一种基于配电网台区集群划分的功率联合优化控制方法与流程

本发明涉及电力系统的新能源发电领域，具体涉及一种基于配电网台区集群划分的功率联合优化控制方法。

背景技术：

1、光伏等新型可再生能源在发电过程中零碳排放的优点使得其在配电网中的占比日益提高，同时，随着强间歇性和不确定性的分布式光伏规模化接入，配电网的稳定运行面临着诸多挑战，其中逆潮流和电压越限等电能质量问题愈发显著。过电压不仅会损坏配电网的电气设备，威胁配电网的安全运行，母线过电压也限制了光伏机组在配电网的进一步安装，从而降低了光伏新能源的利用率。控制电压是保证配电网稳定运行的重要手段，在配电网光伏机组高渗透率的场景下，传统的无功优化方法无法有效解决电压违规问题，分布式光伏机组有功和无功联合优化显得尤为必要。解决电压违规问题的同时，也要减少光伏发电的损失和电网的有功损耗，这就需要全局考虑各集群之间的自主与协调优化控制问题。因此，如何设计基于配电网台区集群划分的功率联合优化控制策略，实现电压约束下光伏机组的有功和无功联合优化控制，是亟待解决的问题。

2、现有的集群划分方法很少考虑有功功率注入对电压幅值的影响，也很少评估分布式光伏单元在集群中的电压调节能力。传统的电压控制方法存在高投资成本和沉重的通信负担、电压调节能力有限、优化效果有限等局限性。

技术实现思路

1、为克服现有技术的不足，本发明提出一种基于配电网台区集群划分的功率联合优化控制方法，不仅提高了电压控制速度和电压质量，还优化了光伏机组的有功功率和无功功率输出，适应于分布式光伏高渗透率的复杂配电网场景。

