張 穎, 季 宇, 唐云峰

(1. 中國農業(yè)大學信息與電氣工程學院, 北京市 100083; 2. 中國電力科學研究院, 北京市 100192)

基于MPC含分布式光伏配電網有功功率—無功功率協(xié)調控制

張 穎1, 季 宇2, 唐云峰1

(1. 中國農業(yè)大學信息與電氣工程學院, 北京市 100083; 2. 中國電力科學研究院, 北京市 100192)

為應對配電網中光伏出力和負荷需求的波動性和隨機性,保證系統(tǒng)的安全與經濟運行,提出一種基于模型預測控制的含分布式光伏配電網有功功率—無功功率協(xié)調控制方法。該方法將控制過程劃分為長時間尺度優(yōu)化控制和短時間尺度優(yōu)化控制,不同時間尺度優(yōu)化控制針對各自的控制目標及控制變量分別執(zhí)行單獨的模型預測控制。長時間尺度優(yōu)化控制基于光伏出力及負荷需求預測信息,采用多步滾動優(yōu)化求解有功、無功出力,短時間尺度優(yōu)化控制以長時間尺度的優(yōu)化控制結果為基準值,滾動求解有功、無功出力增量。長時間尺度及短時間尺度優(yōu)化控制模型均為難以求解的非凸、非線性模型,本文將模型轉化為二階錐規(guī)劃問題實現(xiàn)求解。采用改進的IEEE 33節(jié)點配電網系統(tǒng)進行算例分析,結果證明了所提優(yōu)化控制方法的可行性和有效性。

模型預測控制; 有功功率—無功功率優(yōu)化控制; 多時間尺度協(xié)調; 二階錐規(guī)劃

0 引言

近年來,隨著分布式發(fā)電技術的不斷發(fā)展,分布式光伏在配電網中的滲透率不斷提高,對配電網的安全穩(wěn)定運行提出了新的挑戰(zhàn)[1-4]。

由于光伏出力及負荷需求具有隨機性與波動性,預測誤差隨預測時間的提前而增大,增加了配電系統(tǒng)優(yōu)化控制的難度,模型預測控制(model predictive control,MPC)能夠克服系統(tǒng)的不確定性,是解決這一問題的有效途徑,它在電力系統(tǒng)優(yōu)化控制中的應用受到廣泛重視[5-10]。文獻[6-7]基于模型預測控制提出了含分布式電源電力系統(tǒng)的電壓調節(jié)控制策略。文獻[8]將模型預測控制用于大規(guī)模風電接入電力系統(tǒng)的有功調度控制中,對風電機組及傳統(tǒng)機組進行優(yōu)化控制,以提高系統(tǒng)運行的經濟性。文獻[9]將模型預測控制與大系統(tǒng)分層遞階控制結合,提出了將分層模型預測控制方法用于大規(guī)模風電接入電力系統(tǒng)的有功調度控制方法。文獻[10]提出了基于模型預測控制的多時間尺度主動配電網多源協(xié)調優(yōu)化調度策略,精細化協(xié)調控制和管理主動配電網中的分布式電源、儲能以及柔性負荷。但上述文獻多是對系統(tǒng)有功優(yōu)化調度進行研究,并未考慮無功優(yōu)化控制。

配電網線路的R/X比值較大,有功、無功功率的耦合性較強,二者對線路損耗、電壓質量均有極大的影響,尤其是對于光伏滲透率較高的配電網,基于有功、無功解耦的優(yōu)化控制方法已不適用,需考慮有功功率—無功功率協(xié)調優(yōu)化控制。文獻[11]建立了一種配電網有功功率—無功功率協(xié)調多時段優(yōu)化模型,通過調節(jié)分布式電源、儲能裝置、電容器組實現(xiàn)優(yōu)化控制。文獻[12]提出了魯棒區(qū)間電壓控制方法,在計算出最優(yōu)無功補償決策的同時給出光伏電站的有功出力區(qū)間。文獻[13]利用分布式電源及儲能裝置,建立了綜合調度有功、無功優(yōu)化控制模型,以提高分布式電源的并網水平、改善節(jié)點電壓水平。但這些文獻沒有考慮光伏出力及負荷需求的隨機性和波動性,而是將其作為確定量進行處理,而且通過智能逆變器接入配電網的分布式光伏具有一定的無功調節(jié)能力,在這些文獻中也并未對此進行充分利用。

