CN108039726A - 一种基于多智能体系统的能源局域网分布式协同控制方法 - Google Patents
一种基于多智能体系统的能源局域网分布式协同控制方法 Download PDFInfo
- Publication number
- CN108039726A CN108039726A CN201711314807.2A CN201711314807A CN108039726A CN 108039726 A CN108039726 A CN 108039726A CN 201711314807 A CN201711314807 A CN 201711314807A CN 108039726 A CN108039726 A CN 108039726A
- Authority
- CN
- China
- Prior art keywords
- energy
- mrow
- msub
- lan
- distributed
- 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
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
-
- 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
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于多智能体系统的能源局域网分布式协同控制方法,包括如下步骤:(1)构建能源局域网三级控制架构,即“本地下垂控制‑次级功率优化控制‑集中优化、区域自治”的控制架构;(2)设计调度决策功能模块,在能源局域网内部发生故障切机和并、离网切换过程中,协调不同控制响应速率的可调控资源,响应局域网内部和外部的能量需求,快速平抑联络线的功率波动;(3)构建基于多智能体系统的分布式稀疏通信网络,通过邻近智能体间通信,基于一致性算法估算出全网的平均电压,对本地下垂控制器的电压和频率进行修正来模拟同步发电机的行为。通过以上方法,实现了能量管理最优、多元用户的灵活互动和分布式资源的协调运行。
Description
技术领域
本发明涉及一种能源局域网的分布式协同控制领域,尤其涉及一种基于多智能体系统的能源局域网分布式协同控制方法。
背景技术
随着电网中可再生能源比例的大幅增加,随机波动的分布式电源及负荷对电网的运行安全造成极大挑战。由于能源局域网可以将分布式电源、负荷、储能及控制装置灵活可靠的结合起来,无缝接入大电网,近年来越来越引起人们重视。
在能源局域网能量管理系统研究和建设方面,欧洲电力匹配城市项目提出基于多智能体技术实现供能和热电需求的协调互联、无缝连接分布式发电与需求响应;英国公司FENIX项目将需求侧响应管理技术整合入大型电厂,构建分层控制的能效管理系统;瑞士苏黎世联邦理工学院提出能源集线器概念,通过综合管理实现多种能源综合优化控制。美国FREEDM能源局域网研究中心提出能源局域网内部采用一致性控制,实现分布式能量管理,多个能源局域网之间基于多智能体协调,实现分布式协同控制。而在我国,最近各地区开展了很多关于综合能源网的示范工程,如中新天津生态城示范工程、北京延庆主动配电网示范工程和上海崇明岛智能电网示范工程等。能源局域网的拓扑结构一般由系统中负荷特性、分布式电源的布局以及电能质量要求等因素决定。受容量、发电方式的限制,能源局域网中的分布式电源往往需要通过VSC(Voltage Source Converter,即电压源变流器)并网。以VSC为能源转换接口的分布式电源由于具有低惯性、高响应速度、调节速度快的特点,常规的集中式控制方式受通信带宽、可靠性较低的限制,不能完全满足分布式电源灵活控制和即插即用的特点。集中式控制需要中心节点采集各节点的状态信息,可靠性及扩展精度差,通讯时间也较长,如果中心节点出现故障,则系统则会失去稳定;完全分散式控制无需通信网络,但无法避免由于线路阻抗变化造成的各分布式电源功率分配不精确问题,难以协调控制。目前存在的分布式控制策略仍停留在单一层次的控制和优化上,各分布式电源根据上层的优化结果,通过下层智能体间的协同合作来实现联络线功率的合理分配,但未考虑上层优化调度的预测误差,以及在能源局域网内部发生故障切机、并离网切换时联络线功率的精确控制。与点对多点的集中式通信网络相比,基于稀疏网络的分布式通信网络更加适合能源局域网的协调控制,实现对大电网或负荷的快速响应。
因此,本领域的技术人员致力于开发一种基于多智能体系统的能源局域网分布式协同控制方法。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是集中式控制可靠性及扩展精度差、通讯时间长,完全分散式控制的各分布式电源功率分配不精确、难以协调控制。
为实现上述目的,本发明提供了一种基于多智能体系统的能源局域网分布式协同控制方法。具体包括:1.构建能源局域网三级控制架构,即“本地下垂控制-次级功率优化控制-集中优化、区域自治”的控制架构,本地下垂控制为一级控制,次级功率优化控制为二级控制,集中优化、区域自治为三级控制,每个采用下垂控制的分布式电源、储能系统、负荷、控制装置、能量路由器和外部网络安装智能体(智能体具有控制功能),实现能源局域网的源-网-荷-储互动;2.设计调度决策功能模块,在能源局域网内部发生故障切机和并、离网切换过程中,协调不同控制响应速率的可调控资源,响应局域网内部和外部的能量需求,快速平抑联络线的功率波动。3.构建基于多智能体系统的分布式稀疏通信网络,通过邻近智能体间通信,基于一致性算法估算出全网的平均电压,对本地下垂控制器的电压和频率进行修正来模拟同步发电机的行为;当能量路由器智能体检测到外部网络(和能源局域网连接的外部电力网)故障时,联络线功率计划调零,孤岛情况下各邻接的分布式电源智能体间进行通信,获取系统的电压及频率信息,维持系统状态稳定。
具体说明如下:
1)一级控制,一级控制采用下垂控制,通过调节分布式电源DGi的下垂系数来模拟同步发电机的行为,动态调整每个分布式电源的输出电压电流,满足负荷变化需求。它包括内环电流控制和外环电压控制,通过采集分布式电源上的能源接口的状态信息如电压E0,i、频率f0,i等反馈给功率控制环节。
由于能源局域网中线路阻抗的电阻一般大于电抗,即Z≈R,δ≈0,因而采用P-V,Q-f下垂控制。分布式电源注入交流母线的有功功率P,无功功率Q可表示为:
其中,U和E分别表示交流母线电压和分布式电源端电压的有效值。各分布式电源DGi的参考频率和参考电压为:
fref,i=fn+nq,i(Qn,i-Qi) (3)
Eref,i=En+np,i(Pref,i-Pi)=Emax-np,iPi (4)
式中,Qn,i、Eref,i、fref,i分别是各分布式电源DGi额定无功功率以及电压参考值、频率参考值;En、Emax、fn、fmax分别为额定电压、最大电压、额定频率、最大频率;np,i、nq,i分别为分布式电源DGi的有功下垂系数和无功下垂系数,根据上级控制日前优化调度指令给定的各分布式电源DGi的有功功率参考值,由式(5)计算得到;Pref,i为DGi的有功参考功率输出由日前调度计划给出;Qmax,i为DGi的最大输出无功功率;Pi,Qi分别为DGi的有功功率和无功功率输出测量值。
由于线路阻抗的影响,下垂控制往往会产生电压和频率的偏移,为防止电压偏移过大,假定np,iPref,i≤ΔEmax,ΔEmax为电压允许最大偏移量。
在系统稳定运行时,全网频率一致f1=f2=...=fn。由式(6)可知,在稳定运行时,由于线路电抗较小,无功出力与无功下垂系数成反比:
nq,1Q1=nq,2Q2=...=nq,nQn (6)
式中nq,1、Q1为DG1的无功下垂系数和无功功率,nq,2、Q2为DG2的无功下垂系数和无功功率,nq,n、Qn为DGn的无功下垂系数和无功功率。
考虑线路电阻的影响,由式(7)可知,DGi注入交流母线的有功功率为:
式中Ei为DGi的AC/DC变流器输出电压,Pi为DGi的有功功率,Ri为DGi的线路阻抗,U为交流母线电压。
Ei由下垂控制决定,Ei=Emax-np,iPi,得
因此,各分布式电源有功输出有如下关系:
由式(9)看出,各分布式电源DGi的有功功率分配受线路阻抗和逆变器输出端电压的影响。由于实际线路中阻抗一般不相等,且AC/DC变流器输出电压随负荷分布变化,下垂控制中有功功率无法按照分配比例进行精确控制。因此,需要引入二级功率优化控制对一级本地控制进行优化调节,修正下垂控制的参考电压和频率,实现各分布式电源的有功功率精确控制。
2)二级功率优化控制(次级功率优化控制)
在能源局域网的三级控制架构中,各智能体构成稀疏通信网络。各智能体接收到本地状态信息E0,i,f0,i(即分布式电源DGi的电压和频率)后,再与其邻接的智能体之间进行通信,通过一致性算法迭代求解出全网的平均状态信息Uave,fave,二级控制中产生的电压偏差量和频率偏差量ΔEi,Δfi用于修正一级控制由于负荷波动造成的电压、频率测量误差,产生新的电压和频率参考值实现联络线功率的精确分配。
具体地,一致性算法流程如下:
设置采样时间间隔,各智能体根据时间间隔和邻接智能体间进行通信,利用如下述公式(10)进行一致性算法迭代得到智能体电压ui[k],重复该迭代过程,当前后两次的迭代值满足时,迭代结束,ε为定值。智能体频率一致性算法和电压一致性算法类似,同样利用公式(10)得到fi[k],重复该迭代过程,当前后两次的迭代值满足时,迭代结束,ε为定值。最后将一致性结果得到的电压及频率平均值发送给二级功率优化控制。
在多智能体网络中,令G=(V,E)为网络的加权有向图,则V={v1,v2,...,vn}表示图G的节点集合,表示图G的边集合。电压或频率一致性算法可统一表示如下:
写成矩阵形式:
Xk=DXk-1 (11)
其中,xi是第i个智能体上的电压ui或频率信息fi,Xk是以xi为元素的矩阵,n是节点数,dij是行随机矩阵D=[dij]∈Rn×n在离散时刻k的第(i,j)项。dij是行随机矩阵D=[dij]∈Rn×n在离散时刻k的第(i,j)项。随机矩阵D构造如下:
式中,di,dj分别是节点i,j的邻接节点数,max(di,dj)是节点i和其邻接节点j所具有的最大邻接节点数目,j∈di表示节点j和节点i邻接。
电压和频率状态都将一致收敛于整个系统的平均值,即
式中,e=[1,1,...,1]T;X0为系统的初始电压和频率信息。分布式电源DGi的电压偏差量为:
其中kp,ki是电压调节的PI参数。式(14)变为:
Pinp,i=En+Pref,inp,i+[Ei+kp(Uave-Ei)] (15)
即Pinp,i=En+Pref,inp,i+Uave。若设置Pn,inp,i=L为常数,则En+Pn,inp,i-Uave对于所有的分布式电源DGi都是定值,则有功输出功率有下式:
由上式看出,只需调节下垂系数便可实现各分布式电源DGi的有功功率按照参考指令值,实现精确分配。
3)三级控制(集中优化、区域自治)
由于能源局域网分布式电源的高渗透性,使得传统的集中式控制方法无法从根本上解决系统的优化控制问题,分布式优化控制虽然灵活、稳定,但难以从全局角度优化控制整个系统。因此,应结合集中式与分布式优化控制的优点,实现网络的分布式分层优化控制。在能源局域网和外部网络之间设置的能量路由器智能体,并网运行处于正常工况时(联网模式),发送能源局域网的优化目标到各智能体,由能源局域网内的可调设备进行协调控制,自身决策所属系统内各能源设备的容量配置;当能量路由器智能体检测到外部电网故障时,联络线功率调零,与外部电网断开,能源局域网内各智能体由联网模式切换为孤岛模式,进行本地控制;当检测到外部电网故障消除,则能源局域网内各智能体快速调整各分布式电源的电压及频率,联络线恢复并网,即恢复联网模式。
