智能微电网的分布式精准时间二次控制方法及装置

1.本发明涉及智能微电网领域，尤其涉及智能微电网的分布式精准时间二次控制方法及装置。


背景技术：

2.智能微电网是由分布式能源、储能装置、能量转换装置、负荷、监控等装置组成的小型发电系统。分布式二次控制是智能微电网调控的一种典型方法，它是一门多学科融合技术，包括电力学、信息论、自动控制等领域。随着社会的快速发展，人类日常生活、工业发展等活动均离不开电能，与此同时所面临的能源枯竭现状和环境保护的要求，使得可再生能源，如太阳能、风能的大力发展必将成为未来的重要发展趋势。智能微电网作为间歇性、不稳定的可再生能源并入电网的一种有效解决方案，可以处于孤岛运行状态和并网运行。处于孤岛运行状态可以依靠自身控制来实现功率平衡控制、电能质量治理等功能。
3.然而智能微电网在实际的应用过程中会受到各种各样的约束的限制，负荷的波动带来的频率偏移，此外，基于下垂控制的一次控制会存在频率和电压于额定值之间的偏差，因此二次控制最基本的目的就是恢复频率和电压的偏差；此外，由于分布式发电机之间会通过通信网络来进行信息的交换，而连续或者定周期形式的信息交换会造成通信网络负担过重，通信代价过高等问题，因而，设计合理的通信策略对于降低通信网络的负担具有实际的工程意义；另一方面，由于各个发电机的属性不同，其发电成本也不同，通过合理的分配发电机的输出功率可以极大地降低发电成本，使得整个微电网的经济效益得到极大地提高。
4.因此，考虑智能微电网的分布式发电机的频率和电压的调节，通信负担以及系统总的发电成本，通过设计算法来对其进行调控是亟待解决的技术问题。


技术实现要素：

5.为了解决上述问题，本发明提供了一种智能微电网的分布式精准时间二次控制方法，主要包括以下步骤：
6.建立智能微电网中的分布式发电机数学模型以及一次控制模型，并建立控制误差；
7.设计分布式精准时间二次控制算法，
8.通过事件触发通信设计分布式发电机之间的通信策略；
9.结合分布式精准时间二次控制算法和通信策略，在降低通信成本的情况下使分布式发电机的输出频率和电压恢复到额定值，即使控制误差趋于0；
10.对分布式发电机的发电成本建立数学模型，并设计优化算法以最小化其发电成本。
11.进一步地，所述分布式发电机的数学模型为式一：
[0012][0013]
式一中，为状态向量；pi,qi分别为有功和无功功率；di是已知的外部扰动，δi代表分布式发电机i的参考系相对于普通参考系的角度；为电压控制器辅助变量的一次分量和二次分量；为电流控制器辅助变量的一次分量和二次分量；分别是i
li
,v
oi
,i
oi
的一次分量和二次分量，i
li
,v
oi
,i
oi
为lc滤波器和输出接口有关的量。
[0014]
进一步地，所述一次控制是基于传统的下垂控制，其对分布式发电机i的一次控制模型为式二：
[0015][0016]
式二中，wi为分布式发电机i的角频率大小，分别为发电机i的d-轴和q-轴电压；分别为名义设定值；pi,qi分别为分布式发电机i的有功和无功功率；为下垂控制的控制系数；终端电压
[0017]
对式二求导可得式三：
[0018][0019]
式三中，分别是频率、电压的二次控制信号；
[0020]
由式三可得到为式四：
[0021][0022]
式四中，为所要设计的功率控制优化算法；分别根据所设计的二次控制信号更新，其中的二次控制信号通过测量自身发电机的信息和邻居发电机的信息计算得到，r表示积分变量，t表示时间；
[0023]
针对分布式发电机i(i＝1，
…
，n)构建控制误差，即分布式发电机的输出频率和电压和额定频率和电压的差值，如式五：
[0024][0025]
式五中，分别为发电机i的频率和电压的控制误差，w
ref
,v
ref
分别为频率和电压所需要恢复到的额定值。
