基于模糊理论的主动配电网资源集群控制系统设计

赵 刚，张 超，贾宏刚，杨 柳，岳园园，王 辉，王玮超

(1. 国网陕西省电力公司经济技术研究院，西安 710048； 2. 国网陕西省电力公司，西安 710048)

目前，电网已经逐渐转向可持续、智能、灵活、高效的发展方向，其最核心的表现就是广泛应用分布式电源[1]。虽然不断发展的虚拟发电厂技术与微网技术为集成分布式电源提供了一定的技术基础，但是仍然面临着诸多问题。主动配电网的出现可以有效弥补集成分布式电源的不足，而主动配电网资源集群控制系统对于电网的平稳运行又有很大意义，能够解决间歇可再生能源大规模应用以及电网兼容的问题，提高应用绿色能源的效益，对能源结构进行优化[2]。为了实现主动配电网中冷热负荷与分布式能源等各种类资源的优化协同，使之在合理区间运行，必须通过主动配电网资源集群控制系统对各类主动配电网资源实施集群控制。

主动配电网资源集群控制系统的研究在中外都已经取得了很大成就，国外已经将主动配电网作为未来智能电网的主要发展模式，并建设了相关示范工程。Mueller等[3]提出了一种实现电网能源平衡的方法，该方法以二次调频为例，给出了多种物理性质互补资源的协调控制方法，以此来发挥能源资源的灵活性。并通过计算得出了最优可调控制策略。实验结果表明，该方法聚集选定的资源可以产生协同效应，具有额外调节能力，但是存在资源控制效率不高的问题。中国也十分重视主动配电网资源集群控制系统的研发，吴文传等[4]设计了一种主动配电网能量管理与分布式资源集群控制系统，提出“集群自律-群间协调-输配协同”的体系结构，用于对配电网运行调配。同时，开发相应的系统，实现多级协调。实验结果表明，该方法能够实现对配电网资源的多级调控，但是受脉冲宽度调制(pulse width modulation，PWM)波频率较高的影响而无法进行正常调压，存在主动配电网响应偏差较大的问题，应用效果不佳。赵海兵等[5]为了提升配电网资源的整合效果，提出基于细胞-组织的主动配电系统双层多目标控制系统，对主动配电网和微网集群之间的关系进行分类，采用能量博弈矩阵实现对主动配电网能量的管理，最后结合混合遗传算法求解能量管理的最优化解决方案。实验结果表明，该系统降低了控制能耗，提升了配电网资源集群控制的经济性，但是该系统在运行效率方面还有待提升。

由于在利用以上系统进行主动配电网资源集群控制时，受PWM波频率较高的影响而无法进行调压，在主动配电网的输出功率为3 000～6 000 W时存在主动配电网响应偏差较大、影响运行效率的问题，为了降低系统响应偏差，提高系统运行效率，实现对主动配电网资源集群的协调控制，现提出一种基于模糊理论的主动配电网资源集群控制系统。该系统通过多目标优化模块，设计资源集群优化调度策略，解决现有系统由于受到输出功率的影响，系统响应偏差较大的问题，提升控制效果。同时，提出多目标优化方法，有针对性地优化多种电网资源，旨在提升系统的运行效率，实现对现有系统的优化。

1 基于模糊理论的主动配电网资源集群控制系统

1.1 硬件设计

基于模糊理论的主动配电网资源集群控制系统的硬件配置主要包括集群管理模块和调压模块。

1.1.1 设计集群管理模块

集群管理模块由集群管理主站、集群管控装置、高级应用子系统以及数据采集与监视控制系统(supervisory control and data acquisition，SCADA)构成，其模块架构如图 1所示。

图 1 集群管理模块架构Fig.1 Cluster management module architecture

其中，集群管理主站的具体构成及其功能如表 1 所示。

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

在集群管理主站实际功能的基础上，集群管控装置与高级应用子系统以及SCADA系统起到辅助作用。其中，集群管控装置负责汇集信息、模型化转换通信规约与就地控制。高级应用子系统以及SCADA系统负责进行集群中资源信息的收集并对发电单元进行协调调度[6]。

1.1.2 设计调压模块

调压模块由调压装置构成，调压装置的具体参数如表 2所示。

表 2 调压装置的具体仿真参数Table2 Specific simulation parameters of the pressure regulating device

