文章解读与仿真程序复现思路——电网技术EI\CSCD\北大核心《含光储充的配网虚拟电厂二次调频随机模型预测控制策略》

本专栏栏目提供文章与程序复现思路，具体已有的论文与论文源程序可翻阅本博主免费的专栏栏目《论文与完整程序》

论文与完整源程序_电网论文源程序的博客-CSDN博客https://blog.csdn.net/liang674027206/category_12531414.html

电网论文源程序-CSDN博客电网论文源程序擅长文章解读,论文与完整源程序,等方面的知识,电网论文源程序关注python,机器学习,计算机视觉,深度学习,神经网络,数据挖掘领域.https://blog.csdn.net/LIANG674027206?type=download

这个标题涉及到能源领域的技术和概念。让我来逐步解读：

含光储充的配网虚拟电厂：
- 含光储充：指具有太阳能发电和储能功能的设备。这些设备可以通过太阳能发电板收集太阳能，并将其转化为电能，同时还可以将多余的电能存储起来，以备不时之需。
- 配网：指电力配送网，将发电厂产生的电能传送到各个终端用户。
- 虚拟电厂：是由多个分布式能源资源（如太阳能、风能、储能等）组成的集合体，通过互联网或通信网络连接在一起，以实现集中管理和运营的能源系统。
二次调频：
- 二次调频：是电力系统中用于维持系统频率稳定的一种自动控制过程。在电力系统中，频率的稳定性非常重要，二次调频是通过自动调整发电机输出功率来维持系统频率稳定的过程之一。
随机模型：
- 随机模型：在这个上下文中，可能指的是使用随机变量或随机过程来建模的系统模型。在能源系统中，考虑到各种不确定性因素（如天气变化、负载波动等），随机模型可以帮助更准确地预测系统行为和性能。
预测控制策略：
- 预测控制：是一种基于对未来系统行为的预测来实现控制的方法。在这种情况下，可能是指根据对未来负载需求、天气预测等因素的预测，来制定优化的控制策略，以确保虚拟电厂的二次调频运行更加稳定和高效。

综合起来，这个标题可能在讨论如何利用包含太阳能发电和储能功能的设备构建虚拟电厂，在配网中实现二次调频控制，采用基于随机模型的预测控制策略来优化运行。

摘要：含光储充的主动配电网作为一种灵活的新型调节资源，可通过聚合其内部的多类分布式电源组成配网虚拟电厂（Distribution-level Virtual Power Plant， DVPP）进而整体参与系统二次调频，具有广阔的发展前景。但实际配电网内部情况复杂，存在储能配置有限导致可调容量不足、光伏短时出力难以预测导致控制不精确、功率分配不合理导致内部电压越限的问题，传统虚拟电厂调频策略难以适用。针对上述问题，本文提出了一种基于随机模型预测控制（Stochastic Model Predictive Control， SMPC）的DVPP二次调频策略，通过聚合模型设计、光伏不确定功率的场景树模型搭建、SMPC策略设计的方式实现了分布式电源出力扰动情况下DVPP快速、准确响应AGC指令的目标，并有效降低了功率调节对系统内部电压的影响，为DVPP参与系统二次调频提供了理论基础。

这段摘要讨论了含光储充的主动配电网作为一种新型调节资源的潜力，以及其参与系统二次调频的重要性和挑战。以下是对摘要的解读：

含光储充的主动配电网：
- 这是一种包含太阳能发电和储能功能的配电网系统，具有灵活性和调节能力。
- 可以通过聚合内部多种分布式电源来构建配网虚拟电厂（DVPP），以整体参与系统二次调频。
挑战与问题：
- 实际配电网内部存在诸多复杂情况，如储能容量有限、光伏发电瞬时出力难以准确预测、功率分配不合理等。
- 传统虚拟电厂调频策略在面对这些问题时难以适用，导致调节精度不高。
解决方案：
- 本文提出了一种基于随机模型预测控制（SMPC）的DVPP二次调频策略。
- 通过聚合模型设计和建立光伏不确定功率的场景树模型，结合SMPC策略设计，实现了分布式电源在出力扰动情况下快速、准确响应AGC指令的目标。
- 同时，该策略有效降低了功率调节对系统内部电压的影响，为DVPP参与系统二次调频提供了理论基础。

综合而言，这段摘要强调了含光储充主动配电网的潜在优势，指出了当前面临的挑战，并提出了基于随机模型预测控制的解决方案，以提高其在系统二次调频中的效率和可靠性。

关键词：配网虚拟电厂;二次调频;随机模型预测控制;动态功率跟踪;

