CN112366735B - 一种基于自适应在线模型辨识的微电网二次调频方法 - Google Patents
一种基于自适应在线模型辨识的微电网二次调频方法 Download PDFInfo
- Publication number
- CN112366735B CN112366735B CN202011386188.XA CN202011386188A CN112366735B CN 112366735 B CN112366735 B CN 112366735B CN 202011386188 A CN202011386188 A CN 202011386188A CN 112366735 B CN112366735 B CN 112366735B
- Authority
- CN
- China
- Prior art keywords
- power
- model
- grid
- micro
- frequency modulation
- 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.)
- Active
Links
Images
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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
- H02J3/241—The oscillation concerning frequency
-
- 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
- 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]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
- Y02P80/14—District level solutions, i.e. local energy networks
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于自适应在线模型辨识的微电网二次调频方法,是在孤岛微电网的结构发生变化时,通过获得系统中各个变流器的输出功率、控制中心的参考功率、孤岛微电网公共耦合点(PCC)的电压频率等外特性信息,对微电网的功频特性进行在线自适应优化定阶的黑箱建模,并将得到的最优功频特性等值模型作为动态矩阵控制中的预测模型,再建立二次频率调节目标函数,通过智能算法求解上述函数获得二次调频功率指令,下发给各调频单元,从而实现孤岛微电网的二次频率调节。本发明能对不同工况条件下孤岛微电网功频特性实时自适应建模,并根据实时模型更新调频控制算法的模型参数,以实现高效、高质量的二次频率调节。
Description
技术领域
本发明属新能源应用领域,涉及一种基于外特性测量的自适应在线模型辨识的二次频率调节方法。
背景技术
微电网孤岛运行时,起支撑作用的储能变流器通常采用下垂控制、虚拟同步发电机控制以及相关衍生策略来维持系统的电压频率稳定,同时,针对储能变流器频率有差控制的缺点,集中式二次频率控制通过微电网中央控制器和具有调频作用的储能单元共同实现频率的无差控制,该方法虽然简单有效,但是对于发电设备及负荷频繁投切、网络结构不断变化的微电网而言,二次调频控制器参数的模型适应性一般较差,参数整定困难,难以保证微电网在各种运行环境下都具有较好的动态调节效果,甚至存在系统失稳的风险,因此,微电网在全工况范围内实时自适应建模并动态调节系统频率至关重要。
然而,现有的研究在二次调频建模和二次调频方法中存在一定的缺陷和不足,主要集中在:
1、微电网的二次调频建模目前普遍采用机理建模方法,该方法基于公共旋转坐标系建立含多逆变器、线路和负载的微电网状态空间机理模型,具有信息全、维数高、参数多的特点,但建模过程复杂,耗时长。
2、上述机理建模方法需要获知变流器内部控制参数、主电路参数和网络参数。首先,商业变流器参数属于商业秘密,一般难以获得;其次,随着变流器接入台数及网络结构的变化,孤岛微电网的网络参数和模型结构也会发生变化;因此该需求在商业变流器广泛应用的孤岛微电网实际系统中难以实现。
3、当前采用非机理建模方法对孤岛微电网进行建模的研究成果中,对孤岛微电网的功频模型采用了定阶假设的方式,无法应对孤岛微电网复杂多变的运行场景,模型的复杂性和实时变化性,以致得到的模型精确度较低,甚至无法准确描述孤岛微电网的功频特性,对调频控制器的设计起到负面作用。
4、孤岛微电网的二次调频方法普遍采用PI控制算法,该算法调节效果依赖于参数的精确设计,参数的设计又依赖于二次调频建模的准确性,因此该方法模型适应性差,参数整定困难,无法保证微电网在全工况条件下都具有较好的频率动态调节效果。
