自适应无功优先模糊Q+P电压控制在高光伏渗透低压配电网中的多场景对比研究：基于Q(U)控制的评估

《Applied System Innovation》：Adaptive Reactive-Power-Priority Fuzzy Q + P Voltage Control in PV-Rich Low-Voltage Distribution Networks: A Multi-Criteria Scenario-Based Comparison with Q(U) Control

　　

智能逆变器的Volt?Var和Volt?Watt控制已是成熟实践，但本地控制器架构的相对优劣取决于网络条件和逆变器容量。本仿真研究将一种无功优先的自适应Fuzzy Q+P控制器与固定Q(U)、常规Q(U)+P(U)、采用相同选择性P(U)决策机制的Q(U)控制，以及纯Fuzzy Q和无控情形进行了对比。所有六种情形均在400个匹配的48小时场景下，采用平衡三相准稳态等效模型进行评估。相对于Q(U)，Fuzzy Q+P将高于1.11 p.u.的暴露时间减少了2.20%，并将模拟的电压保护跳闸次数降低了3.98%，但无功功率出力增加了48.33%，光伏发电量下降了0.23%。相对于常规Q(U)+P(U)，临界过电压持续时间缩短了1.17%，但跳闸次数增加了1.59%，光伏发电量降低了0.57%，无功功率出力提高了46.89%。直接P(U)削减发生在400个场景中的113个场景中。研究人员单独对未校准的等效馈线电压计算与81,951个现场同步采样点进行了评估（均方根误差RMSE为0.001038 p.u.）；但这并不构成对控制器的实验验证。时间步长收敛性评估未能满足预定义的接受标准；因此，保护相关的结果应视为所实施模型内的数值指标。这些发现表明存在一种依赖于场景的电压安全?能量?无功出力之间的权衡关系，而非相较于已建立的组合控制具有普遍优越性。

研究背景与问题

在过去二十年中，分布式可再生能源在电力系统中的比例显著上升。随着其普及，电压和无功功率控制成为配电网研究的核心课题。由于发电和负荷的波动会改变潮流分布和电压曲线，配电网的运行条件持续变化。电压偏差，包括电压降落和电压升高，是低压配电网中主要的电能质量问题之一。当分布式发电（DER）渗透率增加时，配电网馈线的潮流可能变为双向。在本地光伏（PV）发电高峰而负荷低谷期间，反向有功潮流可能改变局部电压曲线并导致电压升高，其严重程度取决于馈线特性、负荷情况、DER位置以及可用的电压控制功能。在现代配电网中，这类运行条件通过互联要求和智能逆变器功能（如Volt?Var和Volt?Watt控制）来解决。

在辐射状低压配电网中，线路阻抗的电阻分量通常比高压网络中更为突出（即X/R比值较低）。因此，公共连接点（PCC）的电压不仅对无功功率传输的变化敏感，也对有功功率传输的波动敏感。这意味着分布式发电出力和负荷需求的变化都可能产生显著的电压偏差。基于智能逆变器的电压调节已成为现代DER集成的重要组成部分。然而，研究问题并非智能逆变器电压支持功能是否可用，而是如何设计和参数化本地控制特性与自适应决策规则，以在不同运行条件下平衡电压性能、无功功率出力和有功功率削减。

研究目标与方法

本研究旨在开发并评估一种无功优先的自适应模糊Q+P（Fuzzy Q+P）电压控制架构，并将其与固定Q(U)、常规Q(U)+P(U)等多种基准控制策略进行多准则对比。研究人员采用了基于MATLAB R2025b的仿真平台，构建了一个平衡三相等效的低压配电系统模型，包含110kV源电压、OLTC变压器、10/0.4kV配电变压器、等效0.4kV网络段以及PCC处的本地负荷和聚合光伏系统。研究使用了400个匹配的48小时场景，涵盖了四种上游系统工况、五种负荷曲线、四种低压网络等效条件（由短路比SCR和X/R比值定义）以及五种可用光伏功率曲线。关键的技术方法包括：

