System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及新能源发电建模领域,尤其是涉及一种基于强化牵制的微电网分布式经济控制方法。
技术介绍
1、近年来,随着微电网技术的不断发展,微电网内分布式电源种类多样,运行成本各异。一般情况下,传统的下垂控制按照容量比例分配各dg功率,难以保证微电网系统成本最小化,并出现明显的频率偏差,影响电能质量和运行稳定性。为了维持频率稳定和降低系统运行成本,近年来提出的微电网分布式经济控制方法通过改进的下垂控制策略为各控制单元调整下垂系数,可有效提高微电网运行的经济性和稳定性。
2、目前,针对微电网分布式经济控制技术已经取得了许多成果,可以通过分布式一致性算法以完全自治的形式动态调整其下垂控制系数,使系统处于最优经济运行状态,在没有集中控制器的情况下降低微电网的总发电成本,但下垂系数的设定还有待研究,当系统结构发生变化,人为设定的阈值和参数的准确性会有所下降,导致系统动态响应能力和稳定性下降,为了进一步提高系统运行的经济性和稳定性,本专利提出一种基于强化牵制的微电网分布式经济控制方法,通过构建微电网内部经济控制模型,设计出微电网运行成本最小化的目标函数和约束条件,并基于强化学习和牵制控制,提出一种强化牵制算法,在微电网控制层对各分布式电源出力进行协调分配,使系统运行成本最小化,对实现微电网经济运行具有重要意义。
技术实现思路
1、针对现有技术的不足,本专利技术提出了一种基于强化牵制的微电网分布式经济控制方法,通过各分布式电源的边际成本和频率变化率,自适应调节各dg的有功出力,有效提
2、本专利技术所采用的技术方案如下:
3、一种基于强化牵制的微电网分布式经济控制方法,其构建包括下述步骤:步骤1,构建微电网内部经济控制模型,设计微电网经济成本最小化的目标函数和约束条件;步骤2,基于强化学习和牵制控制,设计一种强化牵制算法,将强化学习选取的最优动作值预设为牵制控制参考值,通过牵制信息迭代矩阵实现各分布式电源边际成本一致性;步骤3,基于步骤1构建的经济控制模型和约束条件及步骤2设计的强化牵制算法,构建基于强化牵制的微电网分布式经济控制方法。
4、进一步的,所述步骤1中微电网内部经济控制模型的构建包含以下步骤:
5、步骤11、设计微电网经济成本最小化目标函数:
6、分布式电源的出力成本由其输出的有功功率决定,用一个一元二次函数来表示:
7、ci=aipi2+bipi+ci (18)
8、式中:ci为第i个dg出力;pi为第i个分布式电源的有功功率;ai、bi和ci均为第i个dg的发电成本系数;所述dg为分布式电源。
9、考虑合理控制微电网内分布式电源的输出功率,使得微电网的出力成本最小,设计微电网内的协调控制目标函数:
10、
11、式中:n是分布式电源的总个数。
12、分布式电源的边际成本表示由增加其输出功率而引起的系统成本增量,由下式计算:
13、
14、由等微增率准则可知,各dg有功功率经济分配,系统总运行成本最小的必要条件是所有dg的边际成本相等,即:
15、λ1=λ2=…=λi=…=λn=λ (21)
16、式中:λ1,λ2,…,λn为第1至n个dg的边际成本;λ为各dg边际成本相等时的值。
17、因此,当微电网经济运行时,各分布式电源出力应满足如下所示条件:
18、pi*=(λ-bi)/2ai,i=1,2,…n (22)
19、式中:p*i是系统成本最小时第i个dg的有功功率。
20、步骤12、根据分布式电源出力约束和系统总有功负荷需求设计约束条件:
21、各dg应满足分布式电源出力约束,不能超过出力上限值:
22、0≤pi≤pi,rat,i=1,2,…,n (23)
23、式中:pi,rat是第i个dg的额定功率。
24、微电网内各dg的出力应满足微电网总有功负荷需求:
25、
26、式中:pl是系统总有功负荷。
27、进一步的,所述步骤2中强化牵制算法的构建包含以下步骤:
28、步骤21、强化学习算法的构建:
29、在状态s下智能体通过搜索会获得一个动作集合a,最优动作a*为:
30、
