一种柔性互联配电网动态优化调度方法及系统与流程

本发明属于主动配电网优化运行技术领域，具体涉及一种基于模型预测控制的柔性互联配电网动态优化调度方法及系统。

背景技术：

我国配电网长期实行的“闭环设计、开环运行”方式，不仅影响了供电可靠性的进一步提升，而且难以满足高渗透分布式电源(distributedgeneration，dg)友好接入。多端背靠背柔直(multi-terminalback-to-backvsc-hvdc，mbvh)是最新发展的电网柔性控制技术，不但可以实现任意馈线长期安全合环运行，而且可精确调控馈线间的潮流分布。配电网柔性互联运行，是提升供电可靠性、保证高渗透dg满额消纳的重要途径。

柔性互联配电网中可再生能源出力以及负荷需求预测误差随预测时间尺度的增长而增大，因此，将日前优化调度结果直接应用于柔性互联配电网日内运行，未能充分考虑风光及负荷的不确定性所带来的电压越限风险。模型预测控制(modelpredictivecontrol,mpc)基于滚动优化和反馈校正的思想，可以解决含多种不确定因素的系统优化控制问题。主动配电网运行经济性与安全性之间的协调属于多目标优化问题，为确定配网运行整体最优方案，有必要对各目标之间的协调问题加以考虑。当前求解多目标优化问题主要采用多目标优化算法以及加权求和法。采用多目标优化算法求解，在含有多个局部最优解时，无法保证收敛到全局最优解；采用加权求和法求解，难以适应网络运行状态变化给权重选取带来的困难。此外，不同于有载调压变压器、补偿电容器组以及可中断负荷等调控对象，柔性互联配电网中的mbvh具备快速灵活的功率调节能力，因此，模型预测控制若能结合调控对象mbvh的特点，在柔性互联配电网中将会产生更好的应用效果。

技术实现要素：

发明目的：为了克服现有技术中的不足，本发明提供一种能平衡柔性互联配电网运行的经济性与安全性的基于模型预测控制的柔性互联配电网动态优化调度方法及系统。

技术方案：本发明所述的一种基于模型预测控制的柔性互联配电网动态优化调度方法，包括如下步骤：

(1)以多端背靠背柔直mbvh各变流器有功功率、无功功率为控制变量，利用预先建立的电压预测模型预测k+1时段系统各节点电压；

(2)以预测出的k+1时段系统各节点电压为输入变量，对预先建立的多端背靠背柔直连接的柔性互联配电网数学模型进行优化，求解出k+1时段多端背靠背柔直各变流器有功功率、无功功率，作为k+1时段多端背靠背柔直的调度指令值；

(3)将k+1时段多端背靠背柔直的调度指令值下发至调度中心；

(4)测量k+1时段多端背靠背柔直的调度指令值下发后系统中各节点实际电压，作为下一滚动优化时段电压预测模型的初始值，令k＝k+1转至步骤(1)，进入新一轮优化；直至遍历整个调度周期，结束优化。

所述预先建立的多端背靠背柔直连接的柔性互联配电网数学模型运行的约束方程为：

有功功率平衡约束：

变流器容量约束：

其中，nvsc为mbvh的变流器总数；pk(t)、qk(t)分别为t时刻第k个变流器的有功和无功功率，流入馈线为正方向；ak为第k个变流器的损耗系数；sk为第k个变流器的额定容量。

所述以多端背靠背柔直mbvh各变流器有功功率、无功功率为控制变量，利用预先建立的电压预测模型预测k+1时段系统各节点电压，包括以下步骤：

分别对潮流方程各节点电压幅值和相位求偏导，得到雅克比矩阵j，并对其求逆，得到各节点电压相对于各节点注入有功、无功功率的灵敏度矩阵：

[δδ1,δu1,…,δδn,δun]^t＝

j^-1[δp1,δq1,…,δpn,δqn]^t

其中：δδ1,δu1分别为配网节点1电压相位和幅值变化量；δδn,δun分别为配网节点n电压相位和幅值变化量；δp1,δq1分别为配网节点1注入有功功率和无功功率变化量；δpn,δqn分别为配网节点n注入有功功率和无功功率变化量；

根据所述灵敏度矩阵预测各节点电压：

u(k+δt)＝u(k)+δug(k)+δud(k)

其中：u(k)表示k时刻配网各节点电压构成的向量，δug(k)表示k时刻由mbvh各变流器输出功率变化引起的各节点电压变化量构成的向量，δud(k)表示k时刻由可再生能源以及负荷功率波动造成的各节点电压变化量构成的向量；u(k+δt)表示k+δt时刻配网各节点电压构成的向量；

