基于一致性算法的主动配电网分布式优化调度

Distributed Optimal Dispatching of Active Distribution Network Based on Consensus Algorithm

蒲天骄1, 刘威2, 陈乃仕1, 王晓辉1, 董雷2

1.中国电力科学研究院,北京市 海淀区 100192

2.华北电力大学电气与电子工程学院,北京市 昌平区 102206

PU Tianjiao1, LIU Wei2, CHEN Naishi1, WANG Xiaohui1, DONG Lei2

1.China Electric Power Research Institute, Haidian District, Beijing 100192, China
2. School of Electrical and Electronic, North China Electric Power University, Changping District, Beijing 102206, China

  • 蒲天骄(1970),男,教授级高级工程师,主要从事电力系统调度控制、智能电网仿真和主动配电网优化调度等相关研究,tjpu@epri.sgcc.com.cn;

  • 刘威(1992),男,硕士研究生,主要研究方向为电力系统优化调度与智能电网仿真,本文通讯作者,ncepuwei@163.com;

  • 陈乃仕(1980),男,高级工程师,主要研究方向为电力调度自动化、主动配电网,chennaishi@epri.sgcc.com.cn。

基金项目: 国家自然科学基金项目(51577096); 北京市自然科学基金重点项目(3161002); 国家电网公司科技项目“面向能源互联网的多源协调优化运行应用研究”; Project Supported by National Nature Science Foundation of China (51577096); Beijing Natural Science Foundation (3161002); SGCC Project “Research on the application of multi-source coordinated optimization operation for energy Internet”;

文章编号: 0258-8013(2017)06-1579-11 中图分类号: TM73

摘要

针对主动配电网区域自治优化调度中存在的计算与通信量大、难以实现整体优化、不能适应拓扑变化等问题,提出一种基于一致性理论的分布式优化调度方法。该方法通过自治节点与相邻分布式电源节点信息的交换,采用一致性算法进行迭代计算,使各分布式电源的增量成本一致趋同,实现自治区域发电成本的优化。该文通过设置一致性算法节点权重系数,提高收敛速度,减小系统波动;通过本地相邻可控分布式电源的信息交互,更新自治节点参数,数据通信量减少,能够很好地应对主动配电网拓扑结构的变化。仿真结果验证了方法的有效性与可行性。

关键词 : 主动配电网; 区域自治; 一致性算法; 鲁棒性; 分布式调度;

DOI:10.13334/j.0258-8013.pcsee.160937

ABSTRACT

Aim

ing at problems of the regulation of regional autonomy in active distribution network (ADN), large calculation amount and communication traffic, difficulties of global optimization and adaptions to the flexible topology to name a few, a distributed optimal scheduling method based on the consensus algorithm was proposed. In this method, the distribution of active power is based on equal loss of micro incremental rate principle, in other words, controllable distributed generations (DG) receive node information from the adjacent and iterative computations are conducted by the consensus algorithm in order to make incremental costs of DGs unanimous which reduces the generation cost of the autonomous regions, and makes active power outputs automatically reach unanimity as well as optimize. By setting the node weight coefficient matrix of consensus algorithm, the convergence speed improves and fluctuations of system reduce, and there is no need of large communication traffic based on information of the adjacent controllable distributed power supply, which make it adapt to the flexible topology of ADN. Simulation results verify the effectiveness and feasibility of the method proposed.

KEY WORDS : active distribution network (ADN); regional autonomy; consensus algorithm; robustness; distributed dispatch;

0 引言

根据国际大电网会议C6专委会的定义,主动配电网是使用灵活的网络技术对潮流进行有效管理,对分布式电源进行综合控制的配电系统[1]。因此,从本质上说,主动配电网需要应用先进的网络通信技术与控制策略对接入主动配电网的大规模分布式电源进行主动的管理与调控[2]

目前,主动配电网主要采用分层分区调度控 制[3],按照物理结构与电压等级将主动配电网划分为协调控制层与区域自治层[4-6]。协调控制层参照不同的优化目标更新主动配电网与各自治区域之间的交换功率指令[7-8],区域自治层按照协调控制层的有功功率指令进行自治区域内可控分布式电源的优化调度。

主动配电网自治区域内分布式电源的调控方式有集中式和分布式两种,集中式控制通过自治区域中央控制器与分布式电源的通信,对分布式电源进行控制,但其计算量大、通信集中、可靠性差、投资成本高,且无法适应主动配电网灵活的拓扑结 构[9]。分布式控制模式能够很好适应分布式电源的分散特性,但难以实现自治区域的整体优化[10]

