CN110611333A - 一种考虑通信问题的孤岛微电网分布式协调控制方法 - Google Patents

Abstract

本发明提供一种考虑通信问题的孤岛微电网分布式协调控制方法，基于分布式信息并考虑信息传输过程中遇到的实际通信问题有效解决脱网自治下交流微电网频率和电压的稳定控制问题，避免集中通讯压力和频率电压波动过大以及通信中断造成的系统失稳。设计下垂控制器，优化频率和电压的动态性能。在二次控制中，引入集中式事件触发一致性协议，节约通信资源，考虑网络拓扑结构的不规律切换，在通信中断故障下设计一种数据补偿机制，采用邻居数据补偿和集中数据补偿相结合的方案；在数据预测上，提出了改进的基于时间序列的指数平滑模型，最终实现频率和电压的二次调整。

Description

一种考虑通信问题的孤岛微电网分布式协调控制方法

技术领域

本发明涉及智能电网控制技术领域，具体而言，尤其涉及一种考虑通信问题的孤岛微电网分布式协调控制方法。

背景技术

近年来，发展清洁能源，保障能源安全成为能源领域的核心内容。风力发电、光伏发电等分布式电源凭借其投资少、发电方式灵活、环保效应好等优点得到极大的发展。由于分布式电源种类不同、归属不同、数量庞大且分散难以直接接入配电网，提出了微电网概念。微电网是一个自治系统，有并网和孤岛两种运行模式。并网运行下，微电网的电压和频率主要由大电网来维护。可再生能源的发电比较依赖于当地天气条件，一般具有随机性，而负荷的跟随能力差，导致自治微电网的安全稳定性缺乏保障，因此，在孤岛运行下，如何保证既能满足负荷需求又能维持系统的安全稳定性是不小的挑战。这就要求自治微电网依托灵活的控制方法来解决，孤岛自治微电网控制技术是微电网运行的一项关键性技术难题。为适应智能电网互联需求，越来越多的电力设备具备嵌入式系统结构，大量的电器设备、数据采集设备通过电网、通信网两个实体网络连接，在一定程度上做到了计算、通信和物理的融合，具备了信息物理融合系统(Cyber-physical systems,CPS)的基本特征。未来，越来越多的微电网将与通信网络深度融合，演变成电力CPS系统。但通信技术的引入也同时带来了很多问题，如时滞、丢包和通信中断等。这也就要求设计出更安全、高效和实时的应对策略来解决这些通信问题。

目前，在微电网系统中普遍采用下垂控制来实现分布式电源(DistributedEnergy Resources,DER)的即插即用。但在稳态时，系统频率和电压与参考值存在偏差并且不能合理分配无功功率。因此，通常需要改进下垂控制或者添加二次控制而形成分层控制来校正频率和电压。传统的二次控制采用基于中央控制器的集中式控制结构，需要收集每个DER的全部信息，然后向每个DER发送控制指令。集中通讯不仅会带来信息传输压力，也会由于信息传输时滞恶化系统控制性能。近些年来，分布式协调控制策略被广泛应用到微电网的二次控制中。在分布式协调控制中，每个DER的控制器仅与邻近的DER通信，且不需要中央控制器，提高了系统的鲁棒性，但是仅仅如此还不足以满足微电网系统的各种随机变化。在此基础上，考虑通信中断等扰动问题，目前急需发展既智能又可靠的控制策略，使孤岛运行的微电网在负荷波动和通信故障下，还可以保证微电网中各DER输出良好的电压和频率的质量。

发明内容

根据上述提出的技术问题，而提供一种考虑通信问题的孤岛微电网分布式协调控制方法。本发明基于多智能体技术平台和分布式通讯，考虑网络拓扑结构切换和信息传输中断等实际问题，设计既可行又经济，既智能又可靠的分布式协调控制策略，进而确保脱网运行的微电网在大扰动下的安全稳定性，并改善频率和电压的动态性能。

