一种适用于含柔性多状态开关的配电网分布式自适应控制方法与流程

本发明属于电力系统的控制方法，尤其涉及一种适用于含柔性多状态开关的配电网分布式自适应控制方法。

背景技术：

未来配电网的发展趋势为配电系统的现代化和自动化。它不仅包含了先进的电力设备，复杂的监测、调控以及通信技术，大规模分布式能源的接入，还代表着配电模式和运行管理机制的变革。在上述背景下，衍生出了柔性多状态开关这一新型电力电子装置。它的具体实现装置为背靠背电压源型换流器(b2bvsc)和统一潮流控制器(upfc)。除了具有开通/关断能力外，在稳态运行调控时，柔性多状态开关可以传输有功功率，实现配电网的潮流互济。另外，构成柔性多状态开关的两个换流器可以独立地发出或吸收无功功率。

由于未来配电网控制方式的复杂化和数据信息的海量化，以及考虑通讯的延迟和计算时间的需求，采用集中式控制的全局优化无法满足具有较强随机性和快速变化性的配电网需求。因此，采用低硬件需求和能够快速响应的分布式控制成为一个明智的选择。为了实现未来配电网的主动优化控制，需要同时兼顾全局优化和局部自治。由于全局优化通常基于历史数据或预测数据，无法和实际运行状态完全一致，且全局优化与实时控制相比响应时间较长。因此需要在全局优化基础上实现局部协调自治。

目前含柔性多状态开关的配电网控制的研究大多采用集中式控制的方法，且较少涉及自适应控制。文献《一种联络开关和智能软开关并存的配电网运行时序优化方法》提出了一种基于模拟退火和锥优化的联络开关和柔性多状态开关并存的配电网时序优化方法。文献《基于统一潮流控制器的配电环网潮流优化控制策略》提出了一种基于统一潮流控制器(upfc)的配电环网潮流优化控制策略。文献《基于snop的主动配电网多时间尺度优化策略》提出了基于电压波动的短时控制策略，但是自适应控制方法相对简单，且没有考虑分布式控制。

技术实现要素：

本发明公开了一种适用于含柔性多状态开关的配电网分布式自适应控制方法。柔性多状态开关同时具有有功/无功受控、不平衡功率调节、谐波阻断等功能，并可实现多状态负荷运行和状态之间的过渡。如何结合柔性多状态开关的运行特点和数学模型，实现对含柔性多状态开关的配电网的分布式自适应控制是本发明拟解决的问题。

本发明具体采用如下方式实现：

一种适用于含柔性多状态开关的配电网分布式自适应控制方法，包括如下步骤：

s1：将含柔性多状态开关的配电网分解成若干个智能体；智能体的确定方式为每一条馈线及其连接的所有负荷节点构成一个智能体；

s2：在每一个智能体中选择电压控制关键节点；

s3：检测电压控制关键节点的电压以及馈线上的电流，如果电压或电流发生波动，继续进行s4；

s4：计算每一个智能体的协调控制指令，所述协调控制指令为智能体的状态发生波动后，智能体的期望状态随时间变化的曲线；如果电压发生波动，基于电压控制模型，采用离散一致性算法，计算电压的协调控制指令；如果电流发生波动，基于馈线负载率控制模型，采用离散一致性算法，计算馈线负载率的协调控制指令；

s5：基于无模型自适应迭代学习控制(modelfreeadaptivecontrol-iterativelearningcontrol,mfac-ilc)对柔性多状态开关的有功功率或无功功率进行控制，实现s4中得到的协调控制指令；该过程中，若为了实现电压协调控制指令，则对柔性多状态开关的无功功率进行调控；若为了实现馈线负载率协调控制指令，则对柔性多状态开关的有功功率进行调控。

