CN113285474B - 一种参数优化的交流微电网储能soc均衡分布式控制方法 - Google Patents

Abstract

本发明公开了一种参数优化的交流微电网储能SOC均衡控制方法，该方法提出采用分布式多代理控制(Multi‑agent System，MAS)结构和动态一致性算法，考虑储能具有不同额定电量、不同的初始SOC的情况，提出利用母线频率、储能SOC与智能体对SOC均值估计量的功率计算方法，在满足微电网内功率平衡的同时实现功率平衡。同时通过优化参数选取的方式加快线性迭代，将实现SOC均衡时需要的总通信量降低，降低通信网络的压力。

Description

一种参数优化的交流微电网储能SOC均衡分布式控制方法

技术领域

本发明涉及一种参数优化的微电网储能SOC均衡控制策略，属于微电网技术领域。

背景技术

微电网作为应对化石燃料短缺和环境污染问题的措施，近年来正获得越来越多的关注，但是由于可再生能源出力存在随机性和不确定性的问题，容易给电力系统带来诸多不利影响，微电网通常配有相应的储能系统进行协同工作。蓄电池储能(Battery energystorage device,BESD)以其可靠性高、技术成熟等优点，为微电网常见的储能方式，但是随着系统持续运行，各电池的荷电状态(State of charge,SOC)会出现差别，严重时会使某些BESD过充或者由于低电量提前退出运行，进而导致其余储能承受过高的负载，进一步恶化微电网运行状态、影响电池寿命。因此，如果能在微电网储能平抑频率波动时引入SOC均衡策略优化其功率分配，对充分利用储能的容量、提高微电网的安全性稳定性具有重要意义。

目前针对微电网中储能SOC的均衡方法可以按照是否存在与各储能单元进行通信的中央智能体而分为集中式控制策略和分布式控制策略。现有很多的研究采用的都是集中式的控制策略，这类控制策略对控制中心的可靠性提出了极高的要求，单点的故障可能造成整个系统无法正常工作。

近年来，去中心化的分布式控制结构以其更高的可靠性、可扩展性和灵活性获得了研究者的青睐。

中国专利201910158768.4公开了一种分布式储能直流微电网中储能单元的充放电控制方法，其目的在于提供一种实现各储能单元SOC的快速均衡、提高储能单元的寿命的分布式储能直流微电网中储能单元的充放电控制方法。其技术方案为：在控制方程中引入均衡因子；在放电阶段，SOC较高的储能单元输出较高的放电电流，SOC较低的储能单元需要释放出较低电量；在充电阶段，SOC较高的储能单元的充电电流需要维持在较低水平，SOC较低的储能单元需要获得较大的充电电流，以此达到均衡不同储能单元的SOC的目的。然而其仅仅实现储能之间SOC的均衡，对于运行状态的微电网并不能提供功率平衡和功率追踪的功能，其分布式控制结构中也不存在通信，而是基于下垂控制改进的一种对等控制结构，对数据采集的准确性依赖程度极高，而且并未考虑微电网中的储能蓄电池存在参数的差异，比如不同额定电量等，在实际运用过程中阻力极大。

发明内容

为了克服现有技术的缺点，本发明提供了一种参数优化的交流微电网储能SOC均衡控制策略，该参数优化的交流微电网储能SOC均衡控制策略能够针对交流微电网中蓄电池储能系统的需要，提供具有高可靠性、较好的可拓展性、快速、准确、满足低通信需求、满足交流微电网功率平衡的微电网储能SOC均衡控制策略。通过分布式结构具有可靠性高、可扩展性好、即插即用等特点，通过一致性迭代参数优化具有低通信需求的特点，通过分布式功率计算方法具有SOC均衡快速、功率准确追踪的特点。

