电网电压

国家发改委、国家能源局等多部门发文:支持构网型储能技术研发与工程示范;选择典型场景应用构网型控制技术;研究完善储能价格机制和财政金融政策，等相关文件对于构网型储能的定位:显著提高新能源接入弱电网的电压、频率等稳定支撑能力，大幅提升风电光伏大基地项目输电通道的安全稳定送电能力;具备主动支撑电网电压、频率、功角稳定能力

随着光伏、储能等分布式电源广泛接入，导致配电网区域电压波动频繁。针对分布式电源分散接入带来的不确定性问题，提出了一种计及分布式电源集群不确定性的配电网分散鲁棒电压控制方法。将大规模分布式电源聚合成相互关联的集群，对电压控制进行分区域调节。首先，针对配电网结构复杂和分布式电源点多面广的问题，设计一种基于改进Louvain算法的配电网集群划分方案，利用模块度函数并兼顾了集群的电压灵敏度和分布式电源调控容量。然后，由于分布式电源接入后配电网潮流更加复杂多变，在划分集群的基础上提出一种考虑不确定性的分散鲁棒控制方法，协同各分布式电源集群的调控能力，抑制由于模型参数及功率波动等不确定性导致的配电网电压波动。最后，通过算例分析验证了所提方法的可行性和有效性。

针对基于瞬时无功理论的ip-iq谐波检测法结构复杂、响应速度慢等问题，提出了一种采用改进正弦幅值积分器结构的谐波电流检测方法。首先，利用二阶广义积分器的输出滤波特性及正弦幅值积分器的极性选择特性，使其相结合构造出了一种滤波性能更强，同时具有频率及极性选择作用的新型积分器。然后，利用该积分器快速准确地提取基波正序分量，并有效应用于谐波检测环节中。当电网电压存在直流偏置问题时，该积分器所构造的锁相环也能准确锁定电网频率及相位信息。最后，理论分析及仿真实验结果表明：该方法无需进行瞬时对称分量分离，就可提取出电网电压及负载电流基波的正负序分量，计算量小，谐波检测更精确。

随着并网光伏数量和容量的增加，中压配电网电压波动及网损过大等问题日益突出。为此计及中压配电网的通信条件与计算能力等特点，提出了一种面向中压配电网的分布式光伏集中调控优化策略，抑制中压配电网电压波动及网损过大。分析光伏并网对配电网电压及网损影响，构建了以中压配电网潮流平衡方程、节点电压、支路电流及系统运行为约束，以网损最小、电压波动最小和分布式电源消纳最大为目标的多目标优化控制模型；采用商用CPLEX对模型进行求解；最后结合算例仿真对模型进行了有效性验证。结果表明，所提优化控制模型可有效降低配电网电压波动，合理分配分布式电源出力，降低网络损耗，同时保证光伏利用率处于相对合理区间。

随着电动汽车使用量增加，区域配电网在高渗透率电动汽车接入配电网后会出现节点电压越限问题。基于态势感知技术，提出区域配电网内无功补偿设备以及电动汽车充电站联合参与的电压调整策略，通过构建二级调压模式确保配电网的电压状态。首先，在态势觉察阶段收集电动汽车状态、电网运行状态以及电动汽车充电站状态等信息；其次在态势理解阶段利用态势觉察阶段收集到的信息进行高渗透率电动汽车接入电网后模拟构建综合成本最小目标函数；然后在态势预测阶段根据电动汽车充电需求、电动汽车充电站信息预测高渗透率电动汽车接入电网后配电网电压偏差，基于潮流断面建立全局电气距离矩阵对预测电压修正，确认电网预测电压偏差；最后在利导阶段引入配电网电压偏差指标确定配电网电压偏离程度同时考虑配电网调压方式，对于不同程度的电压偏差确定配电网二级调压控制策略。通过IEEE 30节点系统进行仿真分析，验证了所提方法能够有效解决高渗透率电动汽车接入电网后电网电压越限问题。