作为优选，所述s1中智能体的分解结果为：智能体之间通过柔性多状态开关连接，智能体的数量等于配电网中馈线的数量。

作为优选，所述s2中电压控制关键节点的选择依据为：选择馈线末端的节点或者接入了新能源的节点作为电压控制关键节点。

作为优选，所述s4中电压控制模型为：

其中，iv为电压控制关键节点，为电压控制关键节点的电压，为电压控制关键节点的电压变化量，为电压控制关键节点iv的电压参考值。

作为优选，所述s4中馈线负载率控制模型为：

其中，ηi为馈线i的负载率，δηi为馈线i的负载率变化量，pi为馈线i上流过的功率，pi.ref为未发生负荷或新能源波动时馈线i上流过的功率,pi.max为馈线i的容量。

作为优选，所述s4中的离散一致性算法具体为考虑约束条件的改进离散一致性算法；该算法具体的控制律为：

其中，n为智能体的个数；δji(k)＝xj(k)-xi(k)，λi为智能体i的权重系数；xi(k)为智能体i在k时刻的状态；如果计算电压的协调控制指令，取λi＝pi.max，如果计算馈线负载率的协调控制指令，取λi＝1，xi(k)＝δηi(k)，δηi(k)为馈线i在k时刻的负载率变化量；aij(k)反映了k时刻智能体之间的通信状态；如果智能体i和j在k时刻互相可以通信，aij(k)＝1；如果智能体i和j在k时刻互相不可以通信，aij(k)＝0；cij为定义的权重，用于在考虑智能体的状态上下限的前提下，计算下一时刻智能体的状态；而cij(k)为k时刻的权重。

作为优选，所述s4中cij的计算方法包含如下子步骤：

s41：智能体i发送信息并且接收信息j∈ni(k)，其中ni(k)为k时刻可以和智能体i通信的智能体集合；为智能体i状态的上限；xi为智能体i状态的下限；

s42：计算中间变量ui(k)、li(k)、δji(k)的值；

li(k)＝xi(k)-xi

s43：计算cij的值：

其中，参数i∈[1,n]，|ni(k)|为k时刻可以和智能体i通信的智能体数量，|δji(k)|表示δji(k)的绝对值。

作为优选，所述s5中基于mfac-ilc的控制律为：

其中，n为迭代的次数；为k时刻智能体第n次迭代中的伪偏导数的估计值；k＝1时为初始时刻；y(k)和u(k)分别是k时刻智能体的输出和输入量，yn(k)和un(k)分别是k时刻智能体第n次迭代中的输出和输入量；yd(k)是k时刻智能体的期望输出；δyn(k)＝yn(k)-yn(k-1)，ε是一个接近0的正数；ρ和η是步长因子，满足ρ,η∈(0,1]；λ＞0是权重因子；μ＞0，是对ppd估计值变化量的惩罚因子；β为学习因子；和分别为和的绝对值；sign()为符号函数；en(k)＝yd(k)-yn(k)表示第n次迭代的跟踪误差；表示第n次迭代中k时刻输入的前馈部分，表示第n次迭代中k时刻输入的反馈部分；

如果检测到电压波动，对柔性多状态开关的无功功率进行调控时，u(k)为柔性多状态开关的无功功率，y(k)为电压控制关键节点的实际电压，yd(k)为s4得到的电压协调控制指令，即电压控制关键节点的期望电压；如果检测到电流波动，对柔性多状态开关的有功功率进行调控时，u(k)为柔性多状态开关的有功功率，y(k)为馈线的实际负载率，yd(k)为s4得到的馈线负载率协调控制指令，即馈线的期望负载率。

本发明引入多智能体系统(multiagentsystem,mas)的概念，将含柔性多状态开关的配电网分成若干智能体，并在每一个智能体内选择电压控制关键节点。一旦检测到波动，首先基于一致性理论，通过分布式控制计算智能体的协调控制指令。然后，基于无模型自适应迭代学习控制mfac-ilc实现协调控制指令，对柔性多状态开关进行自适应控制。本方法可以改善配电网的电压质量，并且提高配电网的经济性。

附图说明

图1是适用于含柔性多状态开关的配电网分布式自适应控制方法的算例展示图。

图2是适用于含柔性多状态开关的配电网分布式自适应控制方法的馈线负载率控制结果的展示图。

图3是适用于含柔性多状态开关的配电网分布式自适应控制方法的馈线负载率控制结果的展示图。

图4是适用于含柔性多状态开关的配电网分布式自适应控制方法的电压控制阶段性结果展示图。

图5适用于含柔性多状态开关的配电网分布式自适应控制方法的电压控制结果展示图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步阐述。