本发明采用以下技术方案实现：

一种参数优化的交流微电网储能SOC均衡分布式控制方法，包括以下步骤：

1)参数初始化，确定MAS各智能体计算功率时用到的参数一致，检查通信网络的状况；

2)储能系统检测到微电网交流母线的频率变动后，每个智能体i采集储能的SOC作为每个状态量的初始值，状态量x_i(0)＝SOC_i(t)，SOC_i(t)为t时刻第i个智能体采集的储能SOC值，智能体i根据通信网络将自身SOC信息发送给所有邻居，同时接收来自邻居j的SOC信息并更新本地记录的数据，x_ij＝x_j(0)，x_ij是智能体i记录下的智能体j的状态；所述的状态量为每个智能体对整体SOC平均值的估计值；以图论的形式描述各智能体的通信联络关系，用一个包含有智能体和智能体之间连接关系的无向图来描述所有这种通信关系，记作G＝{N,E}；其中N＝{v₁,v₂,...,v_n}表示通信网络中所有智能体的集合，E＝{ε₁,ε₂,...,ε_m}表示通信网络中所有通信连接构成的集合，其中通信连接为两个智能体的无序集合，若{v_i,v_j}∈E则称智能体i和智能体j之间存在通信关系，智能体i和j互为邻居，记智能体i的所有邻居集合为N_i＝{v_j|{v_i,v_j}∈E；j＝1,...,n}；

3)每个智能体根据本地记录的状态量信息进行迭代计算，判断是否需要更新本地状态量；当本地记录中存在一些未被邻居更新的数据时，在进行单次迭代计算时，智能体将跳过本地未被邻居更新的记录；所述的是否需要更新本地状态量的判断条件为|αu_i|≥ε|x_i|，智能体才会更新自身状态并启动通信，其中，

λ_k(·)表示矩阵第k大的特征值，L表示多智能体系统通信网络的Laplace矩阵；

ε是表示精度的正实数；

4)若智能体的本地状态量被更新，则对所有邻居发送更新过后的状态量x_i，接收到消息的邻居在本地将状态记录下来x_ji＝x_i，j∈N_i；

5)待所有需要通信的智能体完成本次通信后，回到步骤3)直到达成最多迭代次数或者达到收敛条件，每个智能体的状态量将收敛到所有储能SOC的平均值；所述的收敛条件为所有智能体均不需要更新本地状态量；

6)利用所有储能SOC的平均值计算每个智能体对应储能的功率P_i：

其中，ω_B表示微电网母线频率；ω₀表示标准频率；K_d表示下垂控制系数；C_i表示储能容量相关的参数；SOC_i表示储能当前时刻SOC；SOC_i,mean表示智能体对储能SOC均值的估计值；sgn表示符号函数；K_soc表示储能SOC均衡系数，用于控制SOC的收敛速度；

7)将计算得到的功率P_i作为功率参考值，从而对储能实现功率控制。

上述技术方案中，进一步地，在指令周期内，若智能体当前SOC已达到均值水平，则智能体不再主动进行任何一次初始化以外的通信。上述步骤3)-5)为一致性迭代，其中步骤3)用到了一致性参数优化方法。

本发明提出采用分布式多代理控制(Multi-agent System，MAS)结构和动态一致性算法，考虑储能具有不同额定电量、不同的初始SOC的情况，提出利用母线频率、储能SOC与智能体对SOC均值估计量的功率计算方法，在满足微电网内功率平衡的同时实现功率平衡。同时通过优化参数选取的方式加快线性迭代，将实现SOC均衡时需要的总通信量降低，降低通信网络的压力。

本发明的有益效果是：

1)稳定性高：由于基于分布式的多智能体控制结构实现SOC均衡控制，控制结构上满足即插即用的需求，只要满足通信网络连通，单个储能故障不会影响其它储能的正常工作。

2)可扩展性好：对于不同类型、厂家、批次型号的具有不同额定容量、初始SOC的蓄电池储能系统，本发明提供的控制策略里都进行了考虑，能实现接入后SOC快速均衡，储能的总功率之和满足微电网内的功率平衡。

