CN110556841A - 一种计及无线通信时延的孤岛微电网频率控制器设计方法 - Google Patents

Abstract

本发明公开了一种计及无线通信时延的孤岛微电网频率控制器设计方法，包括以下步骤：基于M/M/1型排队论建立考虑网络通信负载变化的级联时变时延模型；基于电力系统的连续时间特性，建立微电网分布式发电系统的连续时间频率控制模型；采用分段积分对连续时间频率控制模型进行处理，建立考虑级联时变时延模型的离散时间分布式发电系统频率控制模型；基于离散时间分布式发电系统频率控制模型，针对由网络负载变化造成的时变时延，结合控制理论中的离散随机控制原理，采用线性二次高斯控制方法设计控制器，减小无线网络中通信时延对微电网频率稳定性的影响。本发明减小了网络化控制中的时变通信时延对微电网频率稳定性的影响。

Description

一种计及无线通信时延的孤岛微电网频率控制器设计方法

技术领域

本发明涉及微电网频率控制器领域，尤其涉及一种计及无线通信时延的孤岛微电网频率控制器设计方法。

背景技术

传统的孤岛微电网频率控制多采用本地下垂控制方法，而微电网中各发电单元间的差异性大，使得微电网的运行工况更为复杂，仅使用本地控制不能满足全局实时控制要求。微电网中央能量管理监控系统(EMS/SCADA)的引入可以满足控制实时性要求，但对数据的实时性和可靠性提出了更高的要求。传统电力专线通信中的时延为固定的短时延，往往可以忽略不计，现代微电网的发展迫切需要建立开放的通信设施以支持日益扩展的分布式发电系统，无线通信网络以其灵活的扩展性、较强的适应性和低廉的成本等优势受到了广泛关注。受无线网络传输负载状况及传输节点分布等因素影响，EMS/SCADA中存在数百毫秒甚至数秒的随机长时延。通信时延使发电机组因不能及时执行正确的指令出现转速失稳，加剧有功失衡，破坏频率稳定。

目前在考虑通信时延的微电网频率控制的研究中，并未考虑到通信网络负载的变化对通信时延造成的影响。而微电网中存在大量的电力电子设备，对数据的实时性要求远高于传统的大电网，尤其当微电网出现运行故障时，需要采集、传输和下发大量的运行数据和控制指令，这也会赋予通信时延以随机性。需要建立合适的时延模型并设计控制器减小随机时延对微电网频率的影响。

发明内容

本发明提供了一种计及无线通信时延的孤岛微电网频率控制器设计方法，本发明减小了网络化控制中的时变通信时延对微电网频率稳定性的影响，详见下文描述：

一种计及无线通信时延的孤岛微电网频率控制器设计方法，所述方法包括以下步骤：

基于M/M/1型排队论建立考虑网络通信负载变化的级联时变时延模型；

基于电力系统的连续时间特性，建立微电网分布式发电系统的连续时间频率控制模型；

采用分段积分对连续时间频率控制模型进行处理，建立考虑级联时变时延模型的离散时间分布式发电系统频率控制模型；

基于离散时间分布式发电系统频率控制模型，针对由网络负载变化造成的时变时延，结合控制理论中的离散随机控制原理，采用线性二次高斯控制方法设计控制器，减小无线网络中通信时延对微电网频率稳定性的影响。

进一步地，所述级联时变时延模型具体为：

E(τ)＝1/(μ-λ)+a/(aμ-bλ)

其中，排队时延τ₁服从参数为μ-λ的指数分布，记作τ₁～M(μ-λ)，排队时延τ₂～M(μ-(bλ/a))，M为表示数据包的到达时间间隔和服务器的处理时间都服从泊松分布，λ为汇聚节点的数据到达率，μ为数据的处理速率，a为集中器节点数目，b为每个集中器下的数据采集节点数目。

