CN113675855A - 一种双层架构下动态电压模型预测分布式控制方法 - Google Patents
一种双层架构下动态电压模型预测分布式控制方法 Download PDFInfo
- Publication number
- CN113675855A CN113675855A CN202110965193.4A CN202110965193A CN113675855A CN 113675855 A CN113675855 A CN 113675855A CN 202110965193 A CN202110965193 A CN 202110965193A CN 113675855 A CN113675855 A CN 113675855A
- Authority
- CN
- China
- Prior art keywords
- voltage
- control
- time
- distributed
- value
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005457 optimization Methods 0.000 claims abstract description 50
- 238000009826 distribution Methods 0.000 claims abstract description 22
- 238000012937 correction Methods 0.000 claims abstract description 19
- 238000005096 rolling process Methods 0.000 claims abstract description 16
- 230000004044 response Effects 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 19
- 230000001276 controlling effect Effects 0.000 claims description 14
- 239000003795 chemical substances by application Substances 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 9
- 230000001360 synchronised effect Effects 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 8
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 abstract description 14
- 230000001052 transient effect Effects 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 5
- 230000002411 adverse Effects 0.000 abstract description 4
- 230000035699 permeability Effects 0.000 abstract description 2
- 239000010410 layer Substances 0.000 description 29
- 238000010586 diagram Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 230000006641 stabilisation Effects 0.000 description 4
- 238000011105 stabilization Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 239000002355 dual-layer Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
-
- 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
- H02J3/002—Flicker reduction, e.g. compensation of flicker introduced by non-linear load
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
-
- 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
- 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
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/10—Flexible AC transmission systems [FACTS]
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/30—Reactive power compensation
