CN107706939A - Cps概念下的微网中考虑时滞和丢包问题的分布式控制方法 - Google Patents
Cps概念下的微网中考虑时滞和丢包问题的分布式控制方法 Download PDFInfo
- Publication number
- CN107706939A CN107706939A CN201710877659.9A CN201710877659A CN107706939A CN 107706939 A CN107706939 A CN 107706939A CN 201710877659 A CN201710877659 A CN 201710877659A CN 107706939 A CN107706939 A CN 107706939A
- Authority
- CN
- China
- Prior art keywords
- voltage
- control
- angular frequency
- communication
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004891 communication Methods 0.000 claims abstract description 140
- 238000011217 control strategy Methods 0.000 claims abstract description 12
- 238000013528 artificial neural network Methods 0.000 claims abstract description 5
- 230000000694 effects Effects 0.000 claims abstract description 5
- 238000013178 mathematical model Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 8
- 238000003786 synthesis reaction Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000004146 energy storage Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims description 2
- 238000009795 derivation Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims 1
- 239000003795 chemical substances by application Substances 0.000 description 45
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000004927 fusion Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 125000001153 fluoro group Chemical group F* 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H02J13/0013—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/40—Display of information, e.g. of data or controls
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明基于信息物理融合系统的概念将微网控制结构分为通信系统和物理系统,并在此结构上提出了一种新型分布式控制策略来改善传统下垂控制对电压和角频率的控制效果。首先,本发明基于图论知识提出微电网通信系统模型,且由多个单一分布式电源的通信结构构成整体通信系统;其次,在通信系统中,一种结合反向神经网络和预测控制的方法被提出来解决通信时滞问题;一种新型带有虚拟领航者的一致性协议被提出来解决丢包问题;再次,在物理系统中,以P‑ω/Q‑U下垂控制作为电压和角频率的一次控制;最后,利用通信系统中的电压和角频率数据和提出的新型一致性协议来完成对物理系统中下垂控制输出的电压和角频率的二次控制,且该控制策略具有分布式协同特性。
Description
技术领域
本发明属于智能电网控制领域,具体涉及一种在信息物理融合系统(CyberPhysical Systems,简称CPS)概念下的微电网中且考虑通信时滞和丢包问题的分布式协调控制策略的设计方法。
背景技术
信息物理融合系统是通信系统和物理系统的结合体。它是一个复杂的系统,包括计算决策设备、通信系统和物理系统。其具有实时感知、动态控制和为大型工程系统提供信息服务等功能。这些功能是通过将控制技术、计算技术,通信技术进行有机的整合和深度合作得到的。CPS是下一代工程系统,具有广阔的工业应用前景。但在通信系统中会存在时滞和信息包丢失(简称丢包)的问题,需要进一步研究解决策略。
微电网(Micro-Grid)也译为微网,是指由分布式电源(Distributed ElectricResource,简称DER)、储能装置、能量转换装置、负荷、监控和保护装置等组成的小型发配电系统。微电网是一个能够实现自我控制、保护和管理的自治系统,既可以与外部电网连接进行并网运行,也可以自身处于孤岛运行。由于微电网中的各类分布式电源和储能装置连接到主网络或负载的接口大多数都是通过由高频电力电子器件组成的逆变器作为主要组成部分,因此对微电网的控制可以理解为对各应用于微网系统中的逆变器的控制。
近年来,微电网逆变器控制方法一般采用P-ω/Q-U下垂控制方法。但由于P-ω/Q-U下垂控制方法是利用近似等效原理推导得出的,因此,传统的P-ω/Q-U下垂控制是一种有差调节控制。单纯的下垂控制不能实现微网系统的电压值和角频率值达到预期的参考值。基于CPS的概念且考虑通信时滞和丢包问题,本发明在微电网通信系统结构下,设计出一个具有虚拟领航者的一致性协议来完成对微电网物理系统中电压和角频率的分布式控制。
发明内容
本发明的目的是提供一种基于CPS概念的微网中考虑时滞和丢包问题的分布式控制方法。该发明通过构建微网通信系统和物理系统的控制架构,并通过合理分析,设计出一种即智能又可靠的分布式协调控制策略,进而确保微电网的电压和角频率得到可靠的控制效果。
为了实现上述目的,本发明是通过以下技术方案实现的:
一种基于CPS概念的微网中考虑时滞和丢包问题的分布式控制方法,该方法内容包括以下步骤:
步骤一:基于CPS的概念和图论理论对通信系统中信息流传递进行分析,并构建通信系统流量数学模型;
步骤二:基于构建的通信系统流量数学模型,构建有效可行的微电网系统中单一DER的通信结构,再由多个DER组成整体微网通信系统;
步骤三:基于该通信系统,将其中的各分布式电源均视为一个智能体,并将智能体领域的领航者-跟随(Leader-following)一致性理论应用于微电网中;对于通信系统中的时滞问题,采用反向神经网络(Back-Propagation Neural Network,简称BPNN)与预测控制相结合的策略来克服时滞问题;对于通信系统通信中的丢包问题,通过采用新型虚拟领航者-跟随(Virtual leader-following)一致性协议来克服丢包问题;
步骤四:对于实际微电网系统,构建物理系统及完成物理系统中微网各分布式电源的电压和角频率的一次控制;
步骤五:完成物理系统中微网各分布式电源的电压和角频率的二次控制;
步骤六:通过搭建合理的实验场景验证所述基于信息物理融合系统(CPS)概念的微电网分布式控制方法的有效性。
本发明的有益效果和其创新性体现在以下几个方面:
1、本发明方法针对传统P-ω/Q-U下垂控制对电压和角频率控制效果不好的问题,提出了一种基于CPS概念的分布式控制方法,该方法可以有效消除传统P-ω/Q-U下垂控制引起的控制误差;
2、本发明方法采用的控制策略属于分布式协同控制,就传统集中式控制来说,该方法仅采用部分通信信息,大大减少了通信浪费;同时,该方法可以使微网系统中各DER同时得到控制,缩减了控制时间;
3、基于图论知识,构建出了一种与流量相关的电力信息物理融合系统(简称电力CPS),并描述了微电网系统的整体通信结构和单个分布式电源的通信结构,并在今后研究CPS概念在微电网中的应用提供了指导作用;
4、本发明方法基于微电网系统内部的通信系统,通过设计的新型Virtualleader-following一致性协议来完成对分布式电源的电压和角频率的控制;考虑到通信系统中的通信时滞和丢包问题,在本发明方法中采用BPNN与预测控制相结合的策略来补偿由于时滞引起的信息丢失,丢包问题也在设计Virtual leader-following协议时被考虑,可以有效地解决时滞和丢包问题;
5、信息物理融合技术在电力系统中的应用是大势所趋,是目前国家大力推行的研究方向;本发明在CPS的概念下,创造性的利用通信系统的通信数据来解决物理系统的实际问题,实现了信息量与物理量的有机结合,为今后智能电网和智能微电网的进一步研究提供了理论基础。
附图说明
图1为微电网系统内部通信简化图;
图2为单一分布式电源通信构造简化图;
图3为电力CPS整体控制传输流程图;
图4为由BPNN构建微电网数学模型方法图;
图5为第i个DER的新型分布式控制结构简化图;
图6为第i个DER的分布式控制整体结构简化图。
具体实施方式
下面结合附图和具体实施方式详细说明本发明。
