基于分布式牛顿法的微电网群分布式优化调度方法

发布时间：2019-09-26 23:38

【摘要】：多个微电网以自组织的方式连接成为自治实体并接入配电网运行,能够显著提高供电可靠性并降低运行成本。提出了一种针对微电网群优化运行的全分布式算法,旨在替代传统集中协调的方式,解决系统对灵活性、可靠性和经济性的要求。该方法基于点对点通信,只需要稀疏通信网络上的相邻节点交换信息,且通信负担很轻。首先介绍了微电网群优化模型,随后结合具有二阶收敛速度的分布式牛顿法和基于一致算法的信息传递,实现了微电网群运行成本的全分布式运行优化。算例结果表明,该方法具有相较一阶分布式算法更快的收敛速度,且受通信拓扑的影响更小,证明了该方法的可靠性和可扩展性。
【图文】：

系统结构图,群仿真,系统结构

至配电网，并接收配电调度中心的调度指令，本文中设定功率交换指令为２６５ｋＷ。假设各微电网的运行成本均为关于交换功率的二次函数，，并以ａ，ｂ，ｃ分别代表成本函数二次项、线性项和常数项的系数。其他各微电网的全部相关系数如表１所示。牛顿迭代的步长取为常数０．５。图１微电网群仿真系统结构Ｆｉｇ．１Ｃｏｎｆｉｇｕｒａｔｉｏｎｏｆｍｉｃｒｏｇｒｉｄｃｌｕｓｔｅｒｓｉｍｕｌａｔｉｏｎｓｙｓｔｅｍ表１各微电网仿真参数Ｔａｂｌｅ１Ｓｉｍｕｌａｔｉｏｎｐａｒａｍｅｔｅｒｓｏｆｅａｃｈｍｉｃｒｏｇｒｉｄ微电网ａｂｃＰ０ＭＧｉＰｍｉｎＭＧｉＰｍａｘＭＧｉ１２．０３１０６０１０７０２１．０１５２５－１５５０３２．０２８３０１０４５４１．５３１５４５２０６０５０．５１６５０５０１００６０．８２８５５４０７５在本文中，各微电网只需要与有限的相邻微电网进行通信，默认的通信拓扑关系如图２（ａ）所示，下文中未具体说明的结果均基于该通信拓扑得到。但由于不可避免的意外事件，通信连接常常会因故障而中断，为了模拟故障情况，本文同样仿真了图２（ｂ）（ｃ）中通信拓扑的情况，代表原通信拓扑因故障中断了某些线路的情况。为了验证本文提出的分布式牛顿法的效果，选择具有代表性的一阶分布式次梯度算法作为算例对比。附录Ａ图Ａ１给出了微电网群总运行成本随两种算法迭代次数增加的变化结果。可以看到，两种算法可得到基本相同的最优值，但利用分布式牛顿法总运行成本随迭代单调下降，大约经过３次迭代后即达到最优值，而利用次梯度算法的收敛则需要１５次以上的迭代计算。这一结果说明了本文提出了分布式牛顿

拓扑图,拓扑,算例,次梯度算法

具有代表性的一阶分布式次梯度算法作为算例对比。附录Ａ图Ａ１给出了微电网群总运行成本随两种算法迭代次数增加的变化结果。可以看到，两种算法可得到基本相同的最优值，但利用分布式牛顿法总运行成本随迭代单调下降，大约经过３次迭代后即达到最优值，而利用次梯度算法的收敛则需要１５次以上的迭代计算。这一结果说明了本文提出了分布式牛顿法由于利用了二阶梯度信息，相比传统一阶的分布式算法收敛速度显著提升，更加满足算法灵活性和高效性的要求，在规模更为庞大的系统中，这一效果将更加明显。图２算例仿真的通信拓扑Ｆｉｇ．２Ｃｏｍｍｕｎｉｃａｔｉｏｎｔｏｐｏｌｏｇｙｆｏｒｃａｓｅｓｉｍｕｌａｔｉｏｎ另一方面，附录Ａ图Ａ１的结果表明，本文方法受不同通信拓扑的影响很校相较之下，不同通信拓扑对次梯度法迭代的收敛效果影响更为明显，特别是随着通信线路的减少收敛速度明显减慢。事实上，只要通信网络构成连通图，本文的算法即可以保证迭代的收敛，从而证明了该方法相较于集中式方法的可靠性，在通信故障下提高供电的安全系数。图２（ａ）所示通信拓扑下，两种算法的各微电网输出功率变化曲线如附录Ａ图Ａ２和图Ａ３所示。可以看到，相比于分布式次梯度算法，本文算法不仅使得输出功率更快达到稳定，且不存在次梯度算法起始阶段的反向调节和过调节现象，再一次证明了本文算法的优化效果。附录Ａ图Ａ４给出了采用分布式牛顿法时各微电网成本微增率随迭代步数增加的变化情况。从图中可以看到，随着迭代的进行，各微电网的微增率逐渐收敛到一个共同值，这个共同值即满足功率平衡约束下全局最优的微增率。等微增率准则作为验证手段证明了本文提出的算法能够
【作者单位】：国网江苏省电力公司;国网江苏省电力公司电力科学研究院;清华大学电机工程与应用电子技术系;清华大学电力系统及发电设备控制和仿真国家重点实验室;
【基金】：国家自然科学基金资助项目(61602251) 国家电网公司科技项目(J2016015)~~
【分类号】：TM73

【相似文献】