CN110326182B - 具有自主der电压控制的协调和优化的分层鲁棒模型预测电压和var控制 - Google Patents

具有自主der电压控制的协调和优化的分层鲁棒模型预测电压和var控制 Download PDF

Info

Publication number
CN110326182B
CN110326182B CN201680078417.7A CN201680078417A CN110326182B CN 110326182 B CN110326182 B CN 110326182B CN 201680078417 A CN201680078417 A CN 201680078417A CN 110326182 B CN110326182 B CN 110326182B
Authority
CN
China
Prior art keywords
power distribution
control
distribution system
power
voltage
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201680078417.7A
Other languages
English (en)
Other versions
CN110326182A (zh
Inventor
冯晓鸣
康宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ABB Grid Switzerland AG
Original Assignee
Hitachi Energy Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hitachi Energy Co ltd filed Critical Hitachi Energy Co ltd
Publication of CN110326182A publication Critical patent/CN110326182A/zh
Application granted granted Critical
Publication of CN110326182B publication Critical patent/CN110326182B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05F—SYSTEMS FOR REGULATING ELECTRIC OR MAGNETIC VARIABLES
    • G05F1/00—Automatic systems in which deviations of an electric quantity from one or more predetermined values are detected at the output of the system and fed back to a device within the system to restore the detected quantity to its predetermined value or values, i.e. retroactive systems
    • G05F1/70—Regulating power factor; Regulating reactive current or power
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06G—ANALOGUE COMPUTERS
    • G06G7/00—Devices in which the computing operation is performed by varying electric or magnetic quantities
    • G06G7/48—Analogue computers for specific processes, systems or devices, e.g. simulators
    • G06G7/62—Analogue computers for specific processes, systems or devices, e.g. simulators for electric systems or apparatus
    • G06G7/63—Analogue computers for specific processes, systems or devices, e.g. simulators for electric systems or apparatus for power apparatus, e.g. motors, or supply distribution networks
    • G06G7/635—Analogue computers for specific processes, systems or devices, e.g. simulators for electric systems or apparatus for power apparatus, e.g. motors, or supply distribution networks for determining the most economical distribution in power systems
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
    • H02J3/1821—Arrangements for adjusting, eliminating or compensating reactive power in networks using shunt compensators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/30—Reactive power compensation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Hardware Design (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Mathematical Physics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

设备、方法和***的特征在于模型预测电压和VAR控制，所述模型预测电压和VAR控制与自主无功功率控制协调并且具有自主无功功率控制的可选的优化，该自主无功功率控制诸如为自主分布式能源和/或自主开关电容器组。一个实施例包括电子控制***，其被构造为构建包括多个预定节点的配电***的线性模型、操作模型预测控制器以使用由在未来展望时间跨度下的多个未来情景以及多个约束限定的目标函数来识别优化的控制命令、并且传输识别的控制命令以控制至少电压调节器和开关电容器组的操作。