針對上述問題,本文基于模型預測控制,綜合考慮配電網中多種可控裝置,提出一種含分布式光伏配電網的有功功率—無功功率協(xié)調控制方法,將控制過程劃分為長時間尺度優(yōu)化控制及短時間尺度優(yōu)化控制。不同時間尺度優(yōu)化控制針對各自的控制目標及控制變量分別執(zhí)行單獨的模型預測控制。長時間尺度基于光伏出力及負荷需求預測信息,采用多步滾動優(yōu)化求解各可控裝置的有功、無功出力,短時間尺度以長時間尺度的計算結果為基準值,滾動求解有功、無功出力增量。通過采用模型預測控制方法及多時間尺度協(xié)調控制結構應對光伏出力及負荷需求的波動性和隨機性,減小網絡損耗,保證系統(tǒng)的安全與經濟運行。

1 基于模型預測控制的優(yōu)化控制策略

1.1 模型預測控制理論

模型預測控制是一種基于模型的有限時域閉環(huán)優(yōu)化控制算法,具有易于建模、控制效果良好、魯棒性強等優(yōu)點,能夠有效應對系統(tǒng)的非線性、時變性和不確定性,廣泛應用于煉油、化工、冶金和電力等復雜工業(yè)過程控制中[14-15]。模型預測控制由預測模型、滾動優(yōu)化和反饋校正三個環(huán)節(jié)構成。與傳統(tǒng)的開環(huán)優(yōu)化一次下發(fā)全部優(yōu)化指令的優(yōu)化方式不同,模型預測控制采用滾動優(yōu)化策略,其機理為:在每一采樣時刻,根據當前系統(tǒng)狀態(tài)及測量信息,基于預測模型對未來狀態(tài)的預測結果,在線求解一個有限時長的最優(yōu)控制問題,得到當前時刻和未來時段內的控制行為,并只執(zhí)行當前時刻的控制行為,在下一個采樣時刻,根據前一時刻控制后的系統(tǒng)狀態(tài)及新的測量信息,重復上述過程。

1.2 基于模型預測控制的優(yōu)化控制策略

現(xiàn)有基于模型預測控制的優(yōu)化控制方法多是對系統(tǒng)進行有功優(yōu)化調度,這種調度模式為保證系統(tǒng)的安全運行要求,對系統(tǒng)內分布式能源有功出力進行了抑制[8-10],不符合分布式能源最大化利用的原則和發(fā)展方向。本文基于模型預測控制方法,綜合考慮系統(tǒng)中的多種可控裝置,提出一種基于模型預測控制的有功功率—無功功率協(xié)調優(yōu)化控制策略。通過儲能裝置進行有功調節(jié),通過有載調壓變壓器、補償電容器組、靜止無功補償裝置及分布式光伏進行無功調節(jié),所提方法通過有功、無功功率的協(xié)調控制,最大化保證分布式光伏的就地消納。并將控制過程劃分為長時間尺度優(yōu)化控制和短時間尺度優(yōu)化控制,長時間尺度優(yōu)化控制保證系統(tǒng)運行的經濟性,短時間尺度優(yōu)化控制保證系統(tǒng)運行的安全性,二者基于各自的優(yōu)化目標分別執(zhí)行單獨的模型預測控制。長時間尺度優(yōu)化控制以系統(tǒng)網損最小為優(yōu)化目標,基于光伏出力及負荷需求的預測數(shù)據,以ΔT為時間間隔,對未來MΔT時間內系統(tǒng)中各可控裝置的有功、無功出力進行優(yōu)化求解,作為短時間尺度優(yōu)化控制層的調節(jié)基點。短時間尺度優(yōu)化控制根據當前系統(tǒng)運行狀態(tài)及更小時間尺度的光伏出力及負荷需求預測數(shù)據,以Δt(Δt<ΔT)為時間間隔,滾動求解未來NΔt時間內系統(tǒng)中各可控裝置的有功、無功出力增量,對上一級優(yōu)化結果進行修正?；谀Ｐ皖A測控制的優(yōu)化控制策略示意圖如圖1所示。