通过对电压预测方程反复迭代，直到向前预测p步，得到各节点电压在预测时域pδt内的预测输出值构成的向量uf，各节点电压的额定值构成的向量用ur表示：

ur＝[u1^r(k+δt)…un^r(k+δt),…,

u1^r(k+pδt)…un^r(k+pδt)]^t

其中，uf为各节点电压在预测时长pδt内的预估输出值构成的向量；分别为节点1和节点n在k+δt时刻的预测电压；分别为节点1和节点n在k+pδt时刻的预测电压；分别为节点1和节点n在k+δt时刻的额定电压；分别为节点1和节点n在k+pδt时刻的额定电压；t表示矩阵转置的符号。

所述预先建立的多端背靠背柔直连接的柔性互联配电网数学模型以综合供电成本和系统中各节点电压预测值与额定值之间的偏差最小为优化目标。

所述预先建立的多端背靠背柔直连接的柔性互联配电网数学模型的目标函数为：

其中，t0为当前时刻；f为总目标函数；f1为综合供电成本最低目标函数；f2为节点电压偏差最小目标函数；f1(t)和f2(t)分别为t时刻购电成本和网损成本；ci(t)、psti(t)、pdgi(t)、pdi(t)分别为t时刻节点i处的母线节点电价、变电站出口功率、分布式电源有功出力和负荷有功功率；cw(t)为t时刻购电电价；δt表示一个调度周期中单个时段的时间间隔；n表示配电网中的节点数；

所述预先建立的多端背靠背柔直连接的柔性互联配电网数学模型的约束条件为：

其中，ui(t)、uj(t)为t时刻节点i和节点j的电压幅值；gij、bij分别为节点i和节点j之间的互电导和互电纳；δij(t)为t时刻节点i和节点j之间的相位差；pvsci(t)、qvsci(t)分别为t时刻节点i处mbvh变流器输出有功和无功功率；qdi(t)为t时刻节点j处负荷的无功功率；sij(t)为t时刻节点i和节点j之间的线路功率；变量的上标“-”和下标“_”表示变量的上限和下限。

所述对预先建立的多端背靠背柔直连接的柔性互联配电网数学模型进行优化，包括：

根据配网运行情况自适应调整f1和f2两目标函数之间的权重分配，建立总目标函数f：

其中，α为自适应权重，与优化目标函数f2线性相关，ε1与ε2为相应线性关系系数，且ε1、ε2≥0，f2max和f1max分别为电压偏差和综合供电成本的最大值；

所述综合供电成本目标f1和电压偏差目标f2的最终值根据上述自适应权重确定。

所述电压预测模型的初始值为：

u(k+1)＝ureal(k+1)

其中，ureal(k+1)为k+1时段mbvh调度指令值下发后，通过实际量测系统测量到k+1时段实际节点电压值；u(k+1)为电压预测模型的初始值。

所述调度周期为一天。

一种柔性互联配电网动态优化调度系统，包括预测模块、滚动优化模块和反馈校正模块；

所述预测模块，用于以多端背靠背柔直mbvh各变流器有功功率、无功功率为控制变量，利用预先建立的电压预测模型预测k+1时段系统各节点电压，并将预测结果传递给滚动优化模块；

所述滚动优化模块，用于以预测出的k+1时段系统各节点电压为输入变量，对预先建立的多端背靠背柔直连接的柔性互联配电网数学模型进行优化，求解出k+1时段多端背靠背柔直各变流器有功功率、无功功率，作为k+1时段多端背靠背柔直的调度指令值，并下发至调度中心，重复滚动优化；