能源局域网分布式协同优化调控过程,具体描述如下:(1)集中优化、区域自治,外部网络智能体接收来自能量路由器的各分布式电源运行状态及负荷侧响应信息,综合考虑市场实时电价、储能寿命及风、光发电随机性、系统运行成本、环境保护成本等情况下,确定各分布式电源的功率,安排日前发电计划。如果日前预测不存在误差,则进入指令控制模式;如果日前预测存在误差,则进入反馈校正控制模式;(2)次级功率优化控制,按照优化调度目标,各分布式电源进行功率分配,检测误差是否满足联络线约束,如果满足,则采集能源局域网内负荷被动信息,通过调节储能装置快速平抑联络线功率波动;如果不满足联络线功率约束,则根据能源局域网内负荷波动和分布式电源运行进行功率分配修正,确定参与任务的节点,通过一致性迭代计算收敛值,对各节点电压、功率按照收敛平均值修正,此修正值结合根据本地信息制定的下垂控制策略,调节下垂系数,确保联络线功率跟踪日前计划值;(3)本地下垂控制,如果能量路由器智能体检测到主网故障,则由联网转孤岛模式工作,联络线功率调零,与外部网络断开,然后采集本地状态信息,和邻近智能体之间通信交换运行状态信息,基于一致性算法获得系统电压及频率,对各分布式电源重新进行功率分配,维持系统状态稳定。
本发明提供的一种基于多智能体系统的能源局域网分布式协同控制方法,实现了能量管理最优、多元用户的灵活互动和分布式资源的协调运行;通过一致性算法迭代得出系统的平均电压和频率信息,实现了联络线潮流的精确控制,并使各分布式电源的电压和频率都稳定在额定值附近,另外,通过邻接智能体之间通信,克服了集中式控制通信时间较长的问题;通过模拟分布式智能体的随机投退(即随时投入或退出)过程及状态转移矩阵元素的修正,实现了分布式电源的“即插即用”。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的能源局域网三级控制架构示意图;
图2是本发明的能源局域网结构示意图;
图3是本发明的分布式协同优化调控流程图。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例,使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现,本发明的保护范围并非仅限于文中提到的实施例。
在附图中,结构相同的部件以相同数字标号表示,各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的,本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰,附图中有些地方适当夸大了部件的厚度。
以图2所示的能源局域网为例,该能源局域网由交流能源局域网1和直流能源局域网2组成。交流能源局域网1包括分布式电源、典型阻抗负载、储能元件、柔性负载和恒功率负载,分布式电源包括光伏电池、燃气轮机、燃料电池和风电机组,各设备连接智能体。直流能源局域网2中包括直流负载1、直流负载2、电池组(分布式电源),各设备连接智能体。外部网络也安装有智能体。
图1是该能源局域网的三级控制架构示意图,即“本地下垂控制-次级功率优化控制-集中优化、区域自治”的控制架构,本地下垂控制为一级控制,次级功率优化控制为二级控制,集中优化、区域自治为三级控制,具体如下:
1)一级控制,一级控制采用下垂控制,通过调节分布式电源DGi的下垂系数来模拟同步发电机的行为,动态调整每个分布式电源的输出电压电流,满足负荷变化需求。它包括内环电流控制和外环电压控制,通过采集分布式电源上的能源接口的状态信息如电压E0,i和频率f0,i等反馈给功率控制环节。
由于能源局域网中线路阻抗的电阻一般大于电抗,即Z≈R,δ≈0,因而采用P-V,Q-f下垂控制。分布式电源注入交流母线的有功功率P,无功功率Q可表示为:
其中,U和E分别表示交流母线电压和分布式电源端电压的有效值。各分布式电源的参考电压和频率为:
fref,i=fn+nq,i(Qn,i-Qi) (3)
Eref,i=En+np,i(Pref,i-Pi)=Emax-np,iPi (4)
式中,Eref,i、fref,i分别是电压参考值和频率参考值;En、Emax、fn、fmax分别为额定电压、最大电压、额定频率、最大频率;np,i、nq,i分别为分布式电源DGi的无功下垂系数和有功下垂系数,根据上级控制日前优化调度指令给定的各分布式电源的有功功率参考值由式(5)计算得到;Pref,i为DGi的有功参考功率输出,由日前调度计划给出;Qmax,i为DGi的最大输出无功功率;Pi,Qi分别为DGi的有功功率和无功功率输出测量值。
由于线路阻抗的影响,下垂控制往往会产生电压和频率的偏移,为防止电压偏移过大,假定np,iPref,i≤ΔEmax,ΔEmax为电压允许最大偏移量。
在系统稳定运行时,全网频率一致f1=f2=...=fn。由式(6)可知,在稳定运行时,由于线路电抗较小,无功出力与无功下垂系数成反比:
nq,1Q1=nq,2Q2=...=nq,nQn (6)
式中nq,1、Q1为DG1的无功下垂系数和无功功率,nq,2、Q2为DG2的无功下垂系数和无功功率,nq,n、Qn为DGn的无功下垂系数和无功功率。
考虑线路电阻的影响,由式(7)可知,DGi注入交流母线的有功功率为:
式中Ei为DGi的逆变器输出电压,Pi为DGi的有功功率,Ri为DGi的线路阻抗,U为交流母线电压。
Ei由下垂控制决定,Ei=Emax-np,iPi,得
因此,各分布式电源有功输出有如下关系:
由式(9)看出,各分布式电源的有功功率分配受线路阻抗和逆变器输出端电压的影响。由于实际线路中阻抗一般不相等,且逆变器端输出电压随负荷分布变化,下垂控制中有功功率无法按照分配比例进行精确控制。因此,需要引入二级功率优化控制对一级本地控制进行优化调节,修正下垂控制的参考电压和频率,实现各分布式电源的有功功率精确控制。
2)二级功率优化控制(次级功率优化控制)
