[论文解读] Dynamic Optimal Power Flow in Microgrids using the Alternating Direction Method of Multipliers

Paul Scott, Sylvie Thiébaux|arXiv (Cornell University)|Oct 29, 2014

Microgrid Control and Optimization参考文献 16被引用 11

一句话总结

本文提出了一种基于交替方向乘子法（ADMM）的微电网分布式动态最优潮流（D-OPF）方法，采用改进的线路模型和两阶段方法以处理离散决策与不确定性。该方法在快速、适用于滚动时域控制的时间尺度内实现了近似最优解，从而支持去中心化智能电网控制的实际部署。

ABSTRACT

Smart devices, storage and other distributed technologies have the potential to greatly improve the utilisation of network infrastructure and renewable generation. Decentralised control of these technologies overcomes many scalability and privacy concerns, but in general still requires the underlying problem to be convex in order to guarantee convergence to a global optimum. Considering that AC power flows are non-convex in nature, and the operation of household devices often requires discrete decisions, there has been uncertainty surrounding the use of distributed methods in a realistic setting. This paper extends prior work on the alternating direction method of multipliers (ADMM) for solving the dynamic optimal power flow (D-OPF) problem. We utilise more realistic line and load models, and introduce a two-stage approach to managing discrete decisions and uncertainty. Our experiments on a suburb-sized microgrid show that this approach provides near optimal results, in a time that is fast enough for receding horizon control. This work brings distributed control of smart-grid technologies closer to reality.

研究动机与目标

• 解决在采用真实网络与负荷模型的微电网中，实现去中心化、隐私保护的最优潮流问题。
• 将基于ADMM的D-OPF扩展至处理非凸交流潮流、离散家庭决策以及可再生能源出力与负荷的不确定性。
• 通过确保快速求解时间并保持解的质量，实现对实时滚动时域控制的支持。
• 开发一种两阶段定价机制，激励家庭有效纠正本地不确定性并管理离散变量。
• 在包含分布式光伏和储能的典型郊区规模微电网上评估该方法。

提出的方法

• 本文在滚动时域控制框架内，针对多时间步长的时域范围构建D-OPF问题，以管理时间耦合的元件。
• 采用ADMM将全局优化问题在母线或网络元件之间分解，实现分布式计算并保护隐私。
• 使用更精确的交流潮流模型，而非简化的直流近似，以提高解的真实感与准确性。
• 引入两阶段方法：第一阶段通过带惩罚函数的松弛问题管理离散变量；第二阶段通过调整定价来纠正不确定性并确保一致性。
• 采用正则化定价（RP）机制，使家庭激励与系统整体成本最小化保持一致，尤其在太阳辐照度波动下表现更优。
• 该算法在含70个母线的微电网上进行测试，光伏系统随机部署，功率为2kW，储能容量为2kWh，采用真实的太阳辐照度数据。

实验结果

研究问题

• RQ1 基于ADMM的分布式D-OPF能否在采用真实交流潮流模型的前提下，实现近似最优解，并具备足够快的收敛速度以适用于滚动时域控制？
• RQ2 在分布式优化框架中，如何有效管理离散家庭决策（如电池充电、电器调度）？
• RQ3 何种定价机制可激励家庭响应本地可再生能源出力的不确定性，同时不损害系统整体最优性？
• RQ4 在太阳辐照度不确定性下，性能如何退化？两阶段方法能否缓解此问题？
• RQ5 该方法在多大程度上可扩展或适配更大或更复杂的系统，包括工业负荷和网络拓扑变化？

主要发现

• 所提方法在快速求解时间内实现了近似最优解，适用于实时微电网运行中的滚动时域控制。
• 当光伏出力降低20%时，发电成本相比原解上升8–10%，表明对不确定性具有敏感性。
• RP方法中的函数0平均表现优1%，且家庭费用与更高发电成本保持一致，改善了预算平衡。
• 函数3对成本上升的响应极小，表明激励对齐效果差；而函数0在光伏出力提高20%时有效利用过剩太阳能，使总成本降低约8%。
• RP机制中的惩罚参数α可调节以强制合规并支持市场预算平衡，但无法区分策略性行为与真实不确定性。
• 电池在处理本地不确定性方面提供更大灵活性，表明储能集成可增强系统在预测不完善情况下的鲁棒性。