本发明中，适用于含柔性多状态开关的配电网分布式自适应控制方法，其包括如下步骤：

s1：将含柔性多状态开关的配电网分解成若干个智能体；

本步骤中，智能体的确定方式为：每一条馈线及其连接的所有负荷节点构成一个智能体。如图1所示。智能体之间通过柔性多状态开关连接，智能体的数量等于配电网中馈线的数量。

s2：在每一个智能体中选择电压控制关键节点；电压控制关键节点的选择依据为：选择馈线末端的节点或者接入了新能源的节点作为电压控制关键节点。

s3：检测电压控制关键节点的电压以及馈线上的电流，如果电压或电流发生波动，继续进行s4；

s4：计算每一个智能体的协调控制指令，所述协调控制指令为智能体的状态发生波动后，智能体的期望状态随时间变化的曲线；此时存在两种情况，第一种是如果电压发生波动，基于电压控制模型，采用离散一致性算法，计算电压的协调控制指令；第二种是如果电流发生波动，基于馈线负载率控制模型，采用离散一致性算法，计算馈线负载率的协调控制指令；

本步骤中电压控制模型为：

其中，iv为电压控制关键节点，为电压控制关键节点的电压，为电压控制关键节点的电压变化量，为电压控制关键节点iv的电压参考值。

本步骤中馈线负载率控制模型为：

其中，ηi为馈线i的负载率，δηi为馈线i的负载率变化量，pi为馈线i上流过的功率，δpi为pi与pi.ref的差值；pi.ref为未发生负荷或新能源波动时馈线i上流过的功率,pi.max为馈线i的容量。

本步骤中的离散一致性算法具体为考虑约束条件的改进离散一致性算法；该算法具体的控制律为：

其中，n为智能体的个数；δji(k)＝xj(k)-xi(k)，λi为智能体i的权重系数；xi(k)为智能体i在k时刻的状态；如果计算电压的协调控制指令，取λi＝pi.max，如果计算馈线负载率的协调控制指令，取λi＝1，xi(k)＝δηi(k)，δηi(k)为馈线i在k时刻的负载率变化量；aij(k)反映了k时刻智能体之间的通信状态；如果智能体i和j在k时刻互相可以通信，aij(k)＝1；如果智能体i和j在k时刻互相不可以通信，aij(k)＝0；cij为定义的权重，用于在考虑智能体的状态上下限的前提下，计算下一时刻智能体的状态；而cij(k)为k时刻的权重。

上述权重cij的计算方法包含如下子步骤：

s41：智能体i发送信息并且接收信息j∈ni(k)，其中ni(k)为k时刻可以和智能体i通信的智能体集合；为智能体i状态的上限；xi为智能体i状态的下限；

s42：计算中间变量ui(k)、li(k)、δji(k)的值；

li(k)＝xi(k)-xi

s43：计算cij的值：

其中，参数参数参数k为从初始时刻到当前时刻，i∈[1,n]；|ni(k)|为k时刻可以和智能体i通信的智能体数量，|δji(k)|表示δji(k)的绝对值。

s5：基于mfac-ilc对柔性多状态开关的有功功率或无功功率进行控制，实现s4中得到的协调控制指令；此时该过程中存在两种情况：若为了实现电压协调控制指令，则对柔性多状态开关的无功功率进行调控；若为了实现馈线负载率协调控制指令，则对柔性多状态开关的有功功率进行调控。

本步骤中基于mfac-ilc的控制律为：

其中，n为迭代的次数；φc(k)∈r为智能体的伪偏导数(pseudopartialderivative，ppd)；为k时刻智能体第n次迭代中的伪偏导数的估计值；k＝1时为初始时刻；y(k)和u(k)分别是k时刻智能体的输出和输入量，yn(k)和un(k)分别是k时刻智能体第n次迭代中的输出和输入量；yd(k)是k时刻智能体的期望输出；δyn(k)＝yn(k)-yn(k-1)，ε是一个充分小的正数，本发明中取0.01；ρ和η是步长因子，满足ρ,η∈(0,1]，目的是使算法具有更强的灵活性和一般性；λ＞0是一个权重因子，用来限制输入量的变化；μ＞0，是对ppd估计值变化量的惩罚因子；β为学习因子；和分别为和

