基于快速一致性的微電網分布式控制策略

張雅琴，魏文軍,2

(1. 蘭州交通大學 自動化與電氣工程學院，蘭州 730070；2. 蘭州交通大學 光電技術與智能控制教育部重點實驗室，蘭州 730070)

微電網是指由分布式電源(distributed generator，DG)、電力電子設備和負載等構成的小規模電力系統.其具有并網和孤島兩種運行方式[1-2].孤島運行時，多臺DG并聯運行，共同承擔負載功率，微電網依靠自身的協調控制系統保證頻率及電壓穩定.但由于DG多采用光伏、風電等可再生能源發電設備，輸出功率受自然因素制約，具有隨機性、間歇性和控制困難等缺點，因此，孤島模式下的微電網優化控制問題得到了廣泛關注[3-5].

目前，常見的控制方法主要有集中式、分散式和分布式三種[6].傳統的集中式控制，主要是采用微電網控制中心(microgrid central control,MGCC)采集和處理全網的信息，通過向底層設備發出指令來實現系統的調節和控制功能.雖然這種方法的調節精度高，但因中心節點要采集和處理大量的數據，若中心節點出現故障，將波及整個系統的運行狀態.文獻[7]提出了一種基于虛擬阻抗的分散控制方法，該方法利用虛擬阻抗來平衡線路阻抗的影響，有較高的可靠性，能滿足DG即時從微電網接入或切除的要求，但功率分配精度低，母線電壓也得不到保證.文獻[8]提出了一種基于公共母線電壓的分散式控制方法，提高了功率分配的精度，但它不適用于無公共母線的微電網系統.

多智能體系統(multi-agent system,MAS)是由某些具有自治性、社會性、反應性和預動性作用的智能體，以相互交換信息的方式構成的復雜網絡系統.通過一致性算法，可以在無需獲取所有智能體信息的情況下，智能體僅需與相鄰智能體通信，最終使所有個體達到協調一致狀態[9-11].MAS因具有協調性好、通信線路少等優點，被應用于微電網協同控制中.文獻[12]結合MAS理論與微電網控制問題，將DG視為智能體，多臺DG構成多智能體系統.文獻[13-14]提出了一種分布式協調控制策略，通過調節使電壓和頻率維持穩定，同時實現功率均分，但該方法需要接收系統內各節點的信息，造成信息量過大等問題.文獻[15-16]利用MAS一致性算法，每臺智能體僅通過與鄰居智能體交換電壓、頻率信息，就能估算出全網的平均信息，優化下垂控制的參數，實現各DG輸出功率的精確分配，并進行系統的調壓調頻.文獻[17]提出了一種基于一致性算法的微電網控制策略，實現了調壓調頻和功率分配，但在負荷較小或DG裝機容量較大時，會造成功率分配不均，且一致性算法的收斂速度慢，造成系統運行時間過長.

本文在現有研究的基礎上，將多智能體快速一致性算法應用到微電網中，每臺DG及其逆變器視為一個智能體，僅需鄰居智能體間交換功率信息，就可以計算出全網的平均功率和總功率，用于實現系統頻率、電壓穩定和功率分配.按照備用功率比例承擔突增的負荷，解決了由于各電源容量不同造成的功率分配不合理的問題，同時提高了系統的響應時間，最后通過仿真算例對該策略進行了驗證.

1 多智能體系統快速一致性算法

(1)

式中：xi、ui分別表示智能體i的狀態變量和輸入變量，經典的一致性協議[18]如下：

(2)

式中：Ni表示多智能體i的鄰居集合.

基于局部信息反饋的快速一致性協議[18]如下：

(3)

式中：k1i表示智能體i的反饋增益，k2i表示智能體i與鄰居智能體j的差值增益，通過調節k1i、k2i的大小，可以縮短狀態變量的收斂時間；ni(t)表示智能體i的鄰居智能體數，且與它的入度相等，即ni(t)=dii.

定理[19]：在MAS中，當且僅當L所對應的圖G包含一棵有向生成樹時，協議(3)可使該系統的狀態變量達到漸近一致收斂，即

x1∞=x2∞=…=xn∞≈xave.

(4)

將式(3)代入式(1)中，有

(5)

寫成矩陣形式并化簡后得到

(6)

式中：E為n階單位矩陣；n階對角矩陣K1=diag(k11,k12,…,k1n),K2=diag(k21,k22,…,k2n),ΔK1=diag(k1/(a11+1),…,kn/(anm+1)).

因此，該算法可取代傳統一致性對每一個智能體狀態變量的獲取和計算，節約通信時間，提高運算速度.

2 基于快速一致性的微電網分布式優化控制策略

本文所提策略以分層控制為架構，系統整體控制結構如圖1所示,各控制層的主要作用如下：

1) 一次控制層：以基于P-f的下垂控制為基礎，初步實現系統頻率穩定以及電源出力的分配.但下垂控制會產生頻率偏差，無法保證系統頻率維持在額定值.