[0026]
进一步地，所述分布式精准时间二次控制算法的设计形式如式六：
[0027][0028]
式六中，参数β》0；μ为时变函数，具体形式为式七：
[0029][0030]
式七中，参数h》0，ts即为可人为设定的控制时间；
[0031]
式六中的和具体形式如式八：
[0032][0033]
其中a
ij
为拉普拉斯矩阵l第i行第j列的元素；使用图论来描述分布式发电机之间的通信网络；定义邻接矩阵a＝[a
ij
]，其中，a
ij
》0表示分布式发电机j可以接收到i的信息，否则，a
ij
＝0；拉普拉斯矩阵l＝[l
ij
]，其中l
ij
＝-a
ij
，其中，为分布式发电机i最新的触发时刻；为触发时刻的频率；为触发时刻的电压，对于角标j则代表分布式发电机j；若bi》0，则分布式发电机i可以接收到参考信号w
ref
,v
ref
；否则bi＝0；ni表示分布式发电机i的邻居发电机所组成的集合。
[0034]
进一步地，所述通过事件触发通信设计分布式发电机之间的通信策略如式九：
[0035][0036]
式九中，代表发电机i最新的一次触发时刻，为下一次的触发时刻；θ》0,τi》0，0，0，测量误差定义为触发时刻的状态与实时状态的差值，具体表示为式十：
[0037][0038]
其中，wi(t)，vi(t)为分布式发电机i的实时频率和实时电压；
[0039]
定义辅助变量：ξi＝[wi(t),vi(t)]，ξ＝[ξ1,
…
,ξn]
t
，，，ζ
ref
＝[w
ref
,v
ref
]
t
,α＝[α1,
…
,αn]
tt
e＝[e1,
…
,en]
t
,u＝[u1,
…
,un]
t
；
[0040]
基于以上定义，测量误差式十可以表示为紧凑形式的式十一：
[0041][0042]
进一步地，所述结合分布式精准时间二次控制算法和通信策略，在降低通信成本的情况下使分布式发电机的输出频率和电压恢复到额定值，具体包括：
[0043]
根据所定义的辅助变量ξi＝[wi,vi]，控制误差可以写为向量表示的紧凑形式，如式十二：
[0044]
σi＝ξ
i-ζ
ref
式十二
[0045]
基于测量误差式十和所定义的式十二，可以得到如下的等效表达式十三：
[0046][0047]
根据式十二和式十三定义全局误差：σ＝[σ1,
…
σn]
t
，根据全局误差和式八，可以得到式十四：
[0048][0049]
其中，l为拉普拉斯矩阵，b矩阵为对角矩阵，其定义为b＝diag[b1,
…
,bn]，若bi》0，则分布式发电机i可以接收到参考信号w
ref
,v
ref
；否则bi＝0，分布式发电机i不能接收到参考信号w
ref
,v
ref
，为克罗内克积，im为m
×
m的单位矩阵。
[0050]
根据所定义的全局误差变量σ利用李雅普洛夫理论来分析精确二次时间控制算法下智能微电网的频率和电压恢复情况，其v函数构造为式十五：
[0051][0052]
式十五中，φ为一个对角矩阵矩阵，其定义为：对角线元素：矩阵q＝l+b，1n为元素全为1的列向量；
[0053]
对构造的v函数求导并结合所设计的事件触发机制，可得到式十六：
[0054][0055]
其中，w1,w2,w3为推导过程中得到的有关的量，根据v函数的形式可知，v函数是正定的，即实现了分布式发电机的输出频率和电压恢复到额定频率和电压。
[0056]
进一步地，所述对分布式发电机的发电成本建立数学模型如式十七：
[0057][0058]
式十七中，为分布式发电机i的成本系数，pi为发电机i的有功输出功率；ci(pi)为发电机i的发电成本；
[0059]
所有发电机总的发电成本，即优化目标可以表示为式十八：
[0060][0061]
式十八中，pi(0)为各个发电机的初始功率，pd为总的负荷，n表示分布式发电机的个数；
[0062]