圖1 基于模型預測控制的控制策略示意圖Fig.1 Schematic diagram of MPC based control strategy

2 基于模型預測控制的優(yōu)化控制模型

2.1 長時間尺度優(yōu)化控制模型

長時間尺度優(yōu)化控制以有載調壓變壓器及補償電容器組擋位、靜止無功補償裝置及分布式光伏無功出力、儲能裝置充放電功率為控制變量,以系統(tǒng)實際運行狀態(tài)為初始值,以光伏出力及負荷需求的預測數(shù)據為輸入變量,以ΔT為時間間隔,滾動求解未來MΔT時間內各可控裝置的有功、無功出力。

2.1.1優(yōu)化目標

為保證系統(tǒng)運行經濟性,減少網絡損耗,長時間尺度優(yōu)化控制的優(yōu)化目標為系統(tǒng)網損最小,即

(1)

2.1.2約束條件

1)潮流約束

針對放射網,本文采用Distflow形式表示潮流方程(式(2)至式(6)),其單條線路拓撲結構如圖2所示。

(2)

(3)

(4)

(5)

(6)

圖2 支路潮流模型Fig.2 Branch flow model

2)電壓水平約束

(7)

3)支路容量約束

(8)

4)分布式光伏運行約束

(9)

(10)

(11)

5)有載調壓變壓器運行約束

kij,t=k0+Kij,tΔkij

(12)

(13)

6)靜止無功補償裝置運行約束

(14)

7)補償電容器組運行約束

(15)

式中:Hi,t為可調擋位，Hi,t∈Z;ΔQc,i,t為調節(jié)步長;Hmax為補償電容器組的最大可調擋位。

8)儲能裝置運行約束

(16)

(17)

(18)

2.2 短時間尺度優(yōu)化控制模型

由于光伏出力和負荷需求的隨機波動大,長時間尺度的預測數(shù)據誤差較大,無法滿足精度要求,因此增加短時間尺度優(yōu)化控制,基于系統(tǒng)當前運行狀態(tài)及更小時間尺度的預測數(shù)據對長時間尺度的優(yōu)化控制結果進行調整,以Δt(Δt<ΔT)為時間間隔,滾動求解未來NΔt時間內系統(tǒng)中各可控裝置的有功、無功出力增量。有載調壓變壓器和補償電容器組響應速度較慢,且調整不宜過于頻繁,因此在短時間尺度優(yōu)化控制中不對二者進行調整,控制變量為儲能裝置充放電功率增量、靜止無功補償裝置及分布式光伏無功出力增量。

2.2.1優(yōu)化目標

由于光伏出力及負荷需求預測數(shù)據的誤差隨著預測時間的提前而增大,為應對二者的隨機波動,防止出現(xiàn)電壓越限,保證系統(tǒng)運行的安全性,同時為保證與長時間尺度整體優(yōu)化方向及分析計算的一致性,短時間尺度優(yōu)化控制仍以系統(tǒng)網損最小為優(yōu)化目標。

(19)

2.2.2約束條件

1)潮流約束

(20)

2)其他約束

(21)

