[发明专利]一种基于日内-实时滚动控制的配电网源荷快速跟踪方法

权利要求书

1.一种基于日内-实时滚动控制的配电网源荷快速跟踪方法，其特征是，包括以下步骤：

步骤1、建立含时变参数的静态负荷模型，并运用含约束的最小二乘法对时变参数进行拟合；具体步骤如下：

1.1负荷模型时变参数识别；

采用基于多项式静态负荷模型运用配电网的量测信息对模型参数进行辨识，忽略频率对负荷的影响，只考虑电压对负荷的影响；建立时变系数的静态负荷模型，表达式如下所示：

上式中A_i(t)、B_i(t)、C_i(t)分别为各馈线恒阻抗、恒电流和恒功率负荷的占比，p_iN为各馈线负荷的额定有功功率，u_iN为第i条馈线负荷的额定电压，u_i(t)为第i条馈线t时刻电压，p_i(t)为第i条馈线t时刻有功功率；

运用最小二乘法对式(1)中参数进行拟合，假设输出量y与一个n维度的变量X＝(x₁,x₂,…x_n)为线性关系，即：y＝θ₁x₁+θ₂x₂+…θ_nx_n；其中θ＝(θ₁,θ₂,…θ_n)为待识别的参数，需要通过不同时刻的y和x的量测值确定，因此静态负荷模型中的变量和待辨识参数如下式所示；

最小二乘法采用残差的平方和最小为优化目标，由于A、B和C为各类负荷占总负荷的比重，对辨识的参数进行约束，转化为求解含约束的二次型优化问题，优化模型如下所示；

上式中为真值θ(t)的估计值，e(t)为估计值和实际值的差值；日内长时间尺度优化的时间间隔15min，在保证拟合精度的前提下，启动最小二乘法的时间也为15min一次，从而使得全局优化的结果更加准确；

1.2柔性负荷控制系数推导：

运用控制负荷端电压对负荷的大小进行控制，电压变化量与有ZIP负荷有功功率变化量之间的关系如下；

当负荷端电压变化Δu(t)后，负荷的有功功率如下式：

求导出电压变化量与有功功率变化量ΔP(t)之间的关系，推导过程如下：

定义上式中的λ_i(t)为柔性负荷的控制系数；

步骤2、根据负荷模型推导电压变化量和功率变化量之间的关系，确定负荷的控制系数；

2.1基于GPC的日内-实时滚动模型；

日内全局优化模型：

目标函数和约束条件如下：

(1)目标函数：

式中：T为日内优化周期，P_grid(t)为配电网与大网连接处主变的下网点功率；为配电网向大网购电的价钱；为配网向大网输电时的售电价；C_loadi(t)为调度柔性负荷的成本，也是需求侧响应时电网向用户群提供的补助；C_pvi(t)为光伏调度成本；C_bati(t)为储能装置的调度成本；σ(t)为主变下网点的电压以及各馈线电压标幺值的平均值，作为目标函数的惩罚因子，即在调整有功功率的同时，保证系统无功功率和电压的稳定性；考虑分时电价对成本的影响，需要求解整个周期内的经济性最优调度值；

(2)约束条件：

①下网点有功功率平衡约束：

式中当储能发出电能，即作为电源侧时，P_bati(t)＞0，储存能量时作为负荷，P_bati(t)≤0，P_loadi(t)为第i条馈线t时刻有功功率，P_pvi(t)为第i个光伏电站有功功率；

②基本潮流方程的等式约束：

上式中等式左边为注入节点的有功和无功功率，N_B为系统节点的数量，U_i为线路首段电压幅值，U_j为线路末端的电压幅值，G_ij为线路电导，B_ij为线路电纳，θ_ij为线路首末段的相角差，P_Gi(t)为第i个节点的注入有功功率，P_Di(t)为第i个节点的输出有功功率，Q_Gi(t)为第i个节点的注入无功功率，Q_Di(t)为第i个节点的输出无功功率；

③下网点传输有功功率限制：

配电网中存在分布式电源，存在功率外送的现象，需要对有功功率的绝对值进行限制；和分别为下网点有功功率传输的最小和最大极限功率；

④分布式电源有功出力约束：

式中为分布式电源有功出力预测数值，分布式电源修正量的上限，和为分布式电源出力的最大和最小值；

⑤储能单元约束：

充放电功率约束：

储能单元剩余容量约束：

SOC_min(t)≤SOC(t)≤SOC_max(t) (12)

电荷量周期性约束：

SOC_t＝0＝SOC_t＝T (13)

式中，和为储能单元出力预测值，和为储能充放电调整量上限，SOC_max(t)和SOC_min(t)为储能单位电荷量上下限，调度呈现周期性，每个周期的起始时刻的电荷量应相等，从而保证调度的连续性；

⑥柔性负荷有功出力约束：

柔性负荷控制系数揭示了电压变化量和功率变化量之间的关系，运用柔性负荷可对柔性负荷某时刻最大调节量进行表示，进而对柔性负荷功率进行限制：

式中，为负荷预测数据，和分别为柔性负荷功率最大和最小值；

⑦节点电压幅值上下限约束：

U_min≤U_i(t)≤U_max (15)

