一种计及信息失效的柔性配电系统分散控制策略优化方法

技术领域

本发明属于柔性配电系统领域，特别涉及一种计及信息失效的柔性配电系统分散控制策略优化方法。

背景技术

以柔性多状态开关(Flexible multi-state switch,FMSS)互联多条中压馈线形成的柔性交直流配电系统，不仅能够通过灵活、精确的功率调节达到均衡馈线潮流、平抑电压波动、提高分布式电源接纳能力的目的，而且可以利用端口换流器的故障穿越技术和配电网保护的协调配合，实现敏感和重要负荷的不间断供电，提高了供电可靠性。它克服了传统配电网在解决电能质量、状态优化、故障处理、经济运行等问题上分而治之导致的系统复杂性和技术局限性，提供了一种综合性、智能化的解决方案。多端互联的交直流配电网依据FMSS端口、设备、网络多级的信息实现多时间尺度控制，一旦通信故障将给系统运行带来很大风险，为此，研究通信设备随机故障下的应急运行控制策略对保证系统安全运行具有重要意义。

针对柔性配电系统信息失效后的应急控制策略目前的研究较少，但是针对传统配电网信息失效的应急控制策略已有初步研究。IEEE 1547-2003分布式电源(Distributedgeneration,DG)接入电力系统标准规定，当通信故障导致DG失去联系，文献1采取失联DG脱网的应急控制策略。基于该导则，当通信设备故障，有可能导致多个分布式电源信息中断，等效于多电源同时退出运行。但这种“一刀切”的策略不能保证对DG的发电和调控能力已经产生依赖的电网正常运行，甚至有可能引发更大的状态安全风险。针对这一问题，有学者提出DG通信中断后应由集中式控制转入分散式就地控制，如文献2，并为各DG设置统一的注入上限，当发生通信故障，即按照预先设置的限值出力。仿真结果表明，分散式就地控制能够有效提高系统可靠性。文献3针对严重通信故障下分布式电源的差异化分散控制策略进行了研究，以系统状态脆弱性最小为目标，考虑了运行场景的不确定性，建立了分布式资源差异化分散式控制策略优化模型，仿真验证了通信网瘫痪下分布式电源差异化的注入上限能有效降低系统的脆弱性。但仅考虑了通信网瘫痪的单一故障场景，优化结果不具有普适性。在此基础上，文献4针对通信设备随机故障，研究了部分分布式电源失联、系统集中-分散控制并存状态下分布式电源的就地控制策略优化问题，但仅考虑了单一运行场景下的就地控制策略，而分布式电源出力具有随机性，受光照、风速等随机因素影响较大，只考虑单一运行场景优化所得的策略用于其他运行场景时误差较大，无法保证系统安全运行。若针对每种运行场景分别设置离线控制策略，通信故障的分布式资源无法获知当前系统全局的运行状态，也就是说无法判断处于哪种运行场景从而执行对应场景的离线控制策略，因此，当分布式资源检测到自身通信故障后，只能采取同一种控制策略。

柔性配电网与主动配电网的通信系统类似，因此对于信息失效特征的处理方式可以采用相同的方法。但二者在物理系统设备特性(如文献5)、控制对象(如文献6)和拓扑结构等方面都有一定的差异，因此通信设备故障后的优化控制问题也有所差异。

文献1：Systems P.IEEE Standard for Interconnecting DistributedResources with Electric Power Systems[C]//IEEE Std 1547-2003.IEEE,2003.

文献2：Schacht D,Lehmann D,Kalisch L,et al.Effects of configurationoptions on reliability in smart grids[J].2017,2017(1):2250-2254.

文献3：刘文霞,杨梦瑶,马铁,等.主动配电系统中失联分布式电源差异化就地控制策略优化[J].电力系统自动化,44(11):32.

文献4：刘文霞,马铁,杨梦瑶,等.严重通信故障下主动配电系统分布式电源应急运行策略优化[J].中国电机工程学报,2020,40(3).

文献5：董旭柱,刘志文,李鹏,宋关羽,吴争荣,陈立明.基于多端柔性多状态开关的智能配电网调控技术[J].中国电机工程学报,2018,38(S1):86-92.

文献6：王成山,孙充勃,李鹏,吴建中,邢峰,俞悦.基于SNOP的配电网运行优化及分析[J].电力系统自动化,2015,39(09):82-87.