5、以往的孤岛微电网频率调节策略一般是将二次调频建模和二次调频方法相结合,在系统设计时就给出一组固定的调频参数来实现调频的功能,无法在各个工况下自适应调整调频参数来获得最佳频率调节效果。
发明内容
本发明为克服现有技术存在的不足之处,提出一种基于自适应在线模型辨识的微电网二次调频方法,能对不同工况条件下孤岛微电网功频特性实时自适应建模,并根据实时模型更新调频控制算法的模型参数,以实现高效、快速、稳定和高质量的二次频率调节。
本发明为达到上述发明目的,采用如下技术方案:
本发明一种基于自适应在线模型辨识的微电网二次调频方法的特点在于,是应用于由微电网控制中心、储能单元、光伏分布式电源、风力分布式电源以及负荷所构成的孤岛微电网中,并按照以下步骤进行:
步骤1:在孤岛微电网运行过程中,微电网控制中心根据所述储能单元的当前投切信号GSS、当前孤岛微电网公共耦合点的电压角频率变化速率或当前电压频率范围来确定当前微电网结构是否发生变化,若发生变化,则启动自适应模型辨识算法,执行步骤2,否则,返回步骤1;
步骤2:所述微电网控制中心通过与各个发电单元的通信获取在随后一段时间T各个可调度的发电单元的输出功率PO、各个不可调度的发电单元的输出功率Pun,并结合微电网控制中心内部存储的各个发电单元的基准功率参考指令Pref和二次调频功率参考指令ΣPSFR,得到功率不平衡量ΔPT;再对当前孤岛微电网公共耦合点的电压采样获得在所述一段时间T的电压角频率偏差ΔωPCC,T;
步骤3:利用式(1)得到孤岛微电网功频特性等值模型:
式(1)中,GPF(s)为孤岛微电网功频特性等值模型的传递函数;
步骤4:将功率不平衡量ΔPT和电压角频率偏差ΔωPCC,T作为自适应模型辨识算法的输入,通过定阶准则和系统辨识相结合的方式,遍历所有可能的孤岛微电网功频特性等值模型阶数,选取孤岛微电网最佳功频特性等值模型
步骤5:在当前控制时刻k,以当前控制时刻k之后的M个二次调频功率参考指令作为二次调频功率增量序列ΔPSFRM(k)=[ΔPSFR(k),ΔPSFR(k+1),...,ΔPSFR(k+M-1)];其中,ΔPSFR(k+M-1)表示当前控制时刻k之后的第M-1个二次调频功率参考指令;
以所述孤岛微电网最佳功频特性等值模型作为预测模型,以二次调频功率增量序列ΔPSFRM(k)=[ΔPSFR(k),ΔPSFR(k+1),...,ΔPSFR(k+M-1)]作为预测模型的控制输入,以当前控制时刻k的电压角频率偏差ΔωPCC,k作为预测模型的反馈量,通过模型预测和反馈校正,得到未来O个时刻孤岛微电网角频率偏差预测输出序列ΔωPM(k+x|k)=[ΔωPCC(k+1|k),ΔωPCC(k+2|k),...,ΔωPCC(k+O|k)],其中,ΔωPCC(k+O|k)表示当前控制时刻k之后的第O个时刻孤岛微电网角频率偏差,x∈[1,2,…,O];
步骤6:以孤岛微电网角频率偏差预测输出序列ΔωPM(k+x|k)=[ΔωPCC(k+1|k),ΔωPCC(k+2|k),ΔωPCC(k+O|k)]平方和与所述二次调频功率增量序列ΔPSFRM(k)=[ΔPSFR(k),ΔPSFR(k+1),...,ΔPSFR(k+M-1)]的平方和的加权为目标函数,利用遗传算法对所述目标函数进行求解,得到目标函数取最小值时所对应的二次调频功率增量序列的首项作为当前控制时刻k的二次率调频功率增量,用于对微电网进行二次调频,其中,表示目标函数取最小值时所对应的当前控制时刻k之后的第M-1个二次调频功率增量。
与已有技术相比,本发明的有益效果是:
1、本发明采用外特性分析,对孤岛微电网进行功频特性建模,并借助定阶准则和系统辨识方法相结合的技术手段获得孤岛微电网的最优功频特性等值模型。相比对系统结构、网络参数、各变流器控制参数要求精确的机理建模,本发明的建模方法具有建模简单、所需数据容易获得的优点;相比采用定阶假设的非机理建模方法,本发明的建模方法能够自动根据系统实时运行数据,在线获取最优功频特性模型,实现了更加精准的建模。
2、本发明采用孤岛微电网功频特性等值模型与模型预测控制相结合的方法来实现二次频率调节,由于功频特性等值模型可以根据孤岛微电网的结构变化实时更新,因此该二次频率调节方法的预测模型能在各种工况下对孤岛微电网的未来输出进行精确预测,进而获得最佳的二次调频方案,实现了比传统PI调节更加优越的调频效果。
附图说明
图1是本发明基于自适应在线模型辨识的模型预测控制孤岛微电网二次调频框架;
图2是本发明孤岛微电网功频特性非机理建模框架;
图3是本发明自适应辨识算法流程图;
图4是本发明基于自适应在线模型辨识的模型预测控制孤岛微电网二次调频框图;
