基于模糊理論的主動配電網資源集群控制系統設計

趙 剛，張 超，賈宏剛，楊 柳，岳園園，王 輝，王瑋超

(1. 國網陜西省電力公司經濟技術研究院，西安 710048； 2. 國網陜西省電力公司，西安 710048)

目前，電網已經逐漸轉向可持續、智能、靈活、高效的發展方向，其最核心的表現就是廣泛應用分布式電源[1]。雖然不斷發展的虛擬發電廠技術與微網技術為集成分布式電源提供了一定的技術基礎，但是仍然面臨著諸多問題。主動配電網的出現可以有效彌補集成分布式電源的不足，而主動配電網資源集群控制系統對于電網的平穩運行又有很大意義，能夠解決間歇可再生能源大規模應用以及電網兼容的問題，提高應用綠色能源的效益，對能源結構進行優化[2]。為了實現主動配電網中冷熱負荷與分布式能源等各種類資源的優化協同，使之在合理區間運行，必須通過主動配電網資源集群控制系統對各類主動配電網資源實施集群控制。

主動配電網資源集群控制系統的研究在中外都已經取得了很大成就，國外已經將主動配電網作為未來智能電網的主要發展模式，并建設了相關示范工程。Mueller等[3]提出了一種實現電網能源平衡的方法，該方法以二次調頻為例，給出了多種物理性質互補資源的協調控制方法，以此來發揮能源資源的靈活性。并通過計算得出了最優可調控制策略。實驗結果表明，該方法聚集選定的資源可以產生協同效應，具有額外調節能力，但是存在資源控制效率不高的問題。中國也十分重視主動配電網資源集群控制系統的研發，吳文傳等[4]設計了一種主動配電網能量管理與分布式資源集群控制系統，提出“集群自律-群間協調-輸配協同”的體系結構，用于對配電網運行調配。同時，開發相應的系統，實現多級協調。實驗結果表明，該方法能夠實現對配電網資源的多級調控，但是受脈沖寬度調制(pulse width modulation，PWM)波頻率較高的影響而無法進行正常調壓，存在主動配電網響應偏差較大的問題，應用效果不佳。趙海兵等[5]為了提升配電網資源的整合效果，提出基于細胞-組織的主動配電系統雙層多目標控制系統，對主動配電網和微網集群之間的關系進行分類，采用能量博弈矩陣實現對主動配電網能量的管理，最后結合混合遺傳算法求解能量管理的最優化解決方案。實驗結果表明，該系統降低了控制能耗，提升了配電網資源集群控制的經濟性，但是該系統在運行效率方面還有待提升。

由于在利用以上系統進行主動配電網資源集群控制時，受PWM波頻率較高的影響而無法進行調壓，在主動配電網的輸出功率為3 000～6 000 W時存在主動配電網響應偏差較大、影響運行效率的問題，為了降低系統響應偏差，提高系統運行效率，實現對主動配電網資源集群的協調控制，現提出一種基于模糊理論的主動配電網資源集群控制系統。該系統通過多目標優化模塊，設計資源集群優化調度策略，解決現有系統由于受到輸出功率的影響，系統響應偏差較大的問題，提升控制效果。同時，提出多目標優化方法，有針對性地優化多種電網資源，旨在提升系統的運行效率，實現對現有系統的優化。

1 基于模糊理論的主動配電網資源集群控制系統

1.1 硬件設計

基于模糊理論的主動配電網資源集群控制系統的硬件配置主要包括集群管理模塊和調壓模塊。

1.1.1 設計集群管理模塊

集群管理模塊由集群管理主站、集群管控裝置、高級應用子系統以及數據采集與監視控制系統(supervisory control and data acquisition，SCADA)構成，其模塊架構如圖 1所示。

圖 1 集群管理模塊架構Fig.1 Cluster management module architecture

其中，集群管理主站的具體構成及其功能如表 1 所示。

表 1 集群管理主站的具體構成及其功能Table1 The specific composition and functions of the cluster management master station

在集群管理主站實際功能的基礎上，集群管控裝置與高級應用子系統以及SCADA系統起到輔助作用。其中，集群管控裝置負責匯集信息、模型化轉換通信規約與就地控制。高級應用子系統以及SCADA系統負責進行集群中資源信息的收集并對發電單元進行協調調度[6]。

1.1.2 設計調壓模塊

調壓模塊由調壓裝置構成，調壓裝置的具體參數如表 2所示。

表 2 調壓裝置的具體仿真參數Table2 Specific simulation parameters of the pressure regulating device

