《Journal of Energy Storage》：Energy storage-based voltage optimization and coordinated control for large-scale DPV AC/DC hybrid distribution networks
编辑推荐：
AC/DC混合配电网络中高渗透分布式光伏的动态电压调控难题，提出基于改进模指标和Louvain算法的二阶主动-无功聚类方法，构建具有明确功能分区的协同控制架构，通过储能系统SOC约束的充放电实现有功-无功协同优化，在IEEE 33/123节点系统验证中实现电压偏移降低20.5%、网损减少39.5%、储能收益提升20.4%的优化效果。
洪春舒|何叶福|史博涛|王光学|雷顺光|胡一楠
昆明理工大学信息工程与自动化学院，中国昆明，650500
摘要
分布式光伏（DPV）发电的高渗透率在交流/直流（AC/DC）混合配电网络中引入了强烈的时空电压波动和功率流耦合。由于DPV输出的分布式和不平衡特性，传统的本地控制方法无法满足实时电压调节的需求。为了解决这一挑战，本文提出了一种基于簇的协调电压优化策略，该策略采用改进的模块性指数和Louvain算法来构建有功-无功簇。在每个簇内，DPV逆变器和VSC提供快速的无功补偿，而储能系统（ESS）执行基于荷电状态（SOC）的充放电调度以实现有功功率平衡。在IEEE 33节点和IEEE 123节点的AC/DC混合系统上的仿真结果验证了所提出方法的可扩展性。特别是在较大的IEEE 123节点系统中，与传统分散控制相比，电压偏差减少了20.5%，网络损耗减少了39.5%，ESS的收入增加了20.4%，同时计算时间与MPC相当。此外，灵敏度和容错测试表明，该策略在DPV输出变化、ESS容量变化和直流故障条件下仍然有效。这些结果证实，通过簇级协调和ESS辅助的电压优化可以有效地缓解DPV引起的调节挑战，为下一代AC/DC混合配电网络的实时电压调节提供了可扩展且实用的解决方案。
引言
随着“双碳”目标的持续推进，分布式光伏（DPV）系统因其清洁和灵活的优势被广泛集成到配电网络中，显著改变了传统配电网络的功率流特性[1,2]。然而，DPV的随机性和波动性导致配电网络中频繁出现电压违规现象，尤其是在AC-DC混合配电网络中，电压控制面临更复杂的挑战[3,4]。最近的研究还将多智能体强化学习应用于AC/DC混合配电网络的重构和微电网形成，揭示了智能协调机制在复杂混合架构中的潜力[5]。尽管取得了这些进展，传统的集中式电压控制依赖于全局信息和中央处理器，难以快速响应分布式发电的动态变化。相比之下，本地控制策略可以实现局部调节，但缺乏全局协调，导致电压调节效率低下和设备频繁操作[6]。因此，创建一个平衡系统范围优化与局部适应性的电压控制计划至关重要。近年来，簇划分技术作为一种关键解决方案出现，通过将配电网络划分为多个自治单元进行协作控制[7,8]。现有研究重点在于优化簇划分指标和改进算法：[9]提出了一种多时间尺度分布式电压优化方法，使用改进的模块性函数来划分簇并优化灵活的负荷调度；[10]提出了一种综合指标系统，结合电气距离、功率平衡和储能供需协调，并采用改进的灰狼算法提高划分精度；[11]的作者引入了规模约束和改进的遗传算法来优化有功功率流分配，提高了划分的合理性；[12]进一步提出了一种考虑多部分源-负荷特征匹配的簇划分方法，通过量化DPV输出与负荷曲线之间的时空匹配有效减少了配电网络损耗。
同时，分布式控制技术在电压调节方面也取得了显著进展。基于模型预测控制（MPC）的分散式框架已被开发出来，用于协调电动汽车（EV）和光伏（PV）资源以实现电压调节，提高了有源配电系统的灵活性和局部适应性[13]。[14]提出了一种基于MPC和梯度投影的分布式协调策略，通过协调静态同步补偿器（STATCOM）、分布式发电机（DG）和有载分接开关（OLTC）实现了有效的电压偏差抑制。[15]为大规模风电场开发了一种分层事件触发MPC策略，通过无功功率协调提高了高压穿越能力。[16]的研究提出了一种电压调节策略，将日前集中调度与日内滚动优化相结合。通过使用改进的社区检测算法，根据功率平衡和节点相互依赖性划分簇。此外，还提出了基于激励的实时协调策略，以实现分布式参与者之间的公平电压支持[17]。同时，研究表明光伏逆变器的无功功率控制（RPC）可以提高电压稳定性。[18]报道了一种基于近似牛顿方法的快速分布式电压控制技术，该技术允许光伏逆变器通过矩阵分割技术快速响应无功功率变化。[19]提出了一种利用Steinmetz设计的分布式无功功率补偿方法，通过光伏逆变器解决电压不平衡问题。然而，该方法在优化精度和满足运行约束方面存在局限性。此外，分布式协同电压调节与无功功率共享机制已在AC微电网中成功实施，显示出改善的动态稳定性[20]。[21]的研究提出了一种分层事件触发MPC策略，通过实时无功功率调节提高风电场的电压稳定性。然而，该方法主要针对风能系统，忽略了光伏逆变器的无功功率支持潜力。[22]引入了一种基于动态领导者的分布式协调框架，通过关键节点的光伏逆变器协调网络中的无功功率，但它依赖于通信网络的稳定性，并未利用储能系统（ESS）的有功功率调节潜力。最近，多智能体深度强化学习被应用于协调有功和无功电压优化，揭示了智能代理在动态和不确定场景中的优势[23]。[24]提出了一种基于输入电流控制的稳定运行区域划分方法，通过光伏簇稳定性分析，但缺乏动态功率分配和经济优化。现有方法尚未充分利用VSC和ESS在AC-DC混合配电网络中的协调调节能力，这些方法主要集中在单一有功或RPC上。此外，它们缺乏对ESS运行经济的优化。
