风-光-储集群广域协调优化控制策略研究

风-光-储集群广域协调优化控制策略研究

0基于二维联盟多代理技术的风-光-网-优的协调优化控制策略与独立的风-光储存或光储存系统相比，风-光综合采集系统（以下简称风储系统）能够利用风、光交换的特点，经济可靠、适合环境变化。二维联盟多代理技术（multi-agenttechnologyfortwodimensionalalliance,MATTDA）具有良好的自治性、协同性、适应性和社会性，能够很好地解决广域分布式系统的协调优化问题针对以上问题，本文构建基于二维联盟多代理技术的风光储集群广域协调控制架构。鉴于储能平抑风-光出力的良好效果及其寿命优化对风光储系统经济运行的重要意义，以促进风-光消纳和优化电池储能寿命为控制目标，提出适用于风光储集群的广域协调优化控制策略。最后，采用JADE(Javaagentdevelopmentenvironment）搭建仿真算例，验证了该控制策略能够充分利用集群出力的时空耦合特性有效平抑风-光整体出力波动，并改善风光储系统无序充放电对电池储能使用寿命的不利影响。1基于mattda的分布式交互式合作控制系统结构1.1全局优化调度风光储系统广域协调优化总体框架如图1所示，包含调度层、代理层和设备层共3层。与传统的集中调控体系不同的是，本文给出的架构是基于MATTDA实现分布式风光储系统的分层分区自治式控制，将来可集成部署于包含可再生能源在内的分布式发电系统，以实现对大量分布式电源的协调优化控制。如图1所示：1）处在顶层的调度层负责风光储系统的全局优化调度，接收并分析各联盟反馈的信息，以风光资源的全局优化配置为控制目标。在系统需启动跨联盟的电力协调互动任务时，将全局调度任务下发至各联盟主导代理，由其协同互动实现全局的风光资源优化配置；2）中间层由各代理构成，是风光储系统之间进行协调互动的纽带。本文构建了4种电力可控元件的代理模型，包括光伏（PV）代理、风电机组（WT）代理、电池储能（Bat）代理、负荷（Load）代理，主要负责采集、存储、处理、分享场站（或负荷侧）的各类运行数据，控制其所代理的电力元件有序参与能源协调任务。值得注意的是，气象测控站设在场站内，通过局域网将测控信息实时传输给风电机组代理和光伏代理，风电机组代理、光伏代理根据电力元件特性及传回的气象信息制定相应的控制目标。每个联盟设定一个主导（Leading）代理负责联盟内部的自治协调，当内部无法实现能量平衡时可向调度中心请求协助；3）设备层处于整个架构的底层，由广域分布的风电机组、光伏、储能以及负荷等设备构成，向代理提供基础运行数据，并执行代理下发的指令，彼此通过代理进行交互。1.2基于利益协调平台的多维度协调策略电网调度中心要控制空间维度上广域分散独立的风光储系统统一响应负荷需求，这在实时性、可靠性、交互性等方面对集群控制架构提出了很高的要求。因此，基于前述总体框架，并考虑到风光储集群在分布式交互维度和多功能协调维度上的复杂性，提出适用于风光储集群广域协调优化的二维联盟架构。如图2所示，第一维即分布式交互维度上的联盟，面向集群分布式交互的复杂性，即部署在同一区域的代理组成一个联盟，每个联盟都有唯一的主导（Master）代理，向其下辖的各代理分派任务和汇总信息，并代表整个联盟与其他联盟进行交互。当联盟内部无法实现协调任务时，由主导代理向电网调度中心发出请求协助信号，由调度中心实现跨联盟的协调。如图3所示，第二维即多功能协调维度上的联盟，面向风光储集群多功能协调的复杂性，包括功能、目标、系统3个层面。功能层由底层的各风光储系统来实现，根据电网需求并结合自身优势以提供无功支撑或有功出力。目标层由各联盟构成，通过黑板协调通信，以共同实现增强风光出力稳定性、提升电能质量等目标。系统层由电网调度中心来实现，旨在统筹协调联盟之间的能量流动，以实现全局能源优化配置的系统目标。上述二维联盟结构简化了电网调度中心通信和控制的复杂性，增强了系统的灵活性以及可扩展性。1.3代理在智能代理中的应用以风电机组代理为例，建立如图4所示的代理通用模型。每个代理都是一个智能的实体，具有很强的自主性及协同性。