发明内容

针对上述技术问题，本发明针对柔性配电信息物理系统通信设备随机故障，考虑分布式资源对状态影响和故障场景的差异性，提出一种计及信息失效的柔性配电系统分散控制策略优化方法，包括：

步骤1：建立柔性配电信息物理系统，分析柔性配电信息物理系统的结构与控制方式；

步骤2：考虑分布式电源出力的随机性，采用自适应模糊聚类方法描述分布式电源的多场景运行特性；

步骤3：考虑通信系统故障场景不确定性，采用故障树分析方法计算信息链路有效性；

步骤4：以离线分布式电源出力上限、离线FMSS各端口传输功率为决策变量，以降低失负荷风险、减小电压偏差为目标，计及分布式电源出力与故障场景的不确定性，建立基于概率场景的分散控制与集中优化相结合的分布式资源分散控制策略优化模型；

步骤5：采用智能优化算法与二阶锥优化方法相结合对步骤4建立的控制策略优化模型求解。

优选地，自适应模糊聚类方法为自适应模糊C均值(Fuzzy C-means,FCM)聚类方法，该方法将光伏与风机出力聚类为若干个典型场景，产生每个运行场景下分布式电源出力代表值及其概率，将风电、光伏各采样点的功率转化为二维坐标系上的样本点，各样本点被分配到其隶属度最大的类别，通过迭代更新聚类中心与隶属度矩阵，获得最优聚类。

进一步，FCM的价值函数及约束条件为式(1)和式(2)：

其中，u

其中，c

更进一步，FCM聚类方法中，当某一类中元素数小于规定值或两类距离小于规定值，合并为同一类；当某一类中各样本点到聚类中心距离方差大于规定值，分裂为两类，由式5示出：

其中，

优选地，故障树模型中，将分布式资源i信息链路失效作为顶事件，导致分布式资源i信息链路失效的原因为应用层故障、通信层故障、接口层故障；导致通信层故障的原因为该信息链路所有的通信通道故障，作为中间事件；信息元件损坏为底事件。

优选地，步骤4中的分散控制策略优化模型分为上层和下层，上层为考虑故障场景的通信故障的DG或FMSS分散控制策略优化，目标函数为以故障场景概率加权的电压偏差与失负荷量之和最小，上层产生的就地控制策略传递给下层；下层对柔性互联系统进行考虑运行场景的在线分布式资源的仿真运行优化，目标函数为以运行场景概率加权的电压偏差与失负荷量最小，将下层在线优化结果传递至上层计算风险值，上下层形成集中与分散协同优化，得到各终端设备通信中断的分散控制策略。

进一步，分散控制策略优化模型的目标函数为：

F＝ω

式中，g

DG通信故障时，总风险表示为

FMSS通信故障时，总风险表示为

式中，N_f为运行场景数，P

进一步，求取信息失效后各分布式资源分散控制策略时，应满足如下约束条件：

(1)系统潮流约束

式中，P

(2)节点电压约束

其中，U

(3)支路电流约束

其中，I

(4)FMSS端口功率约束

式中，P

(5)DG约束

P

P

优选地，步骤5中，模型上层采用智能优化算法(免疫粒子群算法)产生通信故障设备的分散控制策略，模型下层采用二阶锥优化方法进行快速集中优化。

本发明的有益效果在于：1)考虑分布式电源出力随机性和故障场景的不确定性所建立的应急控制策略优化模型能够使得优化所得控制策略对不同场景具有普适性；2)采用故障树法计算信息链路有效性，只需要各通信设备的0-1状态，通过简单的逻辑运算即可获得信息链路有效性，避免了基于图论的拓扑搜索，提高计算效率3)考虑到含FMSS柔性配电系统集中优化模型的特点，DG与FMSS协调规划属于多层嵌套、多变量、多约束的大规模非线性优化问题，因此采用智能优化算法求解上层分散控制模型，采用二阶锥优化方法求解下层集中优化模型，提高了求解速度和计算效率；4)本发明可为柔性互联的交直流配电网通信故障下的运行策略提供理论支撑，提升系统运行的安全性和经济性。

