CN105790314A - 一种基于自适应动态规划的分布式发电机协调控制方法 - Google Patents

Abstract

本发明提出了一种基于自适应动态规划的分布式发电机协调控制方法，通过建立分布式发电机大信号动态模型和发电机电压幅值和相角跟踪误差动态，基于自适应动态规划方法设计出近似最优性能指标函数和近似最优控制率，使得多个分布式电源之间相互协调，使得其输出电压的幅值和相角跟踪到领导者，维持微电网系统频率和电压稳定，同时实现各个分布式发电机之间负荷功率均分。

Description

一种基于自适应动态规划的分布式发电机协调控制方法

技术领域

本发明属于智能电网控制领域，尤其是涉及一种基于自适应动态规划的分布式发电机协调控制方法。

背景技术

为提高新能源利用率以及大电网对可再生能源的接纳能力，通常将包含分布式电源、储能和负荷的小型发电厂以微电网的形式接入大电网。微电网是与外部电网隔离、能够自治运行的小型电力系统。通过静态开关的切换，它能够运行在孤岛和并网两种模式。如何使得两种模式平滑切换、保证微电网稳定运行至关重要。微电网运行在并网模式时，其频率和电压稳定由大电网支撑，当切换到孤岛运行模式时，微电网控制系统需要保证其电压和频率同步。而微电网系统内多种不同类型的分布式电源间的协调控制是系统运行控制的关键。此外，由于分布式电源模型参数会因老化、热效应等因素发生缓慢变化，负荷随机扰动、以及微电网自身运行模态切换等导致微电网系统动态具有不确定性。

目前针对分布式发电机的协调控制主要有集中式控制、分散式控制与分布式控制三种策略。集中式控制要求中央控制器在复杂的双向通信网络环境下收集所有分布式发电机的运行状态信息，并统一下达控制指令，其建设成本高，并且容易发生单点故障，降低系统可靠性；在分散式控制模式下，每台分布式发电机的控制指令的计算与实施均在本地完成，可扩展性较强，但在这种模式下各分布式发电机之间没有必要的信息交互，难以协调各分布式发电机的输出，进而导致无法满足系统运行要求；而分布式控制模式可以管理和控制大量的分布式发电机，仅利用邻域信息即可达到较好的控制效果，成本低廉，可扩展性强。

然而，上述三种模式都依赖于精确已知的分布式发电机模型，由于分布式电源模型参数会因老化、热效应等因素发生变化，负荷随机扰动、以及微电网自身运行模态切换等都会导致微电网系统动态具有不确定性。而现有的三种控制策略无法补偿分布式发电机的不确定性动态，导致实际控制效果会有所降低。因此，考虑分布式发电机具有不确定性动态并且联合考虑其输出电压和频率稳定的问题有待解决。

发明内容

本发明所解决的技术问题在于提供一种基于自适应动态规划的分布式发电机协调控制方法，通过建立分布式发电机大信号动态模型和发电机电压幅值和相角跟踪误差动态，基于自适应动态规划方法设计出近似最优性能指标函数和近似最优控制率，使得多个分布式电源之间相互协调，使得其输出电压的幅值和相角跟踪到领导者，维持微电网系统频率和电压稳定，同时实现各个分布式发电机之间负荷功率均分。

实现本发明目的的技术解决方案为：

一种基于自适应动态规划的分布式发电机协调控制方法，包括如下步骤：

步骤1：建立分布式发电机大信号动态模型，所述分布式发电机大信号动态模型包括三相全桥电压源型逆变器的动态模型和三环控制模型，三相全桥电压源型逆变器的动态模型通过park变换转换为dq坐标系下的模型，三环控制模型中的三环分别为功率环、电压外环和电流内环；

步骤2：在分布式发电机大信号动态模型中，根据微电网运行模式选取领导者，建立输入变量与输出变量的关系，并构建系统跟踪误差动态，所述输入变量为下垂控制的电压幅值参考值和相位参考值，输出变量为发电机的输出电压幅值和相角；

步骤3：在系统跟踪误差动态中，定义最优性能指标函数和对应的耦合哈密顿函数，得到最优控制率的形式和耦合的HJB方程，从而基于神经网络自适应动态规划方法设计出近似最优性能指标函数和近似最优控制率，所述最优性能指标函数是指每台分布式发电机消耗最小的能量来达到同步跟踪时的性能指标函数。

