技术领域
[0001] 本
发明属于台区电压控制技术领域，具体涉及一种基于模型预测控制的低压配电台区电压控制方法及系统。
背景技术
[0002] 随着人们对环境问题的日益关注和传统化石
燃料的快速消耗，
电网的分布越来越分散、智能化程度越来越高、灵活性越来越强、分布式发电系统的普及率越来越高。以
可再生能源为
基础的分布式发电技术正大比例地融入低压配电台区中，预计未来分布式发电系统的渗透率将会变得更高。在这样的情况下，如光、
风等
可再生能源发电出
力的随机性、
波动性等不确定性特征愈发明显。为了成功整合可再生能源，必须克服许多技术挑战，在确保目前低压配电台区供电可靠性
水平不会受到显著影响的同时应充分发挥可再生能源分布式发电技术的潜在效益。
[0003] 目前，随着分布式发电系统的数量不断增加，电压控制的难度也在不断提升。低压配电台区迫切需要一种电压控制策略来应对当前分布式发电系统大比例接入的新情况。
[0004] CN106786806A《一种基于模型预测控制的配电网有功无功协调调控方法》、CN106953359A《一种含分布式光伏配电网有功无功协调优化控制方法》均提出利用模型预测控制方法调控配电系统内可再生能源的有功无功出力从而平抑配网电压波动，但并未考虑大比例分布式发电系统接入对低压配电台区电压所造成的影响。例如当某一分布式发电系统内无功储量耗尽时，由于
控制器之间无法交互，因此无法从其他区域导入无功。同时，现有控制流程中预测反馈校正环节在出现电压预测偏差时需要不断重复，导致控制系统参数整定工作量大、动态响应速度慢。因此如何克服
现有技术的不足是目前台区电压控制技术领域亟需解决的问题。
发明内容
[0005] 本发明的目的是为了解决现有技术的不足，提供一种基于模型预测控制的低压配电台区电压控制方法及系统，以降低光、风等可再生能源发电出力的随机性、波动性等不确定性对配电台区
母线电压的影响。
[0006] 为实现上述目的，本发明采用的技术方案如下：
[0007] 一种基于模型预测控制的低压配电台区电压控制方法，包括如下步骤：
[0008] 获取当前分布式发电系统内各设备运行状态、拓扑参数、可再生能源的调节性能信息，并获取低压配电台区其他各分布式发电系统前一个时刻的控制信息；
[0009] 在分布式发电系统的功率预测信息和控制计划已知的情况下，以当前时刻的电压运行状态为初始值，以当前时刻分布式发电系统的计划调整量为待优化变量，以光伏的
无功功率上下限、储能的功率上下限作为约束条件，建立基于当前时刻的电压状态信息的未来N个时刻的电压
预测模型；
[0010] 根据电压预测模型，以基于当前时刻电压状态信息的未来N个时刻的电压预测偏差与分布式发电系统计划调整量之和最小为控制目标，以电压幅值的上下限、分布式发电系统计划调整量上下限作为约束条件，建立电压滚动优化控
制模型；
[0011] 求解电压滚动优化控制模型，得到未来N个时刻分布式发电系统计划调整量；在当前时刻采用第一个分布式发电系统计划调整量进行电压控制；
[0012] 当进行到下一个电压控制周期时，重复上述步骤，从而实现对低压配电台区电压的控制。
[0013] 进一步，优选的是，在分布式发电系统的功率预测信息和控制计划已知的情况下，以当前时刻的电压运行状态为初始值，以当前时刻分布式发电系统的计划调整量为待优化变量，以光伏的无功功率上下限、储能的功率上下限作为约束条件，建立基于当前时刻的电压状态信息的未来N个时刻的电压预测模型，具体如下：
[0014] 对于分布式发电系统j，在功率预测信息和控制计划已知的情况下，以当前时刻k的电压运行状态为初始值，以当前时刻k分布式发电系统的计划调整量为待优化变量，对下一个时刻k+1的电压预测方程进行推导，如式(1)-(2)所示：
[0015] V(k+1|k)＝V(k|k)+ΔV(k+1|k) (1)
[0016]