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Nonlinear Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种双层架构下动态电压模型预测分布式控制方法，属于电网电压控制技术领域，解决如何通过双层分布式控制实现暂态场景下电压的快速恢复与功率分配，以及如何通过多时步优化提高电网电压偏差的补偿精度的问题；采用自上而下的双层协调优化框架，加强了电压控制精度，不仅实现了微电网中电压的快速恢复与功率优化，灵活协调可控分布式电源，同时通过外层多时步滚动优化，有效抑制电压波动幅值，使电压预测偏差量最小，减轻了调压范围与次数；采用多时步数据输入对系统电压所需补偿值进行滚动优化、反复校正，减少了含高渗透、可调度分布式电源的交流微电网突发动态带来的不利影响，实现了电网电压的动态响应优化控制。
Description
技术领域
本发明属于交流微电网电压控制技术领域，涉及一种双层架构下动态电压模型预测分布式控制方法。
背景技术
双碳背景下，清洁低碳的新型电力系统已成为目前发展的重点。分布式电源与储能单元的高渗透率对控制策略的高效灵活性提出了更高的要求。交流微电网是一个依靠自我控制与功能管理实现功率平衡、系统稳定运行、电能质量治理的小型发电自治系统，是解决新能源消纳的关键方向。而大量分布式电源(Distributed Generation,DG)的接入使得其输出电压与功率总是处于动态变化中，控制策略更加复杂。同时，新能源间歇性引起的供能频繁的不平衡与波动性会造成系统频率、电压波动偏差，且暂态场景下系统电压恢复过程较慢，难以实现功率分配，一定程度上影响了微电网动态响应性能，不利于处理突发事件带来的影响。模型预测控制(Model Predictive Control,MPC)是一种基于多时间尺度下的闭环控制算法，具有较强的鲁棒性。通过多时步滚动优化，在二次控制的基础上，实时反馈修正结果，进行自适应的电压调整，进而精准控制系统电压恢复至正常范围内。
现有技术中，公开日期为2012年4月的文献《基于多代理技术的分布式模型预测长期电压稳定紧急控制》(喻振帆等，华南理工大学)将分布式模型预测控制方法应用于电力系统长期电压稳定紧急控制器设计，解决如何将大系统的在线滚动优化问题转化为若干个子系统的在线协同优化问题。上述文献存在以下缺点：1)该文献主要针对长期电压稳定，进行慢动态的控制，而非针对短期突发状态下的电压波动进行快速动态稳定控制；2)该文献采用基于参数轨迹灵敏度的二次规划模型，针对由于参数或初始条件发生小扰动时系统轨迹的变化进行优化，需要计算每个采样时刻的灵敏度矩阵，计算量较大；3)该文献采用的方式是各权重系数均等，通过多代理技术进行子系统同步计算，容易出现迭代不同步的时间差，采用的“快等慢”原则进行处理，实际上是以最慢的子系统计算时间为系统总计算时间，依赖性过强，容易受干扰影响造成计算慢、不准确的现象。
因此，上述文献并未解决如何通过双层分布式控制实现暂态场景下电压的快速恢复与功率分配，以及如何通过多时步优化提高电网电压偏差的补偿精度的问题。
发明内容
本发明所要解决的技术问题在于如何通过双层分布式控制实现暂态场景下电压的快速恢复与功率分配，以及如何通过多时步优化提高电网电压偏差的补偿精度。
本发明是通过以下技术方案解决上述技术问题的：
一种双层架构下动态电压模型预测分布式控制方法，包括以下步骤：
S1、基于虚拟同步机控制原理，建立双层分布式控制架构模型，对各分布式电源进行一次控制，使得各分布式电源获取所需弥补频率/电压缺额；定义代理分布式电源状态量的一致性值，基于一致性原则，经二次控制后使各分布式电源频率/电压收敛至平均一致性值，并维持功率一致性分配；
S2、考虑各输入变量的共同作用，建立多输入量交互下的动态电压预测模型；在步骤S1的基础上设定系统的约束条件，以电压预测偏差值最小为目标构造优化函数；以二次控制后的系统实时采样电压作为预测初始值，基于MPC算法进行多时步滚动优化，得出下一个周期内电压所需补偿预测值；
S3、比较步骤S2中补偿预测值与实际输出值，建立分布式电源电压跟踪误差反馈向量模型，采用启发式加权实时修正补偿预测值得到最终电压调节量，利用SVG进一步调节系统电压与频率恢复至稳定。
本发明的技术方案基于模型预测控制算法基于分层控制思想，采用自上而下的双层协调优化框架，加强了电压控制精度，不仅实现了微电网中电压的快速恢复与功率优化，灵活协调可控分布式电源，同时通过外层多时步滚动优化，有效抑制电压波动幅值，使电压预测偏差量最小，相比传统调节，较大程度地减轻了调压范围与次数；采用多时步数据输入对系统电压所需补偿值进行滚动优化、反复校正，可以减少含高渗透分布式电源、可调度分布式电源的交流微电网突发动态带来的不利影响，解决系统暂态场景下电网电压波动过大、恢复过慢等问题，实现电网电压的动态响应优化控制。
作为本发明技术方案的进一步改进，步骤S1中所述的基于虚拟同步机控制原理，建立双层分布式控制架构模型为：
其中，Dq为无功功率系数，kp、ki分别为PI控制比例积分系数，Ta为延迟环节时间常数，Eset是VSG两端电压参考值，Qref是系统无功功率设定值；Qmea为逆变单单元输出的无功测量值，E是通过VSG控制获取的参考电压幅值。
作为本发明技术方案的进一步改进，步骤S1中所述的对各分布式电源进行一次控制的公式为：
