A Predictive Flexibility Aggregation Method for Low Voltage Distribution System Control
作者: Clément Moureau, Thomas Stegen, Mevludin Glavic, Bertrand Cornélusse
分类: eess.SY
发布日期: 2025-10-17
备注: 8 pages, 6 figures
💡 一句话要点
提出一种低压配电系统预测灵活性聚合方法，实现高效低成本控制。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 低压配电系统 预测控制 灵活性聚合 多参数优化 模型预测控制
📋 核心要点
- 现有低压配电系统控制方法难以兼顾效率、成本和用户隐私，面临实时性和计算复杂度的挑战。
- 该方法通过离线多参数优化聚合住宅单元的灵活性，并结合半显式模型预测控制，生成灵活性图表。
- 实验结果表明，该方法在5母线低压网络中有效，并与理想技术进行了对比验证，证明其可行性。
📝 摘要（中文）
本文提出了一种用于管理低压配电系统的预测控制策略。该方法依赖于住宅单元层面的灵活性聚合，将其表示为一个三维图表，该图表表示注入的有功功率和无功功率以及灵活性成本。首先，该方法在住宅单元层面离线解决一个多参数优化问题，以聚合资产的灵活性。然后，解决一个半显式模型预测控制问题以考虑预测。通过将这些问题的结果与测量相结合，该方法生成所需的灵活性图表。所提出的方法与实时控制要求兼容，因为繁重的计算是在本地离线执行的，使其自然地可并行化。通过将实时灵活性评估与能量调度联系起来，我们的方法能够实现高效、低成本和保护隐私的低压配电系统管理。我们在一个5母线的低压网络上验证了该方法，并将其与理想技术进行了比较。
🔬 方法详解
问题定义：低压配电系统需要高效、低成本且保护用户隐私的管理方法。现有方法在处理大量分布式能源和需求响应时，计算复杂度高，难以满足实时控制需求，并且可能泄露用户用电习惯等隐私信息。因此，需要一种能够聚合灵活性资源，同时降低计算负担并保护用户隐私的控制策略。
核心思路：该论文的核心思路是将住宅单元的灵活性进行聚合，形成一个三维图表，该图表描述了注入的有功功率、无功功率以及灵活性成本。通过离线计算，将复杂的优化问题分解为多个局部问题，降低了在线控制的计算负担。同时，通过聚合灵活性，避免了直接暴露单个用户的用电信息，从而保护了用户隐私。
技术框架：该方法主要包含两个阶段：离线灵活性聚合和在线模型预测控制。在离线阶段，针对每个住宅单元，通过多参数优化问题计算其灵活性，并将结果聚合成三维灵活性图表。在在线阶段，利用半显式模型预测控制，结合预测信息和实时测量数据，生成期望的灵活性图表，并将其转化为控制指令。整个框架是可并行化的，可以进一步提高计算效率。
关键创新：该方法最重要的创新点在于将住宅单元的灵活性进行聚合，并将其表示为三维图表。这种表示方式能够有效地描述灵活性资源，并且方便在线控制算法的使用。此外，通过离线计算和在线控制相结合的方式，降低了在线控制的计算负担，使其能够满足实时控制需求。
关键设计：离线阶段的多参数优化问题需要仔细设计目标函数和约束条件，以准确描述住宅单元的灵活性。在线阶段的半显式模型预测控制需要选择合适的模型和优化算法，以保证控制效果和计算效率。此外，灵活性图表的维度和分辨率也需要根据实际情况进行调整，以平衡精度和计算复杂度。
🖼️ 关键图片
📊 实验亮点
论文通过在5母线低压网络上进行仿真实验，验证了所提出方法的有效性。实验结果表明，该方法能够有效地管理低压配电系统，并与理想技术相比具有可比的性能。由于论文中没有给出具体的性能数据和提升幅度，因此无法进行更详细的量化分析。
🎯 应用场景
该研究成果可应用于智能电网、微电网等场景，实现对低压配电系统的优化控制和管理。通过聚合灵活性资源，可以提高电网的稳定性和可靠性，降低运行成本，并促进分布式能源的接入。此外，该方法在保护用户隐私方面具有优势，有助于推广需求响应等智能电网应用。
📄 摘要（原文）
This paper presents a predictive control strategy to manage low-voltage distribution systems. The proposed approach relies on an aggregate of the flexibility at the residential unit level into a three-dimensional chart that represents the injected active and reactive power, and the flexibility cost. First, this method solves a multiparametric optimization problem offline at the residential unit level to aggregate the flexibility of the assets. Then, a semi-explicit model predictive control problem is solved to account for forecasts. By combining the results of these problems with measurements, the method generates the desired flexibility chart. The proposed approach is compatible with realtime control requirements, as heavy computations are performed offline locally, making it naturally parallelizable. By linking realtime flexibility assessment with energy scheduling, our approach enables efficient, low-cost, and privacy-preserving management of low-voltage distribution systems. We validate this method on a low-voltage network of 5 buses by comparing it with an ideal technique.