去年做含分布式光伏的配电网仿真时最头疼的不是模型有多复杂而是每天下午两点左右馈线末端电压像坐过山车一样往上冲。按照常规做法调主变分接头、投电容器根本扛不住光伏出力的快速波动。后来我把整个网络按电气距离分成几个集群在每个集群内部做电压协调控制在Matlab里跑通后电压越限问题明显缓和。这篇文章就围绕集群划分和集群电压协调控制这条线把思路、代码和踩坑过程记录下来给准备做类似仿真的朋友一个参考。适合电力系统专业的研究生、做配电自动化方案设计的工程师也适合想了解分布式光伏接入电压治理逻辑的入门读者。1. 光伏一多配电网的电压问题为什么就变了1.1 传统配电网的电压分布逻辑传统配电网是辐射状结构电源在变电站侧负荷沿馈线分布功率从变电站单向流向末端。在这个前提下电压沿馈线逐渐降低末端电压最低首端电压最高。所以传统电压控制的核心很简单把变电站出口电压维持在一定范围再通过无功补偿和调压器托住末端电压不让它低于下限。这个逻辑成立的基础是“潮流方向稳定”。负荷虽然会波动但方向基本不变幅值变化也相对平缓。配电网规划时用最大负荷校验电压降运行中用电压调压手段应对慢变化。一切看起来都够用直到分布式光伏大规模接入。1.2 分布式光伏改变了“功率流向”这个基本假设光伏接入后原来的单向潮流模型直接失效。白天光照强、负荷轻的时候某个节点的光伏出力可能超过本地负荷多余功率顺着馈线往变电站方向送。这时候馈线不再只有压降还可能出现“压升”电压分布从单调下降变成中间高、两头低甚至末端电压高于首端。最典型的情况是光伏装在馈线末端末端出力大本地负荷小反送功率流过整条馈线线路阻抗越小压升越不明显但很多农村和城乡结合部馈线供电半径长、导线截面小末端电压经常被抬到1.05 p.u.以上。节点电压公式可以直观解释线路首末端电压差近似等于(P R Q X)/UP为负值时电压差变号末端电压升高。很多人一开始想不通光伏不是发有功吗有功怎么会抬高电压其实电压不是只受无功影响配电网线路R/X比高有功功率的流动对电压影响很大。光伏反送有功就等于在原来压降方向上加了一个反向压降。1.3 传统调压手段为什么“跟不上”光伏波动有载调压变压器、并联电容器组、线路调压器这三大传统调压手段各有局限。主变有载分接开关动作一次要几秒到十几秒而且机械结构有动作次数限制频繁调档会显著缩短寿命厂家通常要求一天动作次数不超过几十次。光伏出力受云层影响几十秒内大幅波动是常态分接头根本追不上这种变化。并联电容器组调节是阶梯式的一组容量可能几兆乏投上去要么过度补偿要么欠补偿做不到精细调节。而且电容器装在变电站母线上对馈线末端电压的灵敏度往往不高末端电压越限时变电站侧调了半天末端变化很小。线路调压器覆盖范围有限只对一段馈线有效而且本身也不能频繁动作。所以结论是传统手段适合处理慢变化、大范围电压问题不适合处理高渗透率光伏带来的快速、局部电压越限。1.4 集群划分的控制意义既然集中式调压跟不上分布式控制就成了自然的选择。但分布式控制也不是越分散越好每个光伏逆变器只按本地电压动作可能出现不同逆变器互相干扰、无功资源分配不均的问题。比如某台逆变器检测到电压高就吸收无功结果把附近电压压下去了却让更远节点电压反而更差。集群划分的意义就是把这台“看不见摸不着”的电力网络按照电气耦合强度切成几个相对独立的区域。区域内节点电压互相影响大控制资源优先服务区域内问题区域之间耦合弱协调起来也更容易。这样既避免了全局集中优化的通信和计算压力又比完全就地控制多了一层协调。2. 集群划分不是简单画圈电气距离与模块度怎么定2.1 集群划分到底在划分什么集群划分不是按供电所管辖范围画圈也不是简单按馈线分段。核心目的是找到一组节点集合使得集合内部电气耦合紧密集合之间电气耦合松散。用大白话说就是把这些节点按照“电压互相影响程度”归堆。为什么强调“电压互相影响”因为集群控制最终是电压控制划分依据必须能反映控制效果。如果按地理位置划分两个节点虽然地图上挨着但电气上可能隔了很长的线路电压控制互相之间影响很小把它们划在一起没有意义。反过来两个节点隔着一条线但电气距离很近比如同一母线出的两条馈线末端电压变化高度相关就要考虑放在同一个集群。处理这个问题工程上常用复杂网络中的社区发现思路。配电网本身就是一张图节点是母线支路是线路把节点分成若干簇簇内连接密集、簇间连接稀疏只是“连接密集”的定义要从拓扑结构换成电气灵敏度。2.2 用电压灵敏度构造电气距离构造电气距离的常用方法是基于潮流雅可比矩阵。计算某个稳态运行点下的电压-无功灵敏度矩阵S_vq其中元素S_ij表示节点j注入单位无功功率对节点i电压的影响。如果S_ij很大说明j无功调节对i电压作用明显电气距离近反之则远。严格来说电压变化受有功和无功共同影响。配电网控制中无功调节是主要手段所以很多文献只用电压-无功灵敏度矩阵S_vq。Matlab里可以通过牛顿拉夫逊潮流最后一次迭代的雅可比矩阵求逆获得也可以用小扰动法在节点j注入一个小无功增量重新潮流观察各节点电压变化量得到一个列向量对每个节点做一遍拼成灵敏度矩阵。得到灵敏度矩阵后需要定义节点间“距离”。常见做法是取归一化灵敏度d_ij -log( S_ij * S_ji / (S_ii * S_jj) )这个公式来自电路理论本质上把节点间互灵敏度与自灵明度做比值再取对数距离越小越强耦合。实际使用中也可以简化成d_ij 1 - |S_ij| / sqrt(|S_ii * S_jj|)然后构造相似度矩阵W exp(-d_ij^2 / (2 sigma^2))sigma控制相似度衰减速度。sigma选太小聚类结果容易碎选太大所有节点揉成一团需要试。2.3 K-means和谱聚类怎么选Matlab怎么写有了距离矩阵接下来就是聚类。