在图1能源局域网的三级控制架构中,各智能体构成稀疏通信网络。各智能体接收到本地状态信息E0,i,f0,i(即分布式电源DGi的电压和频率)后,再与其邻接的智能体之间进行通信,通过一致性算法迭代求解出全网的平均状态信息Uave,fave,二级控制中产生的电压偏差量和频率偏差量ΔEi,Δfi用于修正一级控制由于负荷波动造成的电压、频率测量误差,产生新的电压和频率参考值实现联络线功率的精确分配。
具体地,一致性算法流程如下:
设置采样时间间隔,各智能体根据时间间隔和邻接智能体间进行通信,利用如下述公式(10)进行一致性算法迭代得到智能体电压ui[k],重复该迭代过程,当前后两次的迭代值满足迭代结束,ε为定值。智能体频率一致性算法和电压一致性算法类似,同样利用公式(10)得到fi[k],重复该迭代过程,当前后两次的迭代值满足时,迭代结束,ε为定值。最后将一致性结果得到的电压及频率平均值发送给二级功率优化控制。
在多智能体网络中,令G=(V,E)为网络的加权有向图,则V={v1,v2,...,vn}表示图G的节点集合,表示图G的边集合。电压和频率一致性算法可统一表示如下:
写成矩阵形式:
Xk=DXk-1 (11)
其中,xi是第i个智能体上的电压ui或频率fi,Xk是以xi为元素的矩阵,n是节点数,dij是行随机矩阵D=[dij]∈Rn×n在离散时刻k的第(i,j)项。dij是行随机矩阵D=[dij]∈Rn×n在离散时刻k的第(i,j)项。随机矩阵D构造如下:
式中,di,dj分别是节点i,j的邻接节点数,max(di,dj)是节点i和其邻接节点j所具有的最大邻接节点数目,j∈di表示节点j和节点i邻接。
电压和频率状态都将一致收敛于整个系统的平均值,即
式中,e=[1,1,...,1]T;U0为系统的初始电压状态。分布式电源DGi的电压偏移为:
其中kp,ki是电压调节的PI参数。式(17)变为:
Pinp,i=En+Pref,inp,i+[Ei+kp(Uave-Ei)] (15)
即Pinp,i=En+Pref,inp,i+Uave。若设置Pn,inp,i=L为常数,则En+Pn,inp,i-Uave对于所有的分布式电源i都是定值,则有功输出功率有下式:
由上式看出,只需调节下垂系数便可实现各分布式电源DGi的有功功率按照参考指令值,实现精确分配。
3)三级控制(集中优化、区域自治)
由于能源局域网分布式电源的高渗透性,使得传统的集中式控制方法无法从根本上解决系统的优化控制问题,分布式优化控制虽然灵活、稳定,但难以从全局角度优化控制整个系统。因此,应结合集中式与分布式优化控制的优点,实现网络的分布式分层优化控制。在能源局域网和外部网络之间设置的能量路由器智能体,并网运行处于正常工况时,发送能源局域网的优化目标到各智能体,由能源局域网内的可调设备进行协调控制,自身决策所属系统内各能源设备的容量配置。当能量路由器智能体检测到外部电网故障时,联络线功率调零,与外部电网断开,能源局域网内各智能体由联网模式切换为孤岛模式,进行本地控制;当检测到外部电网故障消除,则能源局域网内各智能体快速调整各分布式电源的电压及频率,联络线恢复并网,即恢复联网模式。
由图3所示,能源局域网分布式协同优化调控过程具体描述如下:(1)集中优化、区域自治,外部网络智能体接收来自能量路由器的各分布式电源运行状态及负荷侧响应信息,综合考虑市场实时电价、储能寿命及风、光发电随机性、系统运行成本、环境保护成本等情况下,确定各分布式电源的功率,安排日前发电计划。如果日前预测不存在误差,则进入指令控制模式;如果日前预测存在误差,则进入反馈校正控制模式;(2)次级功率优化控制,按照优化调度目标,各分布式电源进行功率分配,检测误差是否满足联络线约束,如果满足,则采集能源局域网内负荷被动信息,通过调节储能装置快速平抑联络线功率波动;如果不满足联络线功率约束,则根据能源局域网内负荷波动和分布式电源运行进行功率分配修正,确定参与任务的节点,通过一致性迭代计算收敛值,对各节点电压、功率按照收敛平均值修正,此修正值结合根据本地信息制定的下垂控制策略,调节下垂系数,确保联络线功率跟踪日前计划值;(3)本地下垂控制,如果能量路由器智能体检测到主网故障,则由联网转孤岛模式工作,联络线功率调零,与外部网络断开,然后采集本地状态信息,和邻近智能体之间通信交换运行状态信息,基于一致性算法获得系统电压及频率,对各分布式电源重新进行功率分配,维持系统状态稳定。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种基于多智能体系统的能源局域网分布式协同控制方法,其特征在于,包括如下步骤:
(1)构建能源局域网三级控制架构,即“本地下垂控制-次级功率优化控制-集中优化、区域自治”的控制架构,每个采用下垂控制的分布式电源、储能系统、负荷、控制装置、能量路由器和外部网络安装智能体,实现能源局域网的源-网-荷-储互动;
(2)设计调度决策功能模块,在能源局域网内部发生故障切机和并、离网切换过程中,协调不同控制响应速率的可调控资源,响应局域网内部和外部的能量需求,快速平抑联络线的功率波动;
(3)构建基于多智能体系统的分布式稀疏通信网络,通过邻近智能体间通信,基于一致性算法估算出全网的平均电压和频率,对本地下垂控制器的电压和频率进行修正,模拟同步发电机的行为;当能量路由器智能体检测到外部网络故障,联络线功率计划调零,孤岛情况下各邻接的分布式电源智能体间进行通信,获取系统的电压及频率信息,维持系统状态稳定。
2.如权利要求1所述的基于多智能体系统的能源局域网分布式协同控制方法,其特征在于,所述各分布式电源的下垂系数为
3.如权利要求2所述的基于多智能体系统的能源局域网分布式协同控制方法,其特征在于,所述各分布式电源的输出电压、频率为
Eref,i=En+np,i(Pref,i-Pi)=Emax-np,iPi,
fref,i=fn+nq,i(Qn,i-Qi)。
4.如权利要求3所述的基于多智能体系统的能源局域网分布式协同控制方法,其特征在于,所述一致性算法为i=1,2,...,n,重复该迭代过程,直到达到设定的收敛精度为止。
