一种基于负荷频率控制模型的源荷协同调频方法技术

本发明专利技术公开了一种基于负荷频率控制模型的源荷协同调频方法，其步骤包括：1、将微型燃气轮机组、小规模水电机组、飞轮储能系统作为调频机组；2、建立所述微型燃气轮机组、小规模水电机组、飞轮储能系统、风力发电、光伏发电和用户负荷相应的负荷频率控制模型；3、针对所述孤岛两区域多源微电网中任意区域建立微电网的MDP数学模型；4、获取所述孤岛两区域微网的源荷协同调频所需数据；5、采用基于模拟退火的Q学习理论算法对所述MDP数学模型进行求解。本发明专利技术通过源荷协同方法和基于学习优化方法的AGC控制器稳定孤岛两区域微网系统频率，从而提高系统安全稳定性。

【技术实现步骤摘要】
一种基于负荷频率控制模型的源荷协同调频方法
本专利技术属于微电网控制领域，具体的说是一种含异质能源的孤岛两区域微电网负荷频率控制模型与源荷协同调频方法。
技术介绍
孤岛微电网具有污染少、可靠性高、能源利用效率高等优点，但光伏、风能等新能源接入微网时，由于其输出的功率具有间歇性、随机性、波动性等特点，并且微网中负荷的随机变化，这些因素会使孤岛微电网有功功率失去平衡、频率产生大幅偏离额定值，超过安全运行的范围。因此微网以孤岛方式运行时，需要保证自身的电压平稳同时维持频率稳定，就必须对微网进行有效的频率调节。现有对于孤岛两区域微电网系统的研究和关注甚少，缺乏对微电网频率、电能质量与安全的研究方法。在微网系统中，通过控制器对分布式电源及储能装置的控制，使得系统功率和频率得以稳定。对于微网的发展来说，一味地去增加储能容量、扩大装机容量的解决方式难以满足微网系统中日益增长的用户负荷需求，这样会大大增加微网发展建设及投资成本，同时也会降低新能源的使用效率，造成大量可再生能源的浪费。因此需要电源侧与负荷需求侧相互协同，以实现系统安全稳定运行。
技术实现思路
针对上述技术中存在的不足之处，本专利技术提供一种基于负荷频率控制模型的源荷协同调频方法，以期能通过源荷协同和基于学习优化方法来稳定控制孤岛两区域微网系统频率，从而提高系统安全稳定性。本专利技术为解决技术问题采用如下技术方案：本专利技术一种基于负荷频率控制模型的源荷协同调频方法的特点是应用于由微型燃气轮机组、小规模水电机组、飞轮储能系统、风力发电、光伏发电、用户负荷所构成的孤岛两区域多源微电网中，并按如下步骤进行：步骤一，将所述微型燃气轮机组、小规模水电机组、飞轮储能系统作为孤岛两区域微电网的调频机组；步骤二，建立所述微型燃气轮机组、小规模水电机组、飞轮储能系统、风力发电、光伏发电和用户负荷相应的负荷频率控制模型；步骤2.1、建立所述调频机组的负荷频率控制模型：根据所述微型燃气轮机组、小规模水电机组、飞轮储能系统的动态特性分别建立相应的负荷频率控制模型；在一个AGC决策周期内，令所述微型燃气轮机组的输出功率调节量为ΔPm，所述功率调节量ΔPm的等级为m∈Φ1＝{-Nm,...,-1,0,1,…,Nm}；Φ1表示所述功率调节量ΔPm的等级集合，Nm表示所述功率调节量ΔPm的等级值，且为整数；在一个AGC决策周期内，令所述小规模水电机组的输出功率调节量为ΔPh，所述输出功率调节量ΔPh的等级为h∈Φ2＝{-Nh,...,-1,0,1,...,Nh}；Φ2表示所述输出功率调节量ΔPh的等级集合，Nh表示所述输出功率调节量ΔPh的等级值，且为整数；在一个AGC决策周期内，令所述飞轮储能系统的输出功率调节量为ΔPe，所述输出功率调节量ΔPe的等级为e∈Φ3＝{-Ne,...,-1,0,1,...,Ne}；Φ3表示所述输出功率调节量ΔPe的等级集合，Ne表示所述输出功率调节量ΔPe的等级值，且为整数；步骤2.2、建立非调频机组的负荷频率控制模型：根据所述风力发电、光伏发电的随机不确定性和时序相关性，分别将所述风力发电、光伏发电的负荷频率控制模型描述为离散时间马尔可夫过程；在一个AGC决策周期内，令所述风力发电的功率变化量为ΔPw，所述功率