系统硬件组成模块之间相互协调，实现对主动配电网资源集群信息的预处理与协调调度。

1.2 软件设计

以硬件设计为基础，对系统软件进行设计。基于模糊理论的主动配电网资源集群控制系统的软件设计具体包括集群划分、多目标优化与资源集群控制[7]。

1.2.1 集群划分

集群划分具体包括配电网分区、选择主导节点以及集群划分资源。其中，集群划分资源功能中包括两种资源集群划分方法：用户手动选择划分与主站高级应用划分[8]。

用户手动选择划分方法的基本操作步骤：通过执行集群划分软件对各光伏电站的具体运行状态进行给定，通过工作人员指定分区，即通过人工干预方式获取与资源集群对应的电站信息[9]。主站高级应用划分方法的基本操作步骤：根据电压主导节点对等值网络电压对应的敏感度矩阵进行计算与选择，并以敏感度为依据分群聚集，通过综合分析分布式电源对应的发电功率、母线电压、电网参数等数据，获得下一个区域中集群的具体个数与各群所对应的光伏电站。

在进行集群划分中，配电网分区功能主要通过聚类方法来实现。而选择主导节点功能的实现则需要将节点的可观性与可控性两种指标作为依据，计算该区域中全部节点的综合灵敏度，其中具备最高综合灵敏度的节点就是主导节点[10]。

计算综合灵敏度的方程为

(1)

式(1)中：Si为综合灵敏度；Pi为i节点的可观性；Ci为i节点的可控性；β为灵敏度阈值；aik为k节点对i节点的电压灵敏度；Sa为该区域中全部节点的集合；Sij为无功电压灵敏度；SG为该区域中全部可控节点的对应集合；n为区域配电网中的具体节点数。

其中k节点对i节点的电压灵敏度的计算公式为

(2)

式(2)中：ΔVi为i节点的电压；ΔVk为k节点的电压。

由于无法直接改变节点电压，因此通过对该节点进行无功变量赋予来改变节点电压[11]。则k节点对i节点的电压灵敏度的计算公式可改写为

(3)

式(3)中：ΔQk为无功变量。

无功电压灵敏度的计算公式为

(4)

式(4)中：ΔQj为无功电压灵敏度所对应的无功变量。

1.2.2 多目标优化

根据模糊理论中的模糊控制算法设计多目标优化模块，多目标优化模块能够根据电网资源的负荷和发电功率预测结果与实时运行状态的模糊控制结果给出相应的资源集群优化调度策略[12]。多目标优化模型中存在的模糊控制约束条件包括平衡节点功率约束、光伏无功、有功出力约束以及节点电压约束。考虑上述约束条件，进行多目标优化的步骤为：将最小光伏弃光量、最小总网损、最小电压偏差作为优化目标，基于模糊控制算法对多目标优化模型进行构造。具体计算公式为

(5)

式(5)中：minF为多目标优化模型；a、b、c为模糊控制影响权重因数，且三者之和为1；Ui为i节点的电压幅值；Ui，ref为i节点的电压幅值期望值；rij为ij支路的电阻；Iij为ij支路的电流幅值；Pi，PVpre为光伏电站中i节点的预测有功出力；Pi，PV为i节点经过控制后光伏电站向电网实际提供的有功出力；v(i)为与支路对应的末端节点集合；j为模糊控制节点[13]。

1.2.3 资源集群控制

基于多目标优化结果通过主动配电网资源集群控制策略实现主动配电网资源集群控制，该策略包括紧急调度策略与警戒调度策略。

(1)紧急调度策略的具体步骤

步骤1对主动配电网进行参数配置，并对次数调节累加器进行初始化处理。

步骤2对主导节点的实时电压Upilot(t)进行测量。

步骤3获取主导节点的实时电压偏差，并对其进行判断，如果不超过±0.07Un，则以实际电压偏差为依据，选择执行警戒调度策略，或者对多目标全局优化策略进行定时执行，并对次数调节累加器进行置0处理；如果超过±0.07Un，则对次数调节累加器是否为2进行判断，如果是2，需要通过配电自动化进行故障隔离，不是2则需要对各主导节点内场站相关集群无功调整量进行计算。

步骤4集群主站对相关场站集群控制器无功调整量进行下发，并对主导节点对应的电压进行调节。

步骤5对次数调节累加器进行加1处理，并跳转到步骤2。

(2)警戒调度策略的具体步骤

步骤1对主导节点的实时电压进行测量。

步骤2获取主导节点的实时电压偏差，对电压是否出现越界情况进行判断，如果出现越界情况，并且偏差量的值不超过±0.07Un，则根据该时刻电压与1.03Un和0.97Un的偏差绝对值来确定恢复电压的最小值。

