CN115021300A - 基于mpc算法的电动汽车调频延时补偿控制策略 - Google Patents

基于mpc算法的电动汽车调频延时补偿控制策略 Download PDF

Info

Publication number
CN115021300A
CN115021300A CN202210932126.7A CN202210932126A CN115021300A CN 115021300 A CN115021300 A CN 115021300A CN 202210932126 A CN202210932126 A CN 202210932126A CN 115021300 A CN115021300 A CN 115021300A
Authority
CN
China
Prior art keywords
control
delay
time
optimal
sequence
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.)
Granted
Application number
CN202210932126.7A
Other languages
English (en)
Other versions
CN115021300B (zh
Inventor
戴剑丰
张之轩
周霞
杨志淳
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 CN202210932126.7A priority Critical patent/CN115021300B/zh
Publication of CN115021300A publication Critical patent/CN115021300A/zh
Application granted granted Critical
Publication of CN115021300B publication Critical patent/CN115021300B/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
    • H02J3/28—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
    • 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
    • B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] arrangements
    • 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
    • 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
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving
    • 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)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种基于MPC算法的电动汽车调频延时补偿控制策略，首先，对时延信号和丢包进行离散化处理，通过离散化计算，得到通信延时持续的采样周期数和某一时戳数据包前的最小丢包数；然后根据离散化时延信号进行时延条件判断，得到通信时延后的最佳控制序列；再以最新时刻的控制增量作为输入，根据模型预测控制（MPC）方法计算最优控制序列，以序列第一个值作为当前控制变量，并基于前述的选择规则，在预测模型的滚动优化过程中，对多步控制信号进行动态调整，求出性能指标最优的实际控制变量输出，减少频率控制过程中通信延时的影响，可以提高电动汽车集群并网的频率支撑能力，在稳定频率方面具有优越的性能。

