考虑量测数据质量的集成储能智能软开关数据驱动电压控制_宋关羽.pdf

Vol.47 No.6 Mar.25,2023第 47卷 第 6期 2023年 3月 25日考虑量测数据质量的集成储能智能软开关数据驱动电压控制宋关羽1，于川航1，冀浩然1，赵金利1，徐晶2，李鹏1（1.智能电网教育部重点实验室（天津大学），天津市 300072；2.国网天津市电力公司经济技术研究院，天津市 300160）摘要：分布式电源的高比例接入使配电网电压控制问题日益显著。与配电网中传统电压调控设备相比，集成储能智能软开关(ESOP)等新型电力电子设备具有更加灵活、快速的电压调节能力。实际配电网参数难以获取，运行场景复杂多变，基于物理模型的控制方法往往难以适应系统运行状态变化。为此，提出一种考虑量测数据质量的 ESOP数据驱动电压控制方法。首先，基于无模型自适应预测控制方法，建立 ESOP的数据驱动控制模型。然后，考虑数据驱动过程中实际量测数据存在量测误差的问题，采用坏数据辨识和量测扰动抑制方法对量测数据进行处理，提出考虑量测数据质量的 ESOP数据驱动电压控制方法，以降低量测误差对数据驱动控制过程的影响。最后，在含四端ESOP 的实际配电网算例中进行验证分析。结果表明，所提 ESOP 数据驱动电压控制方法可以有效解决配电网参数难以准确获取的问题，显著降低量测误差带来的不良影响，全面提升配电网电压控制水平。关键词：配电网；智能软开关；储能；电压控制；数据驱动；量测数据0 引言近年来，分布式电源的高比例接入改变了传统配电网的运行模式1-2，分布式电源出力的波动性和间歇性给配电网带来一系列电压越限3、电压波动和潮流倒送等问题4，影响配电网的安全运行5。然而，传统配电网调控设备如有载调压变压器、电容器组等采用离散控制的方式，其响应速度较慢、动作间隔较长，分布式电源功率频繁波动时，无法实现快速响应，因而难以有效应对分布式电源高比例接入导致的配电网电压越限等问题。随着电力电子技术的快速发展，智能柔性配电设备在配电网中得到了广泛应用6。智能柔性配电设备具有快速电压调节能力，可以灵活调整馈线间功率，改善系统潮流分布。作为一种典型的电力电子调控设备7，智能软开关（soft open point，SOP）在配电网中的应用价值不断被发掘8-9。文献 10 提出了一种两阶段鲁棒优化模型，在考虑电动汽车接入的影响下，利用 SOP 实现配电网的柔性互联和运行优化。文献 11 提出一种考虑 SOP 接入的主动配电网扩展规划方法，在降低主动配电网扩展规划综合成本的同时，提高了主动配电网的运行灵活性和安全性。SOP具有 AC-DC-AC的结构，为储能装置的深度耦合提供了结构基础12。储能装置可通过 DC/DC 变换器直接连接至 SOP，构成集成储能智 能 软 开 关（energy storage integrated soft open point，ESOP）。SOP在实现潮流控制的同时可以对储能装置的充放电进行控制13。因此，ESOP 成为高度集成的能量转换装置，储能在时间维度上进行能量转移，SOP 在空间维度上进行功率调节，从而在配电网的复杂运行场景下高效、快速地完成电压调控14，并有效抵御各类不确定性因素影响，实现配电网高效运行。现有电压控制方法大多依赖于精准的配电网物理结构和参数建模。然而，在配电网实际运行过程中，配电网物理模型准确性受参数影响较大，随着配电网物理结构和运行状态的日趋复杂，在对配电网物理建模时会面临部分元件模型缺失、系统拓扑未知等问题，且准确的配电网络参数难以获取，导致准确的配电网数学模型难以建立15。考虑到分布式电源高比例接入下配电网的运行状态复杂多变，亟须采用更智能、更有效的调控方式。随着信息技术的发展，高级量测体系（advanced metering infrastructure，AMI）、同步相量测量单元（phasor measurement unit，PMU）和数据采集与监控（supervisory control and data acquisition，DOI：10.7500/AEPS20220727004收稿日期：2022-07-27；修回日期：2022-10-25。