式(21)包括電壓水平約束、支路容量約束、分布式光伏運行約束、靜止無功補償裝置運行約束及儲能裝置運行約束。

2.3 優(yōu)化模型的二階錐規(guī)劃描述

本文所述優(yōu)化問題中既包括連續(xù)變量又包括整數(shù)變量,其數(shù)學本質為混合整數(shù)非凸、非線性優(yōu)化問題,難以求得最優(yōu)解,本文考慮將優(yōu)化模型轉化為可高效求解的二階錐規(guī)劃(second-order cone programming,SOCP)問題。

2.3.1二階錐規(guī)劃

二階錐規(guī)劃的標準形式如下[16-17]:

(22)

式中:變量x∈RN;常量b∈RM,c∈RN,A∈RM×N;K為如式(23)和式(24)所示的二階錐或旋轉二階錐。

二階錐:

(23)

旋轉二階錐:

(24)

2.3.2優(yōu)化問題的二階錐規(guī)劃描述

以長時間尺度優(yōu)化控制為例,潮流約束中的式(3)與式(4)為非凸、非線性方程,優(yōu)化目標函數(shù)及其他約束條件為線性方程,需對式(3)和式(4)進行處理。

式(3)與式(13)為對有載調壓變壓器的約束,采用基于分段線性化的精確線性化建模方法[18]對有載調壓變壓器建模,將該約束轉化為線性約束。

對式(4)采用二階錐方法[11]進行松弛,松弛之后,式(4)可改寫為:

(25)

將其改寫為標準二階錐形式,即

(26)

長時間尺度優(yōu)化控制模型中包含離散變量及連續(xù)變量,優(yōu)化模型最終轉化為混合整數(shù)二階錐規(guī)劃模型;短時間尺度優(yōu)化控制模型中只包含連續(xù)變量,最終轉換為二階錐規(guī)劃模型。

3 算例分析

3.1 仿真系統(tǒng)

本文采用改進IEEE 33節(jié)點系統(tǒng)進行仿真分析,系統(tǒng)結構如附錄A圖A1所示。在節(jié)點0,1間接入有載調壓變壓器,電壓調節(jié)范圍為[0.95,1.05](標幺值),8擋可調,調節(jié)步長為0.012 5(標幺值);節(jié)點30接入補償電容器組,調節(jié)步長為50 kvar,調節(jié)范圍為0～300 kvar;節(jié)點10接入靜止無功補償裝置,無功補償區(qū)間為0～500 kvar;節(jié)點17接入儲能裝置,容量為1 000 kW·h,充放電效率為95%,最大充放電功率為200 kW,其初始容量為500 kW·h;節(jié)點7,15,28分別接入容量為1 000 kW的分布式光伏。

本文仿真算例中長時間尺度優(yōu)化控制以1 h為時間間隔,對未來4 h內系統(tǒng)內可控裝置的有功、無功出力進行優(yōu)化求解,作為短時間尺度優(yōu)化控制層的調節(jié)基點。短時間尺度優(yōu)化控制以15 min為時間間隔,滾動求解未來1 h內系統(tǒng)中各可控裝置的有功、無功出力增量,對上一級預測結果進行修正。本文將優(yōu)化模型轉化為二階錐規(guī)劃模型,采用Mosek算法包求解。

3.2 仿真結果

光伏出力及負荷需求的預測曲線如附錄A圖A2所示,為驗證本文所提控制方法應對光伏出力及負荷需求隨機波動的有效性,在每一長期及短期滾動優(yōu)化階段分別添加一組-5%～5%的隨機序列,模擬光伏出力及負荷需求的擾動量,作為模型預測控制的輸入。