式中，U_max和U_min为系统节点电压的最大和最小值；

运用YALMIP和CPLEX对模型求解，进而得到下网点功率P_grid(t)入内15min优化调度结果；在实时控制过程中将用户侧负荷跟踪分布式能源出力，并以P_grid(t)作为输出目标的参考序列，从而实现了源-荷跟踪得到的下网点功率对日内优化结果的跟随，保证了在配电网经济运行基础上，对下网点功率波动的抑制；

2.2基于GPC的分钟级实时控制；

基于多变量的GPC算法从状态方程建立、预测模型、滚动优化以及校正反馈四个方面对配电网的实时控制过程如下：

(1)配电网多输入单输出状态方程建立；

对配网中各设备列写状态方程，将柔性负荷模型转换为状态方程，如下式：

上式中对式(5)进行了部分的化简，其中Δλ_i(t)为控制系数变化量，ΔU_i(t)为馈线端电压的变化量；

储能单元出力与自身的电荷量有关，对电荷量进行状态方程列写；

上式中，P_bat(t)为储能单元充放电功率，η_ch和η_dis分别为充放电效率，σ为储能单元自放电率，E_bat为储能单元容量，SOC(t)为电荷量；

建立以柔性负荷、储能电荷量、储能功率以及分布式出力为状态量，以电压变化量、储能出力变化量以及分布式出力调节量为控制量，以配电网下网点有功功率为输出量的多输入单输出状态空间方程：

输入方程：

输出状态方程如下：

在上述状态方程中，默认充放电效率均为100％；

(2)预测模型建立；

广义预测控制算法采用受控自回归积分滑动平均模型CARIMA作为预测模型来描述对象，如下式：

上式中，A、B和C分别为输出、输入和扰动量的系数矩阵，d为输入时延，y(t)为输出序列，u(t)为输入序列，ξ(t)为扰动序列，Δ为滞后环节；

通过Diophantine方程对各时间断面进行解耦，确定多输入单输出预测模型：

P_grid(t+j|t)＝G(Z^-1)Δu(t+j-1|t)+H(Z^-1)Δu(t-1)+F(Z^-1)P_grid(t) (21)

其中

Δu^T(t+j-1|t)＝[Δu(t) Δu(t+1)…Δu(t+N_u-1)]；N₁为滚动优化过程中的预测时域，N_u为控制时域，G、H、F矩阵为由Diophantine方程计算得到；

(3)滚动优化；

将15min时间尺度的优化结果经过一阶时滞环节转变为1min实时控制的参考量，参考序列如下式：

其中，为1min实时控制参考序列，p_grid(t)为本时刻下网点有功功率，为15min时间尺度优化得到的经济性最优下网点有功功率，j为预测步数，α∈[0,1]为输出柔化系数；

滚动优化的是一个在线优化的过程，求解从当前状态到一个有限时域的指标的最优解，并执行最优解矩阵中的第一个值，在下一时刻再重复以上过程，这一滚动过程能够使得模型的失配、时变或外界因素产生的不确定性及时得到弥补；GPC的优化性能指标为对输出误差和控制增量加权的二次型性能指标，优化模型下式：

上式中Ψ为联络线有功功率的跟踪误差，ΔU为控制量列矩阵，ξ＝diag[ξ₁…ξ_i]为控制量加权矩阵，加权矩阵与控制矩阵中的控制量一一对应；

(4)反馈校正；

通过GPC中预测模型参数的在线辨识，提高预测模型的准确性，在线辨识与校正环节运用渐消记忆的递推最小二乘法对CARIMA的系数进行计算，如下式：

其中0μ1为遗忘因子，选择0.95μ1；P为正定的协方差阵，初值选择为较大的单位阵，θ为估计状态变量，φ为输出状态量，K为中间过程量；通过上式即可对各时刻CARIMA模型中的时变参数进行估计；

实时控制的目标为运用负荷跟踪分布式能源出力从而抑制下网点有功功率p_grid(t)，引入功率波动率作为源荷跟踪的指标，其表达式如下：

将含有分布式能源以及负荷的配电网作为整体的波动源，配网与外界的联络点即为配网主变的下网点，对下网点有功功率p_grid(t)的波动进行抑制，选择1min配电网下网点有功功率波动R(t)小于10％为评价指标对多时间尺度滚动优化结果进行评价；

步骤3、以经济性最优为指标，对配网进行15min时间尺度的优化，对潮流以及各用户的负荷上下限以及分布式能源的爬坡进行约束，进而求出15min下网点功率；

步骤4、建立配电网的状态空间方程，以15min下网点功率为参考序列，运用多变量广义预测控制算法对下网点功率进行控制，进而抑制下网点功率的波动量；

步骤5、每隔15min重复一次步骤3，每分钟执行一次步骤4，形成滚动优化过程，以控制预测数据的误差。