[论文解读] Phase Balancing Using Energy Storage in Power Grids under Uncertainty

Sun Sun, Ben Liang+2 more|arXiv (Cornell University)|May 12, 2015

Microgrid Control and Optimization参考文献 26被引用 7

一句话总结

本文提出了一种在不确定性条件下，利用三相配电网中的储能设备实现实时、分布式相位平衡的算法，通过李雅普诺夫优化最小化系统成本并平衡各相负载。即使储能设备非理想，该算法仍能提供强大的理论性能保证，随着储能容量增大，渐近逼近最优成本，并在仿真中优于贪婪基准方法。

ABSTRACT

Phase balancing is essential to safe power system operation. We consider a substation connected to multiple phases, each with single-phase loads, generation, and energy storage. A representative of the substation operates the system and aims to minimize the cost of all phases and to balance loads among phases. We first consider ideal energy storage with lossless charging and discharging, and propose both centralized and distributed real-time algorithms taking into account system uncertainty. The proposed algorithm does not require any system statistics and asymptotically achieves the minimum system cost with large energy storage. We then extend the algorithm to accommodate more realistic non-ideal energy storage that has imperfect charging and discharging. The performance of the proposed algorithm is evaluated through extensive simulation and compared with that of a benchmark greedy algorithm. Simulation shows that our algorithm leads to strong performance over a wide range of storage characteristics.

研究动机与目标

• 解决由单相负载、可再生能源和电动汽车引起的三相配电网相位不平衡问题。
• 在平衡各相负载分布的同时，最小化所有相的总运行成本。
• 设计一种实时储能控制算法，在系统不确定性下运行，无需依赖系统统计信息。
• 将算法扩展以处理非理想储能，包括充放电效率低下和能量损耗。
• 实现分布式部署，仅需变电站与各相之间进行最少的通信。

提出的方法

• 建立一个包含系统不确定性、储能动态特性和网络约束的随机优化问题。
• 应用李雅普诺夫优化推导出一种实时控制策略，以最小化漂移加成本函数。
• 引入双层控制结构：集中式算法实现全局优化，分布式实现方式仅需有限信息交换。
• 采用基于惩罚的漂移加成本框架，平衡成本最小化与状态稳定性，确保能量水平有界。
• 通过效率参数 η⁺ 和 η⁻ 建模充放电效率低下，调整控制动作以适应非理想储能。
• 利用数学归纳法和充放电的充分条件，证明能量状态的有界性及解的可行性。

实验结果

研究问题

• RQ1 一种实时、分布式算法是否能在不依赖系统统计信息的前提下，实现接近最优的成本性能？
• RQ2 在存在充放电效率低下的非理想储能条件下，所提算法的性能表现如何？
• RQ3 在不确定性条件下，所提算法与最优解之间的理论性能差距是多少？
• RQ4 在通信受限条件下，算法能否维持系统稳定性并确保各相能量状态有界？
• RQ5 与启发式或贪婪方法相比，该算法在成本和平衡性能方面表现如何？

主要发现

• 即使缺乏系统统计信息，该算法在储能容量较大时仍能渐近达到最小系统成本。
• 该算法确保能量状态在物理限制范围内有界，证明了控制策略的可行性和稳定性。
• 对于非理想储能，所提解与最优解之间的性能差距由 ϵ = ∑ᵢ p_max u_i,max (1/η⁺_i + η⁻_i) + 2D_i,max + C_i,max 有界。
• 仿真结果表明，该算法在广泛储能特性下显著优于基准贪婪算法。
• 分布式实现具有快速收敛性且通信量极少，具备实际部署可行性。
• 理论分析确认，该算法在长时间尺度上保持净能量注入/吸收为零，满足长期平衡约束。