一种考虑下垂特性的虚拟电厂强化在线电压控制方法技术

本发明专利技术公开了一种考虑下垂特性的虚拟电厂强化在线电压控制方法，面向各耦合互联的子网络，考虑逆变器的无功调节能力，提出了参数可调的Q

【技术实现步骤摘要】
一种考虑下垂特性的虚拟电厂强化在线电压控制方法


[0001]本专利技术属于数据驱动方法的虚拟电厂应用领域，具体涉及一种考虑下垂特性的虚拟电厂强化在线电压控制方法。

技术介绍

[0002]虚拟电厂（Virtual Power Plants,VPP）是实现智能配电网的重要技术之一。它通过分布式能源管理系统将电网中分散安装的清洁能源、可控负荷和储能系统合并作为一个特别的电厂参与电网运行，从而很好地协调智能电网与分布式能源之间的矛盾，充分挖掘分布式能源为电网和用户所带来的价值和效益。
[0003]一般VPP的类别主要可分为商业VPP(CVPP)和技术VPP(TVPP)，分别聚焦电力系统的经济利润和性能。不同于CVPP，TVPP主要侧重于实现最优调度和实时运行，以平衡功率，保证系统安全。
[0004]面向TVPP，为解决电压调节问题和降低网络功率损耗问题，已经提出了一些无功/电压控制(VVC)方法。其中，基于逆变器的VVC由于其日益增长的可用性、无功补偿的灵活性和先进的电力电子技术的快速响应速度而得到了广泛的研究。基于逆变器的VVC优化问题可以在中心层面上解决，并发展了集中式优化方法。但是，集中式方法需要复杂的通信网络，并且常常存在隐私、复杂性和可伸缩性等问题。基于分布式控制框架的VVC方案由于不需要强大的通信能力和计算能力并且可以有效保护隐私问题得到了越来越广泛的应用。
[0005]当前VVC优化问题此前大多是采用精准的数学模型来表述的，然后用数学方法求解，这些方法的计算量很大对通信的要求较高，无法满足接入大量分布式资源的情况下实现实时控制的要求。在提高计算效率方面已经提出了许多新方法，包括将数据驱动方法应用于解决相关优化问题。以MADDPG算法为代表的数据驱动方法拥有诸多的优点，最为突出的一点是无论电网系统的规模和运行条件的复杂性如何，神经网络都可以在毫秒内做出决策。同时由于MADDPG算法是基于部分可观察的马尔可夫决策，MADDPG算法在没有精确模型的情况下依然具有较高的适用性，让大范围解决VPP的VVC问题具有可扩展性。但是传统的数据驱动方法仅通过大量历史数据训练出实现全局最优的策略，而忽视了电网中的传统物理模型，所以训练得到的策略有时会不符合现实情况。传统的物理模型中包含了诸多物理信息和物理规律，这些信息具有很高的价值，通过将传统物理模型与数据驱动结合，可以有效解决纯数据或纯模型驱动的缺点。

