一种基于线性时变模型的电网优化控制方法及系统技术方案

一种基于线性时变模型的电网优化控制方法及系统，首先通过结合支持向量回归模型的分段线性回归方法，利用历史数据离线估计系统模型，然后在在线应用中，采用基于分段线性模型的时变线性模型预测控制框架，对电网中的快速调节设备和慢速调节设备进行协调优化控制

【技术实现步骤摘要】
一种基于线性时变模型的电网优化控制方法及系统


[0001]本专利技术属于电力系统运行和控制
，特别涉及一种基于线性时变模型的电网优化控制方法及系统
。

技术介绍

[0002]在能源与环境问题的推动下，清洁型
、
分散型可再生能源在电网中的比例日益提高，大规模
、
高渗透率可再生能源发电并网成为国际能源与电力领域的前沿和热点
。
由于分布式可再生能源量大分散
、
波动性强，其在配电网乃至输电网的电压质量与调度运行等方面带来了一系列负面影响
。
同时，分布式可再生能源常常通过电力电子逆变器并网，具备灵活高速的调节能力
。
并且，电网中传统的分布式电源
、
储能设备也可以为电网提供灵活的调节能力，这些调节设备都属于快速调节设备
。
此外，电网中还存在慢速调节设备，例如有载分接开关
、
投切电容器组，这些设备需要运行在相对较慢的时间尺度上
。
为了高效优化电网中的快速与慢速调节设备
、
改善可再生能源高渗透率电网的电压质量，需要对电网进行电压功率协调控制
。
[0003]在传统电网中，常采用基于电网模型的方法实现电压功率控制，对发电成本及电网电压分布进行优化
。
然而，传统的基于模型的优化控制方法依赖于精确的系统模型参数，而电网的理想模型难以获得，这种基于模型的优化方法无法保障控制效果，往往出现控制指令远离最优点
、
电网运行在次优状态的情况
。
为了应对电网的模型不完备问题，近年来提出了数据驱动的控制方法，可以利用电网历史数据来学习系统模型
。
但是，现有的数据驱动方法多为考虑单个时间断面下的静态优化，没有考虑到结合系统预测信息的前瞻优化，且没有考虑到快慢控制设备的协调
。