上网日期：2023-02-01。国家自然科学基金资助项目（52007131）；天津市应用基础研究项目（21JCQNJC00430）。90宋关羽，等 考虑量测数据质量的集成储能智能软开关数据驱动电压控制http：/www.aeps-SCADA）系统等量测系统与装置在配电网中的大规模部署，提供了充足的多源量测数据16，为数据驱动方法的应用创造了条件。基于数据驱动的控制方法，通过引入量测数据作为物理系统的反馈，采用动态线性化的方法对系统进行建模，避免物理模型受参数影响而导致建模不准确等问题。数据驱动方法不依赖于系统的物理模型和参数17，在线决策速度快、自适应能力强，能够有效应对分布式电源高比例接入带来的不确定性问题以及配电网准确模型参数难以获取等问题。无 模 型 自 适 应 控 制（model-free adaptive control，MFAC）是一种基于迭代的数据驱动算法，相比于基于神经网络的数据驱动方法18，其能够直接利用实时运行量测数据设计控制方案，避免神经网络方法对于大量训练数据的依赖19-20，提高计算效率。MFAC 方法仅通过量测数据，在配电网物理结构和精确参数未知、无法获取全局准确信息的条件下，实现系统复杂环节的模拟构建，有效避免了传统 集 中 式 优 化 方 法 基 于 物 理 机 理 建 模 的 局 限性21-22。文献 23 基于 MFAC 提出一种 SOP 自适应电压控制方法。针对含有时序约束的受控系统，文献 24 在 MFAC 的基础上结合预测控制思想，通过自适应预测控制的方式，设计无模型自适应预测控制（model-free adaptive predictive control，MFAPC），解 决 了 复 杂 运 行 约 束 条 件 下 的 控 制问题。在数据驱动控制方法应用的过程中，对于量测数据的依赖程度较高，如果量测数据中存在不良数据，数据驱动方法的控制效果会受到较大影响。而在实际配电网运行过程中，PMU 和 SCADA 系统等采集的实际量测数据中往往存在坏数据和扰动数据25，有时还会出现数据丢失26等现象。这些不良数据会对控制过程产生影响，甚至会导致控制方案得出错误决策，进而影响数据驱动控制方法的有效性和准确性27。因此，针对量测数据不准确等问题，可采用坏数据辨识28和量测扰动抑制29等手段来降低量测数据误差对数据驱动控制过程的不良影响。在以往研究中，量测数据处理和数据驱动控制一般被考虑为两个独立环节，而本文将两个环节紧密结合，提出一种考虑量测数据质量的 ESOP 数据驱动电压控制方法。首先，采用 MFAPC 方法，在满足 ESOP 时序运行的约束条件下，通过动态线性化的方式建立 ESOP 数据驱动控制模型。然后，考虑配电网运行过程中量测误差对数据驱动控制的不良影响，采用基于密度的坏数据在线辨识和含衰减因子的扰动抑制方法对实时运行量测数据、历史运行数据进行处理。最后，在含四端 ESOP 的实际配电网算例中验证提出的 ESOP 数据驱动电压控制方法。结果表明，所提方法显著降低了量测误差对数据驱动控制效果的不良影响，提升了数据驱动控制方法的自适应能力，有效实现含 ESOP 的配电网电压自适应实时优化控制。1 ESOP数据驱动控制架构本章构建了含 ESOP配电网的数据驱动控制架构，包括数据采集、数据处理、数据驱动建模、控制策略求解 4个部分，如图 1所示。首先，通过配电网量测装置采集配电网的各类数据并汇总为多源数据集合，包括源荷预测数据、历史运行数据和实时量测数据，从而构建量测数据矩阵。由于实际量测数据中存在量测误差，为降低其对数据驱动控制效果的影响，采用坏数据辨识和量测扰动抑制方法对量测数据矩阵进行处理。然后，依据量测数据矩阵，通过动态线性化的方法建立ESOP 数据驱动电压控制模型。