[0017] 式中，V(k+1|k)为在k时刻预测得出的k+1时刻的电网电压向量；V(k|k)为k时刻电网电压向量；ΔV(k+1|k)为在k时刻预测得出的k+1时刻的电压预测模型输出； 为分布式发电系统j在k时刻的响应灵敏度矩阵；Δuj(k+1|k)为分布式发电系统j在k时刻预设的k+1时刻分布式发电系统计划调整量，该预设的计划调整是设定未来k+i时刻的调整量，由式(13)得出；
[0018] 继续扩写式(1)-(2)，得到基于当前时刻k的电压状态信息的未来N个时刻的电压预测模型，如式(3)-(5)所示：
[0019] V(k+i+1|k)＝V(k+i|k)+ΔV(k+i+1|k) (3)
[0020]
[0021]
[0022] 其中，V(k+i+1|k)为在k时刻预测得出的k+i+1时刻的电网电压向量；V(k+i|k)为在k时刻预测得出的k+i时刻的电网电压向量；ΔV(k+i+1|k)为在k时刻预测得出的k+i+1时刻的电压预测模型输出；Δuj(k+i+1|k)为分布式发电系统j在k时刻预设的k+i+1时刻分布式发电系统计划调整量，为待优化控制变量； 为台区内除j以外其他分布式发电系统在k-1时刻预测得出的k+i时刻的电压预测模型输出，M为台区内分布式发电系统的总个数， 为分布式发电系统l在k-1时刻的响应灵敏度矩阵，Δul(k+i|k-1)为分布式发电系统l在k-1时刻预设的k+i+1时刻分布式发电系统计划调整量；
Pes、Qes分别为储能的有功和无功设定值；Qpv为光伏的无功设定值；
[0023] 电压预测模型的约束条件包括光伏的无功功率上下限约束、储能的功率上下限约束，具体如式(6)-(9)所示：
[0024]
[0025]
[0026]
[0027]
[0028] 其中， 为分别是分布式发电系统在k时刻预测得出的k+1时刻的光伏系统无功输出的上下限向量； 为k时刻光伏系统有功输出；Sconv为光伏系统中变换器的额定值； 为储能系统k时刻的充电功率与放电功率；Qes(k)为储能系统k时刻的无功功率； 为储能系统变换器的额定值。
[0029] 进一步，优选的是，根据电压预测模型，根据电压预测模型，以基于当前时刻电压状态信息的未来N个时刻的电压预测偏差与分布式发电系统计划调整量之和最小为控制目标，以电压幅值的上下限、分布式发电系统计划调整量上下限作为约束条件，建立电压滚动优化控制模型；具体如下：
[0030] 根据电压预测模型，以基于当前时刻k电压状态信息的未来N个时刻的电压预测偏差与分布式发电系统计划调整量之和Φ(k)最小为控制目标，即：
[0031]
[0032] 其中，H为预测控制步长；Vε(k+i|k)为在k时刻预测得出的k+i时刻的电压参考向量，该变量在优化过程出现预测偏差时引入并由用户定义，受电压幅值上下限约束，即下文式(11)；
[0033] 约束条件包括电压幅值的上下限约束，分布式发电系统计划调整量上下限约束，具体如式(11)-(12)所示；
[0034] Vmin≤V≤Vmax (11)
[0035] Δumin≤Δu(k+i|k)≤Δumax (12)
[0036] 其中，Vmax、Vmin分别为电压幅值的上下限向量，V为电压幅值； 分别为分布式发电系统计划调整量的上下限。
[0037] 进一步，优选的是，求解电压滚动优化控制模型，得到未来N个时刻分布式发电系统计划调整量；在当前时刻采用第一个分布式发电系统计划调整量进行电压控制，当进行到下一个电压控制周期时，重复上述步骤，从而实现对低压配电台区电压的控制；具体如下：
[0038] 利用Matlab对所述电压滚动优化控制模型进行求解，得到由未来N个时刻分布式发电系统计划调整量所构成的控制指令合集，如式(13)所示；
[0039] {Δuj(k|k),Δuj(k+1|k),…,Δuj(k+N-1|k)} (13)[0040] 在当前时刻k仅会执行第一个控制命令Δuj(k|k)，同时分布式发电系统j的控制指令将被发送给低压配电台内其他所有优化控制器；当进行到下一个电压控制周期时，即时刻k+1时，对上述控制步骤进行重复，从而实现对低压配电台区电压的模型预测控制。
[0041] 本发明同时提供一种基于模型预测控制的低压配电台区电压控制系统，包括：