的绝对值；sign()为符号函数；en(k)＝yd(k)-yn(k)表示第n次迭代的跟踪误差；表示第n次迭代中k时刻输入的前馈部分，表示第n次迭代中k时刻输入的反馈部分；

如果检测到电压波动，对柔性多状态开关的无功功率进行调控时，u(k)为柔性多状态开关的无功功率，y(k)为电压控制关键节点的实际电压，yd(k)为s4得到的电压协调控制指令，即电压控制关键节点的期望电压；如果检测到电流波动，对柔性多状态开关的有功功率进行调控时，u(k)为柔性多状态开关的有功功率，y(k)为馈线的实际负载率，yd(k)为s4得到的馈线负载率协调控制指令，即馈线的期望负载率。

实施例

为了验证本发明提出的一种适用于含柔性多状态开关的分布式自适应控制方法，使用matlab软件开发实现了上述分区方法(具体步骤如前，不再赘述)，并在下述环境配置的pc机上实现了本实施例的测试和验证。

intel(r)core(tm)i7-4770cpu@3.40ghz,16.0gb内存，64位操作系统，基于x64的处理器。

本实施例所用的配电网为改进的ieee33节点系统。由于系统接入了3个柔性多状态开关，其中1个三端柔性多状态开关，2个两端柔性多状态开关，导致原始的ieee33节点系统接入位置不够。因此，将节点30～33移动到节点形成一个新的分支。同时，节点24、25接入了光伏系统，节点16、17接入了风电系统。新能源的额定功率均为200kw，如图1所示。可以看出，图1中的馈线分别为支路2-30、支路2-3以及支路2-19。为了表述的方便，后文将其称为馈线1、2和3。与三条馈线相连的节点分别构成了三个智能体，如图1中灰色部分标注。其中，选择智能体1的电压控制关键节点为节点33，选择智能体2的电压控制关键节点为节点18、25和29，选择智能体3的电压控制关键节点为节点22。

假设节点24、25处的新能源发生了波动，δpdg.24＝δpdg.25＝50kw(取吸收功率为正，消耗功率为负)。分别取不同的柔性多状态开关容量值，可以得到馈线负载率波动量曲线如图2、3所示。

当柔性多状态开关的容量较大时，其传输有功功率的能力较大，馈线负载率波动量的变化范围较大，反之则较小。图2中，馈线负载率波动量的变化范围较大。在迭代过程中，馈线负载率波动量没有受到范围的约束，三条馈线的负载率波动量均收敛至2.276％.。图3中，馈线负载率波动量的变化范围较小，受到了约束条件的约束，馈线1、3的负载率波动量上升至1.463％，同时馈线2的功率波动量下降至3.113％。这是因为柔性多状态开关能够传输的功率有限，三条馈线的负载率波动量不能达到一致。但是，两种情况下都能够满足约束条件，即柔性多状态开关只能传输有功功率，不能发出或吸收有功功率。

假设节点16、17、24和25处的新能源发生了波动，δqdg.16＝δqdg.17＝80kw，δqdg.24＝δqdg.25＝100kw(取吸收功率为正，消耗功率为负)。通过离散一致性算法，计算得到的期望电压变化量曲线如图4所示。每一个电压控制关键节点的电压变化量达到一致。然后，运用电压自适应控制策略，电压控制关键节点的期望电压曲线和实际电压曲线如图5所示。图中的实线为期望电压曲线，即通过离散一致性算法得到的协调控制指令；图中的虚线为实际电压曲线，即通过mfac-ilc跟踪期望电压曲线的结果。可以看出，实际电压曲线能够很好地跟踪期望电压曲线。这说明本发明提出的算法能够实现智能体的电压分布式自适应控制。