最后，根据数据驱动控制目标和 ESOP的时序运行约束对数据驱动模型进行求解，得到 ESOP各端口的出力策略，实现含ESOP配电网的数据驱动自适应电压控制。2 数据驱动的 ESOP电压控制建模ESOP 包括储能环节和 SOP 环节。根据 ESOP的运行特性，基于 MFAPC 方法建立 ESOP 数据驱ESSESOP配电网运行量测数据设备出力量测数据下发控制策略 ESOP各端口出力数据数据上传ESOP数据驱动建模ESOP运行约束动态线性化伪雅可比矩阵计算控制策略求解迭代求解动态调整自适应控制量测数据量测数据处理坏数据辨识量测扰动抑制建立量测数据矩阵多源数据集合历史运行数据源荷预测数据实时量测数据区域1区域3区域2区域4ACDCDCACDCACDCDCACDC电压、电流有功、无功功率风机;光伏;数据流;ESS储能系统数据采集图 1含 ESOP配电网的数据驱动控制架构Fig.1Data-driven control framework of distribution network with ESOP912023，47（6）智能配电网柔性互联与形态演变 动电压控制模型。2.1ESOP控制目标函数为实现配电网的数据驱动电压控制，设置目标函数如下：min f(PESt，PSOPr，t，QSOPr，t)=f1+f2+f3+f4（1）|f1=(Ureft+t-U?t+t)T(Ureft+t-U?t+t)Ureft+t=Uminthr Ut UminthrUreft+t=Umaxthr Ut Umaxthr（2）f2=ES(PESN，t)TPESN，t（3）|f3=SOPr=14(XSOPr，t)TXSOPr，tXSOPr，t=PSOPr，t，QSOPr，tT（4）f4=CESn=1N|PESn，t|（5）式中：PESt、PSOPr，t、QSOPr，t分别为t时刻储能环节有功出力、SOP 环节第r个端口有功出力、SOP 环节第r个端口无功出力；f1为配电网各节点电压量测值与电压参考区间之间的偏差；f2和f3分别为 ESOP 的储能环节和 SOP 环节出力变化量；f4为储能环节在运行周期内的充放电成本；Ureft+t为t+t时刻的电压参 考 值 向 量，其 中t为 控 制 时 间 间 隔；U?t+t为t+t时刻的电压估计值向量；Ut为t时刻配电网各节点电压量测值向量；Umaxthr和Uminthr分别为电压参考区间上、下限；ES和SOP分别为限制储能环节和SOP 环节出力变化量的权重系数；PESN，t为t至t+(N-1)Tc时段内储能环节充放电功率变化量向量，其中，N=Tp/Tc为针对储能环节运行约束设置的预测步数，Tc为控制域，Tp为预测域；XSOPr，t为t时刻 SOP 环节第r个端口的有功和无功功率差值向量；PSOPr，t和QSOPr，t分别为t时刻 SOP 环节第r个端口的有功和无功出力差值；CES为单位时间分布 式 储 能 系 统 有 功 功 率 充 放 电 成 本；PESn，t为t+(n-1)Tc时刻储能环节充放电策略；n=1N|PESn，t|为储能环节在Tp内有功充放电功率绝对值的和。为保证 ESOP中储能环节的时序运行约束和能量平衡周期性变化，采用预测域逐渐减小、控制域保持不变的滚动方式计算 ESOP各端口控制策略。基于预测域Tp内分布式电源出力、负荷预测信息求解获得Tp内 ESOP 出力策略，只有t时刻的控制策略被下发执行。在下一个滚动周期，预测域向前移动一个控制域的时间长度，即Tp=Tp-Tc，基于配电网最新运行信息对更新后预测域内的信息进行预测并求解 ESOP 控制策略。如此重复滚动，预测域向优化时间T末端时刻不断压缩，控制域不断后移，直至完成优化时间内所有控制策略的计算。2.2ESOP数据驱动控制建模以 ESOP 的有功、无功出力为配电网运行控制输入量，以各节点电压为配电网运行控制输出量，建立动态线性化配电网数据驱动控制模型如下：U?t+t=Ut+UESOPt+t（6）UESOPt+t=UESt+t+USOPt+t UESt