[0042] 信息采集模
块，用于获取当前分布式发电系统内各设备运行状态、拓扑参数、可再生能源的调节性能信息，并获取低压配电台区其他各分布式发电系统前一个时刻的控制信息；
[0043] 第一处理模块，用于在分布式发电系统的功率预测信息和控制计划已知的情况下，以当前时刻的电压运行状态为初始值，以当前时刻分布式发电系统的计划调整量为待优化变量，以光伏的无功功率上下限、储能的功率上下限作为约束条件，建立基于当前时刻的电压状态信息的未来N个时刻的电压预测模型；
[0044] 第二处理模块，用于根据电压预测模型，以基于当前时刻电压状态信息的未来N个时刻的电压预测偏差与分布式发电系统计划调整量之和最小为控制目标，以电压幅值的上下限、分布式发电系统计划调整量上下限作为约束条件，建立电压滚动优化控制模型；
[0045] 电压
控制模块，用于求解电压滚动优化控制模型，得到未来N个时刻分布式发电系统计划调整量；在当前时刻采用第一个分布式发电系统计划调整量进行电压控制。
[0046] 本发明还提供一种
电子设备，包括
存储器、处理器及存储在存储器上并可在处理器上运行的
计算机程序，其特征在于，所述处理器执行所述程序时实现如上述基于模型预测控制的低压配电台区电压控制方法的步骤。
[0047] 本发明另外提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述基于模型预测控制的低压配电台区电压控制方法的步骤。
[0048] 本发明使用了优化后的模型预测控制方法对分布式发电系统大比例接入的低压配电台区进行电压协同控制；
[0049] 在控制策略的帮助下，不同分布式发电系统的优化控制器通过通信连接交换信息，所有的优化控制器都能够在当前时刻(时刻k)获得低压配电台区母线电压与台区内分布式发电系统的计划调整量，同时获得前一个时刻(时刻k-1)其他优化控制器的控制指令。在考虑控制系统内发生的所有交互作用的情况下，各分布式发电系统的优化控制器为下一个时刻发出控制指令；
[0050] 本发明使用电压参考向量Vε简化电压模型预测控制中预测反馈校正环节达到减少控制流程参数整定工作量，提升控制流程动态响应速度的目的。
[0051] 从低压配电台区的运行效益方面考虑，本发明这种考虑分布式发电系统大比例接入的配电台区电压协同控制方法可以提升配电台区电压控制环节的准确性和台区内无功功率的利用率，同时简化电压控制环节从而减少控制系统参数整定工作量、提升电压控
制动态响应速度，间接提高了配电台区电压控制效率与经济效益。
[0052] 本发明所述的分布式发电系统的调节性能信息包括系统内各可控装置的有功无功出力。
[0053] 本发明所述的控制指令包括分布式发电系统内各可控装置的有功无功出力控制指令。
[0054] 本发明与现有技术相比，其有益效果为：
[0055] 本发明提供一种基于模型预测控制的低压配电台区电压协同控制方法，通过优化控制器协同运行与电压控制流程的简化，达到了以下目的：
[0056] 1.提升配电台区电压控制环节的准确性；
[0057] 2.提高低压配电台区内无功功率的利用率；
[0058] 3.减少控制系统参数整定工作量、提升电压控制动态响应速度。
附图说明
[0059] 图1为控制示意图；
[0060] 图2为本发明
实施例控制方法的
流程图；
[0061] 图3为本发明实施例提供的基于模型预测控制的低压配电台区电压控制系统结构示意图；
[0062] 图4为本发明实施例提供的电子设备结构示意图；
[0063] 图5为应用实例某可再生能源集群系统的结构示意图；
[0064] 图6为应用实例R1
节点电压控制方法对比效果图；
[0065] 图7为应用实例C1节点电压控制方法对比效果图；
具体实施方式
[0066] 下面结合实施例对本发明作进一步的详细描述。
[0067] 本领域技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限定本发明的范围。实施例中未注明具体技术或条件者，按照本领域内的文献所描述的技术或条件或者按照产品
