CN115001054B - 一种基于模型预测含电动汽车的电力系统频率控制策略 - Google Patents

一种基于模型预测含电动汽车的电力系统频率控制策略 Download PDF

Info

Publication number
CN115001054B
CN115001054B CN202210902422.2A CN202210902422A CN115001054B CN 115001054 B CN115001054 B CN 115001054B CN 202210902422 A CN202210902422 A CN 202210902422A CN 115001054 B CN115001054 B CN 115001054B
Authority
CN
China
Prior art keywords
electric vehicle
frequency
model
electric
power system
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
CN202210902422.2A
Other languages
English (en)
Other versions
CN115001054A (zh
Inventor
戴剑丰
魏聪
周霞
汤奕
钱俊良
周吉
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.)
Liyang Research Institute of Southeast University
Original Assignee
Liyang Research Institute of Southeast University
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 Liyang Research Institute of Southeast University filed Critical Liyang Research Institute of Southeast University
Priority to CN202210902422.2A priority Critical patent/CN115001054B/zh
Publication of CN115001054A publication Critical patent/CN115001054A/zh
Application granted granted Critical
Publication of CN115001054B publication Critical patent/CN115001054B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J3/38—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
    • H02J3/48—Controlling the sharing of the in-phase component
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L50/00—Electric propulsion with power supplied within the vehicle
    • B60L50/50—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells
    • B60L50/60—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells using power supplied by batteries
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • 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
    • H02J3/28—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
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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]
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/40—The network being an on-board power network, i.e. within a vehicle
    • H02J2310/48—The network being an on-board power network, i.e. within a vehicle for electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/12—Remote or cooperative charging

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明公开了一种基于模型预测含电动汽车的电力系统频率控制策略，涉及智能电网技术领域，具体采用以下步骤：(1)设计基于电动汽车多级集中管理结构的电力系统控制框架；(2)建立电动汽车参与电网一次调频的系统频率响应模型，并建立含电动汽车的系统状态空间动态模型；(3)设计基于MPC的聚合电动汽车控制器，并提出基于MPC的电力系统频率控制策略；(4)求解优化模型，基于求解结果对电网一次调频过程进行优化。本发明利用MPC的预测补偿特性，运用数学建模方法，在有效抑制电网频率波动的同时，明显降低通信延迟对电力系统的影响。

