持续随机扰动环境下智能电网AGC均衡协同控制方法研究

The continuous random disturbance environment caused by stochastic sources in power grids has brought significant concerns and challenges for automatic generation control problem. To address this problem, this project aims to develop an equilibrium-inspired automatic generation coordination control methodology from the perspective of problem-decomposition. At first, this research investigates the multi-scale fluctuation characteristics for stochastic power generation sources, and accordingly establishes the frequency regulation based whole-system state-space model of smart grid. Then, a continuous interaction model of automatic generation control will be mathematically constructed by applying singular perturbation theory, in order to quantify the area control error accurately. Afterwards, based on reinforcement learning and correlated equilibrium game theory, a regional cooperative decision-making strategy will be proposed to optimally re-correct the area control error. Finally, considering the influence of continuous random disturbance on the uncertainties of automatic generation control, a multi-objective robust control strategy and a deep learning based hierarchical parallel optimization algorithm will both be mooted, to further systematically promote the development of equilibrium-inspired automatic generation coordination control theory. This project will enhance the ability of smart grid to absorb wind and photovoltaic power generation and electric vehicle load, and further provide the theoretical basis and technical support for rapid frequency recovery of smart grid and the industrial upgrading of modern automatic generation control system.

针对持续随机扰动环境给自动发电控制带来的影响与挑战，本课题从问题分解角度研究考虑多种随机源的自动发电均衡协同控制方法。首先，研究随机源功率输出的多尺度波动特性，并构建智能电网关于频率调整的全系统状态空间模型。其次利用奇异摄动理论建立自动发电控制持续交互模型，以此实现区域控制误差的准确量化。随后，基于强化学习和相关均衡博弈提出一种最优化修正区域控制误差的区域协同决策方法。最后，考虑持续随机扰动对自动发电控制产生的不确定性影响，提出一种多目标鲁棒控制策略，并基于深度学习算法提出一种分层并行优化算法，从而进一步推动自动发电均衡协同控制方法的理论发展。本项目研究工作将提升智能电网对风光发电与电动汽车负荷的消纳能力，为智能电网的频率快速恢复以及现代自动发电控制系统的产业升级提供理论依据及技术支持。

本项目从问题分解角度研究考虑多种随机源的自动发电均衡协同控制方法，以此解决持续随机扰动环境给自动发电控制带来的负面影响。研究了随机源功率输出的多尺度波动特性，并构建了智能电网关于频率调整的全系统状态空间模型。利用奇异摄动理论建立了自动发电控制持续交互模型，在此基础上实现了区域控制误差的量化。针对持续随机扰动环境下电力系统频率的振荡问题，基于强化学习和相关均衡博弈理论提出了一种最优化修正区域控制误差的区域协同决策方法。考虑持续随机扰动对自动发电控制产生的不确定性影响，提出了一种多目标鲁棒控制策略，并基于深度学习算法提出了一种分层并行优化算法。通过深入研究，本项目形成了一整套“持续随机扰动环境下智能电网AGC均衡协同鲁棒控制”系统化理论成果。本项目的研究成果有效的推动了自动发电均衡协同控制方法的理论发展，有利于提升智能电网对风光发电与电动汽车负荷的消纳能力，可为智能电网的频率快速恢复以及现代自动发电控制系统的产业升级提供理论依据及技术支持。.本项目已发表SCI学术论文13篇（均已标注），其中包括一篇ESI高被引论文，发表专利1项。本项目所开发的研究成果《基于可解释神经网络的太阳辐射预测方法》已上传至github网站，且基于matpower开发了含大规模海上风电的交直流混联电力系统机电暂态模型，拟2021年中开源共享。培养硕士生三名，协助培养博士生一名。