本发明采用的技术手段如下：

一种考虑通信问题的孤岛微电网分布式协调控制方法，包括：

S1、基于多智能体技术平台和分布式通讯，考虑信息传输通信因素，设计下垂控制器；

S2、设计数据预测模型；

S3、在网络拓扑结构切换条件下，设计数据预测补偿机制。

进一步地，所述下垂控制器为通过在传统的下垂控制器中添加额外电压/频率补偿项的下垂控制器，具体表示如下：

且

式中m_i、n_i为下垂系数，ω_iref和U_iref为参考值，P_i ^*和为有功和无功功率额定值，P_i ^pu和为功率标幺值，N_i为第i个DER的邻居单位数量；与传统下垂特性相比，该控制器加入了频率/电压补偿项 k_iω和k_iu为补偿增益，通过优化补偿增益使频率和电压输出接近标准值，同时需满足Δω_i≤m_iP_i，ΔU_i≤n_iQ_i。

进一步地，所述设计数据预测模型的具体过程如下：

S21、数据处理，通过下式筛选可用预测数据：

X_i，min≤X_i≤X_i，max

式中，X_i为第i个负荷功率、电压、电流、频率数据变量，X_i,min与X_i,max分别为该数据变量的最小值与最大值，为平均值，为标准差；

S22、查找异常数据，对样本进行分段查找，将其中一个变量共n个采集数据分成若干段，每段m个数据，计算每段平均值与标准差：

S23、采用均值法对上述异常数据进行替换处理：

式中，X_i,mean(t)为替换后的数据，X_i(t)为在t时刻对应的该变量异常数据，Δt为采样周期；

S24、综合上述对预测结果影响因子大的数据，改进的基于时间序列的指数平滑模型如下：

式中，X_t代表过去每周与被预测日同一时间的负荷数据，X_w表示近期与被预测日天气最相似的一天的电力负荷数据，Y_t为昨天的负荷数据值，取三个分量的平均值作为原始预测数据；f_d+1为被预测日的负荷预测曲线值，f_d为之前预测数据的负荷曲线值；α是平滑系数，0＜α＜1；ε是松弛因子；T_f为之前预测日与当前预测日温度之间的比率；加入温度-荷载因子(1-T_f)来增强负荷功耗与外界温度的灵敏度，该因子起修正作用；T_f的表达式如下：

式中，T_{last,forecast}与T_today分别代表上次预测日与当前预测日每单位时间所对应的温度，T_avg,today为当前预测日的平均温度；

S25、采用峰值负荷因子K_p和低谷负荷因子K_o对一级负荷预测进行校正：

上式中，β是每单位时间与特定峰值负荷相关的负荷权重，K_p为常数矩阵；L_peak,load代表当日峰值负荷变化数值，出现在从9点至17点之间的工作段；L_{off-peak,load}代表当日低谷用电负荷变化数值，在凌晨休息阶段；

S26、将上式的校正因子与式(6)的一级负荷预测相结合，得到最终的二级负荷预测，具体如下：

f^*＝f_d+1×K_p×K_o (12)。

进一步地，所述在网络拓扑结构切换条件下，设计数据预测补偿机制的具体过程如下：

S31、在时刻t切换信号σ(t)发生作用，对应的拓扑结构为G_σ(t)，对于第i个DER，拓扑切换前后DERi的邻居空间分别为Ω_i和Ω_i′；

S32、在σ(t)作用之前，设DERj是DERi的邻居之一，即j∈Ω_i；

S33、在σ(t)作用之后，存在如下四种情况：

情况1：若j∈Ω_i′，即DERj仍是DERi的邻居，当二者间通信中断时，则在DERi智能体中，对DERj进行预测补偿；

情况2：若即DERj不再是DERi的邻居，而在拓扑切换之后j₁是DERi的新邻居之一，即j₁∈Ω_i′，则从时刻t开始，DERi与DERj₁之间进行信息交互，同时DERi智能体开始收集记录DERj₁的运行数据，作为预测需要使用的历史数据；假设收集完整的历史数据需要的时间为t_r，设DERi与DERj₁之间通信在时刻T_i中断，若T_i＞t+t_r，此时DERi智能体已保存DERj₁的历史数据，DERi智能体对DERj₁进行本地预测，实现邻居补偿；

情况3：若j∈Ω_i′，DERi与DERj₁之间通信在时刻T_i中断且T_i≤t+t_r，即DERi智能体还没掌握DERj₁的历史运行数据，邻居补偿不能实现，此时向集中数据库发送请求，由集中数据库进行预测，并把预测数据传输给DERi，实现集中补偿；

