《Energies》：Step Voltage Regulator Control Parameter Determination Using Short-Term Photovoltaic Output Estimation Adapted for Sharp Voltage Fluctuations in Distribution Networks
编辑推荐：
高光伏（PV）渗透率在配电网中可能导致显著的电压偏差，使得有效的电压调节成为配电系统运营商的关键问题。步进电压调节器（SVRs）提供了一种经济有效的解决方案；然而，其性能强烈依赖于应考虑光伏引起电压波动的控制参数设置。由于在所有光伏站点安装高分辨率传感器不切实
高光伏（PV）渗透率在配电网中可能导致显著的电压偏差，使得有效的电压调节成为配电系统运营商的关键问题。步进电压调节器（SVRs）提供了一种经济有效的解决方案；然而，其性能强烈依赖于应考虑光伏引起电压波动的控制参数设置。由于在所有光伏站点安装高分辨率传感器不切实际，研究人员提出了一种使用短期光伏出力估计确定SVR控制参数的方法。研究人员提出的方法假设只有大容量光伏系统配备高分辨率传感器，并使用逆距离加权法（IDW）估计其他光伏系统的出力。基于历史潮流数据和估计的光伏出力，该方法确定次日48组SVR控制参数，同时捕捉由光伏波动引起的快速电压上升。使用基于实际中部电力电网株式会社（Chubu Electric Power Grid Co., Inc.）系统构建的实用配电网模型进行的数值模拟证明了所提出方法的有效性。结果显示，与未使用短期光伏出力估计的方法相比，允许的光伏接纳容量（PV-HC）增加了25%，而SVR分接头操作次数的增加保持在可接受范围内。
高光伏（PV）渗透率在配电网中导致显著的电压偏差，使得有效的电压调节成为配电系统运营商的关键问题。步进电压调节器（SVRs）提供经济有效的解决方案，但其控制参数设置需考虑光伏引起的电压波动。现有基于30分钟智能电表（SM）数据的控制参数确定方法（如中部电力电网株式会社的电网控制系统（GCS））无法捕捉分钟级的光伏出力波动，导致电压越限风险。因此，研究人员提出一种利用短期光伏出力估计确定SVR控制参数的方法，旨在提高光伏接纳容量（PV-HC）而不显著增加设备损耗。该研究发表在《Energies》期刊上。
研究人员通过数值模拟，基于实际配电网模型（来自日本中部电力电网株式会社服务区域）验证了所提出方法的有效性。结果表明，所提方法将PV-HC从6000 kW提升至7500 kW，相对于传统方法增加25%，同时SVR分接头日平均操作次数保持在设备寿命指南（如30年40万次操作，约36次/天）以内。该研究为高光伏渗透配电网的电压控制提供了实用方案，仅需在少数大容量光伏站点安装高分辨率传感器，即可实现更准确的电压调节。
研究中主要使用了以下关键技术方法：
1. **逆距离加权法（IDW）**：利用邻近光伏站点的2分钟分辨率传感器数据，通过距离平方反比权重估计目标光伏站点的短时出力曲线，并基于30分钟SM数据缩放以保持能量一致性。
2. **短期光伏出力估计**：将IDW估计的2分钟出力轮廓用于离线潮流计算，替代传统30分钟平均PV数据，从而捕捉短时峰值出力。
3. **SVR控制参数确定框架**：基于历史数据（前7个工作日）和GCS的48个30分钟区间控制逻辑，计算参考电压和死区宽度，考虑最大电压上升和下降。
4. **数值模拟**：基于实际配电网模型（包含两个SVR控制区、高/低压负载及5个高压光伏系统），电源为日本中部电力电网株式会社实际系统，评估PV-HC和分接头操作次数。
**4.1 数值模拟条件（Numerical Simulation Conditions）**
研究人员构建了基于日本中部地区实际馈线的配电网模型，包含两个SVR和5个高压光伏系统（PV-1至PV-3配备2分钟传感器，PV-A与PV-B无传感器，作为目标估计对象）。通过IDW利用PV-1至PV-3的2分钟数据估计PV-A和PV-B的短时出力，参考值由状态估计（基于传感器开关测量）提供。PV-HC定义为12个评估日（每季3个高光伏日）中无电压越限（6280–6725 V）的最大光伏容量，从5000 kW开始逐次增加500 kW（平分至PV-A和PV-B）。传统方法基于30分钟SM均值确定参数，作为基准。
**4.2 光伏出力估计精度评估指标（Evaluation Metrics for PV Output Estimation Accuracy）**
采用均方根误差（RMSE）和GapPVMax（30分钟区间内最大峰值估计误差）评估精度。传统方法（30分钟均值）的GapPVMax为0.421 pu（PV-A）和0.412 pu（PV-B）；使用单个最近邻光伏站点时降至0.225 pu和0.173 pu；使用三个邻近光伏系统（IDW）时进一步降至0.149 pu和0.119 pu。RMSE也相应降低，表明IDW结合多站点提高了短期峰值估计精度。
**4.3 仿真结果（Simulation Results）**
- **PV-HC对比**：传统方法为6000 kW；使用单个最近邻站点为7000 kW；所提方法（三个邻近站点IDW）为7500 kW，较传统方法增加25%（1500 kW）。改进源于更准确地估计短时电压峰值，从而设置更保守的参考电压和死区。
- **电压控制结果**：在7500 kW光伏容量下，传统方法在09:30和12:30–13:00出现电压越限；所提方法通过降低SVR分接头位置（从6降至5）和收紧死区上限，消除了越限。这表明短期估计使控制参数更适应峰值条件。
- **分接头操作次数**：所提方法在各PV容量下的日平均操作次数均高于传统方法（如6000 kW时SVR1从4次增至8次），但最大日操作次数（7500 kW时26次）和30分钟内最大次数（4次）均低于设备寿命指南（约36次/天或27.4次/天），表明操作频率在可接受范围内。
**讨论与结论**
讨论部分指出，在8000 kW光伏容量下，所提方法无法完全消除电压越限且出现振荡现象，这可能源于保守假设（最大电压上升和下降同时发生）导致死区过窄或控制要求冲突。未来工作将分析电压上升与下降的联合发生、时间模式和相关性，并利用下一代SM和光伏传感器的高分辨率测量开发自适应SVR控制方案，以抑制振荡并进一步提升光伏渗透率。
**结论（翻译自Section 5）**：本研究提出了一种基于短期光伏出力估计的SVR控制参数确定方法，以缓解由快速光伏出力波动引起的电压越限。该方法通过逆距离加权法利用邻近光伏系统的测量数据，为无短时传感器的光伏系统重建2分钟出力轮廓，从而将额外传感器限制在代表性站点（如大容量光伏系统）。基于中部电力电网株式会社实际馈线模型的模拟表明，使用三个邻近光伏系统相比仅使用最近邻站点降低了GapPVMax和RMSE。PV-HC从传统方法（基于30分钟均值）的6000 kW增至最近邻轮廓法的7000 kW和所提方法的7500 kW，较传统方法增加1500 kW（25%）。尽管所提方法因估计的短时波动导致死区变窄和分接头操作增加，但日平均操作次数在所有评估光伏容量下均低于中部电力电网株式会社和文献[31]的寿命指南。即使在操作更频繁的SVR1控制区，7500 kW下12个评估日的最大日操作次数为26次，30分钟内最大次数为4次。因此，所提方法在将分接头操作频率维持在假设设备寿命限制内的同时，提高了PV-HC。
