(南京国电南自自动化有限公司江苏南京211100)
摘要:文章提出一种基于多代理系统的主动配电网分布式电压控制策略,研究利用局部的测量数据和通信,通过分布式计算实现对全局的电压控制并实现DG接入最大化的优化目标。通过对算例进行仿真,对所提出的电压控制方法的实用性和有效性进行充分验证。
关键词:主动配电网;多代理系统;协调控制
1主动配电网电压控制方法
1.1集中式电压控制
集中式控制方法以系统全局优化为目标,统一调配可控资源,但存在诸多不足:
1)系统中所有量测数据都要传输至中央控制系统,一旦中央控制系统出现故障,整个网络管控系统就会瓦解;2)中央控制系统在接收全网数据和大量优化计算后,方可做出全局控制策略,同时考虑到硬件设备的延时,集中式控制方法对系统做出调节所需的时间较长;3)主动配电网中DG渗透率较高,需要测量和采集的数据量也大幅度增加,大大加重了通讯系统的负担;4)完整的集中式控制系统需要安装大量量测、通讯和监控系统,投资较高。
1.2分布式电压控制
分布式电压控制方法通常将整个系统分成若干个子区域,通过对子区域的控制和各个子区域之间的协作,实现对整个网络的电压控制。基于MAS的分布式算法是分布式电压控制的主要手段之一。其内部各个Agent是指具有自主能力、社交能力、感知能力和自发能力的基于硬件和软件的计算机系统。
在基于MAS的分布式电压控制体系框架中,系统中的每个子区域都配有一个独立的Agent,每个Agent都具有数据采集、计算与决策、下达指令以及与其他Agent进行信息交互的功能。每个Agent仅对所控制区域进行数据测量,并采集相邻Agents测量数据,经过分布式优化计算,给出电压控制决策。随后,Agent系统之间针对各自做出的决策进行交流、协商、判断,并最终给出一个可以使全网电压都维持在合理范围的控制策略,并根据决策下达指令改变所控区域中电力设备的运行状态。
2基于MAS的分布式协调控制
本文研究的基于MAS的分布式协调控制策略适用于含有大量DG的辐射状配电网络。该策略的核心在于每个Agent如何仅利用局部的测量数据和与相邻Agents的通信,通过分布式计算,最终完成全局电压控制并实现DG接入最大化的优化目标。
2.1数据获取
在基于MAS的分布式协调控制策略中,每个Agent仅对该控制区域(CELL)进行数据测量与采集,采集的数据可以是实时量测数据,或者虚拟量测,以减少量测设备的投资。在后面的分析中,一个CELL既可以特指一条母线,也可以是由多条母校组成的控制区域。为减少控制系统的通讯负担,提高控制系统的可靠性,Agent所需的其他数据从相邻Agents获取,即每个Agent仅需要本节点的测量数据、上游节点和下游节点的部分测量数据即可进行局部电压控制,并实现全局的DG有功功率接入最大化。
以图1为例,节点N所对应的AgentN需获取的数据由3部分组成:节点N的本地测量数据、上游节点N−1的数据和下游节点N+1的数据。其中,节点N的本地量测数据如表2所示,上、下游节点的数据信息。
图1一条简化的配电网馈线
表2AgentN的本地数据
表3AgentN的上、下游数据
2.2节点电压估算
在馈线中有节点出现电压越界时,为实现Agent电压调整,需要对节点的电压-功率关系进行分析。
以图1为例,对于辐射状配电网中的任意节点N,根据DistFlow潮流算法,电压及功率计算如下:
PN=PN+1+PLN−PGN+Ploss,N+1(1)
QN=QN+1+QLN−QGN+Qloss,N+1(2)
(3)
式中,Ploss.N+1和Qloss.N+1分别为节点N与节点N+1之间支路的有功损耗和无功损耗。由于式(3)中的第三项远小于前两项,可将式(3)简化成:
(4)
对不同节点所对应的式(4)进行叠加,可得:
(5)