本发明的一种基于CPS概念下的微网中考虑时滞和丢包问题的分布式控制方法,其内容如下:
步骤一:基于CPS的概念和图论理论对通信系统中信息流传递进行分析,并构建通信系统流量数学模型。
步骤一的具体实施过程:
1.CPS概念:
信息物理融合系统(CPS)是通信系统和物理系统的结合体。它是一个复杂的系统,包括计算决策设备、通信系统和物理系统。其实时性数据感知、动态控制和信息服务的功能是通过深度的3C(控制、计算、通信)合作来实现的。
2.图论简介:
多智能体系统的拓扑结构通常用有向图G=(V,ε)表示,而对于该有向图则是由顶点集合V={1,2…,n}和边集合构成。定义该有向图的n个节点表示n个智能体,在有向图中,可以用aij表示第i个节点和第j个节点之间的连接关系。如果第j个节点有信息传递至第i个节点,则第j个节点有一条边指向第i个节点,且aij>0,否则aij=0。如果在有向图中,由任意一个顶点到其它每一个顶点都有一条有向路径连接,那么该有向图是强连通的。
3.构建通信系统流量数学模型:
电力信息物理融合系统是一个信息化系统,因此其稳态模型可表示为信息流量模型。在该系统中,传感设备和部分计算设备是信息流的起点,其作用是产生信息流并将其注入通信系统中。而另一部分计算设备的作用则是接收信息流并进行相应的分析处理,因而是信息流的终点。通信系统是传输信息的媒介,其中路由器等信息交换设备的主要作用是决定每一个到达交换设备的数据包在下一步应该被交换到哪一个节点,图1所示为微电网系统内部通信简化图,对图1所示系统建模过程说明如下:
所述构建通信系统流量数学模型,其具体内容如下:
对于微电网系统通信系统中的信息流传递依据图论理论进行建模,考虑一个有向带权重图G=(V,ε),其中V为图中节点的集合,其元素可以是计算单元、传感单元、信息交换单元或三者的组合;而ε表示图中边的集合,也即通信线路的集合;对于任意一个信息交换单元v∈V,用Cv表示其信息交换能力的上限,即单位时间内能够处理并送出的信息量的上限,其单位为bit/s或Mbit/s;对于交换单元v中的任意一个通信线路l=(i,j)∈ε,用Bl代表线路l的带宽,其单位为bit/s或Mbit/s,用sin(i,j)代表从第j个节点到第i个节点的信息输入,用sout(i,j)代表由第i个节点到第j个节点的信息输出,满足如下方程,也即通信系统流量数学模型:
其中,Ni表示第i个节点的相邻节点的集合。
由此,基于图论理论,可以将微电网物理模型中的一系列状态信息进行传输,实现物理系统与信息系统相融合。
基于上述分析,由于带宽受限,信息传输中可能有丢包与时延的问题发生,从而导致∑sin(i,j)≠∑sout(i,j),需要进一步研究解决。
步骤二:基于构建的通信系统流量数学模型,构建有效可行的微电网系统中单一DER的通信结构,再由多个DER组成整体微网通信系统;
步骤二的实施方案:
微电网信息物理系统包含最基本的通信系统和物理系统,两者的拓扑结构可以相互独立,图2所示为单一分布式电源通信构造简化图。两层系统靠多个单元结合在一起,每个单元包括通信器、决策器和物理设备三个部分。其中,通信器是通信系统的单元节点,功能是收发信息;物理设备即物理系统的单元节点,比如光伏或风能等分布式电源(DER),有着各异的功能属性;决策器在两者之间起协调作用。各部分具体介绍如下:
CPS概念要依靠嵌入式技术与传感技术。在微电网中,越来越多的电力设备采用嵌入式系统结构,大量的电气设备、数据采集设备和计算设备通过电网和通信网两个系统实现互连。如图2所示,通信器中包括信号接收器和信号发送器,其功能为在通信系统中根据时钟信号向自身与相邻单元收集和发送信息。物理设备指在物理系统中的一系列物理实体设备,包括电源、储能设备、负荷和其他设备等。物理设备一般通过传感器等设备向相邻物理设备发送自身状态量,其状态的变化直接影响实际微电网的能量传递。决策器是融合通信系统和物理系统从而实现全局控制的关键,主要包括传感器和决策控制器两部分。其主要有两方面的作用:一方面,筛选来自外部的数据信号,同时对自身物理设备的连续运行状态进行监测和数据采样;另一方面,各决策器需要根据一定的规则对统计到的数据进行分析,并分别计算出外送信息和控制指令以保证整体控制系统的有效运行。在信息通信中的每条通信线路的通信带宽要按照(1)来进行设计。
由多个DER相互连接起来就构成了整体微网通信系统,在该通信系统结构下,各DER可以其相连的其它DER进行信息通信。
步骤三:基于该通信系统,将其中的各分布式电源均视为一个智能体,并将智能体领域的领航者-跟随(Leader-following)一致性理论应用于微电网中;对于通信系统中的时滞问题,采用反向神经网络(Back-Propagation Neural Network,简称BPNN)与预测控制相结合的策略来克服时滞问题;对于通信系统通信中的丢包问题,通过采用新型虚拟领航者-跟随(Virtual leader-following)一致性协议来克服丢包问题;
步骤三的实施方案:
1.构建通信系统
基于图论和多智能体的理论,可以将微电网系统中的每一个分布式电源当作一个智能体,且每一个智能体都具有接收相邻智能体信息和发送自身信息的功能。由这些智能体构成了一个整体通信系统,在该系统中各智能体可与其相邻智能体交换电压、电流、角频率等状态信息。且由步骤二知,将多个DER的通信结构整合起来就构成了整体通信系统。
2.解决通信时滞和丢包问题,通信系统中通信时延问题和丢包问题的解决策略:
对于时滞问题,采用反向神经网络和预测补偿相结合的方法来处理时滞问题;对于通信数据丢包问题,首先将每个分布式电源看为一个智能体,且每个智能体均可以与相邻智能体进行通信;在此基础上,设计一种新型领航者-跟随一致性协议来处理丢包问题;
领导者-追随(Leader-following)一致性概念:对于一个通信系统,设定其中对应的顶点集为若有且仅有一个顶点xL为拓扑结构的全局可达点,即该顶点的信息可以沿有向路径传递给其它任意顶点,则最终各顶点对应信息将与xL对应的信息量一致,则称xL为该通信系统中的领航者。对应于多智能体通信系统一阶数学模型的一致性协议如下:
其中,xL(t)表示领航者的状态信息;bi表示Leader与第i个智能体之间的连接关系,若有连接,则bi>0,否则bi=0
考虑到工业环境中,不方便选取领航者,故采取虚拟领航者来完成一致性协议。在该策略下,所有要控制的DER均作为跟随者(Follower),同时在通信系统中虚设一个领航者,且该领航者可以与任意要控制的DER保持联通,即Virtual leader为全局可达点。在该策略下,系统中各DER的状态量(如电压或角频率)也将会与虚拟领航者对应的状态量保持一致。
2.1时滞问题
因为在系统通信中存在时滞现象,为了解决这类问题,以如下连续时间定常系统为例进行说明:
其中,A,B均为系数矩阵;x为状态量;u为输入量。
同时,设系统满足如下条件:
(i)矩阵对(A,Β)是可镇定的;
(ii)智能体i及其邻域智能体j的传感器信息传递至智能体i的控制器的通信信道存在通信时延,记作τbi,并满足关系:0≤τbi≤τbmax,其中τbmax为时滞的上界;
(iii)智能体i的控制器信息传递至自身执行器的通信信道的通信时延记作τai,且有关系如下:0≤τai≤τamax,其中τamax为时滞的上界;
首先对以上连续系统进行离散化处理,设采样时间为T,则在该采样时间处理下的离散化描述为:
x(k+1)=Gx(k)+Ηu(k)(k=0,1,2…) (4)
其中,公式(3)和(4)在变量和系数矩阵中有如下对应关系:
根据前述(i)~(iii)的设定条件,设计如下预测方法来预测系统的状态:
其中,代表预测的状态量;表示依据k-τbi时刻的状态量预估计的k-τbi+1时刻的状态量,其余时刻的预测状态量的定义,比如等,均与其类同。
根据公式(6),对k-τbi+2时刻至k+τai时刻的状态量进行预测:
在上式中,τbi和τai都为正数。从t-τbi时刻至t+τai时刻所有的控制输入,均能由上述预测步骤得到。智能体i的相邻智能体j的状态估计量,也可按上述状态预测机制得到。根据叠加原理,可以得到:
其中,G',H'为经过叠加整理后的系数矩阵;τaj和τbj与τai和τbi的定义类同;代表预测的第j个智能体状态量;表示依据k-τbj时刻的状态量预估计的k-τbj+1时刻的状态量,其余时刻的预测状态量的定义,比如等,均与其类同。
对于公式(8),令k-τai和k-τaj代替k,有:
由上式可知,得到的补偿时滞后的状态量是数字量,即数字信号,且考虑到本发明提出的微电网系统是一个连续时间系统,因此,有必要添加D-A转换器将数字量转换成模拟量。
下面详细说明上述补偿时滞的方法在微网中的应用:
2.1.1构建微网内部状态方程
在微网物理系统中正常工作中,首先经过功率计算环节得到有功功率和无功功率,再采用P-ω/Q-U下垂控制作为控制电压和角频率的一次控制,再结合电压合成环节、Park变换环节、电压电流双闭环环节、和脉宽调制(Pulse Width Modulation,简称PWM)环节来共同组成微电网物理系统。