Description

具有自主DER电压控制的协调和优化的分层鲁棒模型预测电 压和VAR控制
背景技术
本申请总体涉及配电***的电压/VAR控制优化。配电***越来越多地遇到诸如住宅光伏(PV)***的分布式能源(DER)。配电***中的DER的高水平渗透对***操作者来说呈现了新的规划和操作挑战。DER***可以在分布式***以及传输***上产生可感知的净功率注入。分布式电路上的功率的注入导致该分布式电路上的电压升高，这对于高水平的净功率注入而言可能变得非常严重并且可能超过规定的标准或操作限制。另外，来自DER***的功率经常间歇、不确定并且可能快速改变。来自DER***的功率水平可以在短时间内显著变化，导致分布式***中的快速电压变化。传统的电压调节技术由于DER***功率输出的改变而不能充分地处理快速电压变化。此外，在许多情况下，管理配电***的控制中心不知晓关于配电***的重要信息。分布式***电路拓扑的多个方面可能不会被完全地表征或知晓。这妨碍了需要配电***的详细的功率流模型和/或功率流解决方案的技术的使用。
发明内容
公开了独特的设备、方法和***，其特征在于具有诸如自主分布式能源和/或自主开关电容器组的自主无功功率元件的协调和优化的模型预测电压和VAR控制。一个示例性实施例包括电子控制***，所述电子控制***被构造为：构建包括多个预定节点的配电***的线性模型；操作模型预测控制器以进行多个预测，所述预测中的每个预测包括由针对电压调节器、电容器组和分布式能源的预测控制命令产生的在预定节点处的预测电压；基于满足在模型预测控制器中实施的一个或多个电压状况的预测模型、使用混合整数规划求解器或混合整数二次规划求解器来确定优化控制；并且传输识别的控制命令以控制至少电压调节器和开关电容器组的操作、以及可选地用于DER的自主控制的参数。进一步的实施例、形式、目标、特征、优点、方面和益处从下面的描述和附图中将变得显而易见。
附图说明
为了清楚、简洁并且准确地描述本公开的示例性实施例，制造和使用本公开的示例性实施例的方式和过程的目的，并且为了能够实践、制造并且使用本公开的示例性实施例，现在将参照特定示例性实施例，包括附图中示出的那些，并且将使用特定语言描述这些示例性实施例。这无论如何不能被理解为由此产生本公开的范围的任何限制，并且本公开包括并保护示例性实施例的这种变形、改变和进一步引用，如本领域技术人员将理解的那样。
图1是示出示例性配电***的示意图。
图2是示出配电***的示例性控制的示意图。
图3是示出线性化电路模型的电路图。
图4是示出示例性控制层级的示意图。
图5和图6是示出示例性***状态预测和控制概念的图。
图7是示出智能逆变器的示例性电压/VAR跌落曲线的图。
具体实施方式
参照图1，示出了示例性配电***100。***100包括被构造为从发电和/或传输***(未示出)变换电力的变电站110。变电站110包括变电站变压器112和断路器114，该断路器114被构造为将电力分配到电力馈送***120的电力馈送线121。控制器119与变电站变压器112可操作地耦合，并且被构造为例如通过改变负载分接位置而控制变电站变压器112。***120包括联络开关123和开关柜125，该开关柜125被构造为与它们所连接的***元件选择性地电连接和断开电连接。***120还包括电压调节器130，其与相应的控制器119可操作地耦合，该控制器119被构造为例如通过改变分接位置设置来控制电压调节器130的电压调整功能。在示出的实施例中，***120包括多个电压调节器130。将理解的是，其他实施例可以包括一个或多个电压调节器130。***120进一步包括开关电容器组140，其与相应的控制器119可操作地耦合，该控制器119被构造为控制开关电容器组140的开启和关闭操作以将无功功率注入到***120中。在示出的实施例中，***120包括多个开关电容器组140。将理解的是，其他实施例可以包括一个或多个开关电容器组140。在特定实施例中，开关电容器组140的一个或多个开关电容器组可以通过来自中央变流器的命令而被控制。在特定实施例中，开关电容器组140的一个或多个开关电容器组140可以被自主地控制。在特定实施例中，可以包括中央控制和自主的开关电容器组两者。
***120包括开关柜125、横向电力线126、服务变压器129和次级功率线127以及高级计量体系(advanced metering infrastructure，AMI)表150，该AMI计与相应的负载160电耦合。将理解的是，AMI表150是电子电能表的一个示例，并且电子电能表可以包括被配置为测量电气特征和将测量的信息传达或传输到其它装置或***的任意装置。负载160可以采用包括工业和商业负载以及住宅负载的各种形式。多个负载160包括分布式能源(DER)***170。将理解的是，包括DER***的负载可以用作电力负载和电源两者，并且可以称为负载/源***。DER***170包括可以是常规逆变器或智能逆变器的逆变器。在示出的实施例中，DER***170被构造为光伏阵列，但是还可以包括其它类型的DER***，诸如使用小型水利发电机、生物发电机、沼气发电机、风力发电机、燃料电池的DER***，和/或地热电力***。
在示出的实施例中，***100被构造为包括高渗透的DER***170，高渗透即渗透程度足以产生影响***100的操作的可感知的功率注入事件和电压变化。多个DER***170包括智能逆变器，其可以提供电压调节和频率调节，以及其他调节功能。对于电压调节而言，智能逆变器可以以包括恒定功率因数模式和电压/VAR跌落曲线控制模式的多个不同的模式操作。在恒定功率因数控制模式中，智能逆变器控制有功和无功功率以选定的功率因数提供操作。在电压/VAR跌落控制模式中，智能逆变器根据公共耦合点(PCC)处的测量电压与限定的电压参考的偏差而改变无功功率输出。示例性电压/VAR跌落曲线在图7中示出。
***100与控制中心190可操作地通信，该控制中心190包括基于计算机的电子控制***197，其经由通信链接192与控制器119可操作地通信，并且被构造为将控制命令发送到每个控制器119以控制与该控制器119可操作地通信的相应装置的操作。以这种方式，控制***197可以提供命令以控制变电站变压器112、电压调节器130和开关电容器组140的操作。控制***197还可以从控制器119接收关于这些装置和***的状态的信息。控制***197还经由通信链路197与表150可操作地通信并且被构造为关于每个表150所处的***100中的特定位置处的电气状况从表150接收信息。控制***197进一步被构造为将控制命令请求提供给与DER***170相关联的智能表150。
将理解的是，***100可以包括如上所述的元件和***的多个附加的实例，其包括附加或备选的电压调节器130和关联的控制器119、电容器组140和关联的控制器119、服务变压器129、横向电力线127、AMI表150、负载160和DER***170。此外，这些元件可以以不同于图1所示各种配置进行布置。在特定实施例中，***100可以被构造为一个或多个微电网。
示出的***100的形式提供包括DER***的相对较高渗透的配电***的一个非限制性示例。在这类分配***中，由于负载160经受每日需求周期，因此***上流动的功率可能导致功率损失以及与标称电压的电压偏差。诸如电压调节器、开关电容器组的电压和无功功率控制装置以及DER***的无功功率可以用作电压/VAR控制***的部分以调节电压和功率损失。
控制***197被构造为针对***提供电压/VAR控制，其中***诸如包括高渗透的DER***、其中一些***可以配备有智能逆变器控制能力的***100。在控制***197上实施的电压/VAR控制优选地基于分层控制架构，该分层控制架构被构造为将智能逆变器的更快动作的本地自主控制与电压调节器和开关电容器组的中央优化进行协调。控制利用模型预测控制器以确定在未来展望时间跨度内的电压调节器和开关电容器的最优设置，该时间跨度针对控制***可能具有限制的控制或影响或者没有能力控制或影响的DER***170的预测未来操作。在特定形式中，DER***170的软(即，非强制性)控制命令还可以被确定并传输到包括智能逆变器的特定DER***170。这种软控制命令可以包括明确的命令以改变操作模式，DER***170的设置或操作被控制***197认为对DER***170的请求而不是可以被强加或要求的命令。
在***197上实施的控制优选地将控制责任划分为较慢和较快时标。尽管可以设想这些总体时标的变化，但是在特定***中，较慢时标的范围可以从大约每半小时到每天几次，较快时标的范围可以在从几秒钟到几分钟的量级。诸如电压调节器130和变电站变压器112的电压调节器和诸如电容器组140的开关电容器组优选地通过诸如***197的中央控制***而在较慢时标内被控制，以便限制控制事件的数目以避免这些元件的过早磨损。尽管这些元件在较慢时标内被控制，但是优选的方法不仅针对诸如消费者用电高峰时段的缓慢发展的负载变化、还利用针对未来DER状况及其本地自主控制动作的模型预测。