步骤3计算主导节点中相关集群对电压的实际系数灵敏度矩阵。

步骤4以实际系数灵敏度矩阵为依据，对各集群的无功功率与有功功率调整量进行计算。

步骤5向各个集群的对应管控装置下发场站实际系数灵敏度矩阵与主导节点电压。

步骤6集群对应管控装置将以场站灵敏度对应比例关系为依据对集群中各个场站的对应功率分配值进行计算并向各场站进行下发。

综合紧急调度策略与警戒调度策略实现对主动配电网资源集群的控制。

2 实验验证

2.1 实验设计

为了验证设计的基于模糊理论的主动配电网资源集群控制系统的性能，对该系统进行实验验证。实验所用主动配电网主要包括有载调压开关、输电线路、母线、负荷、光伏、电源点等设备。实验主动配电网的具体负荷容量信息如表 3所示。

表 3 实验主动配电网的具体负荷容量信息Table3 The specific load capacity information of the experimental active distribution network

在资源集群控制过程中，获取主动配电网的输出功率为3000～6000W时的主动配电网响应偏差数据作为实验数据。为了避免实验结果过于单一，缺乏对比性，将文献[3]提出的电网资源控制系统、文献[4]提出的主动配电网能量管理与分布式资源集群控制系统以及文献[5]提出的基于细胞-组织的主动配电系统双层多目标控制系统作为实验中的对比系统，获取主动配电网在输出功率为3000～6000W时的主动配电网响应偏差数据作为对比实验数据，比较几种实验系统的集群控制效果。

2.2 结果分析

在主动配电网的输出功率为3000～6000W的范围内时，不同系统的主动配电网响应偏差对比实验结果如图 2所示。

图 2 3 000～6 000 W范围内不同系统的 主动配电网响应偏差Fig.2 Active distribution network response deviations of different systems within the range of 3 000～6 000 W

根据图 2(a)的对比实验结果可知，在主动配电网的输出功率为3000～4500W的范围内，基于模糊理论的主动配电网资源集群控制系统的主动配电网响应偏差低于文献[4]系统和文献[5]系统。根据图 2(b)的对比实验结果可知，在主动配电网的输出功率为4500～6000W的范围内，基于模糊理论的主动配电网资源集群控制系统的主动配电网响应偏差仍然低于文献[4]系统和文献[5]系统。说明本文系统不易受输出功率的影响，在不同输出功率下均能保持较低的响应偏差。这是由于该系统在设计过程中根据模糊控制算法设计多目标优化模块，该模块能够根据电网资源的负荷和发电功率预测结果得出相应的资源集群优化调度策略，从而提升了控制效果。

为了进一步验证所设计系统的应用性能，以系统运行效率为指标，在系统中设置不同类型的干扰节点，测试不同系统在存在干扰节点情况下的应用效果，节点类型如图 3所示，运行效率对比结果如图 4所示。

图 3 系统运行中存在的干扰节点Fig.3 Interfering nodes in system operation

图 4 不同系统运行效率对比Fig.4 Comparison of operating efficiency of different systems

分析图 4可知，在不同的输出功率下，本文系统的运行时间均低于现有系统，其运行时间始终低于3.5s，而文献[4]系统和文献[5]系统的运行时间均高于3.5s，说明该系统的运行效率较高，具有一定的性能优势，可应用于主动配电网资源集群控制中。这是由于本文系统基于模糊控制算法设计多目标优化模块，该模块可以根据电网资源的负荷和发电功率预测结果，实现对资源集群的多目标优化，通过多目标优化可以减少单一目标依次优化用时，进而提升了系统运行效率。

为了验证本文系统在实际应用中的可靠性，考虑主动配电网的实际运行情况，确定试验项目如下：将主动配电网中存在的各种可调控的资源均纳入集群控制范围，具体包括配电网设备、分布式电源、储能、微网以及柔性负荷。采用文献[3]系统、文献[4]系统以及文献[5]系统与本文系统进行对比，验证本文系统针对不同资源的控制效果，结果如图 5所示。

图 5 不同资源的控制效果Fig. 5 Control effect of different resources

分析图 5可知，除了馈线负荷之外，现有系统对不同主动配电网中的不同资源控制时，响应偏差均高于本文系统，本文系统对不同资源进行控制时，在响应偏差方面具有明显的优势，说明本文系统具有较强的可靠性，能够实现对主动配电网资源的有效控制，充分验证了该系统的全面性与应用价值。

3 结论

针对现有系统存在的响应偏差较大和运行效率不高的问题，提出基于模糊理论的主动配电网资源集群控制系统。该系统在集群管理模块、调压模块设计的基础上，通过引入模糊理论实现了对主动配电网响应偏差的降低，并通过多目标优化实现了运行效率的提高，对于主动配电网的推广与发展有很大意义。