微网内部工作过程分析如下:如图3所示,Unetwork和ωnetwork分别为通信系统输出至进行一致性控制的电压和角频率;Uconsistent和ωconsistent分别为在一致性协议控制下输出的电压和角频率,且两者分别帮助完成对电压和角频率的二次控制,从而使得电压和角频率分别达到期望达到的参考值Uref和ωref;U∠θ为由Uref和ωref合成的电压;V为双闭环结构输出的电压,用于产生PWM信号,控制逆变器的输出;U0和I0分别为DER经过逆变器和LC滤波器的输出电压和角频率;Ud,Uq,Id,Iq分别为Park变换后得到的电压和角频率的d轴和q轴分量;P,Q由功率计算环节得到,用于进行P-ω/Q-U下垂控制;U和ω是P-ω/Q-U下垂控制的输出电压和角频率,该下垂控制也作为各DER电压和角频率的一次控制。这样,在图3所示的流程下,由kT时刻的Unetwork和ωnetwork作为输入,可以得到(k+1)T时刻的Unetwork和ωnetwork。即存在x(k+1)=Gx(k),其中x代表电压或角频率,G为相应的系数矩阵。从而可以将此表达式应用于上述预测补偿机制来解决时滞问题。并可基于历史数据,由BPNN来构建由当前时刻通信网输出状态量作为输入,下一时刻的通信网输出状态量作为输出的状态方程。在训练BPNN的过程中涉及到的参数如:迭代次数、训练函数、神经元个数等均可通过多次实验来获得最佳值,具体构建过程如图4所示。
首先利用经典的3层BPNN来构建整体状态方程,将k时刻的数据传输状态作为输入,将k+1时刻的数据输出状态作为目标输出,定设采样时间为T,MSE为1e-7,最大迭代次数为200,隐含层中神经元数设为50,来对该种状态方程进行逼近。
设通过BPNN构建的离散状态方程如下:
x(k+1)=Gx(k)(k=0,1,2…) (10)
其中,G均为由BPNN得到的状态方程的系数矩阵;x为状态量。
2.1.2设计预测补偿方法
设系统的情况如下:
(i)智能体i及其邻域智能体j的传感器信息传递至智能体i的控制器的通信信道存在通信时延,并记作τbi,并满足关系:0≤τbi≤τbmax,其中τbmax分别为时滞的上界;
(ii)智能体i的控制器信息传递至自身执行器的通信信道的通信时延记作τai,且有关系如下:0≤τai≤τamax,其中τamax为时滞的上界;
根据上述设定,状态估计系统的状态如下:
其中,代表预测出的状态量;表示依据k-τbi时刻的状态量预估计出的k-τbi+1时刻的状态量,其余时刻的预测状态量的定义,比如等,均与其类同。
根据公式(11),对t-τbi+2时刻至t+τai时刻的状态量进行预测:
在上式中,τbi和τai都为正数。从t-τbi时刻至t+τai时刻所有的控制输入,均能由上述预测步骤得到,智能体i的相邻智能体j的状态估计量,也可按上述状态预测机制得到。根据叠加原理,可以得到:
其中,G'为经过叠加整理后的系数矩阵;代表预测出的状态量;τaj和τbj的定义与τai和τbi的定义类同;表示依据k-τbj时刻的状态量预估计出的k-τbj+1时刻的状态量,其余时刻的预测状态量的定义,比如等,均与其类同。
对于公式(13),用k-τai和k-τaj代替k,有:
考虑到实际情况,本发明提出的微电网系统是一个连续时间系统。因此,需要添加D-A转换器将数字量转换成模拟量。
2.2丢包问题
对于通信系统中的丢包问题,一种新型虚拟领航者-跟随(Virtual leader-following)一致性协议在本发明中被提出来克服该问题,其具体处理方法如下:
基于图论和多智能体的理论,将微电网系统中的每一个分布式电源当作一个智能体,且每一个智能体都具有接收相邻智能体信息和发送自身信息的功能。由这些智能体构成了一个整体通信系统,在该系统中各智能体可与其相邻智能体交换电压、电流、角频率等状态信息。
设通信系统的情况如下:
(i)在通信系统中,第i个DER在传输信息时的丢包率为1-θi;
(ii)通信系统中的多智能体的通信连接图G至少包含一条有向生成树,且Virtualleader为全局可达点。
对于第i个智能体的Virtual leader-following一致性协议如下:
其中,Ni表示第i个智能体的相邻智能体的集合;Ki为待设计的增益系数;xL是领航者的状态量;bi代表了领航者与跟随者之间的连接关系。
考虑到数据包丢失,一致性协议如下:
其中,1-θi,1-θj,和1-θL分别为第i个智能体,第j个智能体和领航者的丢包率。通过调整Ki可以解决通信中丢包问题。
注:若无时滞,则
定理:系统在公式(16)的作用下,当Ki满足一定条件时,可以实现跟随者的状态量最终跟随至领航者的状态量。
说明:为了简化证明,本发明针对系统中只有一个Leader和俩个Follower的情况进行证明,对于其余情况的证明均可推广得到。
证明:设定系统状态方程是一阶方程:
其中,
设俩个Follower的状态量为:x1,x2,Leader的状态量为xL,则偏差为:
对领导跟随问题就转换成了对公式(18)的验证最终稳定问题,且在本发明中可设对上式(18)进行Laplace变换,即有:
其中,x1(0)和x2(0)分别为第1个Follower和第2个Follower的初始量。同时,下式成立:
在上面两个表达式中,X1(s),X2(s)和XL(s)均为Laplace变换后的状态量,c1=∫x1(t)dt|t=0,c2=∫x2(t)dt|t=0。
此时,当增益K1,K2满足以下条件时,该系统可以达到一致性要求:
证明完毕。
由以上分析可知,当选取合适参数时,采用如(16)所示的一致性协议可以有效解决丢包问题,通信系统设计完成。
步骤四:对于实际微电网系统,构建物理系统及完成物理系统中微网各分布式电源的电压和角频率的一次控制;
步骤四的实施方案:
分布式控制概念:分布式控制系统(Distributed Control System),指的是多机系统,即多台机器分别控制不同的对象或设备,各自构成子系统,各子系统间有通信或网络互连关系。在该系统中针对每台机器均有控制策略来控制相关状态量的控制方式,就称为分布式控制。
在微电网中可以充分利用DER运行,由于分布式电源的种类很多,比如风能、光伏等,因此一个微电网系统中可能将包含有若干个不同种类的DER。任意DER均可用分布式控制来控制相应的状态量。本发明中的针对各DER电压和角频率新型分布式控制由一次控制和二次控制组成。其中,一次控制策略通常有V/f(恒压/恒频)控制、P/Q(恒功率)控制、Droop(下垂)控制;二次控制在本发明中通过添加反馈量来完成。
1.一次控制
本发明采用P-ω/Q-U下垂控制作为一次控制策略。
所谓下垂控制就是选择与传统发电机相似的下垂特性曲线作为微源的控制方式,即分别通过P-ω下垂控制和Q-U下垂控制来获取稳定的角频率和电压(由于微电网一般为低压微电网,所以线路阻性比较大,可通过添加虚拟阻抗环节来减小线路阻感比),这种控制方法对微网中的微源输出的有功功率和无功功率分别进行控制,无需机组间的通信协调,实现了微源即插即用的功能,传统的P-ω/Q-U下垂控制表达式如下:
其中,ωref,Uref分别代表角频率和电压的参考值;m,n分别代表角频率下垂系数和电压下垂系数。
在微网物理系统正常工作中,首先经过功率计算环节得到有功功率和无功功率,再采用P-ω/Q-U下垂控制作为控制电压和角频率的一次控制,再结合电压合成环节、Park变换环节、电压电流双闭环环节、和脉宽调制(Pulse Width Modulation,简称PWM)环节来共同组成微电网物理系统。在物理系统中,以第i个电源经过逆变器输出电压和电流为起点,以脉宽信号调制环节为终点,结合图5,其具体工作流程如下:
首先由逆变器输出电压U0和电流I0,然后将二者经过Park环节得到d轴和q轴上的分量,然后经过功率计算环节得到有功功率Pi和无功功率Qi,再将得到的功率通过P-ω/Q-U下垂控制环节生成电压Ui和角频率ωi,之后再通过电压合成环节得到Ui∠θi,再将其输入电压电流双闭环中,最后由电流环输出控制信号来控制脉宽调制环节产生PWM信号来控制逆变器的输出。由此,完成了一整套物理系统的控制过程。
对于物理系统的其它环节设计如下:
功率计算环节如下:
其中Uid,Uiq,Iid和Iiq均为Park变换后的电压和电流值。
P-ω/Q-U下垂控制作为环节如下:
其中,ωref,Uref分别代表角频率和电压的参考值;m,n分别代表角频率P-ω/Q-U下垂系数和电压下垂系数;ωi和Ui为第i个DER经过P-ω/Q-U下垂控制输出的电压和角频率。P-ω/Q-U下垂控制也是对微网中各分布式电源电压和角频率的一次控制。
电压合成环节如下:
其中,Ui∠θi为合成的电压。
对于电压电流双闭环采取FOPID控制策略,即电压Ui∠θi作为外部电压环的输入,其输出的参考电流作为内部电流环的输入,再输出电压产生PWM信号来控制逆变器的通断,从而控制电源的输出电压和电流。
步骤五:完成物理系统中微网各分布式电源的电压和角频率的二次控制;
二次控制整体思路:首先采用P-ω/Q-U下垂控制作为一次控制来控制各DER的电压和角频率,然后设计Virtual leader-following一致性协议,且将虚拟领航者的电压和角频率设计为预期各DER能达到的参考值,再通过一致性协议产生反馈量,最后将反馈量添加到一次控制来实现对电压和角频率的有效调节;完成物理系统中微网各DER的电压和角频率的二次控制。
1.电压二次控制
正常情况下,微电网的电压和角频率可以通过P-ω/Q-U下垂控制器的调节达到稳定。但下垂控制是一种有差调节,微电网输出角频率和电压不能与期望的参考值保持一致。因此,这时采用改进措施来调节微电网的角频率和电压到给定参考值。基于以上问题,本发明提出一种改进控制策略,可以通过构建电力CPS对微电网中各DER进行调控,每个DER均可看成CPS中的一个单元,其包括电压和角频率的一系列状态量均可以通过CPS进行传输,实现对各状态量快速的调节,在微电网中不方便选定领航者,故本发明采用虚拟领航者来设计Virtual leader-following一致性协议,并设计虚拟领航者的电压和角频率均为预期系统中DER要达到的参考值。
设计电压一致性协议:
以由n个DER组成的微电网中第i个DER为例,其电压和角频率的P-ω/Q-U下垂控制器为:
由于输出电压的幅值在dq坐标系中表示为:
其中,U0di和U0qi分别为Park变换后的电压值。
所以,一次控制的电压控制策略也可以写为:
由此可知,改进控制中电压控制的目标就是对Ui设计适当控制算法Udi→Uref,同理,角频率控制就是对ωi设计适当的控制算法使ωi→ωref。
如上所述,微电网电压二次控制器的作用就是考虑控制输入有界的情况下使各布式电源的电压同步到给定参考值,对式(29)取微分并取辅助变量uvi。
从实际情况出发,研究一阶多Agent系统一致性问题的同时考虑通信时延、输入时延和丢包问题,为了获得更好的一致性控制效果,假定系统中存在虚拟领航者,且领航者的信息状态满足:xL(t)=f(t,xL),且设xL(t)表示领航者的状态量,具有领航者的一致性协议可以被描述为:
其中和分别代表由预测补偿获得的第i个DER和第j个DER的输出电压值;KUi为第i个DER的电压一致性增益系数。
当第i个DER的电压与虚拟领航者的电压状态量达到一致后,设置如图5所示的一个反馈环节,使电压保持在预期参考值,反馈环节如下:
其中,代表在一致性协议控制下且添加反馈后的电压。
当得到后,再通过比较与Ui的差值,可得到电压反馈量,即再将此反馈量添加到P-ω/Q-U下垂控制输出的电压中,即可完成对电压的二次控制。
2角频率二次控制
与电压一致性控制器的设计思路类似,角频率二次控制的作用就是设计适当的控制算法使各分布式电源的角频率
对公式(27)求导,且取辅助变量uωi,有如下公式:
同理,考虑时滞、丢包与有领航者一致性协议设计出:
其中和分别代表由预测补偿获得的第i个DER和第j个DER的角频率值;Kωi为第i个DER的角频率一致性增益系数。在此一致性协议下,可以得到各DER的角频率均趋于一致,达到领航者的状态。
当第i个DER的角频率与虚拟领航者的电压状态量达到一致后,设置如图5所示的一个反馈环节,使角频率保持在预期参考值,反馈环节如下:
其中,代表在在一致性协议控制下且添加反馈后的角频率。
当得到后,再通过比较与ωi的差值,可得到角频率反馈量,即再将此反馈量添加到P-ω/Q-U下垂控制输出的角频率中,即可完成对角频率的二次控制。
3具体分布式控制过程
整体控制结构如图5所示,其具体控制流程如下:
当系统开始运行时,首先在物理系统中由P-ω/Q-U下垂控制作为一次控制来控制各DER的电压和角频率,将其输出电压幅值和角频率进行电压合成后再将合成后的电压输送至下一环节来进行控制。与此同时,由下垂控制输出的电压和角频率值也通过传感器输送至通信系统来完成Virtual leader-following一致性协议。在达到一致性的过程中,采用图5中在下垂控制中添加电压反馈量和角频率反馈量的方法来完成对电压和频率的二次控制。
设计电压电流双闭环:电压外环与电压内环采用FOPID控制方法进行设计,并在双闭环结构中添加虚拟阻抗来减小线路阻感比,具体设计方法见本发明人之前专利CN106877398A,CN106712088A。
步骤六:通过搭建合理的实验场景验证所述基于信息物理融合系统(CPS)概念的微电网分布式协调控制方法的有效性。
步骤六的实施方案:本发明通过搭建合理的实验场景验证该方案的有效性。
本领域的技术人员容易理解,以上所述仅为本发明较佳实施方案而已,并不用以限制本发明,凡是在本发明的精神和原则之内所做的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种基于CPS概念的微网中考虑时滞和丢包问题的分布式控制方法,其特征在于:该方法内容包括以下步骤:
步骤一:基于CPS的概念和图论理论对通信系统中信息流传递进行分析,并构建通信系统流量数学模型;
所述构建通信系统流量数学模型,其具体内容如下:
对于微电网系统通信系统中的信息流传递依据图论理论进行建模,考虑一个有向带权重图G=(V,ε),其中V为图中节点的集合,其元素可以是计算单元、传感单元、信息交换单元或三者的组合;而ε表示图中边的集合,也即通信线路的集合;对于任意一个信息交换单元v∈V,用Cv表示其信息交换能力的上限,即单位时间内能够处理并送出的信息量的上限,其单位为bit/s或Mbit/s;对于交换单元v中的任意一个通信线路l=(i,j)∈ε,用Bl代表线路l的带宽,其单位为bit/s或Mbit/s,用sin(i,j)代表从第j个节点到第i个节点的信息输入,用sout(i,j)代表由第i个节点到第j个节点的信息输出,满足如下方程,也即通信系统流量数学模型:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&Sigma;s</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>&Sigma;s</mi>
<mrow>
<mi>o</mi>
<mi>u</mi>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<msub>
<mi>N</mi>
<mi>i</mi>
</msub>
</mrow>
</munder>
<mrow>
<msub>
<mi>s</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>C</mi>
<mi>v</mi>
</msub>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>l</mi>
</mrow>
</munder>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<msub>
<mi>N</mi>
<mi>i</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>s</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>B</mi>
<mi>l</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Ni表示第i个节点的相邻节点的集合;
步骤二:基于构建的通信系统流量数学模型,构建有效可行的微电网系统中单一DER的通信结构,再由多个DER组成整体微网通信系统;
在微电网中,越来越多的电力设备采用嵌入式系统结构,这也使得大量的电气设备、数据采集设备和计算设备通过电网和通信网两个系统实现互连,组成电力信息物理系统;其主要设备包括:通信器、物理设备和决策器;通信器中包括信号接收器和信号发送器,其功能为在通信系统中根据时钟信号向自身与相邻单元收集和发送信息;物理设备指在物理系统中的一系列物理实体设备,包括电源、储能设备、负荷和其他设备;物理设备一般通过传感器设备向相邻物理设备发送自身状态量,其状态的变化直接影响实际微电网的电压和角频率数据的传递;决策器是融合通信系统和物理系统从而实现全局控制的关键,主要包括传感器和决策控制器两部分;其主要有两方面的作用:一方面,筛选来自外部的数据信号,同时对自身物理设备的连续运行状态进行监测和数据采样;另一方面,各决策器需要根据一定的规则对统计到的数据进行分析,并分别计算出外送信息和控制指令以保证整体控制系统的有效运行;在信息通信中的每条通信线路的通信带宽要按照(1)式来进行设计;
步骤三:构建通信系统解决通信系统中的通信时滞和丢包问题;
1、构建通信系统
基于图论和多智能体的理论,将微电网系统中的每一个分布式电源当作一个智能体,且每一个智能体都具有接收相邻智能体信息和发送自身信息的功能;由这些智能体构成了一个整体通信系统,在该系统中各智能体可与其相邻智能体交换电压、电流、角频率状态信息;将多个DER的通信结构整合起来就构成了整体通信系统;
2、解决通信时滞和丢包问题
对于时滞问题,采用反向神经网络和预测补偿相结合的方法来处理时滞问题;对于通信数据丢包问题,首先将每个分布式电源看为一个智能体,且每个智能体均可以与相邻智能体进行通信;在此基础上,设计一种新型领航者-跟随一致性协议来处理丢包问题;又考虑到实际工业环境中,不方便选取领航者,故采用虚拟领航者来完成一致性协议;
具体过程如下:
2.1对于时滞问题,进行如下步骤:
2.1.1构建微网内部状态方程
首先利用经典的3层BPNN来构建整体状态方程,将k时刻的数据传输状态作为输入,将k+1时刻的数据输出状态作为目标输出,定设采样时间为T,MSE为1e-7,最大迭代次数为200,隐含层中神经元数设为50,来对该种状态方程进行逼近;
设由BPNN逼近得到的状态方程如下:
x(k+1)=Gx(k) (k=0,1,2…) (2)
其中,G均为由BPNN得到的状态方程,x为状态量;
设系统的情况如下:
(i)智能体i及其邻域智能体j的传感器信息传递至智能体i的控制器的通信系统信道存在通信时延,并记作τbi,并满足关系:0≤τbi≤τbmax,其中τbmax为其上界;
(ii)智能体i的控制器信息传递至自身执行器的通信系统信道的通信时延记作τai,且有关系如下:0≤τai≤τamax,其中τamax为其上界;
2.1.2设计预测补偿方法
根据上述设定,状态估计系统的状态如下:
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<mn>1</mn>
<mo>|</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>G</mi>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>|</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,代表预测出的状态量,表示依据k-τbi时刻的状态量预估计出的k-τbi+1时刻的状态量,其余时刻的预测状态量的定义,比如均与其类同;
