含智慧社区的配电网三相不平衡动态潮流模型预测控制方法与流程

本发明涉及能源互联网，特别是涉及含社区多能流优化管理系统的配电网动态潮流，属于多能源智能管理控制技术领域。

背景技术：

由于分布式能源具有分散性及不确定性，直接接入配电网，将对配电网潮流产生较大影响，增加配电网的调控难度。如何在兼顾系统经济、环保、安全运行的前提下，提高配电网对分布式能源的消纳和主动管理控制水平成为研究的重点。

针对分布式能源接入配电网问题，现有两类处理方法：一类是将分布式电源按不同节点类型直接接入配电网，然后通过优化控制出力，进行配网重构，提高资源利用率；文献《考虑配电网重构的区域综合能源系统最优混合潮流计算》在区域综合能源系统最优潮流算法中融入网络重构的方法，以提高清洁能源渗透率及降低系统运行成本；文献《提高dg接纳能力的配电网动态重构方法》以提高分布式能源消纳能力为目标，建立配电网动态重构模型，以提高能源利用率；文献《基于模型预测控制的主动配电网多时间尺度动态优化调度》针对分布式电源接入配电网，考虑其出力预测的不确定性，采用多步动态滚动优化法，提出了基于模型预测控制的多时间尺度主动配电网多源协调优化调度策略，达到配电网最大消纳分布式能源的目的；但上述文献仅考虑风光这种分布式能源，将其分散式接入配电网，并未考虑cchp系统并网运行情况及三相不平衡,且由于配电网重构次数限制，较难适应系统运行的实时性。

另一类是通过能源集线器(energyhub,eh)融合多种能源，将多种分布式能源、储能系统、负荷等作为一个综合智能单元单点接入配电网，文献《基于能源集线器的区域综合能源系统分层优化调度》考虑中小型区域综合能源系统具有时变电价和灵活运行的特点，在eh模型的基础上提出一种分层优化模型；文献《基于能源集线器的微能源网能量流建模及优化运行分析》提出了全新的子能源集线器建模结构，建立了考虑能源网能耗成本和环境成本的优化调度模型，文献《智慧社区多能流随机响应面模型预测控制方法》以智慧社区经济运行为目的，建立了综合考虑冷、热、电多能流多目标优化调度模型，并利用随机模型预测控制方法对多能流调度模型进行在线滚动优化；但其重点都在于微网中多能源的优化调度，并未考虑其并网时对配电网动态潮流的影响及配电网各节点负荷随时间变化的不确定性。

技术实现要素：

为了解决上述技术问题，本发明针对多能源能接入配电网对配电网潮流及优化控制问题，提出了一种通过能源集线器将多种分布式能源集中单点接入配电网进行优化控制，并在线求解配电网动态潮流的方法。此方法综合考虑社区的实时能源价格、能源网经济及环保运行成本，建立了社区多能源网的优化调度模型，最后以ieee33节点配电网系统为例，考虑配点网系统负荷三相不平衡，分析在含多种分布式能源的eh接入下，配电网动态潮流的变化。

为了实现上述发明的目的，采用以下技术方案：

1、社区通过eh将多种分布式电源以集中单点形式并入配电网，针对eh中各系统单元如分布式电源风机、光伏、cchp系统及储能单元等的特性，建立综合考虑分布式能源不确定性，计及经济运行和环保指标的社区多能流优化模型。

2、建立含eh的配电网三相不平衡动态潮流模型，结合模型预测控制方法在线滚动求解配电网潮流。

本发明主要针对多能源能接入配电网对配电网潮流及优化控制问题，提出了一种通过eh将多种分布式能源集中单点接入配电网进行优化控制，并在线求解配电网动态潮流的方法。在考虑社区分布式风电、光伏出力及负荷的波动下，以社区经济与环保运行为目标，实现分布式能源的就地消纳，并与配电网进行能量交互，提高分布式能源的利用率。根据系统分布式电源及负荷变化情况，提出一种含社区多能枢纽的三相不平衡配电网动态潮流分析方法。利用模型预测控制技术在线滚动求解配电网潮流，符合系统运行的实时性特点，有利于提高多能源协调下配电网的控制水平及运行安全性。