说明书进行。所用材料或设备未注明生产厂商者，均为可以通过购买获得的常规产品。
[0068] 针对低压配电台区分布式发电系统大比例接入引起的电压波动问题，本发明采用一种基于模型预测控制的低压配电台区电压控制方法：台区内所有优化控制器每个时刻启动一次，滚动优化未来N个时刻的分布式发电系统的计划调整量。在当前时刻采用第一个控制指令进行电压控制，从而平抑配网台区频繁、快速的电压波动。
[0069] 以台区内某一分布式发电系统j为例，首先向优化控制器输入系统各设备运行状态、拓扑参数、可再生能源的调节性能信息以及其他各分布式发电系统优化控制器前一个时刻的控制指令。根据系统输入信息推导得出当前时刻的灵敏度矩阵 并基于当前电压状态V(k|k)建立电压预测模型。在结合k时刻预设的未来k+1时刻的分布式发电系统计划调整量Δuj(k+i|k)与约束条件的基础上推导得出未来k+i时刻的电压向量V(k+i|k)。
[0070] 然后以基于当前时刻电压状态信息的未来N个时刻的电压预测偏差与分布式发电系统计划调整量之和Φ(k)最小为控制目标，结合约束条件建立低压电压滚动优化控制模型 通过求解上述模型，得到由未来N个时刻分布式发电系统计划调整量所构成的控制指令合集{Δuj(k|k),Δuj(k+1|k),…,Δuj(k+N-1|k)}。在当前时刻(时刻k)仅会执行第一个控制命令Δuj(k|k)，同时分布式发电系统j的控制指令将被发送给低压配电台内其他所有优化控制器。当进行到下一个电压控制周期(时刻k+1)时，对上述控制步骤进行重复，从而实现对低压配电台区电压的模型预测控制。
[0071] 基于模型预测控制的低压配电台区电压控制方法一般由尽可能多的优化控制器组成。每一个优化控制器对应低压配电台区内一个分布式发电系统，所有控制器共同组成了该低压配电台区的控制系统。在控制策略的帮助下，不同分布式发电系统的优化控制器通过通信连接交换信息，所有的优化控制器都能够在当前时刻(时刻k)获取当前分布式发电系统内各设备运行状态、拓扑参数、可再生能源的调节性能信息，同时获得低压配电台区其他各分布式发电系统前一个时刻(时刻k-1)的控制指令。在考虑控制系统内发生的所有交互作用的情况下，各分布式发电系统的优化控制器为下一个时刻发出控制指令，如图1所示。
[0072] 控制系统中每一个优化控制器执行模型预测控制过程时相对独立，我们以分布式发电系统j的优化控制器为例说明控制流程，流程图如图2所示：
[0073] (1)获取电压控制所需相关信息
[0074] 向优化控制器输入该分布式发电系统内各设备运行状态、拓扑参数、可再生能源的调节性能信息以及其他各分布式发电系统优化控制器前一个时刻的控制指令，如光伏、储能计划调整量；储能的有功和无功设定值；光伏的无功设定值；光伏的无功功率上下限、储能的功率上下限；预测控制步长；电压参考向量Vε；电压幅值的上下限。
[0075] (2)建立电压预测模型
[0076] 对于分布式发电系统j，在功率预测信息和控制计划已知的情况下，以当前时刻(时刻k)的电压运行状态为初始值，以当前时刻(时刻k)分布式发电系统的计划调整量为待优化变量，对下一个时刻(时刻k+1)的电压预测方程进行推导，如式(1)-(2)所示：
[0077] V(k+1|k)＝V(k|k)+ΔV(k+1|k) (1)
[0078]
[0079] 式中，V(k+1|k)为在k时刻预测得出的k+1时刻的电网电压向量；V(k|k)为k时刻电网电压向量；ΔV(k+1|k)为在k时刻预测得出的k+1时刻的电压预测模型输出； 为分布式发电系统j在k时刻的响应灵敏度矩阵；Δuj(k+1|k)为分布式发电系统j在k时刻预设的k+1时刻分布式发电系统计划调整量；
[0080] 继续扩写式(1)-(2)，得到基于当前时刻k的电压状态信息的未来N个时刻的电压预测模型，如式(3)-(5)所示：
[0081] V(k+i+1|k)＝V(k+i|k)+ΔV(k+i+1|k) (3)
[0082]
[0083]