情况4：上述三种情况是在σ(t)作用之后通信中断，若在σ(t)作用之前，j∈Ω_i，DERi与DERj之间通信在时刻T_i′中断，定义一个“判定时间t_j”，用来判定在σ(t)作用之后是否对DERj进行预测补偿，若T_i′+t_j＜t，则正常实现对DERj的预测，若T_i′+t_j≥t且在实际工程中，则表示在DERi与DERj之间通信中断后的很短时间内发生拓扑变换，而且DERj不再是DERi的邻居之一，则无需对DERj进行预测补偿，0＜t_j＜b，b是正常数。

较现有技术相比，本发明具有以下优点：

1、本发明提供的方法，在考虑网络结构拓扑变换的实际条件下，基于多智能体技术实现孤岛微电网的协调控制，减少系统对大数据操作的需求，提高了控制系统的可靠性，在其中一个控制器发生故障的情况下，其他代理可以调整并继续维持系统功能，多智能体系统允许任何DER单元或负载根据某些规则将可编程代理嵌入其设备的控制器中，通过这种方式，可以提供用于安装未来DER单元和负载的所需“即插即用”能力。把拓扑结构变换的因素加入到一致性协议中，使控制过程更具智能性。

2、本发明提供的方法，设计了改进下垂控制器，即为了避免由于负荷波动引起的电压/频率降过大，加入了一个额外电压/频率移位项，使工作电压/频率尽可能接近标准值，提高系统稳定性。

3、本发明提供的方法，基于集中式事件触发方案且满足随机切换的网络拓扑结构，引入集中式事件触发一致性协议，只有当条件被触发时，协议才会进行更新，进而控制器采取相应的动作。与传统的触发方案相比，该触发可以避免Zeno行为，即在有限的时间内避免无数个事件触发。该方案节约了通信成本，有很大的实用性。

4、本发明提供的方法，考虑到网络拓扑结构的不规律切换，在通信中断的故障下设计了一种数据补偿机制，采用邻居数据补偿和集中数据补偿相结合的方案，无论系统拓扑结构怎样切换，都能保证通信层面的正常信息需求，维持微电网系统平稳运行。

5、本发明提供的方法，提出了一种改进的基于时间序列的指数平滑模型。比起ANN，ANFIS，支持向量机等目前比较火热的预测方法，该改进模型计算维度小，预测速度快，在历史信息有限的条件下仍可以提供稳定的预测，且考虑了多个实际因素，可用性高。

基于上述理由本发明可在智能电网控制等领域广泛推广。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明基于多智能的分布式协调控制方案流程图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

基于MAS并考虑拓扑结构切换设计分布式协调控制方案，MAS的主要元素是代理，它是一个物理实体，或虚拟实体，在本文的设计中，使用物理实体微源DER，即微电网中每一个DER都具有一个单位自治智能体，代理具有一定程度的自主权，它们可以在没有中央控制器的情况下采取由一系列倾向驱动的决策，通过其动作执行本地控制控制策略；而且，其仅利用来自相邻微电源的分布式信息，决策和执行协调控制策略，进而使单元系统进行二次调整，以改善频率和电压质量。

将多智能体技术引入微电网大大拓展了可实现的控制策略空间，根据某些规则将控制策略嵌入DER智能体中，本地控制采用改进下垂控制器，目的是输出功率满足负荷需求。而在复杂多变的电力系统中，负荷的剧烈波动以及不同DER之间的线路阻抗差异都会引起电压/频率的波动和偏移，DER之间对于负荷功率均分也难以保证，此时仅依靠本地控制难以维持系统电压稳定。在本地控制基础上以智能体作为媒介就可以将基于MAS领域的控制策略引入微电网系统，仅利用与其单元相邻的DER单元信息，即分布式传输信息而不是全网信息，决策和执行协调控制策略，以此实现分布式协调控制，目的是实现负荷功率均分并使电压和频率维持在标准值附近，提高电能质量。分布式控制总是伴随着网络拓扑结构的变化，拓扑结构切换影响着控制策略中参数的变化，将与拓扑结构有关的变量在控制策略中进行更新，并最终证明系统可以收敛，在通信中断时并考虑了多种可能。