为了使发电成本最小要使得下式成立，如式十九：
[0063]
η1(p1)＝η2(p2)＝
…
＝ηn(pn)＝η
*
式十九
[0064]
式十九中，η
*
为最优的增量成本，对ηi求导可得求导可得为待设计的优化算法。
[0065]
进一步地，通过设计优化算法来最小化智能微电网的总发电成本，其具体表示如式二十所示：
[0066][0067]
其中如式二十一：
[0068][0069]
其中pi(0)为分布式发电机i的初始输出功率，则则
[0070]
根据本发明的又一方面，本发明提供了一种智能微电网的分布式精准时间二次控制装置，包括以下模块：
[0071]
控制误差建立模块，用于建立智能微电网中的分布式发电机数学模型以及一次控制模型，并建立控制误差；
[0072]
控制算法设计模块，用于设计分布式精准时间二次控制算法，
[0073]
通信策略设计模块，用于通过事件触发通信设计分布式发电机之间的通信策略；
[0074]
频率电压控制模块，用于结合分布式精准时间二次控制算法和通信策略，在降低通信成本的情况下使分布式发电机的输出频率和电压恢复到额定值，即使控制误差趋于0；
[0075]
发电成本优化模块，用于对分布式发电机的发电成本建立数学模型，并设计优化算法以最小化其发电成本。
[0076]
本发明提供的技术方案带来的有益效果是：
[0077]
本发明提出了一种智能微电网的分布式精准时间二次控制方法及装置，建立智能微电网中的分布式发电机数学模型以及一次控制模型，并建立控制误差；设计分布式精准时间二次控制算法；通过事件触发通信设计分布式发电机之间的通信策略；结合分布式精准时间二次控制算法和通信策略，在降低通信成本的情况下使分布式发电机的输出频率和电压恢复到额定值，即使控制误差趋于0；对分布式发电机的发电成本建立数学模型，并设计优化算法以最小化其发电成本。基于上述技术方案，本发明更富有工程意义，通过设计分布式发电机之间的通信策略来降低通信负担；所提出的控制器能够在人为设定的时间内实现精准的频率和电压的调节，使得本发明具有更强的适应需求能力；其次，考虑了分布式发电机的发电成本，通过算法来最小化整个系统的发电成本使得本发明更具有实用价值。
附图说明
[0078]
下面将结合附图及实施例对本发明作进一步说明，附图中：
[0079]
图1是本发明实施例中一种智能微电网的分布式精准时间二次控制方法的执行流程图；
[0080]
图2是本发明实施例中四个分布式发电机之间的通信拓扑图；
[0081]
图3是本发明实施例中的控制框图，其反映了所设计的频率和电压控制算法式六、通信策略式九，以及之间的关系；
[0082]
图4是本发明实施例中在所设计的控制算法下，在设定的3s时间下四个发电机的电压演化图；
[0083]
图5是本发明实施例中在所设计的控制算法下，在设定的3s时间下四个发电机的频率演化图；
[0084]
图6是本发明实施例中在所设计的控制算法下，在设定的3s时间下四个发电机的通信时刻；
[0085]
图7是本发明实施例中在所设计的控制算法下，在设定的4s时间下四个发电机的电压演化图；
[0086]
图8是本发明实施例中在所设计的控制算法下，在设定的4s时间下四个发电机的频率演化图；
[0087]
图9是本发明实施例中在所设计的控制算法下，在设定的4s时间下四个发电机的通信时刻；
[0088]
图10是本发明实施例中为所设计的优化算法的演化结果，反映了增量成本的一致性，各个发电机的输出功率以及总的发电成本；
[0089]
图11是本发明实施例中一种智能微电网的分布式精准时间二次控制装置的结构示意图。
具体实施方式
[0090]
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
[0091]
