[发明专利]一种基于负荷频率控制模型的源荷协同调频方法

权利要求书

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ΔP_m，所述功率调节量ΔP_m的等级为m∈Φ₁＝{-N_m,...,-1,0,1,…,N_m}；Φ₁表示所述功率调节量ΔP_m的等级集合，N_m表示所述功率调节量ΔP_m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ΔP_h，所述输出功率调节量ΔP_h的等级为h∈Φ₂＝{-N_h,...,-1,0,1,...,N_h}；Φ₂表示所述输出功率调节量ΔP_h的等级集合，N_h表示所述输出功率调节量ΔP_h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ΔP_e，所述输出功率调节量ΔP_e的等级为e∈Φ₃＝{-N_e,...,-1,0,1,...,N_e}；Φ₃表示所述输出功率调节量ΔP_e的等级集合，N_e表示所述输出功率调节量ΔP_e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ΔP_w，所述功率变化量ΔP_w的等级为w∈Φ₄＝{-N_w,...,-1,0,1,...,N_w}；Φ₄表示所述功率变化量ΔP_w的等级集合，N_w表示所述功率变化量ΔP_w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ΔP_g，所述功率变化量ΔP_g的等级为g∈Φ₅＝{-N_g,...,-1,0,1,...,N_g}；Φ₅表示所述功率变化量ΔP_g的等级集合，N_g表示所述功率变化量ΔP_g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ΔP_w的等级w变化服从概率矩阵为P^w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ΔP_g的等级g变化服从概率矩阵为P^pv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＝ΔL_r+ΔL_f，其中，ΔL_r表示刚性负荷扰动，所述刚性负荷扰动ΔL_r的等级为r∈Φ₆＝{-N_r,...,-1,0,1,...,N_r}，Φ₆表示所述刚性负荷扰动ΔL_r的等级集合，N_r表示所述刚性负荷扰动ΔL_r的等级值，且为整数；ΔL_l表示柔性负荷扰动，l∈Φ₇＝{-N_l,...,-1,0,1,...,N_l}；Φ₇表示所述柔性负荷扰动ΔL_l的等级集合，N_l表示所述柔性负荷扰动ΔL_l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ΔL_r的等级r变化服从概率矩阵为P^r马尔可夫链；

在一个AGC决策周期内，令所述柔性负荷扰动ΔL_l的等级l变化服从概率矩阵为P^l的马尔可夫链；

令所述刚性负荷扰动ΔL_r的等级r和柔性负荷扰动ΔL_l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ΔL_l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ΔP_l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ΔP_l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ΔP_l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2N_p+1个等级，即a₁∈D₁＝{-N_p,...,-1,0,1,...,N_p}，其中，N_p表示所述机组出力调节量ΔP的等级值，且N_p＝ΔP_max/ΔP_min，ΔP_min为最小调节量，ΔP_max为最大调节量；

将所述柔性负荷虚拟机组负出力调节量ΔP_l离散化为有限的出力等级集合，则行动集D₂离散为2N_l+1个等级，即a₂∈D₂＝{-N_l,...,-1,0,1,...,N_l}；

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，K_CPS1(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，ε_ACE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η^π：

式(2)中，γ为折扣值，c(s_k,a_k)表示所述MDP数学模型在k个AGC决策周期时状态s_k下采取行动a_k所获得的代价；π^*表示为贪婪策略，并有：

π^*＝argminη^π (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ΔP_t、柔性负荷变化量ΔL；

步骤五，以所述源荷协同调频所需数据作为输入，采用基于模拟退火的Q学习理论算法对所述MDP数学模型的进行求解，得到AGC决策周期内所述微型燃气轮机组的功率调节量ΔP_m、小规模水电机组的输出功率调节量ΔP_h和柔性负荷虚拟机组出力调节量ΔP_l，从而实现对所述孤岛两区域微电网的源荷协同调频。