其中，f*、U*分别为系统的参考频率及电压，mP,i,nQ,i分别为VSG控制下的有功和无功增益，fi代表系统中第i个分布式电源的输出频率，U,i代表系统第i个分布式电源的输出电压，fn,i,Un,i分别为经一次控制调整后，实际所产生的输出频率与电压，Δfcor，ΔUcor分别为频率、电压修正项，由分布式二次控制的一致性确定，用于补偿系统偏差。
作为本发明技术方案的进一步改进，步骤S1中所述的定义代理分布式电源状态量的一致性值的公式为：
其中，δ* xi是第i个代理的状态量比例系数；
是第i个代理与第j个代理间的交互比例系数，aij(t)为其权重系数；
是第i个代理与其参考期望值间的收敛比例系数，bi(t)为其权重系数。
作为本发明技术方案的进一步改进，步骤S1中所述的基于一致性原则，使各分布式电源频率/电压收敛至平均一致性值的公式为：
其中，fni为分布式二次控制下频率-有功控制器输入变量，由δcfi和δcPi构成；其中，δcfi为输出频率辅助控制器，用于控制输出频率的同步一致性；δcPi为有功功率辅助控制器，用于控制分布式电源间输出有功的比例分配；Uni为分布式二次控制下电压-无功控制器输入变量，由δcUi和δcQi构成；其中，δcUi为输出电压辅助控制器一致性，用于控制输出电压的同步；δcQi为无功辅助控制器，用于控制分布式电源间输出无功的比例分配；
则功率一致性分配表达式为：
其中，P1、P2、…Pn分别为每个DG实际分配到的有功功率，Q1、Q2、…Qn分别为每个分布式电源实际分配到的无功功率，m、n为对应的分配系数，由公式(4)确定。
作为本发明技术方案的进一步改进，步骤S2中所述的建立多输入量交互下的动态电压预测模型的公式为：
其中，输入变量xi(t)＝[xi.DG(t)δstate(t)δΔ(t)]T，由采样点出系统电压引起功角变化量构成；A为动态矩阵，由单位阶跃响应系数aij构成；
的每个分量表示当k时刻的输入变量发生变化后，在N时刻系统最终预测电压控制值；
则表示当k时刻的所有输入变量均保持不变时，在未来N时刻系统的初始预测电压控制值。
作为本发明技术方案的进一步改进，步骤S2中所述的以电压预测偏差值最小为目标构造优化函数的方法为：
以k时刻的电压补偿预测结果
与所需补偿期望值Uwi(k)的偏差量最小为目标，构造优化函数的公式为：
其中，Q是误差权重矩阵，R是控制权重矩阵，均在当目标系统的阶跃响应与优化策略被确定后可求解得出；其中，Uw(k)＝[w1(k)…wp(k)]T表示k时刻的期望值，UPM(k)＝[w1(k+P)…wi(k+P)]T为k时刻的预测值，Δxi(k)表示第i个分布式电源的状态偏差量，系数δi由分布式电源出力权重决定。
作为本发明技术方案的进一步改进，步骤S2中所述的系统的约束条件为：
其中，Pi.min与Pi.max分别是第i个分布式电源输出功率的上下限；SOCi.min与SOCi.max为第i个分布式电源充放电的上下限。
作为本发明技术方案的进一步改进，步骤S2中所述的基于MPC算法进行多时步滚动优化的公式为：
x(k)＝x(k-1)+Δxi(k)(9)
其中，当J(k)最小时，首先获得k时刻的最优解Ui与ΔxM(k)，至下一采样时刻，以k+1替换k并代入公式(8)，以求得Δx(k+1)，再根据Δx(k+1)求取时刻k+1时的控制输入变量，以此反复自适应调节直至优化周期结束。
作为本发明技术方案的进一步改进，步骤S3的中所述的建立分布式电源电压跟踪误差反馈向量模型为：
其中，Uj(k+1)表示k+1时刻的实际电压补偿量，
表示k时刻作出的k+1时刻的预测电压补偿值；αi为每个分布式电源所占比重系数，由其误差权重决定；
所述的采用启发式加权实时修正补偿预测值得到最终电压调节量为：
其中，EDG,M为纠错矩阵，由系统所含第M个分布式电源的修正权重所决定。
本发明的优点在于：
(1)本发明的技术方案基于模型预测控制算法基于分层控制思想，采用自上而下的双层协调优化框架，加强了电压控制精度，不仅实现了微电网中电压的快速恢复与功率优化，灵活协调可控DG，同时通过外层多时步滚动优化，有效抑制电压波动幅值，使电压预测偏差量最小，相比传统调节，较大程度地减轻了调压范围与次数；采用多时步数据输入对系统电压所需补偿值进行滚动优化、反复校正，可以减少含高渗透DG、可调度DGs的交流微电网突发动态带来的不利影响，解决系统暂态场景下电压波动过大、恢复过慢等问题，实现电压的动态响应优化控制。
(2)本发明的技术方案通过优化短期内电压控制预测偏差值最小，使电压控制能尽可能在短时间内恢复至正常水平；采用双层协调控制，目标函数直接采取子系统启发式加权处理方式，最终对全局目标函数进行优化，针对外层对电压控制补偿量求解，定义一致性函数，经分布式一致性算法通过双层控制达到稳定电压额效果。
附图说明
图1是本发明实施例一的双层架构下动态电压模型预测分布式控制方法的微电网动态电压双层优化流程图；
图2是本发明实施例一的双层架构下动态电压模型预测分布式控制方法的微电网双层协调控制框图；
图3是本发明实施例一的双层架构下动态电压模型预测分布式控制方法的交流微电网系统仿真模型拓扑图；
图4(a)是本发明实施例一的双层架构下动态电压模型预测分布式控制方法的电压恢复结果示意图；
图4(b)是本发明实施例一的双层架构下动态电压模型预测分布式控制方法的频率恢复结果示意图；
图4(c)是本发明实施例一的双层架构下动态电压模型预测分布式控制方法的有功分配结果示意图；