进一步的，本发明的基于自适应动态规划的分布式发电机协调控制方法，步骤1中的分布式发电机大信号动态模型为：

${\stackrel{\·}{x}}_i=F\left(x_i\right)+G\left(x_i\right)u_i$

y_i＝h_i(x_i)

其中，x_i＝[δ_i,P_i,Q_i,φ_di,φ_qi,γ_di,γ_qi,i_ldi,i_lqi,v_odi,v_oqi,i_odi,i_oqi]^T，δ_i为第i台分布式发电机输出电压的相角，P_i,Q_i是第i台分布式发电机输出的有功功率和无功功率，φ_di,φ_qi,γ_di,γ_qi是由电压环和电流环通过PI控制实现而构造的辅助变量，i_ldi,i_lqi是三相逆变器输出电流的d轴分量和q轴分量，v_odi,v_oqi是第i台分布式发电机输出电压幅值的d轴分量和q轴分量，i_odi,i_oqi是第i台分布式发电机输出电流幅值的d轴分量和q轴分量，u_i是控制输入，F(x_i)、G(x_i)和h_i(x_i)分别为模型对应的非线性函数。

进一步的，本发明的基于自适应动态规划的分布式发电机协调控制方法，步骤1中的功率环采用下垂控制得到电压环控制器的电压幅值和相角参考信号。

进一步的，本发明的基于自适应动态规划的分布式发电机协调控制方法，其特征在于，下垂控制具体为：

${\mathrm{\δ}}_i^{*}={\mathrm{\δ}}_{si}-m_i{P}_i$

$v_{odi}^{*}=v_{si}-n_i{Q}_i$

其中，δ_si和v_si分别是下垂控制的电压幅值和相角参考信号，m_i和n_i是下垂控制系数，P_i和Q_i分别是第i台分布式发电机输出的有功功率和无功功率，是第i台分布式发电机的电压相角参考值，是第i台分布式发电机的电压控制器的电压幅值参考信号。

进一步的，本发明的基于自适应动态规划的分布式发电机协调控制方法，其特征在于，步骤1中的电压外环和电流内环均采用PI控制器且带有前馈补偿项。

进一步的，本发明的基于自适应动态规划的分布式发电机协调控制方法，其特征在于，步骤2中选取领导者的具体方法为：在并网运行模式下，将主网的电压和相位作为领导者信息；在孤岛运行模式下，选取任意一台分布式发电机的电压和相位作为领导者信息。

进一步的，本发明的基于自适应动态规划的分布式发电机协调控制方法，其特征在于，步骤2中系统跟踪误差动态的控制目标表示为：选定输入使得输出 跟踪到领导者信息其中，δ_si和v_si分别是下垂控制的电压幅值和相角参考信号，δ_i为第i台分布式发电机输出电压的相角，v_odi是第i台分布式发电机输出电压幅值的d轴分量，y_leader,1和y_leader,2分别为领导者的电压幅值和相位。

进一步的，本发明的基于自适应动态规划的分布式发电机协调控制方法，其特征在于，步骤2中的系统跟踪误差动态为：

$e_i=\underset{j\∈I}{\Σ}\left(\right(l_{ij}+{\mathrm{\ϵ}}_{ij})\⊗I_2)\left(f\right(x_j)+g(x_j\left)u_j\right)$

其中，l_ij和ε_ij分别是L和ξ的元素，L为通信拓扑图的拉普拉斯矩阵，ξ＝diag(ε_i)，I是拓扑图的节点集合，u_j是控制输入，I₂是2×2的单位矩阵，

$f\left(x_j\right)=\left[\begin{array}{c}{\mathrm{\ω}}_j+{\mathrm{\ω}}_{cj}({\mathrm{\δ}}_{sj}-{\mathrm{\δ}}_j^{*})-{\mathrm{\ω}}_{cj}{m}_j(v_{odj}{i}_{odj}+v_{oqj}{i}_{oqj})\\ {\mathrm{\ω}}_{cj}(v_{sj}-v_{odj}^{*})-{\mathrm{\ω}}_{cj}{n}_j(v_{odj}{i}_{oqj}-v_{oqj}{i}_{odj})+{\mathrm{\ω}}_j{v}_{oqj}+\frac{i_{oqj}}{C_{fj}}-\frac{i_{odj}}{C_{fj}}\end{array}\right]$

