【《分布式电力系统经济调度研究现状国内外文献综述》2800字】

分布式电力系统经济调度研究现状国内外文献综述电力行业作为国民经济发展及社会稳定运行的产业支柱，一直是社会与工业的关注热点，电力系统经济调度也一直是大量学者的研究热点问题。传统电力系统经济调度方式是集中式，设立一个调度中心，由调度中心收集所有发电单元信息，在各种约束下计算每台发电机组出力，同时最小化发电成本，最后将优化结果发送给各发电单元完成调度。针对集中式调度国内外研究人员提出了许多方法，比如遗传算法[32]、粒子群算法[33]、迭代法[34]、牛顿法[35]等等。随着电网复杂化以及新能源高渗透率化，集中式面临着通信与计算压力大、单点故障容易引起系统瘫痪等问题。同时因为新能源的间歇性与波动性，集中式难以应对网络拓扑切换问题与智能电网中“即插即用”的要求。为了弥补集中调度方法的不足，分布式经济调度得到越来越多的关注与研究。集中式经济调度与分布式经济调度方法区别见表1.1。分布式经济调度中，各发电单元地位平等，由各发电单元通过通信网络交换信息并完成计算任务，执行调度指令。因此，在分布式经济调度中不需设立调离中心，虽然对各发电单元的计算能力有一定要求，但是与设立调度中心所需的成本来说，仍然是大大节约了成本。分布式经济调度相比于集中式有以下优点：1）没有调度中心，降低成本；2）适用于处理网络拓扑结构情况；3）满足智能电网中“即插即用”的特性；4）具有更高的鲁棒性与灵活性。表1.1集中式经济调度与分布式经济调度方法区别对象指标性能集中式分布式调度中心计算能力非常高通信能力非常高可靠性非常高通信系统拓扑结构星状联合联通通信方式双向单/双向信息内容包含隐私信息可仅交换非隐私信息发电单元通信能力普通普通计算能力无要求较高信息采集能力普通普通适用范围大容量发电小容量发电电力经济调度是一个典型的优化问题，集中式与分布式求解过程如图1.3。不管是集中式还是分布式，求解过程主要包括经济调度模型的建立与模型求解方法两个环节。由图1.3可知，在分布式经济调度中，每个个体基于信息合成算法相互通信，并且通过分布式求解算法求得个体最优解，则经济调度问题的最优解就是个体最优解的集合。图1.3经济调度求解过程对比根据研究结果，分布式经济调度算法一般分为：分布式梯度算法[NOTEREF_Ref71210378\f\h36]、一致性算法、交替方向乘子法[NOTEREF_Ref71210392\f\h37]（ADMM）与投影算法[NOTEREF_Ref71210402\f\h38]等。文献[36]利用分布式次梯度算法求解电力系统经济调度中的对偶优化问题，能够直接得到电网的增量成本。文献[37]针对具有需求响应的动态直流最优潮流(DC-OPF)问题，研究了三种基于交替方向乘子法的具有不同收敛性能/通信要求的分布式DC-OPF算法，通过全局一致性变量协调解决了各个子系统的局部OPF问题。文献[38]提出一种基于连续时间投影梯度算法的分布式电源功率协同控制方法，在未知系统负荷总量的情况下，仅利用投影算子对分布式电源出力进行约束即可得到经济调度的最优解。一致性算法相较其他分布式算法在电力系统经济调度应用得更为广泛。文献[39]采用基于一致性的分布式算法来解决热-电联产系统的环境经济调度问题，利用供热的等效性能系数对发电单元的燃料消耗与污染排放之间的关系建立了热-电联产系统的环境经济多目标最优调度模型。因为事件驱动机制的优越性，许多研究人员在分布式经济调度算法中加入事件驱动，在保证系统稳定运行的同时，节约能耗。文献[40]针对传统微网系统分布式控制中通讯负荷重和有功功率经济分配问题,提出了一种基于事件触发的有功功率控制策略，实现成本最小化下功率经济分配。各分布式电源在传统一致性算法的基础上采用事件触发方式,有效地减轻了通讯负担。经过前面的叙述，分布式经济调度算法在处理含有新能源的电力系统方面更有优越性，但分布式算法更依赖通信网络，导致更容易受到网络攻击。网络攻击主要分为虚假信息注入攻击（FDI）,拒绝服务攻击（Dos）。Dos攻击是网络中最常见的攻击方式之一，破坏性极强，攻击方式简单且易实现，吸引了大量研究人员的目光。文献[41]研究了拒绝服务攻击下的智能电网的经济调度问题，以发电的实际情况为出发点，建立了考虑环境污染成本的新型分布式优化模型。为了节省有限的带宽，提出了一种新颖的分布式事件触发方案，以在通信网络遭受恶意DoS攻击时保持一类电子电力系统的弹性和经济性。然后设计了一种基于梯度下降思想的改进的多智能体共识协议来解决最小化问题，并从最优性和稳定性的角度分析了最小化系统发电成本的前提。文献[42]针对微电网下电力系统通信易受到拒绝服务攻击、局部信息不开放以及通信带宽受限等问题，提出了一种基于Dos攻击的分布式事件触发的无模型预测补偿能量优化管理控制方法。为了解决电力系统面对拒绝攻击下的最优经济调度，目前最主要的方法就是改变通信方式，即设计事件驱动机制[NOTEREF_Ref71216424\f\h41]-[NOTEREF_Ref71216426\f\h42]。其思路是通过选取满足一定条件的弹性事件驱动阈值，使得智能体利用攻击间隔即成功通信时刻进行信息交换与更新，这就要求成功通信时刻的数量及时长必须大于特定值。但是，该事件驱动机制仅能应对攻击参数已知的Dos攻击，有一定的局限性。图1.4展示的是在Dos攻击下系统的通信机制。图1.4Dos攻击下系统的通信机制参考文献洪奕光,翟超.多智能体系统动态协调与分布式控制设计[J].控制理论与应用,2011,28(010):1506-1512.杨经纬,张宁,王毅,等.面向可再生能源消纳的多能源系统:述评与展望[J].电力系统自动化,2018(4):11-24.刘天琪,卢俊,何川,等.考虑联合热电需求响应与高比例新能源消纳的多能源园区日前经济调度[J].电力自动化设备,2019(8).乐健,周谦,赵联港,等.基于一致性算法的电力系统分布式经济调度方法综述[J].电力自动化设备,2020,040(003):44-54.佚名.含高渗透率分布式电能资源的区域电网市场化运营模式[J].