图5是现有技术中孤岛微电网仿真模型图;
图6是本发明AIC函数曲线图;
图7是本发明t=0.2s时辨识结果拟合曲线与实际输出对比图;
图8是本发明t=0.69时辨识结果拟合曲线与实际输出对比图;
图9是本发明t=2.1s时辨识结果拟合曲线与实际输出对比图;
图10是本发明单位阶跃响应曲线和模型向量图;
图11是本发明基于自适应在线模型辨识的模型预测控制孤岛微电网二次调频方法作用下孤岛微电网的频率波形图。
具体实施方式
下面结合附图对本发明的具体实施方式以及工作原理作进一步详细说明。
如图1所示,孤岛微电网主要由储能逆变器、光伏分布式电源、风力分布式电源、负荷及微电网控制中心(MGCC)等部分组成。其中MGCC里的微电网二次调频框架主要由四部分组成:在线辨识启动模块、自适应模型辨识模块、DMC二次频率调节模块和功率分配模块。在线辨识启动模块负责检测和判别孤岛微电网的系统结构和模型是否发生变化,进而决定是否进行自适应模型辨识;自适应模型辨识模块负责对采样得到的外特性数据进行自适应辨识,确定最佳匹配阶数下系统的最优功频特性等值模型;动态矩阵控制(DMC)二次频率调节模块将自适应模型辨识模块得到模型参数作为预测模型,并结合调频目标给出目标函数,通过反馈校正、滚动优化等环节实现二次调频功率增量的求解,进而得到二次调频功率指令;功率分配模块将二次调频功率指令按一定分配原则下发给调频单元。图1的调频框架中通过通信获得孤岛微电网中各个可调度变流器的输出功率PO,各个不可调度变流器的输出功率Pun(光伏变流器),储能单元投切信号(GSS),通过智能断路器获得PCC电压数据UPCC,通过算法得到PCC电压角频率偏差ΔωPCC,MGCC内部可以提供各台可调度变流器的基准功率Pref及二次频率调节功率指令ΣPSFR。
在上述孤岛微电网二次调频框架的基础上,一种基于外特性测量的孤岛微电网自适应在线功频特性模型辨识与模型预测控制的二次频率调节方法,是按照以下方式进行:
步骤1:在孤岛微电网运行过程中,微电网控制中心根据储能单元的当前投切信号GSS、当前孤岛微电网公共耦合点的电压角频率变化速率或当前电压频率范围来确定当前微电网结构是否发生变化,若发生变化,则启动自适应模型辨识算法,执行步骤2,否则,返回步骤1;
一般情况下通过判断GSS,在孤岛微电网中有变流器投入或者切除时即可判断系统模型发生变化,从而启动自适应模型辨识;但为了防止通信问题导致GSS无法准确接收,需要加入PCC电压频率变化速率或电压频率范围来判断微电网模型是否发生变化。由智能断路器获得PCC电压数据UPCC,通过算法得到PCC电压角频率偏差ΔωPCC,孤岛微电网的频率偏差大于πrad/s(0.5Hz)或者在系统出现最大频率波动后的5个二次调频周期(0.5s)内没有调节到系统额定频率附近,则表明模型失配,此时仍会启动自适应模型辨识模块。
步骤2:微电网控制中心通过与各个发电单元的通信获取在随后一段时间T各个可调度的发电单元的输出功率PO、各个不可调度的发电单元的输出功率Pun,并结合微电网控制中心内部存储的各个发电单元的基准功率参考指令Pref和二次调频功率参考指令ΣPSFR,得到功率不平衡量ΔPT;再对当前孤岛微电网公共耦合点的电压采样获得在一段时间T的电压角频率偏差ΔωPCC,T;
根据上述数据,利用式(1)得到孤岛微电网的功率不平衡量ΔPT:
式(1)中,n为可调度发电单元的数量,m为不可调度发电单元的数量,下标i,k,y为变流器编号。
步骤3:利用式(2)得到孤岛微电网功频特性等值模型:
式(2)中,GPF(s)为孤岛微电网功频特性等值模型的传递函数;
图2为微电网功频特性等值模型的非机理建模的整体框架,其基本思想是从微电网外特性出发,忽略其内部的具体结构,仅仅考虑系统功率不平衡量与角频率偏差之间的功频响应特性,并以传递函数形式来表示,如式(2)所示。
图2的建模框架主要可由四部分组成:激励信号、数据采集及信号处理、辨识算法和模型阶次寻优,下面分别进行阐述:
激励信号方面,本发明对微电网功频特性建模的主要目的是在系统模型可能发生变化时快速、精准地获取系统模型,进而用于二次频率控制算法的修正和计算,因此,微源或负荷投切、网络结构变化、以及微源控制参数变化等产生的系统扰动都可以作为系统黑箱模型辨识的激励信号。
数据采集方面,在步骤2中已进行详细阐述。
模型阶次寻优和辨识算法相互结合,共同作用,将采集到的外特性数据送入到辨识算法中遍历所有模型阶次组合进行辨识,辨识结束后将得到的代价函数和模型阶次信息送入模型阶次寻优环节,由阶次判定函数确定微电网功频外特性等值模型的最佳阶数从而得到其最佳等值模型,其具体细节描述如下:
y(n)A(z)=u(n)B(z)+v(n) (3)