为应对上述问题,本文采用一致性算法,以增量成本为一致性变量,提出一种主动配电网区域自治的分布式优化调度方法。在自治区域内,根据“等耗量准则”分配可控分布式电源的有功出力,实现自治区域内发电成本的优化。

一致性理论的核心是通过所有个体与相邻个体之间的通信交流,达到所选定一致性变量的一致协同,迭代计算在本地控制器中进行,因此该算法的计算量与通信量较小。一致性算法已在系统控制领域得到了广泛的研究与应用[11-16],目前在电力系统领域中主要应用于优化调度和自动控制中。文 献[17]将一致性算法应用于直流微网的控制中,提出了一种基于离散型一致性理论的自适应下垂控制策略,文献[18]在此基础上提出对于多能源互联的分布式控制方法。文献[19]使用双层的一致性算法解决电力系统的经济调度问题,文献[20]在文 献[19]的基础上利用一致性算法对拓扑网络变化的适用性,解决电力系统经济调度中通讯网络中断问题,文献[21]将此技术应用到自动发电控制系统的功率分配中。

本文在上述研究基础上,针对“平等型”的一致性算法[22]进行改进,通过改变网络拓扑关键节点在迭代计算中的权重,实现一致性算法的快速收敛,并减小系统波动。由于采用一致性算法进行优化调度所需信息量较小,因此能够适用于自治区域内通信中断以及拓扑结构变化的情形,具有较好的鲁棒性。

1 主动配电网区域自治调度结构

1.1 主动配电网自治区域运行模式

主动配电网中包含风电、光伏等清洁能源,为实现对清洁能源的最大限度消纳,在主动配电网分层分布式控制架构中,协调控制常以自治区域间功率平衡为优化目标。如图1所示,主动配电网的常态运行情况下,自治区域并网运行,主动配电网协调控制层与各自治区域进行通信,根据协调控制的优化结果,发送各自治区域的实时交换功率ΔPJ,各自治区域以该交换功率为功率平衡的约束条件,对发电成本进行优化[8]。在极端运行状态下,若主动配电网中某自治区域离网运行,可根据区域内频率fz与额定频率fn的差值求取区域内有功功率的缺额,并按此缺额对各可控分布式电源进行优化调度。

图1 主动配电网分层分布式控制结构 Fig. 1 Hierarchical and distributed control architecture for ADN

1.2 主动配电网区域自治网络结构与通信方式

在主动配电网的自治区域中,包含多个可控分布式发电单元,本文中称为自治节点,在其中选取一个作为主导节点,如图2所示。

图2 主动配电网区域自治网络结构 Fig. 2 Regional autonomous network architecture for ADN

1)主导节点:负责与主动配电网协调控制层的通信交流以及与各可控分布式发电单元节点之间的信息传输,本文中定义各自治区域内有且只有一个主导节点。自治区域并网运行时,主导节点与上级控制层联系,获取本地自治区域的交换功率指令,并转发给自治区域内各自治节点;同时,主导节点与自治节点进行信息交互,获取邻接自治节点信息。在自治区域离网运行状态下,主导节点仅与邻接节点进行相互通信。

2)自治节点:自治区域中的普通自治节点,本文定义一个自治节点对应一个可控分布式单元。 主要与邻接的自治节点进行通信,获取邻接各自 治节点信息,并通过离散型一致性算法更新本节点状态。

主动配电网各节点之间通信网络与物理网络相互独立,自治区域内各自治节点均不需获取全网信息,只需要通过通信网络与邻接节点进行信息交互,避免了信息延迟。同时,由于各自治节点对于邻接节点的自主选择权利,能够支持系统对于拓扑结构改变的需求。

为避免局部坏数据对一致性算法稳定性的影响,可以在考虑配电网自治区域负荷曲线的特征基础上,采用数据挖掘等方法对坏数据进行辨识与剔除[23-24]

2 一致性理论

2.1 离散型一阶一致性算法

一致性算法的本质是通过本地节点与邻接节点的信息交互[25],更新本地节点的状态参量,使拓扑网络中各节点的状态参量收敛于稳定的共同值。

对于节点i来说,令ξi(k)代表节点i的一致性信息,如系统的电压、频率、电流、发电增量成本等,其中iτ, τ=1,2,,n,n为节点个数,k为迭代次数。在分布式系统中,各节点的一致性变量根据其邻接节点的一致性变量进行调整,随k的逐步增加,任意相邻节点的一致性变量ξi(k)、ξj(k)趋于一致,满足|ξi(k)-ξj(k)|→0,当所有节点的状态变量在收敛条件范围内达到一致时系统收敛[22],一阶一致性算法描述为:

\({{\xi }_{i}}(k+1)=\sum\limits_{j=1}^{j=n}{{{d}_{ij}}{{\xi }_{j}}(k)}\) (1)

写成矩阵形式为:

\(\dot{\xi }(k+1)=D(k)\dot{\xi }(k)\) (2)

式中:dij为状态转移矩阵系数,由通信网络拓扑结构决定;D(k)为状态转移矩阵;i=1,2,3,,n;j=1,2,3,,n

2.2 图论概述

主动配电网自治区域中各自治节点之间通过通信网络进行信息交互,形成分布式通讯网络拓扑结构,图2中6节点自治区域通讯网络拓扑结构如附录图A1所示。在分布式系统中,A={Ai|iτ}表示该系统网络结构中各自治节点,其中τ={1,2,3,, n}。该网络拓扑结构对应的n节点加权有向图为G=(V,E),该有向图能够表示分布式网络拓扑结构模型与相应节点之间的权重关系,其中V={v1,v2,, vn}为分布式拓扑结构点集,E={e1,e2,,em}为邻接节点形成的边集[22,26]。如果图中两节点AiAj之间可以实现相互的信息传输,则称该图为强连接图,在本文算例中的拓扑结构都是强连接图。

G的邻接矩阵A(G)为n×n阶矩阵,在简单图中,邻接矩阵为0-1矩阵,其对角线元素为零,非对角线元素为aijdi为图中节点vi的度,则D(G)=diag(d1,d2, ,dn)[16-17],图G的Laplace矩阵为L(G)=D(G)-A(G)=[lij],其中:

对于无向图来说,L(G)是对称半正定矩阵,矩阵L(G)的特征值包含了该拓扑结构的大量信息,如:矩阵L(G)第二小的特征值λ2是该网络的“代数连通度”,是一致性算法收敛的量化指标[21]

2.3 改进的离散型一阶一致性算法

由上述图论简述可知,Laplace矩阵由邻接矩阵求得,邻接矩阵为简单的0-1矩阵,因此Laplace矩阵中元素的大小仅与通信网络拓扑图的结构相关。但由于电力系统的特殊性,各自治节点的可控容量不同,自治节点中分布式电源机组功率爬坡速度不同以及增量成本不同,若对邻接节点取相同的邻接矩阵元素会限制一致性变量的收敛速度[22]。同时,在收敛系数保持不变的情况下,Laplace矩阵中元素的变化不会影响最后的收敛精度。因此对不同的邻接节点之间的Laplace矩阵元素lij赋予相应的权重zij(k),能够提高算法收敛速度。但是为减小迭代的波动性,权重因子需要满足如下要求[26]

离散型一致性算法的迭代规则如下:

式中:

写成矩阵形式为:

$\xi (k+1)=D(k)\xi (k)$ (7)

式中:$k$为迭代序列;${{z}_{ij}}(k)$为节点${{A}_{i}}$与${{A}_{j}}$的增益权重;$\xi ={{[{{\xi }_{1}},{{\xi }_{2}},\cdots ,{{\xi }_{n}}]}^{\text{T}}}$;状态转移矩阵$D(k)=$ $[{{d}_{ij}}(k)]$;$i,j\in \tau ,\tau =1,2\cdots ,n$。

3 基于一致性算法的区域自治优化调度

3.1 一致性算法优化调度

根据等耗量微增率准则,若各电源的等耗量微增率保持一致,则可以实现各电源间有功功率的最优分配。本文选取自治节点的发电增量成本Ci作为一致性变量,通过改进的离散型一致性算法进行迭代计算,更新自治节点发出的有功功率,经过多次迭代后,自治区域内各自治节点一致性变量满足收敛精度,发电成本较低的分布式电源承担较多的功率扰动变化,实现有功功率的优化调度。在并网运行状态下,自治区域通过主导节点与上级电网联系,获取目标交换功率ΔPJ,同时自治区域内负荷变化量为ΔPL,交换功率与自治区域内的负荷变化量之和ΔP作为该自治区域的功率扰动变量,并通过通信协议转发给各自治节点。在离网状态下,主动配电网自治区域通过频率的差额求取自治区域的功率缺额。

3.2 区域自治优化调度模型

1)并网运行。

主动配电网中包含柴油发电机、微型燃气轮机以及储能设备等,在本文中以发电成本优化为目标,其数学模型具体描述为:

式中:i=1,2,,n;PGi为自治节点$i$输出的有功功率;Fi为自治节点$i$的成本函数;ΔPJ为自治区域从主动配电网获取的目标交换功率;ΔPL为自治节点内负荷的变化量;ΔPGi为自治节点i输出的有功功率的变化量;\(\Delta P_{i}^{\text{rate}}\)为自治节点i的功率调节速度;\(P_{Gi\min }^{\text{rate}}\)和\(P_{Gi\max }^{\text{rate}}\)分别为自治节点i调节速度的上下限;\(P_{Gi}^{\min }\)和\(P_{Gi}^{\max }\)分别为自治节点i的最小和最大功率限额;

n为自治节点个数,在自治区域内各可控分布式电源的发电成本公式[26]为:

\({{F}_{i}}({{P}_{Gi}})={{a}_{i}}+{{b}_{i}}{{P}_{Gi}}+{{c}_{i}}P_{Gi}^{2}\) (9)

式中:PGi为自治节点$i$输出的有功功率;aibici为其成本系数。

2)离网运行。

在自治区域离网运行状态下,仍然以发电成本最小为优化目标。但由于离网运行状态下,主动配电网与自治区域无法进行功率交换,自治区域的功率扰动变量为维持自治区域频率稳定需要调整的可控分布式电源有功出力[27]。其数学模型描述为:

式中:i=1,2,,nPQi为自治节点为维持额定频率fn所需的功率缺额,其他参数含义与式(8)中参数含义相同。

在主动配电网自治区域离网运行时,自治区域内的有功功率缺额需要根据频率偏差求取[28-29],自治区域内目标频率为fn,自治区域频率为fz,频率差额为Δf=fn-fz,为了满足维持额定频率的需求,柴油发电机和电力电子设备等可控分布式电源需增发有功功率$\Delta P_{Qt}^{x}$,储能设备的增发有功功率$\Delta P_{Qh}^{e}$为:

式中:

式中:t=1,2,,T为包含旋转分布式电源自治节点的序列;h=1,2,,H为包含储能设备自治节点的序列,且TH=n;CGt为自治区域内的旋转分布式电源有功功率调节系数;KS为自治区域内的单位频率调节响应系数;KG为分布式电源的单位频率调节响应系数;KL为自治区域内负荷单位频率调节响应系数;PGzPLz分别为频率为fz时,自治节点内的有功出力和负荷。

3.3 增量成本一致性计算

本文选取自治节点的增量成本作为一致性变量,增量成本的表达式为:

\({{C}_{i}}(k)=\frac{\partial {{F}_{i}}(P_{Gi}^{k})}{\partial P_{Gi}^{k}}\) (15)

由式(9)可得:

\({{C}_{i}}(k)=\text{2}{{c}_{i}}{{P}_{Gi}}(k)+{{b}_{i}}\) (16)

式中:Fi为自治节点i的成本函数;PGi为自治节点$i$的有功出力。

根据式(1),自治节点i一致性增量成本的更新规则为:

\({{C}_{i}}(k+1)=\sum\limits_{j=1}^{j=n}{{{d}_{ij}}{{C}_{j}}(k)}\) (17)

在并网运行状态时,为保证功率平衡,主导节点一致性增量成本的更新规则如下:

\({{C}_{i}}(k+1)=\sum\limits_{j=1}^{j=n}{{{d}_{ij}}{{C}_{j}}(k)}+\mu \Delta {{P}_{bal}}\) (18)

式中:μ为功率调节系数;ΔPbal为总功率偏差

根据式(15),自治节点功率更新为:

\({{P}_{Gi}}(k+1)=\frac{{{C}_{i}}(k+1)-{{b}_{i}}}{\text{2}{{c}_{i}}}\) (19)

\(\Delta {{P}_{bal}}=\Delta {{P}_{i}}-\sum\limits_{i=1}^{n}{\Delta {{P}_{Gi}}}\) (20)

在增量成本的一致性计算中总功率偏差作为收敛条件,当|ΔPbal|<ε时,一致性计算达到收敛。

需注意,在分布式自治区域中使用一致性算法时,若某分布式电源节点的有功出力超出其有功功率可调范围,该节点应从网络拓扑结构中退出,相邻的可控分布式电源节点应修改相应的Laplace矩阵元素。

3.4 增量成本一致性算法的收敛性

一致性算法的收敛性可以通过构造Lyapunov函数进行验证[30],主动配电网自治区域可控节点有功出力在经过增量成本一致性算法的多次迭代计算后,可以实现:

式中:k为迭代次数;Fi(PGi)为可控分布式电源$i$的发电成本函数;PGi为可控分布式电源$i$的有功 出力。

可控分布式发电机的发电成本函数Fi(PGi)是一元连续可微凸函数,其定义域$R=[P_{Gi}^{\min },P_{Gi}^{\max }]$,在函数$F$的定义域内满足凸函数的特点:

\({{F}_{i}}(P_{Gi}^{k+1})\ge {{F}_{i}}(P_{Gi}^{k})+{{F}_{i}}^{\prime }(P_{Gi}^{k})(P_{Gi}^{k+1}-P_{Gi}^{k})\) (22)

定义一个关于各可控分布式电源有功出力的Lyapunov多元函数$V$,其定义域为各可控分布式电源有功出力的限值组成的向量,$V$表述为:

$V(P_{Gi}^{k})=V(P_{G1}^{k},P_{G2}^{k},P_{G3}^{k},\cdots ,P_{Gn}^{k})=\sum\limits_{i\in v}{{{F}_{i}}(P_{Gi}^{k})}$ (23)

式中:$P_{Gi}^{k}$表示可控分布式电源$i$的第$k$次迭代计算得到的有功出力。

假设在第$k$次迭代计算中,自治区域内的自治节点达到了如式(21)所示的状态,则存在以下关系:

即:\(V(P_{Gi}^{k+1})-V(P_{Gi}^{k})\to 0\),因此,增量成本一致性算法是收敛的。

3.5 区域自治增量成本一致性算法流程

主动配电网自治区域增量成本一致性算法的流程如图3所示,具体步骤如下。

图3 增量成本一致性算法流程图 Fig. 3 Flow chart of incremental cost consensus algorithm

步骤1:根据自治区域处于并网运行状态或离网运行状态,分别求取自治区域与上级协调控制层之间的交换功率或者该自治区域的功率缺额,并计算各节点的一致性增量成本;

步骤2:由自治区域的拓扑结构形成该网络图的Laplace矩阵,并形成状态转移矩阵;

步骤3:使用一致性算法更新各节点增量成本,并求取对应可控节点更新后的有功出力;

步骤4:判断更新后的可控节点有功出力是否在其功率范围内,若超出其有功出力范围,则该节点从网络结构中退出,更新网络拓扑结构;

步骤5:根据收敛判据是否满足收敛条件,判断是否需要下一次的迭代计算,若满足条件则输出各自治节点有功出力。

4 算例与仿真结果分析

本文通过MATLAB软件对两组具有不同网络拓扑结构的自治区域进行仿真分析,算例基于IEEE33节点网络结构,如附录图A2所示。

1)算例1:9节点自治区域仿真。

通过本算例验证主动配电网自治区域在并网与离网两种运行状态下,负荷功率在各自治节点之间的精确分配效果。该自治区域中包含1个主导节点和8个自治节点,各节点成本系数[31]如附录表A1所示,各节点状态参数如附录表A2所示。

选取中心节点作为主导节点。其中主导节点处于通信中心,增加其权重,设置节点权重系数矩阵Z

①主动配电网自治区域并网运行。

各自治节点允许的最大有功功率偏差为0.1kW,功率调节系数μ=0.03,收敛系数ε=0.9,主导节点获取的自治区域交换功率指令ΔPi=115kW。各节点有功出力随迭代次数的变化如图4(a)所示,各机组增量成本变化如图4(b)所示。

②主动配电网自治区域离网运行。

自治区域离网运行状态下,额定频率fn=50.00Hz,PD=426kW,KG=50,KL=1.5,由式(13)可求得ΔPi=90kW,功率调节系数μ=0.03,各分布式发电单元的初始频率fz=49.89Hz,设定收敛条件为:ε=0.9。各机组有功出力随迭代次数的变化如图5(a)所示,各机组增量成本的变化如图5(b)所示。

③自治区域不同运行状态仿真结果分析。

图4(a)和图5(a)可知,在运行初始时刻,自治节点3、5、8、9的有功出力先减少,随后逐渐增加,最后所有节点有功出力逐渐趋于稳定。由 图4(b)和图5(b)可知,自治区域内全部节点增量成本都趋近于一个相同的值,初始时刻各节点的增量成本互不相同,节点2与节点3的增量成本大于其他节点,节点4增量成本最低,增长速度较快。

图4 自治区域并网运行一致性收敛过程 Fig. 4 Consensus convergence process of grid connected operation for autonomous region