Description

基于MPC算法的电动汽车调频延时补偿控制策略
技术领域
本发明属于电动汽车参与调频技术领域，主要涉及了一种基于MPC算法的电动汽车调频延时补偿控制策略。
背景技术
近年来，为应对日趋严重的环境和资源问题以及实现“碳达峰”和“碳中和”的目的，发展低碳经济成为当前热点问题。电动汽车（Electric vehicle, EV）作为实现发展低碳可持续经济的有效途径之一，有别于传统燃油汽车，是缓解能源消耗巨大和环境恶化问题的主要措施。经聚合后形成的电动汽车集群，凭借快速的功率输出与响应特性，能够有效的提高电力系统对波动性可再生能源的利用水平，优化大电网的安全稳定运行，已经成为国家能源战略关键之一。随着电动汽车接入电网概念的提出，电动汽车参与电网频率控制的问题越来越广泛被关注。
传统的频率控制是在发电侧增加发电机的备用容量来参与系统功率调节。在可再生能源（如风电、光伏）大规模并网后，考虑到经济性和实用性，发电机组的功率快速响应能力受到很大限制。在损失大量风电的情况下，系统频率急剧下跌，低频减载策略若未能及时生效，就会导致频率崩溃事件。因此其突发性和紧迫性对电网频率稳定控制的快速性提出更高的要求。现有的频率控制方法大多假设通信系统能够实现对大规模分布式负载的实时控制，而不考虑调频过程中通信时延的影响。实际情况下，可控EV集群的可用功率被采集并传输到系统控制中心，再由控制中心采取相应的控制策略，计算出控制量下传给各可控负荷集群。因此，在该过程中，控制系统与终端设备不可避免地会产生延迟。由于通信延迟的影响，负载无法同步接收控制指令，调节系统频率的误差所需的时间增加。目前很多工作主要集中在基于通信系统或电力系统分析延迟的影响，而综合通信层面和电力层面考虑通信延迟的补偿的研究相对较少。
发明内容
本发明正是针对现有技术中控制系统与终端设备会产生延迟的问题，提供一种基于MPC算法的电动汽车调频延时补偿控制策略，首先，对时延信号和丢包进行离散化处理，通过离散化计算，得到通信延时持续的采样周期数和某一时戳数据包前的最小丢包数；然后根据离散化时延信号进行时延条件判断，得到通信时延后的最佳控制序列；再以最新时刻的控制增量作为输入，根据模型预测控制（MPC）方法计算最优控制序列，以序列第一个值作为当前控制变量，并基于前述的选择规则，在预测模型的滚动优化过程中，对多步控制信号进行动态调整，求出性能指标最优的实际控制变量输出，减少频率控制过程中通信延时的影响，可以提高电动汽车集群并网的频率支撑能力，在稳定频率方面具有优越的性能。
为了实现上述目的，本发明采取的技术方案是：基于MPC算法的电动汽车调频延时补偿控制策略，包括以下步骤：
S1，离散化信号处理：对时延信号和丢包进行离散化处理，通过离散化计算，得到通信延时持续的采样周期数和某一时戳数据包前的最小丢包数；
S2，时延条件判断：根据离散化时延信号进行时延条件判断，得到通信时延后的最佳控制序列：
若网络传输时延小于一个采样周期，以最新采样周期内最优控制序列的第一个预测值作为系统最优控制输入量；
若网络传输时延大于一个采样周期，致使采样周期内没有数据到达，则系统最优控制输入量为
Figure 551907DEST_PATH_IMAGE001
，其中
Figure 141151DEST_PATH_IMAGE002
为最优控制序列
Figure 855642DEST_PATH_IMAGE003
在
Figure 657376DEST_PATH_IMAGE004
时刻的系统最优控制输入量，
Figure 409431DEST_PATH_IMAGE005
为基于
Figure 435156DEST_PATH_IMAGE006
时刻预测的
Figure 967768DEST_PATH_IMAGE007
时刻的系统最优控制增量；
若在控制周期内有n个控制增量序列到达，将根据n个序列时间标签的最小丢包数来决定采用最新时刻的控制增量序列；
S3，控制变量输出：以最新时刻的控制增量作为输入，根据模型预测控制（MPC）方法计算最优控制序列，以序列第一个值作为当前控制变量，并基于步骤S2的选择规则，在预测模型的滚动优化过程中，对多步控制信号进行动态调整，求出性能指标最优的实际控制变量输出。
与现有技术相比，本发明具有的有益效果：提供了一种基于MPC算法的电动汽车调频延时补偿控制策略，其中模型预测控制作为一种超前控制，能够对系统各状态变量及各限制因素进行全局把握，结合电动汽车电池储能电源特性预先对其下达控制信号，使其能在调频控制中提前动作，进一步地减小系统负荷扰动对频率的冲击，优化系统的运行。对于延时，相比于传统的simth预估控制，本方法具有更好的针对不定延时的调频补偿效果，有助于最大化发挥电动汽车集群参与电网调频的作用效果。
附图说明
图1 为本发明基于MPC算法的电动汽车调频延时补偿控制策略流程图；
图2为 LFC-EVs频率响应模型结构图；
图3为本发明测试例考虑不同通信延时下EVs的频率响应对比图；
图4为本发明测试例τ=0.2s时，有无本案方法预测补偿的系统动态响应对比图；
