论文部分内容阅读
为适应智能电网分散自治的发展趋势,本文搭建了计及EV充换电站的虚拟发电部落两层AGC功率分配框架,以解决机组规模较大导致的“维数灾难”问题。在此控制框架下,AGC功率分配主要包括两个过程:1)将区域电网的总功率指令分配到各个虚拟发电部落;2)将各个虚拟发电部落的总功率指令分配到EV充换电站和传统发电机组。本文提出采用一致性迁移Q学习算法进行第一个过程的功率分配,第二个分配过程由于机组规模庞大,为提高优化计算速度,本文采用简单的一致性算法进行功率分配。当第二个功率分配过程计及电动汽车充换电站参与时,考虑EV充换电站具有调频时延短的优势,优先让EV充换电站参与调频,剩余的功率缺额由传统机组承担,其中EV充换电站的AGC功率分配是采用调节成本一致性算法,传统机组的AGC功率分配是采用爬升时间一致性算法。智能体间采用虚拟一致性变量作为一致性交互计算信息,同时以真实一致性变量确定充换电站和传统机组的AGC功率,提高了算法的应用灵活性。海南电网模型仿真表明:一致性算法不仅可以减少电网调节成本,提高区域电网的控制性能标准,而且能有效实现EV参与电网AGC功率分配的自律调频。当第一个功率分配采用一致性迁移Q学习算法时,在每个部落与其相邻部落进行值函数矩阵的交互一致性计算后,部落领导者能自组织地协同各个部落的发电功率,从而达到“分散自治,集中协调”的效果。在引入迁移学习后,算法能有效地利用历史优化信息进行快速的功率动态分配优化,以满足AGC的控制时间尺度要求。广东电网模型仿真表明:与集中式分配算法相比,本文所提算法能有效解决复杂大规模电网AGC功率动态分配的分散式优化问题,在减少AGC机组调节费用的同时,可以提高区域电网的控制性能标准。