其中，所述方法还包括：

根据不同的网路结构和网络负载状况，获取到级联时变时延模型。

进一步地，所述连续时间频率控制模型考虑输出测量的噪声，引入测量噪声，同时将新能源输出的波动和负荷波动视为扰动。

本发明提供的技术方案的有益效果是：

1、本发明在确定网络结构后，时延模型中以数据包的到达速率变化表示通信网络负载的变化；

2、本发明在得到连续时间的分布式发电系统频率控制模型后，进一步采用在每个采样周期内分段积分的方法得到离散时间的频率控制模型以适应信息系统的离散时间特性；

3、本发明针对网络负载变化带来的时延随机性，结合控制理论中的离散随机控制原理，采用线性二次高斯控制方法设计控制器，减小无线网络中通信时延对微电网频率稳定性的影响。

附图说明

图1是本发明的一种计及无线通信时延的孤岛微电网频率控制器设计方法的流程图；

图2是级联数据包的马尔科夫状态跳变过程的示意图；

图3是连续时间的微电网频率控制图；

图4是考虑时延的闭环分布式发电系统结构图；

图5是考虑时延的微网频率控制器的结构图；

图6是时延为1.66s固定时延的频率响应图；

图7是时延为0s到1.66s随机时延的频率响应图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

实施例1

本发明实施例提供了一种计及无线通信时延的孤岛微电网频率控制器设计方法，参见图1，该方法包括以下步骤：

101：基于M/M/1型排队论(其中，M表示数据包的到达时间间隔和服务器的处理时间都服从泊松分布)建立考虑网络通信负载变化的级联时变时延模型；

首先，将数据采集-子站汇聚-集中控制三层两级结构通信网络中的每一级等效为一个排队队列和一个服务器模型，对于排队队列数据包到达的时间间隔和服务器处理的时间均服从泊松分布且两者相互独立的情况，在确定网络结构的基础上利用M/M/1型排队论建立考虑通信负载变化的级联时延模型。

其中，数据采集-子站汇聚-集中控制三层两级结构通信网络、以及M/M/1型排队论为本领域技术人员所公知，本发明实施例对此不做赘述。

102：由于电力系统的连续时间特性，建立微电网分布式发电系统的连续时间频率控制模型；

其中，微电网中具备调频能力的发电单元为传统柴油发电机组和燃料电池发电机组。由于电力系统的连续时间特性，在柴油发电机组中考虑调速环节和发电环节，在调速器环节中，将小偏差进行线性化处理且忽略调速器中运动部件的质量和液态摩擦力，将其等效为一阶惯性环节；对发电环节，考虑转子运动方程，忽略磁滞和磁饱和的影响，并认为定子磁场沿气隙正弦分布，将其简化为一阶惯性环节；其次，在燃料电池发电中，燃料电池中的氢气和氧气通过管道输送，稳态时气体匀速输送，可将其视作气室容积环节，对管道内气体密度和气压变化做线性化处理，故传递函数可以由一阶惯性环节表示；最后，利用各发电单元功率增量、负荷变化量以及频率偏移量间满足的关系得到连续时间下的微电网频率网络控制模型，形式如下：

其中，x为状态变量，y为观测输出向量为状态变量对时间的导数，u为控制信号，A为系统状态矩阵，B为控制输入矩阵，C为观测输出矩阵，ξ为系统扰动输入，ε为测量噪声。

103：采用分段积分对步骤102中的连续时间频率控制模型进行处理，建立考虑步骤101中的级联时变时延模型的离散时间分布式发电系统频率控制模型；

104：基于离散时间分布式发电系统频率控制模型，针对由网络负载变化造成的时变时延，结合控制理论中的离散随机控制原理，采用线性二次高斯控制方法设计控制器，减小无线网络中通信时延对微电网频率稳定性的影响。

综上所述，本发明实施例通过上述步骤101-步骤104减小了网络化控制中的时变通信时延对微电网频率稳定性的影响，满足了实际应用中的多种需要。

实施例2

下面结合具体的计算公式、图2-图5实例对实施例1中的方案进行进一步地介绍，详见下文描述：

201：建立考虑通信负载变化的级联时变时延模型；

假设通信网络中子站汇聚的集中器节点数目为a，每个集中器下的数据采集节点数目为b，设各节点的数据发送频率相同，汇聚节点的数据到达率为λ，则控制中心前置机节点的数据到达率为bλ/a，如图2中①所示，设两个队列中排队的数据包个数分别为q₁和q₂，其中q₁所在的队列为第一级队列，q₂所在的队列为第二级队列，且其处理率均为μ，不同链路的到达和处理相互独立，此时，用二维马尔科夫过程表示不同状态间的一步跳变关系，则队列的状态间跳变过程可表示为图2，图中①到②以及③到①均表示一步状态变化中仅有第一级队列到达一个新的数据包(即q₂保持不变)；④到①以及①到⑤均表示一步状态变化中仅有第二级队列处理完一个数据包(即q₁保持不变)；⑥到①以及①到⑦均表示一步状态变化中第一级队列中处理了一个数据包且该数据包到达第二级队列中排队(即q₁和q₂均发生变化)。