$g\left(x_j\right)=\left[\begin{array}{cc}{\mathrm{\ω}}_{cj}{\mathrm{\δ}}_{sj}& 0\\ 0& {\mathrm{\ω}}_{cj}{v}_{sj}\end{array}\right]$

其中，ω_j是角频率，ω_cj是滤波器截止频率，δ_sj和v_sj分别是下垂控制的电压幅值和相角参考信号，是第j台分布式发电机的电压相角参考值，是第j台分布式发电机的电压控制器的电压幅值参考信号，m_j和n_j是下垂控制系数，v_odj,v_oqj是第j台分布式发电机输出电压幅值的d轴分量和q轴分量，i_odj,i_oqj是第j台分布式发电机输出电流幅值的d轴分量和q轴分量，C_fj是滤波电容。

进一步的，本发明的基于自适应动态规划的分布式发电机协调控制方法，其特征在于，步骤3中近似最优性能指标函数为：

其中，是近似权重矩阵，φ_ci是评判网络激活函数。

进一步的，本发明的基于自适应动态规划的分布式发电机协调控制方法，其特征在于，步骤3中近似最优控制率为：

其中，是近似权重矩阵，φ_ui是执行网络激活函数。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

1、本发明的协调控制方法使得微电网中N台分布式发电机的输出电压的幅值和相角趋于一致，在并网模式下跟踪到主网的电压和相角，在离网模式下跟踪到领导者的电压和相角，最终实现微电网频率和电压稳定，同时实现各个分布式发电机之间负荷功率均分；

2、本发明的协调控制方法基于多智能体一致性的思想，采用自适应动态规划方法可以一定程度上减小控制系统对分布式发电机的模型的依赖性，保证微电网运行的安全与稳定；

3、本发明的协调控制方法整体设计架构采用分布式控制模式，建设成本低廉，可扩展性强。

附图说明

图1是本发明的基于自适应动态规划的分布式发电机协调控制方法流程图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

如图1所示，一种基于自适应动态规划的分布式发电机协调控制方法，具体包括以下步骤：

步骤1、建立基于三相逆变器的分布式发电机大信号动态模型，该模型包含两部分，第一部分是三相全桥电压源型逆变器的动态模型，该模型通过park变换转换为dq坐标系下的模型，便于后续实现dq解耦控制；第二部分是三环控制模型，其中包含功率环，电压外环和电流内环。功率环中通过设定下垂控制策略来得到电压外环的电压参考信号，并且实现功率均分；电压环和电流环采用的是解耦控制方式，分别采用PI控制器，并且带有前馈补偿项。

构建P-δ和Q-v下垂控制策略：

${\mathrm{\δ}}_i^{*}={\mathrm{\δ}}_{si}-m_i{P}_i$

$v_{odi}^{*}=v_{si}-n_i{Q}_i$

其中，δ_si和v_si分别是下垂控制的电压幅值和相角参考信号，m_i和n_i是下垂控制系数，P_i和Q_i分别是第i台分布式发电机的有功功率和无功功率，是第i台分布式发电机的电压相角参考值，是第i台分布式发电机的电压控制器的电压幅值参考信号。

最终得到基于三相逆变器的分布式发电机的大信号动态模型：

${\stackrel{\·}{x}}_i=F\left(x_i\right)+G\left(x_i\right)u_i$

y_i＝h_i(x_i)

其中，x_i＝[δ_i,P_i,Q_i,φ_di,φ_qi,γ_di,γ_qi,i_ldi,i_lqi,v_odi,v_oqi,i_odi,i_oqi]^T，δ_i为第i台分布式发电机输出电压的相角，P_i,Q_i是第i台分布式发电机输出的有功功率和无功功率，φ_di,φ_qi,γ_di,γ_qi是由电压环和电流环通过PI控制实现而构造的辅助变量，i_ldi,i_lqi是三相逆变器输出电流的d轴分量和q轴分量，v_odi,v_oqi是第i台分布式发电机输出电压幅值的d轴分量和q轴分量，i_odi,i_oqi是第i台分布式发电机输出电流幅值的d轴分量和q轴分量，u_i是控制输入，F(x_i)、G(x_i)和h_i(x_i)为模型对应的非线性函数。

步骤2、在分布式发电机大信号动态模型中，根据微电网运行模式选取领导者，建立输入变量与输出变量的关系，并构建系统跟踪误差动态，所述输入变量为下垂控制的电压幅值参考值和相位参考值，输出变量为发电机的输出电压幅值和相角。

控制目标是使得每台分布式发电机输出电压的幅值和相角都同步跟踪到领导者，因此首先根据微电网运行模式选取领导者，在并网运行模式下，将主网的电压和相位作为领导者信息；在孤岛运行模式下，选取任意一台分布式发电机的电压和相位为领导者。控制目标用数学来表示为：选定输入输出

构建如下跟踪误差动态：

$e_i=\underset{j\∈I}{\Σ}\left(\right(l_{ij}+{\mathrm{\ϵ}}_{ij})\⊗I_2)\left(f\right(x_j)+g(x_j\left)u_j\right)$

其中，l_ij和ε_ij分别是L和ξ的元素，L为通信拓扑图的拉普拉斯矩阵，ξ＝diag(ε_i)，I是拓扑图的节点集合，I₂是2×2的单位矩阵。

$f\left(x_j\right)=\left[\begin{array}{c}{\mathrm{\ω}}_j+{\mathrm{\ω}}_{cj}({\mathrm{\δ}}_{sj}-{\mathrm{\δ}}_j^{*})-{\mathrm{\ω}}_{cj}{m}_j(v_{odj}{i}_{odj}+v_{oqj}{i}_{oqj})\\ {\mathrm{\ω}}_{cj}(v_{sj}-v_{odj}^{*})-{\mathrm{\ω}}_{cj}{n}_j(v_{odj}{i}_{oqj}-v_{oqj}{i}_{odj})+{\mathrm{\ω}}_j{v}_{oqj}+\frac{i_{oqj}}{C_{fj}}-\frac{i_{odj}}{C_{fj}}\end{array}\right]$

$g\left(x_j\right)=\left[\begin{array}{cc}{\mathrm{\ω}}_{cj}{\mathrm{\δ}}_{sj}& 0\\ 0& {\mathrm{\ω}}_{cj}{v}_{sj}\end{array}\right]$

其中，ω_j是角频率，ω_cj是滤波器截止频率，δ_sj和v_sj分别是下垂控制的电压幅值和相角参考信号，是第j台分布式发电机的电压相角参考值，是第j台分布式发电机的电压控制器的电压幅值参考信号，m_j和n_j是下垂控制系数，v_odj,v_oqj是第j台分布式发电机输出电压幅值的d轴分量和q轴分量，i_odj,i_oqj是第j台分布式发电机输出电流幅值的d轴分量和q轴分量，C_fj是滤波电容。

步骤3：由于f(x_i)这部分动态较为复杂，且具有不确定性，因此考虑f(x_i)未知的情况下设计分布式协调控制器，采用神经网络自适应动态规划方法来解决。在系统跟踪误差动态中，为了使得每台分布式发电机消耗最小的能量来达到同步跟踪，先定义第i台分布式发电机关于跟踪误差的本地性能指标函数：

$V_i\left(e_i\right(t\left)\right)={\∫}_t^{\mathrm{\∞}}({e_i}^T{Q}_{ii}{e}_i+{u_i}^T{R}_{ii}{u}_i+\underset{j\∈N_i}{\Σ}{u_j}^T{R}_{ij}{u}_j)d\mathrm{\τ}$

再通过定义耦合哈密顿函数，可求出最优控制率的形式：

${u_i}^{*}=-\frac{1}{2}{R_{ii}}^{-1}g{\left(x_i\right)}^T{\left(\right(l_{ij}+{\mathrm{\ϵ}}_{ij})\⊗I_2)}^T{V_{ei}}^{*}$

其中V_ei ^*为V_i(e_i(t))对e_i的偏导。

进而可得到耦合的HJB方程：

$\begin{array}{c}{e_i}^T{Q}_{ii}{e}_i-\frac{1}{4}{V_{ei}}^{*T}\left(\right(l_{ii}+{\mathrm{\ϵ}}_{ii})\⊗I_2)g\left(x_i\right){R_{ii}}^{-1}g{\left(x_i\right)}^T{\left(\right(l_{ii}+{\mathrm{\ϵ}}_{ii})\⊗I_2)}^T{V_{ei}}^{*}+\frac{1}{4}{\Σ}_{j\∈N_i}{V_{ej}}^{*T}\left(\right(l_{ij}+\\ {\mathrm{\ϵ}}_{jj})\⊗I_2)g\left(x_j\right){R_{jj}}^{-1}{R}_{ij}{R_{jj}}^{-1}g{\left(x_j\right)}^T{\left(\right(l_{jj}+{\mathrm{\ϵ}}_{jj})\⊗I_2)}^T{V_{ej}}^{*}+{V_{ei}}^{*T}{\Σ}_{j\∈\{i,N_i\}}\left(\right(l_{jj}+\\ {\mathrm{\ϵ}}_{jj})\⊗I_2)f\left(x_j\right)-\frac{1}{2}{V_{ei}}^{*T}{\Σ}_{j\∈N_i}\left(\right(l_{ij}+{\mathrm{\ϵ}}_{ij})\⊗I_2)g\left(x_j\right){R_{jj}}^{-1}g{\left(x_j\right)}^T{\left(\right(l_{jj}+{\mathrm{\ϵ}}_{jj})\⊗I_2)}^T{V_{ej}}^{*}=0\end{array}$