5.如权利要求4所述的基于多智能体系统的能源局域网分布式协同控制方法,其特征在于,所述设定的收敛精度为所述一致性算法迭代得到xi[k],当前后两次的迭代值满足时,迭代结束,其中ε为定值。
6.如权利要求5所述的基于多智能体系统的能源局域网分布式协同控制方法,其特征在于,电压和频率一致收敛于整个系统的平均值,即
7.如权利要求6所述的基于多智能体系统的能源局域网分布式协同控制方法,其特征在于,所述本地状态信息和所述全网平均状态信息的偏差量为电压偏差量ΔEi,
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&Delta;E</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mo>(</mo>
<mrow>
<msub>
<mi>k</mi>
<mi>p</mi>
</msub>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>k</mi>
<mi>i</mi>
</msub>
</mfrac>
</mrow>
<mo>)</mo>
<mo>&lsqb;</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>E</mi>
<mi>n</mi>
</msub>
<mo>+</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<msub>
<mi>n</mi>
<mrow>
<mi>p</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>e</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<msub>
<mi>n</mi>
<mrow>
<mi>p</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>k</mi>
<mi>p</mi>
</msub>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>k</mi>
<mi>i</mi>
</msub>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>U</mi>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>e</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>E</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>.</mo>
</mrow>
8.如权利要求7所述的基于多智能体系统的能源局域网分布式协同控制方法,其特征在于,所述分布式电源的功率精确分配的算法为
9.如权利要求1-8任一项所述的基于多智能体系统的能源局域网分布式协同控制方法,其特征在于,能源局域网和外部网络之间设置的能量路由器智能体,在正常稳定工况下,发送控制指令给能源局域网的各智能体,由能源局域网智能体对各分布式电源进行协调控制;当能量路由器智能体检测到外部网络发生故障,则调整两者之间的联络线功率为零,能源局域网与外部网络断开,能源局域网各智能体由联网模式切换为孤岛模式,当能量路由器智能体检测到外部网络故障消除时,则能源局域网的各智能体快速调整各分布式电源的状态信息(电压、频率、功率),恢复联络线功率,和外部网络重新连接,即恢复联网模式。
10.如权利要求8所述的基于多智能体系统的能源局域网分布式协同控制方法,其特征在于,所述能源局域网三级控制架构的工作流程为:
(1)集中优化、区域自治,外部网络智能体接收来自能量路由器的各分布式电源运行状态及负荷需求侧响应信息,综合考虑市场实时电价、储能寿命及风、光发电随机性、系统运行成本、环境保护成本等情况下,确定各分布式电源的功率,安排日前发电计划。如果日前预测不存在误差,则进入指令控制模式;如果日前预测存在误差,则进入反馈校正控制模式;
(2)次级功率优化控制,按照优化调度目标,各分布式电源进行功率分配,检测误差是否满足联络线约束,如果满足,则采集能源局域网内负荷被动信息,通过调节储能装置快速平抑联络线功率波动;如果不满足联络线功率约束,则根据能源局域网内负荷波动和分布式电源运行进行功率分配修正,确定参与任务的节点,通过一致性迭代计算收敛值,对各节点电压、功率按照收敛平均值修正,此修正值结合根据本地信息制定的下垂控制策略,调节下垂系数,确保联络线功率跟踪日前计划值;
(3)本地下垂控制,当能量路由器智能体检测到主网故障,能源局域网的各智能体由联网转孤岛模式工作,联络线功率调零,与外部网络断开,采集本地状态信息,和邻近智能体之间通信交换运行状态信息,基于一致性算法获得系统电压及频率,对各分布式电源重新进行功率分配,维持系统状态稳定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711314807.2A CN108039726B (zh) | 2017-12-12 | 2017-12-12 | 一种基于多智能体系统的能源局域网分布式协同控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711314807.2A CN108039726B (zh) | 2017-12-12 | 2017-12-12 | 一种基于多智能体系统的能源局域网分布式协同控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108039726A true CN108039726A (zh) | 2018-05-15 |
CN108039726B CN108039726B (zh) | 2021-02-09 |