[0084] 其中，V(k+i+1|k)为在k时刻预测得出的k+i+1时刻的电网电压向量；
[0085] V(k+i|k)为在k时刻预测得出的k+i时刻的电网电压向量；ΔV(k+i+1|k)为在k时刻预测得出的k+i+1时刻的电压预测模型输出；Δuj(k+i+1|k)为分布式发电系统j在k时刻预设的 k+ i+1时刻分布式发电系统计划调整量 ，为待优化控制变量；为台区内除j以外其他分布式发电系统在k-1时刻预测得出的
k+i时刻的电压预测模型输出，M为台区内分布式发电系统的总个数， 为分布式发电系统l在k-1时刻的响应灵敏度矩阵，Δul(k+i|k-1)为分布式发电系统l在k-1时刻预设的k+i+1时刻分布式发电系统计划调整量；Pes、Qes分别为储能的有功和无功设定值；Qpv为光伏的无功设定值；
[0086] 电压预测模型的约束条件包括光伏的无功功率上下限约束、储能的功率上下限约束，具体如式(6)-(9)所示：
[0087]
[0088]
[0089]
[0090]
[0091] 其中， 为分别是分布式发电系统在k时刻预测得出的k+1时刻的光伏系统无功输出的上下限向量； 为k时刻光伏系统有功输出；Sconv为光伏系统中变换器的额定值； 为储能系统k时刻的充电功率与放电功率；Qes(k)为储能系统k时刻的无功功率； 为储能系统变换器的额定值。
[0092] (3)建立电压滚动优化控制模型
[0093] 基于分布式发电系统前一时刻的控制计划，当前时刻采用模型预测控制方法对其进行滚动优化，优化后的计划调整量将会在每个电压控制周期发送给优化控制器。
[0094] 根据电压预测模型，以基于当前时刻(时刻k)电压状态信息的未来N个时刻的电压预测偏差与分布式发电系统计划调整量之和Φ(k)最小为控制目标，即：
[0095]
[0096] 其中，H为预测控制步长；Vε(k+i|k)为在k时刻预测得出的k+i时刻的电压参考向量，该变量在优化过程出现预测偏差时引入并由用户定义；
[0097] 约束条件包括电压幅值的上下限约束，分布式发电系统计划调整量上下限约束，具体如式(11)-(12)所示；
[0098] Vmin≤V≤Vmax (11)
[0099] Δumin≤Δu(k+i|k)≤Δumax (12)
[0100] 其中，Vmax、Vmin分别为电压幅值的上下限向量，V为电压幅值； 分别为分布式发电系统计划调整量的上下限。
[0101] (4)求解模型并执行控制指令
[0102] 利用Matlab对所述电压滚动优化控制模型进行求解，得到由未来N个时刻分布式发电系统计划调整量所构成的控制指令合集，如式(13)所示；
[0103] {Δuj(k|k),Δuj(k+1|k),…,Δuj(k+N-1|k)} (13)[0104] 在当前时刻(时刻k)仅会执行第一个控制命令Δuj(k|k)，同时分布式发电系统j的控制指令将被发送给低压配电台内其他所有优化控制器；当进行下一个电压控制周期时(时刻k+1)，对上述控制步骤进行重复，从而实现对低压配电台区电压的模型预测控制。
[0105] 本发明采用不同的优化控制器通过通信接收其他控制器的控制动作，多控制器协同运行从而提升配电台区电压控制环节的准确性和台区内无功功率的利用率。各优化控制器之间相对独立，运算速度更快。同时，通过引入电压参考向量Vε简化电压控制预测反馈校正环节，提升配电台区电压控制的响应速度。
[0106] 本发明采用模型预测控制(Model Predictive Control，MPC)，模型预测控制作为一种基于预测模型的有限时域滚动优化的闭环控制方法，能够很好地应对配电网电压波动所带来的影响，具有良好的鲁棒控制性能。
[0107] 图2为本发明实施例提供的基于模型预测控制的低压配电台区电压控制系统的结构示意图。如图3所示，本发明实施例提供了基于模型预测控制的低压配电台区电压控制系统，包括：
[0108] 信息采集模块101，用于获取当前分布式发电系统内各设备运行状态、拓扑参数、可再生能源的调节性能信息，并获取低压配电台区其他各分布式发电系统前一个时刻的控制信息；