在分布在***100中的DER***中存在的智能逆变器被构造为自主地控制较快发展的负载和DER有功功率变化。自主DER控制可以是完全自主的，即，完全独立于诸如***197的中央控制***。自主DER控制还可以关于其最终控制决定是自主的，但是还利用或选择性地依赖从控制***197传达的控制命令、诸如在恒定功率因数模式中的操作期间的功率因数命令或者在电压/VAR跌落曲线模式中的操作期间的优选的电压设置点和斜率信息。控制命令可以针对控制参数而被特别地设置，例如，产生10KVAR无功功率的命令。控制命令还可以是基于规则的控制命令，例如，产生所生成的有功功率量的无功功率改变以保持特定功率因数的命令。将理解的是，智能逆变器是可以与相应DER可操作地耦合并且可以控制其操作的控制器的一个示例。
在***197中实施的控制被优选地构造为同时集成较慢时间帧控制和较快时间帧控制两者的控制效果。优选的控制模式***操作包括中央模型预测控制中的智能逆变器操作，该中央模型预测控制包括鲁棒优化配制(formulation)以处理关于未来DER操作的预测中的不确定性。优化模型可以在线主动更新。基于状况的两级优化处理被优选用于故障安全解决方案以进一步优化DER有功功率削减，以便校正任何的残余电压违规。在特定形式中，优化可以产生针对智能逆变器的请求的智能逆变器电压和VAR跌落控制曲线设置。
参照图2，示出了可以在非暂时性控制器可读介质中实施并且可以通过诸如***197的电子控制***执行的示例性电压/VAR控制器200的示意图。控制器200包括建模器210，其被构造为使用与分配管理***205的电路连接和阻抗信息、来自性能观察***207的配电性能的历史测量以及线性电路原则来构建配电***100的线性化电路模型。
参照图3，示出了由建模器210构建的、根据示例性线性化电路模型的电路图。这里示出的电路模型包括AC变电站电流IS、变电站参考母线电压V0、以及在被优选地选择为***100中的代表点的预定节点处的电压V1、V2、V3和V4。模型还包括节点间导纳(admittance)y01、y12、y23和y34以及可以由DER***170提供的注入电流I1、I2、I3和I4。模型可以是实施的控制***197，其包括根据以下等式的存储在非暂时性计算机可读介质中的可执行指令。
以矩阵形式的***的节点电流等式为：
YV＝I
其中，
VR＝[V1 V2 V3 V4]T；IR＝[I1 I2 I3 I4]T
非边界母线的节点电压可以被表达为：
当节点电流注入矢量IR＝0，则
VR＝V0
VR＝V0+ZIR＝V0+(R+jX)(IR d+jIR q)
关于源电压的电压改变可以被近似为(标幺值)：
其中，ΔVR为多个点电压(例如，节点电压V1、V2、V3和V4)与源(参考)电压(例如，变电站电压V0)之间的电压差的矢量，VR是在多个点处的电压的矢量，V0是源电压的矢量，R是节点间阻抗的电阻分量的矩阵，IR d是有功节点注入电流的矢量，IR q是无功节点注入电流的矢量，X是节点间阻抗的电抗分量的矩阵，并且P和Q是节点功率注入矢量：
P＝[P1 P2 P3 P4]T
Q＝[Q1 Q2 Q3 Q4]T
继续参照图2，由建模器210构建的线性化电流模型220被用在电压/VAR控制(VVC)优化过程230中。VVC优化过程230利用模型预测控制器预测与配电***100的未来控制命令相关联的未来状况。预报***209提供与DER***170和***100的负载160相关联的预报DER***状况和预报负载状况。预报信息可以基于诸如历史负载数据的信息以及可能影响基于光伏的DER***的诸如日照强度的天气信息。
在描述由过程230利用的模型预测控制器时，以下符号被使用：
N＝{1，2，...，N}
N——节点索引集；
T——时间间隔索引集；T＝{1，2，...，T}
S——情景索引集；s＝{1，2，...，M}
u——电压和VAR控制(电容器组、电压调节器、DER无功功率、DER功率削减)
——电容器控制
——分接控制
——DER无功功率控制(注入被定义为正)
——DER电压和VAR控制跌落曲线电压参考
Dt——DER电压和VAR控制跌落系数的对角矩阵
——DER有功功率预报
——DER有功功率削减
V——节点电压相量量级
β——DER功率削减的权重因数；默认β＝10～100
yLB——节点电压矢量量级下限
VUB——节点电压矢量量级上限
m——电压控制误差容限
Vs，t，i(0)——在前一个时间间隔的节点电压量级
S——关于控制的节点电压量级的灵敏度
dt——间隔权重因数
ws
——情景权重因数
z——***最大电压
参照图4，示出了包括第一控制级410和第二控制级420的示例性两级控制400的示意图。由优化过程230和控制***197利用的模型预测控制器可以被构造为实施控制400。模型预测控制器首先在控制级410处执行优化以使用控制级410的控制目标和控制约束来确定预测的未来***状态和控制设置。如果在控制级410处确定了满足约束的控制命令的优化集，则控制***197可以利用命令的该优化集以传输控制信号并且不必前进到控制级420。如果没有确定控制命令的这种优化集，则模型预测控制器在控制级420处执行优化，该优化包括除了在控制级410中的那些控制约束之外的其他控制约束，以使得降低需求响应和削减DER有功功率。将理解的是，本文描述的控制和控制操作可以在与控制***197的一个或多个处理器相关联的一个或多个非暂时性计算机可读介质中实施并且可以根据本文描述的示例性实施例来构造。
在控制级410处，模型预测控制器遵循如下控制目标，在该控制目标中仅利用无功功率控制，并且没有利用需求响应的降低或通过DER***的有功功率削减。可以在控制级410处被优化的控制命令或设置包括针对分接开关、开关电容器和自主控制无功源的设置(例如，智能逆变器功率因数设置、智能逆变器电压跌落设置以及针对自主开关电容器组的设置)。
在控制级420处，模型预测控制器遵循如下控制目标，在该控制目标中，还可以利用DER有功功率削减和需求响应的降低。因此，除了针对分接开关、开关电容器和自主控制无功源的参数(例如，智能逆变器功率因数、智能逆变器电压跌落控制参数、针对自主开关电容器组的参数)的命令之外，可以在控制级420处优化的控制命令或设置包括用于DER有功功率削减的命令和用于负载需求降低的命令。现在将进一步详细描述两级优化控制400的多个示例性实施方式。
示例1
在示例1中，在控制级410处，控制目标是试图确定在未来展望时段内和多个操作情景中、将与标称值的电压偏差的加权最小平方(或线性版本)最小化的未来控制状态(表示为“u”)的电压分布控制目标。该目标可以根据以下等式实施：
在控制级420处，模型预测控制器确定在由模型预测控制器当作因变量的预定代表节点处的预测未来电压的矩阵。模型预测控制器还预测用于电压调节器130的未来设置、用于开关电容器组140的未来设置的矩阵，利用用于DER***170的未来有功功率设置，并且预测被当作自变量的DER***170的未来无功功率输出。因为控制***197具有对电压调节器130和电容器组140的控制，所以这些装置的未来设置可以被当作能够通过***197确定或传输以控制这些装置的操作的硬控制命令或强制控制命令。另一方面，因为控制***197没有据此确定DER***170的无功功率输出水平的最佳实时时间的控制或逐秒信息(second-to-second information)，所以中央控制器可以仅优化智能逆变器的控制规则，例如功率因数、电压或VAR跌落参数。
由模型预测控制器执行的预测利用控制目标上的多个约束。一个约束被构造为描述***的关于前一个时间间隔处的节点电压量级、电容器设置、分接位置设置和DER***的有功和无功功率的动作，以及***负载：
另一个约束被构造为提供***的电压状况的边界。模型预测控制器可以利用针对预测未来电压的电压上限的矩阵、针对该上限的误差容限、针对预测未来电压的电压下限的矩阵以及针对该下限的误差容限。这些边界可以根据以下等式实施：
另一个约束被构造为考虑到DER***170的预测控制动作。在一个形式中，模型预测控制器可以被构造为确定智能逆变器操作在电压/VAR跌落曲线控制模式中的DER***无功功率设置，其还可以被用作特定实施例中的控制并且可以根据以下等式确定：
将理解的是，电压参考(Vt,i ref)和跌落斜率(D)可以被可选地包括为优化中的判定变量。
配备有智能逆变器的分布式能源可以根据图7中示出的电压/VAR跌落曲线700控制无功功率输出。曲线700可以根据以下等式在数学上表达：
其中U是根据以下等式的单位阶跃函数：
将理解的是，电压Va、Vb、Vc、Vd可以被可选地包括为优化中的决定变量。