图4(d)是本发明实施例一的双层架构下动态电压模型预测分布式控制方法的无功分配结果示意图；
图5(a)是本发明实施例一的双层架构下动态电压模型预测分布式控制方法的优化后电流对比示意图；
图5(b)是本发明实施例一的双层架构下动态电压模型预测分布式控制方法的优化前后电压对比示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，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他实施例，都属于本发明保护的范围。
下面结合说明书附图以及具体的实施例对本发明的技术方案作进一步描述：
实施例一
如图1和图2所示，一种双层架构下动态电压模型预测分布式控制方法包括以下步骤：
步骤1、基于虚拟同步机(virtual synchronous generator,VSG)控制原理，建立双层分布式控制架构模型；通过一致性算法，经二次控制，使得各分布式电源协同弥补功率缺额，实现功率最优分配；同时，补偿一次控制后由于功率下垂造成的电压偏差，完成电压快速恢复。
步骤1.1、基于VSG控制原理，建立双层分布式架构模型，则无功电压控制方程可写作：
公式(1)中，Dq为无功功率系数，kp、ki分别为PI控制比例积分系数，Ta为延迟环节时间常数，Eset是VSG两端电压参考值，Qref是系统无功功率设定值；Qmea为逆变单单元输出的无功测量值，E是通过VSG控制获取的参考电压幅值。
步骤1.2、在孤岛模式下对各分布式电源(Distributed Generation,DG)首先采取如公式(1)所示一次控制，使所有DG的输出频率/电压同步跟踪系统参考频率/电压，并获取DG所需补偿的频率/电压缺额：
公式(2)中，f*、U*分别为系统的参考频率及电压，mP,i,nQ,i分别为VSG控制下的有功和无功增益，fi,代表系统中第i个DG的输出频率，U,i代表系统第i个DG的输出电压，fn,I，Un,i分别为经一次控制调整后，实际所产生的输出频率与电压，Δfcor，ΔUcor分别为频率、电压修正项，由分布式二次控制的一致性确定，用于补偿系统偏差。
步骤1.3、定义代理DG状态量的一致性值为公式(3)所示：
公式(3)中，δ* xi是第i个代理的状态量比例系数；
是第i个代理与第j个代理间的交互比例系数，aij(t)为其权重系数；
是第i个代理与其参考期望值间的收敛比例系数，bi(t)为其权重系数。
步骤1.4、基于一致性原则，使各DG频率/电压收敛至平均一致性值，并维持功率一致性分配：
公式(4)中，fni为分布式二次控制下频率-有功控制器输入变量，由δcfi和δcPi构成；其中，δcfi为输出频率辅助控制器，用于控制输出频率的同步一致性；δcPi为有功功率辅助控制器，用于控制DG间输出有功的比例分配；Uni为分布式二次控制下电压-无功控制器输入变量，由δcUi和δcQi构成；其中，δcUi为输出电压辅助控制器一致性，用于控制输出电压的同步；δcQi为无功辅助控制器，用于控制DG间输出无功的比例分配。
DG间的功率分配如公式(5)所示：
公式(5)中，P1、P2、…Pn分别为每个分布式电源实际分配到的有功功率，Q1、Q2、…Qn分别为每个分布式电源实际分配到的无功功率，m、n为对应的分配系数，由公式(4)确定。
步骤2、在步骤1的基础上，结合系统约束，以电压预测偏差值最小为目标，定义优化函数；以二次控制后的系统实时采样电压作为预测初始值，基于MPC进行多时步滚动优化，得出下一个周期内电压所需补偿预测值；
步骤2.1、考虑各输入变量的共同作用，建立多输入量交互下的动态电压预测模型，即有：
公式(6)中，输入变量xi(t)＝[xi.DG(t)δstate(t)δΔ(t)]T，由采样点出系统电压引起功角变化量构成；A为动态矩阵，由单位阶跃响应系数aij构成；
的每个分量表示当k时刻的输入变量发生变化后，在N时刻系统最终预测电压控制值；
则表示当k时刻的所有输入变量均保持不变时，在未来N时刻系统的初始预测电压控制值。
步骤2.2、以k时刻的电压补偿预测结果
与所需补偿期望值Uwi(k)的偏差量最小为目标，构造优化函数：
公式(7)中，Q是误差权重矩阵，R是控制权重矩阵，均在当目标系统的阶跃响应与优化策略被确定后可求解得出；其中，Uw(k)＝[w1(k)…wp(k)]T表示k时刻的期望值，UPM(k)＝[w1(k+P)…wi(k+P)]T为k时刻的预测值，Δxi(k)表示第i个DG的状态偏差量，系数δi由DG出力权重决定。
步骤2.3、根据系统实际情况，设定约束条件如下：
公式(8)中，Pi.min与Pi.max分别是第i个DG输出功率的上下限；SOCi.min与SOCi.max为第i个DG充放电的上下限。
步骤2.4、基于MPC算法进行多时步滚动优化计算：
x(k)＝x(k-1)+Δxi(k) (9)
公式(9)中，当J(k)最小时，首先获得k时刻的最优解Ui与ΔxM(k)，至下一采样时刻，以k+1替换k并代入公式(8)，以求得Δx(k+1)，再根据Δx(k+1)求取时刻k+1时的控制输入变量，以此反复自适应调节直至优化周期结束。
步骤3、比较步骤2中预测结果与实际输出，建立反馈误差向量模型，采用启发式加权实时修正预测补偿值，利用SVG进一步调节系统电压与频率恢复至稳定。
步骤3.1、定义DG电压跟踪误差反馈向量模型：
公式(10)中Uj(k+1)表示k+1时刻的实际电压补偿量，