所述反馈校正模块，用于测量k+1时段多端背靠背柔直的调度指令值下发后系统中各节点实际电压，作为下一滚动优化时段电压预测模型的初始值传递给所述预测模块。

与现有技术相比，本发明的有益效果为：

有效解决分布式电源出力以及负荷需求随机波动产生的电压越限等问题，而且有效平衡柔性互联配电网运行的经济性与安全性。

附图说明

图1为本发明流程图；

图2为基于模型预测控制的优化调度架构；

图3为柔性互联配电网；

图4为33节点配电系统；

图5为a馈线dg日前、日内、实际出力对比图；

图6为b馈线dg日前、日内、实际出力对比图；

图7为c馈线dg日前、日内、实际出力对比图；

图8为d馈线dg日前、日内、实际出力对比图；

图9为算例a中mbvh调度结果图；

图10为算例b中mbvh调度结果图；

图11为系统节点电压对比图；

图12为综合供电成本对比图；

图13为系统电压平均偏移量指标图；

图14为自适应权重变化情况图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

本发明提出的基于模型预测控制的柔性互联配电网优化调度方法主要包含预测模型、滚动优化以及反馈校正三个环节。预测模型主要是基于风电、光伏以及负荷的超短期预测数据，结合电压灵敏度的方法，对预测时域内配网各节点电压进行预测，并将预测结果传递给滚动优化环节。滚动优化环节以配网各节点电压在控制时域内预测值与额定值的偏差以及综合供电成本最小作为目标，得到多端背靠背柔直(mbvh)在控制时域内的调度指令，将第一个时段的调度指令下发，时间窗口并依次后移一个时段，重复滚动优化。需要说明的是，本发明结合控制对象mbvh快速灵活功率调节的特点，将单个时间间隔作为一个控制时域，在不影响优化效果的前提下，可减少计算时长。反馈校正环节主要是对配网各节点实际电压值进行测量，并将实际测量结果作为反馈信息传递给滚动优化环节。以上三个环节紧密联系，构成基于模型预测控制的柔性互联配电网动态优化调度架构，提升了柔性互联配电网运行的安全性与经济性，基于模型预测控制的优化调度架构如图2所示。

如图1所示，一种柔性互联配电网动态优化调度方法，包括如下步骤：

1、以多端背靠背柔直mbvh各变流器有功功率、无功功率为控制变量，利用预先建立的电压预测模型预测k+1时段系统各节点电压。

柔性互联配电网中各条馈线通过多端背靠背柔直相互连接，馈线上包含风电、光伏等分布式电源以及用户负荷，其结构如图3所示。多端背靠背柔直中多组ac/dc双向变流器直流侧并联于同一直流母线上，交流侧分别与各条馈线相连。各条馈线之间可灵活交换功率并形成相互支撑，从而实现统一柔性互联。多端背靠背柔直的控制变量为每组变流器的有功功率和无功功率。mvbh各变流器在大范围转移有功潮流时会产生一定的功率损耗，本发明在建模过程中予以考虑一定的损耗系数。直流环节的隔离使得变流器输出无功功率互不影响，从而仅需要满足各自变流器的容量约束。mbvh运行的约束方程如下：

1)有功功率平衡约束

2)变流器容量约束

式中：nvsc为mbvh的变流器总数；pk(t)、qk(t)分别为t时刻第k个变流器的有功和无功功率，流入馈线为正方向；ak为第k个变流器的损耗系数；sk为第k个变流器的额定容量。

基于可再生能源和负荷的预测数据，结合电压灵敏度的方法，对柔性互联配电网中各节点电压进行预测。

首先，分别对潮流方程各节点电压幅值和相位求偏导，得到雅克比矩阵j，进一步对其求逆，得到各节点电压相对于各节点注入有功、无功功率的灵敏度矩阵，如式(3)：

其次，基于配电网中dg出力以及负荷需求的超短期功率预测信息，并结合式(3)所示的灵敏度矩阵，即可近似预测得到各节点电压，如式(4)所示。

u(k+δt)＝u(k)+δug(k)+δud(k)(4)

式中：u(k)表示k时刻配网各节点电压构成的向量；δug(k)表示k时刻由mbvh各变流器输出功率变化引起的各节点电压变化量构成的向量；δud(k)表示k时刻由可再生能源以及负荷功率波动造成的各节点电压变化量构成的向量。

然后，根据电压预测方程，再结合dg和负荷的超短期功率预测数据，通过对电压预测方程反复迭代，直到向前预测p步，便可得到各节点电压在预测时域pδt内的预测输出值构成的向量uf，各节点电压的额定值构成的向量用ur表示。

2、以预测出的k+1时段系统各节点电压为输入变量，对预先建立的多端背靠背柔直连接的柔性互联配电网数学模型进行优化，求解出k+1时段多端背靠背柔直各变流器有功功率、无功功率，作为k+1时段多端背靠背柔直的调度指令值。

以综合供电成本和系统中各节点电压预测值与额定值之间的偏差最小为优化目标，式(10)和(11)分别为滚动优化阶段的目标函数和约束条件。

目标函数：

式中：t0为当前时刻；f为总目标函数；f1为综合供电成本最低目标函数；f2为节点电压偏差最小目标函数；f1(t)和f2(t)分别为t时刻购电成本和网损成本；ci(t)、psti(t)、pdgi(t)、pdi(t)分别为t时刻节点i处的母线节点电价、变电站出口功率、分布式电源有功出力和负荷有功功率；cw(t)为t时刻购电电价。