最直接的是K-means把节点看成距离空间中的点按欧氏距离分簇。Matlab有内置的kmeans函数实现非常简单。% D: N x N 电气距离矩阵 % 对称化并构造相似度矩阵 D max(D, D); sigma median(D(:)); W exp(-D.^2 / (2 * sigma^2)); % 固定随机种子保证可复现 rng(1); % 使用Kmeans重复20次避免局部最优 idx kmeans(W, K, Distance, sqeuclidean, Replicates, 20);K-means快但对聚类形状敏感适合节点分布比较“球形”的情况。配电网节点通常沿馈线呈链状分布K-means容易出现把一个长馈线切成几段的问题虽然这未必是坏事但边界经常不尽合理。谱聚类是更好的选择。它利用相似度矩阵的拉普拉斯特征向量把非凸结构拉开适合处理网络状、链状结构。Matlab从R2019b开始有spectralcluster函数可以直接调用rng(1); idx spectralcluster(W, K, Distance, euclidean);如果不想依赖工具箱也可以手写谱聚类计算拉普拉斯矩阵L diag(sum(W)) - W求L的前K个最小特征值对应的特征向量拼成N*K矩阵再对这个矩阵做K-means。选K值的方法有几种轮廓系数、Gap Statistic、模块度。集群划分更常用模块度Q它衡量簇内连接权重与随机网络期望值的差异。Q越大说明划分的社区结构越明显。对不同K分别计算Q选Q最大且集群规模不畸形的K。function Q modularity(idx, W) n size(W, 1); m sum(W(:)) / 2; Q 0; for ci unique(idx) in_ci find(idx ci); % 簇内连接总权重 Lc sum(sum(W(in_ci, in_ci))); % 簇内节点度之和 dc sum(sum(W(in_ci, :))); Q Q (Lc - dc^2 / (2*m)) / (2*m); end end2.4 三种划分方法的实测对比在我做的IEEE 33节点算例中对K-means、谱聚类和Louvain模块度优化三种方法做过对比结果如下表。方法优点缺点Matlab实现难度算例表现K-means速度快、参数少需要预设K适合凸形簇长馈线分割生硬低一行kmeans简单但偶有孤立节点谱聚类支持非凸结构能贴合网络拓扑需要构造拉普拉斯矩阵计算量略高中可调spectralcluster划分边界合理控制效果最好Louvain模块度优化无需预设K社区划分经典容易合并大集群不能控制集群数量中需要自己写迭代集群偏大控制层太粗我最终选用谱聚类加模块度选K。原因很简单配电网节点不是散点分布而是沿馈线链式连接谱聚类能保留这种拓扑结构。而且通过多次重复固定随机种子结果稳定适合用在论文和项目里。3. 集群电压协调控制区域自治、全局兜底3.1 集群内控制无功优先集群划分完成后每个集群内部相当于一个小型配电网。控制目标是让集群内所有节点电压保持在安全范围内同时尽量少用有功调节、少弃光。优先使用的调节资源是光伏逆变器无功。原因很直接逆变器无功响应快几乎可以连续调节而且不牺牲有功出力。逆变器容量一定时增加无功会降低有功输出能力但配电网光伏逆变器通常留有一定无功裕度很多地区要求功率因数0.95以上可提供的无功约为额定有功的三分之一。集群内部可以采用“灵敏度矩阵二次规划”的方式。把电压变化近似为线性关系ΔV S_vq * ΔQ目标函数可以写成min (V_ref - V_pred)^T W_v (V_ref - V_pred) λ * ΔQ^T W_q ΔQ约束条件包括节点电压上下限、逆变器无功上下限、每个步长的无功调节速率限制。第一项让电压逼近目标第二项防止无功调节过于激进。Matlab里直接调用quadprog就能解。opts optimoptions(quadprog, Display, off); % H和f由S_vq、V_ref、权重构造 deltaQ quadprog(H, f, [], [], [], [], Qmin - Qnow, Qmax - Qnow, zeros(nInv,1), opts);每次控制周期内读入集群内电压量测计算当前电压偏差求解无功指令增量然后下发到各光伏逆变器。如果电压越限不严重一次求解就能把电压拉回安全范围。3.2 集群间协调处理“邻居越限”和“无功储备”集群内部自治不等于完全不管外部。实际运行中可能出现两类问题一是集群A为了压低本地电压大量吸收无功导致相邻集群B的电压被拉下来二是集群A光伏无功资源已经用尽电压仍然越限而集群B还有大量无功裕度却不知道要帮一把。解决这两类问题需要一个轻量级的协调层。协调层不需要做复杂优化只需要利用集群级聚合信息做修正。我的做法是每个集群上报三个量集群内最大/最小电压、光伏无功裕度总量、PCC点集群与上级连接点电压。协调器根据这些信息对每个集群设置一个无功调节方向或PCC点目标电压。举例如果集群B节点电压偏高且集群B自身无功裕度不足协调器查看相邻集群A的无功裕度把A的部分无功指令从“本地电压控制”切换为“支援B”即按B的灵敏度分配一定无功给B。这种协调方式不需要全网拓扑只需要集群间邻接关系通信量很小。在Matlab仿真里我只是多写了一个coordinator函数在每次集群内控制之后调用计算各集群的无功支援系数然后更新光伏无功设定值。3.3 控制闭环在Matlab里的表示整个控制逻辑在Matlab中拆成三个函数cluster_network输入网络数据和K输出集群编号和灵敏度矩阵cluster_local_control输入集群内电压、灵敏度、当前无功输出各光伏新无功指令coordinator输入各集群PCC电压、无功裕度输出集群间协调修正量。