附图说明

图1系统网络结构图

图2基于模型预测控制的时域优化控制图

具体实施方式

为了更加清晰的阐述本发明的目的及技术方案，结合实例及附图，做进一步说明。

1、计及经济运行和环保指标的社区多能流优化模型。

1)不确定性分析

采用随机响应面法分析分布式风电和光出力、负载及实时电价等预测误差的概率密度曲线并将其离散化，采用轮盘赌算法产生具有相应概率的初始场景集并用最近邻聚类进行场景削减。以风电出力为例进行说明。

步骤1：以服从双参数weibull分布的风速为例，采用标准正态分布将风速标准化，选取3阶hermite混沌多项式表示风速预测误差值。

步骤2：以概率配点法(efficientcollocationmethod,ecm)采样，确定式(1)系数，由风速概率密度和高斯求积得到风电出力预测误差期望与方差。

步骤3：采用srsm得到预测误差概率密度分布曲线，将其离散化为7个区间，各区间宽度均设为预测误差的标准差，将各区间概率值标准化，使其概率之和为1。

步骤4：采用轮盘赌算法随机抽样产生各时段的预测误差值，并保留其对应的概率值，对生成的场景集进行标准化处理，使各场景对应概率值总和为1。

步骤5：采用最近邻聚类法对初始场景集进行聚类缩减，使缩减后的场景集仍具有缩减前的多样性。

2)eh的能量转换模型

eh中的电能可通过上级电网、分布式电源风机、光伏、微型可控式燃油发电机及cchp系统中的微燃气轮机产生，热(冷)能可通过热网、cchp系统中的余热吸收式冷暖机及电制热(冷)机获得，供给电负荷及冷(热)负荷。另外，也可通过储能系统及电动汽车单元的充放电进行能量交互。eh输入输出函数关系如下：

式中：分别表示在第t时刻eh的电、热、天然气能源的输入量；h为需求响应值；分别表示在第t时刻eh的电、热、冷能的输出量；分别为输入电量用于制热与制冷的比例；ν^t为燃气用于cchp中微燃气轮机的比例；ηt、ηeh、ηec分别为电力传输、电制热、电制冷的效率；ηhh、ηhc表示热能通过热交换机、吸收式制冷机的转换效率；ηchpe、ηchph表示天然气通过微燃气轮机发电、制热转换效率；ηh为锅炉的热转换效率；ηchpc、ηc表示天然气通过微燃气轮机及锅炉后经余热吸收式制冷机的转换效率；de、dh、dc分别为电、热、冷负荷输出响应耦合系数；包括多种分布式电源及储能系统、电动汽车等的电能，关系如下：

式中：为t时刻eh与配电网的交互功率；为t时刻接入eh的分布式电源风机、光伏及微型可控燃油发电机的发电功率；分别为t时刻储能及电动汽车充放电功率，放电为正，充电为负。

3)社区能量优化模型

考虑智慧社区的经济与环保因素，以系统运行费用最小为目标，进行能量的最优分配，目标函数如下：

式中:和分别为经济和环保运行指标权重，f1＝fdg+fess+fev+fg+flc(k)+c1为系统经济运行成本，包含分布式可控发电设备维护成本和启停成本fdg、储能和电动汽车充放电成本fess/ev、电网买电/卖电成本fg、可调度负载及可切负载调度惩罚费用flc(k)、cchp系统燃气成本c1，f2为环保成本，是设备运行所产生的气体排放量与惩罚费用的函数，l＝cp+dh为系统源-荷-储设备功率平衡约束，为系统源-荷-储设备运行状态及时间的约束。