将理解的是，本文的电压/VAR跌落曲线控制以说明性的形式呈现。该控制可以考虑附加的辅助连续变量和整数(指示器)变量以及附加的约束，以针对自主电容器控制和电压/VAR跌落曲线控制两者实施非凸控制逻辑。在特定形式中，在电压/VAR跌落曲线控制中利用的无功功率和单位阶跃函数技术被利用以考虑到自主控制开关电容器组的动作。自主控制开关电容器组的动作可以使用三个控制区域被建模：开启区域、关闭区域和死区(deadband)，它们可以由考虑到开关电容器组离散的开启/关闭性质的前述单位阶跃函数和期限来定义。
在特定形式中，模型预测控制器可以被备选地构造为确定在恒定功率因数模式操作下的用于智能逆变器的DER功率因数设置或其数学变量。在优选的形式中，预测DER无功功率输出关于DER的有功功率输出和乘数的乘积而被表示，功率因数可以从该乘积而被唯一地推导。
另一个约束被构造为考虑到DER***170提供无功功率输出的能力。例如，模型预测控制器可以利用DER***170的能力的上限和下限以将无功功率注入到***中。这些约束可以根据以下等式被实施：
模型预测控制器还可以利用诸如功率因数约束、装置操作限制约束和能量存储时间依赖约束的其它操作约束。这些约束可以以类似于以上描述的约束的方式使用上限和/或下限而被实施。
如上所述，模型预测控制器可以将其操作转变到控制级420以使用与控制级420相关联的控制目标和控制约束而确定备选的预测未来***状态和控制设置。在控制级420处，模型预测控制器在如下控制状况下遵循电压分布控制目标，在该控制状况中，无功功率控制与有功功率削减一起并且通过DER***170和/或负载160的负载需求降低而被利用。对于控制级420而言，模型预测控制器的目标为确定除了针对DER***170的有功功率削减期限之外、与标称值的电压偏差的加权最小平方最小化的未来控制设置。该目标可以根据以下等式实施：
控制级420包括基本上类似于上述与控制级410有关的那些约束以及考虑到有功功率削减的附加约束。这些约束可以根据被构造为基于通过DER***170输出的有功功率和零有功功率输出而考虑到DER***170的削减有功功率输出的能力的以下等式实施：
还可以利用其它操作约束(例如，功率因数约束、装置操作限制约束、能量存储时间依赖约束)。
示例2
在示例2中，控制级410的控制目标是试图确定在多个电势状态和时间内使最大***电压(表示为z)最小化的未来控制状态(表示为“u”)的保护电压降低控制目标。该目标可以根据以下等式实施：
示例2利用可以根据以下等式实施的、实际电压相对于最大***电压的约束：
zs，t≥Vs，t，i，(s，t，i)∈S×T×N
示例2还利用可以根据以下等式实施的如上面结合示例1描述的约束的基本类似的约束：
在示例2中，如果模型预测控制器将操作转变到控制级420，则模型预测控制器使用允许有功功率削减和/或负载响应降低并且可以根据以下等式实施的不同控制目标：
在示例2中，在级420处，模型预测控制器利用多个约束。由模型预测控制器利用的约束包括可以根据以下等式表示的关于最大***电压的约束：
zs，t≥Vs，t，i，(s，t，i)∈S×T×N
由模型预测控制器利用的约束包括被构造为描述***的关于前一个时间间隔的节点电压量级、电容器设置、分接位置设置和DER***的有功和无功功率约束，以及***负载，这可以根据以下等式实施：
由模型预测控制器利用的约束包括***电压的上限和下限(包括误差容限)，其可以根据以下等式实施：
由模型预测控制器利用的约束包括考虑到DER***170的无功功率控制命令的约束，其可以根据以下等式实施：
由模型预测控制器利用的约束包括关于DER***170提供无功功率输出的能力的约束，其可以根据以下等式实施：
由模型预测控制器利用的约束包括关于DER***170的有功功率削减的约束，其可以根据以下等式实施：
根据任意前述示例实施的模型预测控制器优选地利用时间差分函数扩展，该差分函数扩展利用前一个时间间隔的节点电压测量作为例如如下面等式表示的预测节点电压测量的基础：
使用时间差分技术，模型预测控制器的预测的开始点可以使用最近的测量来设置而不是从无负载状况开始设置。该技术可以被利用以减小实际***的非线性对于线性预测模型的准确性的影响。
在任意前述示例中，模型预测控制器可以将由预测未来控制设置导致的预测未来电压以及它们的关系确定为强加在该模型预测控制器上的状况。图5示出了在控制级410处执行的这种确定的一个示例。在图5中，线502表示电压上限，线504表示在模型预测控制器中实施的电压上限。线510表示当来自DER***170的无功功率输出为零时在特定控制设置处的电压。线520表示从未来控制设置、负载160的预测有功和无功功率、DER***170的预测有功和无功功率以及DER***170的预测电压的一组中产生的电压预测。线522表示针对未来控制设置、负载160的预测有功和无功功率、DER***170的预测有功和无功功率以及已经增加误差容限到高于实际预测的DER***170的电压状况的一组的电压预测。线524表示针对未来控制设置、负载160的预测有功和无功功率、DER***170的预测有功和无功功率以及已经减少误差容限到低于实际预测的DER***170的电压状况的一组的电压预测。因为线520、522和524均落在由线502和504建立的边界内，所以与线520相关联的控制设置可以通过提供给控制***197的模型预测控制器验证为待传输的未来控制命令。
图6示出了在控制级410和420处执行的将未来控制设置及其关系确定为强加在模型预测控制器上的状况的另一示例。如这里所示，线602表示在控制级410处模型预测控制器中实施的电压上限，线604表示在控制级410处模型预测控制器中实施的电压上限。线610表示当来自DER***170的无功功率输出为零时的电压预测。线620表示针对未来控制设置、负载160的预测有功和无功功率、DER***170的预测有功和无功功率以及DER***170的预测电压状态的一组的在控制级410处的电压预测。线622表示针对未来控制设置、负载160的预测有功和无功功率、DER***170的预测有功和无功功率以及已经增加误差容限到高于实际预测的DER***170的电压状况的一组的在控制级410处的电压预测。因为线622落在由线602建立的边界外，所以与线620相关联的控制设置将不会由模型预测控制器所选择以用于作为未来控制命令利用。基于这种确定，模型预测控制器可以转变到操作电平420以利用包括如上所述的DER***170的有功功率降低的新控制目标进行操作。线630表示其中DER***170的有功功率已经降低的控制级420处的电压预测。DER有功功率的降低处于有效地将已经增加误差容限到高于实际预测的DER***170的电压状况带到由线602建立的边界内的量级。因此，与线630相关联的控制设置可以通过提供给控制***197的模型预测控制器验证为待传输的未来控制命令。
继续参照图2，由VVC优化过程230确定的结果被利用以确定针对包括变电站变压器120、电压调节器130、电容器组140的***100的可控制装置的控制命令以及在特定形式中针对DER***170的配备有智能逆变器的那些单元的控制命令。这些控制命令可以包括针对变电站变压器112和电压调节器130的分接位置设置、针对开关电容器组140的开关命令、以及针对包括被构造为以恒定功率因数模式操作的智能逆变器的DER***170的功率因数设置请求或针对包括被构造为利用电压/VAR跌落曲线控制的智能逆变器的DER***170的电压参考和/或斜率。如通过框250和框255共同示出的，一旦控制命令被确定，则电子控制器197可以将这些命令传输到与物理电路可操作地耦合的控制器，例如，与前述可控制装置相关联的***100的控制器119。
在控制命令已经被接收或执行之后，电子控制***197可以在已经被选择为***中的代表点的节点处执行电压和功率状况的测量260。原始测量通过调理和异常检测270被处理，并且调理的测量数据280被用于在线学习操作290以及可以被存储在***209中的更新历史操作中，和/或用在VVC优化230的未来操作中。在线学习操作290被构造为基于与调理的测量信息280相关的当前系数的评估来更新关于线性模型220的系数。以这种方式，控制200可以提供模型的在线学习和优化，该在线学习和优化可以被重复以包括多个VVC优化和学习事件。