式(3)中,输出数据序列y(n)和输出数据序列u(n)分别为微电网PCC点电压角频率偏差ΔωPCC,T和功率不平衡量ΔPT,v(n)为均值为0、方差为σv 2且服从正态分布的白噪声,Nab=na+nb称为模型的阶次。
采用带遗忘因子的递推最小二乘法对式(3)中带白噪声的SISO模型进行在线辨识时,假设需要通过L步递推得到最终的辨识结果,则其残差可以表示为:
损失函数表示在递推辨识过程中得到的模型输出与系统实际输出的符合程度。结合上述两个式子,AIC阶次判定函数定义为:
AIC阶次判定函数存在极小值,且极小值对应的模型阶次是最佳模型阶次估计。因此在辨识过程中通过AIC+带遗忘因子最小二乘法组合的方法,对所有可能的模型阶次组合进行遍历辨识,获得对应的AIC阶次判定函数,最终通过比较AIC函数值得到孤岛微电网的最佳功频特性模型。上述方法称为自适应模型辨识方法,其遍历过程可以用程序流程图表述,如图3所示。
步骤5:在当前控制时刻k,以当前控制时刻k之后的M个二次调频功率参考指令作为二次调频功率增量序列ΔPSFRM(k)=[ΔPSFR(k),ΔPSFR(k+1),...,ΔPSFR(k+M-1)];其中,ΔPSFR(k+M-1)表示当前控制时刻k之后的第M-1个二次调频功率参考指令;
以孤岛微电网最佳功频特性等值模型作为预测模型,以二次调频功率增量序列ΔPSFRM(k)=[ΔPSFR(k),ΔPSFR(k+1),...,ΔPSFR(k+M-1)]作为预测模型的控制输入,以当前控制时刻k的电压角频率偏差ΔωPCC,k作为预测模型的反馈量,通过模型预测和反馈校正,得到未来O个时刻孤岛微电网角频率偏差预测输出序列ΔωPM(k+x|k)=[ΔωPCC(k+1|k),ΔωPCC(k+2|k),...,ΔωPCC(k+O|k)],其中x∈[1,2,…,O];其中,ΔωPCC(k+O|k)表示当前控制时刻k之后的第O个时刻孤岛微电网角频率偏差,x∈[1,2,…,O];
第一部分:预测模型。
根据式(3)的假设,通过自适应模型辨识方法获得的微电网功频离散传递函数如式(7)所示:
取输入u(n)为单位阶跃向量,采样时间为二次频率调节间隔TSFR=0.1s,经过计算获得的单位阶跃曲线按采样周期T=0.1s采样N点作为控制对象的阶跃模型向量如式(8):
c=[c1 c2 c3 ... cN] (8)
根据线性系统的线性和叠加性质,可以借助单位阶跃模型向量c来预测未来时刻微电网角频率偏差。
如果k时刻之后二次调频计划外功率∑PSFR保持不变,则k+1时刻微电网角频率偏差预测初始值为Δω0(k+x|k),那么,由于k时刻二次调频计划外功率增量为ΔPSFR(k),根据线性叠加原理,则k+1时刻微电网角频率偏差预测值ΔωPCC(k+1|k)为:
ΔωPCC(k+1|k)=Δω0(k+1|k)+c1ΔPSFR(k) (9)
同理,在k时刻到k+M-1时刻之间的M个二次调频计划外功率增量的作用下,未来O个时刻微电网角频率偏差预测值为:
ΔωPM(k+x|k)=Δω0(k+x|k)+CΔPSFRM(k) (10)
第二部分:反馈校正。
上述预测模型和滚动优化过程属于开环控制,在实际系统中,由于存在模型失配、外界环境干扰等因素,会导致预测模型得出的预测值偏离实际系统的输出结果,从而使控制失效。为了实现闭环控制,在DMC中引入预测输出与实际系统输出的误差作为反馈,从而实现反馈矫正控制。k+1时刻预测模型输出的微电网角频率预测值与实际角频率值之间的误差量为:
e(k+1)=ΔωPCC(k+1)-ΔωPCC(k+1|k) (11)
式(11)中,ΔωPCC(k+1)为k+1时刻实际微电网的角频率偏差,ΔωPCC(k+1|k)为k时刻二次调频计划外功率ΣPSFR(k)作用下k+1时刻微电网角频率偏差的预测值。将k+1时刻的角频率误差量加权后作为预测输出的修正项:
Δωcor(k+1)=ΔωPM(k)+h·e(k+1) (12)
加入校正反馈后,初始预测输出向量为:
Δω0(k+1)=S·Δωcor(k+1) (13)
式(13)中S为位移矩阵,定义如下式:
步骤6:以孤岛微电网角频率偏差预测输出序列ΔωPM(k+x|k)=[ΔωPCC(k+1|k),ΔωPCC(k+2|k),ΔωPCC(k+O|k)]平方和与二次调频功率增量序列ΔPSFRM(k)=[ΔPSFR(k),ΔPSFR(k+1),...,ΔPSFR(k+M-1)]的平方和的加权为目标函数,利用遗传算法对目标函数进行求解,得到目标函数取最小值时所对应的二次调频功率增量序列的首项作为当前控制时刻k的二次率调频功率增量,用于对微电网进行二次调频,其中,表示目标函数取最小值时所对应的当前控制时刻k之后的第M-1个二次调频功率增量。