当无线网络的通信稳定时，可得到其局部的平衡方程为：

其中，表示队列状态处于(q₁,q₂)，即第一级队列中的数据包数目为q₁，第二级队列中数据包的数目为q₂时的概率，可得到汇聚节点的边缘概率为：

上述式中，为第一级队列中的数据包个数为q₁-1，第二级队列中数据包个数为q₂的概率，为第一级队列中的数据包个数为q₁，第二级队列中数据包个数为q₂+1的概率，为第一级队列中的数据包个数为q₁+1，第二级队列中数据包个数为q₂-1的概率，为第一级队列中的数据包个数为q₁的边缘概率。

根据边缘概率可得数据在汇聚节点的排队时延τ₁的期望值为：

E(τ₁)＝1/(μ-λ) (3)

同理可得数据在控制中心节点的排队时延τ₂的期望值为：

E(τ₂)＝a/(aμ-bλ) (4)

故两级级联队列的时延τ的期望为：

E(τ)＝1/(μ-λ)+a/(aμ-bλ) (5)

其中，根据排队论可得排队时延τ₁服从参数为μ-λ的指数分布，记作τ₁～M(μ-λ)，同理τ₂～M(μ-(bλ/a))，M为表示数据包的到达时间间隔和服务器的处理时间都服从泊松分布。

需要说明的是，在本实施例中，不同的网络结构、数据到达率和数据会得到不同的时延模型。因此，根据不同的网路结构和网络负载状况，可以得到级联时变时延模型(即公式(5))。

202：联立微电网系统的动态模型、以及功率平衡方程获取连续时间下的微电网分布式发电系统的空间状态方程；

针对具有调频能力的柴油机组合燃料电池发电系统，考虑柴油发电机的调速器环节G_G和发电环节G_T以及燃料电池发电系统的容积环节G_FC。

1)调速器环节G_G；

具体实现时，对小偏差(例如油动机在平衡位置的附近作微小幅度的变化，由于幅度微小，故忽略其非线性性质)进行线性化处理，且忽略调速器中运动部件的质量和液态摩擦力。

2)发电环节G_T；

考虑转子运动方程，忽略磁滞和磁饱和的影响，并认为定子磁场沿气隙正弦分布。

对柴油发电系统有以下关系成立：

其中，ΔP_v、ΔP_m分别为柴油发电系统调节器信号增量和柴油发电机的电功率增量，T_G、T_T分别为调速器环节、发电环节的时间常数，u为控制信号，α_1i为柴油发电的调频参与因子，Δf为频率偏差。

3)容积环节G_FC；

燃料电池中的氢气和氧气通过管道输送，稳态时气体匀速输送，可将其视作气室容积环节G_FC，对管道内气体密度和气压变化做线性化处理，并有以下微分关系成立：

其中，ΔP_FC为燃料电池发电输出功率增量，T_FC为燃料电池的时间常数，α_Fi为燃料电池的调频参与因子，其与α_1i满足∑α_1i+∑α_Fi＝1，R_FC为燃料电池的调频系数。

4)构建微电网系统的动态模型、以及功率平衡方程；

微电网系统的动态模型如图3所示。图中R为各发电单元的调频系数；β为独立微电网的频率偏差因子；ΔP_d为负荷变化量；G_{p_eq}(s)为微电网发电机-负荷等效传递函数，表达式如下。