Family
ID=62102197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711314807.2A Active CN108039726B (zh) | 2017-12-12 | 2017-12-12 | 一种基于多智能体系统的能源局域网分布式协同控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108039726B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108897215A (zh) * | 2018-06-25 | 2018-11-27 | 西北工业大学 | 基于分布式模型预测控制的多海洋机器人协同环形扫描方法 |
CN109150333A (zh) * | 2018-08-08 | 2019-01-04 | 广西师范大学 | 基于能量共享的分布式基站远程天线单元选择方法 |
CN109687526A (zh) * | 2019-03-06 | 2019-04-26 | 华北电力大学 | 一种基于一致性理论的孤岛微电网分层分布式控制策略 |
CN109767350A (zh) * | 2018-12-19 | 2019-05-17 | 国网江苏省电力有限公司 | 一种电网资源调度方法和装置 |
CN109787276A (zh) * | 2018-12-12 | 2019-05-21 | 北京博锐尚格节能技术股份有限公司 | 一种分布式能源系统、能源智能终端及其控制方法 |
CN110071514A (zh) * | 2019-05-14 | 2019-07-30 | 电子科技大学 | 一种用于功率分配和电压频率恢复的一致性下垂控制方法 |
CN110601185A (zh) * | 2019-09-17 | 2019-12-20 | 武汉大学 | 一种基于统一潮流模型和随机矩阵的综合能源系统薄弱点辨识方法 |
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 |
CN110620380A (zh) * | 2019-09-05 | 2019-12-27 | 深圳供电局有限公司 | 一种虚拟电厂控制系统 |
CN110707743A (zh) * | 2019-09-23 | 2020-01-17 | 南京理工大学 | 基于mas的双模式分布式光伏发电微网控制系统及方法 |
CN111262275A (zh) * | 2020-03-26 | 2020-06-09 | 西安电子科技大学 | 一种模拟空间太阳能电站的全局协同控制方法 |
CN111884346A (zh) * | 2020-08-17 | 2020-11-03 | 国网四川省电力公司电力科学研究院 | 基于广域量测信息的低压配电网保护方法和介质 |
CN112865196A (zh) * | 2021-03-25 | 2021-05-28 | 东北大学 | 一种基于云-边-端架构的信息能源系统及其管控方法 |
CN112865116A (zh) * | 2021-01-11 | 2021-05-28 | 广西大学 | 一种平行联邦图神经网络的十三区图无功优化方法 |
CN113009822A (zh) * | 2021-02-23 | 2021-06-22 | 东北大学秦皇岛分校 | 一种基于权重不平衡有向网络的分布式平均跟踪方法 |
CN113487207A (zh) * | 2021-07-16 | 2021-10-08 | 重庆大学 | 基于多智能体系统最优用户集群的多能源社区中的多目标能源管理系统 |
CN113725922A (zh) * | 2021-08-24 | 2021-11-30 | 安徽大学 | 基于自触发机制的混合微电网有功功率分配方法及系统 |
CN113872250A (zh) * | 2021-09-23 | 2021-12-31 | 天津大唐国际盘山发电有限责任公司 | 基于火电的多能互补能源基地三级控制方法 |
CN113972745A (zh) * | 2021-11-05 | 2022-01-25 | 上海大周能源技术有限公司 | 一种具备即插即用功能的电能路由器 |
CN114696345A (zh) * | 2022-03-14 | 2022-07-01 | 国网湖北省电力有限公司电力科学研究院 | 一种基于最优潮流的分布式储能多层控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104638645A (zh) * | 2015-02-12 | 2015-05-20 | 东北大学 | 一种能源互联网及其分级控制系统与控制方法 |
CN105226826A (zh) * | 2015-10-27 | 2016-01-06 | 国网山东省电力公司泰安供电公司 | 分布式智能用电管理方法及系统 |
CN106712082A (zh) * | 2016-12-29 | 2017-05-24 | 中山市道享节能技术服务有限公司 | 一种基于多智能体的分布式发电系统 |
US20170176994A1 (en) * | 2015-12-21 | 2017-06-22 | Disney Enterprises, Inc. | Method and device for multi-agent path planning |
-
2017
- 2017-12-12 CN CN201711314807.2A patent/CN108039726B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104638645A (zh) * | 2015-02-12 | 2015-05-20 | 东北大学 | 一种能源互联网及其分级控制系统与控制方法 |