变化量ΔPw的等级为w∈Φ4＝{-Nw,...,-1,0,1,...,Nw}；Φ4表示所述功率变化量ΔPw的等级集合，Nw表示所述功率变化量ΔPw的等级值，且为整数；在一个AGC决策周期内，令所述光伏发电的功率变化量为ΔPg，所述功率变化量ΔPg的等级为g∈Φ5＝{-Ng,...,-1,0,1,...,Ng}；Φ5表示所述功率变化量ΔPg的等级集合，Ng表示所述功率变化量ΔPg的等级值，且为整数；在一个AGC决策周期内，令风力发电的功率变化量ΔPw的等级w变化服从概率矩阵为Pw的马尔可夫链；在一个AGC决策周期内，令所述光伏发电的功率变化量ΔPg的等级g变化服从概率矩阵为Ppv的马尔可夫链；令风力发电的等级w和光伏发电的等级g从等级i转移到等级j概率分别为步骤2.3、建立用户负荷模型：将所述用户负荷分为刚性负荷和可直接控制的柔性负荷；将所述用户负荷的变化过程描述为离散时间马尔可夫过程；令所述用户负荷的扰动为ΔL＝ΔLr+ΔLf，其中，ΔLr表示刚性负荷扰动，所述刚性负荷扰动ΔLr的等级为r∈Φ6＝{-Nr,...,-1,0,1,...,Nr}，Φ6表示所述刚性负荷扰动ΔLr的等级集合，Nr表示所述刚性负荷扰动ΔLr的等级值，且为整数；ΔLl表示柔性负荷扰动，l∈Φ7＝{-Nl,...,-1,0,1,...,Nl}；Φ7表示所述柔性负荷扰动ΔLl的等级集合，Nl表示所述柔性负荷扰动ΔLl的等级值，且为整数；在一个AGC决策周期内，令所述刚性负荷扰动ΔLr的等级r变化服从概率矩阵为Pr马尔可夫链；在一个AGC决策周期内，令所述柔性负荷扰动ΔLl的等级l变化服从概率矩阵为Pl的马尔可夫链；令所述刚性负荷扰动ΔLr的等级r和柔性负荷扰动ΔLl的等级l从等级i转移到等级j概率分别为步骤三，针对所述孤岛两区域多源微电网中任意区域建立孤岛两区域微电网的MDP数学模型：步骤3.1、确定所述MDP数学模型的状态量与输出动作：将一个AGC决策周期内的区域控制偏差ACE、经济考核指标值CPS1、柔性负荷等级ΔLl作为状态量，记为状态s；将机组出力调节量ΔP和柔性负荷虚拟机组负出力调节量ΔPl作为输出动作a＝(a1,a2)；其中，a1表示机组出力调节量ΔP的输出动作，a2表示柔性负荷虚拟机组负出力调节量ΔPl的输出动作；令行动集用D＝D1×D2表示，其中，D1表示机组出力调节量ΔP的行动集，D2表示柔性负荷虚拟机组负出力调节量ΔPl的行动集；将所述机组出力调节量ΔP离散化为有限的出力等级集合，则行动集D1离散为2Np+1个等级，即a1∈D1＝{-Np,...,-1,0,1,...,Np}，其中，Np表示所述机组出力调节量ΔP的等级值，且Np＝ΔPmax/ΔPmin，ΔPmin为最小调节量，ΔPmax为最大调节量；将所述柔性负荷虚拟机组负出力调节量ΔPl离散化为有限的出力等级集合，则行动集D2离散为2Nl+1个等级，即a2∈D2＝{-Nl,...,-1,0,1,...,Nl}；步骤3.2、确定所述MDP数学模型的代价函数：利用式(1)获得第k个AGC决策周期内，所述MDP数学模型的代价函数C(k)：式(1)中，δ为任意非负数，KCPS1(k)与ACE(k)分别表示为经济考核指标值CPS1和区域控制偏差ACE在第k个AGC周期内的均值，λ1和λ2表示相应状态量的优化权值，是经济考核指标值CPS1的控制期望值，εACE为区域控制偏差ACE的调节死区值；步骤3.3、确定所述MDP数学模型的优化目标：利用式(2)建立以孤岛两区域微电网系统的总运行代价最小为目标的微电网无穷时段折扣代价函数ηπ：式(2)中，γ为折扣值，c(sk,ak)表示所述MDP数学模型在k个AGC决策周期时状态sk下采取行动ak所获得的代价；π*表示为贪婪策略，并有：π*＝argminηπ(3)步骤四，获取所述孤岛两区域微网的源荷协同调频所需数据，包括：区域控制偏差ACE、频率偏差Δf、联络线功率偏差ΔPt、柔性负本文档来自技高网...

