多逆变器型交流微电网分布式经济性自动发电控制算法的制作方法

本发明涉及一种多逆变器型交流微电网分布式经济性自动发电控制算法，属于智能电网技术领域。

背景技术：

微电网作为智能电网发展过程中的一块基石，能够经济性的并且环境友好的接入大量可再生能源(如光伏，风机，燃料电池等)。微电网可以并网运行或孤岛运行，以提高供电可靠性。分层控制策略在微电网中具有广泛应用，即，最底层采用下垂控制策略，第二层采用自动发电控制，第三层实现经济调度。传统方法大多通过中央控制器，采用集中控制方法实现第三层经济调度。这种方法由于是集中式的，在中央控制器故障时，整个系统容易崩溃，并且当微电网扩展时需要重新调整控制结构，可扩展性较差。此外，大时间尺度的经济调度与小时间尺度的自动发电控制不能无缝的集成，降低了微电网的运行效率。

技术实现要素：

本发明针对上述现有技术的不足，提供了一种多逆变器型交流微电网分布式经济性自动发电控制算法。

本发明为实现上述目的所采用的技术方案是：多逆变器型交流微电网分布式经济性自动发电控制算法，为微电网的每个逆变器接口电源配置一个智能体，通过智能体之间的通信实现分布式自动发电控制算法，包括以下步骤；

1)分布式识别微电网运行状态；

2)基于识别的微电网运行状态进行分布式自动发电控制算法初始化；

3)通过各智能体之间数据交互，分布式地得到各电源发电量参考值；

4)将各电源发电量参考值分别输入至各自对应的下垂控制器，得到各电源的输出频率参考值，通过各逆变器调频至各输出频率参考值控制电源发电，实现微电网分布式自动发电控制。

所述分布式识别微电网运行状态包括以下步骤：

2-1)智能体Agent₁通过与智能体Agent₀通信获取微电网当前运行状态，其余智能体的状态变量初始化为0；

2-2)通过下式进行迭代，直到状态变量s_i收敛到某数值：

其中，s_i(k+1)为第k+1次迭代得到的值，s_i(k)为第k次迭代的值；

权重因子

d_i为第i个智能体Agent_i的邻居节点个数，n为微电网中智能体总数，N_i为第i个智能体的所有邻居节点组成的集合；

2-3)根据状态变量s_i的收敛结果，各个智能体均得知该微电网当前运行状态：

若状态变量s_i收敛到某一正值，则微电网处于并网运行状态；

若s_i收敛到某一负值，则微电网处于孤岛状态转并网状态预同步过程；

若s_i收敛到零，则微电网处于孤岛运行状态。

所述基于识别的微电网运行状态进行分布式自动发电控制算法初始化包括以下步骤：

3-1)当微电网处于孤岛运行状态时：

其中，P_i为第i个分布式电源输出的有功功率，P_refi是第i个分布式电源输出有功功率参考值，a_i、b_i分别为第i个分布式电源的发电成本函数的二次项和一次项系数；λ_i和e_i为中间变量；

3-2)当微电网处于并网运行状态时：

其中，P_c为智能体Agent₀向Agent₁下达的整个微电网需要发出的有功功率；

3-3)当微电网处于孤岛状态转并网状态预同步过程时：

所述发电成本函数：C_i(P_i)＝a_iP_i²+b_iP_i+c_i，其中，C_i(P_i)为第i个分布式电源的发电成本函数，c_i为常数。

所述通过各智能体之间数据交互，分布式地得到各电源发电量参考值，包括以下步骤：

5-1)首先定义函数φ_i(λ_i)：

其中，P_i^min为第i个分布式电源发电机输出有功功率的最小值，P_i^max为第i个分布式电源发电机输出有功功率的最大值；

5-2)各智能体通过与邻居节点进行通信，并通过迭代公式进行迭代：

其中，η为学习率，其初始化为正数；

当达到设定的迭代次数时，得到各分布式电源输出有功功率最优参考值。

所述学习率通过以下步骤得到：

首先，定义矩阵W，其第i行、第j列的元素为w_i,j，定义向量λ＝[λ₁,λ₂,...,λ_n]^T，E＝[e₁,e₂,...,e_n]^T，I为n行n列的单位矩阵，矩阵B＝diag([β₁,β₂,...,β_n])；