3)通信要求低：本发明在分布式控制中采用一致性参数优化方法加快智能体的线性迭代过程，降低了智能体在迭代达到一致性时需要的迭代次数。

4)SOC均衡效果好：本发明提出的储能功率计算方法中储能SOC与均值的偏差对最终功率产生线性贡献，而且考虑了充电和放电两种情况，能够在实现微电网内功率平衡的前提下，储能SOC快速均衡为储能SOC的动态均值。

附图说明

图1是一种参数优化的交流微电网储能SOC均衡控制策略流程图；

图2是一个包含6储能系统的交流微电网中的通信连接关系和每个智能体在本地存储的信息。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

一种参数优化的交流微电网储能SOC均衡控制方法，该方法所采用的控制系统为分布式结构，智能体硬件为安装在每个储能电池上的控制器，多个控制器共同组成控制系统，控制系统包括：多智能体控制框架模块、智能体定义模块、一致性参数优化模块、迭代收敛条件模块、频率采集模块、功率计算模块、PQ控制模块。

多智能体控制框架模块采用经典的多智能体控制的基础框架，包含智能体、通信网络、通信方式，其中智能体仅进行简单函数运算、数据记录、通信。通信网络是多智能体系统中各智能体的通信联络关系，以图论的形式描述，可以用一个包含有智能体和智能体之间连接关系的无向图来描述所有这种通信关系，记作G＝{N,E}。其中N＝{v₁,v₂,...,v_n}表示通信网络中所有智能体的集合，E＝{ε₁,ε₂,...,ε_m}表示通信网络中所有通信连接构成的集合，如图2展示了两个存在通信关系的智能体(如Agent1与Agent2)之间的连接，其中通信连接为两个智能体的无序集合，若{v_i,v_j}∈E，则称智能体i和智能体j之间存在通信关系，智能体i和j互为邻居，记智能体i的所有邻居集合为N_i＝{v_j|{v_i,v_j}∈E；j＝1,...,n}。通信方式是智能体之间进行数据通信的方式，智能体以报文的形式向所有邻居发送智能体自身的状态量。

智能体定义模块用于对智能体内部数据结构进行定义，并记录在每个智能体本地，通信时将自身的结构发送给邻居，本发明中智能体内部数据结构为一张记录有自己和邻居的序号i、状态量x_i＝SOC_i,mean、状态量增量信息Δx_i＝ΔSOC_i的表。

一致性参数优化模块用于在一致性迭代过程中确保迭代能够在实现数值收敛同时减少达成收敛所需的迭代次数，进而降低控制过程中的通信量，所述的一致性参数优化模块即方法中的步骤3)对参数α的优化取值。一致性参数优化模块是指迭代公式x_i(t+1)＝x_i(t)+αu_i里α取值的优化选取方法。从理论分析可知α满足

时一致性迭代能够使智能体状态量收敛到状态量初值的平均值，其中λ_k(·)表示矩阵第k大的特征值，L表示多智能体系统通信网络的Laplace矩阵，而过小的α又会限制智能体迭代过程中状态量的增量，导致迭代次数增多通信压力增大，本发明采用控制领域文献中提出的通过求解凸优化问题最小化

的值，得到

一致性参数优化模块以此作为一致性迭代参数α的优化取值，其中W＝I-αL，I为单位对角阵。

迭代收敛条件模块用于在智能体状态更新的增量低于更新前智能体状态量的一定比例时，控制智能体不会进行通信将状态量更新至邻居，因此降低了通信压力，本发明中的通信条件为|αu_i|≥ε|x_i|，其中

x_ij是智能体i记录下的智能体j的状态，ε是表示精度的正实数。

频率采集模块是以锁相环为主体的微电网母线频率采集模块，安装在每个储能智能体内部，采集的数据传递给智能体处理器当中，小规模的交流微电网频率可视作处处相同。

功率计算模块用于在每个指令周期内智能体进行迭代运算完成后，智能体通过本地得到的数据计算储能必要的出力，功率计算可以实现储能系统SOC均衡、总功率满足微电网内的频率均衡要求，每个智能体对应储能的功率计算公式为：