表示k时刻作出的k+1时刻的预测电压补偿值；αi为每个DG所占比重系数，由其误差权重决定。
步骤3.2、根据比较结果采用启发式加权对未来预测的输出误差进行校正，则最终电压调节量可写作：
公式(11)中，EDG,M为纠错矩阵，由系统所含第M个DG的修正权重所决定。
如图3所示，建立微电网系统仿真模型，该系统由分布式储能电源、光伏阵列、SVG与4个负载所构成；分布式储能电源的输出功率范围分别为0MW～0.08MW，光伏系统最大输出电压为800mV，负荷的有功功率为0.04MW。初始时刻，DG含有电能80％，微电网运行于孤岛模式，0.6s处负荷发生突变，发生过载事故。
如图4(a)和图4(b)所示，系统采取分布式二次控制策略后系统频率/电压的恢复情况波形图，从图中可以看出，通过双层协调控制，各分布式电源能通过一致性原则增发功率，弥补缺额，快速恢复系统频率/电压至正常水平范围内。
图4(c)和图4(d)为经过功率最优控制系统功率的输出分配情况，由于系统发生负载突变，导致功率分配供需发生变化，进一步使得电压频率开始波动，二次控制中，通过一致性算法，各分布式能源增发对系统的有功功率与无功功率，使其达到所需一致值，维持系统的功率稳定。
如图5(a)和图5(b)所示，优化控制前后PCC点处电压/电流波动曲线图，从图中可得，所提优化方法可以有效限制突发状态下系统电压/电流波动幅度。
本发明基于分层控制思想，采用自上而下的双层协调优化框架，加强了电压控制精度，不仅实现了微电网中电压的快速恢复与功率优化，灵活协调可控DG，同时通过外层多时步滚动优化，有效抑制电压波动幅值，使电压预测偏差量最小，相比传统调节，较大程度地减轻了调压范围与次数。基于模型预测控制算法，采用多时步数据输入对系统电压所需补偿值进行滚动优化、反复校正，可以减少含高渗透DG、可调度DGs的交流微电网突发动态带来的不利影响，解决系统暂态场景下电压波动过大、恢复过慢等问题，实现电压的动态响应优化控制。
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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分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各实施例技术方案的精神和范围。
Claims (10)
1.一种双层架构下动态电压模型预测分布式控制方法，其特征在于，包括以下步骤：
S1、基于虚拟同步机控制原理，建立双层分布式控制架构模型，对各分布式电源进行一次控制，使得各分布式电源获取所需弥补频率/电压缺额；定义代理分布式电源状态量的一致性值，基于一致性原则，经二次控制后使各分布式电源频率/电压收敛至平均一致性值，并维持功率一致性分配；
S2、考虑各输入变量的共同作用，建立多输入量交互下的动态电压预测模型；在步骤S1的基础上设定系统的约束条件，以电压预测偏差值最小为目标构造优化函数；以二次控制后的系统实时采样电压作为预测初始值，基于MPC算法进行多时步滚动优化，得出下一个周期内电压所需补偿预测值；
S3、比较步骤S2中补偿预测值与实际输出值，建立分布式电源电压跟踪误差反馈向量模型，采用启发式加权实时修正补偿预测值得到最终电压调节量，利用SVG进一步调节系统电压与频率恢复至稳定。
2.根据权利要求1所述的一种双层架构下动态电压模型预测分布式控制方法，其特征在于，步骤S1中所述的基于虚拟同步机控制原理，建立双层分布式控制架构模型为：
其中，Dq为无功功率系数，kp、ki分别为PI控制比例积分系数，Ta为延迟环节时间常数，Eset是VSG两端电压参考值，Qref是系统无功功率设定值；Qmea为逆变单单元输出的无功测量值，E是通过VSG控制获取的参考电压幅值。
3.根据权利要求2所述的一种双层架构下动态电压模型预测分布式控制方法，其特征在于，步骤S1中所述的对各分布式电源进行一次控制的公式为：
其中，f*、U*分别为系统的参考频率及电压，mP,i,nQ,i分别为VSG控制下的有功和无功增益，fi,代表系统中第i个分布式电源的输出频率，U,i代表系统第i个分布式电源的输出电压，fn,i,Un,i分别为经一次控制调整后，实际所产生的输出频率与电压，，Δfcor，ΔUcor分别为频率、电压修正项，由分布式二次控制的一致性确定，用于补偿系统偏差。
4.根据权利要求3所述的一种双层架构下动态电压模型预测分布式控制方法，其特征在于，步骤S1中所述的定义代理分布式电源状态量的一致性值的公式为：
其中，δ* xi是第i个代理的状态量比例系数；
是第i个代理与第j个代理间的交互比例系数，aij(t)为其权重系数；
是第i个代理与其参考期望值间的收敛比例系数，bi(t)为其权重系数。
5.根据权利要求4所述的一种双层架构下动态电压模型预测分布式控制方法，其特征在于，步骤S1中所述的基于一致性原则，使各分布式电源频率/电压收敛至平均一致性值的公式为：
其中，fni为分布式二次控制下频率-有功控制器输入变量，由δcfi和δcPi构成；其中，δcfi为输出频率辅助控制器，用于控制输出频率的同步一致性；δcPi为有功功率辅助控制器，用于控制分布式电源间输出有功的比例分配；Uni为分布式二次控制下电压-无功控制器输入变量，由δcUi和δcQi构成；其中，δcUi为输出电压辅助控制器一致性，用于控制输出电压的同步；δcQi为无功辅助控制器，用于控制分布式电源间输出无功的比例分配；
