论文部分内容阅读
含离散控制的电网安全运行控制是电力系统优化的基本内容和重点难题。本文先从短期电压安全问题着手,把短期电压安全问题描述为一般性的、具有某些典型数学特征(例如,多目标、混合整数、动态优化等)的优化模型。根据这些特征,本文借助一些已有的求解算法,包括前沿的人工智能算法以及经典的数学(数值型)优化算法等,并提出许多有用的改进,实施高效的求解。然后,动态化建模和混合整数优化(Mixed-Integer Optimization,MIO)方法被进一步推广到含离散控制的主动配电网最优运行方式问题,以便高效求解其中的离散控制难题,同时为经典的运行控制提供更精确的连续轨迹运行方式。另外,随机优化算法被加入到最优运行方式问题的求解,以便适应高渗透新能源并网的安全运行。具体而言,本文在如下四个方面取得了创造性成果:(1)一种含离散控制的发电-补偿的无功协调控制策略被提出用于解决短期电压失稳问题。短期电压紧急调控问题被描述为包含元件动态、潮流方程以及安全约束的多目标动态优化模型。一种新颖的多目标强化学习算法(Multi-Objective Reinforcement Learning,MORL)方法被用于缓解该模型求解的计算压力,以及通过过滤支配解的方式获得Pareto最优解。与经典的MORL方法相比,本文提出的MORL方法划分完整的可行域为若干个相对小的独立区域,每个小区域各自完成支配解的过滤,以便减少Pareto最优解的搜索范围。除此之外,我们重新定义了状态函数并引入了状态敏感度的概念,以便给出代理学习和应用环节的切换条件。为了扩充Pareto前沿(Pareto Frontier,PF)的分布范围,若干个疑似的Pareto最优解也被引入到支配关系的比较。最后,通过Fuzzy决策策略,我们获得了应对短期电压失稳的折中方案。在某省级748节点电网上的算例验证了本文提出的MORL方法的高效性。(2)多目标配置动态无功源以便应对短期电压失稳,其中本文在规划问题的建模及其求解方面提出了独特的见解。在动态无功源的规划建模上,本文同时优化三个目标函数:1.STATCOM的安装费用;2.发电机调差的代价;以及3.短期电压安全指标。其中STATCOM的规划涉及到安装地点(整数变量)和安装容量(连续变量)。上述的规划问题可以采用多故障集下的短期电压安全和功角稳定约束的多目标混合整数动态优化模型来描述。在求解方法上,本文提出一种简化的凸松弛(Reduced Convex Relaxation,RCR)算法来处理整数变量的STATCOM安装地点,并且避免整数变量的组合爆炸问题。为了获得三目标优化问题的完整PF,本文提出简化广域规格化法平面约束法。该方法首先将三维下Utopia平面扩大,以便PF能够完整地被它的垂直投影所覆盖;然后修剪Utopia平面上冗余的部分以减少计算量。在IEEE 39节点系统以及某实际1009节点系统上的仿真结果表明所提的算法能够有效处理整数变量以及获得三维空间下完整PF。(3)动态化构建主动配电网(Active Distribution Networks,ADNs)最优运行方式的模型,并提出采用混合整数求解方法实施求解。本文创新性地把MIO和动态优化(Dynamic Optimization,DO)有机地结合,转而采用混合整数动态优化(Mixed-Integer Dynamic Optimization,MIDO)模型描述一天24小时的最优运行问题。所提出的MIDO模型将负荷和分布式发电机的出力具体描述为连续光滑的轨迹,旨在为主动配电网提供最优的连续光滑调度轨迹。然而,在实际工程中,离散控制装置需要被限制一天24小时的调节/切换次数,表现为绝对值不等式约束,极大增加了MIDO模型的求解难度。因此,本文采用RCR法实现MIDO模型关于整数变量的简化凸转换和紧松弛。这个过程将MIDO模型转换为连续动态优化模型,然后可以采用Radau排列法进一步近似为非线性规划模型。与此同时,限制离散控制设备切换次数的绝对值不等式约束被等效替换为一系列的线性不等式约束。在IEEE 33节点、PG&E 69节点和实际的110节点ADNs上的数值仿真结果论证了所提算法的高效性。(4)应用简维度、稀疏网格型的随机排列点法(Stochastic Collocation Method With Dimension-Reduced Sparse Grid,SCM-W-DRSG)求解含随机输出的ADNs最优运行方式,重点展示SCM-W-DRSG在随机优化上的优势。SCM-W-DRSG并不关心随机优化模型的真实内部结构,而把模型看做黑盒子,只关注黑盒子的输入和输出;借助某些多项式与输入函数之间的张量积,模拟黑盒子的内部结构以及对应的输出。并且,SCM-W-DRSG综合了稀疏网格以及简维度的思路,升级了随机排列点法模拟黑盒子内部结构的整体方案,解决了网格配置点之间组合爆炸的问题。以经典的Monte Carlo法为基准,SCM-W-DRSG对优化模型的近似效果优秀,获得极其精确的运行费用以及调度方式。并且,SCM-W-DRSG的求解效率极高,其计算时间远短于经典的Monte Carlo法;甚至在采样场景海量的时候,出现了经典的Monte Carlo法不能求解但SCM-W-DRSG可求解的情况。另外,提升SCM-W-DRSG的阶数确实能提高近似黑盒子的精度,但将伴随计算时间增长。然而,相比采样场景增长的情况,该情况下计算时间的增长是可接受的。