现在将描述示例性实施例的进一步方面。一个实施例是一种配电***，包括：与配电变电站电耦合的多个电力线；与所述电力线电耦合的一个或多个开关电容器组以及与所述电力线电耦合的一个或多个电压调节器中的一者或两者；与所述电力线电耦合的多个负载***/源***，所述负载***/源***包括与所述电力线电耦合的电子电能表和与所述电子电能表电耦合的分布式能源，所述分布式能源配备有能够提供所述分布式能源的自主电压和VAR控制的相应控制器；以及电子控制***，其与所述一个或多个开关电容器组和所述一个或多个电压调节器中的一者或两者、所述电子电能表和所述分布式能源的所述控制器可操作地通信。所述电子控制***被构造为执行以下动作：操作模型预测控制器以使用控制目标和多个约束来识别一组优化控制命令，所述多个约束包括限定所述配电***的电气状况与预测控制命令之间的线性化关系的第一约束、建立关于所述电气状况的一个或多个限制的第二约束、以及考虑到基于所述相应控制器的控制模式的所述分布式能源的预测自主操作的第三约束；以及传输所识别的优化控制命令以控制所述电压调节器和所述开关电容器组中的一者或两者的操作。
在所述配电***的特定形式中，操作的动作包括：在被构造有用于所述模型预测控制器的第一优化目标的第一优化级处操作；以及在被构造有用于所述模型预测控制器的与所述第一优化目标不同的第二优化目标的第二优化级处操作。在特定形式中，所述第一优化目标排除所述分布式能源的有功功率的削减和所述负载***/源***的需求响应的利用，并且所述第二优化目标包括所述分布式能源的有功功率的削减和所述负载***/源***的需求响应的利用中的一者或两者。在特定形式中，操作的动作包括：构建包括多个预定节点的所述配电***的线性化模型，所述多个预定节点包括被选为所述配电***的代表节点的所述配电***的所述节点的部分子集。在特定形式中，所识别的优化控制命令包括针对所述分布式能源的所述相应控制器的命令，并且传输的动作包括将所识别的控制命令传输到所述分布式能源的所述相应控制器。在特定形式中，针对所述分布式能源的所述相应控制器的命令包括功率因数命令或从中能够确定功率因数命令的数学上的等同表达式。在特定形式中，针对所述分布式能源的所述相应控制器的命令包括电压/VAR跌落曲线的电压设定点和所述电压/VAR跌落曲线的斜率，或从中能够确定所述电压/VAR跌落曲线的数学上的等同表达式。在特定形式中，所识别的控制命令包括用于自主控制电容器组的控制配置参数，并且传输的动作包括将所识别的控制配置参数传输到所述自主控制电容器组。在特定形式中，所述第一约束限定：多个节点处的所述配电***的电压与所述负载***/源***的需求之间的关系，以及针对所述电压调节器、所述开关电容器组和所述分布式能源的所述相应控制器的控制命令。在特定形式中，所述第二约束包括电压上限和电压下限。在特定形式中，所述第三约束包括具有在电压/VAR跌落曲线控制模式下操作的相应控制器的分布式能源的预测无功功率。在特定形式中，所述第三约束包括具有在恒定功率因数模式下操作的相应控制器的分布式能源的预测无功功率。在特定形式中，所述电子控制***缺少关于为运行功率流或求解电路模型以获得关于所述配电***的电气状态的综合信息所要求的所述配电***的信息。在特定形式中，所述电子控制***不需要实时功率流模型或所述配电***的解决方案来预测所述配电***的所述电气状态。在特定形式中，所述控制目标包括被构造为使所述配电***的电压与预定电压的电压偏差最小化的函数以及被构造为使所述配电***的最大电压最小化的函数中的一个。在特定形式中，所述配电***的所述电气状态包括所述配电***的电压状况。在特定形式中，所述模型预测控制器被构造为以下中的一项：利用来自前一个时间间隔的测量作为预测的基础、以及利用用于预测有效降低所述优化中的预测误差的配电***的所述电气状态的移动基值。在特定形式中，所述模型预测控制器被构造为针对所述配电***建模多个操作情景。在特定形式中，所述电子控制***被构造为在操作的动作之前执行构建包括多个预定节点的所述配电***的线性化模型的动作，以及在传输的动作之后执行以下动作：从所述配电***接收与所述多个节点相关联的测量信息；从配电***接收与配电***的多个分支相关联的测量信息；使用所述测量信息更新所述线性化模型的系数；确定针对电压和VAR、有功功率削减和需求响应中的至少一项的优化控制命令；以及重复所述操作、识别、传输、接收和更新的动作。在特定形式中，所述配电***的电气状况与所述预测控制命令之间的所述线性化关系包括考虑到前一个时间间隔处的测量值的期限。
一个示例性实施例是一种方法，包括：在电子控制***与配电***之间建立可操作的通信，所述配电***包括：与配电变电站电耦合的多个电力线；与所述电力线电耦合的一个或多个开关电容器组以及与所述电力线电耦合的一个或多个电压调节器中的一者或两者；与所述电力线电耦合的多个负载***/源***，所述负载***/源***包括与所述电力线电耦合的电子电能表和与所述电子电能表电耦合的分布式能源，所述分布式能源与能够提供所述分布式能源的自主电压和VAR控制的相应控制器可操作地耦合；以及电子控制***，其与所述一个或多个开关电容器组、所述一个或多个电压调节器、所述电子电能表和所述分布式能源可操作地通信；控制所述电子控制***以操作模型预测控制器使用控制目标和多个约束来识别一组优化控制命令，所述多个约束包括限定所述配电***的电气状况与预测控制命令之间的线性化关系的第一约束、建立关于所述电气状况的一个或多个限制的第二约束、以及考虑到所述分布式能源的预测自主操作的第三约束；以及从所述电子控制***传输所识别的优化控制命令以控制所述电压调节器和所述开关电容器组中的一者或两者的操作。
在特定形式中，控制所述电子控制***以操作所述模型预测控制器的动作包括：使用第一控制目标以第一模式操作所述模型预测控制器，所述第一控制目标排除所述分布式能源的有功功率的降低和所述负载***/源***的需求响应的降低；以及使用第二控制目标以第二模式操作所述模型预测控制器，所述第二控制目标包括所述分布式能源的有功功率的降低以及所述负载***/源***的需求响应的降低中的一者或两者。在特定形式中，所述控制目标包括被构造为使所述配电***的最大电压最小化的函数。在特定形式中，在控制所述电子控制***以操作所述模型预测控制器的动作期间，所述电子控制***不具有关于为运行功率流的或求解电路模型以获得关于所述配电***的所述电气状态的综合信息所要求的所述配电***的信息。特定形式包括在控制所述电子控制***以操作所述模型预测控制器的动作之前，操作所述电子控制***以构建包括多个预定节点的所述配电***的线性化模型；以及在传输的动作之后，操作所述电子控制***从所述配电***接收与所述多个节点相关联的测量信息、使用所述测量信息更新所述线性化模型的系数、以及重复所述操作、识别、传输、接收和更新的动作。
一个示例性实施例是一种电子控制***，其适用于与配电***可操作地通信并控制配电***，所述配电***包括：与配电变电站电耦合的多个电力线；与所述电力线电耦合的一个或多个开关电容器组以及与所述电力线电耦合的一个或多个电压调节器中的一者或两者；与所述电力线电耦合的多个负载***/源***，所述负载***/源***包括与所述电力线电耦合的电子电能表和与所述电子电能表电耦合的分布式能源，所述分布式能源与能够提供所述分布式能源的自主电压和VAR控制的相应控制器可操作地耦合，所述电子控制***包括：模型预测控制器，被构造为使用控制目标和多个约束来确定一组优化控制命令并存储在非暂时性计算机可读介质中，所述多个约束包括限定所述配电***的电气状况与预测控制命令之间的线性化关系的第一约束、建立关于所述电气状况的一个或多个限制的第二约束、以及考虑到所述分布式能源的预测操作的第三约束；以及传输器，被构造为传输所述一组优化控制命令中的一个或多个命令以控制所述电压调节器和所述开关电容器组中的一者或两者的操作。
在特定形式中，所述模型预测能够被控制以第一模式和第二模式操作，所述第一模式使用防止所述分布式能源的有功功率降低并且防止所述负载***/源***的需求响应降低的第一控制目标，所述第二模式使用允许所述分布式能源的有功功率降低和所述负载***/源***的需求响应的降低中的一者或两者的第二控制目标。在特定形式中，所述控制目标包括被构造为使所述配电***的电压与预定电压的偏差最小化的函数。在特定形式中，所述电子控制***不具有关于为运行功率流的或求解电路模型以获得关于所述配电***的所述电气状态的综合信息所要求的所述配电***的信息。
虽然已经在附图和前面的描述中示出和描述了示例性实施例，但是这些应该被认为是说明性的并且本质上不限制，应该理解的是，仅示出和描述了特定示例性实施例，并且期望保护在本发明的范围内的全部改变和变型。应该理解的是，在上面的描述中使用诸如优选、优选的、优选地或更优选的词语时，表示这样描述的特征可能是更期望的，然而，它们不一定是必须的，并且缺少这些特征的实施例可以被理解为在如后面权利要求限定的本发明的范围内。在阅读权利要求时，意图使用诸如“一”、“一个”、“至少一个”或“至少一部分”的词语时，不旨在将权利要求限制为仅一项，除非在权利要求中明确相反指出。当使用语言“至少一部分”和/或“部分”时，项目可以包括部分和/或整个项目，除非明确相反指出。