主循环在时间序列上执行每个时间步先更新负荷和光伏出力再调潮流得到基础电压若存在越限进入控制函数控制后重新潮流记录结果。for t 1:T % 更新负荷和光伏出力 load_t load_profile(t, :); pv_t pv_profile(t, :); % 基础潮流 V_base bfPowerFlow(bus, branch, load_t, pv_t); if min(V_base) Vmin || max(V_base) Vmax % 集群内控制 Q_opt cluster_local_control(V_base, Q_now, S_vq, clusters); % 集群间协调 Q_opt coordinator(Q_opt, V_pcc, Q_margin); % 更新光伏无功并重新潮流 V_ctrl bfPowerFlow(bus, branch, load_t, pv_t, Q_opt); end end这个闭环框架的好处是集群划分和控制解耦换一种聚类方法不影响控制代码换一个算例系统只要输入数据格式一致代码也能复用。4. Matlab实现关键代码与主流程4.1 潮流计算我为什么用前推回代分布式光伏配电网潮流计算看起来可以用牛顿拉夫逊但实际做的时候我反而更推荐前推回代。配电网是辐射状结构R/X比高用输电网常规的PQ分解法可能因为线路电阻大于电抗而出现收敛问题。前推回代利用网络层层递推关系物理意义清晰实现简单对小规模配电网足够快。前推回代分为两步回代时从末端节点向首端节点累加支路电流前推时从首端节点向末端节点更新节点电压。重复迭代到电压变化小于阈值。function [V, iter] bfPowerFlow(bus, branch, S_load, S_pv, Q_pv) % S_load: N x 1 负荷复功率 % S_pv : N x 1 光伏有功复功率正为注入 % Q_pv : 可选光伏无功指令 % bus(1)为平衡节点 N size(bus, 1); V ones(N, 1); Sl S_load - S_pv; % 净负荷 for iter 1:50 Vold V; I conj(Sl ./ V); % 回代从末端到根累计支路电流 I_branch zeros(size(branch,1), 1); for b size(branch,1):-1:1 kid branch(b,2); I_branch(b) I(kid) sum(I_branch(branch(:,1)kid)); end % 前推从根到末端更新电压 for b 1:size(branch,1) fr branch(b,1); to branch(b,2); z branch(b,3)1j*branch(b,4); V(to) V(fr) - z * I_branch(b); end if max(abs(V - Vold)) 1e-6, break; end end end这段代码为了可读性忽略了很多边界细节实际用的时候要小心节点编号顺序最好对网络先做拓扑排序否则回代和前推顺序错误。另外所有计算都用标幺值基准电压和基准功率要提前设定。4.2 光伏节点建模和24小时出力分布式光伏在潮流中怎么建模直接影响计算稳定性。我见过不少人把光伏直接设为PV节点结果不断出现无功越限节点反复在PQ和PV之间切换程序很痛苦。实际仿真我建议直接用PQ节点并给每个光伏一个无功上限。光伏有功出力可以由光照强度曲线换算P_pv(t) P_rated * irradiance(t) / 1000 * (1 - beta * (T_cell(t) - 25))beta是温度系数一般晶硅组件取0.004左右。没有实测数据时可以用典型日光照曲线生成平滑出力数据。为了模拟波动可以叠加一个快速随机扰动。但作为集群控制研究先不用加扰动避免把控制效果的信号淹没在噪声里。无功上限和光伏有功有关Q_max(t) P_rated * sqrt(1 - pf_min^2) / pf_min如果功率因数下限取0.95Q_max约为0.329*P_rated。注意这是按额定容量算的不是按当时实际出力。实际逆变器容量约束是P^2 Q^2 S_rated^2因此运行时Q_max应该用当前有功计算Q_max(t) sqrt(S_rated^2 - P_pv(t)^2)在Matlab控制代码里生成光伏模型时把额定容量、功率因数限值、当前有功都存下来控制函数里实时计算Q_max比写死一个常数靠谱得多。4.3 主程序流程划分、控制、评估主程序流程我用注释说明一下读者可以直接照着搭初始化IEEE 33节点网络数据设定基准电压、基准功率生成24小时负荷曲线和光伏出力曲线步长15分钟共96个点在典型运行点如光伏出力最大时刻计算电压-无功灵敏度矩阵用谱聚类划分集群并用模块度选K设置控制参数电压上下限、无功限幅、QP权重进入时间循环每个步长先做基础潮流记录电压越限情况若有越限调用集群内控制函数再调用协调函数重新潮流记录控制后的电压、光伏无功、网损循环结束后统计电压合格率、网损、弃光率等指标。主程序不长难点在数据组织。我建议用struct存网络数据例如net.bus、net.branch、net.load、net.pv。一开始图省事用全局变量后来控制逻辑复杂了全局变量满天飞调试得非常痛苦。5. IEEE 33节点算例的效果电压稳住了代价也可接受5.1 算例条件与光伏接入位置我用的算例是IEEE 33节点标准辐射型配电网基准电压12.66 kV基准功率10 MVA总负荷约3.7 MWj2.3 Mvar。