则功率一致性分配的表达式为：
其中，P1、P2、…Pn分别为每个分布式电源实际分配到的有功功率，Q1、Q2、…Qn分别为每个分布式电源实际分配到的无功功率，m、n为对应的分配系数，由公式(4)确定。
6.根据权利要求5所述的一种双层架构下动态电压模型预测分布式控制方法，其特征在于，步骤S2中所述的建立多输入量交互下的动态电压预测模型的公式为：
其中，输入变量xi(t)＝[xi.DG(t)δstate(t)δΔ(t)]T，由采样点出系统电压引起功角变化量构成；A为动态矩阵，由单位阶跃响应系数aij构成；
的每个分量表示当k时刻的输入变量发生变化后，在N时刻系统最终预测电压控制值；
则表示当k时刻的所有输入变量均保持不变时，在未来N时刻系统的初始预测电压控制值。
7.根据权利要求6所述的一种双层架构下动态电压模型预测分布式控制方法，其特征在于，步骤S2中所述的以电压预测偏差值最小为目标构造优化函数的方法为：
以k时刻的电压补偿预测结果
与所需补偿期望值Uwi(k)的偏差量最小为目标，构造优化函数的公式为：
其中，Q是误差权重矩阵，R是控制权重矩阵，均在当目标系统的阶跃响应与优化策略被确定后可求解得出；其中，Uw(k)＝[w1(k)…wp(k)]T表示k时刻的期望值，UPM(k)＝[w1(k+P)…wi(k+P)]T为k时刻的预测值，Δxi(k)表示第i个分布式电源的状态偏差量，系数δi由分布式电源出力权重决定。
8.根据权利要求7所述的一种双层架构下动态电压模型预测分布式控制方法，其特征在于，步骤S2中所述的系统的约束条件为：
其中，Pi.min与Pi.max分别是第i个分布式电源输出功率的上下限；SOCi.min与SOCi.max为第i个分布式电源充放电的上下限。
9.根据权利要求8所述的一种双层架构下动态电压模型预测分布式控制方法，其特征在于，步骤S2中所述的基于MPC算法进行多时步滚动优化的公式为：
x(k)＝x(k-1)+Δxi(k) (9)
其中，当J(k)最小时，首先获得k时刻的最优解Ui与ΔxM(k)，至下一采样时刻，以k+1替换k并代入公式(8)，以求得Δx(k+1)，再根据Δx(k+1)求取时刻k+1时的控制输入变量，以此反复自适应调节直至优化周期结束。
10.根据权利要求9所述的一种双层架构下动态电压模型预测分布式控制方法，其特征在于，步骤S3的中所述的建立分布式电源电压跟踪误差反馈向量模型为：
其中，Uj(k+1)表示k+1时刻的实际电压补偿量，
表示k时刻作出的k+1时刻的预测电压补偿值；αi为每个分布式电源所占比重系数，由其误差权重决定；
所述的采用启发式加权实时修正补偿预测值得到最终电压调节量为：
其中，EDG,M为纠错矩阵，由系统所含第M个分布式电源的修正权重所决定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110965193.4A CN113675855A (zh) | 2021-08-23 | 2021-08-23 | 一种双层架构下动态电压模型预测分布式控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110965193.4A CN113675855A (zh) | 2021-08-23 | 2021-08-23 | 一种双层架构下动态电压模型预测分布式控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113675855A true CN113675855A (zh) | 2021-11-19 |
Family
ID=78544818
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110965193.4A Pending CN113675855A (zh) | 2021-08-23 | 2021-08-23 | 一种双层架构下动态电压模型预测分布式控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113675855A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114204566A (zh) * | 2021-11-30 | 2022-03-18 | 国网天津市电力公司电力科学研究院 | 一种自动电压控制中的变电站智能建模方法 |
| CN115173491A (zh) * | 2022-06-28 | 2022-10-11 | 国网江苏省电力有限公司电力科学研究院 | 一种含光热发电的配电网分布式功率协调控制方法及装置 |
| CN117728469A (zh) * | 2023-12-18 | 2024-03-19 | 国网青海省电力公司清洁能源发展研究院 | 一种基于电网状态的储能动态调控方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109217363A (zh) * | 2018-08-28 | 2019-01-15 | 南京理工大学 | 一种基于模型电流预测的虚拟同步发电机控制方法 |
| JP2020068650A (ja) * | 2018-10-23 | 2020-04-30 | 三菱電機株式会社 | 系統システム、制御装置及び系統システムの制御方法 |
