CN113741365B - 一种基于多谐波干扰观测器的微电网分布式电源合围控制方法和装置 - Google Patents

一种基于多谐波干扰观测器的微电网分布式电源合围控制方法和装置 Download PDF

Info

Publication number
CN113741365B
CN113741365B CN202111019760.3A CN202111019760A CN113741365B CN 113741365 B CN113741365 B CN 113741365B CN 202111019760 A CN202111019760 A CN 202111019760A CN 113741365 B CN113741365 B CN 113741365B
Authority
CN
China
Prior art keywords
power supply
distributed power
equation
matrix
state
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
Application number
CN202111019760.3A
Other languages
English (en)
Other versions
CN113741365A (zh
Inventor
冯强
熊师洵
吕沁
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.)
Nanjing Huiqiang New Energy Technology Co ltd
Original Assignee
Nanjing Huiqiang New Energy Technology Co ltd
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 Nanjing Huiqiang New Energy Technology Co ltd filed Critical Nanjing Huiqiang New Energy Technology Co ltd
Priority to CN202111019760.3A priority Critical patent/CN113741365B/zh
Publication of CN113741365A publication Critical patent/CN113741365A/zh
Application granted granted Critical
Publication of CN113741365B publication Critical patent/CN113741365B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31088—Network communication between supervisor and cell, machine group
    • 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
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请涉及一种基于多谐波干扰观测器的微电网分布式电源合围控制方法和装置，属于微电网技术领域，所述方法中将有向网络拓扑思想引入至微电网中的分布式电源的信息交互中，同时引入多谐波干扰观测器对每个所述分布式电源受到的噪声干扰进行估计，并构建分布式电源的二阶动力学系统模型将电源状态模型化，进而建立微电网系统的状态误差系统方程，再利用李雅普诺夫稳定性理论对状态误差系统方程进行分析，得出稳定性条件，从而可以通过稳定性条件求解得到能够实现微电网系统稳定的控制增益系数。

