一种基于数据驱动的配电网台区分布式储能协同控制方法与流程

本发明涉及电力系统，特别涉及一种基于数据驱动的配电网台区分布式储能协同控制方法。

背景技术：

1、当前，我国电力行业发展已经从高速增长进入高质量发展阶段，正着力构建清洁低碳、安全高效的能源体系。可再生能源在配电网中的高渗透率带来了严重的电压稳定性问题。分布式发电(dg)在全球配电网(dn)中的渗透率正在迅速提高。然而，光伏发电的高渗透率会在配电网中造成反向功率流引起的电压上升/下降问题，这是电力系统运行过程中的一个重要挑战。针对高光伏渗透率造成的电压调节问题，人们提出了各种控制策略。光伏发电削减、光伏逆变器无功补偿、和利用储能系统(ess)可改善电压曲线。然而，功率削减和无功功率补偿技术可能会降低光伏发电能力。最近，电池储能系统(bess)已成为配电网电压调节的一种有前途的解决方案。传统控制策略具有电压调节等优点，但它们依赖于具有全面物理信息的精确网络建模。然而，获取或维护精确的动态系统模型仍然具有挑战性。为解决这些问题，针对配电网提出了一种基于数据驱动预测控制(deepc)的新型数据驱动电压控制策略。它利用光伏逆变器和电池储能系统对配电网进行电压调节。deepc算法仅使用历史系统轨迹，无需电力系统参数识别程序。根据系统数据模型，所提出的控制器可将电压调节在所需的范围内，并将每个储能设备的充电状态调节在所需的充电状态范围内。

技术实现思路

1、本发明提供一种基于数据驱动的配电网台区分布式储能协同控制方法，用以解决传统控制策略依赖于具有全面物理信息的精确网络建模带来的光伏发电高渗透率在配电网中造成反向功率流引起的电压上升/下降，使得电压低效调节问题。

2、本发明提供一种基于数据驱动的配电网台区分布式储能协同控制方法，包括：

3、s1、根据配电网潮流的节点电压和光伏无功储能有功历史测量序列，通过行为系统理论，构建节点电压和光伏无功储能有功的历史数据序列；

4、s2、根据所述历史数据序列进行配电网潮流历史数据持续激励条件的判断，并构建持续激励且满秩的汉克尔矩阵；

5、s3、根据构建持续激励且满秩的汉克尔矩阵，构建配电网系统初始化及未来预测的输入输出序列；

6、s4、根据线性化电压控制基于输入输出序列构建的潮流方程，且通过行为系统理论及威廉基本定理，在满足激励持续性条件下构建不依赖于配电网系统状态空间模型的数据驱动配电网光伏储能控制电压的场景，实现储能协同控制。

7、优选的，s3，包括：

8、根据历史数据序列估计配电网系统基础状态的初始条件；

9、根据所构建的持续激励且满秩的汉克尔矩阵预测配电网系统的未来轨迹；

10、根据所述初始条件以及未来轨迹，构建配电网系统初始化及未来预测的输入输出序列。

11、优选的，构建持续激励且满秩的汉克尔矩阵之前，还包括：

12、从历史数据库中收集符合设定长度的历史轨迹序列，构建汉克尔矩阵的数据集：

13、

14、其中，hl(u)表示关于l的汉克尔矩阵；u(·)表示光伏无功储能有功的数据函数，且对应的时间序列的取值为0,1,2,...,l-1,l,....,t-1；up表示历史轨迹序列包含过去的输入数据；uf表示历史轨迹序列包含未来的输入数据；yp表示历史轨迹序列包含过去的输出数据；yf表示历史轨迹序列包含未来的输出数据；表示构建的输入的汉克尔矩阵数据集；表示构建的输出的汉克尔矩阵数据集；表示构建的输入的汉克尔矩阵数据集；表示构建的输出的汉克尔矩阵数据集；

15、根据所述数据集判断是否可以构建持续激励且满秩的汉克尔矩阵。

16、优选的，根据线性化电压控制基于输入输出序列构建的潮流方程之后，包括：

17、采用预测控制的后退视距方式对所述潮流方程求解第一优化问题；

18、对所述第一优化问题进行收敛判断，使得所述潮流方程达到最优解。

19、优选的，所述第一优化问题如下表示：

20、

21、s.t.vmin-ε≤v≤vmax+δ

22、

23、pg＝pdis-pbat

24、ρminsocmax≤soc(t)≤ρmaxsocmax

25、

26、soc(0)＝soc0

27、v(t+1)＝v(t)+n*pc(t)+m*qc(t)+ωe(t)

28、其中，v表示各节点电压；ι表示各节点电压设定点；qg表示光伏发电无功功率；pg表示储能装置产生的有功功率；q,r,ψ表示权重矩阵；ε和δ表示松弛变量；n*和m*表示灵敏度矩阵；pc(t)表示t时刻的可控有功功率；qc(t)表示t时刻的可控无功功率；ωe(t)表示t时刻的不可控电压幅值的变化；κ表示权重系数；vmin和vmax分别表示电压最小值和最大值；qgmin和qgmax分别表示无功功率最小值和最大值；s表示光伏设备容量；pbatmax和pdismax分别定义储能设备放电和充电的最大功率；soc(t)表示储能设备在t时刻储能状态；socmax表示储能设备最大容量；ρmin和ρmax表示储能设备单位电量的最小值和最大值；δt表示单位时间间隔；μ表示储能设备充放电效率；soc0表示储能设备初始状态；v(t)表示t时刻的节点电压；v(t+1)表示t+1时刻的节点电压；pdis、pbat分别定义储能设备的放电和充电功率；soc(t-1)表示储能设备在t-1时刻储能状态。soc(0)表示储能设备在0时刻储能状态。

29、优选的，实现储能协同控制，包括：

30、基于配电网节点的电压越限问题，构建基于数据驱动的电压规划的第二优化问题；

31、基于历史数据收集过程中的记录单一性，构建基于数据驱动的电压规划的第三优化问题；

32、基于所述第二优化问题以及第三优化问题，协调所述配电网系统中的储能设备以及光伏发电设备实现电压调节，进而实现储能协同控制。

33、优选的，所述第二优化问题如下表示：

34、

35、其中，表示初始化输入数据的松弛变量；表示初始化输出数据的松弛变量；h(g)表示非负正则化项；r(t+s)表示在t+s时刻的输出数据参考值；u(t)表示在t时刻的输入数据预测值；y(t)表示在t时刻的输出数据预测值；表示惩罚参数；表示惩罚参数；u、y分别表示输入、输出数据预测值。

36、优选的，所述第三优化问题如下表示：

37、

38、其中，y(t)＝v(t)∈rn表示局部测量电压大小；x(t)＝[p(t),q(t)]∈rm表示储能设备和光伏设备的有功功率和无功功率；表示初始化电压数据的松弛变量；表示初始化无功输出数据的松弛变量；表示初始化有功输出数据的松弛变量；表示初始化电压惩罚参数；表示初始化无功惩罚参数；表示初始化有功惩罚参数；表示构建的数据矩阵；表示由过去tini个时间步长的无功有功电压信号串联而成的数据矩阵；表示预测的数据矩阵。

39、与现有技术相比，本技术的有益效果是：

40、基于直接数据驱动算法，提出了一种用于高光伏渗透率配电网电压调节的新型储能光伏设备控制方法，提高了电压调节效率。

41、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

42、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。