具体的，如图1所示，本发明提供了一种考虑通信问题的孤岛微电网分布式协调控制方法，包括：

DER单元之间的不相等的线路阻抗和负载分布导致电压和频率显著偏离其理想值，DER之间负载功率均分不能保证。尽管可以通过增加高于线路电阻的下垂增益来解决这些问题，但是电压和频率从空载到满载条件显著变化。因此，需要：

S1、基于多智能体技术平台和分布式通讯，考虑信息传输通信因素，设计下垂控制器；下垂控制器为通过在传统的下垂控制器中添加额外电压/频率补偿项的下垂控制器，具体表示如下：

且

式中m_i、n_i为下垂系数，ω_iref和U_iref为参考值，P_i ^*和为有功和无功功率额定值，P_i ^pu和为功率标幺值，N_i为第i个DER的邻居单位数量；与传统下垂特性相比，该控制器加入了频率/电压补偿项 k_iω和k_iu为补偿增益，通过优化补偿增益使频率和电压输出接近标准值，同时需满足Δω_i≤m_iP_i，ΔU_i≤n_iQ_i。

基于事件触发方案优化传统的二次控制一致性协议，其中代理仅在需要时广播其状态或更新协议，这样随着通信频率的降低，所消耗的通信资源和成本将会减少。同时将事件触发机制引入，可以使控制器不需要频繁地改变输出。本发明实施例中，该项内容的关键点在于如何设计事件触发条件，这里的集中式触发表示所有代理遵循一个共同的事件条件，因此它们将在必要时一起更新它们的信息。在该项内容中，降低了现有相关研究中对通信拓扑的要求，网络拓扑在不同结构之间切换而不是固定模式，并且允许每次切换的有向图不是完全连接的。

领导者的动态为

跟随者动态描述为

假设：系统(A,B)是稳定的。

首先需要介绍一下一致性理论的基本代数图论。一个有向图G_φ＝{V,E,A}由一个节点集V＝{0,1,2,...,N}和一系列的边组成，在拓扑变换条件下，A^σ(t)＝(a_ij ^σ(t))_N×N是非负加权邻接矩阵，σ(t)是切换信号，(i,j)∈E表示在节点i和j之间可以进行信息交互，节点j称为节点i的邻居，(i,i)表示节点i能接收自身的信息，可忽略。在图中，节点i的邻居集合用N_i(t)＝{j|(i,j)∈E,i≠j}表示。且

L_σ(t)为有向图G_φ的拉普拉斯矩阵，当i≠j时，如果(i,j)∈E，则l_ij＝-1，否则l_ij＝0；在这里定义D_σ(t)为关于b_i ^σ(t)的对角矩阵，如果节点i能接收到领导者节点0的信息，则b_i ^σ(t)＝1，否则b_i ^σ(t)＝0。

状态测量误差为

表示代理i第l个事件的触发时刻，且

定义需要说明的是，跟随者由于其控制输入u_i(t)，所以状态误差e_i(t)存在，当跟随者接近领导者时，状态误差将减少甚至消失。而领导者没有控制输入，因此其轨迹不会受到跟随者的影响，e₀(t)＝0，即假设考虑一个有界的，连续的非重叠有限时间序列，在每个时间间隔内[T_m,T_m+1)内，且s_l≤T_m+1-T_m≤s_u(s_l是s_u正常数)，有向图G强连通，集中式事件触发一致性协议为

P是一个正定矩阵，K＝B^TP，事件触发条件为

且t＞t^l (8)

定义H_σ(t)＝L_σ(t)+D_σ(t)，由于拓扑结构随时间变换，需要说明a_ij ^σ(t)，b_i ^σ(t)，N_i(t)，L_σ(t)，D_σ(t),H_σ(t)是时变的，通过证明该协议最终收敛并可以避免Zeno行为，即τ^l+1-τ^l＞0，避免事件无数次触发造成系统失稳。

该协议是动态协议，中加入了指数函数项，因此协议随时间变化；代理i将其当前状态发送到其邻居并仅在t＝τ^l时更新其控制协议，然后e(t)重置为零。当t∈(τ^l,τ^l+1)时，不需要进一步的动作。