附图说明

图1是交直流配电信息物理系统结构示意图；

图2是信息物理系统三种运行状态的转移图；

图3(a)-(c)是EPON技术组网方式的拓扑结构图，图3(a)为手拉手型，图3(b)为双T型，图3(c)环型；

图4是信息链路故障树模型结构示意图；

图5(a)和(b)是本发明的分散控制策略优化模型求解流程图；

图6是改进的IEEE-33节点配电系统结示意构图；

图7是本发明的验证实施例中的聚类结果图。

具体实施方式

下面结合附图和实施例，对本发明的发明内容作详细说明。

步骤1：建立柔性配电信息物理系统，并分析其结构与控制方式。

柔性配电信息物理系统结构如图1所示，柔性配电信息物理系统包含物理域和信息域两部分。物理域由多条交流馈线、分布式电源、柔性多状态开关(FMSS)以及配电网常规开关组成。典型结构是FMSS三端变流器的直流侧通过直流母线连接，交流侧连接三条交流馈线。信息域包括接口层、通信层、应用层。接口层包含终端采集、控制的智能设备和FMSS设备控制部分，是信息和物理系统的耦合部分；通信层包括通信节点和线路设备，以及通信协议，通信方式包括以太无源光网络(Ethernet Passive Optical Network,EPON)、以太网及GPRS无线网，负责进行信息传输；应用层是系统控制的中心，负责对接收到的状态信息进行处理并产生控制指令。常规配电网信息系统中，配电主站所接的所有配电终端均向主站发送信息，并接收主站的指令，相互之间并无通信，而引入了FMSS的交直流配电网，由于FMSS本身具有交直流信息交互的协调控制装置，除了配电终端到调度主站的通信，还增加了配电终端(主要是保护装置)间的GOOSE通信。

基于FMSS的柔性配电系统的协调控制主要包括正常运行时的系统优化运行控制、物理系统故障情况下的自愈控制以及信息设备故障情况下的集中与分散协同控制。柔性配电信息物理系统三种运行状态的转移图如图2所示。

1)正常运行时的系统优化运行控制：安装在配电网中各处的监控装置实时检测各重要节点电压、电流，向配电主站发送监测信息，配电主站跟踪分布式电源和负荷的动态变化，考虑状态约束，优化柔性多状态开关三端口和分布式电源的调控指令，并传输至FMSS及分布式电源控制单元，实现柔性配电系统的电压、电流和潮流控制。

2)物理系统故障情况下的故障自愈控制：配电网物理系统发生故障后，位于FMSS端口上的测量装置检测到线路电压降落，认定配网系统中发生故障，FMSS进入低电压穿越，故障隔离后，FMSS低电压穿越结束，进入负荷转供模式，并转换故障侧端口控制方式为无源侧控制，通过优化算法计算出切负荷量及各端口的传输功率值，完成故障后的负荷转供。

3)信息设备故障情况下集中与分散协调控制。信息设备故障时，与主站失去联系的分布式资源转入分散式控制，依据设备中事先设置的离线控制策略，实施分散控制；通信正常的分布式资源仍采用集中式控制。分散控制与集中控制协调配合，对可控资源进行在线优化，保证电网运行安全。如何制定合理的分散式控制策略，同时配合电网在线优化从而降低系统运行风险是本发明要解决的问题。

步骤2：考虑分布式电源出力的随机性，采用自适应模糊聚类方法描述分布式电源的多场景运行特性；

传统模糊聚类算法需要人为设定初始聚类数目，容易陷入局部最优解，本发明对模糊聚类算法进行改进，使其能够根据聚类中心位置自动调整聚类数目，使得聚类结果更具代表性。根据一天内分布式电源的出力情况，采用自适应模糊C均值(Fuzzy C-means,FCM)聚类方法将光伏与风机出力聚类为若干个典型场景，产生每个运行场景下分布式电源出力代表值及其概率，为后续控制策略的优化奠定基础。FCM的价值函数及约束条件如式1和式2所示。

其中，u

c

其中，

步骤3：考虑通信系统故障场景不确定性，采用故障树分析方法计算信息链路有效性。

通信方式及信息链路分布

目前配电系统广泛采用以太无源光网络(Ethernet passive optical network,EPON)技术构建通信网，EPON是一种无源光纤接入技术，应用以太网协议，利用光纤网络中的光纤信号进行信息传导。EPON技术具有成本低廉、高性能、接线方式灵活等多种优点。其系统主要设备包括光线路终端设备(OLT)、光纤分支器(POS)、光网络单元(ONU)、光纤线路等。EPON技术有多种组网方式，其拓扑结构如图3所示，包括手拉手型(a)、双T型(b)、环型(c)等。