根据公式(3),对t-τbi+2时刻至t+τai时刻的状态量进行预测:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<mn>2</mn>
<mo>|</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>G</mi>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<mn>1</mn>
<mo>|</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<mn>3</mn>
<mo>|</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>G</mi>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<mn>2</mn>
<mo>|</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>a</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>|</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>G</mi>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>a</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mn>1</mn>
<mo>|</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
在(4)式中,τbi和τai都为正数,从t-τbi时刻至t+τai时刻所有的控制输入,均能由上述预测步骤得到,智能体i的相邻智能体j的状态估计量,也可按上述状态预测方法得到;根据叠加原理,可以得到:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>a</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>|</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mi>G</mi>
<mo>&prime;</mo>
</msup>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>a</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>|</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mi>G</mi>
<mo>&prime;</mo>
</msup>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,G'为经过叠加整理后的系数矩阵,代表预测出的状态量,τaj和τbj与τai和τbi的定义类似,表示依据k-τb时刻的状态量预估计出的k-τb+1时刻的状态量,其余时刻的预测状态量的定义,比如均与其类同;
对于公式(5),用k-τai和k-τaj代替k,有:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>|</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>a</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mi>G</mi>
<mo>&prime;</mo>
</msup>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>a</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>|</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>a</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mi>G</mi>
<mo>&prime;</mo>
</msup>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>b</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mrow>
<mi>a</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
考虑到实际情况,本方法提出的微电网系统是一个连续时间系统;因此,有必要添加D-A转换器的数字量转换成模拟量;
2.2.对于丢包问题,设计一种新型虚拟领航者-跟随一致性协议来解决:
基于图论和多智能体的理论,将微电网系统中的每一个分布式电源当作一个智能体,且每一个智能体都具有接收相邻智能体信息和发送自身信息的功能;由这些智能体构成了一个整体通信系统,在该系统中各智能体可与其相邻智能体交换电压、电流、角频率状态信息;设通信系统的情况如下:
(i)在通信系统中,第i个DER在传输信息时的丢包率为1-θi;
(ii)通信系统中的多智能体的通信连接图G至少包含一条有向生成树;
对于第i个智能体的有虚拟领航者的新型一致性协议如下:
<mrow>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>K</mi>
<mi>i</mi>
</msub>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<msub>
<mi>N</mi>
<mi>i</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>b</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>L</mi>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Ni表示第i个智能体的相邻智能体的集合,Ki为待设计的增益系数,xL是领航者的状态量,bi代表了领航者与跟随者(Follower)之间的连接关系;
若无时滞,则
考虑到数据包丢失,该新型一致性协议如下:
<mrow>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>K</mi>
<mi>i</mi>
</msub>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<msub>
<mi>N</mi>
<mi>i</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>j</mi>
</msub>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&theta;</mi>
<mi>i</mi>
</msub>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>b</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>L</mi>
</msub>
<msub>
<mi>x</mi>
<mi>L</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&theta;</mi>
<mi>i</mi>
</msub>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,1-θi,1-θj,和1-θL分别为第i个智能体,第j个智能体和领航者的丢包率,通过调整Ki可以解决通信中丢包问题;
步骤四:构建物理系统及完成物理系统中各分布式电源的电压和角频率的一次控制;
在微网物理系统正常工作中,首先经过功率计算环节得到有功功率和无功功率,再采用P-ω/Q-U下垂控制作为控制电压和角频率的一次控制,再结合电压合成环节、Park变换环节、电压电流双闭环环节、和脉宽调制环节来共同组成微电网物理系统;在物理系统中,以第i个电源经过逆变器输出电压和电流为起点,以脉宽信号调制环节为终点,其具体工作流程如下:
首先由逆变器输出电压U0和电流I0,然后将二者经过Park环节得到d轴和q轴上的分量,然后经过功率计算环节得到有功功率Pi和无功功率Qi,再将得到的功率通过P-ω/Q-U下垂控制环节生成电压Ui和角频率ωi,之后再通过电压合成环节得到Ui∠θi,再将其输入电压电流双闭环中,最后由电流环输出控制信号来控制脉宽调制环节产生PWM信号来控制逆变器的输出;由此,完成了一整套物理系统的控制过程;
对于物理系统的其它环节设计如下:
功率计算环节如下:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>P</mi>
