基于混合微电网的源网荷储分层协调控制研究

建设以新能源为主的源网荷储微电网是我国电力系统转型升级的重要举措。针对新能源高比例渗入的混合微电网协调运行问题,提出了一种基于分层控制的混合微电网通信控制方案,并利用有限状态机(finite state machine,FSM)建立了控制方案的数学模型。该方法在微电网中央控制器预定义了4种系统模态,为了实现模态之间的无缝平滑切换,列写出9种触发模态转化的状态变量,使得系统能在所设计的场景中保持可靠的自主操作。仿真结果表明,该模型能够实现混合微电网的协调运行,验证了该方法的有效性和实用性。

基于分段下垂的直流微电网协调控制方法研究

目前,对于直流微电网的控制方法为下垂控制,但该方法并不稳定,极易造成能源损耗,为此设计分段下垂的控制方法。建立直流微电网下垂控制的数学模型,在研究光伏电源能量输出特性的基础上采用扰动观察法控制其能量输出,分析影响电流分配和母线电压偏差的因素,使用分段下垂控制母线电压的稳态偏差,通过补偿交流侧母线电压的方式优化对于微电网的协调控制。对比实验表明,该方法在控制直流微电网过程中的电力损耗极低。

基于MADDPG算法的建筑群柔性负荷优化调控方法

随着电网调度环境和信息整理环境日趋复杂,电网调控的难度也随之增加。针对深度强化学习技术具有有效感知复杂系统运行状态、适应性强、可扩展性好等特点,提出了基于深度强化学习的配网优化调度方法。构建了考虑源-网-荷-储的模拟建筑体配网模型,从原理出发对多智能体深度确定性策略梯度(MADDPG)算法进行静态优化,将模型与真实数据导入适用于电网级目标的多智能体强化学习框架中,尝试用优化后的算法对配网系统进行电压调控。结果表明,所用算法基本消除了配网系统的违规峰值电压,降低了总体电压偏差;优化后的多目标导向算法在保持电压稳定的同时减小了负载-发电功率差,使负载功率损耗维持较低水平,表明基于深度强化学习的建筑群柔性负荷优化调控方法具有一定有效性。