其中，N_i为第i节点的邻居节点集合，Q和R是权重矩阵。

采用神经网络近似，即评判网络和执行网络来分别近似最优性能指标函数V_i(e_i(t))和最优控制率u_i ^*。

详细步骤如下：

步骤3-1：评判网络用来近似最优性能指标函数。

理想近似：

其中，W_ci为评判网络理想权重矩阵，φ_ci为评判网络激活函数，ε_ci为评判网络近似误差。

实际近似：

步骤3-2：计算评判网络输出误差。

步骤3-3：设计控制率u_i，使得如下误差函数最小化：

令由梯度下降算法可得评判网络权重矩阵更新率：

其中，α_i是评判网络系数。

步骤3-4：执行网络用来近似最优控制率。

理想近似：

其中，W_ui为执行网络理想权重矩阵，φ_ui为执行网络激活函数，ε_ui为执行网络近似误差。

实际近似：

步骤3-5：计算执行网络输出误差。

步骤3-6：选取执行网络误差函数。

由梯度下降算法可得执行网络权重矩阵更新率

其中，β_i是执行网络系数。

最终的控制率形式以及网络权重矩阵的更新动态如下：

以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进，这些改进应视为本发明的保护范围。

Claims (10)

1.一种基于自适应动态规划的分布式发电机协调控制方法，其特征在于，包括如下步骤：

步骤1：建立分布式发电机大信号动态模型，所述分布式发电机大信号动态模型包括三相全桥电压源型逆变器的动态模型和三环控制模型，三相全桥电压源型逆变器的动态模型通过park变换转换为dq坐标系下的模型，三环控制模型中的三环分别为功率环、电压外环和电流内环；

步骤2：在分布式发电机大信号动态模型中，根据微电网运行模式选取领导者，建立输入变量与输出变量的关系，并构建系统跟踪误差动态，所述输入变量为下垂控制的电压幅值参考值和相位参考值，输出变量为发电机的输出电压幅值和相角；

步骤3：在系统跟踪误差动态中，定义最优性能指标函数和对应的耦合哈密顿函数，得到最优控制率的形式和耦合的HJB方程，从而基于神经网络自适应动态规划方法设计出近似最优性能指标函数和近似最优控制率，所述最优性能指标函数是指每台分布式发电机消耗最小的能量来达到同步跟踪时的性能指标函数。

2.根据权利要求1所述的基于自适应动态规划的分布式发电机协调控制方法，其特征在于，步骤1中的分布式发电机大信号动态模型为：

${\stackrel{\·}{x}}_{\mathrm{\ι}}=F\left(x_i\right)+G\left(x_i\right)u_i$

y_i＝h_i(x_i)

其中，x_i＝[δ_i,P_i,Q_i,φ_di,φ_qi,γ_di,γ_qi,i_ldi,i_lqi,v_odi,v_oqi,i_odi,i_oqi]^T，δ_i为第i台分布式发电机输出电压的相角，P_i,Q_i是第i台分布式发电机输出的有功功率和无功功率，φ_di,φ_qi,γ_di,γ_qi是由电压环和电流环通过PI控制实现而构造的辅助变量，i_ldi,i_lqi是三相逆变器输出电流的d轴分量和q轴分量，v_odi,v_oqi是第i台分布式发电机输出电压幅值的d轴分量和q轴分量，i_odi,i_oqi是第i台分布式发电机输出电流幅值的d轴分量和q轴分量，u_i是控制输入，F(x_i)、G(x_i)和h_i(x_i)分别为模型对应的非线性函数。

