周 期 内 的 方 法控制4。通过上述设计，提高了配电网的控制能力的主动性以及其治理能力，提高了网配资源利用率。优化控制流程如图 1所示。首先对电网参数、时间尺度等不同的数据信息进行设置，设置控制周期，比如 1、2 h 等，根据用户的需求而定。局部搜索和全局搜索的区别在于使用不同的控制尺度和设置参数。在计算过程中，通过读取电网负荷值、配电网损用、成本核对、配电网目标信息获取、网损等参数值5实现配电网不同方面的控制。控制先后顺序取决于用户设置的控制属性。根据其数值进行周期优化，当配电网中节点功率输出的电价小于平均电价时，则需要对配电网中的节点电源功率进行充电。通过这种方式能够实现配电网内不同节点电源的调配，然后进行区域调节。当参数满足调配需求时，则进行长周期优化；当不满足参数需求时，则进行负荷调节和储能选择。当配电网不同节点负荷影响参数大于 0.1时，则进行电压调节或者其他参数调节；当不大于0.1时，则对配电负荷进行调节。下面对关键技术进行分析。3关键技术设计3.1混沌差分进化算法模型构建采用混沌差分进化算法模型的技术优点在于：（1）能够将全局优化和局部优化分开来，实现不同情况下网配的优化控制；（2）该算法能够通过其自身具有迭代计算能力，搜索最需要网配的节点，提高了网配控制和调节能力。通过以下步骤进行详细说明。步骤 1 划分多时间尺度，该尺度包括大尺度和小尺度，好比不同的挡位，尺度单位比如 1、2、3、4 h等。先根据配电网的稳定性进行设置，再设置配电网中的不同节点，并进行标识、计算，最后设置算法模型中的迭代次数。步骤 2 构建混沌差分进化算法模型6-8，该模型需要设置迭代次数，在构建混沌差分进化算法模型时，假设其缩放因子为 F，交叉因子为 CR，在进行迭代计算过程中最大的迭代次数为Gmax，全局搜索次数为k。步骤 3 对配电网节点的种群进行划分，假设设置的配电网种群规模为 NP，初始种群数公式记作为xij(0)=xmax,j+rand(1)(xmax,j-xmin,j)（1）式中：xmax,j为配电网节点输出的各项参数的最大值；xmin,j为最小值；i（1，NP）；j为涉及配电网中不同参数的变量值；rand(1)为（0，1）的随机数。步骤 4 计算配电网节点种群的适应度，则有Fbest=f(Xbest)（2）在配电网不同的数据参数中，需通过索引实现配电网不同数据信息的搜索。index(Xbest)=i（3）图 1优化控制流程 302023年 6月流体测量与控制第 4卷第 3期（总第 16期）步骤 5 对配电网中不同输入数据信息进行变异操作，采用的变异公式为Vi(t+1)=xr1(t)+F(xr2(t)-xr3(t)（4）式中：r1、r2、r3为配电网不同节点输出的参数数据量；xr1(t)为输出的不同数据量。步骤 6 再进行交叉计算，计算公式可以为uij(t+1)=vij(t+1),if(rand(1)CR)or(j=jrand(1)xij(t+1),else（5）式中：xij(t+1)为下一个配电网参数。步骤 7 对输出的适应度进行比较，比较的方式为f(Ui(t+1)Fbest(6a)Xbest=Ui(t+1)(6b)Fbest=f(Ui(t+1)(6c)index(Xbest)=i(6d)式中：当满足（6a）时，则(6b)自动成立，当满足（6c）时，则（6d）自动成立。然后重复步骤 4 和步骤 6，再进行混沌搜索。在该步骤中，通常通过在配电网不同节点输出最优个体，通过多次的迭代计算，当最终输出的次数已经达到最大迭代次数，则停止计算，并输出对配电网不同节点控制参数，实现全局最佳控制节点输出，同时输出最佳适应度Fbest。在本研究的算法中，通过混沌差分进化算法能够将不同配电网区域的网络节点，以及输出功率等多种数据参数信息，通过种群粒子进行模拟。多时间尺度通常为全天范围的尺度，时间尺度划分为 48 个不同的时间时段，小时间区段设置为 30 min，或者其他合适的时间，则将长时间时段划分为不同的小时间时段9-10。通过上述介绍的方式将小时间时段的局部进行优化，进而提高了大时间时段的全局优化7-8。在优化过程中，涉及的调整参数包括配电网的DG 无功、风机发电、光伏发电、无功功率补偿等情况。当这些参数在通过柔性负荷控制之后，在不同时间尺度下进行网络拓扑局部优化，各个不同时间尺度局部优化完成后，可完成全局优化，进而实现配电网优化11。在全局的优化过程中，涉及多种调节手段，各个调节手段的先后顺序是根据用户的设置或者迭代计算后搜索的最优值进行，通过 Matlab平台实现主函数调用、计算机算法启动，进而实现整个时间尺度下的配电网控制。3.2不同时间尺度下控制方法设置通过对上述优化方法的介绍，设定分布式电源和负荷的优化控制时间尺度。本研究设置了配电网中各个负荷参数，比如发电机启动时间、运行状态、出力功率、发电量等参数12。在时间尺度上，以长、短时间周期为例，长周期以 d为单位，短周期以 h为单位。在配电网不同层级上，平衡有功功率、负荷等参数，在配电网中的平衡程度，控制方式可以通过以下控制方法进行：min F=t=1k()P(t)T+i=1nPj(t)T（7）式中：k为执行控制时间时段内的控制方式个数；T为每个控制方式的时间长短；P(t)为在时间t时，配电网中电力线节点输出的功率数值；n为控制配电网中的负荷数；Pj(t)为在j时，配电网全网能源输出的发电功率大小。在不同时间尺度下，分布式能源控制约束方程为|P(t)-Pj(t)=U(t)j=1nU(t)+sin(j(t),j SBSG P(t)SLSR U(t)SG（8）式中：U(t)为暂态功率；t为功率输出暂态时间；sin(j(t)为配电网分布式能源输出功率的相位；SG为配电网中整个负载之和；SL为整个配电网分布式能源各个输出支路；SR为整个配电网分布式能源中负荷的无功功率；SB为整个配电网中馈线输出节点；Pj(t)为整个配电网中分布式能源第j分支负荷输出的有功功率；j(t)为整个配电网中分布式能源第j分支能源的参数。通过上述公式，能够实现不同时间尺度