Description

一种基于多谐波干扰观测器的微电网分布式电源合围控制方 法和装置
技术领域
本申请涉及微电网技术领域，尤其涉及一种基于多谐波干扰观测器的微电网分布式电源合围控制方法和装置。
背景技术
随着智能电网和电力电子技术的不断发展，微电网系统逐渐成为电网相关领域发展的新方向。微电网系统是指多个分布式电源及其相关负载按照一定的拓扑结构组成的电网系统，其中可以综合有诸如风力发电、光伏发电等多种发电技术，并具体可以由分布式电源、负荷、储能装置、能量转换装置、控制装置等组成。
分布式电源在运行过程中，会受到运行环境中的噪声干扰，而造成每个分布式电源中的频率和电压等状态参数产生不稳定波动，从而破坏了微电网的群体一致性。
在某些任务中，微电网系统中的部分电源与其他电源需要保持不同的电压和频率等状态参数，此时会造成一部分电源信号具有一致性A，而另一部分电源信号分布并围绕在A周围形成一致性B。相应的，可将微电网系统内部不同的群体一致性看作是一部分电源信号对另一部分电源信号的合围，利用该方式有利于微电网的群体控制，实现特殊的期望任务目标。
因此，如何针对微电网系统整体进行合适的分布式合围控制，以满足微电网系统的群体一致性的合围控制，使得微电网系统中的每个分布式电源能够达到各自期望的状态，即电源群能够以合围的状态产生期望的信号，更加符合微电网建设与运行的实际需求，从而保证微电网系统内部的群体一致性是本领域目前亟需考虑的问题。
发明内容
为了实现微电网系统内部的群体一致性的合围控制，本申请实施例提供了一种基于多谐波干扰观测器的微电网分布式电源合围控制方法和装置。所述技术方案如下：
第一方面，本申请实施例提供了一种基于多谐波干扰观测器的微电网分布式电源合围控制方法，所述方法包括：
将微电网系统中所有分布式电源分为n个领导者电源和m个跟随者电源，并利用有向拓扑网络生成所述分布式电源间的信息交互关系；
利用多谐波干扰观测器对每个所述分布式电源受到的噪声干扰进行估计，得到每个所述分布式电源的噪声干扰估计值；
根据预设的电源期望模型、每个所述分布式电源的内部状态Xi和所述信息交互关系，以及所述噪声干扰估计值，构建每个所述分布式电源的控制输入方程ui，所述控制输入方程ui包含待求解的控制增益系数；
建立每个所述分布式电源的二阶动力学系统模型，和所述微电网系统相对所述电源期望模型的状态误差系统方程；
通过李雅普诺夫稳定性理论分别对所述状态误差系统方程进行分析，生成所述微电网系统的稳定性控制条件；
利用所述微电网系统的稳定性条件对每个所述分布式电源的控制输入方程进行求解，得到所述分布式电源对应的控制增益系数；
将所述控制增益系数加载至每个所述分布式电源的控制器中，以使所述控制器根据所述控制增益系数控制每个所述分布式电源。
基于上述技术方案，将微电网系统的分布式电源状态模型化，通过数理分析得到分布式电源间的协同控制增益系数，可以利用电源控制器对分布式电源进行实时精确控制，从而可以有效实现微电网系统的群体一致性。
可选的，所述利用有向拓扑网络生成所述分布式电源间的信息交互关系，包括：
利用图论知识将所有所述分布式电源设置为有向拓扑网络中的节点；
生成所述有向拓扑网络的邻接矩阵A＝[αij]，其中，i与j为相邻的分布式电源，i,j＝1,2,...,n+m，元素αij＝1表示第i个分布式电源与第j个分布式电源之间存在信息交互，元素αij＝0表示第i个分布式电源与第j个分布式电源之间不存在信息交互。
基于上述技术方案，利用图论知识，将有向网络拓扑思想引入至微电网系统中的分布式电源的信息交互中，保证了任意新电源在并入微电网后都能实时启用，更加符合微电网系统建设的实际需求。
可选的，所述利用多谐波干扰观测器对每个所述分布式电源受到的噪声干扰进行估计，得到每个所述分布式电源的噪声干扰估计值，包括：
定义噪声干扰的辅助状态变量为
Figure BDA0003240996240000031
和
Figure BDA0003240996240000032
其中，
Figure BDA0003240996240000033
为第i个分布式电源受到的干扰的辅助变量，wi为第i个分布式电源受到的干扰，
Figure BDA0003240996240000034
为已知矩阵；
定义每个所述分布式电源的噪声干扰估计值
Figure BDA0003240996240000035
和所述辅助状态变量的估计值
Figure BDA0003240996240000036
其中，
Figure BDA0003240996240000037
为辅助变量，
Figure BDA0003240996240000038
为第i个干扰观测器的增益矩阵，d＝1,2,...,n；
设计多谐波干扰观测器为
Figure BDA0003240996240000041
Figure BDA0003240996240000042
Figure BDA0003240996240000043
其中，A,B,D分别为适维系统矩阵，
Figure BDA0003240996240000044
E为电源电容值，S为电压负荷调节效应系数，R为最大有功功率，
Figure BDA0003240996240000045
从所述多谐波干扰观测器中获取每个所述分布式电源的噪声干扰估计值
Figure BDA0003240996240000046
基于上述技术方案，利用多谐波干扰观测器对分布式电源受到的噪声干扰进行估计，可以针对不同分布式电源得到不同的噪声干扰估计值，从而可以使得噪声预估与实际情况更加匹配，以便于更精准的拟合分布式电源控制输入方程。
可选的，所述根据预设的电源期望模型、每个所述分布式电源的内部状态Xi和所述信息交互关系，以及所述噪声干扰估计值，构建每个所述分布式电源的控制输入方程ui，包括：
加载预设的电源期望模型，所述电源期望模型包含期望状态变化方程
Figure BDA0003240996240000047
和期望输出电压方程Y0(t)＝CX0(t)，其中，X0为期望的电源状态，r0为期望的控制输入，Y0为期望的输出电压，A,B,C分别为适维系统矩阵，
Figure BDA0003240996240000048
E为电源电容值，S为电压负荷调节效应系数，R为最大有功功率，C＝[1 0]；
基于所述邻接矩阵A＝[αij]、每个所述领导者电源的内部状态Xi和所述X0，构建每个所述领导者电源的邻居误差方程
Figure BDA0003240996240000051
Figure BDA0003240996240000052
基于每个所述领导者电源的邻居误差方程和所述噪声干扰估计值
Figure BDA0003240996240000053
构建每个所述领导者电源的控制输入方程
Figure BDA0003240996240000054
其中，i＝1，2，...,n，K1,K2,Γ为待求解的控制增益；
基于所述邻接矩阵A＝[αij]、每个所述跟随者电源的内部状态Xi和所述X0，构建每个所述跟随者电源的邻居误差方程
Figure BDA0003240996240000055
基于每个所述跟随者电源的邻居误差方程和所述噪声干扰估计值
Figure BDA0003240996240000056
构建每个所述跟随者电源的控制输入方程
Figure BDA0003240996240000057
其中，i＝n+1,n+2,...，n+m；K2,K3,Γ为待求解的控制增益；
Figure BDA0003240996240000058
为拉普拉斯矩阵L的逆矩阵L-1矩阵中的第i行第
Figure BDA0003240996240000059
列元素，所述拉普拉斯矩阵L＝度矩阵D-所述邻接矩阵A，所述度矩阵
Figure BDA00032409962400000510
Figure BDA00032409962400000511
基于上述技术方案，利用分布式电源与其它分布式电源间的信息交互关系，以及各分布式电源的电源状态和预设的电源期望模型，来建立领导者电源和跟随者电源的控制输入方程，可以使得控制输入方程能够匹配跟随者电源的真实需求。
可选的，所述建立每个所述分布式电源的二阶动力学系统模型，包括：
基于每个所述分布式电源的内部状态Xi、状态变化量
Figure BDA0003240996240000068
有界噪声干扰wi以及所述控制输入方程ui，建立每个所述分布式电源的二阶动力学系统模型。
基于上述技术方案，通过建立二阶动力学系统模型，可以将分布式电源内部的复杂状态模型化，从而便于后续对分布式电源的状态变化进行快速有效地分析。
可选的，所述基于每个所述分布式电源的内部状态Xi、状态变化量
Figure BDA0003240996240000061
有界噪声干扰wi以及所述控制输入方程ui，建立每个所述分布式电源的二阶动力学系统模型，包括：
基于每个所述分布式电源的内部状态Xi、状态变化量
Figure BDA0003240996240000067
构建分布式电源的内部状态增广向量Xi(t)；
基于所述分布式电源的内部状态增广向量Xi(t)、有界噪声干扰向量wi(t)和所述控制输入方程ui(t)，建立所述分布式电源的状态变化方程
Figure BDA0003240996240000062
其中，
Figure BDA0003240996240000063
上标T表示转置，且
Figure BDA0003240996240000064
E为电源电容值，S为电压负荷调节效应系数，R为最大有功功率，
Figure BDA0003240996240000065
基于所述分布式电源的状态变化方程建立所述分布式电源的电压输出方程Yi(t)＝CXi(t)，其中，C＝[1 0]。
基于上述技术方案，充分考虑分布式电源的状态量和状态变化量，以及控制输入和噪声干扰对分布式电源的状态影响，可以保证构建二阶动力学系统模型更加符合微电网系统中分布式电源的实际状态。
可选的，建立所述微电网系统相对所述电源期望模型的状态误差系统方程，包括：
基于每个所述领导者电源的邻居误差方程，构建所述微电网系统中的所有领导者电源相对所述电源期望模型的状态误差系统方程
Figure BDA0003240996240000071
基于每个所述跟随者电源的邻居误差方程，构建所述微电网系统中的所有跟随者电源相对所述电源期望模型的状态误差系统方程
Figure BDA0003240996240000072
其中，ε＝col{ε1,ε2,...,εn}，ζ＝col{ζn+1,ζn+2,...,ζn+m}，