滚动优化的主要目标是将预测模型中获取的未来O个时刻微电网角频率偏差预测向量ΔωPM(k+x|k)作为被控量,使其尽可能地接近期望值Δωref=0,同时保证二次调频计划外功率PSFRM(k)的波动尽量小,避免调频单元输出功率的剧烈变化。因此,本文采用二次型最优化函数作为滚动优化的目标函数,具体表达式为:
minJ(k)=ΔωPM(k+x|k)TQΔωPM(k+x|k)+ΔPSFRM(k)TRΔPSFRM(k) (14)
式(14)中,Q和R为加权对角矩阵,一般以主要控制目标为主,Q矩阵中元素远大于R矩阵中的元素,在实际控制中可以根据两个控制目标的权重进行调节,本文以频率调节为首要目标,因此取Q=diag[0.99...0.99],R=diag[0.01...0.01]。
在实际微电网中,调频单元的可调容量应该有最大和最小调节范围限制,在调节过程中ΣPSFR(k+x|k)不应该超过该范围,同样的,微电网角频率偏差ΔωM(k+x|k)也要限定在系统容许的波动范围内,由于容量较小,通常选取角频率偏差的波动范围为±πrad/s(±0.5Hz)。
因而,加入ΣPSFR(k+x|k)和ΔωM(k+x|k)的不等约束条件后,动态矩阵控制(DMC)滚动优化的目标函数为:
上述目标函数求解采用的智能算法为遗传算法。解得k时刻最优二次调频功率增量序列ΔPSFRM(k),取该向量首元素作为k时刻的二次调频计划外功率增量,进而得到k时刻的二次调频计划外功率指令值为:
ΣPSFR(k)=ΣPSFR(k-1)+ΔPSFR(k) (16)
将ΣPSFR(k)按照一定的分配原则下发给各调频单元,从而改变系统的频率响应,到下一个滚动优化时刻,再次进行优化计算,获取新的计划外功率指令值,如此反复,滚动进行。
基于微电网最优功频特性等值模型的DMC二次频率调节框图如图4所示。
为了进一步验证方案的可行性,在基于Matlab/Simulink仿真平台上搭建了系统模型,并搭建了相应的实验系统,系统中的变流器采用VSG控制,VSG具体控制框图和仿真模型结构图5所示。VSG内部控制参数如下表所示:
表1仿真及实验参数
在采用AIC+带遗忘因子最小二乘法进行自适应模型辨识过程中,按照AIC对微电网模型阶数进行在线寻优,根据式(3)中模型阶次的定义,本文取na∈[1,4],nb∈[1,5],nb≤na+1,构建了14种不同的模型阶次组合,模型阶数与组合序号对照表如表2所示,具体历过程如图3所示。
表2 AIC模型阶数与组合序号对照表
仿真工况1设计如下:初始时刻,VSG1、VSG3投入运行,出力分别为5kW和3kW,VSG2处于停机状态,总负荷为9kW,系统功率不平衡。t=0.49s时,VS2投入运行,出力为3kW;t=0.98s时,投入10kW负荷,t=1.38s时,切除10kW负荷;t=1.9s时,VSG3脱机;t=2.68s和3.08s时分别投入和切除3kW负荷。DMC二次频率调节间隔为0.1s,自适应模型辨识程序采样时间间隔为0.004s,在检测到储能单元投切后的0.2s内持续采样并给出辨识结果。
仿真中,在t=0s、0.49s、1.9s时均有机组投切动作,图6给出了AIC+带遗忘因此最小二乘辨识算法在t=0.2s、0.69s、2.1s三个时刻获得14种AIC函数值。图7、图8和图9给出了14种不同阶次组合下辨识结果与孤岛微电网实际角频率偏差的对比曲线。通过分析可以看出,三个时刻AIC函数取得最小值的阶数组合对应的曲线与孤岛微电网实际角频率偏差曲线拟合度最好,验证了AIC函数与带遗忘因子最小二乘辨识方法组合而成的自适应模型辨识方法的有效性。将辨识得到的模型做单位阶跃响应并采样得到单位阶跃模型向量,其曲线如图10所示。
将上述自适应模型辨识得到的模型作为DMC二次频率调节的预测模型对孤岛微电网进行二次调频,PCC电压频率如图11所示。仿真过程分析如下:仿真初始时刻微电网频率为50Hz,自适应模型辨识程序尚未启动,需要花费0.2s对微电网的外特性数据进行采样并进行最优模型辨识,DMC预测模型缺少模型参数,因此在0-0.2s这段时间内,DMC二次调频不启动,二次调频计划外功率为0kW,微电网频率在t=0.2s时跌落到49.93Hz;t=0.2s时,自适应模型辨识程序在线获得微电网最优功频特性等值模型,并更新预测模型,启动DMC二次调频模块,经过0.1s左右的二次频率调节,在t=0.3s时微电网频率恢复至额定值;t=0.49s时,VSG2投入运行,微电网模型发生变化,此时自适应模型辨识程序收到辨识程序启动模块发送的使能信号,在0.49-0.69s这段时间内对微电网的外特性数据再次进行采集,DMC二次调频策略在此期间仍然采用原有的微电网最优功频特性的单位阶跃模型向量作为模型参数,由于VSG带有初始基准功率,需要一定时间进行功率平衡,微电网频率在t=0.69s被调节到49.98Hz,此时,自适应模型辨识程序求出新的微电网最优功频特性等值模型,并更