CN113258574A - 用于直流微电网集群的广义预测功率流动控制算法 - Google Patents

用于直流微电网集群的广义预测功率流动控制算法 Download PDF

Info

Publication number
CN113258574A
CN113258574A CN202110565661.9A CN202110565661A CN113258574A CN 113258574 A CN113258574 A CN 113258574A CN 202110565661 A CN202110565661 A CN 202110565661A CN 113258574 A CN113258574 A CN 113258574A
Authority
CN
China
Prior art keywords
output
control
current
power flow
generalized predictive
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.)
Withdrawn
Application number
CN202110565661.9A
Other languages
English (en)
Inventor
刘宿城
马进
刘晓东
方炜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui University of Technology AHUT
Original Assignee
Anhui University of Technology AHUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui University of Technology AHUT filed Critical Anhui University of Technology AHUT
Priority to CN202110565661.9A priority Critical patent/CN113258574A/zh
Publication of CN113258574A publication Critical patent/CN113258574A/zh
Withdrawn legal-status Critical Current

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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • H02J3/36—Arrangements for transfer of electric power between ac networks via a high-tension dc link
    • 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
    • H02J3/388—Islanding, i.e. disconnection of local power supply from the network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/60—Arrangements for transfer of electric power between AC networks or generators via a high voltage DC link [HVCD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Power Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Dc-Dc Converters (AREA)

Abstract

本发明阐述了用于用于直流微电网集群的广义预测功率流动控制算法，在直流微电网系统领域，相比于设备级控制方案的成熟发展来说，对于微网集群的三次控制方案屈指可数，本发明的贡献在于将广义预测控制应用于直流微电网集群系统，替代传统的PID控制，解决传统控制方案固有的动态过程调节差的缺陷，通过检测每个微电网输出功率来合理的控制功率流动；广义预测控制适于直流微电网集群这类多输入多输出且具有非线性性质的电力系统领域控制问题，具有良好的动态性能并且能够适应微电网系统内部出现的负载切换和微电网的即插即拔等常见问题。