| CN111756050A (zh) * | 2020-05-19 | 2020-10-09 | 山东大学 | 一种风电场群分布式电压协调控制方法及系统 |
| CN113179059A (zh) * | 2021-05-21 | 2021-07-27 | 南京理工大学 | 一种改进的虚拟同步发电机模型预测控制方法及系统 |
| US20210257839A1 (en) * | 2018-10-23 | 2021-08-19 | Mitsubishi Electric Corporation | Grid system, control device, control method for grid system, and power conversion device |
| CN113285488A (zh) * | 2021-05-26 | 2021-08-20 | 国网天津市电力公司 | 基于多层级架构的混合储能协调控制方法 |
-
2021
- 2021-08-23 CN CN202110965193.4A patent/CN113675855A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109217363A (zh) * | 2018-08-28 | 2019-01-15 | 南京理工大学 | 一种基于模型电流预测的虚拟同步发电机控制方法 |
| JP2020068650A (ja) * | 2018-10-23 | 2020-04-30 | 三菱電機株式会社 | 系統システム、制御装置及び系統システムの制御方法 |
| US20210257839A1 (en) * | 2018-10-23 | 2021-08-19 | Mitsubishi Electric Corporation | Grid system, control device, control method for grid system, and power conversion device |
| CN111756050A (zh) * | 2020-05-19 | 2020-10-09 | 山东大学 | 一种风电场群分布式电压协调控制方法及系统 |
| CN113179059A (zh) * | 2021-05-21 | 2021-07-27 | 南京理工大学 | 一种改进的虚拟同步发电机模型预测控制方法及系统 |
| CN113285488A (zh) * | 2021-05-26 | 2021-08-20 | 国网天津市电力公司 | 基于多层级架构的混合储能协调控制方法 |
Non-Patent Citations (5)
| Title |
|---|
| CHANGWEI GAO 等: "Research on the control strategy of distributed energy resources inverter based on improved virtual synchronous generator", 《SCIENTIFIC REPORTS》, 22 August 2017 (2017-08-22) * |
| KAI SHI 等: "Transient Analysis of Microgrids With Parallel Synchronous Generators and Virtual Synchronous Generators", 《IEEE TRANSACTIONS ON ENERGY CONVERSION》, vol. 35, no. 1, 31 December 2020 (2020-12-31) * |
| QIAN ZHANG 等: "Self-Adaptive Secondary Frequency Regulation Strategy of Micro-Grid With Multiple Virtual Synchronous Generators", 《IEEE TRANSACTIONS ON INDUSTRY APPLICATIONS》, vol. 56, no. 5, 31 December 2020 (2020-12-31) * |
| 孙丽敬 等: "基于虚拟同步机控制技术的交直流互联电力系统 电压稳定控制策略", 《北京交通大学学报》, vol. 42, no. 2, 30 April 2018 (2018-04-30) * |
| 张宝群 等: "基于模型预测的虚拟同步机谐波抑制控制策略", 《电力电子技术》, vol. 54, no. 1, 31 January 2020 (2020-01-31) * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114204566A (zh) * | 2021-11-30 | 2022-03-18 | 国网天津市电力公司电力科学研究院 | 一种自动电压控制中的变电站智能建模方法 |
| CN114204566B (zh) * | 2021-11-30 | 2024-04-23 | 国网天津市电力公司电力科学研究院 | 一种自动电压控制中的变电站智能建模方法 |