新预测模型,启动DMC二次调频模块,经过0.2s左右的二次频率调节,在t=0.9s时将微电网频率调节到额定频率;t=0.98s和1.38s时,微电网分别投入和切除10kW负荷,期间最大频率偏差约为0.22Hz,经过0.2s左右的DMC二次频率调节,在t=1.2s和1.6s时均将微电网频率调节到额定频率;t=1.9s时,VSG3脱机,微电网模型发生变化,启动自适应模型辨识程序对系统模型进行辨识,在1.9-2.1s模型辨识期间,DMC二次调频策略仍然采用原有的微电网最优功频特性的单位阶跃模型向量作为模型参数,在t=2.1s时,将微电网频率调节到额定频率;t=2.1s时,自适应模型辨识程序获得实时最优微电网功频特性等值模型,DMC的预测模型得到更新;t=2.68s和3.08s时,微电网中分别有3kW负荷投入和切除,经过0.2s左右的DMC二次频率调节,在t=2.8s和3.3s时系统频率均恢复到额定值。上述仿真结果证明了基于自适应模型辨识DMC二次调频方法在设备频繁投切导致的孤岛微电网功频特性模型结构发生改变情况下频率调节的有效性,并且在整个调节过程中,微电网频率没有超调,验证了上述策略的稳定性。
Claims (1)
1.一种基于自适应在线模型辨识的微电网二次调频方法,其特征在于,是应用于由微电网控制中心、储能单元、光伏分布式电源、风力分布式电源以及负荷所构成的孤岛微电网中,并按照以下步骤进行:
步骤1:在孤岛微电网运行过程中,微电网控制中心根据所述储能单元的当前投切信号GSS、当前孤岛微电网公共耦合点的电压角频率变化速率或当前电压频率范围来确定当前微电网结构是否发生变化,若发生变化,则启动自适应模型辨识算法,执行步骤2,否则,返回步骤1;
步骤2:所述微电网控制中心通过与各个发电单元的通信获取在随后一段时间T各个可调度的发电单元的输出功率PO、各个不可调度的发电单元的输出功率Pun,并结合微电网控制中心内部存储的各个发电单元的基准功率参考指令Pref和二次调频功率参考指令ΣPSFR,得到功率不平衡量ΔPT;再对当前孤岛微电网公共耦合点的电压采样获得在所述一段时间T的电压角频率偏差ΔωPCC,T;
步骤3:利用式(1)得到孤岛微电网功频特性等值模型:
式(1)中,GPF(s)为孤岛微电网功频特性等值模型的传递函数;
步骤4:将功率不平衡量ΔPT和电压角频率偏差ΔωPCC,T作为自适应模型辨识算法的输入,通过定阶准则和系统辨识相结合的方式,遍历所有可能的孤岛微电网功频特性等值模型阶数,选取孤岛微电网最佳功频特性等值模型
步骤5:在当前控制时刻k,以当前控制时刻k之后的M个二次调频功率参考指令作为二次调频功率增量序列ΔPSFRM(k)=[ΔPSFR(k),ΔPSFR(k+1),...,ΔPSFR(k+M-1)];其中,ΔPSFR(k+M-1)表示当前控制时刻k之后的第M-1个二次调频功率参考指令;
以所述孤岛微电网最佳功频特性等值模型作为预测模型,以二次调频功率增量序列ΔPSFRM(k)=[ΔPSFR(k),ΔPSFR(k+1),...,ΔPSFR(k+M-1)]作为预测模型的控制输入,以当前控制时刻k的电压角频率偏差ΔωPCC,k作为预测模型的反馈量,通过模型预测和反馈校正,得到未来O个时刻孤岛微电网角频率偏差预测输出序列ΔωPM(k+x|k)=[ΔωPCC(k+1|k),ΔωPCC(k+2|k),...,ΔωPCC(k+O|k)],其中,ΔωPCC(k+O|k)表示当前控制时刻k之后的第O个时刻孤岛微电网角频率偏差,x∈[1,2,…,O];
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011386188.XA CN112366735B (zh) | 2020-12-01 | 2020-12-01 | 一种基于自适应在线模型辨识的微电网二次调频方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011386188.XA CN112366735B (zh) | 2020-12-01 | 2020-12-01 | 一种基于自适应在线模型辨识的微电网二次调频方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112366735A CN112366735A (zh) | 2021-02-12 |
CN112366735B true CN112366735B (zh) | 2022-06-07 |
Family