CN105226826A (zh) * | 2015-10-27 | 2016-01-06 | 国网山东省电力公司泰安供电公司 | 分布式智能用电管理方法及系统 |
US20170176994A1 (en) * | 2015-12-21 | 2017-06-22 | Disney Enterprises, Inc. | Method and device for multi-agent path planning |
CN106712082A (zh) * | 2016-12-29 | 2017-05-24 | 中山市道享节能技术服务有限公司 | 一种基于多智能体的分布式发电系统 |
Non-Patent Citations (6)
Title |
---|
GEORGIOS STAMATIOU: "Power-dependent droop-based control strategy for multi-terminal HVDC transmission grids", 《IET GENERATION,TRANSMISSION&DISTRIBUTION》 * |
WEI LIU: "Decentralized Multi-Agent System-Based Cooperative Frequency Control for Autonomous Microgrids With Communication Constraints", 《IEEE TRANSACTIONS ON SUSTAINABLE ENERGY》 * |
吴莹: "稀疏通信下分布式电源微增率一致性加速算法", 《电力系统自动化》 * |
张东: "基于下垂系数步长自适应的下垂控制策略", 《电力系统自动化》 * |
郭倩: "考虑自适应虚拟阻抗的微电网分布式功率控制策略", 《电力系统自动化》 * |
顾伟: "基于有限时间一致性的直流微电网分布式协同控制", 《电力系统自动化》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108897215A (zh) * | 2018-06-25 | 2018-11-27 | 西北工业大学 | 基于分布式模型预测控制的多海洋机器人协同环形扫描方法 |
CN109150333B (zh) * | 2018-08-08 | 2021-02-12 | 广西师范大学 | 基于能量共享的分布式基站远程天线单元选择方法 |
CN109150333A (zh) * | 2018-08-08 | 2019-01-04 | 广西师范大学 | 基于能量共享的分布式基站远程天线单元选择方法 |
CN109787276A (zh) * | 2018-12-12 | 2019-05-21 | 北京博锐尚格节能技术股份有限公司 | 一种分布式能源系统、能源智能终端及其控制方法 |
CN109767350A (zh) * | 2018-12-19 | 2019-05-17 | 国网江苏省电力有限公司 | 一种电网资源调度方法和装置 |
CN109687526A (zh) * | 2019-03-06 | 2019-04-26 | 华北电力大学 | 一种基于一致性理论的孤岛微电网分层分布式控制策略 |
CN110071514A (zh) * | 2019-05-14 | 2019-07-30 | 电子科技大学 | 一种用于功率分配和电压频率恢复的一致性下垂控制方法 |
CN110071514B (zh) * | 2019-05-14 | 2022-11-29 | 电子科技大学 | 一种用于功率分配和电压频率恢复的一致性下垂控制方法 |
CN110620380B (zh) * | 2019-09-05 | 2023-06-20 | 深圳供电局有限公司 | 一种虚拟电厂控制系统 |
CN110620380A (zh) * | 2019-09-05 | 2019-12-27 | 深圳供电局有限公司 | 一种虚拟电厂控制系统 |
CN110601185A (zh) * | 2019-09-17 | 2019-12-20 | 武汉大学 | 一种基于统一潮流模型和随机矩阵的综合能源系统薄弱点辨识方法 |
CN110707743A (zh) * | 2019-09-23 | 2020-01-17 | 南京理工大学 | 基于mas的双模式分布式光伏发电微网控制系统及方法 |
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 |
CN111262275A (zh) * | 2020-03-26 | 2020-06-09 | 西安电子科技大学 | 一种模拟空间太阳能电站的全局协同控制方法 |
CN111262275B (zh) * | 2020-03-26 | 2023-02-24 | 西安电子科技大学 | 一种模拟空间太阳能电站的全局协同控制方法 |
CN111884346A (zh) * | 2020-08-17 | 2020-11-03 | 国网四川省电力公司电力科学研究院 | 基于广域量测信息的低压配电网保护方法和介质 |
CN112865116A (zh) * | 2021-01-11 | 2021-05-28 | 广西大学 | 一种平行联邦图神经网络的十三区图无功优化方法 |
CN113009822A (zh) * | 2021-02-23 | 2021-06-22 | 东北大学秦皇岛分校 | 一种基于权重不平衡有向网络的分布式平均跟踪方法 |
CN113009822B (zh) * | 2021-02-23 | 2022-08-30 | 东北大学秦皇岛分校 | 一种基于权重不平衡有向网络的分布式平均跟踪方法 |
CN112865196A (zh) * | 2021-03-25 | 2021-05-28 | 东北大学 | 一种基于云-边-端架构的信息能源系统及其管控方法 |