圖3(a)給出了有載調壓變壓器和補償電容器組的擋位調節(jié)情況,受其設備性能及響應時間的限制,只在長時間尺度優(yōu)化控制中對其進行調整,可以看出二者的操作均出現(xiàn)在負荷與光伏大幅波動時。圖3(b)給出了靜止無功補償裝置的無功出力情況,為容性補償,當光伏出力陡升至峰值時,由于分布式光伏的容量限制,分布式光伏的最大無功出力降低,故靜止無功補償裝置無功出力大幅增加,當分布式光伏有功出力水平降低,分布式光伏可提供的無功出力增加,故靜止無功補償裝置的無功出力有所減少。圖3(c)給出了儲能裝置的充放電功率及荷電狀態(tài),儲能裝置的初始電量為500 kW·h,可以發(fā)現(xiàn)：當光伏出力接近于0時,儲能裝置發(fā)出電量；當光伏出力增加時,儲能裝置開始儲存電量,負荷重載及光伏出力減少,儲能裝置釋放電量,以實現(xiàn)系統(tǒng)安全穩(wěn)定運行。圖3(d)給出了分布式光伏無功出力的情況,其無功出力與其容量及接入位置有關,當系統(tǒng)處于光伏出力水平較低、負荷需求較高時,分布式光伏增發(fā)無功出力以滿足系統(tǒng)安全穩(wěn)定及經濟運行要求。

優(yōu)化前后系統(tǒng)根節(jié)點功率變化曲線如附錄A圖A3所示,由于本文所提優(yōu)化控制方法不對分布式光伏的有功出力進行削減,只通過儲能裝置進行有功調節(jié)。從附錄A圖A3(a)中可以看出,放射網與主網的有功功率交換相差無幾;從附錄A圖A3(b)中可以看出,本文方法可有效減少放射網從主網獲取的無功功率,從而減少無功功率的長距離輸送。

優(yōu)化前后系統(tǒng)節(jié)點電壓的對比圖如附錄A圖A4所示,本文將節(jié)點電壓約束設置為[0.95,1.05](標幺值)。選取兩個典型場景：場景1為12:00時,光伏出力高而負荷需求相對較低,優(yōu)化后系統(tǒng)網損明顯降低,且節(jié)點電壓均在安全范圍內；場景2為20:00時,光伏出力低而負荷需求高,優(yōu)化前節(jié)點電壓越下限,優(yōu)化后節(jié)點電壓均在安全范圍內。

圖3 可控裝置優(yōu)化控制結果Fig.3 Optimal control results of controllable devices

優(yōu)化前后系統(tǒng)網損的對比如圖4所示。由圖4可以看出,18:00后,由于光伏出力減小,負荷需求增加,故系統(tǒng)網損較其他時段較高,通過調節(jié)多種可控裝置,其優(yōu)化結果也較其他時段更好。通過對比發(fā)現(xiàn),優(yōu)化后系統(tǒng)的網損降低效果明顯,這也證明了本文所提優(yōu)化控制方法的有效性。

圖4 優(yōu)化控制前后系統(tǒng)網損Fig.4 Loss of system before and after optimal control

4 結語

本文針對光伏出力及負荷需求的不確定性和波動性問題,基于模型預測控制理論提出一種含分布式光伏配電網的有功功率—無功功率協(xié)調控制方法,該方法中不同時間尺度優(yōu)化控制針對各自的控制目標及控制變量分別執(zhí)行單獨的模型預測控制,采用多步滾動優(yōu)化求解系統(tǒng)中有載調壓變壓器、補償電容器組、靜止無功補償裝置、儲能裝置及分布式光伏的有功和無功出力,保證系統(tǒng)運行的安全性與經濟性。同時,針對非線性優(yōu)化的求解問題,采用二階錐松弛方法進行求解,保證了算法的收斂性。通過算例分析,證明了該有功功率—無功功率協(xié)調控制方法的有效性。本文僅對含分布式光伏配電網的優(yōu)化控制進行了研究,后續(xù)可針對含有多種分布式電源的有源配電網優(yōu)化控制進行深入研究。

附錄見本刊網絡版(http://www.aeps-info.com/aeps/ch/index.aspx)。

[1] 丁明,王偉勝,王秀麗,等.大規(guī)模光伏發(fā)電對電力系統(tǒng)影響綜述[J].中國電機工程學報,2014,34(1):1-14.