ID=74536932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011386188.XA Active CN112366735B (zh) | 2020-12-01 | 2020-12-01 | 一种基于自适应在线模型辨识的微电网二次调频方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112366735B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113131532B (zh) * | 2021-04-16 | 2021-10-08 | 南京邮电大学 | 一种新能源电站一次调频网络化控制方法 |
CN113485126B (zh) * | 2021-08-23 | 2023-05-12 | 安徽工业大学 | 一种用于直流微电网集群的改进型动态矩阵控制三次控制方法 |
CN114221394B (zh) * | 2021-11-25 | 2024-04-05 | 浙江大学 | 一种基于储能系统的自适应虚拟同步机控制方法 |
CN114844126B (zh) * | 2022-05-10 | 2023-04-18 | 电子科技大学 | 基于分布式模型预测控制的dfig有功功率控制方法 |
CN117060408B (zh) * | 2023-10-13 | 2024-05-28 | 国网浙江省电力有限公司宁波供电公司 | 新能源发电预测方法及系统 |
CN117118536B (zh) * | 2023-10-25 | 2023-12-19 | 南京派格测控科技有限公司 | 调频稳定性的确定方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105656034A (zh) * | 2016-02-29 | 2016-06-08 | 合肥工业大学 | 孤岛微电网频率控制的仿真建模方法 |
CN107798199A (zh) * | 2017-11-09 | 2018-03-13 | 华中科技大学 | 一种水电机组参数闭环辨识方法 |
CN110021960A (zh) * | 2019-04-23 | 2019-07-16 | 华南理工大学 | 一种基于模型预测控制的孤岛微电网电压频率控制方法 |
CN110429618A (zh) * | 2019-08-27 | 2019-11-08 | 合肥工业大学 | 微电网调频控制方法、控制系统及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1489714B1 (en) * | 2003-06-21 | 2008-01-02 | Abb Research Ltd. | Detecting electromechanical oscillations in power systems |
-
2020
- 2020-12-01 CN CN202011386188.XA patent/CN112366735B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105656034A (zh) * | 2016-02-29 | 2016-06-08 | 合肥工业大学 | 孤岛微电网频率控制的仿真建模方法 |
CN107798199A (zh) * | 2017-11-09 | 2018-03-13 | 华中科技大学 | 一种水电机组参数闭环辨识方法 |
CN110021960A (zh) * | 2019-04-23 | 2019-07-16 | 华南理工大学 | 一种基于模型预测控制的孤岛微电网电压频率控制方法 |
CN110429618A (zh) * | 2019-08-27 | 2019-11-08 | 合肥工业大学 | 微电网调频控制方法、控制系统及装置 |
Non-Patent Citations (4)
Title |
---|
A novel secondary frequency control strategy for islanded microgrid based on identification model;Dong Xu et al.;《IEEE》;20191231;第1-6页 * |
A simplified microgrid voltage and frequency response characteristic modelling method based on system identification;Yong Shi et al.;《Electrical Power and Energy Systems 121》;20200429;第1-11页 * |
基于模型预测控制的孤岛微电网二次调节策略;李得民 等;《电力系统自动化》;20190525;第43卷(第10期);第60-67页 * |