技术实现思路

[0004]鉴于上述问题，本专利技术提出了一种基于线性时变模型的电网优化控制方法及系统，并且能够对电网中的多种快速与慢速调节设备进行协调优化控制，优化电网电压分布和降低运行成本
。
[0005]本专利技术实施例具体方案为一种基于线性时变模型的电网优化控制方法，包括：
[0006]建立被控电网的基于模型预测控制的电压功率优化控制模型；
[0007]建立分段线性回归模型，根据历史数据离线估计分段线性回归模型，通过所述分段线性回归模型对电网模型进行近似；
[0008]初始化控制序列的猜测值和电网负荷及可再生能源发电的预测序列；
[0009]根据控制序列的猜测值和电网负荷及可再生能源发电预测序列对电网进行基于数据驱动模型预测控制的电压功率优化控制
。
[0010]优选的，所述建立被控电网的基于模型预测控制的电压功率优化控制模型，包括：
[0011]建立电网中被控设备的模型，其中，所述被控设备的模型包括：光伏模型
、
有载分接开关模型
、
投切电容器组模型
、
传统分布式电源模型和储能模型
。
[0012]优选的，所述方法还包括：
[0013]根据在时刻节点处的光伏的有功功率和输出的无功功率，通过所述光伏模型确定对应的时刻节点处的光伏逆变器的额定容量
。
[0014]优选的，建立有载分接开关模型，包括：
[0015]根据电网中连接节点和连接节点对应的支路建立电网中安装有有载分接开关的支路的集合；
[0016]通过所述有载分接开关模型确定支路和节点处的变压器档位状态
。
[0017]优选的，建立投切电容器组模型，包括：
[0018]根据电网节点索引和投切电容组的节点集合建立投切电容器组模型；
[0019]根据在时刻节点处的投切电容器组的有功功率和输出的无功功率
、
运行电容器单元的数量，通过投切电容器组模型确定投切电容器组的状态
。
[0020]优选的，建立传统分布式电源模型，包括：
[0021]根据电网节点索引和传统分布式电源的节点的集合建立传统分布式电源模型；
[0022]通过传统分布式电源模型，确定在时刻节点处的传统分布式电源的有功功率和输出的无功功率范围
。
[0023]优选的，建立储能模型，包括：
[0024]根据电网中安装的储能节点集合和电网节点索引建立储能模型；
[0025]通过所述储能模型确定在时刻节点处所对应分段的电池剩余容量
。
[0026]优选的，所述方法还包括：
[0027]建立基于模型预测控制的电网优化控制模型；包括：在时刻节点需要解决的优化问题的目标函数；将被控设备约束和线性化的电网模型近似约束作为约束条件输入到所述电网优化控制模型中
。
[0028]优选的，所述目标函数包括：
[0029]从主网购电成本
、
弃光成本
、
传统分布式电源发电成本
、
有载分接开关动作成本
、
可投切电容器动作成本和电压调节成本
。
[0030]优选的，所述建立分段线性回归模型，包括：
[0031]将数据集分为多个集群；
[0032]根据电网中除了根节点以外的所有节点的有功注入功率
、
电网中除了根节点以外的所有节点的无功注入功率和电网中所有有载分接开关的变压器变比的平方建立分段线性回归模型
。
[0033]优选的，通过其中至少一个集群确定电网中除了根节点以外的所有节点的电压幅值的平方和电网的
PCC
节点的有功功率
。
[0034]优选的，所述根据历史数据离线估计分段线性回归模型，通过所述分段线性回归模型对电网模型进行近似；包括：
[0035]初始化分段线性回归模型，包括：初始化输入向量和输出向量；给定支持向量回归中的惩罚系数
、
支持向量回归中的精度参数
、
分段线性回归目标参数
、
回归中的正则化参数
、
分段线性回归的最大迭代次数和分段线性回归的总集群数；
[0036]计算各个集群的初始回归参数，包括：针对分段线性回归的总集群数中的一个集群，获取线性回归模型的回归参数；
[0037]计算针对分段线性回归的总集群数中的一个集群对应的集群分离系数
、
对应迭代次数的集群编号；
[0038]更新对应集群输入向量的集合；若当前对应集群输入向量的集合等于前一对应集群输入向量的集合，迭代收敛标示量等于零；若当前对应集群输入向量的集合不等于前一对应集群输入向量的集合，则迭代收敛标示量等于1，再进行一次迭代；得到输出回归系数和集群分离系数
。
[0039]优选的，初始化控制序列的猜测值和电网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于线性时变模型的电网优化控制方法，其特征在于，包括：建立被控电网的基于模型预测控制的电压功率优化控制模型；建立分段线性回归模型，根据历史数据离线估计分段线性回归模型，通过所述分段线性回归模型对电网模型进行近似；初始化控制序列的猜测值和电网负荷及可再生能源发电的预测序列；根据控制序列的猜测值和电网负荷及可再生能源发电预测序列对电网进行基于数据驱动模型预测控制的电压功率优化控制
。2.
根据权利要求1所述的方法，其特征在于，所述建立被控电网的基于模型预测控制的电压功率优化控制模型，包括：建立电网中被控设备的模型，其中，所述被控设备的模型包括：光伏模型
、
有载分接开关模型
、
投切电容器组模型
、
传统分布式电源模型和储能模型
。3.
根据权利要求2所述的方法，其特征在于，包括：根据在时刻节点处的光伏的有功功率和输出的无功功率，通过所述光伏模型确定对应的时刻节点处的光伏逆变器的额定容量
。4.
根据权利要求2所述的方法，其特征在于，建立有载分接开关模型，包括：根据电网中连接节点和连接节点对应的支路建立电网中安装有有载分接开关的支路的集合；通过所述有载分接开关模型确定支路和节点处的变压器档位状态
。5.
根据权利要求2所述的方法，其特征在于，建立投切电容器组模型，包括：根据电网节点索引和投切电容组的节点集合建立投切电容器组模型；根据在时刻节点处的投切电容器组的有功功率和输出的无功功率
、
运行电容器单元的数量，通过投切电容器组模型确定投切电容器组的状态
。6.
根据权利要求2所述的方法，其特征在于，建立传统分布式电源模型，包括：根据电网节点索引和传统分布式电源的节点的集合建立传统分布式电源模型；通过传统分布式电源模型，确定在时刻节点处的传统分布式电源的有功功率和输出的无功功率范围
。7.
根据权利要求2所述的方法，其特征在于，建立储能模型，包括：根据电网中安装的储能节点集合和电网节点索引建立储能模型；通过所述储能模型确定在时刻节点处所对应分段的电池剩余容量
。8.
根据权利要求1或7所述的方法，其特征在于，所述方法还包括：建立基于模型预测控制的电网优化控制模型；包括：在时刻节点需要解决的优化问题的目标函数；将被控设备约束和线性化的电网模型近似约束作为约束条件输入到所述电网优化控制模型中
。9.
根据权利要求8所述的方法，其特征在于，所述目标函数包括：从主网购电成本
、
弃光成本
、
传统分布式电源发电成本
、
有载分接开关动作成本
、
可投切电容器动作成本和电压调节成本
。10.
根据权利要求1所述的方法，其特征在于，所述建立分段线性回归模型，包括：将数据集分为多个集群；根据电网中除了根节点以外的所有节点的有功注入功率
、
电网中除了根节点以外的所
有节点的无功注入功率和电网中所有有载分接开关的变压器变比的平方建立分段线性回归模型
。11.
根据权利要求
10
所述的方法，其特征在于，通过其中至少一个集群确定电网中除了根节点以外的所有节点的电压幅值的平方和电网的
PCC
节点的有功功率
。12.
根据权利要求1所述的方法，其特征在于，所述根据历史数据离线估计分段线性回归模型，通过所述分段线性回归模型对电网模型进行近似；包括：初始化分段线性回归模型，包括：初始化输入向量和输出向量；给定支持向量回归中的惩罚系数
、
支持向量回归中的精度参数
、
分段线性回归目标参数
、
回归中的正则化参数
、
分段...

【专利技术属性】
技术研发人员：吴文传，李思韵，王彬，蔺晨晖，孙宏斌，郭庆来，
申请(专利权)人：清华大学，
类型：发明
国别省市：