代理能够不受外界干扰而独立运行，亦能与其他代理相互协作实现统一的目标2层控控制目标考虑到单一的风光储系统响应负荷需求能力的有限性及风光储系统运行状态的差异性，提出风光储系统广域协调的分层控制方法，各层控制目标如图5所示，图中本地层的本地风光储系统控制目标为本地风光最大限度消纳及电池储能寿命优化。多个风光储系统构成的联盟层协调控制目标为通过各代理之间的信息互动及功率交换以抑制区域联络线的功率波动。系统层为电网调度中心，以系统运行的经济性为主控目标。本文重点对本地层和联盟层的控制策略进行探讨。2.1区域内风能储系统协调控制图5本地层控制的目标函数如式（1）、式（2）所示。式（1）中的SOC体现了电池储能系统可提供的功率吞吐能力，是储能系统的重要运行状态指标之一。从保留更多控制裕度以避免引起过充过放的角度来考虑，控制策略使其趋于中间值式中，P图5联盟层协调控制的目标函数为：式中，s式中，P图5联盟层的控制目标为使联络线的功率波动方差最小，目的在于抑制区域内风光整体出力的波动。抑制波动的关键在于依据实时的风光电功率数据和储能的运行状态得到储能需补偿的功率指令。本文对区域内风光储系统的各电池储能进行管理，在满足本地层控制目标的前提下，通过协同多个储能系统进行功率补偿，使区域内风光储系统的总输出功率波动得到平抑。平抑过程中应满足如下约束条件：式中，SOC2.2控制战略由于风光储集群出力的不确定性及错峰效应，各风光储系统的运行状态都不尽相同，从而为广域协调提供了可能。2.2.1最大充放电功率区域自治优化是在图2的框架基础上，内部各代理在主导代理的激励信号之下，依靠其自身调节能力实现本地平衡。此模式下，各区域之间不进行协调。具体控制逻辑为：当本地风光储系统的功率偏差大于电池所能提供的最大充放电功率时，本地风光储系统将在满足SOC不越限（即过充过放）的情况下尽可能地提供最大的充放电功率，缺额部分将由主导代理协调其他风光储系统进行补偿。1）当本地风光储系统的输出功率处在正常出力范围时，本地风光储系统中储能容量及功率能够满足自身需求，即本地风光储系统功率平衡，控制指令为：式中，P2）当本地风光储系统的输出功率超出正常出力范围时，即发生越限，此时需要主导代理协同有调节能力的风光储系统吸收富余功率或补偿缺额功率，其控制逻辑为：式中，P2.2.2主导型调度中心全局协调优化是在区域内部充分自治基础上，由电网调度中心协同各主导代理实现区域之间的优化。此模式下，主导代理已无法实现区域内部的协调，需向电网调度中心请求协助，由调度中心实现跨区域的协调，具体协调过程为：1）电网调度中心向各联盟的主导代理询问负荷调节容量和发电调节容量；2）各主导代理计算联盟内部调节裕度，并上传给电网调度中心；3）调度中心根据各主导代理上传的数据进行电网安全校验，并根据系统功率平衡及相关约束条件进行跨联盟协调，最后将协调结果下发至各主导代理；4）主导代理根据上级的协调结果进行联盟内部的协调。上述过程中，主导代理之间的协调是在联盟内部各代理之间的自治协调基础上进行的。如果联盟内部的协调可以满足需求，则无需向上级请求协助，调度中心将不会对联盟内部的具体协调过程进行干预。只有当联盟内部无法实现自治协调运行时，才会由主导代理向调度中心请求跨联盟的协调。3模拟分析3.1控制策略的有效性本文在JADE中搭建多代理的仿真环境，以验证前述控制策略的有效性。JADE是基于JAVA语言的MAS开发环境。代理之间采用合同网协议（MAS中广泛采用的一种协调方式）进行协调交互。3.2在区域自治优化协调下，模拟3.2.1算例2：电出力实现负荷削谷本算例用于检验区域内部各风光储系统之间的协调优化，节点模型如图6所示。主导代理的区域优化目标是充分消纳光伏和风电出力，以实现负荷削峰填谷，减少对储能的依赖。算例基于标准IEEE14节点，对节点6和节点7添加了负荷。图6中，Bat表示电池储能，Load表示负荷，WT表示风电，PV表示光伏，在节点1上建立主导代理，进行区域优化调度管理。仿真结构如图7所示。表1为节点1、节点2、节点6、节点7、节点8、节点10、节点12的功率输出及负荷特性。3.2.2主导代理协调优化1）典型节点（节点1）优化前后的对比分析为实现充分消纳光伏和风电出力，减少对电池储能依赖的目标，主导代理将激励下辖风电机组代理和光伏代理充分利用自身可调节容量响应负荷需求以抑制电池储能频繁充放电。