基于系统辨识建模的微网二次电压频率控制器参数设计方法;施永 等;《电力系统自动化》;20200512;第1-13页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112366735A (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112366735B (zh) | 一种基于自适应在线模型辨识的微电网二次调频方法 | |
CN109687526B (zh) | 一种基于一致性理论的孤岛微电网分层分布式控制策略 | |
CN107317352B (zh) | 具有三相不平衡治理功能的微型光伏逆变器控制方法 | |
Jiao et al. | Distributed coordinated voltage control for distribution networks with DG and OLTC based on MPC and gradient projection | |
Suresh et al. | Decentralized control strategy for fuel cell/PV/BESS based microgrid using modified fractional order PI controller | |
Nguyen et al. | Agent based distributed control of islanded microgrid—Real-time cyber-physical implementation | |
CN111725798A (zh) | 一种用于直流微电网集群的分布式经济调度预测控制方法 | |
CN110707680A (zh) | 直流微电网功率精确分配和母线电压偏差优化控制方法 | |
CN110212516A (zh) | 一种考虑时延的直流微电网储能分布式控制方法 | |
CN116526511B (zh) | 一种多源协同参与系统负荷频率控制的方法 | |
Sridhar et al. | Enhancement of power management in micro grid system using adaptive ALO technique | |
CN110429578B (zh) | 一种分布式直流微电网控制方法 | |
CN109103946B (zh) | 风电经柔性直流电网送出系统电容器组投切计划生成方法 | |
Yin et al. | Overview of hierarchical control of AC and DC microgrid | |
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 | |
CN115622131A (zh) | 一种带储能的微电网频率鲁棒最优h2/h∞控制器设计方法 | |
Ma et al. | Distributed predictive tertiary control for DC microgrid clusters | |
CN114024340B (zh) | 一种海上风电装置控制系统及模型预测控制方法 | |
CN111146818B (zh) | 一种配电网中压-低压资源协调控制方法 | |
CN113346474B (zh) | 一种直流微电网双储能协调控制方法及存储介质 | |
CN114435155A (zh) | 基于凸函数的燃料电池和电池混合动力系统能量控制方法 | |
Ferreira et al. | Multiobjective approach for power flow and unbalance control in low-voltage networks considering distributed energy resources | |
De Tuglie et al. | Minimization of Microgrid Impact on Distribution Network Systems Through BESS Real-Time Control | |
Asghari et al. | Delay-scheduled controllers for inter-area oscillations considering time delays | |
CN117458492A (zh) | 一种含共享储能的交直流混合微电网分级分布式控制方法 |
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 |