为了更进一步说明所提出的控制方法的有效性，通过下面的仿真来说明。本发明的实施例提供了一种智能微电网的分布式精准时间二次控制方法，考虑了智能微电网通信网络的约束，通过设计事件触发通信策略来降低通信负担；此外，提出了一种新颖的控制算法来实现智能微电网的精准频率和电压的调控；最后通过对发电机的发电成本建立数学模型并对发电成本进行优化，使得微电网总的发电成本最小。
[0092]
参考图1，本发明实施例提供了一种智能微电网的分布式精准时间二次控制方法，具体包括以下内容：
[0093]
s1：对智能微电网的分布式发电机建立数学模型以及一次控制模型，并建立控制误差
[0094]
步骤s1中，建立分布式发电机的数学模型，如式一：
[0095][0096]
上式中，为状态向量；pi,qi分别为有功和无功功率；di是已知的外部扰动，δi代表分布式发电机i的参考系相对于普通参考系的角度；为电压控制器辅助变量的一次分量和二次分量；为电流控制器辅助变量的一次分量和二次分量；分别是i
li
,v
oi
,i
oi
的一次分量和二次分量，i
li
,v
oi
,i
oi
为lc滤波器和输出接口有关的量。
[0097]
一次控制是基于传统的下垂控制，其对分布式发电机i的一次控制模型如式二：
[0098][0099]
上式中，wi为分布式发电机i的角频率大小，分别为发电机i的d-轴和q-轴电压；分别为名义设定值；pi,qi分别为有功和无功功率；为下垂控制的控制系数；式二反应了各个发电机的频率和电压与发电机的有功、无功功率之间的关系；其中，终端电压对式二求导可得式三：
[0100][0101]
式三中，分别是频率、电压的二次控制信号，即为所需要设计的控制算法；为所要设计的功率控制优化算法，根据增量成本设计优化算法来最小化发电成本；由式三可得到式四：
[0102][0103]
分别在二次控制阶段更新，其形式如式四所示，其中的二次控制信号通过测量自身发电机的信息和邻居发电机的信息计算得到。对分布式发电机i(i＝1,
…
,n)构建控制误差，即分布式发电机的输出频率和电压和额定频率和电压的差值，如式五：
[0104][0105]
其中，分别为频率和电压的恢复误差，w
ref
,v
ref
分别为频率和电压所需要恢复到的值，所设计的控制器目的为使得两个误差减少到所满足的范围内，后面将通过分析来验证所设计的控制算法的有效性。
[0106]
s2：设计分布式精准时间二次控制算法；
[0107]
分布式精准时间二次控制算法也称为精准时间二次频率和电压控制算法，设计形式如表达式六所示，其能够实现频率和电压在设定时间ts时刻恢复至额定电压和频率：
[0108][0109]
式六中，参数β》0,μ为时变函数，具体形式如式七：
[0110][0111]
式七中，参数h》0，ts即为可人为设定的控制时间。式六中的和具体形
式如式八：
[0112][0113]
其中a
ij
为拉普拉斯矩阵l第i行第j列的元素；在这里使用图论来描述分布式发电机之间的通信网络；如图2所示，图2是四个分布式发电机之间的通信拓扑图，只有分布式发电机1可以接受到参考信号；通过通信拓扑图可以得到拉普拉斯矩阵和b矩阵：
[0114][0115]
仿真参数设定为：β＝12,h＝1.5,θ＝0.9,τ1＝τ2＝τ3＝τ4＝1.8,＝1.8,＝1.8,w
ref
＝314.16rad/s,v
ref
＝380v。
[0116]
定义邻接矩阵a＝[a
ij
]，其中，a
ij
》0表示分布式发电机j可以接收到i的信息，否则，a
ij
＝0；拉普拉斯矩阵l＝[l
ij
]，其中l
ij
＝-a
ij
，其中，为分布式发电机i最新的触发时刻；为触发时刻的频率；为触发时刻的电压，对于角标j则代表分布式发电机j；若bi》0，则分布式发电机i可以接收到参考信号w
ref
,v
ref
；否则bi＝0；ni表示分布式发电机i的邻居发电机所组成的集合。