式中,Rn和Xn(n=1,2,…,N)为定值。因此,若假设馈线首端节点电压V0不变,由式(5)可知节点电压值取决于由上游支路流入各节点的功率值。若某一时刻Ti,系统中的部分节点注入功率发生变化,则下一时刻Ti+1时系统中的节点电压将会发生变化。为了估算Ti+1时刻任意节点N的电压,计算过程中假设Ti~Ti+1间,各节点注入功率变化这一过程是有序的:节点N所有上游节点处的注入功率先发生变化,随后,节点N及其所有下游节点的注入功率再发生变化。
以Ti时刻节点N为例,首先只有上游节点注入功率发生变化,节点N及其下游节点注入功率不变。该过程中,下游支路的功率损耗变化不大,可以忽略,因此,PN和QN可视为恒定不变。则此时节点N−1和N的电压分别记作有:
(6)
随后,上游注入功率不变,节点N及其所有下游节点注入功率发生变化。在节点N的电压由变到的过程中,上游注入功率不变且忽略上游支路上功率损耗的变化,有ΔP1=ΔP2=…=ΔPN和ΔQ1=ΔQ2=…=ΔQN。因此,由式(5)可得:
(7)
(8)
若Ti与Ti+1时间间隔较小,可忽略线路上功率损耗的变化量。将式(6)代入式(7),可得:(9)
式中:
(10)
式(9)是本文所提出的电压控制策略中最核心部分,也是实现用局部信息进行电压估算的关键所在。如式(9)所示,仅需知道上游节点的电压信息,本节点的功率信息,以及下游节点可能会发生的功率变化,即可实现对下一时刻电压的估算。
2.3目标优化
本文所提出的电压控制策略以DG接入量最大化为目标,即控制策略在实现电压控制的同时,对系统中DG有功功率接入量进行优化。每个Agent既要保证将系统电压控制在合理范围内,又要避免削减DG的有功出力。为将两个目标进行统一量化,在这里将目标函数以成本的形式进行体现,AgentN的优化目标函数可表示为:
(11)
式中,d为电压约束可调参数,为节点N及N−1在Ti时刻的电压标幺值,分别为在Ti时刻MAS未进行控制时,DG的有功和无功功率输出值。ΔPLN和ΔQLN分别为Ti时刻负荷有功和无功功率的变化量,MP和MLP分别为有功功率的上网电价和电价,MQ和MLQ分别为无功功率的上网电价和电价。
如式(11)所示,目标函数中的成本由两部分组成:一部分是功率成本,用来约束DG有功出力的削减;而另一部分是电压成本,用以约束电压在合理范围内。
2.3.1功率成本
在本文提出的基于MAS的分布式电压控制策略中,针对电压越限问题,Agent的控制措施主要包括调节DG出力和调节负荷。两种调节方法均可以对有功功率和无功功率进行调节。Agent的两种控制方式以及所对应的功率成本计算如表4所示。
表4Agent的控制方式及其成本
由表4可见,MAS未削减DG有功功率时,且DG有功功率输出值最大,即PGN=PGN0=PGNmax,此时,C(PGN)=0;MAS对DG有功功率削减的越多,C(PGN)的值越大,DG的功率成本值越高。此外,当调节DG有功功率和无功功率都能够满足电压控制的需求时,由于在实际取值时设定MP远大于MQ,为使Agent的计算成本值尽可能的低,Agent控制系统将优先调节DG的无功功率,尽可能避免削减有功功率,保证DG的有功功率最大化。
2.3.2电压成本
电压成本是人为制定的成本,目的是使节点电压尽可能接近额定值,避免出现电压越界。选取成本函数时,希望当电压没有出现越界时,电压成本值较小,当电压出现越限时,电压成本能够急剧增大,以便有效地以成本的形式对电压进行约束控制。为达到这一目的,选取浴盆曲线模型函数,电压成本的计算公式如式(12)所示:
(12)
式中,可调变量d的取值由控制电压边界值Vboundary和上网电价M共同决定。例如,当MAS的电压约束范围为[0.98,1.02](即Vboundary可取0.98或1.02),M=1时,得d=50。此时,式(12)即可改写成式(13),对应的成本曲线如图2所示,可见电压被约束在[0.98,1.02]范围内。
C(V)=[50(1−V)]10(13)
3计算流程