图5 自治区域离网运行一致性收敛过程 Fig. 5 Consensus convergence process of island operation for autonomous region

图4可以发现,节点4在初始位置增量成本最低,但其有功功率增长幅值最高。节点3、节点5、节点8和节点9有功出力波动最大,运行初始时期,有功出力减少,增量成本与节点1和节点4趋同。由图5可以得到同样的结论,但可以发现,离网运行状态下的功率缺额低于并网运行时的交换功率,节点有功出力数值波动较并网运行时更大。根据表1可知,在自治区域并网运行与离网运行状态下ΔPbal均小于收敛条件ε,使用增量成本一致性算法能够实现对各节点有功功率的优化分配。

表1 算例1增量成本一致性计算仿真结果 Tab. 1 Incremental cost consensus calculation simulation results of case 1

在不考虑节点间信息传输速率的情况下,9节点仿真算例在自治区域并网与离网状态下迭代时间与收敛迭代次数如附录表A3所示。

2)算例2:7节点自治区域仿真。

使用如附录图A3所示7节点随机拓扑网络[30]进行对比仿真分析,选取节点2为主导节点,各节点成本系数如附录表A4所示,各节点状态参数如附录表A5所示。

各自治节点允许的最大有功功率偏差为0.1kW,功率调节系数μ=0.03,收敛系数ε=0.7,主导节点获取的自治区域交换功率指令ΔPi=100kW,设置节点权重系数矩阵Z=[1]。

仿真结果数据如图6所示,在不考虑节点间信息传输速率的情况下,7节点仿真算例在自治区域并网与离网状态下迭代时间与收敛迭代次数如附录表A6所示。

①自治区域拓扑结构变化仿真分析。

为验证增量成本一致性算法对自治区域通信网络结构发生变化的适应性,设置如图A4所示情景,在自治节点7有功出力达到40kW时,从自治区域中退出,网络中其他参数保持不变,仿真结果数据如图7所示。

对比图6(a)和图7(a)可以发现在自治节点7从拓扑结构中退出后,其余节点有功出力保持稳定增长,趋于稳定后,有功出力显著增长,能保证自治节点7退出网络之后产生的有功功率缺额,但有功功率的收敛时间增加。

图6 7节点网络增量成本一致性收敛过程 Fig. 6 Incremental cost consensus calculation simulation results of seven node network

图7 7节点网络增量成本一致性收敛过程——拓扑结构变化后网络 Fig. 7 Incremental cost consensus calculation simulation results of seven node network —Network after topology change

对比图6(b)和图7(b)可以发现,有功功率收敛所需的迭代次数增加,增量成本收敛值也高于原拓扑结构下的增量成本。

②自治区域节点间权重变化仿真分析。

本文2.3节中提出通过改变节点间权重改善一致性算法收敛速度,在拓扑结构未改变情形下,设置节点权重系数矩阵Z=[1],在本算例中增加自治节点6的权重,设变化后权重系数矩阵Z为:

仿真结果数据如图8所示,对比图6(a)与图8(a)可知,改变自治区域的节点权重矩阵后,迭代计算收敛速度增加,各自治节点有功出力变化平稳,波动量明显减小。对比图6(b)和图8(b)可知,除自治节点1与7以外,其他自治节点增量成本较早的趋于一致,并稳定变化。

图8 7节点网络增量成本一致性收敛过程——权重系数改变 Fig. 8 Incremental cost consensus calculation simulation results of seven node network—Change the weight coefficient

5 结语

本文基于一致性理论,提出一种针对主动配电网区域自治的优化调度算法,自治区域内各自治节点通过与相邻节点信息交换,更新本地参数,实现增量成本的一致性。主要具有以下优势:

1)自治节点仅与其临接节点进行通信,信息交换量小,对通信网络要求低。同时,在主动配电网自治区域内不需要集中控制中心,有功功率的计算在各自治节点内部分布式进行,减小了计算负荷;

2)对网络拓扑结构灵活变化的主动配电网具有适用性;

3)能够对分布式电源有功功率进行合理分配,优化主动配电网运行成本。

在增量成本一致性算法的后续研究工作中,将继续考虑在主动配电网区域自治中计及网损、储能设备充放电成本等经济因素。

参考文献

[1] D'Adamo C,Jupe S,Abbey C.Global survey on planning and operation of active distribution networks-update of CIGRE C6.11 working group activities[C]//Proceedings of the 20th International Conference and Exhibition on Electricity Distribution.Prague,CZ:IET,2009:1-4.