基于控制和聚类的最新进展，人们越来越关注储能技术在混合AC/DC配电网络中的作用。研究调查了电池配置和协调，以增强转换器之间的互动和功率平衡[25]。[26]开发了一种考虑电池退化的中央-本地协调控制策略，表明不当的调度会加速ESS的老化并增加成本。[27]提出了一种分布式事件触发控制虚拟储能系统的方法，以提高通信弹性，而[28]引入了一种中断管理框架，共同优化服务恢复和移动ESS的调度。此外，[29]提出了一个考虑谐波交互的拓扑变量规划模型。
尽管付出了这些努力，大多数研究仍然关注集中式或静态控制。在混合AC/DC框架下，结合ESS辅助的二维有功-无功聚类和协调电压优化尚未实现。
总之，现有研究主要集中在有功或无功功率调节上，很少实现VSC、光伏逆变器和ESS在AC-DC混合配电网络中的联合协调。此外，大多数工作分别强调聚类优化或无功控制，但很少结合这两种视角来平衡电压稳定性和经济效率。因此，仍存在研究空白，需要开发一种同时考虑二维聚类、ESS辅助优化和整体经济运行的综合策略。
为了解决上述挑战，本文提出了一种基于簇划分的协调电压控制策略，利用储能技术应对大规模集成DPV的AC-DC混合配电网络。这种方法有效提高了系统电压稳定性和经济性能。本文的主要贡献总结如下：
1)提出了一种基于改进的模块性指数的二维聚类策略，同时考虑了功率平衡、电压敏感性和节点耦合，实现了AC/DC混合配电网络的可扩展划分。
2)建立了一个基于簇的协调电压控制框架，其中光伏逆变器和VSC提供无功支持，而有功簇中的ESS提供基于荷电状态（SOC）的充放电调节和经济调度。
3)构建了一个全面的验证框架，包括：IEEE 33节点基准测试；IEEE 123节点大规模测试系统；与分散式和基于MPC的滚动优化的比较；灵敏度分析及直流故障场景；确认了所提出方法的鲁棒性、可扩展性和容错能力。
本文的其余部分安排如下。第2节解释了AC-DC混合配电网络的设计和特点。第3节介绍了区分有功和无功功率的改进模块性聚类技术。第4节详细描述了基于储能的协调电压控制技术。第5节展示了性能评估和仿真结果。最后，第6节展示了研究结果。
节选内容
AC/DC混合配电网络的拓扑结构
通过使用电压源转换器（VSC），AC-DC混合配电架构使得新电力系统中的多能源集成成为可能。图1展示了这种混合配电网络的典型配置，包括用于无功功率补偿的电容器组（CBs）、AC和DC两侧的分布式能源资源（DERs）、ESS和VSC。此外，图中还包括了OLTC。
在传统的AC配电网络中，无功功率需求
AC和DC区域之间的解耦
AC/DC混合配电网络的拓扑结构由AC和DC子电网及功率转换单元组成，共同定义了系统架构。VSC实现了AC和DC网络之间的能量交换。为了功能上分离这两个网络，采用了基于VSC拓扑排列的区域解耦方法。图3说明了簇解耦机制。通过优化转换器的空间布局，系统实现了区域管理
基于储能的DPV AC/DC混合网络电压优化协调控制
利用前述的聚类方法创建了一种结合有功和无功功率调节的协调电压控制技术。基于“以无功功率为主要响应，有功功率为辅助支持”的原则，DPV逆变器和VSC在无功功率簇中提供动态无功补偿，而VSC与有功簇中的ESS单元协作，使ESS能够实时减少功率波动
测试系统描述
为了评估所提出的基于簇的协调控制策略的有效性和可扩展性，选择了两个AC/DC混合配电网络作为测试系统：
案例1 – IEEE 33节点系统（基准验证）；
案例2 – IEEE 123节点系统（可扩展性和鲁棒性评估）。
这两个系统都包含DPV单元、ESS、VSC和AC/DC混合结构。然而，IEEE 123节点系统在资源分布、功率流耦合等方面具有更高的复杂性
结论
本文提出了一种适用于高DPV渗透率的AC/DC混合配电网络的基于簇的协调电压调节策略。主要结论如下：
1) 基于模块性的聚类能够将网络分解为有功和無功子网络，显著降低了计算复杂性，并支持从IEEE 33节点到123节点系统的可扩展应用。
2) 在IEEE 33节点系统中，与传统的分散式控制相比
CRediT作者贡献声明
洪春舒：方法论、形式分析、概念化。何叶福：撰写——原始草稿、可视化、软件。史博涛：撰写——审阅与编辑、可视化、验证、资源。王光学：资源、验证、可视化。雷顺光：调查、资金获取、项目管理。胡一楠：软件、资源、数据管理。
资助
本工作得到了国家自然科学基金（52037003）、云南省重大科技项目（202402AG050006）和云南省基础研究项目（202401BE070001-014）的支持。
利益冲突声明
作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。
致谢
作者感谢国家自然科学基金（52037003）、云南省重大科技项目（202402AG050006）和云南省基础研究项目（202401BE070001-014）的支持。