约束条件：

式中：ui(t)、uj(t)为t时刻节点i和节点j的电压幅值；gij、bij分别为节点i和节点j之间的互电导和互电纳；δij(t)为t时刻节点i和节点j之间的相位差；pvsci(t)、qvsci(t)分别为t时刻节点i处mbvh变流器输出有功和无功功率；qdi(t)为t时刻节点j处负荷的无功功率。sij(t)为t时刻节点i和节点j之间的线路功率；变量的上标“-”和下标“_”表示变量的上限和下限。

为求解上述配电网中的多目标优化问题，本发明将式(10)中的子目标函数f1与f2通过加权求和的方法聚合为单一函数，并采用自适应动态权重优化方法，根据配网运行情况自适应调整两目标之间的权重分配。首先对各目标函数进行标幺化处理，使其量纲相同，然后建立总目标函数f：

其中，α为自适应权重，与优化目标函数f2线性相关，ε1与ε2为相应线性关系系数，且ε1、ε2≥0，f2max和f1max分别为电压偏差和综合供电成本的最大值。相关约束条件如式(11)所示。

最终综合供电成本目标f1和电压偏差目标f2通过式(12)所提自适应权重决定。若电压偏差f2较小，由式(12)可知，其权重α将相应降低，而综合供电成本权重1-α将上升；反之，若电压偏差f2较大，其权重α也将随之增加，对应综合供电成本权重1-α下降。

3、将k+1时段多端背靠背柔直的调度指令值下发至调度中心。

求解上述优化模型之后便可得到控制时域内mbvh调度指令值构成的优化控制序列，仅下发控制时域内第一个时段的调度指令值，等待下一个控制时域到来时，重复上述滚动优化过程。

4、测量k+1时段多端背靠背柔直的调度指令值下发后系统中各节点实际电压，作为下一滚动优化时段电压预测模型的初始值，令k＝k+1转至步骤(1)，进入新一轮优化；直至遍历整个调度周期，结束优化。

将k+1时段mbvh调度指令值下发后，系统各节点电压实际量测值作为下一轮滚动优化过程中电压预测模型的初始值，从而降低节点电压预测值的误差，使得整个调度过程更加贴合实际。

u(k+1)＝ureal(k+1)(13)

式中：ureal(k+1)为k+1时段mbvh调度指令值下发后，通过实际量测系统测量到k+1时段实际节点电压值；u(k+1)为电压预测模型的初始值。

由于每次执行滚动优化时模型预测控制(modelpredictivecontrol,mpc)均以系统电压实际值作为电压预测模型中的初始值，并更新可再生能源超短期预测功率值，保证了滚动优化策略的稳定性和鲁棒性。

为了验证本发明所提优化调度方法的可行性和有效性，本发明以如图4所示的33节点算例系统为例进行分析，该系统由来自4个不同变电站的4条馈线通过mbvh相连组成。

系统额定电压为10kv，线路选用我国城市配网主流使用的yjv22-3*400型电缆。算例中接入5组光伏系统和4台风电机组，其配置参数参见表1。购电的峰时电价(07：00～19：00)和谷时电价(19：00～07：00)参见表2。mbvh的变流器额定容量均为3mva，损耗系数为0.02。变电站出口功率区间为0mw～8mw(不允许功率倒送)，线路容量为8mva，各节点电压取值范围为[0.93,1.07](标幺值)。

mpc参数设置取预测时长和控制时长都为5min，滚动优化控制执行周期5min/次，一天内总共执行288次，自适应权重系数ε1和ε2分别取为0.6、0.4，本发明选取该系数仅为示范设置，实际运行时，可根据配网状态及需要对该系数做出调整。算例仿真在matlabr2014a环境下编程求解。

表1dg配置参数

表2电价参数

mpc优化结果分析：

为对比验证基于mpc优化调度方法的有效性，本发明分别设置两个算例：对柔性互联配电网中的mbvh进行日前调度，将调度结果应用于柔性互联配电网实际运行，设为算例a；采用mpc优化调度方法对柔性互联配电网中的mbvh进行调度，将调度结果应用于柔性互联配电网实际运行，设为算例b。

各馈线dg日前、日内以及实际出力对比曲线如图5～8所示。算例a、b中mbvh调度结果分别如图9和10所示。图11为算例a、b中系统各节点最高和最低电压情况。图12为算例a、b中系统综合供电成本对比情况。