配网虚拟电厂：
- 这是指在配电网层面上组合多种分布式电源，形成一个集成的虚拟电厂，以实现更高效的能源管理和调节功能。这种虚拟电厂可以通过集中控制来响应系统需求，例如参与系统的二次调频。
二次调频：
- 二次调频是电力系统中的一种调节机制，用于在短时间内调整发电机输出功率，以维持系统频率稳定。配网虚拟电厂可以参与系统的二次调频，通过调整分布式电源的输出来响应系统频率变化。
随机模型预测控制：
- 随机模型预测控制是一种控制策略，通过建立随机模型来预测系统未来的状态，并基于这些预测进行控制决策。在这种情况下，该控制策略被用于配网虚拟电厂的二次调频中，以应对光伏发电等分布式电源的不确定性。
动态功率跟踪：
- 动态功率跟踪是指根据系统需求和实时情况，动态调整分布式电源的输出功率。在配网虚拟电厂的二次调频中，这意味着实时监测系统频率变化，并调整分布式电源的输出功率，以跟踪系统频率的变化，保持系统稳定。

仿真算例：

为验证本文提出的基于随机模型预测控制的配网虚拟电厂二次调频策略的有效性，基于 MATLAB中的Simulink平台搭建改进IEEE 33节点DVPP系统进行仿真分析。系统拓扑参数如附录 A2所示。类比江苏某地实际配电网分布式电源接入情况，在系统中接入8座分布式光伏电站，3个虚拟储能电站和2个虚拟充电站，具体算例拓扑如图5所示，如图5所示，光伏电站分别位于5、9、15、17、 19、22、29、31节点，储能电站位于1、6、15节点，充电站位于24、26节点。各电站稳态有功功率输出及储能初始SOC如表1所示。仿真所采用的控制器采样周期为0.2s，预测时域 Np=10，控制时域Nc=5，并设定储能参与调频的成本为0.5元/（kW⸱h），其响应时间为0.1s[27]；电动汽车充电桩调度服务费为1元/（kW⸱h），其响应时间为0.5s[27]。

仿真程序复现思路：

要复现这篇文章中描述的仿真，你可以按照以下步骤进行：

搭建IEEE 33节点DVPP系统模型：
- 在 MATLAB 中使用 Simulink 平台，按照附录 A2 中给出的系统拓扑参数，构建 IEEE 33 节点DVPP系统模型。
设置分布式电源、虚拟储能电站和虚拟充电站的接入情况：
- 根据描述，在模型中接入8座分布式光伏电站、3个虚拟储能电站和2个虚拟充电站。根据给定的拓扑信息，将光伏电站放置在相应的节点上，储能电站和充电站也放置在对应的节点上。
设置各电站的稳态有功功率输出及储能初始SOC：
- 根据表1中的数据，为每个电站设置稳态有功功率输出和储能初始SOC。
设置控制器参数：
- 设置控制器的采样周期为0.2秒，预测时域Np=10，控制时域Nc=5。根据给定的成本和响应时间设置储能参与调频和电动汽车充电桩调度服务费的参数。
实现随机模型预测控制策略：
- 在模型中实现基于随机模型预测控制的配网虚拟电厂二次调频策略。这可能涉及使用MATLAB中的控制系统工具箱来设计和实现控制器。
运行仿真：
- 设置仿真时间，并运行仿真以评估所提出的二次调频策略的有效性。

以下是一个简化的示例代码，展示如何使用MATLAB/Simulink模拟这个系统：

% 清空工作区和命令窗口
clear;
clc;

% 模型文件名
model_name = 'IEEE_33_node_DVPP_system';

% 打开 Simulink 模型
open_system(model_name);

% 设置光伏电站参数
PV_power = [100, 150, 120, 200, 180, 90, 110, 130]; % 光伏电站功率输出，单位：kW
PV_nodes = [5, 9, 15, 17, 19, 22, 29, 31]; % 光伏电站节点

% 设置储能电站参数
storage_SOC = [0.5, 0.6, 0.7]; % 储能电站初始SOC
storage_nodes = [1, 6, 15]; % 储能电站节点

% 设置充电站参数
charging_nodes = [24, 26]; % 充电站节点

% 控制器参数设置
Ts = 0.2; % 采样周期，单位：秒
Np = 10; % 预测时域
Nc = 5; % 控制时域
storage_cost = 0.5; % 储能参与调频的成本，单位：元/(kW⋅h)
storage_response_time = 0.1; % 储能响应时间，单位：秒
charging_cost = 1; % 充电桩调度服务费，单位：元/(kW⋅h)
charging_response_time = 0.5; % 充电桩响应时间，单位：秒

% 设置仿真参数
sim_time = 100; % 仿真时间，单位：秒

% 运行仿真
sim(model_name);

% 仿真结果分析
% 可根据需要添加代码进行仿真结果的分析和可视化

本专栏栏目提供文章与程序复现思路，具体已有的论文与论文源程序可翻阅本博主免费的专栏栏目《论文与完整程序》

论文与完整源程序_电网论文源程序的博客-CSDN博客https://blog.csdn.net/liang674027206/category_12531414.html