Claims (28)

1.一种配电***，包括：
与配电变电站电耦合的多个电力线；
与所述电力线电耦合的一个或多个开关电容器组、以及与所述电力线电耦合的一个或多个电压调节器中的一者或两者；
与所述电力线电耦合的多个负载***/源***，所述负载***/源***包括与所述电力线电耦合的电子电能表和与所述电子电能表电耦合的分布式能源，所述分布式能源配备有能够提供所述分布式能源的自主电压和VAR控制的相应控制器；以及
电子控制***，其与所述一个或多个开关电容器组和所述一个或多个电压调节器中的一者或两者、所述电子电能表和所述分布式能源的所述相应控制器可操作地通信；
其中，所述电子控制***被构造为执行以下动作：
操作模型预测控制器以使用控制目标和多个约束来识别一组优化控制命令，所述多个约束包括限定所述配电***的电气状况与预测控制命令之间的线性化关系的第一约束、建立关于所述电气状况的一个或多个限制的第二约束、以及考虑到基于所述相应控制器的控制模式的所述分布式能源的预测自主操作的第三约束；以及
传输所识别的优化控制命令，以控制所述电压调节器和所述开关电容器组中的一者或两者的操作，
其中，所述操作的动作包括构建包括多个预定节点的所述配电***的线性化模型，所述多个预定节点包括被选为所述配电***的代表节点的所述配电***的所述节点的部分子集。
2.根据权利要求1所述的配电***，其中所述操作的动作包括：在被构造有用于所述模型预测控制器的第一优化目标的第一优化级处操作；以及在被构造有用于所述模型预测控制器的、与所述第一优化目标不同的第二优化目标的第二优化级处操作。
3.根据权利要求2所述的配电***，其中所述第一优化目标排除所述分布式能源的有功功率的削减和所述负载***/源***的需求响应的利用，并且所述第二优化目标包括所述分布式能源的有功功率的削减和所述负载***/源***的需求响应的利用中的一者或两者。
4.根据权利要求1所述的配电***，其中所识别的优化控制命令包括：针对所述分布式能源的所述相应控制器的命令，并且所述传输的动作包括将所识别的控制命令传输到所述分布式能源的所述相应控制器。
5.根据权利要求4所述的配电***，其中针对所述分布式能源的所述相应控制器的所述命令包括：功率因数命令，或从中能够确定功率因数命令的数学上的等同表达式。
6.根据权利要求4所述的配电***，其中所述分布式能源的所述相应控制器的所述命令包括：电压/VAR跌落曲线的电压设定点和所述电压/VAR跌落曲线的斜率，或从中能够确定所述电压/VAR跌落曲线的数学上的等同表达式。
7.根据权利要求1所述的配电***，其中所识别的控制命令包括：用于自主控制电容器组的控制配置参数，并且所述传输的动作包括：将所识别的控制配置参数传输到所述自主控制电容器组。
8.根据权利要求1所述的配电***，其中所述第一约束限定：多个节点处的所述配电***的电压与所述负载***/源***的需求之间的关系，以及针对所述电压调节器、所述开关电容器组和所述分布式能源的所述相应控制器的控制命令。
9.根据权利要求1所述的配电***，其中所述第二约束包括：电压上限和电压下限。
10.根据权利要求1所述的配电***，其中所述第三约束包括：具有在电压/VAR跌落曲线控制模式下操作的相应控制器的分布式能源的预测无功功率。
11.根据权利要求1所述的配电***，其中所述第三约束包括：具有在恒定功率因数模式下操作的相应控制器的分布式能源的预测无功功率。
12.根据权利要求1所述的配电***，其中所述电子控制***缺少关于为运行功率流或求解电路模型以获得关于所述配电***的电气状态的综合信息所要求的所述配电***的信息。
13.根据权利要求1所述的配电***，其中所述电子控制***不需要实时功率流模型或所述配电***的解决方案来预测所述配电***的电气状态。
14.根据权利要求1所述的配电***，其中所述控制目标包括：被构造为使所述配电***的电压与预定电压的电压偏差最小化的函数、以及被构造为使所述配电***的最大电压最小化的函数中的一个。
15.根据权利要求1所述的配电***，其中所述配电***的所述电气状况包括：所述配电***的电压状况。
16.根据权利要求1所述的配电***，其中所述模型预测控制器被构造为以下中的一项：利用来自前一个时间间隔的测量作为预测的基础、以及利用用于预测有效降低所述优化中的预测误差的所述配电***的电气状态的移动基值。
17.根据权利要求1所述的配电***，其中所述模型预测控制器被构造为针对所述配电***建模多个操作情景。
18.根据权利要求1所述的配电***，其中所述电子控制***被构造为：在所述操作的动作之前执行构建包括多个预定节点的所述配电***的线性化模型的动作；以及在所述传输的动作之后执行以下动作：
从所述配电***接收与所述多个节点相关联的测量信息；
从所述配电***接收与所述配电***的多个分支相关联的测量信息，使用所述测量信息来更新所述线性化模型的系数；
确定针对电压和VAR、有功功率削减和需求响应中的至少一项的优化控制命令；以及
重复所述操作、所述识别、所述传输、所述接收和所述更新的动作。
19.根据权利要求1所述的配电***，其中所述配电***的所述电气状况与所述预测控制命令之间的所述线性化关系包括：考虑到前一个时间间隔处的测量值的期限。
20.一种用于配电***的方法，包括：
在电子控制***与配电***之间建立可操作的通信，所述配电***包括：与配电变电站电耦合的多个电力线；与所述电力线电耦合的一个或多个开关电容器组、以及与所述电力线电耦合的一个或多个电压调节器中的一者或两者；与所述电力线电耦合的多个负载***/源***，所述负载***/源***包括与所述电力线电耦合的电子电能表和与所述电子电能表电耦合的分布式能源，所述分布式能源与能够提供所述分布式能源的自主电压和VAR控制的相应控制器可操作地耦合；以及电子控制***，其与所述一个或多个开关电容器组、所述一个或多个电压调节器、所述电子电能表和所述分布式能源可操作地通信；
控制所述电子控制***以操作模型预测控制器使用控制目标和多个约束来识别一组优化控制命令，所述多个约束包括：限定所述配电***的电气状况与预测控制命令之间的线性化关系的第一约束、建立关于所述电气状况的一个或多个限制的第二约束、以及考虑所述分布式能源的预测自主操作的第三约束；以及
从所述电子控制***传输所识别的优化控制命令，以控制所述电压调节器和所述开关电容器组中的一者或两者的操作，
其中，控制所述电子控制***以操作模型预测控制器的动作包括构建包括多个预定节点的所述配电***的线性化模型，所述多个预定节点包括被选为所述配电***的代表节点的所述配电***的所述节点的部分子集。
21.根据权利要求20所述的方法，其中控制所述电子控制***以操作模型预测控制器的动作包括：
使用第一控制目标以第一模式操作所述模型预测控制器，所述第一控制目标排除所述分布式能源的有功功率的降低和所述负载***/源***的需求响应的降低；以及
使用第二控制目标以第二模式操作所述模型预测控制器，所述第二控制目标包括所述分布式能源的有功功率的降低以及所述负载***/源***的需求响应的降低中的一者或两者。
22.根据权利要求20所述的方法，其中所述控制目标包括：被构造为使所述配电***的最大电压最小化的函数。
23.根据权利要求20所述的方法，其中在控制所述电子控制***以操作所述模型预测控制器的动作期间，所述电子控制***不具有关于为运行功率流或求解电路模型以获得关于所述配电***的电气状态的综合信息所要求的所述配电***的信息。
24.根据权利要求20所述的方法，包括：
在控制所述电子控制***以操作所述模型预测控制器的动作之前，操作所述电子控制***以构建包括多个预定节点的所述配电***的线性化模型；以及
在所述传输的动作之后，操作所述电子控制***从所述配电***接收与所述多个节点相关联的测量信息，使用所述测量信息来更新所述线性化模型的系数，以及重复所述操作、所述识别、所述传输、所述接收和所述更新的动作。
25.一种电子控制***，其适用于与配电***可操作地通信并控制所述配电***，所述配电***包括：与配电变电站电耦合的多个电力线；与所述电力线电耦合的一个或多个开关电容器组以及与所述电力线电耦合的一个或多个电压调节器中的一者或两者；与所述电力线电耦合的多个负载***/源***，所述负载***/源***包括与所述电力线电耦合的电子电能表和与所述电子电能表电耦合的分布式能源，所述分布式能源与能够提供所述分布式能源的自主电压和VAR控制的相应控制器可操作地耦合，所述电子控制***包括：
模型预测控制器，被构造为使用控制目标和多个约束确定一组优化控制命令、并将所述一组优化控制命令存储在非暂时性计算机可读介质中，所述多个约束包括限定所述配电***的电气状况与预测控制命令之间的线性化关系的第一约束、建立关于所述电气状况的一个或多个限制的第二约束、以及考虑所述分布式能源的预测操作的第三约束；以及
传输器，被构造为传输所述一组优化控制命令中的一个或多个命令，以控制所述电压调节器和所述开关电容器组中的一者或两者的操作，
其中，所述模型预测控制器还被构造为构建包括多个预定节点的所述配电***的线性化模型，所述多个预定节点包括被选为所述配电***的代表节点的所述配电***的所述节点的部分子集。
26.根据权利要求25所述的电子控制***，其中所述模型预测能够被控制以第一模式和第二模式操作，所述第一模式使用防止所述分布式能源的有功功率的降低、并且防止所述负载***/源***的需求响应的降低的第一控制目标，所述第二模式使用允许所述分布式能源的有功功率的降低和所述负载***/源***的需求响应的降低中的一者或两者的第二控制目标。
27.根据权利要求25所述的电子控制***，其中所述控制目标包括：被构造为使所述配电***的电压与预定电压的电压偏差最小化的函数。
28.根据权利要求25所述的电子控制***，其中所述电子控制***不具有关于为运行功率流的或求解电路模型以获得关于所述配电***的电气状态的综合信息所要求的所述配电***的信息。
CN201680078417.7A 2015-11-09 2016-11-09 具有自主der电压控制的协调和优化的分层鲁棒模型预测电压和var控制 Active CN110326182B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562252805P 2015-11-09 2015-11-09
US62/252,805 2015-11-09
PCT/US2016/061035 WO2017083322A1 (en) 2015-11-09 2016-11-09 Hierarchical robust model predictive voltage and var control with coordination and optimization of autonomous der voltage control