S2、设计数据预测模型；

首先进行历史数据的选用和处理，电力系统短期负荷的特点是负荷变化是连续的过程，不但按小时变、按日变，而且按周变，具有较大的周期性，因此数据库记录原始数据需要按照时间尺度和日期进行分类，这将有助于快速准确地获取相关历史负荷数据进行预测；电力系统短期负荷受时间因素的影响是很明显的，时间因素决定不同季节、不同时间段负荷值大小，工作日与休息日的负荷变化规律不同，白天一般会比夜晚负荷用电量大，本实施例中，采用过去三周每周同一时间的电力负荷数据，对预测模型进行训练和校正；同时，负荷变化与一系列天气因素也有关，如温度、湿度、风力、降雨量，因此本发明还采用近期与被预测日天气最相似的一天的电力负荷数据；此外，一些电力设备不同日期的开始运行时间不同我们发现，导致功率上升时间的不同，他们的运行行为将直接影响提前一天的预测结果，因此，为了有效地把握近一段时间的负荷趋势，本发明平滑阶段考虑了昨天的负荷数据。

负荷的历史功率数据通常作为预测模型的输入，然而，这些数据中常常含有无效值，例如某个功率的值小于零，这显然是不合理的，所以对异常数据进行处理是必要的，正常数据应该在阈值范围内且跳脱性小，同时本发明通过计算标准分数来查找异常数据，如果某测量值与平均值之差大于标准差的三倍，则予以剔除。所述设计数据预测模型的具体过程如下：

S21、数据处理，通过下式筛选可用预测数据：

X_i，min≤X_i≤X_i，max

式中，X_i为第i个负荷功率、电压、电流、频率数据变量，X_i,min与X_i,max分别为该数据变量的最小值与最大值，为平均值，为标准差；

S22、查找异常数据，对样本进行分段查找，将其中一个变量共n个采集数据分成若干段，每段m个数据，计算每段平均值与标准差：

S23、采用均值法对上述异常数据进行替换处理：

式中，X_i,mean(t)为替换后的数据，X_i(t)为在t时刻对应的该变量异常数据，Δt为采样周期；

S24、综合上述对预测结果影响因子大的数据，改进的基于时间序列的指数平滑模型如下：

式中，X_t代表过去每周与被预测日同一时间的负荷数据，X_w表示近期与被预测日天气最相似的一天的电力负荷数据，Y_t为昨天的负荷数据值，取三个分量的平均值作为原始预测数据；f_d+1为被预测日的负荷预测曲线值，f_d为之前预测数据的负荷曲线值；α是平滑系数，0＜α＜1；ε是松弛因子；T_f为之前预测日与当前预测日温度之间的比率；加入温度-荷载因子(1-T_f)来增强负荷功耗与外界温度的灵敏度，该因子起修正作用；T_f的表达式如下：

式中，T_{last,forecast}与T_today分别代表上次预测日与当前预测日每单位时间所对应的温度，T_avg,today为当前预测日的平均温度；(1-T_f)起修正作用，如果T_f为负值，说明当日的温度高于上次预测日的温度，因此，必须提高比值来修正负荷预测值，另一方面，如果T_f为正，则表示今天的温度低于上周的温度，则必须降低比例，以纠正负荷预测值。

关于参数α和ε的选取，在未来n个时刻内，要尽可能最小化预测数据和实际测量数据的差平方，即

y_i和f_(d+1)i分别为i时刻对应的实际测量值和预测值，T_i＝(1-T_fi)为i时刻对应的温度-荷载因子，x_i和f_di为历史i时刻对应的值，

令通过求极值点的方法来对α和ε进行参数估计，从而使F(α,ε)最小化，首先分别求F(α,ε)对α和ε的导数，

分别令式(15)和式(16)等于0，求得最优解为

S25、客户用电行为每天都在变化，因此用电量也不尽相同，尤其是在高峰负荷和低谷负荷时，因此，采用峰值负荷因子K_p和低谷负荷因子K_o对一级负荷预测进行校正：

上式中，β是每单位时间与特定峰值负荷相关的负荷权重，K_p为常数矩阵；L_peak,load代表当日峰值负荷变化数值，出现在从9点至17点之间的工作段；L_{off-peak,load}代表当日低谷用电负荷变化数值，在凌晨休息阶段；