3.根据权利要求1所述的基于自适应动态规划的分布式发电机协调控制方法，其特征在于，步骤1中的功率环采用下垂控制得到电压环控制器的电压幅值和相角参考信号。

4.根据权利要求3所述的基于自适应动态规划的分布式发电机协调控制方法，其特征在于，下垂控制具体为：

${\mathrm{\δ}}_i^{*}={\mathrm{\δ}}_{si}-m_i{P}_i$

$v_{odi}^{*}=v_{si}-n_i{Q}_i$

其中，δ_si和v_si分别是下垂控制的电压幅值和相角参考信号，m_i和n_i是下垂控制系数，P_i和Q_i分别是第i台分布式发电机输出的有功功率和无功功率，是第i台分布式发电机的电压相角参考值，是第i台分布式发电机的电压控制器的电压幅值参考信号。

5.根据权利要求1所述的基于自适应动态规划的分布式发电机协调控制方法，其特征在于，步骤1中的电压外环和电流内环均采用PI控制器且带有前馈补偿项。

6.根据权利要求1所述的基于自适应动态规划的分布式发电机协调控制方法，其特征在于，步骤2中选取领导者的具体方法为：在并网运行模式下，将主网的电压和相位作为领导者信息；在孤岛运行模式下，选取任意一台分布式发电机的电压和相位作为领导者信息。

7.根据权利要求1所述的基于自适应动态规划的分布式发电机协调控制方法，其特征在于，步骤2中系统跟踪误差动态的控制目标表示为：选定输入使得输出跟踪到领导者信息其中，δ_si和v_si分别是下垂控制的电压幅值和相角参考信号，δ_i为第i台分布式发电机输出电压的相角，v_odi是第i台分布式发电机输出电压幅值的d轴分量，y_leader,1和y_leader,2分别为领导者的电压幅值和相位。

8.根据权利要求2所述的基于自适应动态规划的分布式发电机协调控制方法，其特征在于，步骤2中的系统跟踪误差动态为：

$e_i=\underset{j\∈I}{\Σ}\left(\right(l_{ij}+{\mathrm{\ϵ}}_{ij})\⊗I_2)\left(f\right(x_j)+g(x_j\left)u_j\right)$

其中，l_ij和ε_ij分别是L和ξ的元素，L为通信拓扑图的拉普拉斯矩阵，ξ＝diag(ε_i)，I是拓扑图的节点集合，u_j是控制输入，I₂是2×2的单位矩阵，

$f\left(x_j\right)=\left[\begin{array}{c}{\mathrm{\ω}}_j+{\mathrm{\ω}}_{cj}({\mathrm{\δ}}_{sj}-{\mathrm{\δ}}_j^{*})-{\mathrm{\ω}}_{cj}{m}_j(v_{odj}{i}_{odj}+v_{oqj}{i}_{oqj})\\ {\mathrm{\ω}}_{cj}(v_{sj}-v_{odj}^{*})-{\mathrm{\ω}}_{cj}{n}_j(v_{odj}{i}_{oqj}-v_{oqj}{i}_{oqj})+{\mathrm{\ω}}_j{v}_{oqj}+\frac{i_{oqj}}{C_{fj}}-\frac{i_{odj}}{C_{fj}}\end{array}\right]$

$g\left(x_j\right)=\left[\begin{array}{cc}{\mathrm{\ω}}_{cj}{\mathrm{\δ}}_{sj}& 0\\ 0& {\mathrm{\ω}}_{cj}{v}_{sj}\end{array}\right]$

其中，ω_j是角频率，ω_cj是滤波器截止频率，δ_sj和v_sj分别是下垂控制的电压幅值和相角参考信号，是第j台分布式发电机的电压相角参考值，是第j台分布式发电机的电压控制器的电压幅值参考信号，m_j和n_j是下垂控制系数，v_odj,v_oqj是第j台分布式发电机输出电压幅值的d轴分量和q轴分量，i_odj,i_oqj是第j台分布式发电机输出电流幅值的d轴分量和q轴分量，C_fj是滤波电容。

9.根据权利要求8所述的基于自适应动态规划的分布式发电机协调控制方法，其特征在于，步骤3中近似最优性能指标函数为：

其中，是近似权重矩阵，φ_ci是评判网络激活函数。

10.根据权利要求8所述的基于自适应动态规划的分布式发电机协调控制方法，其特征在于，步骤3中近似最优控制率为：

其中，是近似权重矩阵，φ_ui是执行网络激活函数。