2、含eh的配电网三相不平衡动态潮流模型

eh将多个能源网、储能、电动汽车及智能负载进行互联，使其作为能控能观的智能单元以集中单点形式并入配电网(系统网络结构图如图1)，与配电网进行能量交互，考虑实时能源价格及环保等因素，进行社区能量的最优分配。若智慧社区中能源网不能满足社区能量需求，可通过eh的能量交互装置向配电网购买所需电能，若能量过剩则可送入配电网或通过储能单元进行存储，实现多能互补，促进清洁能源的消纳。

由于智慧社区在于配电网的能量交互中，随着社区中分布式电源出力、需求响应及能源价格在各时刻的不确定性，将使得与配电网交互功率在各时刻均不相同，甚至出现负值，即向配电网输送功率。为此，在分析社区最优能源分配的前提下，根据各时刻社区能量优化模型所得eh与配电网交换的功率值，考虑配电网一个周期内三相不平衡负荷的变化率，在线求解配电网动态潮流，分析对配电网潮流的影响。

对于智慧社区中分布式电源的无功出力及eh与配电网的无功功率可通过电容器组的自动投切获得，假定功率因数恒定，则无功功率为：

式中：tanσ分别为有功功率、无功功率及功率因数角正切；下标r∈[a、b、c]表示第r相。

配电网各节点三相不平衡负荷功率预测模型：

式中：分别表示t时刻配电网第i节点处，第r相的净有功功率和相应的无功功率；△μ为各时刻控制变量，n为预测时域长度。

常规不含eh的配电网三相不平衡潮流方程：

式中:gij、bij分别为节点间导纳的实部与虚部；ui、θij分别为节点电压幅值及相角。

在接入eh的情况下，t时刻接入点处配电网潮流方程如下：

式中:分别为eh与配电网第r相交换的有功及无功功率；若eh相当于负荷向配电网购电；eh相当于电源向配电网注入功率；表明社区中能量供需平衡，无需与配电网进行能量交互，相当于孤岛运行模式。

在计算配电网潮流时根据eh在各时刻与配电网的交互功率值，结合模型预测控制方法在线滚动求解配电网潮流。模型预测控制方法可分为三个部分：预测、滚动优化、反馈校正。具体步骤如下：

1)由风电、光伏、实时能源价格及负荷预测模型获得仿真时域t内的预测值作为输入变量；以系统数据采集单元获得当前时刻系统运行状态实际值作为初始值，设配电网平衡节点处电压为u0及各节点初始电压为k表示迭代次数。

2)以有功出力增量为控制变量，建立eh中各能源设备运行状态及配电网节点负荷功率预测模型

3)利用混合整数二次规划法求解系统目标函数模型式(3)，得未来各时刻eh中各能源设备运行状态值将其作为参考值，然后以预测值p^(t+i|t)与参考值之间的偏差最小为最优控制目标，求解控制时域n内的控制变量序列△μ。

4)执行第一个控制变量序列，得t+1时刻各能源设备运行状态值及eh与配电网交互功率值根据式(4)确定电容器组的投切功率，即得该时刻接入eh的配电网节点负荷有功及无功功率；然后由前推回代法求解配电网潮流，各节点运算功率为节点i的对地导纳，由配电网末端负荷功率向首端逐步推算，求解各支路的功率分布，各支路始端功率前推公式为：

为首次迭代时支路ij的功率损耗；cj为除节点i外所有与节点j相连的节点集合。其次，由支路功率从始端逐步回推，求各节点电压公式为：

式中：rij为支路ij的电阻，xij为支路ij的电抗。

最后以收敛判据判断收敛性，若满足则说明迭代收敛，输出迭代结果，否则继续迭代，直至收敛。

5)根据配电网潮流计算结果，分析配电网各节点电压变化率。在t+1时刻由系统所测的实际值，作为该时刻初始值，重复以上步骤，直至仿真时域结束，如图2所示。

以上是结合附图对本发明实例所作的阐述，只是本发明的一种优选方案，并不用于限制本发明，凡在本发明原理范围内的修改、替换，均应在本发明的保护范围之类。