Description

用于直流微电网集群的广义预测功率流动控制算法
技术领域
本发明涉及直流微电网集群技术领域，具体涉及用于直流微电网集群的 广义预测功率流动控制算法。
背景技术
微电网是由分布式能源和负载组成的小型本地电力供电系统，既可以作 为孤网单独运行也可以接入大电网运行。根据微电网母线电压的不同，可以 将其分类为直流微电网、交流微电网和交直流混合微电网。最近几年来，中 国因为分布式能源发电技术的飞速发展，尤其以光伏发电和风力发电技术迭 代最为显著，因为新能源发电具有不可控制的间歇性，因此催生电力市场不 断的投入和建立储能单元装置，直流供电技术也渐渐的走进用户的视野。
直流微电网以其独特的优势吸引了来自电力企业和研究机构的极大兴趣。 一方面，直流供电系统使用更少的对储能装置和光伏发电单元极为有好的 DC/DC变换器，由此带来的必是低成本，占有面积小和高可靠性等突出特点； 另一方面，与交流微电网相比较，直流供电系统将不会再出现频率、相位以 及无功功率等电力参数，控制和管理较为简单。为了进一步提高直流供电系 统的可靠性，很多研究人员提出将多个单独的直流微电网通过Π型电力传输 线进行可靠连接，从而形成直流微电网集群以方便进行能量管理与最优运行。
直流微电网集群的控制是一个相对复杂的任务。为了简化直流供电系统 的控制，能够完成解耦控制的分层控制作为一个相对比较成熟的控制方案被 广泛的接受和应用。分层控制包含一次、二次以及三次控制方法，一次和二 次控制也被称为设备级控制，对本地电网的电压和电流进行管理，三次控制 针对每个微电网，当某个微电网的功率冗余或欠缺时，那么相邻电网的功率 将会通过三次控制输出或输入。
因为直流微电网集群的概念也是最近几年才提出，此前的学者对其三次 控制的研究并不是很深入，比如其控制策略主要还是采用传统的PI控制算法， 那么这种控制算法并不适应像直流微电网这种扰动频繁的非线性系统。模型 预测控制作为一种先进的控制算法，被广泛的应用在石油炼化，电力发电等 工业领域，不仅适合单输入单输出系统，同样适用于像直流微电网集群这样 具有高度的非线性特质的多输入多输出系统，而且具有非常优秀的动态性能。
本发明通过采用广义预测控制算法替代传统的PI算法，无论是在直流微 电网系统出现负载跳变还是某个微电网的即插即拔，其都会具有良好的动态 响应和稳态性能。
发明内容
本发明的目的在于提供用于直流微电网集群的广义预测功率流动控制算 法，以直流微电网集群为应用场景，在分层控制策略的三次控制结构中，采 用广义预测控制算法进行功率流动和最优运行，实现整个微电网集群的稳定 运行和提高直流微电网系统孤网运行的可靠性。
为实现上述目的，本发明提供如下技术方案，用于直流微电网集群的广 义预测功率流动控制算法，包括以下步骤：
S1、建立包含多个储能单元的直流微电网集群，针对每一个储能单元变 换器，应用小信号扰动分析方法，构造单个变换器电感电流与占空比的传递 函数模型；
S2、根据所得到的传递函数模型，设置采样时间将其离散化，转化成为 差分方程形式，化简得到受控自回归滑动平均模型(Controlled Auto-Regressive IntegratedMoving-Average,CARIMA)；
S3、通过S2中所得出的模型，引入丢番图方程，估计系统的延迟时间， 设置起始预测步长和终止预测步长，终止预测步长与起始预测步长之差为预 测时域，控制时域大小设定在小于或者等于预测时域，控制时域大小设定在 小于或者等于预测时域；
S4、由丢番图方程计算出未来N步的预测输出量方程，得到系数矩阵；
S5、为增强控制系统的鲁棒性，引入代价函数并考虑控制量对系统未来 时刻的影响，设定参考轨迹，根据S4得出的系数矩阵求解代价函数最小值得 出其控制增量的解，也就是所谓的最优控制量；
S6、将得到的最优控制量分别输入受控自回归滑动平均模型以及实际储 能单元变换器分别得到预测输出值和实际输出值，然后将得到的当前时刻的 预测输出值与实际输出值进行作差，得出的误差值添加到下一时刻的预测输 出滚动求解代价函数，不断的进行反馈校正，直到系统输出与参考轨迹一致。
优选的，在S1中对单个储能单元变换器建立电感电流与占空比之间的传 递函数模型，这里以Boost变换器为例进行建模：
Figure BDA0003080898780000031
式中，Vout为变换器输出电压；
L、R、C分别为变换器电感、负载电阻、输出电容；
D′＝1-D，D输出电压和输入电压的比值，即为占空比。
在所建立的Boost变换器传递函数的基础之上得出以电压和电流作为双 闭环进行反馈调节的闭环传递函数，化简得到公式：
Figure BDA0003080898780000032
式中，Kpv、Kpi分别为电压外环和电流内环的比例系数。
进一步的，将公式(2)进行离散化，设置采样时间Ts，转化为差分方程 的形式，得到受控自回归滑动平均模型：
A(z-1)y(k)＝z-dB(z-1)u(k)+C(k)·ε(k)/Δ (3)
式中，y(k)、u(k)、ε(k)分别为系统的输出、输入和噪声干扰；
Δ为差分算子，且Δ＝1-z-1；
d为延迟系数，一般取值为1；
A(z-1)、B(z-1)、C(z-1)分别为输出、输入和噪声系数多项式。
进一步的，为预测第j步的输出，引入丢番图方程：