| CN115173491A (zh) * | 2022-06-28 | 2022-10-11 | 国网江苏省电力有限公司电力科学研究院 | 一种含光热发电的配电网分布式功率协调控制方法及装置 |
| CN117728469A (zh) * | 2023-12-18 | 2024-03-19 | 国网青海省电力公司清洁能源发展研究院 | 一种基于电网状态的储能动态调控方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113675855A (zh) | 一种双层架构下动态电压模型预测分布式控制方法 | |
| Rahman et al. | Optimization of virtual inertia considering system frequency protection scheme | |
| CN108923435B (zh) | 一种基于分层mpc的风电无功电压协调控制系统 | |
| Oshnoei et al. | Disturbance observer and tube-based model predictive controlled electric vehicles for frequency regulation of an isolated power grid | |
| CN113131532B (zh) | 一种新能源电站一次调频网络化控制方法 | |
| CN111697597B (zh) | 一种基于粒子群算法的火储联合agc调频控制方法 | |
| CN104181895A (zh) | 适应新能源接入的短期与超短期协调滚动调度优化策略 | |
| WO2018115431A1 (en) | Combined active and reactive power control in an operation of a wind farm | |
| CN113098029B (zh) | 一种基于风电短期预测的风储联合调频控制方法 | |
| CN111030141A (zh) | 一种基于一致性算法的源-荷协同分布式优化调控方法 | |
| Chen et al. | Quantifying cumulative effects of stochastic forecast errors of renewable energy generation on energy storage SOC and application of Hybrid-MPC approach to microgrid | |
| CN116470528A (zh) | 一种区域电网光储场站多时间尺度辅助调频方法 | |
| Satyanarayana et al. | Automatic Generation control in power plant using PID, PSS and fuzzy-PID controller | |
| Li et al. | μ-Synthesis robust coordinated control of variable speed wind power generators and electric vehicles to regulate frequency | |
| CN109617141B (zh) | 风电场有功输出平滑控制方法及装置 | |
| CN113612233B (zh) | 一种风电系统有功功率-无功功率协调的电压稳定控制方法、系统、终端及可读存储介质 | |
| CN102158164B (zh) | 一种磁控式并联电抗器的梯形变权回归控制方法 | |
| CN111682584B (zh) | 一种基于电压调节器和多光伏系统的配电网电压管理方法 | |
| Aakula et al. | Determining reactive power levels to improve bus voltages using PSO | |
| CN115912515A (zh) | 一种考虑电压越限的负荷功率实时控制方法 | |
| Sahoo et al. | Forecasting Tariff Rates and Enhancing Power Quality in Microgrids: The Synergistic Role of LSTM and UPQC | |
| Hong et al. | MADRL-Based DSO-Customer Coordinated Bi-Level Volt/VAR Optimization Method for Power Distribution Networks | |
| CN114006379B (zh) | 基于动-静无功置换机制的双时间尺度电压控制方法 | |
| US11916396B2 (en) | Systems and methods for control of power generation assets | |
| Zhu et al. | Hierarchical Voltage Cooperative Optimization of AC Microgrids Based on Model Predictive Control |
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 |