【清华大学】主动配电网运行调控_41页_4mb

主动配电网运行调控总结

核心内容

主动配电网运行调控是应对高比例分布式能源接入带来的挑战的重要手段。随着分布式光伏、电动汽车（EV）和储能等可调控资源的大量渗透，传统基于模型的优化控制方法在面对模型参数未知或不精确、运行状态变化快等问题时，面临诸多限制。因此，研究者提出了以量测驱动为核心的调控策略，结合在线反馈优化、数据驱动建模与自适应控制，以提高配电网的运行效率和稳定性。

主要观点

1. 电网形态的演变

• 集中式发电系统：以同步发电机为主，具有大规模旋转惯量和自同步性，控制较为鲁棒，但响应速度慢。
• 分布式发电系统：如光伏和风电，具有快速、灵活的控制特性，但缺乏旋转惯量和自同步性，导致电压/频率控制较为脆弱。
• 运行风险：随着分布式资源的增加，配电网面临反向过载、过电压等问题，调控能力不足，运行风险显著增加。

2. 主动配电网运行调控体系

• 主动配电网包含多个区域系统，能够控制由分布式发电、负荷、储能构成的集合。
• 配电系统运营商通过灵活的网络拓扑和可调度资源，实现对潮流的管理。
• 分布式可控资源可承担一部分系统支撑任务，提升配电网的灵活性和稳定性。

3. 基于在线反馈优化的集群自律运行

• 优化目标：最小化充电基础设施投资，最大化本地光伏自用。
• 模型构建：采用线性回归模型和抗差回归方法，通过在线反馈优化控制，实时调整系统响应。
• 约束条件：包括节点电压、线路电流、变压器容量等电网运行约束，以及电动汽车的充电时间。
• 收敛性分析：通过在线反馈优化控制，系统在不同扰动场景下能够快速收敛，提升控制精度和鲁棒性。

4. 自适应协同的集群动态电压支撑控制

• 挑战：单个逆变器控制能力有限，系统扰动下需自适应控制并网点电压。
• 方法：采用自适应协同控制策略，实现集群PPC点电压的自适应追踪。
• 性能：在系统参数突变或局部光伏退出运行等场景下，所提方法能够有效维持PCC电压稳定，优于传统PI控制方法。

5. 基于动态模态分解的集群频率主动支撑控制

• 挑战：新能源出力波动，难以精确提供场站级频率支撑能力。
• 方案：通过动态模态分解刻画风光储集群的动态模型，实现频率和电压的主动支撑。
• 性能：在频率响应中，动态优化控制可有效平抑转速波动，提升系统稳定性。

6. 新能源集群控制器

• 功能：具备相量测量、电能质量监测、动态频率测量等能力。
• 性能指标：计算时间 < 400μs，响应时间 < 20ms，最大幅值误差 0.0163%，最大频率误差 0.2597mHz。
• 应用功能：包括无功电压优化、自动功率控制、功率平滑控制、主动电压和频率支撑等。

关键信息

1. 电动汽车充电规划

• 电动汽车充电基础设施的规划需考虑电网约束、充电需求及光伏自用。
• 采用混合整数线性规划（MILP）模型，结合线性化电网模型，实现对充电站位置和容量的优化。
• 通过建模电动汽车用户的充电灵活性，提升充电基础设施的利用效率和光伏自用率。

2. 数据驱动优化

• 在线反馈优化控制结合有限样本采样与模型辨识，提升控制的实时性和适应性。
• 抗差回归方法用于处理坏数据干扰，提升模型鲁棒性。
• 通过递归求解方式，处理时变优化问题，确保控制策略的稳定性。

3. 量测驱动控制

• 随着模型驱动方法的局限性显现，量测驱动方法成为主流。
• 量测获取成本快速下降，推动数据驱动控制的发展。
• 通过在线量测反馈，动态调整控制策略，实现对系统运行状态的实时响应。

4. 系统稳定性与性能

• 自适应协同控制方法可有效维持PCC电压稳定，提升系统动态性能。
• 动态优化控制在频率响应中表现优于传统方法，有效平抑转速波动，延长风机寿命。
• 量测驱动方法可适应复杂多变的电网运行环境，提升系统鲁棒性和控制精度。

未来研究方向

• 多目标优化：需进一步研究不同优化目标对充电基础设施配置的影响。
• 数据融合与建模：探索更高效的数据融合与建模方法，以应对海量分布式资源带来的挑战。
• 协同控制与智能算法：结合智能算法与协同控制策略，提升主动配电网的响应能力和稳定性。
• 系统集成与互操作性：加强电力系统与城市交通系统的集成与互操作性，实现协同运行与优化。

结论

主动配电网运行调控正从模型驱动向量测驱动转变，通过在线反馈优化、数据驱动建模和自适应控制策略，有效应对分布式能源渗透带来的运行挑战。研究强调了在复杂多变的电网环境中，利用实时量测数据和智能优化算法提升系统稳定性、电压和频率控制能力，以及电动汽车充电基础设施的合理配置，为构建新型电力系统提供了重要支撑。