[0109] 第一处理模块102，用于在分布式发电系统的功率预测信息和控制计划已知的情况下，以当前时刻的电压运行状态为初始值，以当前时刻分布式发电系统的计划调整量为待优化变量，以光伏的无功功率上下限、储能的功率上下限作为约束条件，建立基于当前时刻的电压状态信息的未来N个时刻的电压预测模型；
[0110] 第二处理模块103，用于根据电压预测模型，以基于当前时刻电压状态信息的未来N个时刻的电压预测偏差与分布式发电系统计划调整量之和最小为控制目标，以电压幅值的上下限、分布式发电系统计划调整量上下限作为约束条件，建立电压滚动优化控制模型；
[0111] 电压控制模块104，用于求解电压滚动优化控制模型，得到未来N个时刻分布式发电系统计划调整量；在当前时刻采用第一个分布式发电系统计划调整量进行电压控制。
[0112] 在本发明实施例中，信息采集模块101获取当前分布式发电系统内各设备运行状态、拓扑参数、可再生能源的调节性能信息，并获取低压配电台区其他各分布式发电系统前一个时刻的控制信息；之后，根据采集到的信息，第一处理模块102在分布式发电系统的功率预测信息和控制计划已知的情况下，以当前时刻的电压运行状态为初始值，以当前时刻分布式发电系统的计划调整量为待优化变量，以光伏的无功功率上下限、储能的功率上下限作为约束条件，建立基于当前时刻的电压状态信息的未来N个时刻的电压预测模型；接着，根据电压预测模型，第二处理模块103根据电压预测模型，以基于当前时刻电压状态信息的未来N个时刻的电压预测偏差与分布式发电系统计划调整量之和最小为控制目标，以电压幅值的上下限、分布式发电系统计划调整量上下限作为约束条件，建立电压滚动优化控制模型；最后，电压控制模块104求解电压滚动优化控制模型，得到未来N个时刻分布式发电系统计划调整量；在当前时刻采用第一个分布式发电系统计划调整量进行电压控制。
[0113] 本发明实施例提供的一种基于模型预测控制的低压配电台区电压控制系统，可以提升配电台区电压控制环节的准确性和台区内无功功率的利用率，同时简化电压控制环节从而减少控制系统参数整定工作量、提升电压控制动态响应速度，间接提高了配电台区电压控制效率与经济效益。
[0114] 本发明实施例提供的系统是用于执行上述各方法实施例的，具体流程和详细内容请参照上述实施例，此处不再赘述。
[0115] 图4为本发明实施例提供的电子设备结构示意图，参照图4，该电子设备可以包括：处理器(processor)201、通信
接口(Communications Interface)202、存储器(memory)203和通信总线204，其中，处理器201，
通信接口202，存储器203通过通信总线204完成相互间的通信。处理器201可以调用存储器203中的逻辑指令，以执行如下方法：获取当前分布式发电系统内各设备运行状态、拓扑参数、可再生能源的调节性能信息，并获取低压配电台区其他各分布式发电系统前一个时刻的控制信息；
[0116] 在分布式发电系统的功率预测信息和控制计划已知的情况下，以当前时刻的电压运行状态为初始值，以当前时刻分布式发电系统的计划调整量为待优化变量，以光伏的无功功率上下限、储能的功率上下限作为约束条件，建立基于当前时刻的电压状态信息的未来N个时刻的电压预测模型；
[0117] 根据电压预测模型，以基于当前时刻电压状态信息的未来N个时刻的电压预测偏差与分布式发电系统计划调整量之和最小为控制目标，以电压幅值的上下限、分布式发电系统计划调整量上下限作为约束条件，建立电压滚动优化控制模型；
[0118] 求解电压滚动优化控制模型，得到由未来N个时刻分布式发电系统计划调整量所构成的控制指令合集；在当前时刻采用第一个控制指令进行电压控制。
[0119] 此外，上述的存储器203中的逻辑指令可以通过
软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，
服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动