[0117]
在所设计的控制算法下，各个分布式发电机的电压及频率演化结果如图4、5、7、8所示，仿真结果表明频率和电压能够在所设定的3s和4s处实现恢复，即每个发电机的电压恢复到380v，频率恢复到314rad/s。
[0118]
s3：通过事件触发通信设计分布式发电机之间的通信策略；
[0119]
具体地，所述通过事件触发通信设计分布式发电机之间的通信策略如式九：
[0120][0121]
其中，代表发电机i最新的一次触发时刻，为下一次的触发时刻；θ》0,τi》0，》0，当所设计事件触发策略满足时，分布式发电机i会将自己的状态信息传递给邻居发电机，并在此时刻来更新控制器来对自身状态进行调控，通过这种方法可以减少不必要的通信。测量误差定义为触发时刻的状态与实时状态的差值，具体表示如式十：
[0122][0123]
其中，wi(t)，vi(t)为分布式发电机i的实时频率和实时电压。
[0124]
定义辅助变量：ξi＝[wi,vi]，ξ＝[ξ1,
…
,ξn]
t
，，ζ
ref
＝[w
ref
,v
ref
]
t
,,α＝[α1,
…
,αn]
t
,
e＝[e1,
…
,en]
t
,u＝[u1,
…
,un]
t
。
[0125]
基于以上定义，测量误差可以表示为如下的紧凑形式如式十一：
[0126][0127]
参考图6和图9，图6和图9反映了在所设计的通信策略下的各个发电机的通信时刻以及次数。
[0128]
s4：结合分布式精准时间二次控制算法和通信策略，在降低通信成本的情况下使分布式发电机的输出频率和电压恢复到额定值，即使控制误差趋于0；
[0129]
更进一步地，为实现精准时间频率和电压的恢复，根据所定义的辅助变量ξi＝[wi,vi]，控制误差(式五)可以写为向量表示的紧凑形式，如式十二：
[0130]
σi＝ξ
i-ζ
ref
式十二
[0131]
基于测量误差式十一和定义的式十二，可以得到如下的等效表达式十三：
[0132][0133]
根据式十二和式十三定义全局误差：σ＝[σ1,
…
σn]
t
，根据全局误差和式八，可以推导得到式十四：
[0134][0135]
其中，l为拉普拉斯矩阵，b矩阵为对角矩阵，其定义为b＝diag[b1,
…
,bn]，若bi》0，则分布式发电机i可以接收到参考信号w
ref
,v
ref
；否则bi＝0，分布式发电机i不能接收到参考信号w
ref
,v
ref
，为克罗内克积，im为m
×
m的单位矩阵。
[0136]
根据所定义的全局误差变量σ利用李雅普洛夫理论来分析在所提出的精确时间控制算法下智能微电网的频率和电压恢复情况，其v函数构造为式十五：
[0137][0138]
式十五中，φ为一个对角矩阵矩阵，其定义为：对角线元素：矩阵q＝l+b，1n为元素全为1的列向量；根据v函数的形式可知，v函数是正定的。对构造的v函数求导并结合所设计的事件触发机制式九，可得到式十六：
[0139][0140]
其中，w1,w2,w3为推导过程中得到的有关的量。
[0141]
所得到的v函数是约定时间稳定的，即在所设计的算法下能够实现智能微电网精准的时间电压和频率的调控，并且只需要通过对调节时间ts的设置就可以实现用户自定义的精准时间调节。
[0142]
由于各个分布式发电机地理位置的因素，各个发电机之间存在较远的距离，而发电机之间会通过通信网络来传递各个发电机的信息，实时的信息交流会对通信网络带来极大的负担，因此，本发明考虑采用事件触发通信策略来降低通信负担。
[0143]
s5：对分布式发电机的发电成本建立数学模型，设计优化算法来最小化智能微电
网的总发电成本。
[0144]
智能微电网的经济运行是为了在满足供需平衡的条件下最小化总的发电成本，总的发电成本数学模型可以表示为如式十七所示：