系統硬件組成模塊之間相互協調，實現對主動配電網資源集群信息的預處理與協調調度。

1.2 軟件設計

以硬件設計為基礎，對系統軟件進行設計?；谀：碚摰闹鲃优潆娋W資源集群控制系統的軟件設計具體包括集群劃分、多目標優化與資源集群控制[7]。

1.2.1 集群劃分

集群劃分具體包括配電網分區、選擇主導節點以及集群劃分資源。其中，集群劃分資源功能中包括兩種資源集群劃分方法：用戶手動選擇劃分與主站高級應用劃分[8]。

用戶手動選擇劃分方法的基本操作步驟：通過執行集群劃分軟件對各光伏電站的具體運行狀態進行給定，通過工作人員指定分區，即通過人工干預方式獲取與資源集群對應的電站信息[9]。主站高級應用劃分方法的基本操作步驟：根據電壓主導節點對等值網絡電壓對應的敏感度矩陣進行計算與選擇，并以敏感度為依據分群聚集，通過綜合分析分布式電源對應的發電功率、母線電壓、電網參數等數據，獲得下一個區域中集群的具體個數與各群所對應的光伏電站。

在進行集群劃分中，配電網分區功能主要通過聚類方法來實現。而選擇主導節點功能的實現則需要將節點的可觀性與可控性兩種指標作為依據，計算該區域中全部節點的綜合靈敏度，其中具備最高綜合靈敏度的節點就是主導節點[10]。

計算綜合靈敏度的方程為

(1)

式(1)中：Si為綜合靈敏度；Pi為i節點的可觀性；Ci為i節點的可控性；β為靈敏度閾值；aik為k節點對i節點的電壓靈敏度；Sa為該區域中全部節點的集合；Sij為無功電壓靈敏度；SG為該區域中全部可控節點的對應集合；n為區域配電網中的具體節點數。

其中k節點對i節點的電壓靈敏度的計算公式為

(2)

式(2)中：ΔVi為i節點的電壓；ΔVk為k節點的電壓。

由于無法直接改變節點電壓，因此通過對該節點進行無功變量賦予來改變節點電壓[11]。則k節點對i節點的電壓靈敏度的計算公式可改寫為

(3)

式(3)中：ΔQk為無功變量。

無功電壓靈敏度的計算公式為

(4)

式(4)中：ΔQj為無功電壓靈敏度所對應的無功變量。

1.2.2 多目標優化

根據模糊理論中的模糊控制算法設計多目標優化模塊，多目標優化模塊能夠根據電網資源的負荷和發電功率預測結果與實時運行狀態的模糊控制結果給出相應的資源集群優化調度策略[12]。多目標優化模型中存在的模糊控制約束條件包括平衡節點功率約束、光伏無功、有功出力約束以及節點電壓約束。考慮上述約束條件，進行多目標優化的步驟為：將最小光伏棄光量、最小總網損、最小電壓偏差作為優化目標，基于模糊控制算法對多目標優化模型進行構造。具體計算公式為

(5)

式(5)中：minF為多目標優化模型；a、b、c為模糊控制影響權重因數，且三者之和為1；Ui為i節點的電壓幅值；Ui，ref為i節點的電壓幅值期望值；rij為ij支路的電阻；Iij為ij支路的電流幅值；Pi，PVpre為光伏電站中i節點的預測有功出力；Pi，PV為i節點經過控制后光伏電站向電網實際提供的有功出力；v(i)為與支路對應的末端節點集合；j為模糊控制節點[13]。

1.2.3 資源集群控制

基于多目標優化結果通過主動配電網資源集群控制策略實現主動配電網資源集群控制，該策略包括緊急調度策略與警戒調度策略。

(1)緊急調度策略的具體步驟

步驟1對主動配電網進行參數配置，并對次數調節累加器進行初始化處理。

步驟2對主導節點的實時電壓Upilot(t)進行測量。

步驟3獲取主導節點的實時電壓偏差，并對其進行判斷，如果不超過±0.07Un，則以實際電壓偏差為依據，選擇執行警戒調度策略，或者對多目標全局優化策略進行定時執行，并對次數調節累加器進行置0處理；如果超過±0.07Un，則對次數調節累加器是否為2進行判斷，如果是2，需要通過配電自動化進行故障隔離，不是2則需要對各主導節點內場站相關集群無功調整量進行計算。

步驟4集群主站對相關場站集群控制器無功調整量進行下發，并對主導節點對應的電壓進行調節。

步驟5對次數調節累加器進行加1處理，并跳轉到步驟2。

(2)警戒調度策略的具體步驟

步驟1對主導節點的實時電壓進行測量。

步驟2獲取主導節點的實時電壓偏差，對電壓是否出現越界情況進行判斷，如果出現越界情況，并且偏差量的值不超過±0.07Un，則根據該時刻電壓與1.03Un和0.97Un的偏差絕對值來確定恢復電壓的最小值。