2) 二次控制層：利用快速一致性算法計算出各臺DG的頻率補償量，消除一次控制產生的頻率偏差.

3) 三次控制層：利用快速一致性算法計算出DG備用功率均值和每臺DG增加的功率，按照備用功率比例分配輸出功率，解決了DG出力不合理的問題.

2.1 一次控制層設計

當微電網以孤島狀態運行時，逆變器通常采用P-f下垂控制方式，控制方程為[20]

(7)

m1P1=m2P2=…=mnPn=C2.

(8)

由式(8)可知，逆變器輸出功率與下垂系數成反比，通過調節下垂系數可以實現逆變器輸出功率的比例分配，但因為下垂控制會產生頻率偏差，因此需要在二次控制中彌補該偏差.

2.2 二次控制層設計

為確保系統輸出頻率維持在額定值，每臺DG需進行頻率補償.若各智能體單獨計算各自的頻率補償量，會因各臺逆變器頻率補償量不一致而無法相互協調.為避免這一影響，可選取各臺逆變器補償量的平均值作為逆變器共同的頻率補償量[17]，即

Pi,pu-1)=C1(Pave,pu-1).

(9)

(10)

2.3 三次控制層設計

由DG輸出的有功功率和額定功率計算出相應的備用有功功率，即

(11)

將其作為狀態變量，由快速一致性算法(式(5))得到備用有功功率均值，進而求出總備用有功功率，即：

(12)

當負荷增加Pd后，每臺DG的功率補償量和輸出功率為：

(13)

此時，通過調節下垂系數來控制各電源的輸出功率，使之滿足

(14)

最后，將更新后的下垂系數送至下垂控制環節，實現分布式電源出力的合理分配.

3 仿真分析

為驗證基于快速一致性的微電網控制策略的有效性，通過Matlab/Simulink仿真軟件搭建了如圖2所示的微電網仿真模型.

仿真過程如下：0～2 s，系統帶動負載1 并達到穩定運行；t=2 s時，負載2投入運行.仿真參數如表1所列.

表1 仿真參數

為驗證本文控制策略在頻率調節和功率分配兩個方面的有效性，將按照以下三種情形進行仿真分析：

1) 僅采用下垂控制：從圖3可以看出，t=2 s時，系統因負載2的突然切入，有功負荷增加了10 kW，受下垂控制方程影響，此時系統頻率下降.因此，傳統的下垂控制會導致系統頻率在較大負荷波動時偏離額定值.

從圖4(a)可看出，各DG以4∶3∶2∶1的比例承擔系統有功負荷.2 s后，由于負載2的突然接入，DG2的輸出功率已超出其最大值(6 kW)，以最大運行狀態工作的電源，不僅無法滿足用戶需求，還會降低設備壽命，給系統帶來安全隱患.

2) 采用傳統一致性算法的控制策略：在一次控制的基礎上，增加基于傳統一致性的頻率和功率控制層.由圖3可看出，經過一致性算法計算得到的頻率補償量補償至下垂控制環節后，約2.4 s時，頻率恢復到額定值.從圖4(b)可以看到，通過有功功率控制環節，各DG按照備用有功功率比例進行負荷分配，約t=3 s時，功率輸出才達到穩定，該策略在一致性算法下雖然可以實現頻率補償和功率控制，但恢復時間過長.

3) 采用基于快速一致性算法的控制策略：在二次和三次控制層中采用快速一致性算法.

從圖5(a)可看出，傳統一致性算法下的有功功率標幺值在6 s時逐漸收斂至平均值，而快速一致性算法(圖5(b))在2 s時就已達到了收斂值，收斂速度提高為原來的3倍左右.從圖3可以看出，約t=2.1 s時，系統頻率恢復至額定頻率50.01 Hz左右，恢復時間提高了近40%.從圖4(c)可以看到，約t=2.2 s時輸出有功功率達到穩定值，DG1～DG4按備用功率比例6∶2∶2∶1分擔系統增加的10 kW負荷，輸出功率均低于最大值，電源出力分配更加合理.

從圖6可看出，在2 s時，由于負載2的接入系統電壓幅值突增，在采用快速一致性算法的控制策略下，電壓幅值迅速恢復至311 V，電壓達到穩定狀態；另外，約t=2.2 s時DG1～DG4的無功按備用功率比例6∶2∶2∶1分擔系統突增的10 kvar無功負荷，實現了系統的無功功率分配.

通過對比可知，基于快速一致性的微電網控制策略，不僅實現了系統頻率穩定和功率合理分配，還提高了一致性的收斂速度，縮短了系統響應時間.

4 結論

本文結合多智能體系統分布式控制理論，將快速一致性算法應用于微電網的電壓、頻率控制和功率分配中.該控制策略解決了傳統下垂控制存在頻率偏差和功率分配不合理的問題，提高了系統響應速度，增加了系統運行的穩定性和可靠性，更具有現實意義.