技术实现思路

[0006]本专利技术提供了一种考虑下垂特性的虚拟电厂强化在线电压控制方法，解决了虚拟电厂（VPP）中的电压调节问题和降低网络功率损耗问题，并且将电网中的传统物理模型与数据驱动结合，提高了计算效率并且使得控制策略更加贴合现实情况，得到有效的控制策略。
[0007]本专利技术采用以下技术方案：
一种考虑下垂特性的虚拟电厂强化在线电压控制方法，针对目标电网系统基于区域划分的各耦合互联的子网络，各子网络分别对应一个虚拟电厂，通过以下步骤，实现虚拟电厂对目标电网系统的实时电压控制：步骤1：分别针对各子网络包含的各逆变器，构建下垂参数可调的逆变器Q
‑
V下垂控制模型；步骤2：分别针对各虚拟电厂，基于有功功率损耗最小化和电压约束为目标，结合下垂参数可调的逆变器Q
‑
V下垂控制模型约束、安全约束以及系统潮流约束，建立各虚拟电厂分别对应的电压控制模型；步骤3：针对各虚拟电厂分别对应的电压控制模型，将电压控制模型建模为部分可观测马尔科夫决策模型，求解获得各虚拟电厂分别对应的电压控制策略模型；步骤4：基于各虚拟电厂分别对应的电压控制策略模型，各虚拟电厂基于对应子网络的状态实时控制其对应的逆变器的下垂参数，进而根据下垂参数可调的逆变器Q
‑
V下垂控制模型实现虚拟电厂对目标电网系统的实时电压控制。
[0008]作为本专利技术的一种优选技术方案，所述下垂参数可调的逆变器Q
‑
V下垂控制模型，如下所示：，，，式中，表示连接于b节点的逆变器在t时刻发出的有功功率；表示连接于b节点的逆变器在t时刻发出的无功功率；表示连接于b节点的逆变器的复功率容量；PV表示逆变器；表示子网络m中安装有PV的网络节点索引集，；表示子网络m中的节点集；表示下垂曲线的斜率；n表示目标电网系统中网络节点总数；表示b节点处电压幅值对节点注入无功功率的敏感度；表示连接于b节点的逆变器在t时刻用于输出的最大无功功率；表示t时刻b节点处的电压幅值；表示t时刻b节点处连接的逆变器的下垂参数，为t时刻b节点处连接的逆变器下垂曲线与表示电压的x轴的交点。
[0009]作为本专利技术的一种优选技术方案，所述电压控制模型，如下所示：，约束条件：，，
，，，，，，式中，表示子网络m在t时刻的有功功率损耗；表示子网络m在t时刻的电压约束；m表示子网络；M表示子网络总数；T表示预设持续总时长；表示预设权重系数；表示连接于b节点的逆变器在t时刻发出的有功功率；表示连接于b节点的逆变器在t时刻发出的无功功率；表示连接于b节点的逆变器的复功率容量；PV表示逆变器；表示子网络m中安装有PV的网络节点索引集，；表示子网络m中的节点集；表示下垂曲线的斜率；n表示目标电网系统中网络节点总数；表示b节点处电压幅值对节点注入无功功率的敏感度；表示连接于b节点的逆变器在t时刻用于输出的最大无功功率；表示t时刻b节点处的电压幅值；表示t时刻b节点处连接的逆变器的下垂参数，为t时刻b节点处连接的逆变器下垂曲线与表示电压的x轴的交点；表示网络电压基准值；表示t时刻c节点的电压幅值；表示t时刻c和e节点之间支路的有功功率损耗；表示子网络m的支路索引集；表示c和e节点之间支路的电阻；表示c和e节点之间支路的电抗；表示t时刻e节点的电压幅值；表示t时刻注入i节点的有功功率；表示t时刻注入i节点的无功功率；，B表示目标电网系统的支路索引集；表示t时刻i节点的电压幅值；表示t时刻j节点的电压幅值；表示i节点和j节点间母线的电导；表示i节点和j节点间母线的电纳；表示i节点和j节点在t时刻的电压相角差；N表示目标电网系统中的节点集。
[0010]作为本专利技术的一种优选技术方案，所述步骤3中，针对各虚拟电厂分别对应的电压
控制模型，将电压控制模型拟合为部分可观测马尔科夫决策模型，采用MADDPG算法进行求解，获得各虚拟电厂分别对应的电压控制策略模型。
[0011]作为本专利技术的一种优选技术方案，所述MADDPG算法进行求解的过程中，针对网络求解失败的训练集，通过以下公式调整该训练集的奖励函数：，其中，，，式中，表示子网络m的奖励函数；表示预设折扣系数；表示在t时刻子网络m的奖励函数；表示子网络m中出现求解失败的训练集中训练成功的持续时间；f
m
表示预设惩罚出现常数，f
m
>6n，n表示目标电网系统的节点总数；表示子网络m的预设常数系数；表示子网络m中求解失败前最后一次求解成功的时间点；表示子网络m中每一训练集的最长训练时间点。
[0012]作为本专利技术的一种优选本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑下垂特性的虚拟电厂强化在线电压控制方法，其特征在于，针对目标电网系统基于区域划分的各耦合互联的子网络，各子网络分别对应一个虚拟电厂，通过以下步骤，实现虚拟电厂对目标电网系统的实时电压控制：步骤1：分别针对各子网络包含的各逆变器，构建下垂参数可调的逆变器Q
‑
V下垂控制模型；步骤2：分别针对各虚拟电厂，基于有功功率损耗最小化和电压约束为目标，结合下垂参数可调的逆变器Q
‑
V下垂控制模型约束、安全约束以及系统潮流约束，建立各虚拟电厂分别对应的电压控制模型；步骤3：针对各虚拟电厂分别对应的电压控制模型，将电压控制模型建模为部分可观测马尔科夫决策模型，求解获得各虚拟电厂分别对应的电压控制策略模型；步骤4：基于各虚拟电厂分别对应的电压控制策略模型，各虚拟电厂基于对应子网络的状态实时控制其对应的逆变器的下垂参数，进而根据下垂参数可调的逆变器Q
‑
V下垂控制模型实现虚拟电厂对目标电网系统的实时电压控制。2.根据权利要求1所述一种考虑下垂特性的虚拟电厂强化在线电压控制方法，其特征在于，所述下垂参数可调的逆变器Q
‑
V下垂控制模型，如下所示：，，，式中，表示连接于b节点的逆变器在t时刻发出的有功功率；表示连接于b节点的逆变器在t时刻发出的无功功率；表示连接于b节点的逆变器的复功率容量；PV表示逆变器；表示子网络m中安装有PV的网络节点索引集，；表示子网络m中的节点集；表示下垂曲线的斜率；n表示目标电网系统中网络节点总数；表示b节点处电压幅值对节点注入无功功率的敏感度；表示连接于b节点的逆变器在t时刻用于输出的最大无功功率；表示t时刻b节点处的电压幅值；表示t时刻b节点处连接的逆变器的下垂参数，为t时刻b节点处连接的逆变器下垂曲线与表示电压的x轴的交点。3.根据权利要求1所述一种考虑下垂特性的虚拟电厂强化在线电压控制方法，其特征在于，所述电压控制模型，如下所示：，约束条件：，，
，，，，，，式中，表示子网络m在t时刻的有功功率损耗；表示子网络m在t时刻的电压约束；m表示子网络；M表示子网络总数；T表示预设持续总时长；表示预设权重系数；表示连接于b节点的逆变器在t时刻发出的有功功率；表示连接于b节点的逆变器在t时刻发出的无功功率；表示连接于b节点的逆变器的复功率容量；PV表示逆变器；表示子网络m中安装有PV的网络节点索引集，；表示子网络m中的节点集；表示下垂曲线的斜率；n表示目标电网系统中网络节点总数；表示b节点处电压幅值对节点注入无功...

【专利技术属性】
技术研发人员：李培帅，沈嘉伟，陈敏强，韩静，董彦昊，王艺涵，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：