其中，D_eq是所有阻尼系数和等效阻尼系数之和，M_eq是所有转动惯量和等效转动惯量之和，D_1p、M_1p为柴油发电机阻尼系数和转动惯量，D_2q、M_2q为光伏发电系统的等效阻尼系数和等效转动惯量，D_3r、M_3r为风力发电机的阻尼系数和转动惯量，D_FCj、M_FCj为燃料电池发电的等效阻尼系数和等效转动惯量，m为微电网中柴油发电机组的数目，s为时域经拉式变换后得到的在复频域中的复数变量，l为风电机组的数目，n为光伏发电机组的数目，k为燃料电池发电的数目。

具体实现时，微电网中各发电单元的功率增量式、负荷变化量以及频率偏移量间满足功率平衡方程：

其中，ΔP_W为风力发电的输出功率波动，ΔP_PV为光伏的输出功率波动，ΔP_mp为柴油发电机的电功率增量，ΔP_d为负荷的变化量。

5)联立微电网系统的动态模型(6)-(8)以及功率平衡方程式(9)，获取微电网分布式发电系统的空间状态方程。

本文选取式(6)-(9)中带有微分的量作为状态变量，选取的状态变量为x＝[Δf,ΔP_m1,ΔP_m2,…,ΔP_mm,ΔP_v1,ΔP_v2,…,ΔP_vm,ΔP_FC1,ΔP_FC2,…,ΔP_FCk]^T。

联立上式可以得到微电网分布式发电系统的空间状态方程，如下：

其中，O为零矩阵，C＝[β O_1×m O_1×m O_1×k]为测量矩阵，考虑输出测量的噪声，引入测量噪声ε(t)。

状态方程中的各系数为：

需要说明的是，图3中将新能源输出的波动ΔP_W、ΔP_PV和负荷波动ΔP_d视为扰动。

203：根据微电网分布式发电系统的空间状态方程，建立离散时间分布式发电系统频率控制模型；

具体实现时，考虑到信息系统的离散时间特性，需要建立微电网离散时间的分布式发电系统频率控制模型。从数据的传输过程考虑，网络时延可分为远程测控终端上传到控制中心的时延τ_sc、以及控制中心下发给各执行器的时延τ_ca。

为研究方便，本发明实施例将这两部分合并考虑为反馈过程的时延τ，此时，考虑网络随机时延的分布式发电系统的闭环控制结构如图4所示。其中，设E(τ)为步骤201中式(5)的E(τ)，为微电网频率稳定的时延上界，对于视为数据丢包，在本发明实施例中不作考虑。

一个采样周期[kT，(k+1)T)内到达执行器上的控制量u(t)分段连续，u(t)的变化发生在kT+t_i时刻(i＝0,1,2,…，h-1,h，且定义t₀＝0，t_h+1＝T)，其中h为时延上界对应的采样周期数。

对步骤202中得到的空间状态方程(10)在每个采样周期内进行积分，可以得到离散时间分布式发电系统频率控制模型，形式如下：

其中，x_k＝x(kT)，y_k＝y(kT)，u_k＝u(kT)，A_s＝e^AT，ε_k＝ε(kT)，A为式(10)中的A，T为采样周期，ξ(s)为与(10)中ξ(t)相同，仅是更换了变量符号。

204：采用随机最优控制理论中线性二次高斯控制方法设计状态反馈控制器。

其中，在步骤203中得到了考虑通信时延的离散时间频率控制模型，在此基础上，采用随机最优控制理论中线性二次高斯控制方法设计状态反馈控制器，减小信息系统的通信时延和测量噪声对微电网频率的影响，使频率获得更小的频率偏差和调节时间，提升频率的动态性能。

根据线性二次高斯控制方法，首先利用卡尔曼滤波对状态变量估计，在选定状态变量x情况下的控制性能指标由下式给出：

其中，Q₀、Q₁为对称非负定矩阵，Q₂为对称正定权矩阵，均需人为设定，在步骤202中选取的状态变量为x＝[Δf,ΔP_m1,ΔP_m2,…,ΔP_mm,ΔP_v1,ΔP_v2,…,ΔP_vm,ΔP_FC1,ΔP_FC2,…,ΔP_FCk]^T，由于x_N为确定的终值，所以对Q₀选取不需要加以控制，Q₁的行列式越大，对x_k的偏差的限制月严格，Q₂的行列式越大，系统的调整速度越慢。