本文提出的基于MAS的分布式电压控制系统应用JADE/Java平台,利用潮流计算软件IPSA+模拟电力系统的量测数据,对网络中各节点电压及拓扑结构进行实时监控和数据交互:IPSA+将潮流参数传输给MAS并根据MAS下达的控制命令修改IPSA+模型中对应的设备参数,实现闭环控制。
1)潮流计算软件IPSA+模拟电力系统量测,并对电力系统中开关的状态进行监测,确定拓扑结构,从而根据拓扑结构确定各个Agent的上下游节点信息。与此同时,对系统中各节点电压进行监测。当系统中存在电压越界的现象时,启动MAS,进行电压控制。
图2电压成本曲线
这里需要说明的一点是,电压信息是指节点N−1在不考虑其下游节点功率发生变化的情况下,所能出现的所有离散运行状态所对应的电压值形成的阵列。例如,若节点1处只有DG且DG的有功功率输出范围为0~3MW,调节步长为1MW(调节步长由DG特性和控制系统需求而定),即DG可工作在有功功率输出功率为0、1、2、3MW的4种工作状态。假定节点0处电压恒为1,即V0*只含有一个元素,且节点1处DG无功功率不可调,则节点1存在着与所连接DG的4种输出对应的电压值,Agent1将4种电压值计算出来并形成阵列,发送给Agent2。对于Agent2,这个阵列即是<V*N−1>;功率数据ΔPN+1和ΔQN+1是指所有可能的从上游支路流入节点N+1的功率离散变化量所组成的阵列。以ΔPN+1为例,若节点N+1当前时刻Ti时,PN+1=10MW,通过调节节点N+1及其下游的DG和负荷状态,PN+1可能变为9、10、11MW。此时,ΔPN+1即为由−1、0、1MW组成的阵列。ΔPN+1和ΔQN+1阵列涵盖了所有下游节点的离散功率变化量,数据量庞大,因此在实际数据传输过程中,只将可以避免电压越界同时成本较低的部分ΔPN+1和ΔQN+1传输给上游节点。
将V*N−1阵列,ΔPN+1和ΔQN+1阵列,以及节点N的功率序列进行排列组合,得到节点N所处运行环境的所有可能,利用式(9)分别估算每种运行状态的,并利用式(11)计算出成本,形成节点N的成本列表。该成本列表中包括上游节点和本节点的电压值、本节点和下游节点的功率值,以及所对应的总成本。
3)AgentN在成本列表中搜寻成本最小的运行状态,并形成控制信息:
4)在AgentN发送控制信息的同时,也会接收到来自AgentN−1和AgentN+1的控制信息:根据接收到的控制信息,更新节点N的成本列表。随后,重复步骤3到步骤4,直到所有的节点都运行在成本最小的运行状态。
Agent在每次控制决策的过程中,为了实现本地区的成本最小化需要在成本列表中选出成本最低的运行状态,而这个运行状态存在且唯一,因此对于单个Agent而言不会出现决策冲突的情况。
MAS以各个Agent的局部优化为基础,通过Agent之间的通信、
交流、协商、判断,并最终给出一个可以使全网电压都维持在合理范围的优化控制策略,最终实现全局优化控制的目标:消除电压越界并实现DG有功功率接入的最大化。
5)AgentN将最终选择的运行状态发送给
IPSA+,并修改模型中的对应参数,实现闭环控制。
4结论
本文围绕着主动配电网的电压控制技术,提出了一种基于MAS的分布式电压控制策略。该策略在实现电压约束的同时,可以实现系统DG有功功率接入最大化。与集中式电压控制方法不同,该策略每个Agent仅收集局部量测信息,通过与相邻控制区域信息交互,即可实现全局的电压控制与目标优化,因此大大降低了控制系统通讯量。同时,每个Agent内部的计算为线性计算,提高了计算速度,降低了控制系统的响应时间。
参考文献
[1]尤毅,刘东,于文鹏,等.主动配电网技术及其进展[J].电力系统自动化,2012,36(18):10-16.
[2]范明天,张祖平,苏傲雪,等.主动配电系统可行技术的研究[J].中国电机工程学报,2013,33(22):12-18.
[3]钟清,孙闻,余南华,等.主动配电网规划中的负荷预测与发电预测[J].中国电机工程学报,2014,34(19):3050-3056.