DING Ming, WANG Weisheng, WANG Xiuli, et al. A review on the effect of large-scale PV generation on power systems[J]. Proceedings of the CSEE, 2014, 34(1): 1-14.

[2] 王成山,李鵬.分布式發(fā)電、微網與智能配電網的發(fā)展與挑戰(zhàn)[J].電力系統(tǒng)自動化,2010,34(2):10-23.

WANG Chengshan, LI Peng. Development and challenges of distributed generation, the micro-grid and smart distribution system[J]. Automation of Electric Power Systems, 2010, 34(2): 10-23.

[3] TAN Y T, KRISCHEN D S. Impact on the power system of a large penetration of photovoltaic generation[C]// IEEE Power Engineering Society General Meeting, June 24-28, 2007, Tampa, USA.

[4] 陳煒,艾欣,吳濤,等.光伏并網發(fā)電系統(tǒng)對電網的影響研究綜述[J].電力自動化設備,2013,33(2):26-32.

CHEN Wei, AI Xin, WU Tao, et al. Influence of grid-connected photovoltaic system on power network[J]. Electric Power Automation Equipment, 2013, 33(2): 26-32.

[5] 劉向杰,孔小兵.電力工業(yè)復雜系統(tǒng)模型預測控制——現(xiàn)狀與發(fā)展[J].中國電機工程學報,2013,33(5):79-85.

LIU Xiangjie, KONG Xiaobing. Present situation and prospect of model predictive control application in complex power industrial process[J]. Proceedings of the CSEE, 2013, 33(5): 79-85.

[6] 蔡宇,林今,宋永華,等.基于模型預測控制的主動配電網電壓控制[J].電工技術學報,2015,30(23):42-49.

CAI Yu, LIN Jin, SONG Yonghua, et al. Voltage control strategy in active distribution network based on model predictive control[J]. Transactions of China Electrotechnical Society, 2015, 30(23): 42-49.

[7] 徐峰達,郭慶來,孫宏斌,等.基于模型預測控制理論的風電場自動電壓控制[J].電力系統(tǒng)自動化,2015,39(7):59-67.DOI:10.7500/AEPS20140417004.

XU Fengda, GUO Qinglai, SUN Hongbin, et al. Automatic voltage control of wind farms based on model predictive control theory[J]. Automation of Electric Power Systems, 2015, 39(7): 59-67. DOI: 10.7500/AEPS20140417004.

[8] XIE Le, ILIC M D. Model predictive economic environmental dispatch of power systems with intermittent resource[C]// IEEE Power &Energy Society General Meeting, July 26-30, 2009, Canada.

[9] 張伯明,陳建華,吳文傳.大規(guī)模風電接入電網的有功分層模型預測控制方法[J].電力系統(tǒng)自動化,2014,38(9):6-14.DOI:10.7500/AEPS20130712012.

ZHANG Boming, CHEN Jianhua, WU Wenchuan. A hierarchical model predictive control method of active power for accommodating large-scale wind power integration[J]. Automation of Electric Power Systems, 2014, 38(9): 6-14. DOI: 10.7500/AEPS20130712012.

[10] 董雷,陳卉,蒲天驕,等.基于模型預測控制的主動配電網多時間尺度動態(tài)優(yōu)化調度[J].中國電機工程學報,2016,36(17):1-8.

DONG Lei, CHEN Hui, PU Tianjiao, et al. Multi-time scale dynamic optimal dispatch in active distribution network based on model predictive control[J]. Proceedings of the CSEE, 2016, 36(17): 1-8.

[11] 劉一兵,吳文傳,張伯明,等.基于混合整數(shù)二階錐規(guī)劃的主動配電網有功-無功協(xié)調多時段優(yōu)化運行[J].中國電機工程學報,2014,34(16):2575-2583.

LIU Yibing, WU Wenchuan, ZHANG Boming, et al. A mixed integer second-order cone programming based active and reactive power coordinated multi-period optimization for active distribution network[J]. Proceedings of the CSEE, 2014, 34(16): 2575-2583.