抑制的关键在于设定高储能容量调节成本，设定低风电及光伏上网电价，主导代理为实现经济性最优将激励风电机组代理和光伏代理积极参与协调以补偿高昂储能容量调节成本。图8为协调优化前后节点1的风光出力特性及储能输出特性。显而易见，优化前节点1的风电及光伏出力并未被充分消纳，而是更多依赖储能的功率吞吐来实现供需平衡。由图9可知，通过主导代理的协调优化可使节点的风电及光伏出力得到充分消纳，从而减少对储能的依赖。节点1、节点2、节点8、节点10、节点12的仿真结果与此类似，在此不重复阐述。2）协调优化前后典型区域的功率对比分析图9为协调优化前后所选典型区域内储能功率、负荷功率和风光出力的联络线功率波动情况。通过对比分析可知，优化控制前的各风光储系统独立运行，主导代理未对各风光储系统的出力行为进行干预控制，导致各风-光电场无序响应负荷需求，联络线出力波动较为明显，且系统较多地依赖储能对负荷波动进行调节。而优化方案则是以区域联络线功率波动方差最小为目标及系统有功平衡为约束条件进行控制，在满足负荷需求的前提下，充分利用各风光电场之间的时空互补特性，增强其出力整体可控性。3.3区域自治协同优化过程在验证了主导代理区域协同优化机制基础上，本算例用于验证各主导代理之间的全局协同交互算法，重点关注能量平衡时各代理之间的协调交互过程。全局协同优化仿真结构如图10所示。由于数据量及篇幅限制，本算例挑选4个区域进行仿真，区域1、区域3各包含1个风光电场，区域2包含4个风光电场，典型区域内包含5个风光电场，每个风光电场内部都有风电机组代理、光伏代理、储能代理等受控单元。在本算例背景下，主导代理首先对区域内部进行电网安全校验，以此判断是否需向上级请求协助，若未越限，主导代理将根据节点电压约束和上报的调节容量优化调整各节点的功率潮流，此时执行的是区域自治协同优化过程。若越限，则主导代理将向电网调度中心请求协助，由调度中心实现跨联盟的协调。图11为不同时段下全局协同优化的仿真结果。当区域内部无法进行自治协调时，即各风光电场出力及储能调节容量已无法满足负荷需求，此时，该区域内的主导代理将会向电网调度中心请求协助，由电网调度中心协同其他区域的主导代理向该区域进行转供。显然，为避免该区域的储能电池频繁充放电，在满足其他区域控制目标的前提下，协同算法将尽可能更多地利用其他区域的风光出力进行补偿。3.4电池储能soc波动仿真算例电池储能经济使用寿命是风光储系统投资成本分析中非常重要的参量。目前的研究主要集中在单一风储或风光储系统的储能寿命优化上，未考虑风光储集群之间耦合出力对电池储能经济使用寿命的影响。鉴于此，本文将电池储能SOC的越限次数和总体波动方差作为寿命优化的评价指标，在Matlab中搭建仿真算例以验证前述控制算法在集群耦合出力时对电池储能寿命的优化效果。重点关注协调优化前后各电池储能SOC波动情况。图12为协调优化前后典型区域内5个电池储能SOC的波动曲线。通过对比可知，优化前的各储能电池频繁充放电，SOC波动幅度大，并多次越限（以50%为基准，65%和35%为上下限值），这不利于储能电池的寿命优化。而优化后储能SOC波动趋缓，基本在限值以内。表2统计了协调优化前后典型区域内5个储能电池的波动指标，电池储能总体功率波动方差为0.8531MW结合图8～图12及表2可知，通过加强对风光储系统出力的整体控制，可充分利用集群出力的时空差异特性有效抑制风光出力波动，促进风光消纳。并且可通过控制各风光储系统有序参与负荷协调响应以改善其无序充放电对电池储能寿命的不利影响，以优化风光储系统的运行成本。4风-光-储系统广域协调控制本文针对广域分散独立的风-光-储系统，构建基于二维联盟多代理技术的风-光-储集群广域协调优化控制基本框架，提出适用于风-光-储集群的广域协调优化控制策略，并进行仿真验证，得到以下结论：1）所提控制框架增强了风-光-储系统的灵活性及可扩展性，弥补了传统集中式调度方法的不足，简化了系统（尤其是电网调度中心）通信和控制的复杂性。2）针对风-光-储系统独立分散控制不利于电力系统安全经济运行的情况，定义了风-光-储系统广域协调控制的目标，即平抑风光出力波动，减少弃风弃光，促进风光消纳。仿真结果表明，广域协调控制可充分利用风-光-储系统之间的时空耦合特性有效改善其独立控制带来的不确定