[2] 范明天,张祖平,苏傲雪,.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. Fan Mingtian,Zhang Zuping,Su Aoxue,et al.Enabling technologies for active distribution systems[J].Proceedings of the CSEE,2013,33(22):12-18(in Chinese).

[3] 赵波,王财胜,周金辉,.主动配电网现状与未来发展[J].电力系统自动化,2014,38(18):125-135. Zhao Bo,Wang Caisheng,Zhou Jinhui,et al.Present and future development trend of active distribution network[J].Automation of Electric Power Systems,2014,38(18):125-135(in Chinese).

[4] 尤毅,刘东,钟清,.多时间尺度下基于主动配电网的分布式电源协调控制[J].电力系统自动化,2014,38(9):192-198,203. You Yi,Liu Dong,Zhong Qing,et al.Multi-time scale coordinated control of distributed generators based on active distribution network[J].Automation of Electric Power Systems,2014,38(9):192-198,203(in Chinese).

[5] 刘东,陈云辉,黄玉辉,.主动配电网的分层能量管理与协调控制[J].中国电机工程学报,2014,34(31):5500-5506. Liu Dong,Chen Yunhui,Huang Yuhui,et al.Hierarchical energy management and coordination control of active distribution network[J].Proceedings of the CSEE,2014,34(31):5500-5506(in Chinese).

[6] 蒲天骄,刘克文,李烨,.基于多代理系统的主动配电网自治协同控制及其仿真[J].中国电机工程学报,2015,35(8):1864-1874. Pu Tianjiao,Liu Kewen,Li Ye,et al.Multi-agent system based simulation verification for autonomy-cooperative optimization control on active distribution network[J].Proceedings of the CSEE,2015,35(8):1864-1874(in Chinese).

[7] 于文鹏,刘东,余南华.馈线控制误差及其在主动配电网协调控制中的应用[J].中国电机工程学报,2013,33(13):108-115. Yu Wenpeng,Liu Dong,Yu Nanhua.Feeder control error and its application in coordinate control of active distribution network[J].Proceedings of the CSEE,2013,33(13):108-115(in Chinese).

[8] 钟清,张文峰,周佳威,.主动配电网分层分布控制策略及实现[J].电网技术,2015,39(6):1511-1517. Zhong Qing,Zhang Wenfeng,Zhou Jiawei,et al.Hierarchical and distributed control strategy for active distribution network & its implementation[J].Power System Technology,2015,39(6):1511-1517(in Chinese).

[9] 蒲天骄,陈乃仕,王晓辉,.主动配电网多源协同优化调度架构分析及应用设计[J].电力系统自动化,2016,40(1):17-23,32. Pu Tianjiao,Chen Naishi,Wang Xiaohui,et al.Application and architecture of multi-source coordinated optimal dispatch for active distribution network[J].Automation of Electric Power Systems,2016,40(1):17-23,32(in Chinese).

[10] Zhao Junhui,Wang Caisheng,Zhao Bo,et al.A review of active management for distribution networks:current status and future development trends[J].Electric Power Components and Systems,2014,42(3-4):280-293.

[11] Olfati-Saber R,Murray R M.Consensus problems in networks of agents with switching topology and time- delays[J].IEEE Transactions on Automatic Control,2015,49(9):1520-1533.

[12] Kashyap A,Başar T,Srikant R.Quantized consensus[J].Automatica,2007,43(7):1192-1203.

[13] Lavaei J,Murray R M.On quantized consensus by means of gossip algorithm-Part II:convergence time[C]// Proceedings of Conference on American Control Conference.St.Louis,MO,USA:IEEE,2009:2958-2965.

[14] Ren Wei,Beard R W.Distributed Consensus in Multi-vehicle Cooperative Control[J].Communications & Control Engineering,2008,27(2):71-82.

[15] Fax J A,Murray R M.Information flow and cooperative control of vehicle formations[J].IEEE Transactions on Automatic Control,2004,49(9):1465-1476.

[16] Olfati-Saber R,Fax J A,Murray R M.Consensus and cooperation in networked multi-agent systems[J].Proceedings of the IEEE,2007,95(1):215-233.

[17] 吕振宇,吴在军,窦晓波,.基于离散一致性的孤立直流微网自适应下垂控制[J].中国电机工程学报,2015,35(17):4397-4407. Zhenyu,Wu Zaijun,Dou Xiaobo,et al.An adaptive droop control for the islanded DC microgrid based on discrete consensus Algorithm[J].Proceedings of the CSEE,2015,35(17):4397-4407(in Chinese).