硬盘、
只读存储器(ROM，Read-Only Memory)、
随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0120] 另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的基于模型预测控制的低压配电台区电压控制方法，例如包括：获取当前分布式发电系统内各设备运行状态、拓扑参数、可再生能源的调节性能信息，并获取低压配电台区其他各分布式发电系统前一个时刻的控制信息；
[0121] 在分布式发电系统的功率预测信息和控制计划已知的情况下，以当前时刻的电压运行状态为初始值，以当前时刻分布式发电系统的计划调整量为待优化变量，以光伏的无功功率上下限、储能的功率上下限作为约束条件，建立基于当前时刻的电压状态信息的未来N个时刻的电压预测模型；
[0122] 根据电压预测模型，以基于当前时刻电压状态信息的未来N个时刻的电压预测偏差与分布式发电系统计划调整量之和最小为控制目标，以电压幅值的上下限、分布式发电系统计划调整量上下限作为约束条件，建立电压滚动优化控制模型；
[0123] 求解电压滚动优化控制模型，得到由未来N个时刻分布式发电系统计划调整量所构成的控制指令合集；在当前时刻采用第一个控制指令进行电压控制。
[0124] 以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0125] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用
硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0126] 应用实例
[0127] 以某可再生能源集群为例进行仿真计算，系统结构如图5所示。该分布式能源集群由3个区域构成——住宅区、工业区与商业区，其中总线分别用字母R、I和C表示。每个区域通过一个20/0.4kV、125kVA的
变压器连接到低压配电网。假设网络中的所有储能系统和光伏系统都通过额定功率为25kVA的全功率转换器与电网连接。光伏系统分别位于R15、R16、R17、C12、C 14、C17和C19节点上，而储能系统位于R6a和I2节点上。假设所有的优化控制器都可以使用这些器件的转换器。同时，采用恒功率模型对负载进行建模，以获取各控制器的真实响应。电压监测装置分别位于住宅区R1、R11和R18，工业区中的I2以及商业区中的C1、C 13、C 18和C20节点上。电压监测在非光伏系统和非储能
系统总线上完成，并且系统内没有总线距电压监测总线超过3个节点。
[0128] 算例有效性分析：为了验证本发明方法的有效性，另取2种配电台区电压控制方法求解，并对电压控制效果进行比较分析。
[0129] 方法1：本地电压控制。以台区电压偏差最小为目标，采用多回路PI控制器对分布式发电系统进行电压控制。
[0130] 方法2：有功/无功协调优化控制。以台区电压偏差最小为目标，建立不同时间尺度的优化控制目标对分布式发电系统进行电压控制。
[0131] 方法3：本发明一种基于模型预测控制的低压配电台区电压协同控制方法。
[0132] 执行上述分布式发电系统电压控制方法后，电压控制方法对比效果分别如图6-7所示。
[0133] 由图6-7可知：R1节点与C1节点电压总体上出现了详细的波动趋势，原因是配电台区于8s时发生故障，导致台区电压大幅度降低。
[0134] 针对低压配电台区所产生的电压波动，三种方法都能够在一定程度上将台区电压控制在允许范围内。但是相较于方法1、2，采用方法3后电压波动的幅度最小，控制效果最好，无功利用率也有所提高。上述结果说明了本发明所提方法能够有效的降低分布式发电系统大比例接入的低压配电台区电压波动。
[0135] 以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的
权利要求书及其等效物界定。