【技术保护点】
1.一种基于负荷频率控制模型的源荷协同调频方法，其特征是应用于由微型燃气轮机组、小规模水电机组、飞轮储能系统、风力发电、光伏发电、用户负荷所构成的孤岛两区域多源微电网中，并按如下步骤进行：步骤一，将所述微型燃气轮机组、小规模水电机组、飞轮储能系统作为孤岛两区域微电网的调频机组；步骤二，建立所述微型燃气轮机组、小规模水电机组、飞轮储能系统、风力发电、光伏发电和用户负荷相应的负荷频率控制模型；步骤2.1、建立所述调频机组的负荷频率控制模型：根据所述微型燃气轮机组、小规模水电机组、飞轮储能系统的动态特性分别建立相应的负荷频率控制模型；在一个AGC决策周期内，令所述微型燃气轮机组的输出功率调节量为ΔPm，所述功率调节量ΔPm的等级为m∈Φ1＝{‑Nm,...,‑1,0,1,…,Nm}；Φ1表示所述功率调节量ΔPm的等级集合，Nm表示所述功率调节量ΔPm的等级值，且为整数；在一个AGC决策周期内，令所述小规模水电机组的输出功率调节量为ΔPh，所述输出功率调节量ΔPh的等级为h∈Φ2＝{‑Nh,...,‑1,0,1,...,Nh}；Φ2表示所述输出功率调节量ΔPh的等级集合，Nh表示所述输出功率调节量ΔPh的等级值，且为整数；在一个AGC决策周期内，令所述飞轮储能系统的输出功率调节量为ΔPe，所述输出功率调节量ΔPe的等级为e∈Φ3＝{‑Ne,...,‑1,0,1,...,Ne}；Φ3表示所述输出功率调节量ΔPe的等级集合，Ne表示所述输出功率调节量ΔPe的等级值，且为整数；步骤2.2、建立非调频机组的负荷频率控制模型：根据所述风力发电、光伏发电的随机不确定性和时序相关性，分别将所述风力发电、光伏发电的负荷频率控制模型描述为离散时间马尔可夫过程；在一个AGC决策周期内，令所述风力发电的功率变化量为ΔPw，所述功率变化量ΔPw的等级为w∈Φ4＝{‑Nw,...,‑1,0,1,...,Nw}；Φ4表示所述功率变化量ΔPw的等级集合，Nw表示所述功率变化量ΔPw的等级值，且为整数；在一个AGC决策周期内，令所述光伏发电的功率变化量为ΔPg，所述功率变化量ΔPg的等级为g∈Φ5＝{‑Ng,...,‑1,0,1,...,Ng}；Φ5表示所述功率变化量ΔPg的等级集合，Ng表示所述功率变化量ΔPg的等级值，且为整数；在一个AGC决策周期内，令风力发电的功率变化量ΔPw的等级w变化服从概率矩阵为Pw的马尔可夫链；在一个AGC决策周期内，令所述光伏发电的功率变化量ΔPg的等级g变化服从概率矩阵为Ppv的马尔可夫链；令风力发电的等级w和光伏发电的等级g从等级i转移到等级j概率分别为...

