高比例新能源并网对配电网电压稳定构成严峻挑战,而氢能凭借其高密度、零碳排、高热值等优势,可作为新型调压资源主动参与电压控制,有效提升系统电压韧性。因此,提出一种利用电制氢(power to hydrogen, P2H)辅助的配电网主从博弈电压控...高比例新能源并网对配电网电压稳定构成严峻挑战,而氢能凭借其高密度、零碳排、高热值等优势,可作为新型调压资源主动参与电压控制,有效提升系统电压韧性。因此,提出一种利用电制氢(power to hydrogen, P2H)辅助的配电网主从博弈电压控制策略。首先,考虑到配电网运营商、电制氢运营商和储能运营商间的利益冲突,建立P2H参与的主从博弈双层优化模型。以配电网运营商作为领导者,配电网运行成本最小为目标,制定相应的电价补贴,引导电制氢运营商、储能运营商调整自身用电行为,保证配电网的电压稳定性。其次,考虑到实际情况源荷的不确定性,设计了基于拉丁超立方抽样的日内随机优化算法。最后,算例结果表明,所提出的模型能够有效提升配电网电压的稳定性,且配电网运营商总运行成本较不含P2H的场景降低了14.56%,较未设置激励机制的场景降低了5.67%。展开更多
针对高渗透率分布式光伏接入配电台区引发的电压波动问题,提出一种计及台区电能质量的分布式电源电压调控策略。首先,基于台区拓扑结构构建分布式光伏-负荷节点连接关系图,以此为依据进行动态调控区域划分、关键电压节点筛选及多目标优...针对高渗透率分布式光伏接入配电台区引发的电压波动问题,提出一种计及台区电能质量的分布式电源电压调控策略。首先,基于台区拓扑结构构建分布式光伏-负荷节点连接关系图,以此为依据进行动态调控区域划分、关键电压节点筛选及多目标优化函数设计。在此基础上,构建了一种基于时频分类与混合专家网络(Mixture of Experts,MoE)的光伏出力预测模型,通过融合时域变化特征与频域周期规律,增强出力波动的分类表征能力,并借助MoE结构实现数据分类下的专业定向预测,从而显著提升预测精度与稳定性。进一步,以预测结果为输入,采用模型预测控制方法,将电压约束、有功功率输出及调控频率等多重限制条件直接嵌入滚动优化目标,生成前瞻式协同调控策略,以解决传统逆变器调控滞后、动作频繁及出力降额等问题。为提升台区级调控效率并降低计算负担,设计了具备自趋优更新机制的经验回放区,结合调控边界自感知规则,在预测完成后可触发精简调控模式,直接选取相似历史策略执行,并通过奖励机制持续优化策略库,从而在保证调控稳定性的同时大幅提升响应速度。仿真结果表明,所提方法在预测准确性上显著优于多种对比方案,其测试准确率达99.29%,标准差仅0.71%,波动范围控制在3.27%。在电压调控效果方面,该方法在负荷突增导致电压越下限、光伏出力波动引起电压越上限等多类场景中,均能实现快速且平稳的电压恢复:在电压越下限2%~10%场景下,调控完成速度较现有方法提升2.4倍以上;在越上限2%~7%场景中,调控速度快1.5倍以上,且全过程电压偏差始终维持在±2%以内,有效避免了频繁调控与发电损失;在电压越上限7%~10%场景中,通过降低有功功率输出实现压降,所提方法在2 s内即可完成调控,且有功功率输出较传统方式提升约3%,显著缓解了因过压保护导致的停机风险。综上所述,文章所提出的融合精准预测、滚动优化与经验回放机制的电压调控策略,不仅具有较高的预测精度与响应速度,而且能有效保障台区电压稳定并提升光伏出力,为分布式新能源从“规模扩张”向“质量提升”转型提供了可行的技术支撑。展开更多
摘要高比例新能源并网对配电网电压稳定构成严峻挑战,而氢能凭借其高密度、零碳排、高热值等优势,可作为新型调压资源主动参与电压控制,有效提升系统电压韧性。因此,提出一种利用电制氢(power to hydrogen, P2H)辅助的配电网主从博弈电压控制策略。首先,考虑到配电网运营商、电制氢运营商和储能运营商间的利益冲突,建立P2H参与的主从博弈双层优化模型。以配电网运营商作为领导者,配电网运行成本最小为目标,制定相应的电价补贴,引导电制氢运营商、储能运营商调整自身用电行为,保证配电网的电压稳定性。其次,考虑到实际情况源荷的不确定性,设计了基于拉丁超立方抽样的日内随机优化算法。最后,算例结果表明,所提出的模型能够有效提升配电网电压的稳定性,且配电网运营商总运行成本较不含P2H的场景降低了14.56%,较未设置激励机制的场景降低了5.67%。
摘要针对高渗透率分布式光伏接入配电台区引发的电压波动问题,提出一种计及台区电能质量的分布式电源电压调控策略。首先,基于台区拓扑结构构建分布式光伏-负荷节点连接关系图,以此为依据进行动态调控区域划分、关键电压节点筛选及多目标优化函数设计。在此基础上,构建了一种基于时频分类与混合专家网络(Mixture of Experts,MoE)的光伏出力预测模型,通过融合时域变化特征与频域周期规律,增强出力波动的分类表征能力,并借助MoE结构实现数据分类下的专业定向预测,从而显著提升预测精度与稳定性。进一步,以预测结果为输入,采用模型预测控制方法,将电压约束、有功功率输出及调控频率等多重限制条件直接嵌入滚动优化目标,生成前瞻式协同调控策略,以解决传统逆变器调控滞后、动作频繁及出力降额等问题。为提升台区级调控效率并降低计算负担,设计了具备自趋优更新机制的经验回放区,结合调控边界自感知规则,在预测完成后可触发精简调控模式,直接选取相似历史策略执行,并通过奖励机制持续优化策略库,从而在保证调控稳定性的同时大幅提升响应速度。仿真结果表明,所提方法在预测准确性上显著优于多种对比方案,其测试准确率达99.29%,标准差仅0.71%,波动范围控制在3.27%。在电压调控效果方面,该方法在负荷突增导致电压越下限、光伏出力波动引起电压越上限等多类场景中,均能实现快速且平稳的电压恢复:在电压越下限2%~10%场景下,调控完成速度较现有方法提升2.4倍以上;在越上限2%~7%场景中,调控速度快1.5倍以上,且全过程电压偏差始终维持在±2%以内,有效避免了频繁调控与发电损失;在电压越上限7%~10%场景中,通过降低有功功率输出实现压降,所提方法在2 s内即可完成调控,且有功功率输出较传统方式提升约3%,显著缓解了因过压保护导致的停机风险。综上所述,文章所提出的融合精准预测、滚动优化与经验回放机制的电压调控策略,不仅具有较高的预测精度与响应速度,而且能有效保障台区电压稳定并提升光伏出力,为分布式新能源从“规模扩张”向“质量提升”转型提供了可行的技术支撑。