信息链路失效故障树建模

本发明将分布式资源i信息链路失效作为顶事件，当通信系统的三个层级均正常工作时，信息链路连通，任一层发生故障，则对应终端设备的信息链路失效。其中，应用层可靠性通常较高，并配有备用设备同时运行，本发明不考虑应用层故障情况；通信层一般有冗余配置，元件随机故障后的影响，根据故障元件种类及所处位置，可能造成单条或多条通信通道失去连通性，所有通道中断则信息链路失效；接口层无冗余配置，元件故障也会直接导致该终端设备对应的信息链路失效。据此，建立如图4所示的信息链路故障树模型。故障树最上层为顶事件，分析导致分布式资源i信息链路失效的所有可能原因，分别为应用层故障、通信层故障、接口层故障，其中导致通信层故障的原因为该信息链路所有的通信通道故障，作为中间事件，信息元件损坏为底事件。

信息链路有效性计算

由上文中终端设备i的故障树模型可知，应用层故障、通信层故障、接口层故障分别为顶事件终端设备i信息链路失效的三个割集，故终端设备i的信息链路失效的结构函数可表示为：

S(i)＝S(I)∩S(T)∩S(Y) (6)

式中，S(I)、S(T)、S(Y)分别表示接口层、通信层、应用层状态，0表示失效，1表示有效，其中，由于应用层通常可靠性较高，并配有备用设备同时运行，本发明不考虑应用层故障，因此S(Y)＝1。

对于通信层，{通道1故障，通道2故障，……，通道n故障}为通信层故障的割集，其失效的结构函数表示为

S(T)＝S(l

式中，S(l

接口层元件一旦故障就会导致接口层失效，其失效结构函数表示为

S(I)＝S(E

式中，S(E

实际运行中，由于通信系统所处环境不同，各层的冗余配置也会不同，因而建立的故障树模型也就不同。以图3(c)所示的环型通信网为例，图中所示网络的通信层仅为OLT配置冗余元件，OLT下层设备均没有冗余配置，一旦故障将导致直联终端设备通信失效，因此，基于故障后果一致性，将OLT下层设备POS、ONU、IED联合，等效为接口层设备，根据上文所建立的故障树模型，得到终端设备A的结构函数，如式(9)所示。

S(A)＝S(I

式中，S(I

S(I

S(T

S(T

则终端设备A失效的结构函数表示为：

S(A)＝[S(POS1)∩S(ONU1)∩S(IED1)∩[S(OLT1)∪S(OLT2)] (12)

同理可得终端设备B、C信息失效的结构函数。

步骤4：以离线分布式电源出力上限、离线FMSS各端口传输功率为决策变量，以降低失负荷风险、减小电压偏差为目标，计及分布式电源出力与故障场景的不确定性，建立基于概率场景的分散控制与集中优化相结合的分布式资源分散控制策略优化模型。

模型分为两层，上层为考虑故障场景的通信故障的DG或FMSS分散控制策略优化，目标函数为以故障场景概率加权的电压偏差与失负荷量之和最小，上层产生的就地控制策略传递给下层，下层对柔性互联系统进行考虑运行场景的在线分布式资源的仿真运行优化，目标函数为以运行场景概率加权的电压偏差与失负荷量最小，将下层在线优化结果传递至上层计算风险值，上下层形成集中与分散协同优化，得到各终端设备通信中断的分散控制策略。所述分散控制策略优化模型的目标函数包含电压偏差与失负荷量两部分，如式(13)所示：

式中，g

电压偏差中节点权重系数与DG接入位置有关，第m条馈线中第n个节点的权重系数w

其中，Z

考虑运行场景及故障场景概率，本发明优化模型目标函数可表示为：

F＝ω

DG通信故障时，总风险表示为

FMSS通信故障时，总风险表示为

式中，N_f为运行场景数，P

本发明两个子目标分别为失负荷量与电压偏差，根据其重要性划分等级：失负荷量直接影响用户供电可靠性，作为第1等级目标；电压偏差影响用户供电质量，作为第2等级目标，据此取判断数形成判断矩阵

经过矩阵处理，得到各目标权重向量[ω

求取信息失效后各分布式资源分散控制策略时，应满足如下约束条件：

(1)系统潮流约束

式中，P

(2)节点电压约束

其中，U

(3)支路电流约束

其中，I

(4)FMSS端口功率约束

式中，P

(5)DG约束

P

P

步骤5：采用智能优化算法与二阶锥优化方法相结合对步骤4建立的控制策略优化模型求解。

本发明所建立的双层多目标优化模型中，控制变量包含FMSS各端口传输功率、DG出力上限，控制变量数目多，场景规模大，属于非线性优化问题，直接求解计算量大，求解速度慢。为了提高求解速度，本发明中，上层模型采用智能优化算法(免疫粒子群算法)产生通信故障设备的分散控制策略，下层模型采用二阶锥优化方法进行快速集中优化。锥优化是线性空间中凸锥上的数学规划，它可以在有效时间内实现问题的求解，同时保证解的全局最优性。本发明中通过变量替换与二阶锥优化将潮流优化模型线性化、凸化。