Figure BDA0003240996240000073
wL＝col{w1,w2,...,wn}，
Figure BDA0003240996240000074
wF＝col{wn+1,wn+2,...,wn+m}，IN，IM分别为N维、M维单位矩阵，
Figure BDA0003240996240000075
表示克罗内克积，L11,L21,L22分别为拉普拉斯矩阵L中的子矩阵，
Figure BDA0003240996240000076
基于上述技术方案，分别针对领导者电源和跟随者电源构建相对电源期望模型的状态误差系统方程，可以使得状态误差系统方程能够充分体现微电网系统的稳定性需求。
可选的，所述稳定性控制条件为：如果存在常数
Figure BDA0003240996240000077
适维矩阵
Figure BDA0003240996240000078
和正定矩阵Q1,Q2，满足
Figure BDA0003240996240000081
成立，则所述微电网系统中的所有领导者电源能够达到群体一致性，其中，
Figure BDA0003240996240000082
中的元素*表示与元素R对称的元素RT。
可选的，所述稳定性控制条件为：如果存在正定矩阵Q1,Ω1,Ω2，满足
Figure BDA0003240996240000083
成立，则所述微电网系统中的所有跟随者电源能够达到群体一致性，其中，Ξ13＝[Z1+J1DU1,Z2+J2DU2,...,Zn+JnDUn]T，
Figure BDA0003240996240000084
Figure BDA0003240996240000085
Ξ24＝[Zn+1+Jn+1DUn+1,Zn+2+Jn+ 2DUn+2,...,Zn+m+Jn+mDUn+m]T，
Figure BDA0003240996240000086
Figure BDA0003240996240000087
中的元素*表示与元素R对称的元素RT。
第二方面，本申请实施例还提供了一种基于多谐波干扰观测器的微电网分布式电源合围控制装置，所述装置包括：
拓扑结构分析模块，用于将微电网系统中所有分布式电源分为n个领导者电源和m个跟随者电源，并利用有向拓扑网络生成所述分布式电源间的信息交互关系；
噪声干扰预估模块，用于利用多谐波干扰观测器对每个所述分布式电源受到的噪声干扰进行估计，得到每个所述分布式电源的噪声干扰估计值；
控制输入分析模块，用于根据预设的电源期望模型、每个所述分布式电源的内部状态Xi和所述信息交互关系，以及所述噪声干扰估计值，构建每个所述分布式电源的控制输入方程ui，所述控制输入方程ui包含待求解的控制增益系数；
系统方程搭建模块，用于建立每个所述分布式电源的二阶动力学系统模型，和所述微电网系统相对所述电源期望模型的状态误差系统方程；
稳定性分析模块，用于通过李雅普诺夫稳定性理论分别对所述状态误差系统方程进行分析，生成所述微电网系统的稳定性控制条件；
控制增益求解模块，用于利用所述微电网系统的稳定性条件对每个所述分布式电源的控制输入方程进行求解，得到所述分布式电源对应的控制增益系数；
控制增益加载模块，用于将控制增益求解模块输出的控制增益系数加载至每个所述分布者电源的控制器中，以使所述控制器根据所述控制增益系数控制所述分布者电源。
可选的，所述拓扑结构分析模块，具体用于：
利用图论知识将所有所述分布式电源设置为有向拓扑网络中的节点；
生成所述有向拓扑网络的邻接矩阵A＝[αij]，其中，i与j为相邻的分布式电源，i,j＝1,2,...,n+m，元素αij＝1表示第i个分布式电源与第j个分布式电源之间存在信息交互，元素αij＝0表示第i个分布式电源与第j个分布式电源之间不存在信息交互。
可选的，所述噪声干扰预估模块，具体用于：
定义噪声干扰的辅助状态变量为
Figure BDA0003240996240000101
和
Figure BDA0003240996240000102
其中，
Figure BDA0003240996240000103
为第i个分布式电源受到的干扰的辅助变量，wi为第i个分布式电源受到的干扰，
Figure BDA0003240996240000104
为已知矩阵；
定义每个所述分布式电源的噪声干扰估计值
Figure BDA0003240996240000105
和所述辅助状态变量的估计值
Figure BDA0003240996240000106
其中，
Figure BDA0003240996240000107
为辅助变量，
Figure BDA0003240996240000108
为第i个干扰观测器的增益矩阵，d＝1,2,...,n；
设计多谐波干扰观测器为
Figure BDA0003240996240000109
Figure BDA00032409962400001010
Figure BDA00032409962400001011
其中，A,B,D分别为适维系统矩阵，
Figure BDA00032409962400001012
E为电源电容值，S为电压负荷调节效应系数，R为最大有功功率，
Figure BDA00032409962400001013
从所述多谐波干扰观测器中获取每个所述分布式电源的噪声干扰估计值
Figure BDA00032409962400001014
可选的，所述控制输入分析模块，具体用于：
加载预设的电源期望模型，所述电源期望模型包含期望状态变化方程
Figure BDA00032409962400001015
和期望输出电压方程Y0(t)＝CX0(t)，其中，X0为期望的电源状态，r0为期望的控制输入，Y0为期望的输出电压，A,B,C分别为适维系统矩阵，
Figure BDA0003240996240000111
E为电源电容值，S为电压负荷调节效应系数，R为最大有功功率，C＝[1 0]；
基于所述邻接矩阵A＝[αij]、每个所述领导者电源的内部状态Xi和所述X0，构建每个所述领导者电源的邻居误差方程
Figure BDA0003240996240000112
Figure BDA0003240996240000113
基于每个所述领导者电源的邻居误差方程和所述噪声干扰估计值
Figure BDA0003240996240000114
构建每个所述领导者电源的控制输入方程
Figure BDA0003240996240000115
其中，i＝1,2，...,n，K1,K2,Γ为待求解的控制增益；
基于所述邻接矩阵A＝[αij]、每个所述跟随者电源的内部状态Xi和所述X0，构建每个所述跟随者电源的邻居误差方程
Figure BDA0003240996240000116
基于每个所述跟随者电源的邻居误差方程和所述噪声干扰估计值
Figure BDA0003240996240000117
构建每个所述跟随者电源的控制输入方程
Figure BDA0003240996240000118
其中，i＝n+1,n+2,...，n+m；K2,K3,Γ为待求解的控制增益；
Figure BDA0003240996240000119
为拉普拉斯矩阵L的逆矩阵L-1矩阵中的第i行第
Figure BDA00032409962400001110
列元素，所述拉普拉斯矩阵L＝度矩阵D-所述邻接矩阵A，所述度矩阵
Figure BDA00032409962400001111
Figure BDA00032409962400001112
可选的，所述系统方程搭建模块，具体用于：
基于每个所述分布式电源的内部状态Xi、状态变化量
Figure BDA0003240996240000129
有界噪声干扰wi以及所述控制输入方程ui，建立每个所述分布式电源的二阶动力学系统模型。
可选的，所述系统方程搭建模块，具体用于：
基于每个所述分布式电源的内部状态Xi、状态变化量
Figure BDA0003240996240000128
构建分布式电源的内部状态增广向量Xi(t)；
基于所述分布式电源的内部状态增广向量Xi(t)、有界噪声干扰向量wi(t)和所述控制输入方程ui(t)，建立所述分布式电源的状态变化方程
Figure BDA0003240996240000121
其中，
Figure BDA0003240996240000122
上标T表示转置，且
Figure BDA0003240996240000123
基于所述分布式电源的状态变化方程建立所述分布式电源的电压输出方程Yi(t)＝CXi(t)，其中，C＝[1 0]。
可选的，所述系统方程搭建模块，具体用于：
基于每个所述领导者电源的邻居误差方程，构建所述微电网系统中的所有领导者电源相对所述电源期望模型的状态误差系统方程
Figure BDA0003240996240000124
基于每个所述跟随者电源的邻居误差方程，构建所述微电网系统中的所有跟随者电源相对所述电源期望模型的状态误差系统方程
Figure BDA0003240996240000125
其中，ε＝col{ε1,ε2,...,εn}，ζ＝col{ζn+1,ζn+2,...,ζn+m}，
Figure BDA0003240996240000126
wL＝col{w1,w2,...,wn}，
Figure BDA0003240996240000131
wF＝col{wn+1,wn+2,...,wn+m}，IN，IM分别为N维、M维单位矩阵，
Figure BDA0003240996240000132
表示克罗内克积，L11,L21,L22分别为拉普拉斯矩阵L中的子矩阵，
Figure BDA0003240996240000133
可选的，所述稳定性控制条件为：如果存在常数
Figure BDA0003240996240000134
适维矩阵
Figure BDA0003240996240000135
和正定矩阵Q1,Q2，满足
Figure BDA0003240996240000136
成立，则所述微电网系统中的所有领导者电源能够达到群体一致性，其中，
Figure BDA0003240996240000137
中的元素*表示与元素R对称的元素RT。
可选的，所述稳定性控制条件为：如果存在正定矩阵Q1,Ω1,Ω2，满足
Figure BDA0003240996240000138
成立，则所述微电网系统中的所有跟随者电源能够达到群体一致性，其中，Ξ13＝[Z1+J1DU1,Z2+J2DU2,...,Zn+JnDUn]T，