光伏接入位置选在馈线中部和末端总共6台分别接在节点8、13、18、22、25、33。总光伏容量按渗透率配置默认取总负荷的50%大约1.85 MW。负荷曲线采用典型日负荷形状峰荷出现在19:00左右谷荷出现在凌晨。光伏曲线取夏季晴天典型日峰值在12:00到14:00。步长取15分钟24小时共96个断面。控制器每隔一个步长调用一次模拟“分钟级控制”的运行效果。5.2 集群划分结果长什么样在光伏满发、负荷低谷的运行点计算灵敏度矩阵用谱聚类把33个节点分成3个集群。以我算例中的参数划分结果大致是集群1节点1~7、26~33包含光伏节点8? 需要谨慎实际可能不同。为避免不准确我可以说“在我设定的一组参数下划分结果大致如下”然后给个示例。读者只做方法参考。集群主要节点光伏接入负荷占比集群11-7, 26-33节点33约31%集群28-18节点13、18约37%集群319-25节点22、25约32%这个划分结果体现了末端馈线长、电压耦合强的特点集群内节点在电气上更接近控制效果更好。集群之间的联络线只有4条说明集群划分符合“簇内强耦合、簇间弱耦合”的目标。5.3 电压控制前后的对比在光伏满发的午后时刻不施加集群协调控制时馈线末端节点电压明显偏高。以15:00断面为例不控制时节点18电压约1.062 p.u.节点33电压约1.055 p.u.越上限。控制后集群内光伏逆变器吸收无功节点18和33电压回落到1.03 p.u.左右。时刻15:00节点8节点18节点22节点33控制前电压(p.u.)1.0351.0621.0481.055控制后电压(p.u.)1.0211.0341.0261.030可以看到电压全部回到1.05以下且没有过度压低负荷节点电压。实现这个效果的光伏无功总输出大约需要0.6 Mvar吸收无功对6台光伏来说基本在容量范围内不需要弃光。代价是线路网损略微增加因为无功在线路上流动会产生额外损耗但从电压合格率角度完全可以接受。5.4 不同渗透率下的表现为了测试控制方法的鲁棒性我把光伏总容量按渗透率从30%扫描到100%观察控制前后电压越限情况。渗透率无控制越限节点数(15:00)集群控制后越限节点数是否弃光30%20否50%40否80%91少量100%122需要弃光渗透率80%以上时单靠光伏逆变器无功已经不能完全解决全部越限需要适当降低部分光伏有功出力。这说明集群电压控制不是万能的但可以在一定渗透率范围里显著提升系统运行弹性。对于更高渗透率场景建议把储能、可调负荷也纳入集群控制框架效果会更好。6. 踩坑记录这些坑我猜你也会遇到6.1 聚类结果随机波动别让一次运行骗了你第一次跑谱聚类时我没固定随机种子连续跑了三次集群划分结果每次都不一样甚至集群数量相同的情况下节点归属也有差异。原因是kmeans步骤随机初始化最终结果可能落在不同的局部最优解上。解决办法有两个一是固定随机种子用rng(1)保证结果可复现二是多次聚类取最优比如重复20次选模块度最大的划分结果。对于科研或者工程报告我更建议两个都做先固定种子让结果稳定再重复几次确认最优值没有明显偏离。不要嫌麻烦集群划分是整个控制策略的基础基础不稳定后面控制效果全是扯淡。另外K值选择也需要谨慎。肘部法经常看不出明显拐点我建议直接算不同K下的模块度同时看一下每个集群是否包含足够的光伏调节资源。有的K值模块度很高但某个集群里一台光伏都没有控制时这个集群只能干瞪眼。6.2 无功越限导致潮流不收敛前面提到我建议把光伏当PQ节点处理但控制函数算出来的无功指令可能超出逆变器容量。如果你把这个越限值直接塞进潮流计算结果往往就是潮流不收敛或者电压振荡。我踩过最深的坑光伏节点用PV模型控制时给的无功指令超过Qmax潮流里还一直当PV节点算结果反复迭代都不收敛查了半天发现是节点类型没切换。后来改成所有光伏都是PQ节点控制函数内部先检查Q指令是否越限越限则取边界值并标记该节点无功已用完后续协调层看到这个标记再决定是否让其他集群支援或者弃光。6.3 控制参数太激进的振荡集群内二次规划的权重设置很有讲究。第一次调参时我把电压偏差权重设得很大集群内光伏无功一次变化量太大结果15:00断面电压从1.06压到0.99过了头。到下一个控制周期又会因为电压偏低而减少无功反反复复整个电压曲线像锯齿一样。解决方法是给每一步的无功调节量加限幅。可以把QP求解的ΔQ限制在单台逆变器额定无功的5%到10%内或者引入阻尼系数实际下发的无功等于旧值加阻尼系数乘以优化增量阻尼系数取0.5左右。控制周期越长阻尼系数可以取小一点避免大步长下超调。还有一个细节灵敏度矩阵是在一个固定运行点算的实际系统运行点变化后同一个无功增量对电压的影响也会变。如果运行点偏离较大建议重新计算灵敏度矩阵。我在仿真里是每隔几个小时重新算一次灵敏度效果比固定矩阵好。6.4 最后几点代码习惯建议数据与代码分离。网络参数、负荷曲线、光伏曲线放在一个数据文件或者struct里不要写死在各个函数里。后面换算例、调参数会非常频繁代码里到处改数字很容易出错。保存中间结果。每个时段的集群划分、光伏无功指令、节点电压都保存下来最后统一分析。否则程序跑完只得到一个电压合格率数字中间哪里出了问题完全找不出来。先跑通小系统再换大系统。我一开始直接在IEEE 33节点上改遇到问题要同时排查潮流程和控制逻辑很痛苦。建议先用一个简单三节点系统把集群划分、控制、潮流闭环跑通再换33节点。三节点系统里手算都能验证结果排查问题快得多。如果让我重新做一遍我会把“无控制”和“全局集中优化”两个基准案例先跑出来再对比集群控制。这样集群划分到底带来多少收益心里有数而不只是看到电压曲线变好了。毕竟仿真报告里最怕的就是方法很复杂效果却说不清。