Figure BDA0003080898780000041
式中，
Figure RE-GDA0003153921290000042
作为新的输出系数矩阵；
Ej(z-1)、Gj(z-1)、Fj(z-1)是新引入的变量矩阵；
联立公式(3)和(4)得到k时刻之后第j步的预测输出方程：
y(k+j)＝Gjy(k)+Fj·Δu(k+j-1)+Ejε(k+j) (5)。
进一步的，通过公式(4)计算出未来N2-N1预测步长输出，得到模型预 测输出矩阵公式：
Y＝F1·ΔU+F2·ΔU′+GY(K)+Eε (6)
式中，ΔU为当前和未来时刻的控制量增量；
ΔU′为过去时刻的控制量增量；
Y为未来预测输出量；
Y(K)为当前和过去时刻的实际输出量。
进一步的，在S5中引入的代价函数为：
Figure BDA0003080898780000043
其中，yr为参考输出，将公式(5)带入公式(7)当中，并且化成矩阵 形式：
J＝(F1·ΔU+F2·ΔU′+GY(K)+Eε)T·(F1·ΔU+F2·ΔU′+GY(K)+Eε)+ΔUT·ΔU (8)
令
Figure BDA0003080898780000051
忽略噪声影响，可以求得控制增量：
ΔU＝(F1TF1+I)-1·F1 T·(Yr-F2·ΔU′-GY(K)) (9)
每次求得ΔU的第一个控制增量输入预测模型，求得当前时刻的预测输出。
优选的，在S6中，通过求得的模型预测输出量和当前时刻的系统实际输 出量进行比较，得出误差值与下一时刻的预测输出进行相加，此过程以滚动 优化的方式不断的在线进行，最后使得实际输出量和输入的参考轨迹相一致。
与现有技术相比，本发明的有益效果是：
1、现有的直流微电网集群三次控制通常采用集中式控制或者分散式控制， 集中式控制有且仅有一个中央控制器，如果内部出现单点故障的问题，那么 整个系统级控制将会崩溃，失去原有的控制功能，对于分散式控制，控制器 繁多，单个微电网之间的通信压力大，虽然不会出现单点故障的问题，可是 经济成本增加，本发明方案采用分布式控制，只有相邻直流微电网之间会有 通信线路，避免一个出现问题整体失去控制，节约成本；
2、无论集中式，分散式还是分布式控制策略，现有的控制算法仅仅采用 PI算法，但是对于直流微电网集群系统来讲，控制对象耦合性强，并且带有 明显的时变性和非线性特性，PI控制就显得非常吃力，具有很大的局限性， 广义预测控制却非常适合控制这类系统；
3、广义预测控制属于模型预测控制的一种，不仅适用于单输入单输出系 统，同样适应于多输入多输出系统，当直流微电网内出现像负载跳变或者某 个微电网即插即拔这种大信号干扰时，GPC算法可显著提升系统的动态响应， 减少调节时间，降低超调量，并且具有相当良好的稳态性能
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需 要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明 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的前提 下，还可以根据这些附图获得其他的附图。
在所有的附图中，MG1、MG2、MG3分别表示直流微电网1、直流微电 网2、直流微电网3。
图1为本发明中的直流微电网集群结构图；
图2为本发明中的广义预测三次控制示意图；
图3为本发明中的GPC算法结构图；
图4为本发明中广义预测控制流程图；
图5(a)，(b)分别为本发明中使用广义预测控制算法进行三次控制 时各直流微电网负载端输出电流和母线电压；
图6(a)，(b)分别为本发明中当直流微电网1内负载跳变时各直流 微电网负载端输出电流与母线电压；
图7(a)，(b)分别为本发明中当直流微电网3即插即拔时各直流微 电网负载端输出电流和母线电压。
具体实施方式
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作 出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，直流微电网集群可由多个直流微电网通过Π型电力传输线 连接形成，一个完整的直流微电网包含储能单元，分布式发电单元和负载， 微电网集群的三次控制包含有通信网络。本实施例中采用三个直流微电网构 成直流微电网集群，每个直流微电网由两个储能单元组成，与储能单元相连 接的为Boost变换器，负载选为纯阻性负载，母线电压为应用广泛且适用于家 庭住宅的住宅直流微电网等级48V，验证基于广义预测控制的直流微电网集 群功率流动方法的可行性。
从图2中，可以清楚的看到相邻两个直流微电网之间的三次控制策略。 每个直流微电网内含有多个储能单元，可以选择2-3个储能单元进行直流微电 网之间的功率流动，计算其输出平均电流ipu，将其与相邻直流微电网之间的 输出平均电流再次进行平均化，使其结果e作为参考轨迹作为广义预测控制器 的输入量，当广义预测控制器作用之后，其输出值u是控制器的输出，在此实 施例中，u也被定义为δv，即控制器产生的电压偏差项，与参考电压相加作为 新的母线电压参考值输入进行设备级的控制，以此来调节相邻直流微电网之 间的功率流动，实现功率平衡的控制目的。