Figure BDA0003240996240000139
Figure BDA00032409962400001310
Ξ24＝[Zn+1+Jn+1DUn+1,Zn+2+Jn+ 2DUn+2,...,Zn+m+Jn+mDUn+m]T，
Figure BDA0003240996240000141
Figure BDA0003240996240000142
中的元素*表示与元素R对称的元素RT。
第三方面，提供了一种中心控制器，所述中心控制器包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第一方面所述的基于多谐波干扰观测器的微电网分布式电源合围控制方法。
第四方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如第一方面所述的基于多谐波干扰观测器的微电网分布式电源合围控制方法。
综上所述，本申请具有以下有益效果：
采用本申请公开的基于多谐波干扰观测器的微电网分布式电源合围控制方法，将有向网络拓扑思想引入至微电网中的分布式电源的信息交互中，同时利用多谐波干扰观测器来对分布式电源的噪声干扰进行预估，并构建分布式电源的二阶动力学系统模型将电源状态模型化，进而建立微电网系统相对预设的电源期望模型的状态误差系统方程。再利用李雅普诺夫稳定性理论对状态误差系统方程进行分析，得出稳定性条件，从而可以通过稳定性条件求解得到能够实现微电网系统稳定的控制增益系数。这样，将微电网系统的分布式电源状态模型化，通过数理分析得到分布式电源的合围控制增益系数，可以利用电源控制器对分布式电源进行实时精确控制，从而可以有效实现微电网系统的群体一致性。
附图说明
图1为本申请实施例中一种微电网系统的场景架构示意图；
图2为本申请实施例中一种分布式电源合围控制方法的流程图；
图3为本申请实施例中一种分布式电源合围控制装置结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图1-3及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
本申请实施例提供了一种基于有向拓扑网络的微电网分布式电源合围控制方法，该方法可以应用在如图1所示的微电网系统中，并具体可以由微电网系统的中心控制器来执行，微电网系统可以包含中心控制器和多个分布式电源，每个分布式电源对应一个控制器。该中心控制器可以与微电网系统中各个分布式电源的控制器(后续简称为电源控制器)进行数据交互，如从电源控制器处获取分布式电源的内部状态数据，向电源控制器发送控制增益系数等。中心控制器还可以具备数据处理和分析功能，即可以用于对分布式电源的内部状态数据和状态变化数据进行处理并分析，以得到加载在分布式电源的控制器中的控制增益系数。
下面将结合具体实施方式，对图2所示的处理流程进行详细的说明，内容可以如下：
步骤201，将微电网系统中所有分布式电源分为n个领导者电源和m个跟随者电源，并利用有向拓扑网络生成分布式电源间的信息交互关系。
在实施中，中心控制器可以记录微电网系统中所有在线的分布式电源，并在所有分布式电源中选取n个分布式电源作为领导者电源，且将其余的m个分布式电源确定为跟随者电源。换言之，令微电网中有n+m个分布式电源，设定其中n个分布式电源为领导者电源，其余m个分布式电源为跟随者电源，n和m均为正整数。之后，中心控制器可以引入有向拓扑网络，取无向图G来描述微电网中的领导者与跟随者之间的通信网络拓扑关系，从而生成任意两个分布式电源间的信息交互关系。
可选的，可以利用邻接矩阵来表达信息交互关系，相应的，步骤201的处理可以如下：利用图论知识将所有分布式电源设置为有向拓扑网络中的节点；生成有向拓扑网络的邻接矩阵A＝[αij]，其中，i与j为相邻的分布式电源，i,j＝1,2,...,n+m，元素αij＝1表示第i个分布式电源与第j个分布式电源之间存在信息交互，元素αij＝0表示第i个分布式电源与第j个分布式电源之间不存在信息交互。
在实施中，中心控制器可以引入图论知识，利用有向拓扑网络来标识微电网系统中的分布式电源间的信息交互关系。具体来说，可以先将分布式电源设置为有向拓扑网络中的节点，再生成有向拓扑网络的邻接矩阵A＝[αij]，其中，i与j为相邻的分布式电源，i,j＝1,2,...,n+m，元素αij即为第i个分布式电源和第j个分布式电源间的信息交互权值，当元素αij＝1表示第i个分布式电源与第j个分布式电源之间存在信息交互，元素αij＝0表示第i个分布式电源与第j个分布式电源之间不存在信息交互，例如α12＝0，则代表第1个分布式电源和第2个分布式电源间不存在信息交互。此外，可以定义αii＝0，即代表每个分布式电源与自身的信息交互权值为0。值得一提的是，本实施例中默认将领导者电源设为第0个分布式电源，αij可以为跟随者电源间的信息交互权值。
步骤202，利用多谐波干扰观测器对每个分布式电源受到的噪声干扰进行估计，得到每个分布式电源的噪声干扰估计值。
在实施中，微电网系统中的分布式电源在工作状态下，会受环境因素、自身状态、负载状况以及其它电源的影响，收到一定程度的噪声干扰，而该噪声干扰将会概率性破坏微电网系统的群体一致性。因此，在对微电网系统的分布式电源进行合围控制时，可以采用干扰观测器对每个分布式电源受到的噪声干扰进行估计，以便于针对噪声干扰进行抑制。这样，中心控制器可以利用多谐波干扰观测器对每个分布式电源受到的噪声干扰进行估计，以得到每个分布式电源的噪声干扰估计值。
可选的，多谐波干扰观测器的具体定义和噪声干扰估计值的求解过程可以如下：定义噪声干扰的辅助状态变量为
Figure BDA0003240996240000171
和
Figure BDA0003240996240000172
其中，
Figure BDA0003240996240000173
为第i个分布式电源受到的干扰的辅助变量，wi为第i个分布式电源受到的干扰，
Figure BDA0003240996240000174
为已知矩阵；定义每个分布式电源的噪声干扰估计值
Figure BDA0003240996240000175
和辅助状态变量的估计值
Figure BDA0003240996240000176
其中，
Figure BDA0003240996240000177
为辅助变量，
Figure BDA0003240996240000178
为第i个干扰观测器的增益矩阵，d＝1,2,...,n；设计多谐波干扰观测器为
Figure BDA0003240996240000179
Figure BDA00032409962400001710
Figure BDA00032409962400001711
其中，A,B,D分别为适维系统矩阵，
Figure BDA00032409962400001712
E为电源电容值，S为电压负荷调节效应系数，R为最大有功功率，
Figure BDA00032409962400001713
从多谐波干扰观测器中获取每个分布式电源的噪声干扰估计值
Figure BDA00032409962400001714
步骤203，根据预设的电源期望模型、每个分布式电源的内部状态Xi和信息交互关系，以及噪声干扰估计值，构建每个分布式电源的控制输入方程ui，控制输入方程ui包含待求解的控制增益系数。
在实施中，考虑到若要微电网系统内趋于期望的稳定状态，在设定各分布式电源控制器的控制输入时，需要充分考虑分布式电源与其它分布式电源的关联，尤其是与期望的稳定状态的关联。因此，中心控制器在生成微电网系统中分布式电源间的信息交互关系后，可以获取预设的电源期望模型，该电源期望模型即为微电网系统中需要实现合围的一致性标准。之后，针对第i个分布式电源，可以结合第i个分布式电源与微电网系统中的其它分布式电源(包括领导者电源和跟随者电源)的信息交互关系、以及分布式电源的内部状态和以及观测得到的噪声干扰估计值，构建包含待求解的控制增益系数的、第i个分布式电源的控制输入方程ui，i＝1，2，...,n+m。
可选的，在构建控制输入方程时可以针对领导者电源和跟随者电源分别构建，相应的，步骤202的处理可以如下：加载预设的电源期望模型，电源期望模型包含期望状态变化方程
Figure BDA0003240996240000181
和期望输出电压方程Y0(t)＝CX0(t)，其中，X0为期望的内部状态，r0为期望的控制输入，Y0为期望的输出电压。A,B,C分别为适维系统矩阵；基于邻接矩阵A＝[αij]、每个领导者电源的内部状态Xi和X0，构建每个领导者电源的邻居误差方程
Figure BDA0003240996240000182
基于每个领导者电源的邻居误差方程和噪声干扰估计值
Figure BDA0003240996240000183
构建每个领导者电源的控制输入方程
Figure BDA0003240996240000184
其中，i＝1,2,...,n，K1,K2,Γ为待求解的控制增益；基于邻接矩阵A＝[αij]、每个跟随者电源的内部状态Xi和X0，构建每个跟随者电源的邻居误差方程
Figure BDA0003240996240000191
基于每个跟随者电源的邻居误差方程和噪声干扰估计值
Figure BDA0003240996240000192
构建每个跟随者电源的控制输入方程
Figure BDA0003240996240000193
其中，i＝n+1，n+2，...，n+m；K2,K3,Γ为待求解的控制增益；
Figure BDA0003240996240000194
为拉普拉斯矩阵L的逆矩阵L-1矩阵中的第i行第
Figure BDA0003240996240000195
列元素，拉普拉斯矩阵L＝度矩阵D-邻接矩阵A，度矩阵
Figure BDA0003240996240000196
Figure BDA0003240996240000197
在实施中，中心控制器在构建跟随者电源的控制输入方程时，可以先加载预设的电源期望模型，该电源期望模型可以采用二阶动力学系统方程的形式，即可以包含期望状态变化方程
Figure BDA0003240996240000198
和期望输出电压方程Y0(t)＝CX0(t)，其中，X0为期望的电源状态，r0为期望的控制输入，Y0为期望的输出电压，A,B,C分别为适维系统矩阵；
接下来，中心控制器可以以电源期望模型为基准，结合分布式电源的内部状态，及其与其它分布式电源的信息交互关系，构建该分布式电源的邻居误差方程。一方面，对于第i个领导者电源，从邻接矩阵A＝[αij]中获取第i个领导者电源与其它领导者电源的信息交互权值αiq，并获取第i个领导者电源与期望电源模型的信息交互权值ai0，继而可以结合各个领导者电源的内部状态Xq和期望的电源状态X0，构建该领导者电源的邻居误差方程
Figure BDA0003240996240000201
进而，基于该邻居误差方程，结合前述的噪声干扰估计值
Figure BDA0003240996240000202
可以构建相应的领导者电源的控制输入方程
Figure BDA0003240996240000203
其中，i＝1，2，...,n，K1,K2,Γ为待求解的控制增益，r即为前述期望的控制输入。
另一方面，对于第i个跟随者电源，从邻接矩阵A＝[αij]中获取第i个跟随者电源与其它分布式电源的信息交互权值αiq，可分为与领导者电源的信息交互权值和与跟随者电源的信息交互权值。继而，可以结合各个分布式电源的内部状态Xq，构建该跟随者电源的邻居误差方程
Figure BDA0003240996240000204
进而，基于该邻居误差方程，结合前述的噪声干扰估计值
Figure BDA0003240996240000205
可以构建相应的跟随者电源的控制输入方程
Figure BDA0003240996240000206
其中，i＝n+1,n+2,...,n+m；K2,K3,Γ为待求解的控制增益；
Figure BDA0003240996240000207
为拉普拉斯矩阵L的逆矩阵L-1矩阵中的第i行第
Figure BDA0003240996240000208
列元素，拉普拉斯矩阵L＝度矩阵D-邻接矩阵A，度矩阵
Figure BDA0003240996240000209
Figure BDA00032409962400002010
步骤204，建立每个分布式电源的二阶动力学系统模型，和微电网系统相对电源期望模型的状态误差系统方程。
在实施中，微电网系统中的分布式电源在运行时，其状态取值及变化可以由二阶动力学系统模型来拟合，并进一步的，多个分布式电源间的稳定性可以由分布式电源与电源期望模型之间的状态误差来反映。故而，针对每个分布式电源，中心控制器可以建立分布式电源的二阶动力学系统模型，并构建微电网系统相对电源期望模型间的状态误差系统方程。
可选的，步骤204中分布式电源的二阶动力学系统模型可以具体包括：基于每个分布式电源的内部状态Xi、状态变化量
Figure BDA00032409962400002110
有界噪声干扰wi以及控制输入方程ui，建立每个分布式电源的二阶动力学系统模型。
在实施中，在构建分布式电源的二阶动力学系统模型时，可以考虑分布式电源的内部状态和状态变化量，以及电源控制器对分布式电源的控制输入，外加有界噪声干扰对分布式电源的影响，因此可以基于分布式电源的内部状态Xi、状态变化量
Figure BDA00032409962400002111
有界噪声干扰wi以及控制输入方程ui，建立分布式电源的二阶动力学系统模型。
进一步的，上述分布式电源的二阶动力学系统模型的建立过程具体可以如下：基于每个分布式电源的内部状态Xi、状态变化量
Figure BDA0003240996240000211
构建分布式电源的内部状态增广向量Xi(t)；基于分布式电源的内部状态增广向量Xi(t)、有界噪声干扰向量wi(t)和控制输入方程ui(t)，建立分布式电源的状态变化方程
Figure BDA0003240996240000212
其中，
Figure BDA0003240996240000213
上标T表示转置，且
Figure BDA0003240996240000214
E为电源电容值，S为电压负荷调节效应系数，R为最大有功功率，
Figure BDA0003240996240000215
基于分布式电源的状态变化方程建立分布式电源的电压输出方程Yi(t)＝CXi(t)，其中，C＝[1 0]。
在实施中，可以设定分布式电源的内部状态增广向量为Xi(t)，Xi(t)可以为包含内部状态Xi、状态变化量
Figure BDA0003240996240000216
的增广向量，即
Figure BDA0003240996240000217
其中，上标T表示转置，且
Figure BDA0003240996240000221
Xi的下标1和2仅用作区别，再结合分布式电源可能受到的有界噪声干扰向量wi(t)，以及对应的控制输入方程ui(t)，可以建立分布式电源的状态变化方程
Figure BDA0003240996240000222
其中，i＝1,2,...,n，A,B,D为适维系统矩阵，
Figure BDA0003240996240000223
Figure BDA0003240996240000224
E为电源电容值，S和R均为与电源硬件参数相关联的待定数值，在电源投入使用前，可以由技术人员根据电源硬件参数确定相应的具体数值，其中S为电压负荷调节效应系数，R为最大有功功率，本实施例中微电网系统的不同分布式电源对应的E、R、S的取值均一致。此处，分布式电源的可能受到的有界噪声干扰向量wi(t)可以通过对大量的实测数据进行整理和分析得到，具体可以取实测噪声干扰的最大值。另外，分布式电源的电压输出方程Yi(t)可以由分布式电源的内部状态增广向量Xi(t)直接建立，即Yi(t)＝CXi(t)，其中，C为适维系统矩阵,C＝[1 0]。
可选的，状态误差系统方程的建立过程可以包括领导者电源和跟随者电源两部分，具体的处理可以如下：基于每个领导者电源的邻居误差方程，构建微电网系统中的所有领导者电源相对电源期望模型的状态误差系统方程
Figure BDA0003240996240000225
基于每个跟随者电源的邻居误差方程，构建微电网系统中的所有跟随者电源相对电源期望模型的状态误差系统方程
Figure BDA0003240996240000226
其中，ε＝col{ε1,ε2,...,εn}，ζ＝col{ζn+1,ζn+2,...,ζn+m}，
Figure BDA0003240996240000227
wL＝col{w1,w2,...,wn}，
Figure BDA0003240996240000228
wF＝col{wn+1,wn+2,...,wn+m}，IN，IM分别为N维、M维单位矩阵，
Figure BDA0003240996240000231
表示克罗内克积，L11,L21,L22分别为拉普拉斯矩阵L中的子矩阵，
Figure BDA0003240996240000232
在实施中，中心控制器在构建了分布式电源的邻居误差方程后，可以利用邻居误差方程构建所有分布式电源相对电源期望模型的状态误差系统方程，该构建过程具体可以分为领导者电源和跟随者电源两个部分。对于领导者电源，可以在前述已构建的每个领导者电源的邻居误差方程εi的基础上，构建所有领导者电源相对电源期望模型的状态误差系统方程
Figure BDA0003240996240000233
同理，对于跟随者电源，可以在前述以构建的每个跟随者电源的邻居误差方程ζi的基础上，构建所有跟随者电源相对电源期望模型的状态误差系统方程
Figure BDA0003240996240000234
步骤205，通过李雅普诺夫稳定性理论分别对状态误差系统方程进行分析，生成微电网系统的稳定性控制条件。
在实施中，李雅普诺夫稳定性理论是一种研究系统稳定性的理论，即探求系统的一种平衡状态，当系统处于该平衡状态时，无论存在何种外界扰动，系统最终都会趋于回归该平衡状态。因此，可以基于李雅普诺夫稳定性理论对状态误差系统方程进行分析，以计算微电网系统存在该平衡状态时需要满足的控制条件，即生成微电网系统的稳定性控制条件。
基于上述状态误差系统方程
Figure BDA0003240996240000235
和
Figure BDA0003240996240000236
若要微电网系统最终达到群体一致性的合围控制，则需要
Figure BDA0003240996240000237
和
Figure BDA0003240996240000238
均趋于0。故而，利用李雅普诺夫稳定性理论对状态误差系统方程
Figure BDA0003240996240000239
和
Figure BDA00032409962400002310
进行分析，可以针对领导者电源和跟随者电源分别得到如下两种稳定性控制条件：
对于领导者电源，如果存在常数
Figure BDA0003240996240000241
适维矩阵
Figure BDA0003240996240000242
和正定矩阵Q1,Q2，满足
Figure BDA0003240996240000243
成立，则微电网系统中的所有领导者电源能够达到群体一致性，其中，
Figure BDA0003240996240000244
中的元素*表示与元素R对称的元素RT；
对于跟随者电源，如果存在正定矩阵Q1,Ω1,Ω2，满足
Figure BDA0003240996240000245
成立，则微电网系统中的所有跟随者电源能够达到群体一致性，其中，Ξ13＝[Z1+J1DU1,Z2+J2DU2,...,Zn+JnDUn]T，
Figure BDA0003240996240000246
Ξ24＝[Zn+1+Jn+1DUn+1,Zn+2+Jn+ 2DUn+2,...,Zn+m+Jn+mDUn+m]T，
Figure BDA0003240996240000247
Figure BDA0003240996240000248
中的元素*表示与元素R对称的元素RT。
步骤206，利用微电网系统的稳定性条件对每个分布式电源的控制输入方程进行求解，得到分布式电源对应的控制增益系数。
在实施中，在分析得出微电网系统的稳定性控制条件后，中心控制器可以利用该稳定性控制条件，共同反向求解微电网系统中各个分布式电源的控制增益系数。具体的，中心控制器可以基于上述稳定性控制条件，对领导者电源的控制输入方程和跟随者电源的控制输入方程统一进行求解，从而可以得到所有领导者电源对应的控制增益系数，以及所有跟随者电源对应的控制增益系数。
步骤207，将控制增益系数加载至每个分布式电源的控制器中，以使控制器根据控制增益系数控制分布式电源。
在实施中，中心控制器在确定了分布式电源的控制增益系数后，可以将控制增益系数发送至每个分布式电源的电源控制器。电源控制器接收并加载该控制增益系数，将控制增益系数代入分布式电源的控制输入方程ui，以得到每个分布式电源的具体控制输入，从而电源控制器可以通过该具体控制输入对分布式电源进行控制。
采用本申请公开的基于多谐波干扰观测器的微电网分布式电源合围控制方法，将有向网络拓扑思想引入至微电网中的分布式电源的信息交互中，同时利用多谐波干扰观测器来对分布式电源的噪声干扰进行预估，并构建分布式电源的二阶动力学系统模型将电源状态模型化，进而建立微电网系统相对预设的电源期望模型的状态误差系统方程。再利用李雅普诺夫稳定性理论对状态误差系统方程进行分析，得出稳定性条件，从而可以通过稳定性条件求解得到能够实现微电网系统稳定的控制增益系数。这样，将微电网系统的分布式电源状态模型化，通过数理分析得到分布式电源的合围控制增益系数，可以利用电源控制器对分布式电源进行实时精确控制，从而可以有效实现微电网系统的群体一致性。
本申请实施例还提供了一种基于多谐波干扰观测器的微电网分布式电源合围控制装置，如图3所示，所述装置包括：
拓扑结构分析模块301，用于将微电网系统中所有分布式电源分为n个领导者电源和m个跟随者电源，并利用有向拓扑网络生成所述分布式电源间的信息交互关系；
噪声干扰预估模块302，用于利用多谐波干扰观测器对每个所述分布式电源受到的噪声干扰进行估计，得到每个所述分布式电源的噪声干扰估计值；
控制输入分析模块303，用于根据预设的电源期望模型、每个所述分布式电源的内部状态Xi和所述信息交互关系，以及所述噪声干扰估计值，构建每个所述分布式电源的控制输入方程ui，所述控制输入方程ui包含待求解的控制增益系数；
系统方程搭建模块304，用于建立每个所述分布式电源的二阶动力学系统模型，和所述微电网系统相对所述电源期望模型的状态误差系统方程；
稳定性分析模块305，用于通过李雅普诺夫稳定性理论分别对所述状态误差系统方程进行分析，生成所述微电网系统的稳定性控制条件；
控制增益求解模块306，用于利用所述微电网系统的稳定性条件对每个所述分布式电源的控制输入方程进行求解，得到所述分布式电源对应的控制增益系数；
控制增益加载模块307，用于将控制增益求解模块输出的控制增益系数加载至每个所述分布者电源的控制器中，以使所述控制器根据所述控制增益系数控制所述分布者电源。
可选的，所述拓扑结构分析模块301，具体用于：
利用图论知识将所有所述分布式电源设置为有向拓扑网络中的节点；
生成所述有向拓扑网络的邻接矩阵A＝[αij]，其中，i与j为相邻的分布式电源，i,j＝1,2,...,n+m，元素αij＝1表示第i个分布式电源与第j个分布式电源之间存在信息交互，元素αij＝0表示第i个分布式电源与第j个分布式电源之间不存在信息交互。
可选的，所述噪声干扰预估模块302，具体用于：
定义噪声干扰的辅助状态变量为
Figure BDA0003240996240000271
和
Figure BDA0003240996240000272
其中，
Figure BDA0003240996240000273
为第i个分布式电源受到的干扰的辅助变量，wi为第i个分布式电源受到的干扰，
Figure BDA0003240996240000274
为已知矩阵；
定义每个所述分布式电源的噪声干扰估计值
Figure BDA0003240996240000275
和所述辅助状态变量的估计值
Figure BDA0003240996240000276
其中，
Figure BDA0003240996240000277
为辅助变量，
Figure BDA0003240996240000278
为第i个干扰观测器的增益矩阵，d＝1,2,...,n；
设计多谐波干扰观测器为
Figure BDA0003240996240000279
Figure BDA00032409962400002710
Figure BDA00032409962400002711
其中，A,B,D分别为适维系统矩阵，
Figure BDA00032409962400002712
E为电源电容值，S为电压负荷调节效应系数，R为最大有功功率，
Figure BDA00032409962400002713
从所述多谐波干扰观测器中获取每个所述分布式电源的噪声干扰估计值
Figure BDA0003240996240000281
可选的，所述控制输入分析模块303，具体用于：
加载预设的电源期望模型，所述电源期望模型包含期望状态变化方程
Figure BDA0003240996240000282
和期望输出电压方程Y0(t)＝CX0(t)，其中，X0为期望的电源状态，r0为期望的控制输入，Y0为期望的输出电压，A,B,C分别为适维系统矩阵，
Figure BDA0003240996240000283
E为电源电容值，S为电压负荷调节效应系数，R为最大有功功率，C＝[1 0]；
基于所述邻接矩阵A＝[αij]、每个所述领导者电源的内部状态Xi和所述X0，构建每个所述领导者电源的邻居误差方程
Figure BDA0003240996240000284
Figure BDA0003240996240000285
基于每个所述领导者电源的邻居误差方程和所述噪声干扰估计值
Figure BDA0003240996240000286
构建每个所述领导者电源的控制输入方程
Figure BDA0003240996240000287
其中，i＝1,2,...,n，K1,K2,Γ为待求解的控制增益；
基于所述邻接矩阵A＝[αij]、每个所述跟随者电源的内部状态Xi和所述X0，构建每个所述跟随者电源的邻居误差方程
Figure BDA0003240996240000288
基于每个所述跟随者电源的邻居误差方程和所述噪声干扰估计值
Figure BDA0003240996240000289
构建每个所述跟随者电源的控制输入方程
Figure BDA00032409962400002810
其中，i＝n+1,n+2,...,n+m；K2,K3,Γ为待求解的控制增益；
Figure BDA00032409962400002811
为拉普拉斯矩阵L的逆矩阵L-1矩阵中的第i行第
Figure BDA00032409962400002812
列元素，所述拉普拉斯矩阵L＝度矩阵D-所述邻接矩阵A，所述度矩阵
Figure BDA0003240996240000291
Figure BDA0003240996240000292
可选的，所述系统方程搭建模块304，具体用于：
基于每个所述分布式电源的内部状态Xi、状态变化量
Figure BDA0003240996240000293
有界噪声干扰wi以及所述控制输入方程ui，建立每个所述分布式电源的二阶动力学系统模型。
可选的，所述系统方程搭建模块304，具体用于：
基于每个所述分布式电源的内部状态Xi、状态变化量
Figure BDA0003240996240000294
构建分布式电源的内部状态增广向量Xi(t)；
基于所述分布式电源的内部状态增广向量Xi(t)、有界噪声干扰向量wi(t)和所述控制输入方程ui(t)，建立所述分布式电源的状态变化方程
Figure BDA0003240996240000295
其中，
Figure BDA0003240996240000296
上标T表示转置，且
Figure BDA0003240996240000297
基于所述分布式电源的状态变化方程建立所述分布式电源的电压输出方程Yi(t)＝CXi(t)，其中，C＝[1 0]。
可选的，所述系统方程搭建模块304，具体用于：
基于每个所述领导者电源的邻居误差方程，构建所述微电网系统中的所有领导者电源相对所述电源期望模型的状态误差系统方程
Figure BDA0003240996240000298
基于每个所述跟随者电源的邻居误差方程，构建所述微电网系统中的所有跟随者电源相对所述电源期望模型的状态误差系统方程
Figure BDA0003240996240000301
其中，ε＝col{ε1,ε2,...,εn}，ζ＝col{ζn+1,ζn+2,...,ζn+m}，
Figure BDA0003240996240000302
wL＝col{w1,w2,...,wn}，
Figure BDA0003240996240000303
wF＝col{wn+1,wn+2,...,wn+m}，IN，IM分别为N维、M维单位矩阵，
Figure BDA0003240996240000304
表示克罗内克积，L11,L21,L22分别为拉普拉斯矩阵L中的子矩阵，
Figure BDA0003240996240000305
可选的，所述稳定性控制条件为：如果存在常数
Figure BDA0003240996240000306
适维矩阵
Figure BDA0003240996240000307
和正定矩阵Q1,Q2，满足
Figure BDA0003240996240000308
成立，则所述微电网系统中的所有领导者电源能够达到群体一致性，其中，
Figure BDA0003240996240000309
中的元素*表示与元素R对称的元素RT。
可选的，所述稳定性控制条件为：如果存在正定矩阵Q1,Ω1,Ω2，满足
Figure BDA0003240996240000311
成立，则所述微电网系统中的所有跟随者电源能够达到群体一致性，其中，Ξ13＝[Z1+J1DU1,Z2+J2DU2,...,Zn+JnDUn]T，
Figure BDA0003240996240000312
Figure BDA0003240996240000313
Ξ24＝[Zn+1+Jn+1DUn+1,Zn+2+Jn+ 2DUn+2,...,Zn+m+Jn+mDUn+m]T，
Figure BDA0003240996240000314
Figure BDA0003240996240000315
中的元素*表示与元素R对称的元素RT。
本申请实施例还提供了一种中心控制器，所述中心控制器包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第一方面所述的基于多谐波干扰观测器的微电网分布式电源合围控制方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，本说明书(包括摘要和附图)中公开的任一特征，除非特别叙述，均可被其它等效或者具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

Claims (10)

1.一种基于多谐波干扰观测器的微电网分布式电源合围控制方法，其特征在于，所述方法包括：
将微电网系统中所有分布式电源分为n个领导者电源和m个跟随者电源，并利用有向拓扑网络生成所述分布式电源间的信息交互关系；
利用多谐波干扰观测器对每个所述分布式电源受到的噪声干扰进行估计，得到每个所述分布式电源的噪声干扰估计值；
根据预设的电源期望模型、每个所述分布式电源的内部状态Xi和所述信息交互关系，以及所述噪声干扰估计值，构建每个所述分布式电源的控制输入方程ui，所述控制输入方程ui包含待求解的控制增益系数；
建立每个所述分布式电源的二阶动力学系统模型，和所述微电网系统相对所述电源期望模型的状态误差系统方程；
通过李雅普诺夫稳定性理论分别对所述状态误差系统方程进行分析，生成所述微电网系统的稳定性控制条件；
利用所述微电网系统的稳定性控制条件对每个所述分布式电源的控制输入方程进行求解，得到所述分布式电源对应的控制增益系数；
将所述控制增益系数加载至每个所述分布式电源的控制器中，以使所述控制器根据所述控制增益系数控制每个所述分布式电源。
2.根据权利要求1所述的方法，其特征在于，所述利用有向拓扑网络生成所述分布式电源间的信息交互关系，包括：
利用图论知识将所有所述分布式电源设置为有向拓扑网络中的节点；
生成所述有向拓扑网络的邻接矩阵A＝[αij]，其中，i与j为相邻的分布式电源，i,j＝1,2,...,n+m，元素αij＝1表示第i个分布式电源与第j个分布式电源之间存在信息交互，元素αij＝0表示第i个分布式电源与第j个分布式电源之间不存在信息交互。
3.根据权利要求2所述的方法，其特征在于，所述利用多谐波干扰观测器对每个所述分布式电源受到的噪声干扰进行估计，得到每个所述分布式电源的噪声干扰估计值，包括：
定义噪声干扰的辅助状态变量为
Figure FDA0003645117040000021
和
Figure FDA0003645117040000022
其中，
Figure FDA00036451170400000211
为第i个分布式电源受到的干扰的辅助变量，wi为第i个分布式电源受到的干扰，
Figure FDA00036451170400000214
为已知矩阵；
定义每个所述分布式电源的噪声干扰估计值
Figure FDA0003645117040000023
和所述辅助状态变量的估计值
Figure FDA0003645117040000024
其中，
Figure FDA00036451170400000212
为辅助变量，
Figure FDA00036451170400000213
为第i个干扰观测器的增益矩阵，d＝1,2,...,n；
设计多谐波干扰观测器为
Figure FDA0003645117040000025
Figure FDA0003645117040000026
Figure FDA0003645117040000027
其中，A,B,D分别为适维系统矩阵，
Figure FDA0003645117040000028
E为电源电容值，S为电压负荷调节效应系数，R为最大有功功率，
Figure FDA0003645117040000029
从所述多谐波干扰观测器中获取每个所述分布式电源的噪声干扰估计值
Figure FDA00036451170400000210
4.根据权利要求3所述的方法，其特征在于，所述根据预设的电源期望模型、每个所述分布式电源的内部状态Xi和所述信息交互关系，以及所述噪声干扰估计值，构建每个所述分布式电源的控制输入方程ui，包括：
加载预设的电源期望模型，所述电源期望模型包含期望状态变化方程
Figure FDA0003645117040000031
和期望输出电压方程Y0(t)＝CX0(t)，其中，X0为期望的电源状态，r0为期望的控制输入，Y0为期望的输出电压，A,B,C分别为适维系统矩阵，
Figure FDA0003645117040000032
E为电源电容值，S为电压负荷调节效应系数，R为最大有功功率，C＝[1 0]；
基于所述邻接矩阵A＝[αij]、每个所述领导者电源的内部状态Xi和所述X0，构建每个所述领导者电源的邻居误差方程
Figure FDA00036451170400000312
Figure FDA00036451170400000311
基于每个所述领导者电源的邻居误差方程和所述噪声干扰估计值
Figure FDA0003645117040000033
构建每个所述领导者电源的控制输入方程
Figure FDA0003645117040000034
其中，i＝1,2,...,n，K1,K2,Γ为待求解的控制增益；
基于所述邻接矩阵A＝[αij]、每个所述跟随者电源的内部状态Xi和所述X0，构建每个所述跟随者电源的邻居误差方程
Figure FDA0003645117040000035
基于每个所述跟随者电源的邻居误差方程和所述噪声干扰估计值
Figure FDA0003645117040000036
构建每个所述跟随者电源的控制输入方程
Figure FDA0003645117040000037
其中，i＝n+1,n+2,...,n+m；K2,K3,Γ为待求解的控制增益；
Figure FDA0003645117040000038
为拉普拉斯矩阵L的逆矩阵L-1矩阵中的第i行第
Figure FDA00036451170400000310
列元素，所述拉普拉斯矩阵L＝度矩阵D-所述邻接矩阵A，所述度矩阵
Figure FDA0003645117040000039
Figure FDA0003645117040000041
5.根据权利要求4所述的方法，其特征在于，所述建立每个所述分布式电源的二阶动力学系统模型，包括：
基于每个所述分布式电源的内部状态Xi、状态变化量
Figure FDA0003645117040000042
有界噪声干扰wi以及所述控制输入方程ui，建立每个所述分布式电源的二阶动力学系统模型。
6.根据权利要求5所述的方法，其特征在于，所述基于每个所述分布式电源的内部状态Xi、状态变化量
Figure FDA0003645117040000043
有界噪声干扰wi以及所述控制输入方程ui，建立每个所述分布式电源的二阶动力学系统模型，包括：
基于每个所述分布式电源的内部状态Xi、状态变化量
Figure FDA0003645117040000044
构建分布式电源的内部状态增广向量Xi(t)；
基于所述分布式电源的内部状态增广向量Xi(t)、有界噪声干扰向量wi(t)和所述控制输入方程ui(t)，建立所述分布式电源的状态变化方程
Figure FDA0003645117040000045
其中，
Figure FDA0003645117040000046
上标T表示转置，且
Figure FDA0003645117040000047
基于所述分布式电源的状态变化方程建立所述分布式电源的电压输出方程Yi(t)＝CXi(t)，其中，C＝[1 0]。
7.根据权利要求6所述的方法，其特征在于，建立所述微电网系统相对所述电源期望模型的状态误差系统方程，包括：
基于每个所述领导者电源的邻居误差方程，构建所述微电网系统中的所有领导者电源相对所述电源期望模型的状态误差系统方程
Figure FDA0003645117040000051
基于每个所述跟随者电源的邻居误差方程，构建所述微电网系统中的所有跟随者电源相对所述电源期望模型的状态误差系统方程
Figure FDA0003645117040000052
其中，ε＝col{ε1,ε2,...,εn}，ζ＝col{ζn+1,ζn+2,...,ζn+m}，
Figure FDA0003645117040000053
wL＝col{w1,w2,...,wn}，
Figure FDA0003645117040000054
wF＝col{wn+1,wn+2,...,wn+m}，IN，IM分别为N维、M维单位矩阵，
Figure FDA0003645117040000055
表示克罗内克积，L11,L21,L22分别为拉普拉斯矩阵L中的子矩阵，
Figure FDA0003645117040000056
8.根据权利要求7所述的方法，其特征在于，所述稳定性控制条件为：如果存在常数
Figure FDA0003645117040000057
适维矩阵
Figure FDA0003645117040000058
和正定矩阵Q1,Q2，满足
Figure FDA0003645117040000059
成立，则所述微电网系统中的所有领导者电源能够达到群体一致性，其中，
Figure FDA00036451170400000510
中的元素*表示与元素R对称的元素RT。
9.根据权利要求7所述的方法，其特征在于，所述稳定性控制条件为：如果存在正定矩阵Q1,Ω1,Ω2，满足
Figure FDA0003645117040000061
成立，则所述微电网系统中的所有跟随者电源能够达到群体一致性，其中，Ξ13＝[Z1+J1DU1,Z2+J2DU2,...,Zn+JnDUn]T，
Figure FDA0003645117040000062
Figure FDA0003645117040000063
Ξ24＝[Zn+1+Jn+1DUn+1,Zn+2+Jn+ 2DUn+2,...,Zn+m+Jn+mDUn+m]T，
Figure FDA0003645117040000064
Figure FDA0003645117040000065
中的元素*表示与元素R对称的元素RT。
10.一种基于多谐波干扰观测器的微电网分布式电源合围控制装置，其特征在于，所述装置包括：
拓扑结构分析模块，用于将微电网系统中所有分布式电源分为n个领导者电源和m个跟随者电源，并利用有向拓扑网络生成所述分布式电源间的信息交互关系；
噪声干扰预估模块，用于利用多谐波干扰观测器对每个所述分布式电源受到的噪声干扰进行估计，得到每个所述分布式电源的噪声干扰估计值；
控制输入分析模块，用于根据预设的电源期望模型、每个所述分布式电源的内部状态Xi和所述信息交互关系，以及所述噪声干扰估计值，构建每个所述分布式电源的控制输入方程ui，所述控制输入方程ui包含待求解的控制增益系数；
系统方程搭建模块，用于建立每个所述分布式电源的二阶动力学系统模型，和所述微电网系统相对所述电源期望模型的状态误差系统方程；
稳定性分析模块，用于通过李雅普诺夫稳定性理论分别对所述状态误差系统方程进行分析，生成所述微电网系统的稳定性控制条件；
控制增益求解模块，用于利用所述微电网系统的稳定性控制条件对每个所述分布式电源的控制输入方程进行求解，得到所述分布式电源对应的控制增益系数；
控制增益加载模块，用于将控制增益求解模块输出的控制增益系数加载至每个所述分布式 电源的控制器中，以使所述控制器根据所述控制增益系数控制所述分布式 电源。
CN202111019760.3A 2021-09-01 2021-09-01 一种基于多谐波干扰观测器的微电网分布式电源合围控制方法和装置 Active CN113741365B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111019760.3A CN113741365B (zh) 2021-09-01 2021-09-01 一种基于多谐波干扰观测器的微电网分布式电源合围控制方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111019760.3A CN113741365B (zh) 2021-09-01 2021-09-01 一种基于多谐波干扰观测器的微电网分布式电源合围控制方法和装置

Publications (2)

Publication Number Publication Date
CN113741365A CN113741365A (zh) 2021-12-03
CN113741365B true CN113741365B (zh) 2022-07-08

Family

ID=78734579

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111019760.3A Active CN113741365B (zh) 2021-09-01 2021-09-01 一种基于多谐波干扰观测器的微电网分布式电源合围控制方法和装置

Country Status (1)

Country Link
CN (1) CN113741365B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106026188A (zh) * 2016-05-17 2016-10-12 中南大学 一种基于分布式控制的微电网主动同步控制方法
CN107069812A (zh) * 2017-04-13 2017-08-18 南京邮电大学 并网型微电网中多储能单元的分布式协同控制方法
CN110324332A (zh) * 2019-06-28 2019-10-11 重庆大学 一种用于微电网在网络攻击下的安全控制方法
CN110365039A (zh) * 2018-03-26 2019-10-22 北京天诚同创电气有限公司 微电网逆变器的控制方法、控制装置以及微电网逆变器
CN112346439A (zh) * 2020-11-20 2021-02-09 南通大学 基于pd型学习观测器的微电网传感器故障容错控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10447038B2 (en) * 2017-11-10 2019-10-15 University Of Tennessee Research Microgrids with dynamically configurable boundaries including multiple main grid feeder coupling locations and methods of operating the same

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106026188A (zh) * 2016-05-17 2016-10-12 中南大学 一种基于分布式控制的微电网主动同步控制方法
CN107069812A (zh) * 2017-04-13 2017-08-18 南京邮电大学 并网型微电网中多储能单元的分布式协同控制方法
CN110365039A (zh) * 2018-03-26 2019-10-22 北京天诚同创电气有限公司 微电网逆变器的控制方法、控制装置以及微电网逆变器
CN110324332A (zh) * 2019-06-28 2019-10-11 重庆大学 一种用于微电网在网络攻击下的安全控制方法
CN112346439A (zh) * 2020-11-20 2021-02-09 南通大学 基于pd型学习观测器的微电网传感器故障容错控制方法

Also Published As

Publication number Publication date
CN113741365A (zh) 2021-12-03

Similar Documents

Publication Publication Date Title
Blondin et al. New optimal controller tuning method for an AVR system using a simplified Ant Colony Optimization with a new constrained Nelder–Mead algorithm
Ahn et al. Online tuning fuzzy PID controller using robust extended Kalman filter
Liu et al. A boundedness result for the direct heuristic dynamic programming
Annergren et al. An ADMM algorithm for solving ℓ 1 regularized MPC
Wakasa et al. Online controller tuning via FRIT and recursive least-squares
Emedi et al. Fixed-structure lpv discrete-time controller design with induced l 2-norm and h 2 performance
Ekinci et al. Implementing the Henry gas solubility optimization algorithm for optimal power system stabilizer design
Sadamoto et al. Fast online reinforcement learning control using state-space dimensionality reduction
Müller et al. Enhancing an intelligent digital twin with a self-organized reconfiguration management based on adaptive process models
CN114995498A (zh) 一种针对传输时滞的多智能体协同控制方法和装置
Van Kien et al. Adaptive fuzzy sliding mode control for nonlinear uncertain SISO system optimized by differential evolution algorithm
CN111221311A (zh) 基于参数变分法的复杂网络分布式脉冲同步方法及系统
Kosmatopoulos Control of unknown nonlinear systems with efficient transient performance using concurrent exploitation and exploration
Zhang et al. Revisiting LQR control from the perspective of receding-horizon policy gradient
CN113741365B (zh) 一种基于多谐波干扰观测器的微电网分布式电源合围控制方法和装置
Zhang et al. Consensus control for a class of linear multiagent systems using a distributed integral sliding mode strategy
Alonso et al. Distributed and localized model predictive control—Part II: Theoretical guarantees
Yucesan et al. Estimating parameters and discrepancy of computer models with graphs and neural networks
CN113741190B (zh) 一种基于有向拓扑网络的微电网分布式电源合围控制方法和装置
Torelli et al. A second order dynamic power flow model
CN113644691B (zh) 一种基于变结构拓扑网络的微电网分布式电源协同控制方法和装置
Jo et al. Data-driven Output-feedback Predictive Control: Unknown Plant's Order and Measurement Noise
Scherpen et al. Extended balanced truncation for continuous time LTI systems
Lu et al. Nonlinear model predictive controller design for identified nonlinear parameter varying model
Rao et al. A two-phase approach for the design of two-degree-of-freedom of robust controller for higher order interval system

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