S26、将上式的校正因子与式(12)的一级负荷预测相结合，得到最终的二级负荷预测，具体如下：

f^*＝f_d+1×K_p×K_o (12)。

最终得到的预测负荷数据将被用于上述一致性算法，维持系统整体的分布式协同控制。

S3、在网络拓扑结构切换条件下，设计数据预测补偿机制。

首先描述网络拓扑结构切换时序，集合{G_φ|φ∈Φ}表示有向图随着切换变化的所有可能拓扑结构，切换信号定义为σ(t):[0,∞)→Φ，显然它是个分段函数，其决定了在t时刻的拓扑结构G_σ(t)。定义一个有限时间序列，表现为有界的非重叠的连续时间间隔[T_m,T_m+1)，(m＝0,1,2,..),T₀＝0且s_l≤T_m+1-T_m≤s_u(s_l是s_u正常数)，同时在每个时间间隔[T_m,T_m+1)内存在一个非重叠的连续的子区间序列l_k是一个正整数，网络拓扑结构在时刻进行切换，由此可知拓扑结构在每个子区间内是固定的，这里允许切换信号σ(t)对应的拓扑G_σ(t)可以不是强连通的，仅要求在时间间隔[T_m,T_m+1)内连通。设拓扑G_σ(t)在子区间内的停留时间为(a是正常数)，即切换间隔l＝0,1,...,l_k-1。

针对于本发明研究的孤岛微电网分布式控制系统，当DER智能体之间通信发生中断时，邻居DER之间进行数据补偿具有很强的灵活性，可以取得较好的弥补效果，但是当拓扑切换过快或者中断时间点过早时，邻居补偿就失去了作用；集中数据库补偿具有全面性，无论拓扑结构怎样切换，都能对每个DER进行预测数据补偿，但是随着微电网系统信息的日益庞大，且分布式电源地理位置的分散，集中数据库不堪重负，造成很大的通信压力，且一旦集中数据库发生故障，数据补偿机制就会完全瘫痪，大大降低了系统的可靠性；邻居补偿是本地进行数据预测，即时性较高，而集中数据补偿需要进行信息传输，具有一定的时滞，且当集中数据库与DER之间发生通信故障时，也会对数据补偿造成影响，因此结合二者优点，本发明设计了邻居补偿与集中数据补偿相结合的机制，具体过程如下：

S31、在时刻t切换信号σ(t)发生作用，对应的拓扑结构为G_σ(t)，对于第i个DER，拓扑切换前后DERi的邻居空间分别为Ω_i和Ω_i′；

S32、在σ(t)作用之前，设DERj是DERi的邻居之一，即j∈Ω_i；

S33、在σ(t)作用之后，存在如下四种情况：

情况1：若j∈Ω_i′，即DERj仍是DERi的邻居，当二者间通信中断时，则在DERi智能体中，对DERj进行预测补偿；

情况2：若即DERj不再是DERi的邻居，而在拓扑切换之后j₁是DERi的新邻居之一，即j₁∈Ω_i′，则从时刻t开始，DERi与DERj₁之间进行信息交互，同时DERi智能体开始收集记录DERj₁的运行数据，作为预测需要使用的历史数据；假设收集完整的历史数据需要的时间为t_r，设DERi与DERj₁之间通信在时刻T_i中断，若T_i＞t+t_r，此时DERi智能体已保存DERj₁的历史数据，DERi智能体对DERj₁进行本地预测，实现邻居补偿；

情况3：若j∈Ω_i′，DERi与DERj₁之间通信在时刻T_i中断且T_i≤t+t_r，即DERi智能体还没掌握DERj₁的历史运行数据，邻居补偿不能实现，此时向集中数据库发送请求，由集中数据库进行预测，并把预测数据传输给DERi，实现集中补偿；