Publications (2)

Publication Number Publication Date
CN110326182A CN110326182A (zh) 2019-10-11
CN110326182B true CN110326182B (zh) 2023-11-24

Family

ID=57389546

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680078417.7A Active CN110326182B (zh) 2015-11-09 2016-11-09 具有自主der电压控制的协调和优化的分层鲁棒模型预测电压和var控制

Country Status (4)

Country Link
US (1) US10230239B2 (zh)
EP (1) EP3375062A1 (zh)
CN (1) CN110326182B (zh)
WO (1) WO2017083322A1 (zh)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015116094A1 (de) * 2015-09-23 2017-03-23 Intel IP Corporation Eine Vorrichtung und ein Verfahren zum Vorhersagen eines zukünftigen Zustandes einer elektronischen Komponente
US10516269B2 (en) 2016-11-16 2019-12-24 Alliance For Sustainable Energy, Llc Real time feedback-based optimization of distributed energy resources
US10551471B2 (en) * 2016-12-05 2020-02-04 GEIRI North America Data mining based approach for online calibration of phasor measurement unit (PMU)
EP3567690A4 (en) * 2017-01-06 2020-07-22 Kabushiki Kaisha Toshiba REACTIVE POWER CONTROL DEVICE AND REACTIVE POWER CONTROL METHOD
US10784682B2 (en) * 2017-02-09 2020-09-22 Alliance For Sustainable Energy, Llc Network-cognizant voltage droop control
CN107017644A (zh) * 2017-06-02 2017-08-04 合肥同佑电子科技有限公司 一种电子变压器智能控制***
CN111656673A (zh) 2017-09-15 2020-09-11 安德烈斯·贝洛大学 针对两个或更多个控制目标，首先求解成本函数，然后求解第二成本函数的顺序预测控制方法
US10658845B2 (en) * 2017-12-11 2020-05-19 Ge Energy Power Conversion Technology Limited Method and system for droop control of power systems
EP3804068A1 (en) * 2018-06-04 2021-04-14 Malekpour, Ahmadreza Electrical grid control system and method
US10996247B2 (en) * 2018-06-15 2021-05-04 Landis+Gyr Innovations, Inc. Volt-VAR device monitor
CN108900285B (zh) * 2018-06-26 2020-11-13 电子科技大学 一种面向预测控制***的自适应混合无线传输方法
CN109167433A (zh) * 2018-09-14 2019-01-08 国电南瑞科技股份有限公司 一种变电站集中运维的分级管控***及其方法
EP3994781A1 (en) * 2019-07-03 2022-05-11 Eaton Intelligent Power Limited Modified dynamic voltage and reactive power control of ac power distribution networks
CN110244567B (zh) * 2019-07-04 2021-09-24 武汉大学 一种基于扩展瞬时无功理论的快速模型预测控制方法
CN110445149B (zh) * 2019-08-15 2021-04-20 国网湖南省电力有限公司 一种变电站并联补偿电容器组不等容量分组方法
US11404907B2 (en) * 2019-11-25 2022-08-02 Hitachi Energy Switzerland Ag Distributed voltage control for power networks
CN111915052B (zh) * 2020-05-26 2023-05-02 南方电网调峰调频发电有限公司 一种模拟量测值智能预测算法的自适应测试方法
EP4170845A4 (en) * 2020-06-23 2023-07-19 Mitsubishi Electric Corporation PHASE MODIFIER EQUIPMENT CONTROL DEVICE AND PHASE MODIFIER EQUIPMENT CONTROL METHOD
US20220037014A1 (en) * 2020-07-28 2022-02-03 Smart Wires Inc. Prognostics and Diagnostics of Injection Units and Communications
CN112152226B (zh) * 2020-08-28 2022-08-02 华北电力科学研究院有限责任公司 基于分布式光伏节点的调压方法及装置
CN112165104B (zh) * 2020-10-21 2022-08-09 广东电网有限责任公司广州供电局 一种多站点快速投切电容器控制方法
CN112671047B (zh) * 2021-01-09 2022-06-03 三峡大学 考虑极限场景的主动配电网重构与无功联合鲁棒优化方法
CN113054687B (zh) * 2021-03-19 2023-11-03 华北电力大学 一种考虑电、热负荷综合需求响应的虚拟电厂风电消纳方法
US11507041B1 (en) * 2022-05-03 2022-11-22 The Florida International University Board Of Trustees Systems and methods for boosting resiliency of a power distribution network
US11476673B1 (en) * 2022-05-03 2022-10-18 The Florida International University Board Of Trustees Systems and methods for distribution optimal power flow
CN115292965B (zh) * 2022-09-28 2023-01-24 广东电网有限责任公司中山供电局 一种基于最小二乘回归的动态光伏模型参数辨识方法
CN115940299B (zh) * 2023-02-27 2023-06-09 国网江西省电力有限公司经济技术研究院 一种配电***源网荷储的有功和无功协同优化方法