从图5～8可以看出，各馈线dg出力具有较强的随机性和波动性，其日前出力预测精度较低，与实际出力之间的偏差较大，算例a中部分时段出现节点电压越限情况，如图11中算例a所示，使得mbvh的日前调度指令不能满足柔性互联配电网实际运行要求。对此，本发明将dg和负荷在未来一段时间窗内的预测信息作为输入变量，以系统节点电压偏差和综合供电成本最小为目标，结合自适应动态权重的方法，并以各时段系统电压的实际值作为反馈信息，采用mpc滚动优化求解mbvh各变流器调度指令值，如图10所示。从图中可以看出柔性互联配电网中控制对象mbvh快速灵活的功率调节能力。

将采用mpc优化调度方法得到的mbvh调度指令应用于实际系统中得到的节点电压曲线如图11中算例b所示，从图中可以看出，由于dg出力预测误差造成的部分时段节点电压越限问题得到有效解决，系统运行的安全性得到了提升。此外，从图12可以看出，相比于算例a，算例b中的综合供电成本整体上得到显著降低。经分析可知，算例a虽然以综合供电成本最低作为优化目标求解得到mbvh调度指令并下发，但dg日前出力预测数据与实际值之间的偏差使得系统实际运行的经济性降低。而算例b采用mpc优化调度方法，利用dg和负荷在未来时段内的预测信息作为输入变量，并进行滚动优化求解，预测误差相比于算例a得到降低，优化求解后得到的mbvh调度指令值应用于系统实际运行中的经济性相比于算例a得到提升。

综上，采用mpc优化调度方法后，系统电压偏差得到了降低，综合供电成本得到了减少，整体上提升了系统运行的经济性与安全性。

此外，本发明结合控制对象mbvh快速灵活的功率调节能力，mpc优化过程中选择以单个时间间隔为滚动优化时段。为验证该方法的优越性，本发明分别设置算例b1与b2进行对比分析。算例b1采用的mpc优化方法与算例b相同，都是以单个时间间隔为滚动优化时段；算例b2以三个时间间隔为滚动优化时段。通过计算可以发现，算例b1与算例b2中的综合供电成本相差不大，分别为47463.57元和47548.26元，但是算例b1中单次滚动计算时长相比于算例b2减少了1.819s，且随着柔性互联配电网规模的增大，算例b1在计算时长上的优势会更加明显。

自适应动态权重多目标优化结果分析：

本发明分别采用如下三种方案来对比验证自适应动态权重多目标优化方法的有效性：方案1为电压偏差和综合供电成本分别取固定权重0.7和0.3；方案2为电压偏差和综合供电成本分别取固定权重0.9和0.1；方案3为本发明采用的自适应动态权重多目标优化方法。为了便于分析，本发明定义各时段i标幺化处理后的系统电压平均偏移量指标(avoi)为：

系统整个运行周期内标幺化处理后的节点电压评价指标(vi)为：

式中：i表示时段编号；j表示节点编号；m表示总时段数；n表示系统节点总数；|δuij|表示第i个时段，j节点电压幅值偏移量的绝对值，|δuij.max|表示第i个时段，j节点电压幅值偏移量绝对值的最大值。

图13以08:00～18:00时段为例，对比了三种方案下系统电压平均偏移量指标avoi，从图中可以看出，方案2在方案1的基础上增大了电压偏差对应的权重，随着电压偏差权重的增加，系统电压平均偏移量指标avoi优化显著，在整个时段内得到明显降低。但是，较低的电压平均偏移量指标也带来综合供电成本的增加，如表3所示。该方案采用固定权重的方法，在配网实际运行过程中很难平衡与合理取舍节点电压偏差和综合供电成本之间的权重设置。同时，随着柔性互联配电网中可再生分布式电源渗透率的逐步增加，配网运行状态也变得更加多变。对此，本发明采用自适应动态权重的方法(方案3)，仿真结果如图13和图14所示。

表3三种方案运行结果对比

从图中可以看出，电压偏差的权重α根据配网运行状态变化做出自适应调整来有效平衡节点电压偏差和综合供电成本。其中，以08:00～18:00时段为例，分析权重的动态变化过程，如图14所示。结合图13可以看出，在08:00～11:00以及15:15～18:00时段，系统节点电压偏差相对较低，其相应的权重较小，综合供电成本权重较大，系统运行的经济性得到提升。在11:15～15:00时段，系统节点电压偏差较大，其相应的权重得到增加，以保证系统运行的安全性。由此可见，电压偏差以及综合供电成本的权重根据系统的实际运行情况做出自适应调整，有效平衡系统运行的经济性与安全性，实现柔性互联配电网整体运行的自适应优化协调控制。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。