CN113487207B (zh) * | 2021-07-16 | 2022-06-28 | 重庆大学 | 基于多智能体系统最优用户集群的多能源社区中的多目标能源管理系统 |
CN113487207A (zh) * | 2021-07-16 | 2021-10-08 | 重庆大学 | 基于多智能体系统最优用户集群的多能源社区中的多目标能源管理系统 |
CN113725922A (zh) * | 2021-08-24 | 2021-11-30 | 安徽大学 | 基于自触发机制的混合微电网有功功率分配方法及系统 |
CN113872250A (zh) * | 2021-09-23 | 2021-12-31 | 天津大唐国际盘山发电有限责任公司 | 基于火电的多能互补能源基地三级控制方法 |
CN113872250B (zh) * | 2021-09-23 | 2023-10-20 | 天津大唐国际盘山发电有限责任公司 | 基于火电的多能互补能源基地三级控制方法 |
CN113972745A (zh) * | 2021-11-05 | 2022-01-25 | 上海大周能源技术有限公司 | 一种具备即插即用功能的电能路由器 |
CN114696345A (zh) * | 2022-03-14 | 2022-07-01 | 国网湖北省电力有限公司电力科学研究院 | 一种基于最优潮流的分布式储能多层控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108039726B (zh) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108039726A (zh) | 一种基于多智能体系统的能源局域网分布式协同控制方法 | |
Zhao et al. | Distributed agent consensus-based optimal resource management for microgrids | |
CN105552940B (zh) | 基于交替方向乘子算法的分布式全局最优能量管理系统 | |
CN104092303B (zh) | 风光分布式发电独立微网能量管理协调控制系统及方法 | |
CN105762841B (zh) | 一种并联虚拟同步发电机分布式协同运行控制方法及系统 | |
CN103870649B (zh) | 一种基于分布式智能计算的主动配电网自治化仿真方法 | |
CN107947175B (zh) | 一种基于分布式网络控制的微电网经济调度方法 | |
CN103401241B (zh) | 一种基于分布式电源自组网策略的微电网供电恢复方法 | |
CN107317361A (zh) | 一种考虑区域自治能力的主动配电网全局优化调度方法 | |
CN105305430B (zh) | 基于分层控制的光储发电系统电能质量提升方法 | |
Binetti et al. | Distributed solution for the economic dispatch problem | |
CN104158187A (zh) | 一种局域电网能量和功率二次分配的控制方法及控制系统 | |
CN203839944U (zh) | 基于dg自组网策略的微电网运行模式平滑切换的控制系统 | |
CN106374498A (zh) | 一种考虑二次电压频率控制的微电网潮流计算方法 | |
Zhang et al. | Distributed optimal active power dispatch under constraints for smart grids | |
CN109120018A (zh) | 基于一致性迭代算法的混合配电网分布式控制方法及系统 | |
Li et al. | Probabilistic optimal operation management of microgrid using point estimate method and improved bat algorithm | |
Merahi et al. | A novel power management strategies in PV‐wind‐based grid connected hybrid renewable energy system using proportional distribution algorithm | |
CN106611966B (zh) | 多逆变器型交流微电网分布式经济性自动发电控制算法 | |
CN106780119A (zh) | 基于多主动管理的配电网可再生能源消纳方法 | |
CN107332353A (zh) | 基于通信约束和时变负荷的孤岛微电网分布式经济协调方法 | |
Abedini et al. | Adaptive energy consumption scheduling of multi-microgrid using whale optimization algorithm | |
CN110518641A (zh) | 一种交流微电网实现功率分配的分布式分层协调控制方法 | |
Yu et al. | Research on the construction of new energy microgrids for wind power generation based on green and low carbon | |
Tian et al. | Big data mining based coordinated control discrete algorithm of independent micro grid with PV and energy |
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 |