2、为实现上述目的，本发明提供一种基于配电网台区集群划分的功率联合优化控制方法，包括：

3、步骤s1：基于社区检测算法的模块化指标来综合考虑节点之间的电气距离和区域电压调节能力，开发新的集群性能指标；

4、步骤s2：应用禁忌搜索算法根据前述集群性能指标进行网络分区，通过优化算法迭代过程中的性能评估和禁忌规则，确定最终的最优集群配置；

5、步骤s3：基于分解协调法和改进的l-distflow近似方程，构建集群自主优化模型，该模型允许各集群在考虑到总体网络影响的同时独立进行优化操作；

6、步骤s4：于集群自主优化模型，使用增广拉格朗日乘子法，制定并实施集群间的协调优化控制策略，确保电压和功率在各集群之间有效协调。

7、进一步地，步骤s1包括：

8、步骤s11：分析配电网的基本结构和运行的关键需求，选择合适的社区检测算法用于识别电网中的潜在集群；

9、步骤s12：通过有功功率和无功功率电压灵敏度来计算节点间的电气距离，评估各节点的电压调节能力；

10、步骤s13：结合电气距离和电压调节能力，形成一个综合的集群性能指标。

11、进一步地，步骤s2包括：

12、步骤s21：计算配电网的电压及功率流，获取网络的基础电气参数；

13、步骤s22：设定禁忌搜索的初始条件和参数，如禁忌表和邻域列表；

14、步骤s23：根据集群性能指标在禁忌搜索算法框架下迭代寻找最优集群划分；

15、步骤s24：评估禁忌搜索中的解，并选择最优解作为电网的最终集群划分。

16、进一步地，步骤s3包括：

17、步骤s31：确定集群间的界面并应用分解协调法来分隔集群优化任务；

18、步骤s32：建立l-distflow方程模型，用于近似计算集群内的电流和电压分布；

19、步骤s33：根据集群的电网数据和局部控制需求，设计集群自主的优化控制策略。

20、进一步地，步骤s4包括：

21、步骤s41：初始化增广拉格朗日乘子法的参数，包括罚参数和拉格朗日乘子；

22、步骤s42：通过协调各集群间的边界节点数据，确保集群间的电压和功率流达到最优状态；

23、步骤s43：根据集群间的数据交换结果，利用增广拉格朗日乘子法迭代更新全局优化数据；

24、步骤s44：在每次迭代后评估优化的效果，并与上下游集群通信更新数据，直至满足预定的收敛标准。

25、进一步地，步骤s1中基于电气距离和区域电压调节能力定义的集群性能指标q为：

26、

27、其中ψk＝min{dqk+dpk,1}，

28、

29、

30、

31、

32、分别为基于有功功率电压灵敏度和无功功率电压灵敏度的电气距离，分别表示节点i处的电压幅值对节点j处注入的有功功率、无功功率的敏感度，eij为电气距离，τ是权重系数，ψk为区域电压调节能力，dqk、dpk分别表示集群ck中光伏机组的无功补偿(rpc)、有功功率削减(apc)的电压调节能力，δvi为具有最大电压的节点i的电压违规量，分别表示节点j处光伏单元无功补偿的余量和有功功率削减的最大值；a是权重矩阵，aij表示节点i和j之间的相互影响，为节点i的权重，为所有节点的总权重，如果节点i和j在同一集群中δ(i,j)＝1，否则δ(i,j)＝0，nc是集群的数量，n为配电网中除松弛母线外的节点集。

33、进一步地，步骤s2中基于禁忌搜索算法的网络划分流程如下：

34、1)对配电网进行潮流计算，得到电压、无功功率-电压幅值灵敏度矩阵svq、有功功率-电压幅值灵敏度矩阵svp；

35、2)计算节点与矩阵a的元素之间的电气距离；

36、3)将当前的分支划分g初始化为[00......0]，其中向量g的维数与配电网中分支的数目有关，元素0表示分支是集群间分支，1表示集群内分支；

37、4)将当前的分支划分g加入禁忌表，并生成邻域列表；

38、5)从邻域列表中选择尚未在禁忌表中并满足约束条件的候选解；

39、6)使用集群性能指标公式计算每个候选解的适应度，并从中选择局部最优解；

40、7)判断局部最优是否优于全局最优；

41、8)如果局部最优解更好，则将其设置为当前分区g和全局最优解；

42、9)如果局部最优解不是全局最优，则只将局部最优设置为当前分区g；

43、10)判断是否达到最大迭代次数：如果没有达到最大迭代次数，则返回步骤4)继续优化；如果达到，则结束优化过程并输出全局最优解。

44、进一步地，步骤s3中集群自主优化模型表示如下：

45、目标函数：

46、

47、

48、光伏(pv)和rpc设备的运行约束：

49、

50、

51、l-distflow等式约束：

52、

53、

54、电压约束：

55、

56、其中ck，v0＝vref，qcj是节点j处rpc设备产生的总无功功率，pdecj是节点j处光伏机组产生的apc总量，pgj、qgj分别是节点j处光伏机组产生的总有功功率和无功功率，mpv和mp表示光伏发电的收入，分别为800元/mwh和400元/mwh，pij、qij分别是从节点i流向节点j的有功功率和无功功率，rij为支路ij的电阻，n是配电网中除节点0之外的节点集；pj、qj分别为节点j处净负载的有功功率和无功功率，xij表示支路ij的电抗，plj、qlj分别为节点j处负载的总有功功率和无功功率，为节点j处光伏机组的最大有功功率点，vref为变电站出口母线0的电压幅值，ε为电压幅值的最大允许偏差，通常设置为0.05；θ＝cos-1pfmin为最小功率因数pfmin(设置为0.95)对应的功率因数角，sgj为节点j处光伏逆变器的装机容量，qcj、分别为节点j处rpc设备产生的无功功率的下限和上限，vj为节点j的电压幅值；lb为所有集群间分支的集合，jl∈lb表示集群ck与其下游集群间的分支，pjl、qjl分别为沿着集群间分支jl的有功功率和无功功率流，被视为边界节点的虚拟负载功率，为节点a的实测电压幅值，节点是集群ck附近的上游集群的边界节点，被视为ck的虚拟松弛母线，表示ck及其虚拟松弛母线的集合，假定vi2≈ua。

57、进一步地，步骤s3中的集群自主优化控制方法中的迭代优化公式如下：

58、

59、

60、其中l0a表示从母线0到母线a的分支集合，μ为迭代步长，迭代步长的保守范围为laj表示集群ck中从节点a到其最近的可控光伏节点j的分支集合。

61、进一步地，步骤s4中的集群间的协调优化控制方法内容包括：

62、边界节点电压和集群间支路有功功率和无功功率的等式约束分别表示为

63、

64、

65、

66、ua为上游集群边界节点a的电压平方，为下游集群虚拟松弛母线a*的电压平方，分别为节点a处虚拟负载的有功功率和无功功率，pam、qam分别为沿集群间支路am的有功功率和无功功率，xa,yam,zam分别为边界节点a处的电压平方、沿集群间支路的有功功率流和无功功率流的全局值；

67、定义的增广拉格朗日函数为：

68、

69、

70、分别表示虚拟松弛母线a*的电压平方、沿集群间支路am的有功和无功功率流、边界节点j的电压平方、边界节点j处虚拟负载的有功和无功功率对应的拉格朗日乘子；罚参数ρ＞0；

71、distflow等式约束为：

72、

73、

74、考虑电压补偿参数δumin,δumax的电压约束为：

75、

76、δumax为同一节点distflow方程和l-distflow方程计算得到的最大电压平方和的差值，δumin则为最小电压平方和的差值；

77、基于增广拉格朗日乘子法的集群间协调优化控制的具体步骤：

78、11).根据测量数据初始化边界数据的全局值，设置所有拉格朗日乘子和电压补偿参数的初始值为0；

79、12).获得光伏机组和rpc设备的最优输出功率上游集群的边界数据、下游集群的边界数据并由公式(10)更新得到γ(k+1),b(k+1),b(k+1)

80、

81、13).利用distflow方程和l-distflow方程对边界数据重新计算得到修正数据

82、并由式(11)、(12)对电压补偿参数进行更新。

83、

84、

85、14)每个集群将边界数据和发送给其上下游集群，并从上下游集群获取数据

86、

87、15)每个集群使用式(13)、(14)更新边界数据的全局值；

88、

89、

90、16)使用式(15)、(16)更新边界数据的拉格朗日乘子；

91、

92、

93、17)计算集群间边界数据的原始残差和对偶残差并相互通信更新得到r(k+1)和s(k+1)，原始残差定义为边界数据和它们的全局值之间的差的绝对值之和；对偶残差定义为全局值和之间差的绝对值之和；

94、重复步骤12)～17)，直到原始残差和对偶残差的最大元素小于预定阈值δd。

95、与现有技术相比，本发明的有益效果是：

96、1.本发明提供了一种基于配电网台区集群划分的功率联合优化控制方法，通过引入基于社区检测算法的集群性能指标，实现了配电网台区集群的最优划分。集群自主优化控制通过交替更新集群内的最优解和虚拟松弛母线电压，使得每个集群能够独立自治，无需依赖于集群间的通信。这大大降低了配电网的电压控制复杂度和通信压力，同时提高了电压调节的速度。

97、2.本发明提供了一种基于配电网台区集群划分的功率联合优化控制方法，基于l-distflow方程的优化模型简化了计算过程，更适合处理多台光伏机组的有功和无功功率联合优化。cco控制策略通过使用l-distflow方程和增广拉格朗日乘子法，将光伏apc和网络有功损耗优化问题凸化，并以分布式方式求解。

98、3.本发明提供了一种基于配电网台区集群划分的功率联合优化控制方法，针对l-distflow近似计算可能出现的不准确问题，cco控制使用更精确的distflow方程来校正集群之间交换的边界数据。这一步骤确保了数据的准确性和控制策略的有效性。

99、4.本发明提供了一种基于配电网台区集群划分的功率联合优化控制方法，结合集群自主优化模型和集群间协调优化控制方法，有效实现了光伏机组有功和无功功率的联合优化控制。这种综合控制策略很好地解决了电压违规问题，保障了电网的稳定性和电压质量。