[发明专利]孤岛智能配电网下虚拟狼群控制策略的智能发电控制方法

说明书

技术领域

本发明涉及电力系统智能发电控制技术，特别是一种孤岛智能配电网下虚拟狼群控制策略的智能发电控制方法。

背景技术

随着智能电网飞速发展，装机容量不断扩大，新能源及分布式能源不断接入，传统集中式自动发电控制(automatic generation control，AGC)模式难以满足电网的发展以及运行条件，分布式AGC控制模式势在必行。

从分布式能源利用率角度，由于电网结构、电厂容量以及机组调节速度的限制，不同类型的电厂容量以及机组调节速度的限制，不同类型的电厂在功率分配以及利用率方面存在巨大差异。集中式AGC所控制的电厂功率只能通过省调进行分配，分布式能源和新能源难以实现协同控制。这种没有固定发电量指标的小容量电厂，集中式AGC模式下很难有高效的利用率。以云南电网为例，当这些分布式能源之间的协作控制，小容量水厂的装机容量可以达到3160.7MW，达到了水电厂总装机容量的18％。显然，集中式AGC缺乏经济性和科学性，很难满足电网的发展模式，从反面角度说明研究分布式AGC具有十分重要的意义。

从分布式区域调度角度，云南省调已经计划将部分110kV设备、小规模以及中规模的水电调度权利下放到区域调度，省调只负责省网功耗平衡。根据国家规范，装机容量超过40MW需要AGC控制。调度关系应该跟随电网的发展，在不同电网之间调整调度关系是未来的发展趋势。由于省调和区域调度具有不同的控制目标，且在功率传输、电力系统安全性及稳定性方面又有着不可分割的联系，故分布式AGC的研究正是顺应了这种分布式区域调度发展趋势。从正面角度进一步说明研究分布式AGC的必要性。

从控制方法角度，传统集中式AGC通常可以分成两个步骤：a)AGC总发电功率指令的追踪(通常为PI控制)；b)通过固定比例分配法把总功率指令分配给各机组。南网调度中心多次实验表明某地区控制性能标准(control performance standard，CPS)提高，会导致其他地区性能下降。为计算区域所需的调整功率，有文献提出了区域控制误差(area control error，ACE)多样性交换方法。而此方法会导致超调和滞后，缺乏控制选择的灵活性。大多数学者前期研究强化学习用于互联电网传统集中式AGC模式，以解决新能源接入电网所带来的随机扰动问题。而前期研究的方法均为集中式控制，需要大量远方信息，动态响应缓慢，控制性能不够理想，从反面角度再次说明研究分布式AGC的重要意义。

近来，许多学者致力于电网分布式控制。有文献提出了多智能体的分布式相关均衡Q(λ)方法(decentralized correlated equilibrium Q(λ)-learning，DCEQ(λ))来解决分布式能源接入后智能发电控制(smart generation control，SGC)的复杂随机动态特性和最优协调控制问题。然而，当多智能体个数增加时，DCEQ(λ)在搜索多智能体均衡解时间呈几何数增加，限制了其在更大规模系统里的应用。

因此，基于多智能体的分散式赢与快速学习爬山方法(decentralized win or learn fast policy hill-climbing(λ)，DWoLF-PHC(λ))被提出，它利用平均混合策略取代了均衡，解决了多智能体个数增加时的多解问题，有效提高了系统动态特性，实现了对总功率指令动态优化控制。然而并没有对机组功率指令进行动态优化分配；且当多智能体大规模激增时，仍会出现多解，导致系统不稳定。因此需要探索新方法，解决多解问题的同时，对机组功率进行动态优化分配，以获得分布式控制系统的协同一致性。

在一个多智能体系统(multi-agent system，MAS)中，当智能体与临近智能体进行信息交互而取得相同目标，称为达到一致。有文献采用多智能系统协同一致性(multi-agent system collaborative consensus，MAS-CC)的理论对机组功率进行动态分配，有效地解决了多智能体个数大规模激增所带来多解问题，同时能够对机组功率进行动态优化分配。然而在追求机组功率分配具有协同一致性的同时，忽略了AGC总功率指令分布式动态优化控制。国内外可查文献都没有对AGC总功率动态优化控制的同时对机组功率指令进行了动态优化分配，即没能从整体到分支自上而下实现真正意义的智能化。

发明内容