【东北大学_张孝顺】大规模光伏电站的分层分布式调控_4页_4mb

大规模光伏电站的分层分布式调控总结

核心内容

本文探讨了大规模光伏电站中分层分布式调控方法的应用，旨在解决传统集中调控中存在的通信压力大、优化维度高、复杂度高以及实时调控困难等问题。通过引入分层优化模型和分布式求解方法，提高光伏电站的调控效率和响应能力，确保系统稳定运行。

主要观点

分层调控结构

• 上层调控模型：以最小化整体调控成本为目标，优化各子区域的功率输出，考虑了有功功率和无功功率的平衡。
• 下层调控模型：针对每个子区域进行局部优化，通过一致性协同和自适应调整策略，实现功率交换的动态调节。
• 解耦优化：利用随机森林代理模型实现上下层调控的解耦，提高计算效率和优化精度。

优化目标

• 上层优化目标为：$$ \min f = \sum_{i=1}^{n} f_i (\Delta P_i^{\ln}(k)) $$
• 下层优化目标为：$$ \min_{e, s} \left[ \min_{c_1} \sum_{x_h \in R_1(e, s)} (y_h - c_1)^2 + \min_{c_2} \sum_{x_h \in R_2(e, s)} (y_h - c_2)^2 \right] $$

功率交换评估

• 分布式调节功率交换评估采用拍卖机制，通过计算收益与成本差异，确定功率交换方向和量。
• 公式为：
  • $$ \pi_i = f_i (\Delta P_i^{\text{in}} + \Delta p_i) - f_i (\Delta P_i^{\text{in}}), \text{if buy} $$
  • $$ \mu_i = f_i (\Delta P_i^{\text{in}}) - f_i (\Delta P_i^{\text{in}} - \Delta p_i), \text{if sell} $$

自适应调整策略

• 交换步长自适应调整机制用于提升收敛速度和稳定性：
  • $$ \Delta p_i (l+1) = \left{ \begin{array}{l} \gamma \cdot \Delta p_i (l), \text{if } \delta_i^{\max} > 0 \ \Delta p_i (l) / \gamma, \text{else} \end{array} \right. $$

关键信息

光伏发展背景

• 全球能源互联网发展合作组织发布的《中国2030年能源电力发展规划研究及2060年展望》指出，到2060年，我国清洁能源装机占比将达到96%。
• 2020~2060年我国电源装机总量及结构预测如下（单位：亿千瓦）：

存在的问题

• 集中调控面临通信压力大、优化维度高、复杂度高、实时调控难度大等挑战。

分层最优调控优势

• 分层调控通过上层全局优化与下层局部优化相结合，提高了系统的灵活性和稳定性。
• 引入一致性协同和自适应调整策略，确保各子区域之间的协调与响应速度。

分布式求解方法

功率交换评估

• 通过拍卖机制实现功率交换的评估与确认，确保各子区域之间功率的合理分配。

一致性协同

• 定义每个子区域的最大调节能力为：$$ \delta_i^{\max} = \max_{j \in \Omega_i} \delta_{ij} $$
• 选择最大调节能力的子区域作为调节对象：$$ b_i = \arg \max_{j \in \Omega_i} \delta_{ij} $$

交换步长自适应调整

• 根据调节能力调整交换步长，提高算法收敛速度和稳定性。

算法应用与实验结果

• 文中提出了一种基于随机森林代理模型的快速分布式拍卖算法（FDAA），用于大规模光伏电站的分层协调功率控制。
• 实验结果表明，该算法在固定光照强度和动态光照强度条件下，均能有效提升光伏电站的响应性能与稳定性。
• 实验包括：
  • 固定光照强度：评估不同算法在AGC信号下的响应性能。
  • 动态光照强度：分析光照变化对调控效果的影响。

参考文献

• Zhang Xiaoshun, Yu Tao, Yang Bo, et al. A random forest-assisted fast distributed auction-based algorithm for hierarchical coordinated power control in a large-scale PV power plant. IEEE Transactions on Sustainable Energy, 2021, 12(4): 2471-2481.