考虑可再生能源不确定性和数据异构的送端电网电源出力优化控制模型

冷欧阳， 回 茜， 宋宇萍， 孙 鹏

（1.国网内蒙古东部电力有限公司 经济技术研究院，内蒙古 呼和浩特 010020； 2.沈阳工业大学， 辽宁 沈阳110870； 3.国网辽宁省电力有限公司 营销服务中心， 辽宁 沈阳 110004）

0 引言

在可再生能源发电容量快速增加的背景下，包含高比例可再生电源及多能源设施的电网，无论是电源规划、调度策略、运行优化，还是系统动态过程的优化控制，对可再生能源比例不断提高导致的电源出力在不同不确定性下的优化控制，都是关系到电网安全稳定和经济运行的关键问题[1]～[3]。

目前，针对可再生能源大规模接入电网后的功率控制问题，国内外的科技人员开展了较多研究。 文献[5]，[6]针对光伏发电系统功率控制，基于光伏出力备用优化和逆变器修正下垂控制策略，提出考虑一次调频频率偏移和越界约束的光伏误差调频控制模型。 文献[7]针对风电功率波动抑制问题，研究了基于超级电容和氢储能的大型储能系统充放电控制策略，并提出了基于指数平滑算法的风电功率波动抑制模型。 文献[8]针对地区多风电场功率协同平滑问题，研究了基于Copula函数和Pair-Copula 方法的、多地理尺度的风速时空优化模型，提出了考虑不同风电场的容量配置优化的风电场联合出力平滑方法。 文献[9]提出了交直流同质化能量函数模型， 并根据能量函数判据，对交直流混联系统进行实时控制。 文献[10]根据交直流互联系统暂态过程的强非线性特性，建立了线性变参数模型， 并针对交直流互联系统中风电不确定性， 提出暂态稳定线性变参数鲁棒反馈控制方法。现有文献显示，目前对于多电源的送端系统稳定控制的研究较少， 且未考虑多种数据的异构特性。

本文针对可再生能源大规模并网的送端电网中的风、光、水、火电源联合出力调节过程中，风、光等可再生能源发电系统的一次能源输入数据的异构特性及一次能源数据， 在两次采样间隔内可能出现变化的不确定性， 研究了基于送端电网多能源输入、 转换和电能输出的数据网络拓扑模型和考虑一次能源输入不确定性的数据交互模型。在此基础上， 研究了基于送端电网多能源数据网络动态控制误差约束的H2/H∞负荷波动跟踪模型， 并提出基于功率跟踪性能指标的送端电网总电源出力优化控制算法。仿真分析结果表明，本文提出的基于可再生一次能源不确定性及数据异构特性的电网功率控制方法，能够在适应多场景不确定性的前提下，保证较好的负荷功率波动跟踪性能指标。

1 多能源异构数据模型

在不同地理空间位置的风、光、水、煤等一次能源输入数据，经过各自不同的物理传感和处理后，构成了一个如图1 所示的描述送端电网电源出力的多种能源能量传递网络。

图1 送端电网多能源数据网络Fig.1 Multi-energy data network of sending-end grid

对于具有N 个一次能源能量输入的数据测量网络，在第k 个采样时刻，一次能源输入数据为

一次能源的能量输入经过风机、光伏、水轮机、 汽轮机等设备转换为机械能、 直流电动势能后，即可得到一次能源转换输出测量数据：

当机械能、 直流电动势能再进一步经过发电机、变流器转换为电能后，得到电能输出测量数据：

设一次能源输入、能源转换和电能输出数据在同一时间尺度下采样，采样周期均为T。

2 考虑不确定性的异构数据网络模型

式（1）～（3）给出了描述任意时刻能源转换过程的数据，由发电系统一次能源输入到电能出力的有向数据网络可表示为

式中：ν={1，2，…，N}为一次能源、能源转换、电能输出等各类数据采集传感器所采集数据构成的数据节点集；E⊆ν×ν 为数据连接节点的边集合；（i，j）∈E 为节点i 和节点j 间具有能量交互关系的边集合；（i，j）∈ν，W=[wij]∈RN×N为节点能量交互强度矩阵，且wij取大于或等于0 的值，即wij≥0⇔（i，j）∈E，否则，wij=0。

在图1 中， 假设在可再生能源的一次能源输入、能源转换输出环节中，在下一次采样之前，本次采样值与实际系统中的相关物理状态间均存在不确定性，即在下一次采样开始前，本次采样测得的能源输入值可能以某一不确定性特征出现变化。若在一个多能源数据网络中，可能存在上述不确定性特征的一次能源输入与能源转换输出节点数为M，则在两个采样时间间隔内，将产生M 个采样值的不确定性变化。 由于多能源数据网络在空间上分布的广泛性和一次能源的异构性， 对应于第k 个采样时刻， 每个具有不确定性的数据节点的不确定性都不尽相同，即：