<mo>=</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
</msub>
<msub>
<mi>I</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>i</mi>
<mi>q</mi>
</mrow>
</msub>
<msub>
<mi>I</mi>
<mrow>
<mi>i</mi>
<mi>q</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>&ap;</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
</msub>
<msub>
<mi>I</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>Q</mi>
<mo>=</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>i</mi>
<mi>q</mi>
</mrow>
</msub>
<msub>
<mi>I</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
</msub>
<msub>
<mi>I</mi>
<mrow>
<mi>i</mi>
<mi>q</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>&ap;</mo>
<mo>-</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
</msub>
<msub>
<mi>I</mi>
<mrow>
<mi>i</mi>
<mi>q</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
</mrow>
其中Uid,Uiq,Iid和Iiq均为Park变换后的电压和电流值;
P-ω/Q-U下垂控制作为环节如下:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&omega;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>&omega;</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>m</mi>
<mi>i</mi>
</msub>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>n</mi>
<mi>i</mi>
</msub>
<msub>
<mi>Q</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>10</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,ωref,Uref分别代表角频率和电压的参考值,m,n分别代表角频率P-ω/Q-U下垂系数和电压下垂系数,ωi和Ui为第i个DER经过P-ω/Q-U下垂控制输出的电压和角频率,P-ω/Q-U下垂控制也是对微网中各分布式电源电压和角频率的一次控制;
电压合成环节如下:
其中,Ui∠θi为合成的电压;
对于电压电流双闭环采取FOPID控制策略,即电压Ui∠θi作为外部电压环的输入,其输出的参考电流作为内部电流环的输入,再输出电压产生PWM信号来控制逆变器的通断,从而控制电源的输出电压和电流;
步骤五:完成物理系统中微网各分布式电源的电压和角频率的二次控制;
二次控制整体思路:当各作为跟随者的DER的状态量电压或角频率与虚拟领航者的相应状态量达到一致后,再产生反馈量加入P-ω/Q-U下垂控制中,从而完成对电压和角频率的二次调节;
1.电压二次控制
微电网电压二次控制器的作用就是考虑控制输入有界的情况下使各布式电源的电压同步到给定参考值,对式(10)取微分并取辅助变量uvi;变换公式如下:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>U</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>&ap;</mo>
<msub>
<mover>
<mi>U</mi>
<mo>&CenterDot;</mo>
</mover>
<mrow>
<mi>d</mi>
<mi>i</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<msub>
<mover>
<mi>U</mi>
<mo>&CenterDot;</mo>
</mover>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>n</mi>
<mi>i</mi>
</msub>
<msub>
<mover>
<mi>Q</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>&equiv;</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>U</mi>
<mi>i</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>12</mn>
<mo>)</mo>
</mrow>
</mrow>
从实际情况出发,研究一阶多智能体系统一致性问题的同时考虑通信时延、输入时延和丢包问题,为了获得更好的一致性控制效果,假定系统中存在虚拟领航者,且领航者的信息状态满足:xL(t)=f(t,xL),其中xL(t)表示领航者的状态量,具有领航者的一致性协议可以被描述为:
<mrow>
<msub>
<mi>u</mi>
<mrow>
<mi>U</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>K</mi>
<mrow>
<mi>U</mi>
<mi>i</mi>
</mrow>
</msub>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<msub>
<mi>N</mi>
<mi>i</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>j</mi>
</msub>
<msub>
<mover>
<mi>U</mi>
<mo>^</mo>
</mover>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&theta;</mi>
<mi>i</mi>
</msub>
<msub>
<mover>
<mi>U</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>b</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>L</mi>
</msub>
<msub>
<mi>U</mi>
<mi>L</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&theta;</mi>
<mi>i</mi>
</msub>
<msub>
<mover>
<mi>U</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>13</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,和分别代表由观察器获得的第i个DER和第j个DER的输出电压值;KUi为电压一致性协议中的增益;
当第i个DER的电压与虚拟领航者的电压状态量达到一致后,设置一个反馈环节,使电压保持在预期参考值,反馈环节如下:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>U</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>&infin;</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>i</mi>
<mi>&infin;</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&delta;U</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&delta;U</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>i</mi>
<mi>&infin;</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>14</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,代表在一致性协议控制下且添加反馈后的电压;
当得到后,再通过比较与Ui的差值,又可得到一反馈量,即再将此反馈量添加到P-ω/Q-U下垂控制输出的电压中,即可完成对电压的二次控制;
2.角频率二次控制
对公式(10)求导,且取辅助变量uωi,有如下公式:
<mrow>
<msub>