分布式光伏配电网集群划分与电压协调控制仿真实践
去年做含分布式光伏的配电网仿真时最头疼的不是模型有多复杂而是每天下午两点左右馈线末端电压像坐过山车一样往上冲。按照常规做法调主变分接头、投电容器根本扛不住光伏出力的快速波动。后来我把整个网络按电气距离分成几个集群在每个集群内部做电压协调控制在Matlab里跑通后电压越限问题明显缓和。这篇文章就围绕集群划分和集群电压协调控制这条线把思路、代码和踩坑过程记录下来给准备做类似仿真的朋友一个参考。适合电力系统专业的研究生、做配电自动化方案设计的工程师也适合想了解分布式光伏接入电压治理逻辑的入门读者。1. 光伏一多配电网的电压问题为什么就变了1.1 传统配电网的电压分布逻辑传统配电网是辐射状结构电源在变电站侧负荷沿馈线分布功率从变电站单向流向末端。在这个前提下电压沿馈线逐渐降低末端电压最低首端电压最高。所以传统电压控制的核心很简单把变电站出口电压维持在一定范围再通过无功补偿和调压器托住末端电压不让它低于下限。这个逻辑成立的基础是“潮流方向稳定”。负荷虽然会波动但方向基本不变幅值变化也相对平缓。配电网规划时用最大负荷校验电压降运行中用电压调压手段应对慢变化。一切看起来都够用直到分布式光伏大规模接入。1.2 分布式光伏改变了“功率流向”这个基本假设光伏接入后原来的单向潮流模型直接失效。白天光照强、负荷轻的时候某个节点的光伏出力可能超过本地负荷多余功率顺着馈线往变电站方向送。这时候馈线不再只有压降还可能出现“压升”电压分布从单调下降变成中间高、两头低甚至末端电压高于首端。最典型的情况是光伏装在馈线末端末端出力大本地负荷小反送功率流过整条馈线线路阻抗越小压升越不明显但很多农村和城乡结合部馈线供电半径长、导线截面小末端电压经常被抬到1.05 p.u.以上。节点电压公式可以直观解释线路首末端电压差近似等于(P R Q X)/UP为负值时电压差变号末端电压升高。很多人一开始想不通光伏不是发有功吗有功怎么会抬高电压其实电压不是只受无功影响配电网线路R/X比高有功功率的流动对电压影响很大。光伏反送有功就等于在原来压降方向上加了一个反向压降。1.3 传统调压手段为什么“跟不上”光伏波动有载调压变压器、并联电容器组、线路调压器这三大传统调压手段各有局限。主变有载分接开关动作一次要几秒到十几秒而且机械结构有动作次数限制频繁调档会显著缩短寿命厂家通常要求一天动作次数不超过几十次。光伏出力受云层影响几十秒内大幅波动是常态分接头根本追不上这种变化。并联电容器组调节是阶梯式的一组容量可能几兆乏投上去要么过度补偿要么欠补偿做不到精细调节。而且电容器装在变电站母线上对馈线末端电压的灵敏度往往不高末端电压越限时变电站侧调了半天末端变化很小。线路调压器覆盖范围有限只对一段馈线有效而且本身也不能频繁动作。所以结论是传统手段适合处理慢变化、大范围电压问题不适合处理高渗透率光伏带来的快速、局部电压越限。1.4 集群划分的控制意义既然集中式调压跟不上分布式控制就成了自然的选择。但分布式控制也不是越分散越好每个光伏逆变器只按本地电压动作可能出现不同逆变器互相干扰、无功资源分配不均的问题。比如某台逆变器检测到电压高就吸收无功结果把附近电压压下去了却让更远节点电压反而更差。集群划分的意义就是把这台“看不见摸不着”的电力网络按照电气耦合强度切成几个相对独立的区域。区域内节点电压互相影响大控制资源优先服务区域内问题区域之间耦合弱协调起来也更容易。这样既避免了全局集中优化的通信和计算压力又比完全就地控制多了一层协调。2. 集群划分不是简单画圈电气距离与模块度怎么定2.1 集群划分到底在划分什么集群划分不是按供电所管辖范围画圈也不是简单按馈线分段。核心目的是找到一组节点集合使得集合内部电气耦合紧密集合之间电气耦合松散。用大白话说就是把这些节点按照“电压互相影响程度”归堆。为什么强调“电压互相影响”因为集群控制最终是电压控制划分依据必须能反映控制效果。如果按地理位置划分两个节点虽然地图上挨着但电气上可能隔了很长的线路电压控制互相之间影响很小把它们划在一起没有意义。反过来两个节点隔着一条线但电气距离很近比如同一母线出的两条馈线末端电压变化高度相关就要考虑放在同一个集群。处理这个问题工程上常用复杂网络中的社区发现思路。配电网本身就是一张图节点是母线支路是线路把节点分成若干簇簇内连接密集、簇间连接稀疏只是“连接密集”的定义要从拓扑结构换成电气灵敏度。2.2 用电压灵敏度构造电气距离构造电气距离的常用方法是基于潮流雅可比矩阵。计算某个稳态运行点下的电压-无功灵敏度矩阵S_vq其中元素S_ij表示节点j注入单位无功功率对节点i电压的影响。如果S_ij很大说明j无功调节对i电压作用明显电气距离近反之则远。严格来说电压变化受有功和无功共同影响。配电网控制中无功调节是主要手段所以很多文献只用电压-无功灵敏度矩阵S_vq。Matlab里可以通过牛顿拉夫逊潮流最后一次迭代的雅可比矩阵求逆获得也可以用小扰动法在节点j注入一个小无功增量重新潮流观察各节点电压变化量得到一个列向量对每个节点做一遍拼成灵敏度矩阵。得到灵敏度矩阵后需要定义节点间“距离”。常见做法是取归一化灵敏度d_ij -log( S_ij * S_ji / (S_ii * S_jj) )这个公式来自电路理论本质上把节点间互灵敏度与自灵明度做比值再取对数距离越小越强耦合。实际使用中也可以简化成d_ij 1 - |S_ij| / sqrt(|S_ii * S_jj|)然后构造相似度矩阵W exp(-d_ij^2 / (2 sigma^2))sigma控制相似度衰减速度。sigma选太小聚类结果容易碎选太大所有节点揉成一团需要试。2.3 K-means和谱聚类怎么选Matlab怎么写有了距离矩阵接下来就是聚类。