步驟3計算主導節點中相關集群對電壓的實際系數靈敏度矩陣。

步驟4以實際系數靈敏度矩陣為依據，對各集群的無功功率與有功功率調整量進行計算。

步驟5向各個集群的對應管控裝置下發場站實際系數靈敏度矩陣與主導節點電壓。

步驟6集群對應管控裝置將以場站靈敏度對應比例關系為依據對集群中各個場站的對應功率分配值進行計算并向各場站進行下發。

綜合緊急調度策略與警戒調度策略實現對主動配電網資源集群的控制。

2 實驗驗證

2.1 實驗設計

為了驗證設計的基于模糊理論的主動配電網資源集群控制系統的性能，對該系統進行實驗驗證。實驗所用主動配電網主要包括有載調壓開關、輸電線路、母線、負荷、光伏、電源點等設備。實驗主動配電網的具體負荷容量信息如表 3所示。

表 3 實驗主動配電網的具體負荷容量信息Table3 The specific load capacity information of the experimental active distribution network

在資源集群控制過程中，獲取主動配電網的輸出功率為3000～6000W時的主動配電網響應偏差數據作為實驗數據。為了避免實驗結果過于單一，缺乏對比性，將文獻[3]提出的電網資源控制系統、文獻[4]提出的主動配電網能量管理與分布式資源集群控制系統以及文獻[5]提出的基于細胞-組織的主動配電系統雙層多目標控制系統作為實驗中的對比系統，獲取主動配電網在輸出功率為3000～6000W時的主動配電網響應偏差數據作為對比實驗數據，比較幾種實驗系統的集群控制效果。

2.2 結果分析

在主動配電網的輸出功率為3000～6000W的范圍內時，不同系統的主動配電網響應偏差對比實驗結果如圖 2所示。

圖 2 3 000～6 000 W范圍內不同系統的 主動配電網響應偏差Fig.2 Active distribution network response deviations of different systems within the range of 3 000～6 000 W

根據圖 2(a)的對比實驗結果可知，在主動配電網的輸出功率為3000～4500W的范圍內，基于模糊理論的主動配電網資源集群控制系統的主動配電網響應偏差低于文獻[4]系統和文獻[5]系統。根據圖 2(b)的對比實驗結果可知，在主動配電網的輸出功率為4500～6000W的范圍內，基于模糊理論的主動配電網資源集群控制系統的主動配電網響應偏差仍然低于文獻[4]系統和文獻[5]系統。說明本文系統不易受輸出功率的影響，在不同輸出功率下均能保持較低的響應偏差。這是由于該系統在設計過程中根據模糊控制算法設計多目標優化模塊，該模塊能夠根據電網資源的負荷和發電功率預測結果得出相應的資源集群優化調度策略，從而提升了控制效果。

為了進一步驗證所設計系統的應用性能，以系統運行效率為指標，在系統中設置不同類型的干擾節點，測試不同系統在存在干擾節點情況下的應用效果，節點類型如圖 3所示，運行效率對比結果如圖 4所示。

圖 3 系統運行中存在的干擾節點Fig.3 Interfering nodes in system operation

圖 4 不同系統運行效率對比Fig.4 Comparison of operating efficiency of different systems

分析圖 4可知，在不同的輸出功率下，本文系統的運行時間均低于現有系統，其運行時間始終低于3.5s，而文獻[4]系統和文獻[5]系統的運行時間均高于3.5s，說明該系統的運行效率較高，具有一定的性能優勢，可應用于主動配電網資源集群控制中。這是由于本文系統基于模糊控制算法設計多目標優化模塊，該模塊可以根據電網資源的負荷和發電功率預測結果，實現對資源集群的多目標優化，通過多目標優化可以減少單一目標依次優化用時，進而提升了系統運行效率。

為了驗證本文系統在實際應用中的可靠性，考慮主動配電網的實際運行情況，確定試驗項目如下：將主動配電網中存在的各種可調控的資源均納入集群控制范圍，具體包括配電網設備、分布式電源、儲能、微網以及柔性負荷。采用文獻[3]系統、文獻[4]系統以及文獻[5]系統與本文系統進行對比，驗證本文系統針對不同資源的控制效果，結果如圖 5所示。

圖 5 不同資源的控制效果Fig. 5 Control effect of different resources

分析圖 5可知，除了饋線負荷之外，現有系統對不同主動配電網中的不同資源控制時，響應偏差均高于本文系統，本文系統對不同資源進行控制時，在響應偏差方面具有明顯的優勢，說明本文系統具有較強的可靠性，能夠實現對主動配電網資源的有效控制，充分驗證了該系統的全面性與應用價值。

3 結論

針對現有系統存在的響應偏差較大和運行效率不高的問題，提出基于模糊理論的主動配電網資源集群控制系統。該系統在集群管理模塊、調壓模塊設計的基礎上，通過引入模糊理論實現了對主動配電網響應偏差的降低，并通過多目標優化實現了運行效率的提高，對于主動配電網的推廣與發展有很大意義。