【技术特征摘要】
1.一种基于负荷频率控制模型的源荷协同调频方法，其特征是应用于由微型燃气轮机组、小规模水电机组、飞轮储能系统、风力发电、光伏发电、用户负荷所构成的孤岛两区域多源微电网中，并按如下步骤进行：步骤一，将所述微型燃气轮机组、小规模水电机组、飞轮储能系统作为孤岛两区域微电网的调频机组；步骤二，建立所述微型燃气轮机组、小规模水电机组、飞轮储能系统、风力发电、光伏发电和用户负荷相应的负荷频率控制模型；步骤2.1、建立所述调频机组的负荷频率控制模型：根据所述微型燃气轮机组、小规模水电机组、飞轮储能系统的动态特性分别建立相应的负荷频率控制模型；在一个AGC决策周期内，令所述微型燃气轮机组的输出功率调节量为ΔPm，所述功率调节量ΔPm的等级为m∈Φ1＝{-Nm,...,-1,0,1,…,Nm}；Φ1表示所述功率调节量ΔPm的等级集合，Nm表示所述功率调节量ΔPm的等级值，且为整数；在一个AGC决策周期内，令所述小规模水电机组的输出功率调节量为ΔPh，所述输出功率调节量ΔPh的等级为h∈Φ2＝{-Nh,...,-1,0,1,...,Nh}；Φ2表示所述输出功率调节量ΔPh的等级集合，Nh表示所述输出功率调节量ΔPh的等级值，且为整数；在一个AGC决策周期内，令所述飞轮储能系统的输出功率调节量为ΔPe，所述输出功率调节量ΔPe的等级为e∈Φ3＝{-Ne,...,-1,0,1,...,Ne}；Φ3表示所述输出功率调节量ΔPe的等级集合，Ne表示所述输出功率调节量ΔPe的等级值，且为整数；步骤2.2、建立非调频机组的负荷频率控制模型：根据所述风力发电、光伏发电的随机不确定性和时序相关性，分别将所述风力发电、光伏发电的负荷频率控制模型描述为离散时间马尔可夫过程；在一个AGC决策周期内，令所述风力发电的功率变化量为ΔPw，所述功率变化量ΔPw的等级为w∈Φ4＝{-Nw,...,-1,0,1,...,Nw}；Φ4表示所述功率变化量ΔPw的等级集合，Nw表示所述功率变化量ΔPw的等级值，且为整数；在一个AGC决策周期内，令所述光伏发电的功率变化量为ΔPg，所述功率变化量ΔPg的等级为g∈Φ5＝{-Ng,...,-1,0,1,...,Ng}；Φ5表示所述功率变化量ΔPg的等级集合，Ng表示所述功率变化量ΔPg的等级值，且为整数；在一个AGC决策周期内，令风力发电的功率变化量ΔPw的等级w变化服从概率矩阵为Pw的马尔可夫链；在一个AGC决策周期内，令所述光伏发电的功率变化量ΔPg的等级g变化服从概率矩阵为Ppv的马尔可夫链；令风力发电的等级w和光伏发电的等级g从等级i转移到等级j概率分别为步骤2.3、建立用户负荷模型：将所述用户负荷分为刚性负荷和可直接控制的柔性负荷；将所述用户负荷的变化过程描述为离散时间马尔可夫过程；令所述用户负荷的扰动为ΔL＝ΔLr+ΔLf，其中，ΔLr表示刚性负荷扰动，所述刚性负荷扰动ΔLr的等级为r∈Φ6＝{-Nr,...,-1,0,1,...,Nr}，Φ6表示所述刚性负荷扰动ΔLr的等级集合，Nr表示所述刚性负荷扰动ΔLr的等级值，且为整数；ΔLl表示柔性负荷扰动，l∈Φ7＝{-Nl,...,-1,0,1,...,Nl}；Φ7表示所述柔性负荷扰动ΔLl的等级集合，Nl表示所述柔性负荷扰动ΔLl的等级值，且为整数；在一个AGC决策周期内，令所述刚性负荷扰动ΔLr的等级r变化服从概率矩阵为Pr马尔可夫链；在一个AGC决策周期内，令所述柔性负荷扰动ΔLl的等级l变化服从概率矩阵为Pl的马尔可夫链；令所述刚性负荷扰动ΔLr的等级r和柔性负荷扰动ΔLl的等级l从等级i转移到等级j概率分别为步骤三，针对所述孤岛两区域多源微电网中任意区域建立孤岛两区域微电网的MDP数学模型：步骤3.1、确定所述MDP数学模型的状态量与输出动作：将一个AGC决策周期内的区域控制偏差ACE、经济考核指标值CPS1、柔性负荷等级ΔLl作为状态量，记为状态s；将机组出力调节量ΔP和柔性负荷虚拟机组负出力调节量ΔPl作为输出动作a＝(a1,a2)；其中，a1表示机...

【专利技术属性】
技术研发人员：唐昊，王鹏鹄，吕凯，李怡瑾，张延，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34