其次，求取下列矩阵中的学习率η：

设定学习率η为0～0.1之间的一组数据；

依次将数据代入下式，分别求取矩阵D的特征值；

选取特征值中一个值为1、其余特征值位于复坐标系下单位圆内所对应的η作为最终的学习率η。

选取特征值中一个值为1、其余特征值位于复坐标系下单位圆内且离原点最近所对应的η作为最终的学习率η。

所述智能体用于采集本地数据和通信，智能体的通信拓扑满足N-1规则。

本发明具有以下有益效果及优点：

1.本发明分布式实施，不易受单点故障的影响，具有很高的鲁棒性。

2.本发明可以及时调整分布式电源输出有功功率，提高微电网运行效率的同时实现频率的修正。

3.本发明适用于各种运行状态下的微电网。

4.本发明基于分布式多智能体系统实施，易于实现分布式电源即插即用的需求。

5.分布式智能体系统通信拓扑满足N-1规则，具有较高的通信可靠性。

6.本发明能够将自动发电控制层与经济调度层合并为一层，即，经济性自动发电控制层，使电源及时调整有功功率输出，提高微电网运行效率，降低微电网运行成本，从而带来经济效益。

附图说明

图1是微电网分层控制架构；

图2是微电网物理连接及电源的智能体间通信拓扑示意图；

图3本发明的经济性自动发电控制调整下垂曲线示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明。

本发明针对多逆变器型交流微电网分布式经济性自动发电控制算法。首先设计多逆变器型交流微电网分布式经济性自动发电控制架构，并为微电网中每个逆变器接口电源分配一个智能体以完成通信与数据计算；各智能体间的通信拓扑满足N-1规则以提高系统可靠性；智能体通过采集本地信息并与邻居智能体进行交互通信，实现分布式识别微电网运行状态，包括孤岛运行，并网运行，孤岛状态转并网状态预同步过程；基于识别的微电网运行状态进行算法初始化；通过各智能体之间数据交互，分布式地得到各电源发电量参考值；将发电量参考值下达到底层下垂控制器，实现微电网分布式经济性自动发电控制。

本发明包括以下步骤：

1)设计多逆变器型交流微电网分布式经济性自动发电控制架构，如图1所示，并为微电网中每个逆变器接口电源分配一个智能体以完成通信与数据计算；

2)基于N-1规则，设计各智能体间的通信拓扑，通信拓扑如图2所示；

3)分布式识别微电网运行状态，包括孤岛运行，并网运行，孤岛状态转并网状态预同步过程；

4)基于识别的微电网运行状态进行算法初始化；

5)通过各智能体之间数据交互，分布式地得到各电源发电量参考值；

6)将发电量参考值下达到底层下垂控制器，实现微电网分布式经济性自动发电控制。

1、设计多逆变器型交流微电网分布式经济性自动发电控制架构，并为微电网中每个逆变器接口电源分配一个智能体以完成通信与数据计算如下：

经济性自动发电控制算法作为整个控制架构的最上层，下一层采用下垂控制实现微电网中瞬时不平衡有功功率的快速分配。

下垂控制公式为：f_i^*＝f_oi+mp_i·(P_refi-P_i)

其中，i表示第i个分布式电源编号，mp_i为下垂参数(预先设定量)，f_oi为微电网系统标称频率，P_i为第i个分布式电源输出的有功功率，P_refi是第i个分布式电源输出有功功率参考值(P_refi将通过分布式经济性自动发电控制算法得到)，f_i^*为第i个分布式电源输出频率参考值。

为了分布式实现经济性自动发电控制算法，需要为微电网中每个逆变器接口电源分配一个智能体，智能体命名为Agent_i(其中i为智能体编号)，每个智能体都应具有以下功能：获取本地信息(该电源当前输出有功功率P_i)，与邻居节点进行双向通信以交互数据。本实施里采用具有A/D接口和通信接口的微处理器。

在微电网与大电网并网点(公共耦合点)处，分配一个智能体，该智能体命名为Agent₀，并且该智能体能够与微电网中某一个电源的智能体进行通信。假定与Agent₀通信的智能体为Agent₁。Agent₀能够获取当前微电网的运行状态，并且在并网状态下，能够下达整个微电网需要发出的有功功率P_c。

2、基于N-1规则，设计各智能体间的通信拓扑如下：

各智能体之间的通信拓扑应当满足N-1规则，即设计的通信拓扑应当满足：在任意一个通信链路故障时，任意两个智能体之间依然能实现通信。

基于设计的通信拓扑，定义如下权重因子：

其中，d_i为第i个智能体Agent_i的邻居节点个数，n为微电网中智能体总数，N_i为第i个智能体的所有邻居节点组成的集合。

3、分布式识别微电网运行状态，包括孤岛运行，并网运行，孤岛状态转并网状态预同步过程，包括以下步骤：

Agent₁与Agent₀通信，并从Agent₀处获取微电网当前运行状态。第i个智能体定义状态变量s_i，用于识别微电网当前运行状态。其中Agent₁的状态变量s₁定义如下：