通过如式(27)所示的变量替换，将约束条件中的非线性约束线性化。

式中，X

X

经过上述步骤，将模型变为凸规划，在MATLAB环境下借助YALMIP算法包进行建模，调用IPOPT工具箱进行求解。模型求解流程如图5所示。

图5(a)所示为DG通信故障后的优化控制策略求解流程。上层产生DG的分散控制策略，将第i个故障场景对应的失联元件分散控制策略传递至下层，在每种运行场景下仿真优化未失联分布式资源集中控制策略，并将每种运行场景风险值按照运行场景概率加权求和，得到第i个故障场景采用当前分散式控制策略的风险值，循环计算每种故障场景采用当前分散式控制策略的风险，传递至上层计算DG采用当前分散控制策略的综合风险值，然后根据粒子群优化的基本思想更新DG的分散控制策略，满足迭代终止条件后，输出DG分散控制策略。

图5(b)为FMSS失联的优化控制策略求解流程。上层产生FMSS分散控制策略，传递至下层在每种运行场景下仿真优化未失联分布式资源集中控制策略，并将每种运行场景风险值传递至上层，按照运行场景概率加权求和，得到FMSS采用当前分散式控制策略的综合风险值。然后根据粒子群优化的基本思想更新FMSS的分散控制策略，满足迭代终止条件后，输出FMSS分散控制策略。

下面通过具体的仿真算例对本发明的方法进行验证。本仿真基于MATLAB R2018a平台，以3个改进的IEEE-33节点配电系统对模型进行测试，系统结构如图6所示，三个IEEE33节点系统末端通过三端FMSS连接实现区域间互联。两台光伏机组接入节点1-14，1-17，额定容量为900kV·A，功率因数均为0.9，4台风电机组接入节点1-15,2-14,2-16,2-17，额定容量分别为800kV·A、900kV·A、900kV·A、800kV·A，功率因数均为0.9，3端FMSS连接节点1-18,、2-18、3-18。通信设备故障参数如表1所示：

表1信息系统元件可靠性参数

算例所示信息系统信息元件共21个，通信线路共23条，遍历信息元件与通信线路单一故障，共44种场景，根据故障后果一致性进行场景缩减，得到如下表所示的通信故障场景概率表。

表2通信系统故障场景概率表

根据历史统计数据，接入配电网的风机与光伏，每隔15min一个采样点，以一天96个采样点为基础，通过自适应FCM聚类算法得到6个典型场景及其概率，聚类结果如图7及表3所示。

表3运行场景聚类结果

采用基于免疫的粒子群算法进行优化模型求解，通过多次仿真测试，各DG就地控制策略优化结果如表4所示，综合风险值为3.0753。

表4分布式电源就地控制策略优化结果

由上表可知，离线DG出力差异较大，最高可达到96.75％，最低可达到45.79％，主要与DG在馈线中的位置有关，靠近馈线首端的DG，离线出力水平较高，如DG1和DG4，由于馈线末端的电压比前端波动程度大，因此靠近馈线末端的DG，应限制其离线出力，如DG2和DG6。

FMSS离线运行策略采用信息失效前一时刻在线产生的功率传输指令，由于不同运行场景下FMSS在线运行策略不同，FMSS信息失效后不同运行场景下各端口传输的有功功率如表5所示。

表5 FMSS就地控制策略优化结果

由上表可知，不同运行场景下FMSS通信故障后的运行风险相差不大。分布式电源出力对FMSS端口传输有功功率有一定影响，场景1到场景4中光伏出力较高，因此馈线1功率充足，场景5和6中，光伏出力接近0，无法满足馈线1负荷需求，因此需要从其他馈线转供。由于馈线3上没有分布式电源接入，因此馈线3在6种场景中均需要来自另外两条馈线的功率支撑。此外，对比表5优化结果发现，FMSS通信故障后的系统运行风险更高，这是由于FMSS在系统中起到负荷功率支撑、调节电压的作用，系统对FMSS依赖性较强，因此通信故障后风险更高。

上述实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。