图3是广义预测控制器控制结构图。以相邻直流微电网之间平均电流作 为参考输出电流，设置柔化系数，对参考轨迹进行柔化输出，柔化的目的不 是使输出直接跟踪设定值，而是跟踪参考轨迹线。当前时刻的系统实际输出 与模型预测输出值进行作差和下一时刻的预测输出作和，利用下一时刻的参 考轨迹进行下一时刻的控制量δv的计算，此过程每一时刻都不断的在线进行， 也被称为滚动优化。输出控制量作为输出量不仅控制实际系统也控制预测模 型系统，可得到当前时刻的系统实际输出量和模型预测输出量，然后作差进行在线的反馈校正。
图4是完整的基于广义预测控制的直流微电网集群功率流动方法的控制 流程图。首先，针对储能变换器单元建立的传递函数模型设置参数，接着对 广义预测控制器参数进行初始化，引入丢番图方程，求解输出控制量需要的 三个矩阵系数，将相邻直流微电网之间的平均电流设置为参考轨迹，读取k时 刻的模型输出，将当前时刻输出值与反馈误差进行求和代入矩阵公式计算当 前时刻的控制增量，求出控制量，再次更新未来计算需要的控制参数，最后 得到系统实际输出反馈到下一时刻模型预测输出，整个基于广义预测控制的直流微电网集群功率流动控制结束。
图5给出了采用广义预测控制算法作为三次控制的负载端输出电流波形。 仿真时长设置为0.3s，在直流微电网系统开始运行时，为防止系统不稳定，底 层下垂控制并不作用，等待系统稳定之后，一次控制进行作用，在0.05s时加 入二次电压调节控制，二次控制采用离散一致性算法，使相邻直流微电网母 线电压的平均值达到48V，直流微电网1，2，3的负载大小分别为1A， 1.5A，3A。三次控制作用时，必须确保设备级控制已经完成其控制功能，即 母线电压已恢复其额定值。在0.1s时，投入三次控制，直流微电网集群系统 开始进行功率流动，在不到0.01s的时间，功率较低的电网功率流向功率较高 的电网，最终趋于平衡，实现功率流动的目的，这样的目的是使每个直流微 电网承受相同的电流应力，延长网内器件的使用寿命。
图6为直流微电网1负载跳变时，广义预测控制算法进行控制时的负载 输出端电流和电压波形。在t＝0-0.1s时，仅有一次和二次控制作用，当在0.1s 时系统电压电流达到稳态额定值之后，三次控制进行作用，三个网功率很快 达到平衡。等再次达到稳态时，在0.15s时，直流微电网1内部负载进行跳变， 从起初的1A跳变至2A，广义预测控制再次进行作用，使三个网输出功率重 新达到均衡。在0.25s时，网1负载再次恢复到起始值，广义预测三次控制算 法作用明显，恢复稳态时间非常迅速，稳态之后功率趋于一致。
图7为直流微电网3即插即拔时，在本发明方案所提控制算法之下的功 率流动作用效果。在t＝0-0.1s时，其系统运行状态与图5和图6相同，在0.1s 时三个直流微电网进行并网，激活三次控制，功率流动达到平衡状态。在0.15 时为模拟实际中可能出现的情况，将直流微电网3切出集群之后进行控制作 用，当前时刻仅有直流微电网1和2构成直流微电网集群，从图中可看到， 网3单独进行运行，其母线电压达到48V，并不参与功率流动，网1和网2 之间进行功率流动，在0.25s时，网3又投入集群，功率再次达到平衡，证明 本发明方案对直流微电网的投切控制效果明显。
本实施例验证基于广义预测控制的直流微电网集群功率流动方法的可行 性。功率流动的对象是整个微电网集群系统，一次控制作用使每个直流微电 网内部储能变换器尽量分担相同的负载，延长储能装置和变换器使用寿命， 降低经济成本，因为下垂控制是以降低母线电压为代价进行的电流应力分担， 如果电压长时间低于额定值会出现系统不稳定，因此二次控制采用离散一致 性算法恢复母线电压，使母线电压达到额定值，这样做的目的是降低直流微 电网之间进行并联会出现的问题，如果电压不能达到额定值或者相差较大， 会造成并网时的直流微电网集群系统出现电网环流，影响系统稳定。直流微 电网集群进行功率流动时是以母线电压压差为代价，因此进行功率流动时， 允许母线电压稍有差异，但最终的功率趋于一致，达到最终功率平衡的目的。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示 例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特 点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的 示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结 构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结 合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并 没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然， 根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这 些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领 域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范 围和等效物的限制。