ω_B表示微电网母线频率；ω₀表示标准频率；K_d表示下垂控制系数；C_i表示储能容量相关的参数，该参数一般不随时间而变化，因此可以在MAS初始化阶段告知所有智能体并记录下来；SOC_i表示储能当前时刻SOC；SOC_i,mean表示智能体对储能SOC均值的估计值；sgn表示符号函数；K_soc表示储能SOC均衡系数，该值越大，因SOC差异产生的功率差就越大，SOC收敛的速度越快，但是也越可能出现储能功率超出上限的问题，该值越小则SOC收敛速度越慢。

PQ控制模块为储能系统的并网控制模块，由输入的参考功率与当前的功率偏差产生控制输入，通过PQ控制环、电流内环控制、坐标变换，最终产生PWM控制信号输入储能系统的并网逆变器，实现储能的实际输出功率对参考输入功率的追踪。

如图1中所示，Agent i为储能系统i及其对应的智能体i，P_i表示计算得到的储能系统功率，SOC_i表示储能系统i当前的SOC，AC Bus为微电网交流母线，P_DG为微电网内各种分布式电源出力之和，P_L为微电网内的负荷功率，ω_B为交流微电网母线频率。

如图2中所示，展示了在一个包含6储能系统的交流微电网中的通信连接关系和每个智能体在本地存储的信息。其中P_DG表示分布式电源的出力之和，P_L表示微电网内的总负载，P_i(i＝1,…,6)表示第i个储能系统的出力，通信网络中的储能系统DESUi由智能体Agent i表示。当Agent 1需要与Agent 2进行通信时，则Agent 1(智能体1)将自己的ID、对整体SOC均值的估计值和SOC增量发送给Agent 2，Agent 2根据ID将接收到的数据在本地保存并更新已有记录x₂₁，其中x₂₁表示Agent 2记录下的Agent 1对整体SOC均值的估计，反过来Agent 2将状态量发送给Agent 1，Agent 1保存于本地并更新本地信息的过程与此一致。

本文所述的SOC均衡策略的控制流程为：

1)参数初始化，确定MAS各智能体之间确定计算参数是否一致，检查通信网络的状况；

2)储能系统检测到频率变动后，控制策略开始执行。在每个流程开始阶段，即t时刻策略开始运行前，各智能体采样当前状态也就是储能系统当前的SOC，以此更新本地保存的状态量x_i(0)＝SOC_i(t)。根据通信网络将自身SOC信息发送给所有邻居，同时接收来自邻居的SOC信息并更新本地记录的数据，x_ij＝x_j(0)；

3)每个智能体根据本地记录的信息进行迭代计算，判断是否需要更新本地状态量。本地记录中可能存在一些未被更新的数据，在进行单次计算时，智能体将跳过本地未被邻居更新的记录。这里的判断条件为|αu_i|≥ε|x_i|，智能体才会更新自身状态并启动通信。

4)若智能体的本地状态量被更新，即一致性迭代收敛条件未满足，则对所有邻居发送更新过后的状态量x_i，接收到消息的邻居在本地将状态记录下来x_ji＝x_i，j∈N_i；

5)待所有需要通信的智能体完成本次通信后，回到步骤3)直到达成最多迭代次数或者达到收敛条件；每个智能体的状态量将收敛到所有储能SOC的平均值；所述的收敛条件为所有智能体均不需要更新本地状态量；