情况4：上述三种情况是在σ(t)作用之后通信中断，若在σ(t)作用之前，j∈Ω_i，DERi与DERj之间通信在时刻T_i′中断，定义一个“判定时间t_j”，用来判定在σ(t)作用之后是否对DERj进行预测补偿，若T_i′+t_j＜t，则正常实现对DERj的预测，若T_i′+t_j≥t且在实际工程中，则表示在DERi与DERj之间通信中断后的很短时间内发生拓扑变换，而且DERj不再是DERi的邻居之一，则无需对DERj进行预测补偿，0＜t_j＜b，b是正常数。

集中数据库检测全局DER运行，收集数据，起到容灾备份的作用。反之，对于DERj和DERj₁而言，当与DERi之间的通信中断时，同理采用上述方法对DERi进行预测补偿。比起集中预测，该机制降低了信息传输成本，且灵活多变，避免了单一故障点，当网络出现故障时，仍然允许对局部数据库的操作，而且一个位置的故障不影响其他位置的处理工作，提高了可靠性。

实施例

以第i台DER为例，本发明采用的是分层控制结构，该控制结构分为信息层和物理层。物理层主要包括外环改进下垂控制器、内环电压/电流控制器、二次控制环节、功率计算环节、电压合成环节和PWM信号产生器。信息层包括拓扑变换下集中式事件触发一致性协议、通信中断处理模块、数据预测补偿环节以及有传感器组成的通信网络，该层基于与相邻智能体之间的信息交互负责全局电压/频率调节和功率均分，最终作用于一次控制。

首先由逆变器输出电压U_o和电流I_o，二者经过Park环节得到d轴和q轴上的分量，然后经过功率计算器得到有功功率P_i和无功功率Q_i。将得到的功率通过改进P-ω/Q-U下垂控制环节生成角频率ω_i和电压U_i。此时通过传感器将改进下垂控制输出的电压和频率以及计算得到的功率值作为通信数据与相邻DER进行信息交互，构成了通信网络。通过与相邻DER通信，完成集中式事件触发一致性协议，若通信发生中断则进行预测补偿，将一致性控制得到的结果作用于改进下垂控制器，完成二次控制。之后通过电压合成环节得到U_i∠θ_i，将其输入电压电流双闭环中，由电流环输出控制信号来控制脉宽调制环节产生PWM信号控制逆变器的输出。由此，完成了一整套分层控制系统的控制过程。

在二次控制下，DERi的频率/电压的调节过程如下，其动态描述为

考虑网络拓扑结构切换的频率/电压集中式事件触发一致性二次控制协议为

关于DERi的功率均分的二次控制过程如下，有功功率/无功功率的动态描述为

考虑网络拓扑结构切换的有功功率/无功功率集中式事件触发一致性二次控制协议被设计为

一致性控制协议作用于一次控制改进下垂控制器，实现二次控制，根据式(1)，DERi的频率/电压的参考值为

式(32)和(33)说明DERi智能体需要收集自身和其邻居智能体的一致性二次控制协议来动态调节设定的频率/电压的参考值，相应的内环电压/电流控制器动态地调节电压和电流，实现分布式协调控制。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的范围。

Claims (4)

1.一种考虑通信问题的孤岛微电网分布式协调控制方法，其特征在于，包括：

S1、基于多智能体技术平台和分布式通讯，考虑信息传输通信因素，设计下垂控制器；

S2、设计数据预测模型；

S3、在网络拓扑结构切换条件下，设计数据预测补偿机制。

2.根据权利要求1所述的考虑通信问题的孤岛微电网分布式协调控制方法，其特征在于，所述下垂控制器为通过在传统的下垂控制器中添加额外电压/频率补偿项的下垂控制器，具体表示如下：

且

式中m_i、n_i为下垂系数，ω_iref和U_iref为参考值，P_i ^*和为有功和无功功率额定值，P_i ^pu和为功率标幺值，N_i为第i个DER的邻居单位数量；与传统下垂特性相比，该控制器加入了频率/电压补偿项 k_iω和k_iu为补偿增益，通过优化补偿增益使频率和电压输出接近标准值，同时需满足Δω_i≤m_iP_i，ΔU_i≤n_iQ_i。