Claims (8)

1.用于直流微电网集群的广义预测功率流动控制算法，其特征在于，包括以下步骤：
S1、建立包含多个储能单元的直流微电网集群，针对每一个储能单元变换器，应用小信号扰动分析方法，构造单个变换器的传递函数模型；
S2、根据所得到的传递函数模型，设置采样时间将其离散化，转化成为差分方程形式，化简得到受控自回归滑动平均模型；
S3、通过所得出的受控自回归滑动平均模型，引入丢番图方程，估计系统的延迟时间，设置起始预测步长和终止预测步长，终止预测步长与起始预测步长之差为预测时域，控制时域大小设定在小于或者等于预测时域；
S4、由丢番图方程计算出未来N步的预测输出量方程，得到系数矩阵；
S5、引入代价函数并考虑控制量对系统未来时刻的影响，设定参考轨迹，根据S4得出的系数矩阵求解代价函数最小值，得出其控制增量的解，即最优控制量；
S6、将得到的最优控制量分别输入受控自回归滑动平均模型以及实际储能单元变换器分别得到预测输出值和实际输出值，然后将得到的当前时刻的预测输出值与实际输出值进行作差，得出的误差值添加到下一时刻的预测输出滚动求解代价函数，不断的进行反馈校正，直到系统输出与参考轨迹一致。
2.根据权利要求1所述的用于直流微电网集群的广义预测功率流动控制算法，其特征在于，在S1中，对Boost变换器进行建模，其传递函数模型如下：
Figure FDA0003080898770000011
式中，Vout为变换器输出电压；
L、R、C分别为变换器电感、负载电阻、输出电容；
D′＝1-D，D输出电压和输入电压的比值，即为占空比。
3.根据权利要求2所述的用于直流微电网集群的广义预测功率流动控制算法，其特征在于：在所建立的Boost变换器传递函数的基础之上得出以电压和电流作为双闭环进行反馈调节的闭环传递函数，化简得到公式：
Figure FDA0003080898770000021
式中，Kpv、Kpi分别为电压外环和电流内环的比例系数。
4.根据权利要求3所述的用于直流微电网集群的广义预测功率流动控制算法，其特征在于，在S2中，将公式(2)进行离散化，设置采样时间Ts，转化为差分方程的形式，得到受控自回归滑动平均模型：
A(z-1)y(k)＝z-dB(z-1)u(k)+C(k)·ε(k)/Δ (3)
式中，y(k)、u(k)、ε(k)分别为系统的输出、输入和噪声干扰；
Δ为差分算子，且Δ＝1-z-1；
d为延迟系数，一般取值为1；
A(z-1)、B(z-1)、C(z-1)分别为输出、输入和噪声系数多项式。
5.根据权利要求4所述的用于直流微电网集群的广义预测功率流动控制算法，其特征在于，在S3中，预测第j步的输出，引入丢番图方程：
Figure RE-FDA0003153921280000022
式中，
Figure RE-FDA0003153921280000023
作为新的输出系数矩阵；
Ej(z-1)、Gj(z-1)、Fj(z-1)是新引入的变量矩阵；
联立公式(3)和(4)得到k时刻之后第j步的预测输出方程：
y(k+j)＝Gjy(k)+Fj·Δu(k+j-1)+Ejε(k+j) (5)。
6.根据权利要求5所述的用于直流微电网集群的广义预测功率流动控制算法，其特征在于，在S4中，通过公式(4)计算出未来N2-N1预测步长输出，得到模型预测输出矩阵公式：
Y＝F1·ΔU+F2·ΔU′+GY(K)+Eε (6)
式中，ΔU为当前和未来时刻的控制量增量；
ΔU′为过去时刻的控制量增量；
Y为未来预测输出量；
Y(K)为当前和过去时刻的实际输出量。
7.根据权利要求6所述的用于直流微电网集群的广义预测功率流动控制算法，其特征在于，在S5中引入代价函数：
Figure FDA0003080898770000031
其中，yr为参考输出，将公式(5)带入公式(7)当中，并且化成矩阵形式：
J＝(F1·ΔU+F2·ΔU′+GY(K)+Eε)T·(F1·ΔU+F2·ΔU′+GY(K)+Eε)+ΔUT·ΔU (8)
令
Figure FDA0003080898770000032
忽略噪声影响，可以求得控制增量：
ΔU＝(F1 TF1+I)-1·F1 T·(Yr-F2·ΔU′-GY(K)) (9)
每次求得ΔU的第一个控制增量输入预测模型，求得当前时刻的预测输出。
8.根据权利要求7所述的用于直流微电网集群的广义预测功率流动控制算法，其特征在于，在S6中，通过求得的模型预测输出量和当前时刻的系统实际输出量进行比较，得出误差值与下一时刻的预测输出进行相加，此过程以滚动优化的方式不断的在线进行，最后使得实际输出量和输入的参考轨迹相一致。
CN202110565661.9A 2021-05-24 2021-05-24 用于直流微电网集群的广义预测功率流动控制算法 Withdrawn CN113258574A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110565661.9A CN113258574A (zh) 2021-05-24 2021-05-24 用于直流微电网集群的广义预测功率流动控制算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110565661.9A CN113258574A (zh) 2021-05-24 2021-05-24 用于直流微电网集群的广义预测功率流动控制算法