<mover>
<mi>&omega;</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mover>
<mi>&omega;</mi>
<mo>&CenterDot;</mo>
</mover>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>n</mi>
<mi>i</mi>
</msub>
<msub>
<mover>
<mi>Q</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>&omega;</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>15</mn>
<mo>)</mo>
</mrow>
</mrow>
同理,考虑时滞、丢包与有领航者一致性协议设计出:
<mrow>
<msub>
<mi>u</mi>
<mrow>
<mi>&omega;</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>K</mi>
<mrow>
<mi>&omega;</mi>
<mi>i</mi>
</mrow>
</msub>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<msub>
<mi>N</mi>
<mi>i</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>j</mi>
</msub>
<msub>
<mover>
<mi>&omega;</mi>
<mo>^</mo>
</mover>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&theta;</mi>
<mi>i</mi>
</msub>
<msub>
<mover>
<mi>&omega;</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>b</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>L</mi>
</msub>
<msub>
<mi>&omega;</mi>
<mi>L</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&theta;</mi>
<mi>i</mi>
</msub>
<msub>
<mover>
<mi>&omega;</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>16</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,和分别代表由预测补偿获得的第i个DER和第j个DER的角频率值;Kωi为角频率一致性协议中的增益。在此一致性协议下,可以得到各DER的角频率均趋于一致,达到领航者的状态;
当第i个DER的角频率与虚拟领航者的电压状态量达到一致后,使角频率保持在预期参考值,反馈环节如下:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>&omega;</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>&infin;</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>&omega;</mi>
<mrow>
<mi>i</mi>
<mi>&infin;</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&delta;&omega;</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&delta;&omega;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>&omega;</mi>
<mrow>
<mi>i</mi>
<mi>&infin;</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&omega;</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>17</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,代表在一致性协议控制下且添加反馈后的角频率;
当得到后,再通过比较与ωi的差值,又可得到一反馈量,即再将此反馈量添加到P-ω/Q-U下垂控制输出的角频率中,即可完成对角频率的二次控制;
步骤六:通过搭建合理的实验场景验证所述基于CPS概念的微电网分布式控制方法的有效性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710877659.9A CN107706939B (zh) | 2017-09-26 | 2017-09-26 | Cps概念下的微网中考虑时滞和丢包问题的分布式控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710877659.9A CN107706939B (zh) | 2017-09-26 | 2017-09-26 | Cps概念下的微网中考虑时滞和丢包问题的分布式控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107706939A true CN107706939A (zh) | 2018-02-16 |
CN107706939B CN107706939B (zh) | 2021-01-08 |
Family
ID=61174930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710877659.9A Active CN107706939B (zh) | 2017-09-26 | 2017-09-26 | Cps概念下的微网中考虑时滞和丢包问题的分布式控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107706939B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108365638A (zh) * | 2018-05-04 | 2018-08-03 | 西南科技大学 | 基于无线传感器网络的能源微网分布式功率控制系统 |
CN108521345A (zh) * | 2018-04-04 | 2018-09-11 | 燕山大学 | 一种考虑通信中断的孤岛微电网的信息物理协同应对方法 |
CN110350601A (zh) * | 2019-07-22 | 2019-10-18 | 西南交通大学 | 一种直流微电网电压和电流分配分布式协调控制方法 |
CN110611333A (zh) * | 2019-11-11 | 2019-12-24 | 燕山大学 | 一种考虑通信问题的孤岛微电网分布式协调控制方法 |
CN111030075A (zh) * | 2019-11-26 | 2020-04-17 | 深圳供电局有限公司 | 直流供配电系统控制方法 |
CN111208737A (zh) * | 2019-12-24 | 2020-05-29 | 国电南瑞科技股份有限公司 | 一种面向大规模光伏发电系统的信息物理建模方法 |
CN112909954A (zh) * | 2020-12-30 | 2021-06-04 | 燕山大学 | 一种基于生成对抗神经网络的微电网分层控制策略 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105140907A (zh) * | 2015-08-19 | 2015-12-09 | 华北电力大学(保定) | 直流微网多智能体自适应下垂一致性协调控制方法及装置 |
CN106877398A (zh) * | 2017-03-23 | 2017-06-20 | 燕山大学 | 基于多智能体的微电源分散协调控制方法 |
CN107147102A (zh) * | 2017-04-12 | 2017-09-08 | 南京邮电大学 | 基于多智能体的直流微电网网络化分布式协调控制方法 |
-
2017
- 2017-09-26 CN CN201710877659.9A patent/CN107706939B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105140907A (zh) * | 2015-08-19 | 2015-12-09 | 华北电力大学(保定) | 直流微网多智能体自适应下垂一致性协调控制方法及装置 |
CN106877398A (zh) * | 2017-03-23 | 2017-06-20 | 燕山大学 | 基于多智能体的微电源分散协调控制方法 |
CN107147102A (zh) * | 2017-04-12 | 2017-09-08 | 南京邮电大学 | 基于多智能体的直流微电网网络化分布式协调控制方法 |
Non-Patent Citations (2)
Title |