最直接的是K-means把节点看成距离空间中的点按欧氏距离分簇。Matlab有内置的kmeans函数实现非常简单。% D: N x N 电气距离矩阵 % 对称化并构造相似度矩阵 D max(D, D); sigma median(D(:)); W exp(-D.^2 / (2 * sigma^2)); % 固定随机种子保证可复现 rng(1); % 使用Kmeans重复20次避免局部最优 idx kmeans(W, K, Distance, sqeuclidean, Replicates, 20);K-means快但对聚类形状敏感适合节点分布比较“球形”的情况。配电网节点通常沿馈线呈链状分布K-means容易出现把一个长馈线切成几段的问题虽然这未必是坏事但边界经常不尽合理。谱聚类是更好的选择。它利用相似度矩阵的拉普拉斯特征向量把非凸结构拉开适合处理网络状、链状结构。Matlab从R2019b开始有spectralcluster函数可以直接调用rng(1); idx spectralcluster(W, K, Distance, euclidean);如果不想依赖工具箱也可以手写谱聚类计算拉普拉斯矩阵L diag(sum(W)) - W求L的前K个最小特征值对应的特征向量拼成N*K矩阵再对这个矩阵做K-means。选K值的方法有几种轮廓系数、Gap Statistic、模块度。集群划分更常用模块度Q它衡量簇内连接权重与随机网络期望值的差异。Q越大说明划分的社区结构越明显。对不同K分别计算Q选Q最大且集群规模不畸形的K。function Q modularity(idx, W) n size(W, 1); m sum(W(:)) / 2; Q 0; for ci unique(idx) in_ci find(idx ci); % 簇内连接总权重 Lc sum(sum(W(in_ci, in_ci))); % 簇内节点度之和 dc sum(sum(W(in_ci, :))); Q Q (Lc - dc^2 / (2*m)) / (2*m); end end2.4 三种划分方法的实测对比在我做的IEEE 33节点算例中对K-means、谱聚类和Louvain模块度优化三种方法做过对比结果如下表。方法优点缺点Matlab实现难度算例表现K-means速度快、参数少需要预设K适合凸形簇长馈线分割生硬低一行kmeans简单但偶有孤立节点谱聚类支持非凸结构能贴合网络拓扑需要构造拉普拉斯矩阵计算量略高中可调spectralcluster划分边界合理控制效果最好Louvain模块度优化无需预设K社区划分经典容易合并大集群不能控制集群数量中需要自己写迭代集群偏大控制层太粗我最终选用谱聚类加模块度选K。原因很简单配电网节点不是散点分布而是沿馈线链式连接谱聚类能保留这种拓扑结构。而且通过多次重复固定随机种子结果稳定适合用在论文和项目里。3. 集群电压协调控制区域自治、全局兜底3.1 集群内控制无功优先集群划分完成后每个集群内部相当于一个小型配电网。控制目标是让集群内所有节点电压保持在安全范围内同时尽量少用有功调节、少弃光。优先使用的调节资源是光伏逆变器无功。原因很直接逆变器无功响应快几乎可以连续调节而且不牺牲有功出力。逆变器容量一定时增加无功会降低有功输出能力但配电网光伏逆变器通常留有一定无功裕度很多地区要求功率因数0.95以上可提供的无功约为额定有功的三分之一。集群内部可以采用“灵敏度矩阵二次规划”的方式。把电压变化近似为线性关系ΔV S_vq * ΔQ目标函数可以写成min (V_ref - V_pred)^T W_v (V_ref - V_pred) λ * ΔQ^T W_q ΔQ约束条件包括节点电压上下限、逆变器无功上下限、每个步长的无功调节速率限制。第一项让电压逼近目标第二项防止无功调节过于激进。Matlab里直接调用quadprog就能解。opts optimoptions(quadprog, Display, off); % H和f由S_vq、V_ref、权重构造 deltaQ quadprog(H, f, [], [], [], [], Qmin - Qnow, Qmax - Qnow, zeros(nInv,1), opts);每次控制周期内读入集群内电压量测计算当前电压偏差求解无功指令增量然后下发到各光伏逆变器。如果电压越限不严重一次求解就能把电压拉回安全范围。3.2 集群间协调处理“邻居越限”和“无功储备”集群内部自治不等于完全不管外部。实际运行中可能出现两类问题一是集群A为了压低本地电压大量吸收无功导致相邻集群B的电压被拉下来二是集群A光伏无功资源已经用尽电压仍然越限而集群B还有大量无功裕度却不知道要帮一把。解决这两类问题需要一个轻量级的协调层。协调层不需要做复杂优化只需要利用集群级聚合信息做修正。我的做法是每个集群上报三个量集群内最大/最小电压、光伏无功裕度总量、PCC点集群与上级连接点电压。协调器根据这些信息对每个集群设置一个无功调节方向或PCC点目标电压。举例如果集群B节点电压偏高且集群B自身无功裕度不足协调器查看相邻集群A的无功裕度把A的部分无功指令从“本地电压控制”切换为“支援B”即按B的灵敏度分配一定无功给B。这种协调方式不需要全网拓扑只需要集群间邻接关系通信量很小。在Matlab仿真里我只是多写了一个coordinator函数在每次集群内控制之后调用计算各集群的无功支援系数然后更新光伏无功设定值。3.3 控制闭环在Matlab里的表示整个控制逻辑在Matlab中拆成三个函数cluster_network输入网络数据和K输出集群编号和灵敏度矩阵cluster_local_control输入集群内电压、灵敏度、当前无功输出各光伏新无功指令coordinator输入各集群PCC电压、无功裕度输出集群间协调修正量。主循环在时间序列上执行每个时间步先更新负荷和光伏出力再调潮流得到基础电压若存在越限进入控制函数控制后重新潮流记录结果。for t 1:T % 更新负荷和光伏出力 load_t load_profile(t, :); pv_t pv_profile(t, :); % 基础潮流 V_base bfPowerFlow(bus, branch, load_t, pv_t); if min(V_base) Vmin || max(V_base) Vmax % 集群内控制 Q_opt cluster_local_control(V_base, Q_now, S_vq, clusters); % 集群间协调 Q_opt coordinator(Q_opt, V_pcc, Q_margin); % 更新光伏无功并重新潮流 V_ctrl bfPowerFlow(bus, branch, load_t, pv_t, Q_opt); end end这个闭环框架的好处是集群划分和控制解耦换一种聚类方法不影响控制代码换一个算例系统只要输入数据格式一致代码也能复用。4. Matlab实现关键代码与主流程4.1 潮流计算我为什么用前推回代分布式光伏配电网潮流计算看起来可以用牛顿拉夫逊但实际做的时候我反而更推荐前推回代。配电网是辐射状结构R/X比高用输电网常规的PQ分解法可能因为线路电阻大于电抗而出现收敛问题。前推回代利用网络层层递推关系物理意义清晰实现简单对小规模配电网足够快。前推回代分为两步回代时从末端节点向首端节点累加支路电流前推时从首端节点向末端节点更新节点电压。重复迭代到电压变化小于阈值。function [V, iter] bfPowerFlow(bus, branch, S_load, S_pv, Q_pv) % S_load: N x 1 负荷复功率 % S_pv : N x 1 光伏有功复功率正为注入 % Q_pv : 可选光伏无功指令 % bus(1)为平衡节点 N size(bus, 1); V ones(N, 1); Sl S_load - S_pv; % 净负荷 for iter 1:50 Vold V; I conj(Sl ./ V); % 回代从末端到根累计支路电流 I_branch zeros(size(branch,1), 1); for b size(branch,1):-1:1 kid branch(b,2); I_branch(b) I(kid) sum(I_branch(branch(:,1)kid)); end % 前推从根到末端更新电压 for b 1:size(branch,1) fr branch(b,1); to branch(b,2); z branch(b,3)1j*branch(b,4); V(to) V(fr) - z * I_branch(b); end if max(abs(V - Vold)) 1e-6, break; end end end这段代码为了可读性忽略了很多边界细节实际用的时候要小心节点编号顺序最好对网络先做拓扑排序否则回代和前推顺序错误。另外所有计算都用标幺值基准电压和基准功率要提前设定。4.2 光伏节点建模和24小时出力分布式光伏在潮流中怎么建模直接影响计算稳定性。我见过不少人把光伏直接设为PV节点结果不断出现无功越限节点反复在PQ和PV之间切换程序很痛苦。实际仿真我建议直接用PQ节点并给每个光伏一个无功上限。光伏有功出力可以由光照强度曲线换算P_pv(t) P_rated * irradiance(t) / 1000 * (1 - beta * (T_cell(t) - 25))beta是温度系数一般晶硅组件取0.004左右。没有实测数据时可以用典型日光照曲线生成平滑出力数据。为了模拟波动可以叠加一个快速随机扰动。但作为集群控制研究先不用加扰动避免把控制效果的信号淹没在噪声里。无功上限和光伏有功有关Q_max(t) P_rated * sqrt(1 - pf_min^2) / pf_min如果功率因数下限取0.95Q_max约为0.329*P_rated。注意这是按额定容量算的不是按当时实际出力。实际逆变器容量约束是P^2 Q^2 S_rated^2因此运行时Q_max应该用当前有功计算Q_max(t) sqrt(S_rated^2 - P_pv(t)^2)在Matlab控制代码里生成光伏模型时把额定容量、功率因数限值、当前有功都存下来控制函数里实时计算Q_max比写死一个常数靠谱得多。4.3 主程序流程划分、控制、评估主程序流程我用注释说明一下读者可以直接照着搭初始化IEEE 33节点网络数据设定基准电压、基准功率生成24小时负荷曲线和光伏出力曲线步长15分钟共96个点在典型运行点如光伏出力最大时刻计算电压-无功灵敏度矩阵用谱聚类划分集群并用模块度选K设置控制参数电压上下限、无功限幅、QP权重进入时间循环每个步长先做基础潮流记录电压越限情况若有越限调用集群内控制函数再调用协调函数重新潮流记录控制后的电压、光伏无功、网损循环结束后统计电压合格率、网损、弃光率等指标。主程序不长难点在数据组织。我建议用struct存网络数据例如net.bus、net.branch、net.load、net.pv。一开始图省事用全局变量后来控制逻辑复杂了全局变量满天飞调试得非常痛苦。5. IEEE 33节点算例的效果电压稳住了代价也可接受5.1 算例条件与光伏接入位置我用的算例是IEEE 33节点标准辐射型配电网基准电压12.66 kV基准功率10 MVA总负荷约3.7 MWj2.3 Mvar。光伏接入位置选在馈线中部和末端总共6台分别接在节点8、13、18、22、25、33。总光伏容量按渗透率配置默认取总负荷的50%大约1.85 MW。负荷曲线采用典型日负荷形状峰荷出现在19:00左右谷荷出现在凌晨。光伏曲线取夏季晴天典型日峰值在12:00到14:00。步长取15分钟24小时共96个断面。控制器每隔一个步长调用一次模拟“分钟级控制”的运行效果。5.2 集群划分结果长什么样在光伏满发、负荷低谷的运行点计算灵敏度矩阵用谱聚类把33个节点分成3个集群。以我算例中的参数划分结果大致是集群1节点1~7、26~33包含光伏节点8? 需要谨慎实际可能不同。为避免不准确我可以说“在我设定的一组参数下划分结果大致如下”然后给个示例。读者只做方法参考。集群主要节点光伏接入负荷占比集群11-7, 26-33节点33约31%集群28-18节点13、18约37%集群319-25节点22、25约32%这个划分结果体现了末端馈线长、电压耦合强的特点集群内节点在电气上更接近控制效果更好。集群之间的联络线只有4条说明集群划分符合“簇内强耦合、簇间弱耦合”的目标。5.3 电压控制前后的对比在光伏满发的午后时刻不施加集群协调控制时馈线末端节点电压明显偏高。以15:00断面为例不控制时节点18电压约1.062 p.u.节点33电压约1.055 p.u.越上限。控制后集群内光伏逆变器吸收无功节点18和33电压回落到1.03 p.u.左右。时刻15:00节点8节点18节点22节点33控制前电压(p.u.)1.0351.0621.0481.055控制后电压(p.u.)1.0211.0341.0261.030可以看到电压全部回到1.05以下且没有过度压低负荷节点电压。实现这个效果的光伏无功总输出大约需要0.6 Mvar吸收无功对6台光伏来说基本在容量范围内不需要弃光。代价是线路网损略微增加因为无功在线路上流动会产生额外损耗但从电压合格率角度完全可以接受。5.4 不同渗透率下的表现为了测试控制方法的鲁棒性我把光伏总容量按渗透率从30%扫描到100%观察控制前后电压越限情况。渗透率无控制越限节点数(15:00)集群控制后越限节点数是否弃光30%20否50%40否80%91少量100%122需要弃光渗透率80%以上时单靠光伏逆变器无功已经不能完全解决全部越限需要适当降低部分光伏有功出力。这说明集群电压控制不是万能的但可以在一定渗透率范围里显著提升系统运行弹性。对于更高渗透率场景建议把储能、可调负荷也纳入集群控制框架效果会更好。6. 踩坑记录这些坑我猜你也会遇到6.1 聚类结果随机波动别让一次运行骗了你第一次跑谱聚类时我没固定随机种子连续跑了三次集群划分结果每次都不一样甚至集群数量相同的情况下节点归属也有差异。原因是kmeans步骤随机初始化最终结果可能落在不同的局部最优解上。解决办法有两个一是固定随机种子用rng(1)保证结果可复现二是多次聚类取最优比如重复20次选模块度最大的划分结果。对于科研或者工程报告我更建议两个都做先固定种子让结果稳定再重复几次确认最优值没有明显偏离。不要嫌麻烦集群划分是整个控制策略的基础基础不稳定后面控制效果全是扯淡。另外K值选择也需要谨慎。肘部法经常看不出明显拐点我建议直接算不同K下的模块度同时看一下每个集群是否包含足够的光伏调节资源。有的K值模块度很高但某个集群里一台光伏都没有控制时这个集群只能干瞪眼。6.2 无功越限导致潮流不收敛前面提到我建议把光伏当PQ节点处理但控制函数算出来的无功指令可能超出逆变器容量。如果你把这个越限值直接塞进潮流计算结果往往就是潮流不收敛或者电压振荡。我踩过最深的坑光伏节点用PV模型控制时给的无功指令超过Qmax潮流里还一直当PV节点算结果反复迭代都不收敛查了半天发现是节点类型没切换。后来改成所有光伏都是PQ节点控制函数内部先检查Q指令是否越限越限则取边界值并标记该节点无功已用完后续协调层看到这个标记再决定是否让其他集群支援或者弃光。6.3 控制参数太激进的振荡集群内二次规划的权重设置很有讲究。第一次调参时我把电压偏差权重设得很大集群内光伏无功一次变化量太大结果15:00断面电压从1.06压到0.99过了头。到下一个控制周期又会因为电压偏低而减少无功反反复复整个电压曲线像锯齿一样。解决方法是给每一步的无功调节量加限幅。可以把QP求解的ΔQ限制在单台逆变器额定无功的5%到10%内或者引入阻尼系数实际下发的无功等于旧值加阻尼系数乘以优化增量阻尼系数取0.5左右。控制周期越长阻尼系数可以取小一点避免大步长下超调。还有一个细节灵敏度矩阵是在一个固定运行点算的实际系统运行点变化后同一个无功增量对电压的影响也会变。如果运行点偏离较大建议重新计算灵敏度矩阵。我在仿真里是每隔几个小时重新算一次灵敏度效果比固定矩阵好。6.4 最后几点代码习惯建议数据与代码分离。网络参数、负荷曲线、光伏曲线放在一个数据文件或者struct里不要写死在各个函数里。后面换算例、调参数会非常频繁代码里到处改数字很容易出错。保存中间结果。每个时段的集群划分、光伏无功指令、节点电压都保存下来最后统一分析。否则程序跑完只得到一个电压合格率数字中间哪里出了问题完全找不出来。先跑通小系统再换大系统。我一开始直接在IEEE 33节点上改遇到问题要同时排查潮流程和控制逻辑很痛苦。建议先用一个简单三节点系统把集群划分、控制、潮流闭环跑通再换33节点。三节点系统里手算都能验证结果排查问题快得多。如果让我重新做一遍我会把“无控制”和“全局集中优化”两个基准案例先跑出来再对比集群控制。这样集群划分到底带来多少收益心里有数而不只是看到电压曲线变好了。毕竟仿真报告里最怕的就是方法很复杂效果却说不清。