Publications (1)

Publication Number Publication Date
CN113258574A true CN113258574A (zh) 2021-08-13

Family

ID=77183961

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110565661.9A Withdrawn CN113258574A (zh) 2021-05-24 2021-05-24 用于直流微电网集群的广义预测功率流动控制算法

Country Status (1)

Country Link
CN (1) CN113258574A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114345126A (zh) * 2022-01-04 2022-04-15 神华神东电力有限责任公司 喷氨控制方法及喷氨控制装置
CN115309072A (zh) * 2022-08-01 2022-11-08 安徽工业大学 一种基于t-s模糊的并网同步控制系统大信号建模方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114345126A (zh) * 2022-01-04 2022-04-15 神华神东电力有限责任公司 喷氨控制方法及喷氨控制装置
CN115309072A (zh) * 2022-08-01 2022-11-08 安徽工业大学 一种基于t-s模糊的并网同步控制系统大信号建模方法
CN115309072B (zh) * 2022-08-01 2024-04-09 安徽工业大学 一种基于t-s模糊的并网同步控制系统大信号建模方法

Similar Documents

Publication Publication Date Title
Zhao et al. Coordinated restoration of transmission and distribution system using decentralized scheme
CN108363306B (zh) 基于线性二次型优化的微电网分布式控制器参数确定方法
CN108879690B (zh) 一种交直流混合微电网数据驱动控制方法
CN107800155B (zh) 考虑智能软开关的有源配电网多时段孤岛运行方法
Wang et al. Accurate current sharing and voltage regulation in hybrid wind/solar systems: an adaptive dynamic programming approach
Malik et al. A generalized droop strategy for interlinking converter in a standalone hybrid microgrid
CN111371112A (zh) 孤岛微电网异构电池储能系统分布式有限时间控制方法
CN110867848B (zh) 一种用于直流微电网群落的能量管理预测控制方法
Zehra et al. Fuzzy-barrier sliding mode control of electric-hydrogen hybrid energy storage system in DC microgrid: Modelling, management and experimental investigation
CN108599154A (zh) 一种考虑不确定性预算的三相不平衡配电网鲁棒动态重构方法
CN113258574A (zh) 用于直流微电网集群的广义预测功率流动控制算法
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
Liu et al. Stability and bifurcation analysis of DC microgrid with multiple droop control sources and loads
CN111525702A (zh) 一种用于直流微电网集群的分布式预测三次控制方法
CN108092267B (zh) 一种基于智能体的配电网接入规划系统的方法
CN112467748A (zh) 三相不平衡主动配电网双时标分布式电压控制方法及系统
CN114548597A (zh) 一种交直流混合光储配电网优化方法
CN112671034B (zh) 一种基于分布式二层控制的孤岛式交流微电网频率恢复及功率最优分配方法
CN111817287A (zh) 一种用于直流微电网集群的非参数化模型预测三次控制方法
Qin et al. Tertiary control based on non-parametric model prediction for dc microgrid cluster
Ye et al. Improved droop control strategy for an MMC-MTDC connected to offshore wind farms with dynamic correction of the actual operating point
CN114243767A (zh) 一种孤岛微电网二次控制器设计方法
CN111934307B (zh) 一种用于直流配电网的扁平化运行控制方法及系统
Cheng et al. Distributed control for multiple hybrid energy storage systems using consensus algorithm in direct current power supply system
Khoramikia et al. Droop control method based on fuzzy adaptive virtual resistance for DC microgrids

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20210813

WW01 Invention patent application withdrawn after publication