31、式中:q是状态s对应动作的奖励折扣累计值。
32、q值表可按下式进行更新:
33、
34、式中:α是q学习的学习率,γ是折扣参数,α和γ的取值范围均是0~1。
35、步骤22、牵制控制的实现:
36、每个分布式电源信息牵制过程可表述为:
37、
38、式中:di是牵制控制增益,ei是节点状态和参考值的偏差量。
39、整个微电网基于牵制的协同控制可用矩阵形式表述为:
40、e[k+1]=wpe[k] (28)
41、式中:wp为牵制信息更新矩阵,当wp小于0时,牵制一致性算法稳定。
42、牵制信息更新矩阵的第(i,j)个元素wij的表达式为:
43、
44、式中:ni和nj分别表示和节点i、j相邻的节点数量;η是收敛系数,取值范围是0到1。进一步的,所述步骤3中基于强化牵制的微电网分布式经济控制方法包含以下步骤:步骤31、分布式控制的实现:
45、微电网内本地一级控制采用p-f下垂控制:
46、fi=fi,ref-mi(pi-pi,ref) (30)
47、式中:fi,pi是第i个dg的实际频率和实际有功功率,fi,ref,pi,ref是第i个dg的频率和有功功率的参考值,mi是第i个dg的下垂系数。
48、由于传统下垂控制是有差调节,在二次控制中采用比例积分环节对频率偏差进行修正:
49、δfi=kp(fi,ref-fi)+ki∫(fi,ref-fi)dt (31)
50、fi=fi,ref-mi(pi-pi,ref)+δfi (32)
51、式中:δfi是第i个dg的频率修正变量,kp,ki分别是比例积分控制器的比例系数和积分系数。
52、步骤32、强化学习控制器的设计:
53、设计含有10个离散区间的强化学习状态集,按照(δλmax-δλmin)/10确定出区间长度,其中δλmax、δλmin可由下式计算:
54、
55、式中:λmax、λmin分别是分布式电源边际成本最大值和最小值,amax,bmax和amin,bmin分别是最大和最小成本系数,pmax是微电网中所有分布式电源中的最大额定功率。
56、考虑边际成本改变引起的分布式电源出力变化,设计控制器动作集a,可定义为{-0.1,-0.05,-0.01,-0.005,-0本文档来自技高网...
【技术保护点】
1.一种基于强化牵制的微电网分布式经济控制方法,其特征在于,所述方法的构建包括下述步骤:步骤1,构建微电网内部经济控制模型,设计微电网经济成本最小化的目标函数和约束条件;步骤2,基于强化学习和牵制控制,设计一种强化牵制算法,将强化学习选取的最优动作值预设为牵制控制参考值,通过牵制信息迭代矩阵实现各分布式电源边际成本一致性;步骤3,基于步骤1构建的经济控制模型和约束条件及步骤2设计的强化牵制算法,构建基于强化牵制的微电网分布式经济控制方法。
2.根据权利要求1所述的一种基于强化牵制的微电网分布式经济控制方法,其特征在于,所述步骤1中微电网内部经济控制模型的构建包含以下步骤:
3.根据权利要求1所述的一种基于强化牵制的微电网分布式经济控制方法,其特征在于,所述步骤2中强化牵制算法的构建包含以下步骤:
4.根据权利要求1所述的一种基于强化牵制的微电网分布式经济控制方法,其特征在于,所述步骤3中基于强化牵制的微电网分布式经济控制方法包含以下步骤:
【技术特征摘要】
1.一种基于强化牵制的微电网分布式经济控制方法,其特征在于,所述方法的构建包括下述步骤:步骤1,构建微电网内部经济控制模型,设计微电网经济成本最小化的目标函数和约束条件;步骤2,基于强化学习和牵制控制,设计一种强化牵制算法,将强化学习选取的最优动作值预设为牵制控制参考值,通过牵制信息迭代矩阵实现各分布式电源边际成本一致性;步骤3,基于步骤1构建的经济控制模型和约束条件及步骤2设计的强化牵制算法,构建基于强化牵制的微电网分布式经济控制方法。<...
【专利技术属性】
技术研发人员:柳伟,宋莉娟,孙可,郁家麟,陈鼎,方景辉,褚明华,施海峰,周旻,钱伟杰,刘维亮,陈吉,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。