基于改进虚拟同步机的风储微网综合控制

微电网中负荷变化与风电等分布式电源出力不确定性给整个微网稳定带来很大困难。针对风电出力波动问题,采用虚拟同步发电机控制结合深度强化学习对电池储能系统输出进行控制：首先搭建包含风电、电池储能、负荷、外部电网的微网模型,其次利用深度确定策略梯度算法对虚拟调速器进行设计,结合奖励函数通过反复学习训练生成调速器实现对虚拟同步发电机的改进。最后,在Matlab/Simulink软件中搭建对应的仿真模型,与下垂控制、传统虚拟同步发电机控制进行对比,仿真验证了并网到离网切换场景与孤岛运行场景下,所提出的控制方法对微网频率与电压有良好的稳定效果,可以实现对负荷有功功率与无功功率的快速追踪。     

基于生成对抗网络的配电网与多微网随机调度

随着可再生能源机组以多微网的形式接入配电网,其出力的不确定性会给配电网与多微网调度带来挑战。因此,如何对配电网与多微网中可再生能源的特性进行分析,准确把握可再生能源的出力特性,建立考虑可再生能源出力特性的配电网与多微网调度模型,成为目前亟待研究和解决的问题。本文提出了一种基于Wasserstein生成对抗网络的配电网与多微网日前随机调度方法。首先针对风电以及光伏日前预测的不确定性,采用基于Wasserstein生成对抗网络的数据驱动算法,对风电和光伏出力预测误差进行场景生成;对于生成的风光出力场景,基于K-mediods场景削减法得到风光典型场景;在配电网与多微网调度目标函数中综合考虑调度的经济性指标以及韧性指标,基于场景法模拟可再生能源出力的不确定性,建立配电网与多微网日前随机调度模型并求解。仿真结果表明,所提的配电网与多微网随机调度模型在可再生能源出力场景生成方面,相比于传统假定概率分布的生成方法,其生成的场景更接近实际场景。