中国电机工程学报(12期):3343-3353.PalAK,KamalS,YuX,etal.Free-WillArbitraryTimeConsensusforMultiagentSystems[J].IEEETransactionsonCybernetics,2020,PP(99).GudetaS,KarimoDdIniA,DavoodiM.RobustDynamicAverageConsensusforaNetworkofAgentswithTime-varyingReferenceSignals[C]//2020IEEEInternationalConferenceonSystems,Man,andCybernetics(SMC).IEEE,2020.K.Li,C.Hua,X.YouandC.K.Ahn,"OutputFeedbackPredefined-TimeBipartiteConsensusControlforHigh-OrderNonlinearMultiagentSystems,"inIEEETransactionsonCircuitsandSystemsI:RegularPapers,doi:10.1109/TCSI.2021.3071974.Z.Zhang,S.-M.ChenandY.Zheng,"FullyDistributedScaledConsensusTrackingofHigh-orderMulti-agentSystemswithTimeDelaysandDisturbances,"inIEEETransactionsonIndustrialInformatics,doi:10.1109/TII.2021.3069207.杨仕斌,陈珺,刘飞.带有输入时滞的领导跟随系统扰动抑制一致性[J].计算机测量与控制,2019.ChenK,WangJ,YunZ.Adaptiveleader-followingconsensusofnonlinearmulti-agentsystemswithjointlyconnectedtopology[C]//Control&DecisionConference.IEEE,2015.YangS,ChenJ,LiuF.Observer-BasedConsensusControlofMulti-AgentSystemswithInputDelay[C]//2018IEEE4thInternationalConferenceonControlScienceandSystemsEngineering(ICCSSE).IEEE,2019.GaoHY,HuAH.Event-triggeredPinningBipartiteTrackingConsensusoftheMulti-agentSystemSubjecttoInputSaturation[J].InternationalJournalofControlAutomationandSystems,2020,18(22).LiuJ,FangJA,LiZ,etal.Time-varyingFormationTrackingforSecond-orderMulti-agentSystemsSubjectedtoSwitchingTopologyandInputSaturation[J].InternationalJournalofControlAutomationandSystems,2019,18(1).ChenS,JiangH,YuZ.FullyDistributedEvent-triggeredSemi-globalConsensusofMulti-agentSystemswithInputSaturationandDirectedTopology[J].InternationalJournalofControl,AutomationandSystems,2019,17(12):3102-3112.GaoC,HeX.Semi-GlobalConsensusControlforMulti-AgentSystemsSubjecttoActuatorSaturationsandFaults[C]//202035thYouthAcademicAnnualConferenceofChineseAssociationofAutomation(YAC).2020.JiM,Ferrari-TrecateG,EgerstedtM,etal.ContainmentControlinMobileNetworks[J].IEEETransactionsonAutomaticControl,2008,53(8):1972-1975.Dong,Wang,Ning,etal.CooperativeContainmentControlofMultiagentSystemsBasedonFollowerObserversWithTimeDelay[J].IEEETransactionsonSystemsMan&CyberneticsSystems,2017.LiuCandXuJ.ConstrainedContainmentControlofAgentsNetworkwithSwitchingTopologies[C]//20204thCAAInternationalConferenceonVehicularControlandIntelligence(CVCI).2020.CaoY,WeiR.Containmentcontrolwithmultiplestationaryordynamicleadersunderadirectedinteractiongraph[C]//IEEEConferenceonDecision&Control.IEEE,2009.CaoY,DStuar,WeiR,etal.DistributedContainmentControlforMultipleAutonomousVehiclesWithDouble-IntegratorDynamics:AlgorithmsandExperiments[C]//AmericanControlConference.IEEE,2011.QinJ,ZhengWX,GaoH,etal.ContainmentControlforSecond-OrderMultiagentSystemsCommunicatingOverHeterogeneousN