[论文解读] A Novel Dynamic Peer-to-Peer Clustering Algorithm and Its Application to Aggregate Energy Storage Systems

Runfan Zhang, Branislav Hredzak|arXiv (Cornell University)|Jan 28, 2019

Smart Grid Energy Management参考文献 18被引用 4

一句话总结

本文提出了一种完全分布式、动态的在线聚类算法，根据实时特征状态（如本地负荷和电池容量）对微电网中的储能代理进行分组，从而降低功率损耗并实现虚拟储能的构建。该算法利用本地状态比较和基于一致性平均的方法，实现无需预先收集数据的自适应聚类，实时实现荷电状态（SoC）均衡与功率损耗降低。

ABSTRACT

The proposed distributed dynamic clustering algorithm enables to group agents based on their pre-selected feature states. The clusters are determined by comparing the distance of the agents' current feature states with average estimates of the states in all clusters. The algorithm also provides average estimates of pre-selected auxiliary states that can be utilized for control purposes. Two example applications of the algorithm are introduced. In the first application, the algorithm is applied to a microgrid with distributed batteries that are controlled to achieve a common state of charge within a group. However, a random selection of the batteries' groups results in additional power losses during operation. The algorithm reduces the power losses by clustering the batteries based on the selected feature states: local loads and battery capacities, while the state of charges and output voltages are selected as auxiliary states for control purposes. In the second application, the algorithm is used to form a virtual energy storage from batteries distributed in a microgrid.

研究动机与目标

• 解决在具有异构分布式储能系统的微电网中，静态离线聚类方法存在的局限性。
• 降低因电池固定聚类导致的、由局部负荷与容量不匹配引起的功率损耗。
• 通过基于价格和容量的动态聚类，实现从分布式电池中形成虚拟储能。
• 开发一种完全分布式、在线的聚类算法，能够适应实时状态变化，无需集中协调或历史数据。
• 利用荷电状态（SoC）和电压等辅助状态支持多代理微电网系统中的动态控制与优化。

提出的方法

• 该算法使用稀疏通信图，实现代理之间的对等信息交换。
• 每个代理使用来自邻近代理的本地估计，计算其与所有聚类平均特征状态的距离。
• 代理动态加入与其当前特征状态距离最小的聚类，确保实时适应性。
• 使用一致性算法估计并共享各聚类之间的平均特征状态（如负荷、容量）和辅助状态（如SoC、电压）。
• 该算法采用两组更新方程：一组用于聚类分配，另一组用于状态估计，两者并行执行。
• 根据应用需求选择特征状态（如本地负荷、电池容量、价格），并用于指导聚类决策。

实验结果

研究问题

• RQ1 在不依赖历史数据的前提下，微电网中的分布式代理如何基于实时系统状态动态形成聚类？
• RQ2 在具有不同局部负荷和容量的异构电池系统中，何种聚类策略能最小化荷电状态（SoC）均衡过程中的功率损耗？
• RQ3 能否通过基于价格和容量的动态聚类，从分布式电池中形成虚拟储能？
• RQ4 辅助状态（如SoC和电压）如何用于支持动态形成的聚类内的控制目标？
• RQ5 何种机制可确保对快速状态变化和频繁聚类重构的鲁棒性？

主要发现

• 所提出的算法通过动态将具有相似本地负荷和容量的电池分组，降低了电池簇中的功率损耗，消除了由不匹配引起的线路电流。
• 该算法通过基于价格和容量的聚类，实现了虚拟储能的构建，使电池能够协调参与电网服务。
• 聚类过程完全分布且具备自适应性，无需集中协调或预先收集的数据。
• 通过辅助状态反馈，该算法在聚类内维持了SoC均衡，确保了功率的按比例分配与系统稳定性。
• 该方法对快速状态变化具有鲁棒性，通过特征状态的稳定一致性平均，最小化了频繁的聚类变更。
• 该算法可与任何现有分布式控制方法集成，增强了其在真实微电网系统中的适用性。