传统风电场跟随主站电压指令调节的方式容易导致站内无功源频繁波动、站内无功裕度不足，影响风电场的调压能力。为此提出了一种考虑风电运行轨迹与场景划分的场级主动调压优化控制策略。首先，基于风电场功率预测数据和有功–电压灵敏度曲线，绘制并网点电压波动轨迹，结合AVC子站接收到的电压指令，协调风机和SVG的无功输出，有效降低了无功设备的调节频次。其次，根据电压跌落幅度划分详细运行场景，通过调整SVG的控制模式，有效抑制了电网电压的大幅波动。最后，构建了包含AVC功率控制器的仿真测试平台，验证对比了所提方法相对于传统风电场AVC控制策略在降低无功调节频次、提升无功裕度、主动电压支撑方面的效果，为实现风电场主动调压提供了新的解决思路。

现有深度强化学习(deep reinforcement learning, DRL)方法在解决配电网电压优化问题时，存在信用分配难、探索效率低等问题，在模型训练速度和优化效果等方面表现欠佳。为此，结合配电网分区降损与模仿学习的思想，提出一种基于指导信号的多智能体深度确定性策略梯度(guidance signal based multi-agent deep deterministic policy gradient, GS-MADDPG)的电压优化方法。首先，将电动汽车(electric vehicles, EV)集群、分布式电源(distributed generations, DG)和无功调节装置作为决策智能体，构建强化学习优化模型。然后，通过配电网分区，解耦多智能体的外部奖励，并结合模仿学习，利用指导信号引入内部奖励，帮助智能体快速寻优。最后，基于改进IEEE 33节点系统进行算例测试。结果表明，所提电压优化策略较传统DRL方法具有更高的样本利用率，实现了更稳定的收敛及更高的模型训练效率，提升了配电网电压的优化效果。

近年来，随着我国能源转型的不断深入、光伏发电技术的逐渐成熟以及发电成本的逐步降低，分布式光伏在配电网中的占比日益提高，配电网的电能质量问题愈发显著，如电压越限、电压不平衡、线路过载、闪变以及谐波超标等问题，其中，电压越限是限制分布式光伏接入容量的主要因素。该文首先总结了目前常用的含高渗透率分布式光伏的配电网电压调节方法，在此基础上，分别对每种电压调节方法进行了详细介绍。最后，对比分析了各种电压调节方法的优劣性，并对未来含高渗透率分布式光伏的配电网电压调节方法提出相关建议。

当分布式光伏进入极高比例渗透阶段时，配电网电压越限的问题会更加突出。常用方法是调用配电网内多种可调资源改善电压分布，但较少考虑实际工程中馈线层与变电站之间的信息交互。为此，文中提出一种考虑馈线层与变电站双层协调的配电网电压优化方法。在馈线层建立以线路损耗最小为目标的最优潮流模型，经二阶锥松弛求得馈线层首端电压和注入功率，并反馈给上层变电站；在变电站建立以低压侧母线电压调整量最小为目标的调压模型，将调整后的首端电压返回馈线层，更新潮流分布并获得可调资源的调度计划；最后依据扩展的IEEE 33节点配电系统算例，利用Cplex求解，验证了该优化方法在解决配电网电压越限问题的基础上，可以更好地控制电压偏差、减少设备切换次数、提高系统运行的经济性。

针对T型三电平储能变流器在受到扰动时直流母线电压容易波动的问题，提出了一种改进的线性自抗扰控制(linear active disturbance rejection control, LADRC)方法以增强直流母线电压的控制稳定性。该方法对线性扩张状态观测器(linear extended state observer, LESO)进行了改进。首先，引入总扰动微分状态变量以提升扰动观测能力。其次，对观测器进行降阶处理，一方面降低观测器设计复杂度，另一方面降低相位滞后，提升扰动估计速度。最后，在总扰动通道上增加一个滞后补偿环节减弱噪声放大影响。通过上述改进实现了对系统总扰动的精确快速估计。基于频域分析，得出改进后的LADRC相比传统LADRC具有更优秀的抗扰性能。多组实验结果均表明，与PI控制和传统LADRC相比，在有功功率突变、无功功率突变以及电网电压跌落情况下，所提控制策略的直流母线电压超调量更小，暂态时间更短，验证了所提方法的有效性，保证了储能变流器的正常平稳运行。