---|
JINGANG LAI 等: ""Distributed power control for DERs based on networked multiagent systems with communication delays"", 《NEUROCOMPUTING》 * |
谢光强 等: ""多智能体系统协调控制一致性问题研究综述"", 《计算机应用研究》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108521345B (zh) * | 2018-04-04 | 2021-01-08 | 燕山大学 | 一种考虑通信中断的孤岛微电网的信息物理协同应对方法 |
CN108521345A (zh) * | 2018-04-04 | 2018-09-11 | 燕山大学 | 一种考虑通信中断的孤岛微电网的信息物理协同应对方法 |
CN108365638B (zh) * | 2018-05-04 | 2023-06-16 | 西南科技大学 | 基于无线传感器网络的能源微网分布式功率控制系统 |
CN108365638A (zh) * | 2018-05-04 | 2018-08-03 | 西南科技大学 | 基于无线传感器网络的能源微网分布式功率控制系统 |
CN110350601B (zh) * | 2019-07-22 | 2022-10-21 | 西南交通大学 | 一种直流微电网电压和电流分配分布式协调控制方法 |
CN110350601A (zh) * | 2019-07-22 | 2019-10-18 | 西南交通大学 | 一种直流微电网电压和电流分配分布式协调控制方法 |
CN110611333A (zh) * | 2019-11-11 | 2019-12-24 | 燕山大学 | 一种考虑通信问题的孤岛微电网分布式协调控制方法 |
CN110611333B (zh) * | 2019-11-11 | 2022-12-13 | 燕山大学 | 一种考虑通信问题的孤岛微电网分布式协调控制方法 |
CN111030075A (zh) * | 2019-11-26 | 2020-04-17 | 深圳供电局有限公司 | 直流供配电系统控制方法 |
CN111030075B (zh) * | 2019-11-26 | 2022-03-22 | 深圳供电局有限公司 | 直流供配电系统控制方法 |
CN111208737A (zh) * | 2019-12-24 | 2020-05-29 | 国电南瑞科技股份有限公司 | 一种面向大规模光伏发电系统的信息物理建模方法 |
CN112909954A (zh) * | 2020-12-30 | 2021-06-04 | 燕山大学 | 一种基于生成对抗神经网络的微电网分层控制策略 |
CN112909954B (zh) * | 2020-12-30 | 2023-12-15 | 燕山大学 | 一种基于生成对抗神经网络的微电网分层控制策略 |
Also Published As
Publication number | Publication date |
---|---|
CN107706939B (zh) | 2021-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107706939B (zh) | Cps概念下的微网中考虑时滞和丢包问题的分布式控制方法 | |
Han et al. | MAS-based distributed coordinated control and optimization in microgrid and microgrid clusters: A comprehensive overview | |
Lai et al. | Distributed multi-DER cooperative control for master-slave-organized microgrid networks with limited communication bandwidth | |
Wang et al. | Cyber-physical design and implementation of distributed event-triggered secondary control in islanded microgrids | |
Li et al. | Event-triggered-based distributed cooperative energy management for multienergy systems | |
Lian et al. | Game-theoretic multi-agent control and network cost allocation under communication constraints | |
Lai et al. | Distributed voltage regulation for cyber-physical microgrids with coupling delays and slow switching topologies | |
CN107579543B (zh) | 一种基于分层控制策略的孤岛微电网分布式协调控制方法 | |
Dehkordi et al. | Fully distributed cooperative secondary frequency and voltage control of islanded microgrids | |
Xing et al. | Distributed bisection method for economic power dispatch in smart grid | |
Yazdanian et al. | Distributed control techniques in microgrids | |
Liu | Consensus and stability analysis of networked multiagent predictive control systems | |
Tahir et al. | Self-triggered communication enabled control of distributed generation in microgrids | |
CN108075487B (zh) | 自适应下垂和一致性相结合的孤岛微电网的分层控制方法 | |
Rana et al. | Distributed state estimation over unreliable communication networks with an application to smart grids | |
Bai et al. | Optimal cross-layer design of sampling rate adaptation and network scheduling for wireless networked control systems | |
CN108320080B (zh) | 基于两层一致性算法的能源互联网实时动态功率分配方法 | |
Chen et al. | Distributed economic dispatch for energy internet based on multiagent consensus control | |
Aravindh et al. | Design of observer-based non-fragile load frequency control for power systems with electric vehicles | |
Navas-Fonseca et al. | Distributed predictive secondary control for imbalance sharing in AC microgrids | |
Pham et al. | Integration of electric vehicles for load frequency output feedback H∞ control of smart grids | |
Liu et al. | Nonzero-sum game-based voltage recovery consensus optimal control for nonlinear microgrids system | |
Ren et al. | Prescribed-time consensus tracking of multiagent systems with nonlinear dynamics satisfying time-varying Lipschitz growth rates | |
Zaery et al. | A novel fully distributed fixed-time optimal dispatch of DC multi-microgrids | |
Li et al. | Consensus for second-order multiagent systems under two types of sampling mechanisms: A time-varying gain observer method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |