【清华大学】主动配电网运行调控：从模型到量测驱动_41页_4mb

报告摘要

主动配电网运行调控总结

核心内容

主动配电网运行调控研究聚焦于如何应对分布式资源（如光伏、电动汽车、储能等）大量渗透带来的电网形态变化和运行挑战。传统模型驱动的调控方法在面对快速变化的系统参数和缺乏准确模型的情况下存在局限，因此研究提出了一种基于量测驱动的调控体系，结合在线反馈优化与数据驱动方法，实现对配电网的动态优化运行和主动支撑控制。

主要观点

电网形态的演变
- 从集中式发电系统向分布式发电系统转变，电网中出现大量分布式资源，如光伏、电动汽车和储能设备。
- 分布式光伏出力具有随机性，运行工况多变，逆变器适应性差，导致电网出现反向重过载、过电压等问题，运行风险增加。
- 电动汽车的大量渗透使得配电网与城市交通网络耦合，形成新型的耦合系统，需要协同调控以提升城市电网的韧性。
传统模型驱动调控的局限性
- 建模和模型辨识成本高昂，模型难以实时更新。
- 模型误差可能导致控制偏差，影响系统稳定性。
- 不同利益主体间的隐私问题和信息不对称使得模型驱动方法难以有效应用。
反馈优化控制
- 通过有限样本采样与模型辨识结合反馈优化，实现对系统状态的实时响应。
- 采用线性回归模型和抗差回归方法，能够适应系统参数的动态变化和模型不确定性。
- 在不同场景下（如负荷突变、系统参数突变、单个光伏退出运行等），反馈优化控制能够有效维持PCC（点）电压稳定，优于传统PI控制。
动态反馈优化控制框架
- 将配电网运行决策建模为一个时变优化问题，利用在线反馈优化实现动态调整。
- 采用投影梯度法进行迭代求解，确保控制策略在系统扰动下的鲁棒性。
自适应协同的集群动态电压支撑
- 针对分布式资源集群的协同控制，提出一种自适应协调控制方法，能够实现电压自适应跟踪参考指令。
- 该方法在系统变化和扰动场景下表现出良好的动态性能，使PCC电压稳定在设定值。
- 与本地PI控制相比，自适应控制方法在动态响应和稳定性方面更优。
基于动态模态分解的频率支撑控制
- 通过刻画风光储集群的动态模型，实现集群在本体能量安全前提下的频率支撑。
- 提出一种动态优化控制方法，能够在线调整风电场响应特性，有效平抑频率波动，延长风机寿命。
新能源集群控制器
- 集群控制器具备高精度的相量测量性能，包括快速计算时间、高响应时间、小误差范围等。
- 应用功能涵盖测量与感知、优化运行和主动支撑，支持动态电压和频率调节。

关键信息

分布式光伏问题
- 光伏出力随机性强，导致运行工况多变，逆变器适应性差。
- 光伏缺乏主动同步能力，容易引发谐振、电能质量恶化和控制困难。
- 光伏集群对电压和频率稳定性影响显著，需通过动态优化和反馈控制提升其支撑能力。
电动汽车充电规划
- 研究提出一种基于数学模型的充电基础设施规划方法，旨在最小化投资成本并最大化本地光伏自用率。
- 充电基础设施的规划需考虑电网约束（节点电压、线路电流、变压器容量）和电动汽车充电时间。
- 引入MILP（混合整数线性规划）模型，结合线性化电网模型和数据驱动方法进行优化。
模型与量测驱动的转变
- 随着模型维护成本的增加和量测技术的快速发展，从模型驱动向量测驱动调控转变成为趋势。
- 量测驱动方法能够更好地适应系统动态变化，提升调控的实时性和鲁棒性。
未来研究方向
- 研究强调需进一步探索基于数据的协同控制方法，特别是在面对极端事件时的系统响应。
- 需加强对消费者-变压器关系和相位信息的识别，以提升配电网的三相不平衡调节能力。