CN119448281A 基于配电网分层分区自治的分布式资源协同控制方法 （河南九域恩湃电力技术有限公司）

基于配电网分层分区自治的分布式资源协本发明属于配电网分布式资源控制技术领建立分层分布式控制的配电网台区功率调控信布式储能的协调控制，提升分布式光伏消纳能22.按照权利要求1所述的一种基于配电网分层分区自治的分布式资源协同控制方法，,3台区内部分布式光伏的数量，和分别为t时刻第s个分布式储能的充、放电功率，区与上级电网馈线侧功率交互惩罚成本系数，P"是t时刻台区层与馈线层交互功率实际3.按照权利要求2所述的一种基于配电网分层分区自治的分布式资源协同控制方法，,,4.按照权利要求3所述的一种基于配电网分层分区自治的分布式资源协同控制方法，,5.按照权利要求4所述的一种基于配电网分层分区自治的分布式资源协同控制方法，4,S142，基于SPPA_ADMM分布式求解算法，SPPA_AD获得的谱步长自适应更新谱惩罚参数，与基于残差平衡的自适应ADMM分布式求解算法不6.按照权利要求5所述的一种基于配电网分层分区自治的分布式资源协同控制方法，7.按照权利要求6所述的一种基于配电网分层分区自治的分布式资源协同控制方法，S210、仿真在分布式应用APP层基于IEC61850/CIM对设备与主站间的信息模型建模、设备间逻辑节点互操作以及交互控制与数据共享，利用模型驱动进行模型转换生成源代8.按照权利要求7所述的一种基于配电网分层分区自治的分布式资源协同控制方法，,5式中je半。9.按照权利要求8所述的一种基于配电网分层分区自治的分布式资源协同控制方法，,10.按照权利要求9所述的一种基于配电网分层分区自治的分布式资源协同控制方法，DPMC逻辑节点收集上一过程预测数据并计4）同时根据分布式储能运行数据与预测数据，形成储能充放电优化路径，由MMXU和6控制的分布式资源协同控制方法是本发明亟待[0006]进一步地，步骤S130中，建立跨层跨区主配网协同优化调度模型的过程包括：7[0012]本发明中提出的面向馈线自治的有源配电网分层分区控制策略,还具有以下效果1）提出的主变馈线台区分层分区协调控制框架可以充分利用多层级多区域可调资8[0013]图1是本发明的馈线层_台区层功率交换关系示意图。图2是本发明的配电网总体协调控制架构示意图。图3是本发明的配电台区功率平衡调控流程图。图4是本发明的[0014]为了更好地理解本发明，下面结合实施例和附图进一步清楚阐述本发明的内容，,,为t时刻台区内第l个光伏的弃光功率，[0019]式中，c,""为弃光惩罚成本系数，为t时刻台区内第l个光伏的弃光功率，9刻台区与上级电网馈线侧功率交互惩罚成本系数，P"是t时刻台区层与馈线层交互功率。[0025]步骤S120中，馈线层基于网络结构和资源运行特性进行区域划分的过程包括,,。叉变异操作，最终根据得到综合区域划分指标随迭代次数变化的曲线。在迭代172次左右式中：为区域内部的储能电站的数量；为单位储能式中：p"是t时刻区域v向上级主网购买的有功功率；nw为t时刻电网实时电ie(j)、iey(j)分别表示节点i隶属以节点j为末（首）节点的支路首j流出的有功和无功功率；、QX为t时刻节点j和k之间传递的有功功率和无功功率；u:分别为t时刻上下游节点电压。果与分布式资源出力结果的过程包括步骤S1,条件。的区域为区域b，区域a与区域b之间存在边界等式约束关系，则区域a和区域b对应式子步骤4：基于步骤3更新每个区域之间的边界变量。根据步骤3求得的边界值"不同，SPPA_ADMM分布式求解算法不需要手动设置参数进行惩罚参数更新，提高了收敛速定义下式所示，其中是收敛精度。如果满足收敛条件，则算法结束，否则返回步骤2。。象继承；③运行功能，控制能量管理功能逻辑节点对相关的DER资源完成的特定行为，从IEC61850_7_420标准不仅详述了分布式能源的逻辑节点，还规定了逻辑节点的交互逻辑其中DGEN、DSTO建立起对于电力设备的功能映射并承载设备的运行与控制数据，具备电力设备控制数据的接口；MMXU作为通用逻辑节点承载了电气设备的测量上送数据；[0073]在本实施例中具体来说，为实现配电台区光伏负荷功率平衡的调控，基于IEC和服务器双边均知道DATA_SETObjectReference成员和顺序，因此仅需要传输DATA_SET名和引用的DATADataAttribute的当前值。为了实现算功能块，包括DDSPublisher_DGEN、DDSPublisher_DPMC、DDSPublisher_DSTO、[0082]④建立短期光伏出力预测模型。光伏出力预测模型的建模过程包括设计模型结[0083]基于光伏辐照的晴朗指数对光伏出力功率进行预测，根据光伏出力十天历史数,的计算，本实施例采用预测时刻前3个小时的实测光伏功率与临近10天相同时刻光伏功率据与预测数据的时间间隔，动态调整长期时间尺度与短期时间尺度在预测结果中占据权过预测算法计算超短期的实时负荷预测值以及短期的[0096]分布式储能的额定容量S,是由设备生产时确定的，储能的实时荷电状态如电功率P,(t+KAr)与负荷功率R,(t+KAr)，数据由DPMC逻辑节点收集数据并计算该[0099]储能充放电优化路径的调控目标是在超出反送电限制时利用储能尽可能多的消整系数分配可改变目标函数对于不同功率分配倾向。式中：为储能最小电量，E,aw为储能最大电量，Ramn为储能最大放电功率，为储能最大充电功率，为储能允许的放式中为根据预测得出的电池放电功率，为根据预测得出的电池充电功