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4365190A (en) 1981-03-19 1982-12-21 Asi Systems, Inc. Automatic var controller
US4769587A (en) 1987-03-09 1988-09-06 Beckwith Electric Co. Power factor control with overvoltage and undervoltage override control in a capacitor control system for a distribution system
JPH0734624B2 (ja) 1987-09-21 1995-04-12 三菱電機株式会社 電圧−無効電力制御装置
US5422561A (en) 1992-11-23 1995-06-06 Southern California Edison Company Automated voltage and VAR control in power transmission and distribution networks
US5541498A (en) 1994-12-08 1996-07-30 Beckwith; Robert W. Distribution circuit var management system using adaptive capacitor controls
US5670864A (en) 1995-05-26 1997-09-23 Pacific Scientific Company Adaptive automatic power capacitor for controlling controller a capacitor bank of a power distribution system
US5645512A (en) 1996-07-29 1997-07-08 Yu; Hui-Nan Step exercising machine
US20050125104A1 (en) * 2003-12-05 2005-06-09 Wilson Thomas L. Electrical power distribution control systems and processes
US20080177678A1 (en) * 2007-01-24 2008-07-24 Paul Di Martini Method of communicating between a utility and its customer locations
US9020650B2 (en) 2007-02-13 2015-04-28 General Electric Company Utility grid, controller, and method for controlling the power generation in a utility grid
US8588993B2 (en) 2008-11-05 2013-11-19 Abb Research Ltd. Voltage regulation optimization
US8195338B2 (en) 2008-11-05 2012-06-05 Abb Research Ltd. Reactive power optimization
WO2010091076A1 (en) 2009-02-05 2010-08-12 Abb Research Ltd. Integrated voltage and var optimization process for a distribution system
US20120133209A1 (en) * 2010-11-30 2012-05-31 General Electric Company Integration of renewable power generating technologies with integrated volt/var control systems
US9014867B2 (en) * 2011-09-16 2015-04-21 Varentec, Inc. Systems and methods for edge of network voltage control of a power grid
JP5893544B2 (ja) * 2011-10-31 2016-03-23 パナソニック株式会社 電圧制御装置、電圧制御方法、電力調整装置、及び電圧制御プログラム
CN102856912B (zh) * 2012-09-13 2014-09-03 华南理工大学 多目标多站点无功协调控制方法
US10756543B2 (en) * 2012-09-13 2020-08-25 Stem, Inc. Method and apparatus for stabalizing power on an electrical grid using networked distributed energy storage systems
US9329612B2 (en) * 2012-10-05 2016-05-03 Petra Solar, Inc. Methods and systems for mitigation of intermittent generation impact on electrical power systems
US9639104B2 (en) * 2012-10-16 2017-05-02 Varentec, Inc. Methods and systems of network voltage regulating transformers
US9081407B2 (en) * 2012-12-21 2015-07-14 General Electric Company Voltage regulation system and method
EP2946457A4 (en) * 2013-01-15 2016-10-12 Abb Technology Ltd COORDINATED CONTROL METHOD FOR DISTRIBUTION NETWORK WITH DISTRIBUTED ENERGY RESOURCES AND ELECTRIC VEHICLES AND ITS CONTROL SYSTEM
US9582020B2 (en) * 2013-03-15 2017-02-28 Dominion Resources, Inc. Maximizing of energy delivery system compatibility with voltage optimization using AMI-based data control and analysis
US9619848B2 (en) 2013-05-06 2017-04-11 Sas Institute Inc. Techniques to determine settings for an electrical distribution network
US10135247B2 (en) * 2013-10-17 2018-11-20 General Electric Company Methods and systems for integrated Volt/VAr control in electric network
CA2948808C (en) * 2014-04-24 2022-10-18 Varentec, Inc. Optimizing voltage and var on the electrical grid using distributed var sources
US9806524B2 (en) * 2014-10-23 2017-10-31 Glenn Kenton Rosendahl Electrical power tranmission

Also Published As

Publication number Publication date
US10230239B2 (en) 2019-03-12
US20170133849A1 (en) 2017-05-11
CN110326182A (zh) 2019-10-11
EP3375062A1 (en) 2018-09-19
WO2017083322A1 (en) 2017-05-18

Similar Documents

Publication Publication Date Title
CN110326182B (zh) 具有自主der电压控制的协调和优化的分层鲁棒模型预测电压和var控制
Li et al. MPC-based local voltage control strategy of DGs in active distribution networks
Venayagamoorthy Dynamic, stochastic, computational, and scalable technologies for smart grids
US10892640B2 (en) Voltage and reactive power monitoring/control device and method for calculating required reactive power amount for suppressing a fluctuation component and selecting an appropriate equipment
Karagiannopoulos et al. Hybrid approach for planning and operating active distribution grids
Sanseverino et al. An execution, monitoring and replanning approach for optimal energy management in microgrids
Niknam et al. A new fuzzy adaptive particle swarm optimization for daily Volt/Var control in distribution networks considering distributed generators
US8531173B2 (en) System and method for operating a tap changer
Venayagamoorthy et al. One step ahead: short-term wind power forecasting and intelligent predictive control based on data analytics
Ulinuha et al. Optimal scheduling of LTC and shunt capacitors in large distorted distribution systems using evolutionary-based algorithms
CN102255320A (zh) 地区电网电压无功实时控制***及其闭环控制方法
Pourjafari et al. A support vector regression based model predictive control for volt-var optimization of distribution systems
Sun et al. Coordinated real-time voltage control in active distribution networks: An incentive-based fairness approach
Armendariz et al. Strategies to improve the voltage quality in active low‐voltage distribution networks using DSO's assets
JP2023538611A (ja) コントローラのための決定ロジックを生成するための方法およびコンピュータシステム
Gupta et al. Model-less robust voltage control in active distribution networks using sensitivity coefficients estimated from measurements
Yang et al. Network-constrained transactive control for multi-microgrids-based distribution networks with soft open points
Yin et al. Sequential reconfiguration of unbalanced distribution network with soft open points based on deep reinforcement learning
Srikantha et al. Intelligent signal processing and coordination for the adaptive smart grid: An overview of data-driven grid management
Li et al. A consensus control strategy for dynamic power system look-ahead scheduling
US20230018146A1 (en) Method and central computer arrangement for predicting a grid state, and computer program product
Han et al. Regression model-based adaptive receding horizon control of soft open points for loss minimization in distribution networks
Sayedi et al. Optimal load distribution in DG sources using model predictive control and the state feedback controller for switching control
Horri et al. Reinforcement‐learning‐based load shedding and intentional voltage manipulation approach in a microgrid considering load dynamics
Olivares An energy management system for isolated microgrids considering uncertainty

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20210528

Address after: Baden, Switzerland

Applicant after: ABB grid Switzerland AG

Address before: Baden, Switzerland

Applicant before: ABB Switzerland Co.,Ltd.

TA01 Transfer of patent application right
CB02 Change of applicant information

Address after: Swiss Baden

Applicant after: Hitachi energy Switzerland AG

Address before: Swiss Baden

Applicant before: ABB grid Switzerland AG

CB02 Change of applicant information
CB02 Change of applicant information

Address after: Zurich, SUI

Applicant after: Hitachi Energy Co.,Ltd.

Address before: Swiss Baden

Applicant before: Hitachi energy Switzerland AG

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant