交直流微电网群协同互供的电压控制方法技术

本发明专利技术公开了一种交直流微电网群协同互供的电压控制方法，包括如下步骤：根据多个电压控制方法的优先级建立电压稳定控制优化模型，该模型控制优化目标包括：微电网接入馈线点电压V

【技术实现步骤摘要】
交直流微电网群协同互供的电压控制方法


[0001]本专利技术属于电网运行
，具体涉及交直流微电网群运行控制技术。

技术介绍

[0002]新能源在电网中的比重逐渐增加，分布式电源也发展迅速。如今，集成了 分布式电源、储能单元、用电负荷和先进电力电子设备的微电网系统已经成为 新能源消纳的主要方法。
[0003]微电网可分为以风机为主要电源的交流微电网和以光伏为主要电源的直流 微电网。两种微电网互联的交直流混连微电网的场景已颇为常见。多个位置相 邻的交直流微电网集群互联运行已经是常态，故交直流微电网集群的安全稳定 控制系统的结构设计与控制方法研究具有重要的现实意义。
[0004]智能电网中大量先进电力电子设备的使用使得数据驱动的人工智能算法的 应用越来越多。深度强化学习算法是深度学习与强化学习的结合，它使智能体 既拥有较好的环境感知能力，也拥有强大的智能决策能力，在智能电网的控制 领域中有广泛的应用前景。

技术实现思路

[0005]本专利技术所要解决的技术问题就是提供一种交直流微电网群协同互供的电压 控制方法，有效的保持了交直流微电网群的电压稳定，并实现了各交直流微电 网间的功率协调互供。
[0006]为解决上述技术问题，本专利技术采用如下技术方案：
[0007]交直流微电网群协同互供的电压控制方法，包括如下步骤：
[0008]根据多个电压控制方法的优先级建立电压稳定控制优化模型，该模型控制优化 目标包括：微电网接入馈线点电压V
i
稳定，ILC功率传输的功率损耗最低，电压 稳定控制成本最低；
[0009]用深度强化学习的算法求解电压稳定控制优化模型，训练得到能够自主决策控 制电压稳定并优化控制策略的智能体；
[0010]将智能体运用到本地控制器和协调控制器中，向智能体输入监测的电网状态量， 智能体输出电压稳定控制优化策略，并根据电压稳定控制优化策略对电压进行 控制。
[0011]优选的，多个电压控制方法的优先级如下：
[0012](1)优先控制分布式电源的无功输出调压：调节微电网光伏无功Q
pv
和风机无 功Q
wt
；
[0013](2)然后控制储能单元调压：调节储能的有功P
ESS
和无功Q
ESS
；
[0014](3)然后控制分布式电源的有功输出调压：调节微电网光伏有功出力P
pv
和风机 有功出力P
wt
；
[0015](4)最后控制交直流负荷减载调压：部分负荷p
load
减载来应对大的难以调节电 压波动。
[0016]优选的，电压稳定控制优化模型的目标函数为：
[0017][0018]式中，表示n各微电网并网点电压与馈线参考电压的总偏差量，模型中越小，则表示电压越稳定在参考值V
rv
处；
[0019]表示变流器ILC的功率损耗，其变流功率损耗计算公式为:
[0020][0021]式中，η是变流效率，P
ref
是变换功率值；
[0022]电压稳定控制成本函数为：
[0023]α3(β1C
Qpv
+β2C
Qwt
+β3C
PESS
+β4C
QESS
+β5C
Pwt
+β6C
Ppv
+β7C
load
)(3)
[0024]其中，C
Qpv
是光伏无功调节成本，C
Qwt
是风机无功调节成本，C
PESS
是储能有功调节成本，C
QESS
是储能无功调节成本，C
Ppv
是光伏有功调节成本，C
Pwt
是风机有功调节成本，C
load
是负荷调节成本；
[0025]α1、α2、α3分别表示并网点电压稳定、ILC功率损耗、电压稳定成本三个优化目标的权重系数，α1＞α2＞α3；
[0026]β1、β2、β3、β4、β5、β6、β7分别是光伏无功、风机无功、储能有功、储能无功、风机有功、光伏有功和负载各自参与调压的成本函数的权重系数，该权重系数满足β1＝β2＜β3＝β4＜β5＝β6＜β7；
[0027]光伏的无功调节成本模型为：
[0028]C
Qpv
＝γ
pv
ΔQ
pv
(4)
[0029]其中Q
pv
是光伏无功输出，γ
pv
是光伏管理运行成本系数；
[0030]光伏的有功调节成本模型为：
[0031]C
Ppv
＝γ
pv
ΔP
pv
+λ
pv
ΔP
pv
(5)
[0032]式中P
pv
是光伏有功输出，γ
pv
是光伏管理运行成本系数，λ
pv
是光伏的弃光惩罚因数；
[0033]风机的无功调节成本模型为：
[0034]C
Qwt
＝γ
wt
ΔQ
wt
(6)
[0035]其中Q
wt
是风机无功输出，γ
wt
是风机管理运行成本系数；
[0036]风机的有功调节成本模型为：
[0037]C
Pwt
＝γ
wt
ΔP
wt
+λ
wt
ΔP
wt
(7)
[0038]其中P
wt
是风机功输出，γ
wt
是风机管理运行成本系数，λ
wt
是风机的弃风惩罚因数；储能单元的有功调节的成本模型为：
[0039]C
PESS
＝(γ
ES.om
+γ
z
)ΔP
ESS
(8)
[0040]式中P
ESS
是储能单元有功变动，γ
ES.om
是管理维护成本系数，γ
z
是折旧成本系数；储能单元的无功调节的成本模型为：
[0041]C
QESS
＝(γ
ES.om
+γ
z
)ΔQ
ESS
(9)
[0042]式中Q
ESS
是储能单元有功变动，γ
ES.om
是管理维护成本系数，γ
z
折旧成本系数；上
述电压稳定控制优化模型的约束为：
[0043][0044]上述约束中：
[0045](10)是风机有功功率(无功功率)输出的范围约束；
[0046](11)是光伏有功功率(无功功率)输出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.交直流微电网群协同互供的电压控制方法，其特征在于，包括如下步骤：根据多个电压控制方法的优先级建立电压稳定控制优化模型，该模型控制优化目标包括：微电网接入馈线点电压V
i
稳定，ILC功率传输的功率损耗最低，电压稳定控制成本最低；用深度强化学习的算法求解电压稳定控制优化模型，训练得到能够自主决策控制电压稳定并优化控制策略的智能体；将智能体运用到本地控制器和协调控制器中，向智能体输入监测的电网状态量，智能体输出电压稳定控制优化策略，并根据电压稳定控制优化策略对电压进行控制。2.根据权利要求1所述的交直流微电网群协同互供的电压控制方法，其特征在于：多个电压控制方法的优先级如下：(1)优先控制分布式电源的无功输出调压：调节微电网光伏无功Q
pv
和风机无功Q
wt
；(2)然后控制储能单元调压：调节储能的有功P
ESS
和无功Q
ESS
；(3)然后控制分布式电源的有功输出调压：调节微电网光伏有功出力P
pv
和风机有功出力P
wt
；(4)最后控制交直流负荷减载调压：部分负荷p
load
减载来应对大的难以调节电压波动。3.根据权利要求1所述的交直流微电网群协同互供的电压控制方法，其特征在于：电压稳定控制优化模型的目标函数为：式中，表示n各微电网并网点电压与馈线参考电压的总偏差量，模型中越小，则表示电压越稳定在参考值V
rv
处；表示变流器ILC的功率损耗，其变流功率损耗计算公式为:式中，η是变流效率，P
ref
是变换功率值；电压稳定控制成本函数为：α3(β1C
Qpv
+β2C
Qwt
+β3C
PESS
+β4C
QESS
+β5C
Pwt
+β6C
Ppv
+β7C
load
)(3)其中，C
Qpv
是光伏无功调节成本，C
Qwt
是风机无功调节成本，C
PESS
是储能有功调节成本，C
QESS
是储能无功调节成本，C
Ppv
是光伏有功调节成本，C
Pwt
是风机有功调节成本，C
load
是负荷调节成本；α1、α2、α3分别表示并网点电压稳定、ILC功率损耗、电压稳定成本三个优化目标的权重系数，α1＞α2＞α3；β1、β2、β3、β4、β5、β6、β7分别是光伏无功、风机无功、储能有功、储能无功、风机有功、光伏有功和负载各自参与调压的成本函数的权重系数，该权重系数满足β1＝β2＜β3＝β4＜β5＝β6＜β7；光伏的无功调节成本模型为：C
Qpv
＝γ
pv
ΔQ
pv
(4)其中Q
pv
是光伏无功输出，γ
pv
是光伏管理运行成本系数；
光伏的有功调节成本模型为：C
Ppv
＝γ
pv
ΔP
pv
+λ
pv
ΔP
pv
(5)式中P
pv
是光伏有功输出，γ
pv
是光伏管理运行成本系数，λ
pv
是光伏的弃光惩罚因数；风机的无功调节成本模型为：C
Qwt
＝γ
wt
ΔQ
wt
(6)其中Q
wt
是风机无功...

【专利技术属性】
技术研发人员：高强，周洪青，王天群，朱逸芝，王海龙，黄堃，付明，
申请(专利权)人：国电南瑞科技股份有限公司，
类型：发明
国别省市：