[发明专利]一种基于分布式发电集群的去中心化电压优化方法

权利要求书

1.一种基于分布式发电集群的去中心化电压优化方法，其特征在于：该方法包括下列顺序的步骤：

(1)建立分布式发电集群电力网络模型；

(2)构建分布式优化算法：基于分布式梯度下降算法，提出改进的分布式梯度算法；

(3)对各个集群中枢点进行分布式优化控制；

(4)对分布式发电集群内进行电压优化控制；

所述步骤(1)中的分布式发电集群电力网络模型包含的参数如下：各分布式电源的地理位置、通信条件、系统支路信息和系统节点信息；

所述步骤(2)具体包括以下步骤：

(2a)分布式梯度下降算法：

传统的分布式优化算法为分布式梯度下降算法，即Distributed Gradient Descent，简称DGD，其算法公式如下：

其中，i、j表示自主体节点编号；N_i表示与自主体节点i相邻的节点集合；k表示离散时间指数；和分别表示自主体节点i第k次和第k+1次迭代的节点信息；表示自主体节点j第k次迭代的节点信息；表示相邻节点间的信息交互；a_ij表示自主体节点i和j之间信息交互的加权系数；表示其自身梯度；ρ^(k)表示梯度系数；

(2b)改进的分布式梯度算法公式如下：

其中，i、j表示自主体节点编号；N_i表示与自主体节点i相邻的节点；k表示离散时间指数；和分别表示自主体节点i第k次和第k+1次迭代的节点信息；表示自主体节点j第k次迭代的节点信息；表示相邻节点间的信息交互；a_ij表示自主体节点i和j之间信息交互的加权系数，表示其自身梯度；ρ^(k)表示梯度系数，sgn为相对状态函数；

DGD算法的收敛性证明如下：

首先构造优化问题：

其中，minmzie表示最小化；f_i(x)为目标函数，λ为加权系数；

由此得出式(3)中，是一个常量，因此得出

式(4)的目标是收敛到最优解x^*与式(3)等价；利用次梯度算法对式(3)进行迭代求解，其迭代格式为：

其中，λ为常量，其大小反应相邻节点间的信息交互的重要性；

式(5)满足次梯度收敛的步长条件，当式(3)有最优解x^*时，式(5)会收敛到最优解x^*；在式(5)中令λρ^(k)＝1，则得到式(2)，因此可知式(2)收敛；

所述步骤(3)具体包括以下步骤：

(3a)构建系统无功平衡目标，使负荷无功功率与分布式电源无功出力相等：

其中，U、I分别是母线端的电压和电流，是功率因数角，E是发电机端电势，σ是U和E之间的相角差；Q表示分布式电源无功出力；X表示负荷的等效阻抗；

(3b)发电成本约束和发电条件约束：

定义系统的发电成本Value Cost，简称VC：

VC＝αQ²+βQ+c (7)

式(7)表示发电成本是一个关于无功功率的二次函数；α,β,c均为发电成本参数，且与分布式电源以及电网络结构相关；

约束条件如下：

Q_min＜Q＜Q_max

U_min＜U＜U_max (8)；

其中，Q表示分布式电源无功出力；Q_min和Q_max表示系统运行允许的无功功率最小值和最大值；U表示分布式电源电压；U_min和U_max表示系统运行允许的电压最小值和最大值；

(3c)分布式发电集群电压优化控制：

由式(6)，用电压U来表刻无功功率Q；在各个集群中，为实现电压的稳定，定义各个节点之间传递的信息变量：

其中，C_i表示第i个自主体节点发电成本对电压的导数，VC_i表示自主体节点i的发电成本，U_i表示自主体节点i处的电压，x_i表自主体节点i传递的信息变量；当负荷变化系统平衡打破时，随着C_i收敛到最优解x^*，系统将逐渐收敛到新的平衡状态；

对于中枢点，改良后的DGD更新规则表示为：

其中，γ是一个正标量；ΔQ表示负荷无功和分布式电源无功出力的差额；

所述步骤(4)具体是指：

定义每个集群内的信息变量更新规则：

其中，i、j均表示自主体节点编号；N_i表示与自主体节点i相邻的节点集合；sgn为相对状态函数；k是离散时间指数；表示第k次迭代自主体节点i交互的信息；表示第k+1次迭代自主体节点i交互的信息；是自主体节点j第k次交互的信息；a_ij表示自主体节点i和j之间信息交互的加权系数，若自主体节点i和j之间有通信线路连接，则a_ij≠0，否则a_ij＝0，ΔU是自主体节点i电压与额定电压差值；γ是一个正标量；x的增加或减少跟随ΔU的符号而变化。