其余智能体的状态变量总是初始化为0。

通过如下所示更新规则，所有状态变量收敛到某一相同值：

s_i(k+1)为第k+1次迭代得到的值，s_i(k)为第k次迭代的值。根据网络拓扑可设定一个恰当的迭代次数(如50次，100次)以满足算法收敛(状态变量值不再变化)。

根据状态变量s_i的收敛结果，各个智能体均可得知该微电网当前运行状态：若s_i收敛到某一正值，则微电网处于并网运行状态；若s_i收敛到某一负值，则微电网处于孤岛状态转并网状态预同步过程；若s_i收敛到零，则微电网处于孤岛运行状态。

4、基于识别的微电网运行状态进行算法初始化如下：

为实现分布式经济性自动发电控制，还需定义中间变量λ_i和e_i。根据分布式 识别得到的微电网当前运行状态，各个智能体分别将P_refi、λ_i和e_i初始化如下：

1)当微电网处于孤岛运行状态时：

其中，P_i为第i个分布式电源输出的有功功率，P_refi是第i个分布式电源输出有功功率参考值，a_i、b_i分别为第i个分布式电源的发电成本函数的二次项和一次项系数(第i个分布式电源的发电成本函数为C_i(P_i)＝a_iP_i²+b_iP_i+c_i，其中c_i为常数)。

2)当微电网处于并网运行状态时：

其中P_c为Agent₀向Agent₁下达的整个微电网需要发出的有功功率指令。

3)当微电网处于孤岛状态转并网状态预同步过程时：

5、通过各智能体之间数据交互，分布式地得到各电源发电量参考值，包括以下步骤：

1)首先定义函数φ_i(λ_i)使分布式经济性自动发电控制算法适用于某些发电机超出发电上下限约束的情况。

其中，P_i^min为第i个分布式发电机输出有功功率的最小值，P_i^max为第i个分布式发电机输出有功功率的最大值。

2)各个智能体通过与邻居节点进行通信并进行如下迭代，各个智能体可分布式得到是各分布式电源输出有功功率最优参考值。

其中，η为学习率，其初始化为一较小正数。

3)η可通过如下方法进行设计：

首先，定义矩阵W，其第i行，第j列的元素为w_i,j，定义向量λ＝[λ₁,λ₂,...,λ_n]^T，E＝[e₁,e₂,...,e_n]^T，I为n行n列的单位矩阵，矩阵B为B＝diag([β₁,β₂,...,β_n])，其中β_i定义如下：

基于上述向量定义，步骤2)中的更新规则可重写为如下矩阵形式：

矩阵D具有一个值为1的特征值，若η选的足够小，可以保证D的其余特征值在复坐标系下单位圆内，从而可以保证算法的收敛。另外，若满足其余特征值在复坐标系下单位原内，则算法收敛速度由离原点第二大的特征值决定。因 此可由上述原则选择合适的学习率η，使其余特征值在复坐标系下单位原内，并且离原点第二大的特征值较小，以提高算法收敛速度。具体为：设定学习率η为0～0.1之间的一组数据；依次将η数据代入上式，分别求取每个η所对应的矩阵D的特征值；选取特征值中一个值为1、其余特征值位于复坐标系下单位圆内(离原点最近)所对应的η作为最终的学习率η。

4)将η代入上述步骤2)的迭代公式，按照步骤2)所述的更新规则，进行迭代更新。当达到恰当的迭代次数(如50次，100次)时，认为算法收敛。此时得到的各分布式电源输出有功功率最优参考值为最终各电源期望输出的有功功率。

6.将有功功率最优参考值下达到底层下垂控制器，实现微电网分布式经济性自动发电控制：

将各电源最优输出有功参考值P_refi代入各电源对应的下垂控制器公式f_i^*＝f_oi+mp_i·(P_refi-P_i)，得到各电源的输出频率参考值，各电源的逆变器调节至该频率参考值，控制电源发电，从而实现微电网分布式经济性自动发电控制。

下垂曲线调整过程如图3所示。该图描述了两个电源(电源i和j)，当微电网处于孤岛状态时，假设初始时刻两电源的下垂曲线为图3中下面两条直线。此时微电网频率为f_i^*(与微电网标准频率f_oi具有偏差)，且两个电源输出有功功率分别为P_i和P_j。假设微电网中有功功率在两电源间的最经济分配应当为P_i^*和通过本发明提议的算法可分布式得到最优有功分配，并调整两电源的输出有功参考值，使且从而，两电源的下垂曲线按图3重新调整。在稳态时，系统频率恢复到标准频率f_oi，并且有功功率在两微电源间最优分配。