[18] Sun Qiuye,Han Renke,Zhang Huaguang,et al.A multiagent-based consensus algorithm for distributed coordinated control of distributed generators in the energy internet[J].IEEE Transactions on Smart Grid,2015,6(6):3006-3019.

[19] Zhang Ziang,Ying Xichun,Chow M Y.Decentralizing the economic dispatch problem using a two-level incremental cost consensus algorithm in a smart grid environment[C]//Proceedings of 2011 North American Power Symposium.Boston:IEEE,2011:1-7.

[20] Binetti G,Davoudi A,Lewis F L,et al.Distributed consensus-based economic dispatch with transmission losses[J].IEEE Transactions on Power Systems,2014,29(4):1711-172.

[21] 张孝顺,余涛.互联电网AGC功率动态分配的虚拟发电部落协同一致性算法[J].中国电机工程学报,2015,35(15):3750-3759. Zhang Xiaoshun,Yu Tao.Virtual generation tribe based Collaborative consensus algorithm for dynamic generation dispatch of AGC in interconnected power grids[J].Proceedings of the CSEE,2015,35(15):3750-3759(in Chinese).

[22] Ren W,Beard R W.Consensus seeking in multiagent systems under dynamically changing interaction topologies[J].IEEE Transactions on Automatic Control,2005,50(5):655-661.

[23] 张国江,邱家驹,李继红.基于人工神经网络的电力负荷坏数据辨识与调整[J].中国电机工程学报,2001,21(8):104-107,113. Zhang Guojiang,Qiu Jiaju,Li Jihong.Outlier identification and justification based on neural network[J].Proceedings of the CSEE,2001,21(8):104-107,113(in Chinese).

[24] 张晓星,程其云,周湶,.基于数据挖掘的电力负荷脏数据动态智能清洗[J].电力系统自动化,2005,29(8):60-64. Zhang Xiaoxing,Cheng Qiyun,Zhou Quan,et al.Dynamic intelligent cleaning for dirty electric load data based on data mining[J].Automation of Electric Power Systems,2005,29(8):60-64.

[25] Zhang Zi’ang,Chow M Y.Convergence analysis of the incremental cost consensus algorithm under different communication network topologies in a smart grid[J].IEEE Transactions on Power Systems,2012,27(4):1761-1768.

[26] Xu Y L,Li Z C.Distributed optimal resource management based on the consensus algorithm in a microgrid[J].IEEE Transactions on Industrial Electronics,2015,62(4):2584-2592.

[27] Lavaei J,Murray R M.Quantized consensus by means of gossip algorithm[J].IEEE Transactions on Automatic Control,2012,57(1):19-32.

[28] 姚莉娜,杨东海,段运鑫,.微电网离网运行有功缺额计算方法[J].电力系统保护与控制,2015,43(15):137-144. Yao Li’na,Yang Donghai,Duan Yunxin,et al.A calculation method of active power shortage in off-grid microgrid[J].Power System Protection and Control,2015,43(15):137-144(in Chinese).

[29] 李福东,吴敏.微网孤岛模式下负荷分配的改进控制策略[J].中国电机工程学报,2011,31(13):18-25. Li Fudong,Wu Ming.An improved control strategy of load distribution in an autonomous microgrid[J].Proceedings of the CSEE,2011,31(13):18-25(in Chinese).

[30] Cai Niannian,Mitra J.A multi-level control architecture for master-slave organized microgrids with power electronic interfaces[J].Electric Power Systems Research,2014,109:8-19.

[31] Wood A J,Wollenberg B,Shelbé G B.Power generation operation and control[M].3rd ed.New York:Wiley & Sons,2013.

附录

图A1 6节点自治区域网络通讯拓扑图 Fig. A1 Six node autonomous region network communication topology

图A2 IEEE33节点标准配电网络拓扑结构 Fig. A2 IEEE33 node standard distribution network topology

图A3 7节点网络拓扑图 Fig. A3 Seven node network topology

图A4 7节点网络拓扑图 Fig. A4 Seven node network topology--Network after topology change

表A1 9节点成本系数 Tab. A1 Nine node cost coefficient

表A2 9节点网络参数 Tab. A2 Nine node network parameters

表A3 9节点网络仿真时间 Tab. A3 Nine node network simulation time

表A4 7节点成本系数 Tab. A4 Seven node cost coefficient

表A5 7节点网络参数 Tab. A5 Seven node network parameters

表A6 7节点网络仿真时间 Tab. A6 Seven node network simulation time

  • 目录

    图1