Description

一种基于模型预测含电动汽车的电力系统频率控制策略
技术领域
本发明涉及智能电网技术领域，具体是涉及一种基于模型预测含电动汽车的电力系统频率控制策略。
背景技术
随着间歇性可再生能源的不断并网，电力系统容易出现发电和用电之间的不平衡。当电源失配时，智能电网会发生频率波动，如果不能及时有效地消除频率偏差，可能会导致一系列严重问题，甚至损害智能电网运行的稳定性和安全性。随着电动汽车规模的不断扩大与车辆到电网（V2G）技术的快速发展，电动汽车被视为可控负载和分布式存储设备参与电网调频，大大减轻了发电侧的调节压力。
国内外学者针对电动汽车参与一次调频问题，提出了一系列解决措施。现有研究主要将电动汽车作为储能单元，通过不断提出新的电动汽车参与电网负荷频率控制方法，深度优化电动汽车负荷的分配策略，或考虑可调度容量的评估，或制定新的电动汽车充放电策略，或通过电动汽车分类发挥集群控制优势。然而，现有的控制方法大多假设通信系统能够实现大规模分布式负载的实时控制，而不考虑实际运行中通信延迟对频率调节的影响。在此背景下，利用模型预测控制（MPC）的预测补偿特性消除系统延时导致的偏差，成为促进系统频率控制进一步优化的新思路。
模型预测控制是一种基于模型的闭环优化控制策略。基于系统模型的状态空间预测，MPC可以计算每个采样时间的未来控制信号，并处理跟踪周期参考信号的系统约束。这使得MPC可以消除系统延时导致的偏差，同时也保证了系统的抗干扰能力，因此适用于处理电力系统频率控制问题。同时，由于电动汽车充放电是电磁化学过程，而非机械过程，电动汽车在频率调节过程中的响应速度会比发电厂更快。因此，电动汽车参与系统调频，尤其是大规模新能源并网情况下，可以弥补火电调频响应速度较慢的不足。
基于上述背景，针对优化电动汽车负荷参与电网一次调频效果的问题，本发明提出了一种基于模型预测含电动汽车的电力系统频率控制策略，该方案将集群电动汽车负荷作为调频资源，提出新的基于模型预测控制的电力系统频率控制策略，旨在缓解区域电网在发电侧的调频压力，并消除通信延迟产生的频率波动，进一步保障电网安全稳定运行。
发明内容
为解决上述技术问题，本发明提供了一种基于模型预测含电动汽车的电力系统频率控制策略，缓解区域电网在发电侧的调频压力，降低通信延迟对电力系统的影响，保障电网安全稳定运行。
本发明所述的一种基于模型预测含电动汽车的电力系统频率控制策略，包括如下步骤：
步骤一：充分利用电动汽车负荷可时移特性，将规模化电动汽车作为灵活的调节资源，添加到传统的负荷频率控制模型中，设计基于电动汽车多级集中管理结构的电力系统控制框架；
步骤二：建立电动汽车参与电网一次调频的系统频率响应模型，并建立含电动汽车的系统状态空间动态模型；
步骤三：设计基于MPC的聚合电动汽车控制器，并提出基于MPC的电力系统频率控制策略；
步骤四：求解优化模型，基于求解结果对电网一次调频过程进行优化。
进一步的，步骤一所设计的基于电动汽车多级集中管理结构的电力系统控制框架，包括发电机模块、电动汽车模块和调度中心，其中调度中心在发电机和聚合电动汽车之间分配容量；所述电动汽车多级集中管理结构中所考虑的聚合EV的管理结构由电动汽车控制器、电动汽车聚合器、电动汽车单元组成；电动汽车聚合器用于聚合某个地区的电动汽车单元，以提供频率调节服务；各电动汽车聚合器将测量的功率信息提交至位于电网调度中心的控制器，两者之间的信息传输由远程终端单元执行；当电力系统频率波动超过可接受限值时，电动汽车控制器根据已获得的电动汽车单元的频率储备潜力，通过与中央负荷频率控制器协调，向电动汽车聚合器发送频率响应信号。
进一步的，步骤二所建立的电动汽车参与电网一次调频的系统频率响应模型，包含传统负荷频率控制模型及集成到电力系统中的大规模电动汽车；其中，H、D、K、R、NEV分别为等效惯性时间常数、系统阻尼系数、负荷频率控制器积分增益、电力系统的调速系数和聚合电动汽车个数，Tg和Tt分别为调速器与涡轮机的时间常数，up和ue分别为主控制器和EV控制器的控制信号，Δf和ΔPg分别表示频率偏差和调速器位置的变化，ΔPe和ΔPt分别为电动汽车聚合器和涡轮机的总输出功率变化，ΔPd、ΔPw和ΔPpv分别为负荷变化、风力发电与光伏并网引起的功率失配；由于充电系数和放电系数之间的差异非常小，因此将其统一设置为电动汽车的充电/放电系数，对于n个电动汽车集合体，定义为KE1、KE2和KEn；α1和α2分别作为频率偏差对主控制器和电动汽车控制器的分配系数，α1与α2之和为1；TE1、TE2和TEn是相应EV聚合器中EV的时间常数。
进一步的，步骤二中，建立含电动汽车的系统状态空间动态模型的具体流程为：
电力系统的状态空间动态频率模型用下式表示：
Figure 957952DEST_PATH_IMAGE001
（1）
其中，x(t)∈Rn是状态向量，u(t)是聚合EV的控制向量，y(t)是系统输出向量，w(t)是干扰向量，定义
Figure 518246DEST_PATH_IMAGE002
其中，∆P1作为辅助变量，导出系统的线性状态空间模型；接着将系统矩阵A、控制矩阵B、输出矩阵C和干扰矩阵F描述为，
Figure 758735DEST_PATH_IMAGE003
通过将公式（1）离散化，得到线性离散系统的状态空间模型如下：
Figure 20958DEST_PATH_IMAGE004
（2）
其中
Figure 496938DEST_PATH_IMAGE005
，T为采样周期。
进一步的，步骤三中，设计基于MPC的聚合电动汽车控制器的具体流程为：
定义预测范围Np和控制范围Nc，且Nc≤ NP；基于离散化公式，在时间k处推导出以下预测模型：
Figure 928051DEST_PATH_IMAGE006
（3）
其中，
Figure 932916DEST_PATH_IMAGE007
Figure 574113DEST_PATH_IMAGE008
根据上述公式，通过以下预测方程计算系统的未来输出：
Figure 571893DEST_PATH_IMAGE009
（4）
其中，
Figure 372359DEST_PATH_IMAGE010
将频率偏差的参考值设置为零，对以下目标优化问题求最小控制成本来计算控制信号：
Figure 564437DEST_PATH_IMAGE011
（5）
其中qi和ri是正对角加权矩阵，目标函数最小化预测范围内的频率偏差以及控制范围内的控制成本改写为矩阵形式：
Figure 958510DEST_PATH_IMAGE012
（6）
其中，
Figure 510714DEST_PATH_IMAGE013
Figure 41052DEST_PATH_IMAGE014
Figure 902567DEST_PATH_IMAGE015
Figure 642989DEST_PATH_IMAGE016
Figure 749617DEST_PATH_IMAGE017
Figure 400041DEST_PATH_IMAGE018
通过对上式求解，得最优控制序列为：
Figure 917610DEST_PATH_IMAGE019
（7）。
进一步的，步骤三所提出的基于MPC的电力系统频率控制策略为：
步骤3-1、建立包括A、B、C、F在内的状态空间动态模型；
步骤3-2、求解MPC优化模型；
步骤3-3、PCM用于执行控制信号时是否存在通信延迟，若无延迟则跳至步骤3-4；
步骤3-4、将最优控制序列的第一个控制信号发送至控制器。
本发明的有益效果在于：利用MPC的预测补偿特性，运用数学建模方法，在有效抑制电网频率波动的同时，明显降低通信延迟对电力系统的影响。
附图说明
为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明。
图1是本发明的策略流程图。
图2是本发明基于电动汽车多级集中管理结构的电力系统控制框架。
图3为本发明的电动汽车参与电网一次调频的系统频率响应模型。
具体实施方式
如图1-3所示，本发明的技术方案为：将规模化电动汽车作为灵活的调节资源，聚合并添加到传统的负载频率控制模型中。在此基础上，通过建立状态空间动态模型，采用模型预测控制作为聚合电动汽车控制器，提出了一种协调优化控制策略。充分利用模型预测控制的预测补偿特性，对通讯延迟进行动态调整以消除通讯延迟对系统频率调节的影响。
本发明所述的一种基于模型预测含电动汽车的电力系统频率控制策略，包括如下步骤：
步骤一：充分利用电动汽车负荷可时移特性，将规模化电动汽车作为灵活的调节资源，添加到传统的负荷频率控制模型中，设计基于电动汽车多级集中管理结构的电力系统控制框架；
步骤二：建立电动汽车参与电网一次调频的系统频率响应模型，并建立含电动汽车的系统状态空间动态模型；
步骤三：设计基于MPC的聚合电动汽车控制器，并提出基于MPC的电力系统频率控制策略；
步骤四：求解优化模型，基于求解结果对电网一次调频过程进行优化。
在本实施例中，步骤一所设计的基于电动汽车多级集中管理结构的电力系统控制框架，具体如图2所示：
系统的频率控制框架主要由发电机模块、电动汽车模块和调度中心组成，其中调度中心在发电机和聚合电动汽车之间分配容量。所考虑的聚合EV的管理结构由电动汽车控制器、电动汽车聚合器、电动汽车单元组成。电动汽车聚合器用于聚合某个地区的电动汽车单元，以提供频率调节服务。各电动汽车聚合器将测量的功率信息提交至位于电网调度中心的控制器，两者之间的信息传输由远程终端单元执行。当电力系统频率波动超过可接受限值时，控制器根据已获得的电动汽车单元的频率储备潜力，通过与中央负荷频率控制器协调，向电动汽车聚合器发送频率响应信号。
在本实施例中，步骤二所建立的电动汽车参与电网一次调频的系统频率响应模型，具体如图3所示：
该模型包含传统负荷频率控制模型及集成到电力系统中的大规模电动汽车。其中，H、D、K、R、NEV分别为等效惯性时间常数、系统阻尼系数、负荷频率控制器积分增益、电力系统的调速系数和聚合电动汽车个数，Tg和Tt分别为调速器与涡轮机的时间常数，up和ue分别为主控制器和EV控制器的控制信号，Δf和ΔPg分别表示频率偏差和调速器位置的变化，ΔPe和ΔPt分别为电动汽车聚合器和涡轮机的总输出功率变化，ΔPd、ΔPw和ΔPpv分别为负荷变化、风力发电与光伏并网引起的功率失配。
由于充电系数和放电系数之间的差异非常小，因此将其统一设置为电动汽车的充电/放电系数，对于n个电动汽车集合体，定义为KE1、KE2和KEn。α1和α2分别作为频率偏差对主控制器和电动汽车控制器的分配系数，α1与α2之和为1。TE1、TE2和TEn是相应EV聚合器中EV的时间常数。
在本实施例中，步骤二中，建立含电动汽车的系统状态空间动态模型的具体流程为：
电力系统的状态空间动态频率模型可用下式表示：
Figure 286274DEST_PATH_IMAGE001
（1）
其中，x(t)∈Rn是状态向量，u(t)是聚合EV的控制向量，y(t)是系统输出向量，w(t)是干扰向量，定义
Figure 695128DEST_PATH_IMAGE002
其中，∆P1作为辅助变量，导出系统的线性状态空间模型；接着将系统矩阵A、控制矩阵B、输出矩阵C和干扰矩阵F描述为，
Figure 324692DEST_PATH_IMAGE003
通过将公式（1）离散化，得到线性离散系统的状态空间模型如下：
Figure 888529DEST_PATH_IMAGE004
（2）
其中
Figure 88697DEST_PATH_IMAGE005
，T为采样周期。
在本实施例中，步骤三中，设计基于MPC的聚合电动汽车控制器的具体流程为：
定义预测范围Np和控制范围Nc，且Nc≤ NP；基于离散化公式，在时间k处推导出以下预测模型：
Figure 786395DEST_PATH_IMAGE006
（3）
其中，
Figure 988575DEST_PATH_IMAGE007
Figure 379105DEST_PATH_IMAGE008
根据上述公式，通过以下预测方程计算系统的未来输出：
Figure 191203DEST_PATH_IMAGE009
（4）
其中，
Figure 708903DEST_PATH_IMAGE010
将频率偏差的参考值设置为零，对以下目标优化问题求最小控制成本来计算控制信号：
Figure 47481DEST_PATH_IMAGE011
（5）
其中qi和ri是正对角加权矩阵，目标函数最小化预测范围内的频率偏差以及控制范围内的控制成本改写为矩阵形式：
Figure 484278DEST_PATH_IMAGE012
（6）
其中，
Figure 157574DEST_PATH_IMAGE013
Figure 338020DEST_PATH_IMAGE014
Figure 531104DEST_PATH_IMAGE015
Figure 748589DEST_PATH_IMAGE016
Figure 800859DEST_PATH_IMAGE017
Figure 378471DEST_PATH_IMAGE018
通过对上式求解，得最优控制序列为：
Figure 940908DEST_PATH_IMAGE019
（7）。
在本实施例中，步骤三所提出的基于MPC的电力系统频率控制策略为：
步骤3-1、建立包括A、B、C、F在内的状态空间动态模型；
步骤3-2、求解MPC优化模型；
步骤3-3、PCM用于执行控制信号时是否存在通信延迟，若无延迟则跳至步骤3-4；
步骤3-4、将最优控制序列的第一个控制信号发送至控制器。

Claims (3)

1.一种基于模型预测含电动汽车的电力系统频率控制策略，其特征在于，包括如下步骤：
步骤一：充分利用电动汽车负荷可时移特性，将规模化电动汽车作为灵活的调节资源，添加到传统的负荷频率控制模型中，设计基于电动汽车多级集中管理结构的电力系统控制框架；
步骤二：建立电动汽车参与电网一次调频的系统频率响应模型，并建立含电动汽车的系统状态空间动态模型；
步骤三：设计基于MPC的聚合电动汽车控制器，并提出基于MPC的电力系统频率控制策略；
步骤四：求解优化模型，基于求解结果对电网一次调频过程进行优化；
步骤一所设计的基于电动汽车多级集中管理结构的电力系统控制框架，包括发电机模块、电动汽车模块和调度中心，其中调度中心在发电机和聚合电动汽车之间分配容量；所述电动汽车多级集中管理结构中所考虑的聚合EV的管理结构由电动汽车控制器、电动汽车聚合器、电动汽车单元组成；电动汽车聚合器用于聚合某个地区的电动汽车单元，以提供频率调节服务；各电动汽车聚合器将测量的功率信息提交至位于电网调度中心的控制器，两者之间的信息传输由远程终端单元执行；当电力系统频率波动超过可接受限值时，电动汽车控制器根据已获得的电动汽车单元的频率储备潜力，通过与中央负荷频率控制器协调，向电动汽车聚合器发送频率响应信号；
步骤二中，建立含电动汽车的系统状态空间动态模型的具体流程为：
电力系统的状态空间动态频率模型用下式表示：
Figure DEST_PATH_IMAGE001
（1）
其中，x(t)∈Rn是状态向量，u(t)是聚合EV的控制向量，y(t)是系统输出向量，w(t)是干扰向量，定义
Figure DEST_PATH_IMAGE002
其中，∆P1作为辅助变量，导出系统的线性状态空间模型；接着将系统矩阵A、控制矩阵B、输出矩阵C和干扰矩阵F描述为，
Figure DEST_PATH_IMAGE003
通过将公式（1）离散化，得到线性离散系统的状态空间模型如下：
Figure DEST_PATH_IMAGE004
（2）
其中
Figure DEST_PATH_IMAGE005
，T为采样周期；
Tg和Tt分别为调速器与涡轮机的时间常数，ΔPg表示调速器位置的变化，ΔPe和ΔPt分别为电动汽车聚合器和涡轮机的总输出功率变化，ΔPd为负荷变化引起的功率失配，α1和α2分别作为频率偏差对主控制器和电动汽车控制器的分配系数，H、D、K、R分别为等效惯性时间常数、系统阻尼系数、负荷频率控制器积分增益、电力系统的调速系数。
2.根据权利要求1所述的一种基于模型预测含电动汽车的电力系统频率控制策略，其特征在于，步骤三中，设计基于MPC的聚合电动汽车控制器的具体流程为：
定义预测范围Np和控制范围Nc，且Nc≤ NP；基于离散化公式，在时间k处推导出以下预测模型：
Figure DEST_PATH_IMAGE006
（3）
其中，
Figure DEST_PATH_IMAGE007
Figure DEST_PATH_IMAGE008
根据上述公式，通过以下预测方程计算系统的未来输出：
Figure DEST_PATH_IMAGE009
（4）
其中，
Figure DEST_PATH_IMAGE010
将频率偏差的参考值设置为零，对以下目标优化问题求最小控制成本来计算控制信号：
Figure DEST_PATH_IMAGE011
（5）
其中qi和ri是正对角加权矩阵，目标函数最小化预测范围内的频率偏差以及控制范围内的控制成本改写为矩阵形式：
Figure DEST_PATH_IMAGE012
（6）
其中，
Figure DEST_PATH_IMAGE013
Figure DEST_PATH_IMAGE014
Figure DEST_PATH_IMAGE015
Figure DEST_PATH_IMAGE016
Figure DEST_PATH_IMAGE017
Figure DEST_PATH_IMAGE018
通过对上式求解，得最优控制序列为：
Figure DEST_PATH_IMAGE019
（7）。
3.根据权利要求2所述的一种基于模型预测含电动汽车的电力系统频率控制策略，其特征在于，步骤三所提出的基于MPC的电力系统频率控制策略为：
步骤3-1、建立包括A、B、C、F在内的状态空间动态模型；
步骤3-2、求解MPC优化模型；
步骤3-3、判断执行控制信号时是否存在通信延迟，若无延迟则跳至步骤3-4；
步骤3-4、将最优控制序列的第一个控制信号发送至控制器。
CN202210902422.2A 2022-07-29 2022-07-29 一种基于模型预测含电动汽车的电力系统频率控制策略 Active CN115001054B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210902422.2A CN115001054B (zh) 2022-07-29 2022-07-29 一种基于模型预测含电动汽车的电力系统频率控制策略

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210902422.2A CN115001054B (zh) 2022-07-29 2022-07-29 一种基于模型预测含电动汽车的电力系统频率控制策略

Publications (2)

Publication Number Publication Date
CN115001054A CN115001054A (zh) 2022-09-02
CN115001054B true CN115001054B (zh) 2022-11-01

Family

ID=83022366

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210902422.2A Active CN115001054B (zh) 2022-07-29 2022-07-29 一种基于模型预测含电动汽车的电力系统频率控制策略

Country Status (1)

Country Link
CN (1) CN115001054B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116760061B (zh) * 2023-06-07 2023-12-05 广东电网有限责任公司广州供电局 一种惯量支撑型双向充电桩的级联功率变换的控制方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107394798A (zh) * 2017-06-19 2017-11-24 天津大学 包含时变时滞的电动汽车与发电机组协调频率控制方法
CN107612048A (zh) * 2017-10-23 2018-01-19 重庆大学 基于模型预测的电动汽车调频控制策略
CN111277007A (zh) * 2020-02-19 2020-06-12 华北电力大学 计及需求侧响应的火电机组调频系统
CN112332430A (zh) * 2020-11-24 2021-02-05 东南大学 一种面向快速调频需求的电动汽车响应控制计算方法
CN112909979A (zh) * 2021-04-19 2021-06-04 广东电网有限责任公司电力调度控制中心 集群电动汽车的多模式调频方法、装置、设备及介质
WO2021174196A1 (en) * 2020-02-28 2021-09-02 Alliance For Sustainable Energy, Llc Power system restoration incorporating diverse distributed energy resources
CN113515884A (zh) * 2021-04-19 2021-10-19 国网上海市电力公司 分散式电动汽车实时优化调度方法、系统、终端及介质
CN114204580A (zh) * 2021-11-29 2022-03-18 清华大学深圳国际研究生院 一种电动汽车聚合商基于调频的实时调控方法及计算装置
CN114243727A (zh) * 2021-12-21 2022-03-25 国网河北省电力有限公司电力科学研究院 一种基于广域感知预测的源网荷自趋优智能调控体系和实时控制优化技术方法
CN114400657A (zh) * 2021-12-28 2022-04-26 广东电网有限责任公司广州供电局 一种考虑电动汽车接入的配电网协同调控方法及系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2293406B1 (en) * 2009-09-07 2015-08-05 ABB Research Ltd. Energy storage systems
US9564757B2 (en) * 2013-07-08 2017-02-07 Eaton Corporation Method and apparatus for optimizing a hybrid power system with respect to long-term characteristics by online optimization, and real-time forecasts, prediction or processing
CN104993522B (zh) * 2015-06-30 2018-01-19 中国电力科学研究院 一种基于mpc的主动配电网多时间尺度协调优化调度方法
CN108964031B (zh) * 2018-07-12 2021-05-14 电子科技大学 电动汽车充电及参与调压的模型预测控制方法
CN111339689B (zh) * 2020-03-30 2023-02-07 广东工业大学 建筑综合能源调度方法、系统、存储介质及计算机设备
CN112186789B (zh) * 2020-09-24 2023-06-02 沈阳工程学院 一种电动汽车参与微电网负荷调频的滑模控制方法
CN112134300B (zh) * 2020-10-09 2022-03-08 国网江苏省电力有限公司无锡供电分公司 基于预约的电动汽车光储充电站滚动优化运行方法及系统
CN112531792B (zh) * 2020-12-03 2022-05-10 江苏方天电力技术有限公司 一种包含储能资源互联电力系统频率控制方法和系统
CN112688347A (zh) * 2021-01-12 2021-04-20 国网上海市电力公司 一种电网负荷波动的平缓系统和方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107394798A (zh) * 2017-06-19 2017-11-24 天津大学 包含时变时滞的电动汽车与发电机组协调频率控制方法
CN107612048A (zh) * 2017-10-23 2018-01-19 重庆大学 基于模型预测的电动汽车调频控制策略
CN111277007A (zh) * 2020-02-19 2020-06-12 华北电力大学 计及需求侧响应的火电机组调频系统
WO2021174196A1 (en) * 2020-02-28 2021-09-02 Alliance For Sustainable Energy, Llc Power system restoration incorporating diverse distributed energy resources
CN112332430A (zh) * 2020-11-24 2021-02-05 东南大学 一种面向快速调频需求的电动汽车响应控制计算方法
CN112909979A (zh) * 2021-04-19 2021-06-04 广东电网有限责任公司电力调度控制中心 集群电动汽车的多模式调频方法、装置、设备及介质
CN113515884A (zh) * 2021-04-19 2021-10-19 国网上海市电力公司 分散式电动汽车实时优化调度方法、系统、终端及介质
CN114204580A (zh) * 2021-11-29 2022-03-18 清华大学深圳国际研究生院 一种电动汽车聚合商基于调频的实时调控方法及计算装置
CN114243727A (zh) * 2021-12-21 2022-03-25 国网河北省电力有限公司电力科学研究院 一种基于广域感知预测的源网荷自趋优智能调控体系和实时控制优化技术方法
CN114400657A (zh) * 2021-12-28 2022-04-26 广东电网有限责任公司广州供电局 一种考虑电动汽车接入的配电网协同调控方法及系统

Also Published As

Publication number Publication date
CN115001054A (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
CN112531792B (zh) 一种包含储能资源互联电力系统频率控制方法和系统
CN112104007B (zh) 一种广义源储系统调度的集中控制方法
CN111697597B (zh) 一种基于粒子群算法的火储联合agc调频控制方法
CN111697578B (zh) 多目标含储能区域电网运行控制方法
CN109765787B (zh) 一种基于日内-实时滚动控制的配电网源荷快速跟踪方法
CN110829408B (zh) 基于发电成本约束的计及储能电力系统的多域调度方法
CN109995076B (zh) 一种基于储能的光伏汇集系统功率稳定输出协同控制方法
CN115001054B (zh) 一种基于模型预测含电动汽车的电力系统频率控制策略
CN107994618B (zh) 配电网级光储集群的有功功率调度方法和配电网测控设备
CN112952862A (zh) 平抑风电功率波动的混合储能分频协调控制器及实现方法
CN111431215A (zh) 一种配电网侧规模化储能参与调频的双层控制方法
CN114725969B (zh) 一种基于风电曲线连续追踪的电动汽车负荷聚合方法
CN111641233A (zh) 一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法
CN111146785A (zh) 面向多源优化调度计算的基于改进有效集快速求解方法
CN113394770A (zh) 互联微网群频率完全分布式优化控制方法及系统
CN116526511B (zh) 一种多源协同参与系统负荷频率控制的方法
CN115021300B (zh) 基于mpc算法的电动汽车调频延时补偿控制策略
CN116805803A (zh) 基于自适应mpc的风光储离网制氢系统能量调度方法
CN113690950B (zh) 一种基于稳定经济模型预测控制的电动汽车辅助传统机组联合调频控制方法
CN115001046A (zh) 多储能电站参与调峰调频双层优化控制方法
CN115293495A (zh) 一种基于动态参与因子的调度指令分解方法和能源控制器
CN110943452B (zh) 一种电力系统优化调度的方法
CN113852093A (zh) 一种储能装置与多晶硅负荷聚合调频方法及系统
CN113872251B (zh) 一种“源网储”协调互动的火电机组爬坡压力缓解方法
CN116388233B (zh) 一种异构柔性负荷参与电力系统负荷频率控制方法

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