[0145][0146]
式十七中，为分布式发电机i的成本系数，pi为发电机i的有功输出功率。优化目标可以表示为式十八：
[0147][0148]
式十八中，pd为总的负载，pi(0)为各个发电机的初始输出功率。为了最小化总的发电成本来实现智能微电网的经济运行，需要设计优化算法来实现所有发电机的增量成本达到一致，即式十九：
[0149]
η1(p1)＝η2(p2)＝
…
＝ηn(pn)＝η
*
式十九
[0150]
式十九中，η
*
为最优的增量成本。对ηi求导可得求导可得为待设计的优化算法。
[0151]
通过设计实现增量成本一致来小化智能微电网的总发电成本，其具体表示如式二十：
[0152][0153]
其中具体表现形式为式二十一：
[0154][0155]
由于各个发电机的发电成本和自身的属性相关，并且与发电机的输出功率存在非线性的关系，本发明考虑不同属性发电机的发电成本系数不同，将发电机的发电成本建模为一个求和的形式，通过设计优化算法来最小化发电成本。请参考图10，图10是所设计的优化算法下的演化结果，反映了增量成本的一致性，各个发电机的输出功率以及总的发电成本。根据图10可知，在本发明所设计的优化算法作用下，各发电机的总成本逐渐降低，并最终保持在一个稳定值。
[0156]
一次控制与所设计的精准时间二次控制算法，通信策略以及优化算法之间的关系请参考图3，图3为分布式发电机i(i＝1,
…
,n)的控制框图，其反应了发电机i的控制算法的数据来源，如参考信号，邻居发电机的频率信号、电压信号、功率信号以及自身发电机的频率、电压信号和功率信号。二次控制得到的相加之后积分得到相加之后积分得到相加之后积分得到在结合通信策略来判断分布式发电机i是否与邻居发电机进行信息交换，若满足条件进行通信；否则，不通信。通过通信策略可以达到减小通信成本的目的。对于其它分布式发电机控制过程与上述一样。
[0157]
下面对本发明提供的一种智能微电网的分布式精准时间二次控制装置进行描述，
下文描述的分布式精准时间二次控制装置与上文描述的分布式精准时间二次控制方法可相互对应参照。
[0158]
如图11所示，一种智能微电网的分布式精准时间二次控制装置，包括以下模块：
[0159]
控制误差建立模块01，用于建立智能微电网中的分布式发电机数学模型以及一次控制模型，并建立控制误差；
[0160]
控制算法设计模块02，用于设计分布式精准时间二次控制算法，
[0161]
通信策略设计模块03，用于通过事件触发通信设计分布式发电机之间的通信策略；
[0162]
频率电压控制模块04，用于结合分布式精准时间二次控制算法和通信策略，在降低通信成本的情况下使分布式发电机的输出频率和电压恢复到额定值，即使控制误差趋于0；
[0163]
发电成本优化模块05，用于对分布式发电机的发电成本建立数学模型，并设计优化算法以最小化其发电成本。
[0164]
本发明实施后带来的有益效果是：
[0165]
1、考虑了智能微电网的设备之间有限的通信资源，通过事件触发通信策略来减少通信网络的负担，更加具有实际意义；
[0166]
2、所设计的二次控制算法能够使得各个发电机的频率和电压能够在准确的设定时间恢复到额定值；
[0167]
3、考虑了发电机的发电成本，对发电成本建立数学模型，对其成本函数进行优化，使得所有发电机的发电成本和最小，更具有工程意义。
[0168]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
[0169]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序，可将这些词语解释为标识。
[0170]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。