6)利用所有储能SOC的平均值计算每个智能体对应储能的功率P_i：

其中，ω_B表示微电网母线频率；ω₀表示标准频率；K_d表示下垂控制系数；C_i表示储能容量相关的参数；SOC_i表示储能当前时刻SOC；SOC_i,mean表示智能体对储能SOC均值的估计值；sgn表示符号函数；K_soc表示储能SOC均衡系数，用于控制SOC的收敛速度；

7)将计算得到的功率下发到储能PQ控制输入环中，作为功率参考值，变流器快速跟随功率指令，实现控制目标。

在上述控制流程中除了智能体与邻居进行通信得到的SOC_i,mean之外，其余需要的数据均来自本地，不需要中央控制器进行调节，实现了分布式控制，并且在满足分布式电源和负载功率约束的条件下实现了储能SOC均衡。

以上所述的实施例只是本发明的一种较佳的方案，然其并非用以限制本发明。有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (2)

1.一种参数优化的交流微电网储能SOC均衡分布式控制方法，其特征在于，包括以下步骤：

1)参数初始化，确定MAS各智能体计算功率时用到的参数一致，检查通信网络的状况；

2)储能系统检测到微电网交流母线的频率变动后，每个智能体i采集储能的SOC作为每个状态量的初始值，状态量x_i(0)＝SOC_i(t)，SOC_i(t)为t时刻第i个智能体采集的储能SOC值，智能体i根据通信网络将自身SOC信息发送给所有邻居，同时接收来自邻居j的SOC信息并更新本地记录的数据，x_ij＝x_j(0)，x_ij是智能体i记录下的智能体j的状态；所述的状态量为每个智能体对整体SOC平均值的估计值；以图论的形式描述各智能体的通信联络关系，用一个包含有智能体和智能体之间连接关系的无向图来描述所有这种通信关系，记作G＝{N,E}；其中N＝{v₁,v₂,...,v_n}表示通信网络中所有智能体的集合，E＝{ε₁,ε₂,...,ε_m}表示通信网络中所有通信连接构成的集合，其中通信连接为两个智能体的无序集合，若{v_i,v_j}∈E则称智能体i和智能体j之间存在通信关系，智能体i和j互为邻居，记智能体i的所有邻居集合为N_i＝{v_j|{v_i,v_j}∈E；j＝1,...,n}；

3)每个智能体根据本地记录的状态量信息进行迭代计算，判断是否需要更新本地状态量；当本地记录中存在一些未被邻居更新的数据时，在进行单次迭代计算时，智能体将跳过本地未被邻居更新的记录；所述的是否需要更新本地状态量的判断条件为|αu_i|≥ε|x_i|，智能体才会更新自身状态并启动通信，其中，

λ_k(·)表示矩阵第k大的特征值，L表示多智能体系统通信网络的Laplace矩阵；

ε是表示精度的正实数；

4)若智能体的本地状态量被更新，则对所有邻居发送更新过后的状态量x_i，接收到消息的邻居在本地将状态记录下来x_ji＝x_i，j∈N_i；

5)待所有需要通信的智能体完成本次通信后，回到步骤3)直到达成最多迭代次数或者达到收敛条件，每个智能体的状态量将收敛到所有储能SOC的平均值；所述的收敛条件为所有智能体均不需要更新本地状态量；

6)利用所有储能SOC的平均值计算每个智能体对应储能的功率P_i：

其中，ω_B表示微电网母线频率；ω₀表示标准频率；K_d表示下垂控制系数；C_i表示储能容量相关的参数；SOC_i表示储能当前时刻SOC；SOC_i,mean表示智能体对储能SOC均值的估计值；sgn表示符号函数；K_soc表示储能SOC均衡系数，用于控制SOC的收敛速度；

7)将计算得到的功率P_i作为功率参考值，从而对储能实现功率控制。

2.根据权利要求1所述的一种参数优化的交流微电网储能SOC均衡分布式控制方法，其特征在于，在指令周期内，若智能体当前SOC已达到均值水平，则智能体不再主动进行任何一次初始化以外的通信。

Images