由于在步骤203中模型(11)中的离散状态方程中含有u_-1…u_-h输入，所以引入增广向量，采用变量替换的方法，设则原系统(11)可以表示为：

其中，

针对网络负载变化造成的时延随机性，根据随机最优控制理论，离散后的网络控制系统的控制策略为：

其中，

需要说明的是，图5中的控制器的结构图中已经依据线性二次高斯控制方法中的分离定律，包含了卡尔曼滤波器，其中Φk、Γk、C0、ξ_k以及ε_k与式(13)中相同，z^-1表示在复频域中进行积分，K_f表示卡尔曼滤波器的增益，-L_k与式(14)中一致，为状态变量x(t)对时间的一阶导数，为状态变量的观测值，r(t)为频率偏差的参考值，y(t)为频率偏差的输出，u(t)为控制信号输入。

综上所述，本发明实施例通过上述步骤201-步骤206针对网络负载变化带来的时延随机性，结合控制理论中的离散随机控制原理，采用线性二次高斯控制方法设计控制器，减小无线网络中通信时延对微电网频率稳定性的影响。

实施例3

下面结合图6、图7、以及具体的实验数据对实施例1和2中的方案进行可行性验证，详见下文描述：

图6中选取的网络结构为a＝4，每个集中器节点下的采集节点数为b＝5。采用本发明实施例步骤201建立的级联时变时延模型，在网络负载较高即λ＝9packets/s时，两级队列中的总时延均值为1.66s，在网络负载较低即λ＝3packets/s时，两级队列中的总时延均值为0.23s，将大于均值的时延视为丢包。

本发明实施例提出的控制方法可以稳定频率，最大频率偏差为0.55Hz，调节时间上升到2.53s。

需要说明的是，图7中的网络结构与网络负载保持不变，而通信网络中时延的随机性是由网络负载变化带来的，采用本方法得到的微电网频率的调节时间为1.94s，最大频率偏差上升到0.63Hz。

综上所述，本发明实施例基于M/M/1型排队论建立考虑网络通信负载变化的级联时延模型，考虑到电力系统本身在时间上是连续的，首先建立了微电网分布式发电系统的连续时间频率控制模型，然后基于采样时间，利用分段积分的方法建立离散时间的分布式发电系统频率控制模型以适应信息系统的离散时间特性，针对网络负载变化带来的时延随机性，结合控制理论中的离散随机控制原理，采用线性二次高斯控制方法设计控制器，减小无线网络中通信时延对微电网频率稳定性的影响。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种计及无线通信时延的孤岛微电网频率控制器设计方法，其特征在于，所述方法包括以下步骤：

基于M/M/1型排队论建立考虑网络通信负载变化的级联时变时延模型；

基于电力系统的连续时间特性，建立微电网分布式发电系统的连续时间频率控制模型；

采用分段积分对连续时间频率控制模型进行处理，建立考虑级联时变时延模型的离散时间分布式发电系统频率控制模型；

基于离散时间分布式发电系统频率控制模型，针对由网络负载变化造成的时变时延，结合控制理论中的离散随机控制原理，采用线性二次高斯控制方法设计控制器，减小无线网络中通信时延对微电网频率稳定性的影响。

2.根据权利要求1所述的一种计及无线通信时延的孤岛微电网频率控制器设计方法，其特征在于，所述级联时变时延模型具体为：

E(τ)＝1/(μ-λ)+a/(aμ-bλ)

其中，排队时延τ₁服从参数为μ-λ的指数分布，记作τ₁～M(μ-λ)，排队时延τ₂～M(μ-(bλ/a))，M为表示数据包的到达时间间隔和服务器的处理时间都服从泊松分布，λ为汇聚节点的数据到达率，μ为数据的处理速率，a为集中器节点数目，b为每个集中器下的数据采集节点数目。

3.根据权利要求1或2所述的一种计及无线通信时延的孤岛微电网频率控制器设计方法，其特征在于，所述方法还包括：

根据不同的网路结构和网络负载状况，获取到级联时变时延模型。

4.根据权利要求1或2所述的一种计及无线通信时延的孤岛微电网频率控制器设计方法，其特征在于，所述连续时间频率控制模型考虑输出测量的噪声，引入测量噪声，同时将新能源输出的波动和负荷波动视为扰动。