图5为本发明测试例τ=0.9s时，有无本案方法预测补偿的系统动态响应对比图；
图6为本发明测试例
Figure 369931DEST_PATH_IMAGE008
=0.2s时，有无本案方法预测补偿的系统动态响应对比图；
图7为本发明测试例
Figure 976493DEST_PATH_IMAGE008
=0.9s时，有无本案方法预测补偿的系统动态响应对比图；
图8为本发明测试例
Figure 110802DEST_PATH_IMAGE008
=0.6s不同预测补偿的系统动态响应对比图;
图9为本发明测试例
Figure 68394DEST_PATH_IMAGE009
=0.9s时不同负载扰动下的系统动态响应。
具体实施方式
下面结合附图和具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
实施例1
如图1所示，基于MPC算法的电动汽车调频延时补偿控制策略，所述方法包括以下步骤：
步骤S1，对时延信号和丢包进行离散化处理，求出到达k时刻的信号中最小通信延时持续采样周期
Figure 70985DEST_PATH_IMAGE010
，和在时戳k的数据包前的最小丢包数
Figure 534983DEST_PATH_IMAGE011
。
假设以离散形式描述的含电动汽车的电力系统调频数学模型如下所示：
Figure 168089DEST_PATH_IMAGE012
其中, x(k)∈Rn是状态向量；u(k)是聚合EV的控制向量；y(k)是系统输出向量；w(k)是干扰向量；
Figure 81819DEST_PATH_IMAGE013
；T为采样周期。
以电力系统频率稳定为目标的最优控制目标函数定义为：
Figure 560205DEST_PATH_IMAGE014
其中qi和ri是正对角加权矩阵，
Figure 141359DEST_PATH_IMAGE015
为最优控制目标函数，
Figure 617470DEST_PATH_IMAGE016
为预测时域长度
Figure 549654DEST_PATH_IMAGE017
为在
Figure 566152DEST_PATH_IMAGE018
时刻对
Figure 329709DEST_PATH_IMAGE019
时刻最优输出量的预测值，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可改写为矩阵形式：
Figure 36109DEST_PATH_IMAGE021
Figure 190010DEST_PATH_IMAGE022
最优控制目标函数能够进一步可以转化为：
Figure 213460DEST_PATH_IMAGE023
其中，
Figure 769207DEST_PATH_IMAGE024
Figure 649438DEST_PATH_IMAGE025
其中，
Figure 352952DEST_PATH_IMAGE026
为系统最大频率偏差上限，
Figure 711252DEST_PATH_IMAGE027
为系统最大频率偏差下限。
通过对上式求解，得最优控制序列为：
Figure 387084DEST_PATH_IMAGE028
传统MPC控制过程中，系统只将输入序列第一个元素
Figure 641479DEST_PATH_IMAGE029
作用于对象。考虑延时和丢包的影响，通信延时可以表示为：
Figure 597120DEST_PATH_IMAGE030
Figure 87008DEST_PATH_IMAGE031
是采样周期，
Figure 86188DEST_PATH_IMAGE032
是正整数，且满足
Figure 573801DEST_PATH_IMAGE033
被定义为时间延迟的上界。
在
Figure 924011DEST_PATH_IMAGE034
的区间中，按照以下规则描述如下：
Figure 92955DEST_PATH_IMAGE035
其中，i为长通信延时持续的采样周期，
Figure 477800DEST_PATH_IMAGE036
为在k-i时刻系统的通信时延，
Figure 605156DEST_PATH_IMAGE037
为到达k时刻的信号中最小通信延时持续采样周期。
由于控制器丢弃乱序的数据包，故需要考虑丢包因素。设
Figure 442662DEST_PATH_IMAGE038
为时戳k数据包前的最小丢包数，且
Figure 274352DEST_PATH_IMAGE039
，根据主动丢包的规则，可得
Figure 510773DEST_PATH_IMAGE038
为
Figure 74610DEST_PATH_IMAGE040
步骤S2，根据离散化时延信号进行时延条件判断，得到通信时延后的最佳控制序列：
检测当前时延信号并输出对应值，并根据延迟选择适用于当前时间步长的相应控制值，从而消除延迟的影响，提高系统性能和稳定性。根据时延和丢包情况可以分为三种补偿策略分别讨论。
（1）若网络传输时延小于一个采样周期，通信长延时持续的采样周期数
Figure 399412DEST_PATH_IMAGE041
为1，控制器收到1个时间戳。则系统最优控制输入量为：
Figure 910159DEST_PATH_IMAGE042
其中，
Figure 738438DEST_PATH_IMAGE043
为最优控制序列
Figure 738755DEST_PATH_IMAGE044
在k+1时刻的最优控制输入量，
Figure 285274DEST_PATH_IMAGE045
为在k时刻对k+1时刻最优控制输入量的预测值。
（2）若网络传输时延大于一个采样周期，即电动汽车耦合输出功率信号，经EVs控制中心最终到达电网参与调频的时间大于一个采样周期，致使有控制周期内没有数据到达。通信长延时持续的采样周期数
Figure 396449DEST_PATH_IMAGE046
大于1，控制器收到0个时间戳。则系统最优控制输入量为：
Figure 672710DEST_PATH_IMAGE047
（3）若在某控制周期内有n个控制增量序列到达。将根据n个序列时间标签的最小丢包
Figure 581278DEST_PATH_IMAGE048
来决定采用最新时刻的控制增量序列。则系统最优控制输入量为：
Figure 615094DEST_PATH_IMAGE049
综上，可以求出考虑通信时延后的最佳控制序列
Figure 529960DEST_PATH_IMAGE050
。
步骤S3，以最新时刻的控制增量作为输入，重新根据模型预测控制（MPC）方法计算最优控制序列，以序列第一个值作为控制变量，并基于上述步骤S2控制信号的选择规则，在预测模型的滚动优化过程中，对多步控制信号进行动态调整，求出性能指标最优的实际控制变量输出。
本实施例的延时补偿处理方法的应用对象是含电动汽车的电力系统，具体模型如图2所示，其数学模型为：
Figure 536093DEST_PATH_IMAGE051
其中，
Figure 612634DEST_PATH_IMAGE052
作为辅助变量，导出系统的线性状态空间模型；
Figure 399324DEST_PATH_IMAGE053
其中，H、D、K、R、N分别为等效惯性时间常数、系统阻尼系数、LFC控制器积分增益、电力系统的调速系数和EVA的个数，
Figure 586723DEST_PATH_IMAGE054
分别为调速器与涡轮机的时间常数，
Figure 837576DEST_PATH_IMAGE055
是EV控制器的控制信号，
Figure 350597DEST_PATH_IMAGE056
分别表示频率偏差和调速器位置的变化，
Figure 356074DEST_PATH_IMAGE057
分别为电动汽车聚合器和涡轮机的总输出功率变化，
Figure 550426DEST_PATH_IMAGE058
为负荷扰动。
Figure 593469DEST_PATH_IMAGE059
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，
Figure 339708DEST_PATH_IMAGE060
和
Figure 569832DEST_PATH_IMAGE061
之和为1。
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 630192DEST_PATH_IMAGE062
求出MPC控制的预测模型。根据步骤S2求出的最佳控制变量作为下一次系统输入的值，循环进行下一时刻最佳控制序列的求解。
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 262161DEST_PATH_IMAGE063
其中，
Figure 54668DEST_PATH_IMAGE064
Figure 303247DEST_PATH_IMAGE065
根据上述公式，可通过以下预测方程计算系统的未来输出：
Figure 964035DEST_PATH_IMAGE067
其中，
Figure 441722DEST_PATH_IMAGE068
以上，计算得出了步骤S2中的考虑通信时延后的最佳控制序列
Figure 467447DEST_PATH_IMAGE069
。
测试例
基于MPC的电动汽车调频框架如图1所示。所考虑的聚合EV的管理结构包括中央控制器、负载聚合器（load aggregators，LAs）、EV单元等。在该调频框架中，负载聚合器表示将一个电动汽车集群的功率聚合在一起，以提供频率调节服务。EVs控制中心通过日前定量估计，从每个负载聚合器获得聚合EVA单元的频率储备潜力。当频率波动超过可接受限值时，调度中心通过与LFC中央控制协调，将频率响应信号传输至EVs。图中的供应主体主要指电动汽车聚合商，需求主体是两大电网公司和其他地方电网公司。
在MATLAB中建立上述考虑通信延时的负荷频率控制仿真模型，智能电网的参数设置如下：
Figure 937743DEST_PATH_IMAGE070
=0.3，
Figure 74326DEST_PATH_IMAGE071
=0.08，H=6，D=1，R=0.05，K=1。使用两个电动汽车聚合器，电动汽车的充放电时间常数设置为
Figure 618571DEST_PATH_IMAGE072
，充放电系数为
Figure 80776DEST_PATH_IMAGE073
，电动汽车的功率约束为[−0.5, 0.5]。不同电动汽车参与因子
Figure 507210DEST_PATH_IMAGE074
具体为：
Figure 181905DEST_PATH_IMAGE075
。
针对系统存在通信延时的情况，我们评估了EVs通信延迟对于系统的影响。为系统提供的电动汽车参与因子系数参考使用上述场景中的情况，并假设阶跃扰动增量与上述场景相同。为了测试通信延时对系统产生的影响，引入了不同的通信定时延值，动态性能如图3所示。随着时延的增加，频率偏差也在明显变大。通信延迟对电力系统的频率响应产生负面影响，当通信延迟超过一定阈值，电力系统性能会逐渐恶化。但考虑没有EVs控制回路的情况，在频率调节中使用EVs可以改善频率的最低点，这也表明了我们所提出的控制策略的优势。
随着越来越多的EVs接入电力系统，电力系统出现低惯量特性，这容易导致频率稳定性问题的，影响频率调节的效果。同时，在实际情况中，通信延时大都属于随机时延。因此，为了验证所提出的控制方法的鲁棒性和延迟补偿策略的有效性，假设电力系统负荷的惯性时间常数降低原始状态的10%。使用上述情景中的参数，考虑对10%惯性减少的系统的贡献。并假设出现与之前同样的阶跃负载扰动。首先，对于惯性减小10%的系统，图4和图5显示了有无延迟补偿的频率响应和功率输出的比较，以及不同延迟的情况。如图所示，当系统在
Figure 436781DEST_PATH_IMAGE076
下时，有补偿的系统比没有补偿的系统更快稳定，说明了时延补偿策略的有效性。从图5可以看出，当向系统引入延迟
Figure 7571DEST_PATH_IMAGE077
而没有延迟补偿时，系统剧烈振荡，直到失去稳定性。可以观察到，当系统由于通信延迟的影响而不稳定时，延迟补偿方法提供了更好的性能，因此EVs的频率响应和输出功率变化没有发散。
为了进一步体现这种补偿方法的优越性，考虑对惯性减小10%的系统采用随机通信延时，其中最大延时分别为
Figure 186879DEST_PATH_IMAGE078
。图6和图7中绘制了在不同随机延迟情况下，有延迟补偿和无延迟补偿时10%系统惯性减小的频率响应和功率输出的比较结果。结果表明，在不采用延迟补偿策略的情况下，具有随机延迟的动态响应过程会导致负载输出的明显振荡，从而影响设备本身的使用寿命。结果表明，即使面对更接近实际的随机时延来模拟通信延时，采用延迟补偿方法也可以在较短的调节时间内有效地减少频率振荡量，保持稳定。
为了验证提出的延迟补偿方法是否有效，我们评估了不同补偿方式下EVs通信延迟的影响。为系统提供的电动汽车参与因子系数参考使用上述场景中的情况，并假设阶跃扰动增量与上述场景相同。模拟时变时延，其中时延最大值为0.6s，如图8，结果显示，采用基于simth预估补偿的定延迟补偿方法也可以在一定的调节时间内有效地减少频率振荡量，但是要经过一段时间的振荡才能稳定。相比较下，基于MPC算法的延迟补偿方法对于时变延时也能够迅速调节到稳定状态，不存在超调振荡，效果显著。这表明了所提出的不定延时补偿控制策略的优势。
为了分析提出的延迟补偿方法的有效性，我们将不同的干扰功率应用于同样的惯性减小10%的系统。在这种情况下，假设阶跃变化分别等于0.025p.u、0.05p.u、0.08p.u。集成到电力系统中的EV总数为8万，EV的参与系数设置与上述场景相同。比较结果如图9所示，最大延迟τ=0.9s。可以明显看出，在延迟补偿策略下。即使扰动增大，系统仍然能够保持稳定。与图5相比，系统在阶跃扰动0.025p.u下不会振荡和发散。在使用补偿方法的情况下，所提出的协调控制策略具有良好的性能，有助于消除通信延迟的不利影响。
本发明提出了基于MPC算法的电动汽车调频延时补偿控制策略，首先，对时延信号和丢包进行离散化处理，通过离散化计算，得到通信延时持续的采样周期数和某一时戳数据包前的最小丢包数；然后根据离散化时延信号进行时延条件判断，得到通信时延后的最佳控制序列；再以最新时刻的控制增量作为输入，根据模型预测控制（MPC）方法计算最优控制序列，以序列第一个值作为当前控制变量，并基于前述的选择规则，在预测模型的滚动优化过程中，对多步控制信号进行动态调整，求出性能指标最优的实际控制变量输出，减少频率控制过程中通信延时的影响，可以提高电动汽车集群并网的频率支撑能力，在稳定频率方面具有优越的性能。
需要说明的是，以上内容仅仅说明了本发明的技术思想，不能以此限定本发明的保护范围，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰均落入本发明权利要求书的保护范围之内。

Claims (6)

1.基于MPC算法的电动汽车调频延时补偿控制策略，其特征在于，包括以下步骤：
S1，离散化信号处理：对时延信号和丢包进行离散化处理，通过离散化计算，得到通信延时持续的采样周期数和某一时戳数据包前的最小丢包数；
S2，时延条件判断：根据离散化时延信号进行时延条件判断，得到通信时延后的最佳控制序列：
若网络传输时延小于一个采样周期，以最新采样周期内最优控制序列的第一个预测值作为系统最优控制输入量；
若网络传输时延大于一个采样周期，致使采样周期内没有数据到达，则系统最优控制输入量为
Figure 724240DEST_PATH_IMAGE001
，其中
Figure 172538DEST_PATH_IMAGE002
为最优控制序列
Figure 93221DEST_PATH_IMAGE003
在
Figure 19589DEST_PATH_IMAGE004
时刻的系统最优控制输入量，
Figure 787956DEST_PATH_IMAGE005
为基于
Figure 16943DEST_PATH_IMAGE006
时刻预测的
Figure 549555DEST_PATH_IMAGE007
时刻的系统最优控制增量；
若在控制周期内有n个控制增量序列到达，将根据n个序列时间标签的最小丢包数来决定采用最新时刻的控制增量序列；
S3，控制变量输出：以最新时刻的控制增量作为输入，根据模型预测控制（MPC）方法计算最优控制序列，以序列第一个值作为当前控制变量，并基于步骤S2的选择规则，在预测模型的滚动优化过程中，对多步控制信号进行动态调整，求出性能指标最优的实际控制变量输出。
2.如权利要求1所述基于MPC算法的电动汽车调频延时补偿控制策略，其特征在于：所述步骤S1中到达k时刻的信号中最小通信延时持续采样周期
Figure 404248DEST_PATH_IMAGE008
为：
Figure 276389DEST_PATH_IMAGE009
其中，i为长通信延时持续的采样周期；
Figure 800911DEST_PATH_IMAGE010
为在k-i时刻系统的通信时延；
在时戳k的数据包前的最小丢包数
Figure 727146DEST_PATH_IMAGE011
为：
Figure 995316DEST_PATH_IMAGE012
其中，T为一个采样周期；
Figure 659647DEST_PATH_IMAGE013
为在k-j时刻系统的通信时延；
Figure 542021DEST_PATH_IMAGE014
为在k-j+1时刻系统的通信时延；s为数据包丢包数上限。
3.如权利要求2所述基于MPC算法的电动汽车调频延时补偿控制策略，其特征在于：所述步骤S2中，若网络传输时延小于一个采样周期，则系统最优控制输入量为：
Figure 314805DEST_PATH_IMAGE015
其中，
Figure 996453DEST_PATH_IMAGE016
为最优控制序列
Figure 905503DEST_PATH_IMAGE017
在k+1时刻的最优控制输入量；
Figure 397927DEST_PATH_IMAGE018
为在k时刻对k+1时刻最优控制输入量的预测值。
4.如权利要求2所述基于MPC算法的电动汽车调频延时补偿控制策略，其特征在于：所述步骤S2中，若在控制周期内有n个控制增量序列到达，则系统最优控制输入量为：
Figure 658007DEST_PATH_IMAGE019
其中，
Figure 143346DEST_PATH_IMAGE020
为在
Figure 172482DEST_PATH_IMAGE021
时刻对k+1时刻最优控制输入量的预测值；
Figure 599921DEST_PATH_IMAGE022
为在
Figure 81718DEST_PATH_IMAGE023
时刻对k时刻最优控制输入量的预测值。
5.如权利要求3或4所述基于MPC算法的电动汽车调频延时补偿控制策略，其特征在于：所述步骤S3中的预测模型为：
Figure 370748DEST_PATH_IMAGE024
其中，
Figure 254390DEST_PATH_IMAGE025
为k时刻的最优状态变量预测序列；
Figure 148004DEST_PATH_IMAGE026
为k时刻的状态变量；
Figure 992463DEST_PATH_IMAGE027
为k时刻的最优控制输入量；
Figure 944238DEST_PATH_IMAGE028
为系统扰动；
Figure 72600DEST_PATH_IMAGE029
是预测序列控制矩阵；
Figure 451629DEST_PATH_IMAGE030
是预测序列输入矩阵；
Figure 783384DEST_PATH_IMAGE031
是预测序列干扰矩阵。
6.如权利要求5所述基于MPC算法的电动汽车调频延时补偿控制策略，其特征在于：所述步骤S3的预测模型中，
Figure 538851DEST_PATH_IMAGE032
其中，
Figure 757605DEST_PATH_IMAGE033
为在
Figure 573114DEST_PATH_IMAGE034
时刻对k+1时刻最优状态变量的预测值;
Figure 188903DEST_PATH_IMAGE035
为在
Figure 872694DEST_PATH_IMAGE034
时刻对k时刻扰动变量的预测值；
Figure 585435DEST_PATH_IMAGE036
分别是系统控制矩阵A、输入矩阵B、以及干扰矩阵F的离散化矩阵;Np为预测时域长度，Nc为控制时域长度。
CN202210932126.7A 2022-08-04 2022-08-04 基于mpc算法的电动汽车调频延时补偿控制策略 Active CN115021300B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210932126.7A CN115021300B (zh) 2022-08-04 2022-08-04 基于mpc算法的电动汽车调频延时补偿控制策略

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210932126.7A CN115021300B (zh) 2022-08-04 2022-08-04 基于mpc算法的电动汽车调频延时补偿控制策略

Publications (2)

Publication Number Publication Date
CN115021300A true CN115021300A (zh) 2022-09-06
CN115021300B CN115021300B (zh) 2022-11-11

Family

ID=83065816

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210932126.7A Active CN115021300B (zh) 2022-08-04 2022-08-04 基于mpc算法的电动汽车调频延时补偿控制策略

Country Status (1)

Country Link
CN (1) CN115021300B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117094074A (zh) * 2023-07-05 2023-11-21 盐城工学院 一种处理智能汽车固有输入时延的控制方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111030137A (zh) * 2019-12-06 2020-04-17 中国电力科学研究院有限公司 一种负荷参与一次调频的电网频率预测方法及装置
CN113690950A (zh) * 2021-08-10 2021-11-23 华北电力大学（保定） 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

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111030137A (zh) * 2019-12-06 2020-04-17 中国电力科学研究院有限公司 一种负荷参与一次调频的电网频率预测方法及装置
CN113690950A (zh) * 2021-08-10 2021-11-23 华北电力大学（保定） 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

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117094074A (zh) * 2023-07-05 2023-11-21 盐城工学院 一种处理智能汽车固有输入时延的控制方法

Also Published As

Publication number Publication date
CN115021300B (zh) 2022-11-11

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
US11326579B2 (en) Adaptive dynamic planning control method and system for energy storage station, and storage medium
Hossain et al. Observer-based event triggering H∞ LFC for multi-area power systems under DoS attacks
Aravindh et al. Design of observer-based non-fragile load frequency control for power systems with electric vehicles
Tripathi et al. Load frequency control of power system considering electric Vehicles’ aggregator with communication delay
Mo et al. Real-time coordination of distributed energy resources for frequency control in microgrids with unreliable communication
CN115021300B (zh) 基于mpc算法的电动汽车调频延时补偿控制策略
CN115833179A (zh) 一种低频振荡控制方法及系统
Xu et al. Research on the bi-level optimization model of distribution network based on distributed cooperative control
US11269315B2 (en) Distributed control system
CN105337290B (zh) 一种适用于电力系统低频振荡辅助决策的无功调整方法
CN115313416A (zh) 一种适用于储能电站辅助调频系统的多目标优化控制方法
Li et al. Optimization strategy of secondary frequency modulation based on dynamic loss model of the energy storage unit
Zhao et al. Bandwidth-aware event-triggered load frequency control for power systems under time-varying delays
CN114900264A (zh) 一种面向低碳园区群的智能分层时间同步方法及系统
Tian et al. Switching-like dynamic event-triggered load frequency control for multi-area power systems with electric vehicles under DoS attacks
CN110011298B (zh) 一种构建自治型可重构微网群系统的运行控制策略
Xiao et al. A Bandwidth-Conscious Event-Based Control Approach to Secondary Frequency Regulation Under Vehicle-to-Grid Service
CN110289619A (zh) 基于并网电能质量综合评估的储能变流器补偿控制方法
Tan et al. A DoS attack intensity-aware adaptive critic design of frequency regulation for EV-integrated power grids
Kumar et al. Optimized robust control for improving frequency response of delay dependent AC microgrid with uncertainties
CN112147956B (zh) 分布式控制系统
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
CN110323779B (zh) 一种分布式发电与储能装置的功率动态聚合的方法和系统
Han et al. Dual-regulating feedback optimization control of distributed energy storage system in power smoothing scenariox based on KF-MPC

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