CN113809732A - 一种分布式直流智能负载虚拟惯性控制方法 - Google Patents

Abstract

本发明提供一种分布式直流智能负载虚拟惯性控制方法，属于直流微电网控制领域。针对直流智能负载采用传统分散式控制受到线路电阻影响和仅考虑电压补偿的分布式控制没有涉及惯性问题，本发明基于虚拟电容的分布式控制方法，将模型预测控制方法与自适应改变虚拟电容值相结合，利用虚拟电容电流阻碍负载电压的变化，从而减缓系统的突变能力，提高系统惯性。另一方面，本发明所提供的方法通过定义非关键负载的电压偏差率，采用分布式得到系统非关键负载电压偏差率平均值，并将其作为电力弹簧变换器输出电流的修正量，能够避免多个智能负载中，某个非关键负载出现过大的电压偏差，从而延长非关键负载的使用寿命。

Description

一种分布式直流智能负载虚拟惯性控制方法

技术领域

本发明属于直流微电网控制领域，具体涉及一种分布式直流智能负载虚拟惯性控制方法。

背景技术

能源短缺、环境污染和气候变暖极大地促进了风能、光伏等可再生能源的开发利用。直流微电网由于其可再生能源的高效集成，以及不存在交流微电网中的无功和谐波问题，引起了人们的广泛关注。随着直流智能微电网的逐步普及，智能负荷得到了广泛的应用，因其具有补偿母线电压偏差，消除配电线路的电压降等优势。通过控制智能负荷参与电能质量的调节，可以分担供电侧储能系统的责任。电力弹簧作为一种实现智能负载的新兴技术，可用于直流微电网的母线电压调节。

目前，针对多个智能负载的控制，常采用分散式控制方法和分布式控制方法。分散控制方法在不需要系统配置通信网络的前提下，实现了多个智能负载之间的协调控制，从而改善了负载侧电压偏差。但由于智能负载之间线路阻抗的存在，使得控制精度受到影响。分布式控制方法能够通过相邻智能负载之间的通信，解决控制精度的问题，且与集中式控制方法相比所需通信网络大大减少，将其应用于存在多个智能负载的系统中，能够同时实现多个控制目标。但目前针对多个智能负载的分布式控制，大多集中在母线电压补偿和多个智能负载协调工作方面，针对直流微电网惯性的提高很少涉及。

然而，在直流微电网中，可再生能源的电力电子变换器接口通常以最大功率点跟踪方式工作，导致系统等效惯性较低。当直流微电网面临间歇性的分布式发电和频繁的加减载时，低惯性的快速响应速度将导致直流母线电压剧烈波动，直流微电网的电能质量将受到严重影响。目前，针对直流微电网惯性低的问题，常采用的方法为对供电端的储能系统采用虚拟惯性控制技术，利用虚拟电容电流减缓系统中母线电压的突变能力，从而提高系统惯性。

因此，如何结合虚拟惯性控制技术解决多个智能负载在采用分布式控制方法存在的惯性问题就成为了研究热点。

发明内容

针对背景技术所存在的问题，本发明的目的在于提供一种分布式直流智能负载虚拟惯性控制方法。该控制方法针对电力弹簧智能负载应用于解决直流微电网母线偏差问题时，采用分布式控制，同时结合电压电流双环控制，解决系统惯性不高的问题，还能避免智能负载中非关键负载的电压偏差过大。

为实现上述目的，本发明的技术方案如下：

一种分布式直流智能负载虚拟惯性控制方法，包括以下步骤：

步骤1：采集串联电力弹簧结构的智能负载拓扑中每一个智能负载的电流和电压，并计算智能负载中串联非关键负载电压偏差率δ_NCL；

步骤2：建立一个连通的直流微电网通信网络，通信网络中相邻智能负载通过交换非关键负载电压偏差率，得到系统中所有非关键负载电压偏差率平均值δ_{NCL_avg}和所有智能负载平均电流值I_{N_avg}；

步骤3：建立智能负载中串联电力弹簧变换器电压预测模型，结合电压预测模型和虚拟电容电流公式，建立虚拟电容电流预测模型，然后建立以虚拟电容为变量的目标函数得到最优虚拟电容值，根据最优虚拟电容值求解得到下一时刻虚拟电容电流增量；

步骤4：对智能负载中串联电力弹簧输出电压采用电压电流双环控制，并在电流内环中加入虚拟电容电流增量进行补偿和步骤2得到的非关键负载电压偏差率平均值进行修正。

进一步地，所述单个直流智能负载的结构由串联电力弹簧和串联非关键负载组成。

进一步地，所述步骤1智能负载的电压和电流为智能负载端电压V_M和输出电流I_N，通过传感器测量得到；智能负载中非关键负载电压偏差率δ_NCL由下式确定：

其中，V_{Bus_ref}为直流微电网母线电压额定值，R为智能负载中等效非关键负载电阻，I_N为智能负载输出电流。

进一步地，步骤2中相邻智能负载通过交换非关键负载电压偏差率，得到系统非关键负载电压偏差率平均值δ_{NCL_avg}的具体过程为：

其中，i表示第i个智能负载，j表示与第i个智能负载通信的智能负载j，d_ij为第i和第j个智能负载之间的转移系数，由预先设置的通信网络拓扑决定，m为系统中总的智能负载个数，k表示第k个控制周期；

系统非关键负载电压偏差率平均值δ_{NCL_avg}的值为δ_{NCL_i}(k+1)的收敛值；

通过最终得到的非关键负载电压偏差率平均值，由下式得到智能负载平均电流值：

其中，当V_{Bus_ref}-RI_N>0时为+，V_{Bus_ref}-RI_N<0时为-。

进一步地，步骤3中建立智能负载中串联电力弹簧变换器电压预测模型，由下式描述：

其中，V_E为串联电力弹簧变换器输出电压，T_s为系统采样周期，C_ES为变换器输出电容值，I_E为串联电力弹簧变换器的输出电流，下角标M为智能负载，下角标E为变换器；

结合电压模型和虚拟电容电流公式，建立虚拟电容电流预测模型：

其中，C_vir为虚拟电容值；

建立以虚拟电容为变量的目标函数J_vir如下所示，

求取目标函数J_vir在C_vir不断变化下的最小值，该最小值对应的C_vir即为下一时刻最优虚拟电容值，带入虚拟电容电流预测模型得到下一时刻虚拟电容电流增量ΔI_vir。

进一步地，步骤4中电压电流双环控制中，电流内环的参考值由下式得到：

I_{ES_V}＝(K_p+∫K_i)(V_{Bus_ref}-V_M)+ΔI_vir+ΔI_NCL

其中，K_p和K_i分别为电压环PI控制器比例系数和积分系数，由经验决定；

非关键负载电压偏差率修正值由下式得到：

ΔI_NCL＝(K′_p+∫K′_i)(I_{N_avg}-I_N)

其中，K′_p和K′_i分别为非关键负载电压偏差率修正环PI控制器比例系数和积分系数。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

针对直流智能负载采用传统分散式控制受到线路电阻影响和仅考虑电压补偿的分布式控制没有涉及惯性问题，本发明基于虚拟电容的分布式控制方法，将模型预测控制方法与自适应改变虚拟电容值相结合，利用虚拟电容电流阻碍负载电压的变化，从而减缓系统的突变能力，提高系统惯性。因此，在智能负载补偿负载电压的同时，该控制方法可以提高系统惯性，平衡系统的动态响应速度和惯性。另一方面，本发明所提供的方法通过定义非关键负载的电压偏差率，采用分布式得到系统非关键负载电压偏差率平均值，并将其作为电力弹簧变换器输出电流的修正量，能够避免多个智能负载中，某个非关键负载出现过大的电压偏差，从而延长非关键负载的使用寿命。

附图说明

图1为包含直流智能负载的直流微电网结构示意图。

图2为单个直流智能负载结构图。

图3为虚拟电容优化流程图。

图4为本发明分布式直流智能负载虚拟惯性控制方法结构图。

图5为分布式直流智能负载虚拟惯性控制方法中直流母线电压波形图；

其中，(a)为系统未安装智能负载的直流母线电压波形图，(b)为系统安装仅调压控制的智能负载后的直流母线电压波形图，(c)为系统安装智能负载采用本发明控制方法后的直流母线电压波形图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合实施方式和附图，对本发明作进一步地详细描述。

实施例1

一种包含分布式直流智能负载的直流微电网系统拓扑结构，如图1所示，包括3个智能负载，本发明方法可类推适用于包含n个智能负载的直流微电网系统。单个直流智能负载的拓扑结构，如图2所示，其由串联电力弹簧和串联非关键负载组成。

一种分布式直流智能负载虚拟惯性控制方法，包括以下步骤：

步骤1：采集如图1所示的直流微电网系统拓扑结构中每一个智能负载端电压V_M和输出电流I_N，根据如图2所示的单个直流智能负载的拓扑结构，计算智能负载中串联非关键负载电压偏差率的公式为，

上式中，V_{Bus_ref}为直流微电网母线电压额定值，R为智能负载中等效非关键负载电阻，I_N为智能负载输出电流；

步骤2：建立一个连通的直流微电网通信网络，通信网络中相邻智能负载通过交换非关键负载电压偏差率，得到系统所有非关键负载电压偏差率平均值δ_{NCL_avg}和所有智能负载平均电流值I_{N_avg}，具体过程为：

上式中，i表示第i个智能负载，j表示与第i个智能负载通信的智能负载j，d_ij为第i和第j个智能负载之间的转移系数，由预先设置的通信网络拓扑决定，m为系统中总的智能负载个数，d_ij的计算方法如下式所示，

其中，n_i表示与智能负载i通信的其它智能负载个数，n_j表示与智能负载j通信的其它智能负载个数；

通过得到的所有非关键负载电压偏差率平均值，由下式得到所有智能负载平均电流值，

步骤3：建立智能负载中串联电力弹簧变换器电压预测模型，根据预测模型得到虚拟电容电流，然后预测下一时刻虚拟电容电流增量，基于下一时刻虚拟电容电流增量建立以虚拟电容值为控制变量的目标函数，得到最优虚拟电容值C_vir，具体过程如图3所示，为：

智能负载中串联电力弹簧变换器电压预测模型，由下式描述，

上式中，V_E为串联电力弹簧变换器输出电压，T_s为采样周期，C_ES为变换器输出电容值，R为非关键负载电阻；

虚拟电容电流可由下式计算得到：

上式中，C_vir为虚拟电容值；

结合电压预测模型和虚拟电容电流公式，根据下式预测下一时刻虚拟电容电流增量：

建立以虚拟电容为变量的目标函数，如下所示，得到下一时刻最优虚拟电容值，

J_vir＝|ΔI_vir(k+1)-ΔI_N(k)|

代入可得目标函数J_vir的表达式为：

求取目标函数J_vir在C_vir不断变化下的最小值，该最小值对应的C_vir即为下一时刻最优虚拟电容值；

步骤4：对智能负载中串联电力弹簧输出电压采用电压电流双环控制，并在电流内环中加入虚拟电容电流增量进行补偿和非关键负载电压偏差率平均值进行修正。

电压电流双环控制中，电流内环的参考值由下式得到，如图4所示：

上式中，K_p和K_i分别为电压环PI控制器比例系数和积分系数；

非关键负载电压偏差率修正值由下式得到：

上式中，K′_p和K′_i分别为非关键负载电压偏差率修正环PI控制器比例系数和积分系数。

为了验证分布式直流智能负载虚拟惯性控制方法的正确性和有效性，考虑应用于直流微电网系统，存在可再生能源出力波动使系统直流母线电压不稳定时，通过Matlab/Simulink进行仿真验证。仿真系统电路参数如表1所示。

各智能负载端电压波形图如图5所示。图5(a)为未安装直流智能负载情况下的直流母线电压波形图，图5(b)为仅考虑调压功能的智能负载分布式控制，图5(c)为采用本发明所提方法下的直流母线电压波形图。从仿真结果可以看出，在图5(a)中，由于系统中并未安装智能负载，且由于系统线路阻抗的原因，负载电压低于额定电压120V。偏差约为3％-4％。对比安装智能负载的图5(b)和图5(c)，可以发现，仅考虑调压功能的智能负载和本发明所提出的智能负载控制方法，均能够改善直流负载的电压偏，都能将负载电压偏差降低到1％。由于图5(b)中采用的智能负载控制方法仅考虑了直流母线电压的调压功能，因此，相对比同时考虑调压功能和提高系统惯性的图5(c)，可以发现，图5(c)的负载电压响应速度大于图5(b)，也就是说，采用本发明所提出的控制方法，可以提高系统的惯性。这表明智能负载在采用本发明所提出的方法时，同时还提高了直流微电网系统的惯性。

表1

以上所述，仅为本发明的具体实施方式，本说明书中所公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换；所公开的所有特征、或所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以任何方式组合。

Claims (6)

1.一种分布式直流智能负载虚拟惯性控制方法，其特征在于，包括以下步骤：

步骤1：采集串联电力弹簧结构的智能负载拓扑中每一个智能负载的电流和电压，并计算智能负载中串联非关键负载电压偏差率δ_NCL；

步骤2：建立一个连通的直流微电网通信网络，通信网络中相邻智能负载通过交换非关键负载电压偏差率δ_NCL，得到系统中所有非关键负载电压偏差率平均值δ_{NCL_avg}和所有智能负载平均电流值I_{N_avg}；

步骤3：建立智能负载中串联电力弹簧变换器电压预测模型，结合电压预测模型和虚拟电容电流公式，建立虚拟电容电流预测模型，然后建立以虚拟电容为变量的目标函数得到最优虚拟电容值，根据最优虚拟电容值求解得到下一时刻虚拟电容电流增量；

步骤4：对智能负载中串联电力弹簧输出电压采用电压电流双环控制，并在电流内环中加入虚拟电容电流增量进行补偿和步骤2得到的非关键负载电压偏差率平均值进行修正。

2.如权利要求1所述的分布式直流智能负载虚拟惯性控制方法，其特征在于，所述单个直流智能负载的结构由串联电力弹簧和串联非关键负载组成。

3.如权利要求1所述的分布式直流智能负载虚拟惯性控制方法，其特征在于，步骤1智能负载的电压和电流为智能负载端的电压V_M和输出电流I_N，通过传感器测量得到；智能负载中非关键负载电压偏差率δ_NCL由下式确定：

其中，V_{Bus_ref}为直流微电网母线电压额定值，R为智能负载中等效非关键负载电阻，I_N为智能负载输出电流。

4.如权利要求1所述的分布式直流智能负载虚拟惯性控制方法，其特征在于，步骤2中相邻智能负载通过交换非关键负载电压偏差率，得到系统非关键负载电压偏差率平均值δ_{NCL_avg}的具体过程为：

其中，i表示第i个智能负载，j表示与第i个智能负载通信的智能负载j，d_ij为第i和第j个智能负载之间的转移系数，由预先设置的通信网络拓扑决定，m为系统中总的智能负载个数，k表示第k个控制周期；

系统非关键负载电压偏差率平均值δ_{NCL_avg}的值为δ_{NCL_i}(k+1)的收敛值；

通过最终得到的非关键负载电压偏差率平均值，由下式得到智能负载平均电流值：

其中，当V_{Bus_ref}-RI_N>0时为+，V_{Bus_ref}-RI_N<0为-。

5.如权利要求1所述的分布式直流智能负载虚拟惯性控制方法，其特征在于，步骤3中建立智能负载中串联电力弹簧变换器电压预测模型，由下式描述：

其中，V_E为串联电力弹簧变换器输出电压，T_s为系统采样周期，C_ES为变换器输出电容值，I_E为串联电力弹簧变换器的输出电流，k表示第k个控制周期，下角标M为智能负载，下角标E为变换器；

结合电压预测模型和虚拟电容电流公式，建立虚拟电容电流预测模型：

其中，C_vir为虚拟电容值；

建立以虚拟电容为变量的目标函数J_vir如下所示，

求取目标函数J_vir在C_vir不断变化下的最小值，该最小值对应的C_vir即为下一时刻最优虚拟电容值，带入虚拟电容电流预测模型得到下一时刻虚拟电容电流增量ΔI_vir。

6.如权利要求1所述的分布式直流智能负载虚拟惯性控制方法，其特征在于，步骤4中电压电流双环控制中，电流内环的参考值由下式得到：

I_{ES_V}＝(K_p+∫K_i)(V_{Bus_ref}-V_M)+ΔI_vir+ΔI_NCL

其中，K_p和K_i分别为电压环PI控制器比例系数和积分系数，由经验决定；

非关键负载电压偏差率修正值由下式得到：

ΔI_NCL＝(K′_p+∫K′_i)(I_{N_avg}-I_N)

其中，K′_p和K′_i分别为非关键负载电压偏差率修正环PI控制器比例系数和积分系数。

Images