1. 1.
   自适应模糊Q控制器（Adaptive Fuzzy Q Controller）：采用Mamdani型模糊推理系统，输入变量包括PCC电压、滤波后的电压变化率、可用光伏功率比、剩余无功裕度和归一化的过电压警告定时器状态，并结合SCR/X/R网络条件进行自适应缩放。
2. 2.
   选择性P(U)激活逻辑：在Fuzzy Q响应之后，通过一步预测PCC电压（U_afterQ），结合电压趋势、无功饱和比和过电压风险定时器，决定是否启动有功削减。该机制实现了无功优先的策略。
3. 3.
   多场景对比框架：在同一物理网络模型和400个匹配场景下，同时评估了无控基线、固定Q(U)、常规Q(U)+P(U)、Q(U)+共享P(U)、自适应Fuzzy Q和提出的Fuzzy Q+P共六种控制策略，并使用电压性能、保护事件、光伏能量利用和无功出力等指标进行量化比较。

研究结果

3.1 模型验证与实测数据验证

所有43项确定性软件检查均通过，1600次原始模型-场景执行均满足逐步运行时有效性标准。针对等效0.4kV馈线电压计算的物理验证使用了81,951个同步5秒采样点。未校准模型的计算值与实测值相比，平均绝对误差（MAE）为0.000812 p.u.，均方根误差（RMSE）为0.001038 p.u.，皮尔逊相关系数为0.9976。这验证了等效馈线电压计算在观测运行范围内的准确性，但不构成对控制器的实验验证。

3.2 电压控制方法的多准则对比

在所有六种控制策略中，提出的Fuzzy Q+P控制器实现了最低的平均超过1.11 p.u.的持续时间（1.7612小时/场景）。与固定Q(U)相比，减少了约2.20%，模拟保护跳闸次数减少了3.98%，但无功出力增加了48.33%，光伏发电量下降了0.23%。与常规Q(U)+P(U)相比，临界过电压持续时间缩短了1.17%，但跳闸次数增加了1.59%，光伏发电量降低了0.57%，无功出力提高了46.89%。这表明该架构提供了适度的临界过电压缓解改进，而非普遍优越性。

3.3 P(U)层的增量效应

与纯Fuzzy Q相比，启用选择性P(U)层使超过1.11 p.u.的累计时间减少了14.956小时（-2.08%），模拟保护跳闸减少了208次（-6.35%）。有效P(U)削减发生在400个场景中的113个，总计6.016 MWh。尽管有直接的有功削减，但光伏发电量反而增加了8.781 MWh（+0.41%），这是一个包含保护跳闸和恢复过程的闭环结果。消融实验表明，移除过电压警告定时器和SCR/X/R网络适应性对临界过电压暴露的影响最大。

3.4 对光伏、负荷和电网条件的依赖性

选择性P(U)层带来的临界过电压减少主要集中在高光伏可用性和低负荷条件下。在四种预定义的网络条件下，总减少量并非随网络强度单调变化，因为SCR和X/R在每个网络案例中是耦合的，并且极弱电网下的控制器参数不同。结果表明，选择性P(U)控制的有效性取决于综合运行条件，而非单一的电网强度。

3.5 可重复性、灵敏度与实际解读

在独立生成的400场景重复性矩阵中，主要的多准则权衡趋势得到复现，但T(U_PCC > 1.10 p.u.)的变化方向未被复现。场景级分析显示，Fuzzy Q+P相对于Q(U)在临界过电压持续时间上的改善集中在少数压力运行条件下。参数灵敏度分析识别出P(U)激活电压阈值是最具影响力的参数组。时间步长收敛性评估未能满足预定义的数值接受标准，表明保护相关的比较在名义5秒分辨率下不能被视为时间步长不变的或经过实验验证的。

总结与讨论

研究人员的发现表明，提出的Fuzzy Q+P控制器是一种可调节的选择性方法，用于在所研究的场景集中缓解残余过电压。具体而言，当P(U)层更早激活时，运行折衷方案转向降低高电压暴露，但代价是更强的有功削减；反之，较晚激活可减少有功削减，但允许更高的高电压暴露。因此，这些发现支持一种依赖于场景的电压安全-能量-无功出力之间的权衡关系，而非相较于已建立的组合控制具有普遍优越性。保护相关的比较结果应视为所实施模型内的数值指标，需要更精细的时间步长仿真才能声称可靠的保护性能改进。