[12] 王永杰,吳文傳,張伯明,等.有功無功協(xié)調的主動配電網魯棒電壓控制[J].電力系統(tǒng)自動化,2016,40(9):29-34.DOI:10.7500/AEPS20150613002.

WANG Yongjie, WU Wenchuan, ZHANG Boming, et al. Active and reactive power coordinated robust optimization for active distribution networks[J]. Automation of Electric Power Systems, 2016, 40(9): 29-34. DOI: 10.7500/AEPS20150613002.

[13] GABASH A, LI Pu. Active-reactive optimal power flow in distribution networks with embedded generation and battery storage[J]. IEEE Trans on Power Systems, 2012, 27(4): 2026-2035.

[14] 席裕庚.預測控制[M].北京:國防工業(yè)出版社,1993.

[15] QIN S J, BADGWELL T A. An overview of nonlinear model predictive control application[M]// Nonlinear Model Predictive Control. Birkhauser Basel, 2000: 3-32.

[16] ALIZADEH F, GOLDFARB D. Second-order cone programming[J]. Mathematical Programming, 2001, 95(1): 3-51.

[17] ANDERSEN E D, ROOS C, TERLAKY T. On implementing a primal-dual interior-point method for conic quadratic optimization[J]. Mathematical Programming, 2003, 95(2): 249-277.

[18] 劉斌,劉鋒,梅生偉,等.基于二階錐優(yōu)化的含有載調壓變壓器主動配電網最優(yōu)潮流[J].電力系統(tǒng)自動化,2015,39(19):40-47.DOI:10.7500/AEPS20150104003.

LIU Bin, LIU Feng, MEI Shengwei, et al. Optimal power flow in active distribution networks with on-load tap changer based on second-order cone programming[J]. Automation of Electric Power Systems, 2015, 39(19): 40-47. DOI: 10.7500/AEPS20150104003.

CoordinatedControlofActiveandReactivePowerforDistributionNetworkwithDistributedPhotovoltaicBasedonModelPredictiveControl

ZHANGYing1,JIYu2,TANGYunfeng1

(1. College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China; 2. China Electric Power Research Institute, Beijing 100192, China)

In order to solve the fluctuation and randomness of distributed photovoltaic (PV) output and load demand in distribution network and ensure the safety and economical operation of the system, a coordinated control method of active and reactive power for distribution network with distributed PV based on model predictive control is proposed. The method divides the control process into long-time scale optimization control and short-time scale optimization control. Based on the forecasting information on PV output and load demand, multi-step optimization is used to solve the active and reactive power output in long-time scale optimization control. Short-time scale optimization control uses the output of active and reactive power which is solved in the long-time scale optimization control as the reference value, and solves the active and reactive power output increment by multi-step optimization. The models are transformed into a second-order cone programming problem as both optimal models are non-convex and nonlinear, which are hard to solve. An improved IEEE 33-bus distribution network system is used to verify the feasibility and effectiveness of the proposed control method.

This work is supported by National Key Research and Development Program of China (No. 2016YFB0900400).

model predictive control; active-reactive power optimal control; multi-time scale coordination; second-order cone programming

2016-12-26;

2017-03-13。

上網日期: 2017-05-16。

國家重點研發(fā)計劃資助項目(2016YFB0900400)。

張 穎(1994—),女,碩士研究生,主要研究方向:含分布式發(fā)電配電網優(yōu)化控制。E-mail： zy0106@cau.edu.cn

季 宇(1982—),男,博士,主要研究方向:分布式發(fā)電、能源互聯(lián)網運行控制技術。E-mail: jiyu@epri.sgcc.com.cn

唐云峰(1964—),男,通信作者,副研究員,主要研究方向:新能源發(fā)電。E-mail: tyf@cau.edu.cn

(編輯孔麗蓓)