3.根据权利要求1所述的考虑通信问题的孤岛微电网分布式协调控制方法，其特征在于，所述设计数据预测模型的具体过程如下：

S21、数据处理，通过下式筛选可用预测数据：

X_i，min≤X_i≤X_i，max

式中，X_i为第i个负荷功率、电压、电流、频率数据变量，X_i,min与X_i,max分别为该数据变量的最小值与最大值，为平均值，为标准差；

S22、查找异常数据，对样本进行分段查找，将其中一个变量共n个采集数据分成若干段，每段m个数据，计算每段平均值与标准差：

S23、采用均值法对上述异常数据进行替换处理：

式中，X_i,mean(t)为替换后的数据，X_i(t)为在t时刻对应的该变量异常数据，Δt为采样周期；

S24、综合上述对预测结果影响因子大的数据，改进的基于时间序列的指数平滑模型如下：

式中，X_t代表过去每周与被预测日同一时间的负荷数据，X_w表示近期与被预测日天气最相似的一天的电力负荷数据，Y_t为昨天的负荷数据值，取三个分量的平均值作为原始预测数据；f_d+1为被预测日的负荷预测曲线值，f_d为之前预测数据的负荷曲线值；α是平滑系数，0＜α＜1；ε是松弛因子；T_f为之前预测日与当前预测日温度之间的比率；加入温度-荷载因子(1-T_f)来增强负荷功耗与外界温度的灵敏度，该因子起修正作用；T_f的表达式如下：

式中，T_{last,forecast}与T_today分别代表上次预测日与当前预测日每单位时间所对应的温度，T_avg,today为当前预测日的平均温度；

S25、采用峰值负荷因子K_p和低谷负荷因子K_o对一级负荷预测进行校正：

上式中，β是每单位时间与特定峰值负荷相关的负荷权重，K_p为常数矩阵；L_peak,load代表当日峰值负荷变化数值，出现在从9点至17点之间的工作段；L_{off-peak,load}代表当日低谷用电负荷变化数值，在凌晨休息阶段；

S26、将上式的校正因子与式(6)的一级负荷预测相结合，得到最终的二级负荷预测，具体如下：

f^*＝f_d+1×K_p×K_o (12)。

4.根据权利要求1所述的考虑通信问题的孤岛微电网分布式协调控制方法，其特征在于，所述在网络拓扑结构切换条件下，设计数据预测补偿机制的具体过程如下：

S31、在时刻t切换信号σ(t)发生作用，对应的拓扑结构为G_σ(t)，对于第i个DER，拓扑切换前后DERi的邻居空间分别为Ω_i和Ω_i′；

S32、在σ(t)作用之前，设DERj是DERi的邻居之一，即j∈Ω_i；

S33、在σ(t)作用之后，存在如下四种情况：

情况1：若j∈Ω_i′，即DERj仍是DERi的邻居，当二者间通信中断时，则在DERi智能体中，对DERj进行预测补偿；

情况2：若即DERj不再是DERi的邻居，而在拓扑切换之后j₁是DERi的新邻居之一，即j₁∈Ω_i′，则从时刻t开始，DERi与DERj₁之间进行信息交互，同时DERi智能体开始收集记录DERj₁的运行数据，作为预测需要使用的历史数据；假设收集完整的历史数据需要的时间为t_r，设DERi与DERj₁之间通信在时刻T_i中断，若T_i＞t+t_r，此时DERi智能体已保存DERj₁的历史数据，DERi智能体对DERj₁进行本地预测，实现邻居补偿；

情况3：若j∈Ω_i′，DERi与DERj₁之间通信在时刻T_i中断且T_i≤t+t_r，即DERi智能体还没掌握DERj₁的历史运行数据，邻居补偿不能实现，此时向集中数据库发送请求，由集中数据库进行预测，并把预测数据传输给DERi，实现集中补偿；

情况4：上述三种情况是在σ(t)作用之后通信中断，若在σ(t)作用之前，j∈Ω_i，DERi与DERj之间通信在时刻T_i′中断，定义一个“判定时间t_j”，用来判定在σ(t)作用之后是否对DERj进行预测补偿，若T_i′+t_j＜t，则正常实现对DERj的预测，若T_i′+t_j≥t且在实际工程中，则表示在DERi与DERj之间通信中断后的很短时间内发生拓扑变换，而且DERj不再是DERi的邻居之一，则无需对DERj进行预测补偿，0＜t_j＜b，b是正常数。