则可再生能源相关节点数据不确定性集合为

考虑可再生能源数据的异构特性及其不确定性后，送端电网系统总的负荷需求变化时，对其电源出力进行调整， 须考虑在可再生能源不确定性下电源出力控制的鲁棒性。

3 可再生能源不确定性控制模型

电网中可再生一次能源输入导致的发电出力不确定性和负荷波动不确定性， 都将影响电网保持功率平衡的性能。本文将考虑风、光等可再生能源发电系统输入的送端电网电源出力不确定性系统，描述为一个带有负荷与电源功率不平衡扰动的离散系统组成的一个具有N 个节点的数据网络：

式中：x（k）∈Rm为送端电网多能源数据网络系统状态；ω（k）∈Rq为多能源数据网络系统的负荷与电源间功率不平衡造成的扰动，且ω（k）∈[0，∞]，即功率不平衡扰动有界；z（k）∈Rg为送端电网数据网络的总电能出力；yi（k）∈Rn为第i 个电源节点出力的不确定性输出；A，B，L 和Ci（i∈ν）为系数矩阵。

在图1 中， 若第i 个可再生能源发电系统一次能源数据网络节点的一次能源输入在第k 时刻的数据为

则第i 个可再生能源节点对应的能源转换系统输出为

同理， 第i 个可再生能源节点对应的电能输出为

式中：

对于第i 个可再生能源节点， 有如下电能出力稳定性控制器：

定义第i 个可再生能源节点电能出力控制误差为

可得第i 个可再生能源节点出力误差动态系统：

式中：

包含N 个电源节点的送端电网总的电能出力误差动态控制系统模型为

式中： ξ（k）=coliN{ξi（k）}， e（k）=coliN{ei（k）}，

在具有N 个电源节点的送端电网中，电网总的电能出力稳定性控制问题可描述为如下的H2/H∞问题。

①在电网功率平衡扰动ω（k）=0 的情况下，送端电网总电源出力在某一不确定性下的出力波动动态系统是随机稳定的。 对任意初始状态x（0）存在：

②在送端电网无电源出力变化指令的初始条件下， 总电源出力误差动态系统满足H2/H∞性能γ（γ>0），即：

4 仿真算例

以某风、光、水、火打捆外送电网的实际运行数据和IEEE-3 机9 节点模型为基础， 建立包含两个可再生能源等值电源和一个常规水火机组等值电源， 考虑可再生能源发电异构数据不确定性的送端电网电源出力动态控制仿真模型。 考虑两个可再生能源电源的送端IEEE-3 机9 节点模型如图2 所示。

图2 具有两个可再生能源异构数据的送端电网模型Fig.2 Model of the sending-end grid with two different renewable energy source

在图2 的送端电网中， 设两个可再生能源节点的一次能源输入不同，能源转换机理不同，两节点能源转换过程的相关性不为零， 即两节点间的电能出力有相互影响， 设计如图1 所示的送端电网电源出力H2/H∞控制系统。

送端电网电源出力控制系统参数：

当不给定送端电网电源出力跟随负荷变化能力控制指标γ 时， 在不同可再生一次能源不确定性下，可得γ 值的对比结果，如表1 所示。由表1 可知， 本文建立的送端电网出力H2/H∞最优扰动控制模型， 随着可再生一次能源不确定性的波动变化， 仍具有较强的跟随负荷波动的能力。

表1 送端电网电源跟随负荷性能指标对比Table 1 Comparison of the performance dynamic following of the sending-end power source

为分析可再生一次能源不确定性对送端系统功率平衡稳定性的影响， 设送端系统电源出力初始条件为

可再生一次能源不确定性和能源转换效率分别为dk=0.03，βk=0.93，负荷功率扰动为

对上述边界条件下的送端电网电源出力控制特性进行仿真，结果如图3 所示。 由图3 可知，送端电网的功率控制性能与不考虑可再生一次能源不确定性的控制算法相比，具有较好的响应速度和超调抑制性能。

图3 算法功率跟踪性能比较Fig.3 Comparison of the proposed algorithm

5 结论

本文针对大规模可再生能源与传统水火电源打捆的送端电网，在考虑可再生一次能源输入不确定性及可再生一次能源数据异构特性的基础上， 研究建立了基于多能源数据网络H2/H∞动态误差控制的送端负荷功率跟踪控制模型，实现了较好的送端电网总电源出力优化控制。

考虑多种类一次能源输入场景下，送端电网能源输入、转换、输出数据网络存在较为复杂的数据异构特性和数据采样间隔内能源输入及转换的不确定性，建立了考虑数据异构及不确定性的数据交互及多能源数据网络模型。

针对可再生一次能源不确定性及送端负荷扰动作用下的总电源出力优化控制问题，研究了多能源数据异构网络的分布式H2/H∞误差及功率跟踪性能指标控制方法。

在某实际送端电力系统的大规模可再生能源发电数据基础上，针对一次能源异构数据及不确定性， 建立了送端电网出力优化控制仿真模型。 仿真分析结果表明，本文提出算法的控制效果和精度能够满足实际工程需要。