基于多智能體系統的微電網安穩控制策略

李哲, 嚴婷, 竇春霞

(1.南京郵電大學自動化學院, 人工智能學院, 南京 210023; 2.南京郵電大學碳中和先進技術研究院, 南京 210023)

全球范圍內的化石能源日益枯竭,能源使用所帶來的污染問題也變得愈發嚴重,可再生能源的清潔性以及可再生性,使其發電并與電網相結合建設綠色節能電力系統成為了必然趨勢,但單一的分布式能源可被視為對公用電網的干擾[1-3]。分布式能源 (distributed energy resources, DERs) 的接入會增加電網的不穩定性,微電網的提出就是為了解決這個問題。微電網由一定區域內的各種DERs單元和一系列負荷組成,能夠提升電能的供給質量。在滿足自身安全穩定的條件下,微電網與公用電網應相互支持,兩者通過公共耦合點 (point of common coupling, PCC) 相連接。在公用電網不穩定的情況下,微電網可以立即與電網分離并進入“孤島”運行模式,此時微電網的能源需求僅由DERs提供。

隨著多智能體技術的廣泛發展,通常構建包含電網智能體、微電網智能體和DERs智能體的多智能體系統[4-6]。考慮到微電網是由多個部件組成的系統,不同DERs的運行模式基于不同基礎下設計的協調控制指令進行切換,且切換時產生擾動使得維持微電網的穩定性和安全性成為一大難題。微電網中部分DERs的運行模式可以僅根據環境進行切換,如風力發電機 (wind turbine, WT) 和光伏電池 (photovoltaic cells, PV)。當負荷需求得不到滿足或電網中的電能閑置時,需要根據整個微電網系統的功率需求切換蓄電池 (batteries, BT) 和燃料電池 (fuel cells, FC) 的運行模式。在協調控制的過程中,DERs的運行模式轉換可以維持微電網的平衡[3]。因此,微電網的控制需要整體協調策略。電力電子技術也增加了微電網的復雜性,來自不同DERs的電能需要通過逆變器進行轉換,逆變器保證了交流母線的穩定性。DERs和逆變器的分散控制是微電網正常運行的前提。針對這些問題,提出基于多智能體系統 (multi-agent system, MAS) 的兩級分散協調控制方案。

影響微電網穩定性和安全性的因素有很多。DERs的運行模式必須在電壓穩定和功率平衡的前提下進行切換,光伏和儲能的一體化系統能夠在一定程度上緩解模式切換的功率波動[7],但僅僅考慮光伏和儲能的作用卻忽略了種類豐富的其他DERs與之電網的協同關系;文獻[8]基于負荷的不確定性,通過對負荷不確定性模型的建立和求解,提出了4項電壓穩定風險指標,對于增強系統在重大擾動下的安全性和自愈能力具有重要意義;在運行模式轉換過程中,儲能系統功率特性特有的平滑特征對于維持系統的穩定性和安全性,平抑DERs的波動性和隨機性起著非常重要的作用[9];文獻[10]考慮DERs參與下的多種排放污染物成本,以最小化系統的成本函數為目標,在線優化微電網的運行以提高微電網的經濟性和安全性;為實現微電網系統各分布式能源之間日益耦合的情況,文獻[11]基于解析模型與數據驅動模型進行融合,通過神經網絡對微電網的頻率與歷史樣本對比,提升了對系統頻率評估的準確性;文獻[12]基于DERs的引入對微電網系統潮流動態的影響,通過對各類負載的過流繼電器進行最佳的協調優化,避免了新能源的接入對微電網潮流動態影響而導致的系統運行不穩定等問題。以上研究對微電網安全穩定運行的影響因素都進行了一定的考量,但仍然存在考慮情況單一、所用方法不夠準確以及對DERs本身的功率特性考慮不周等問題?；诖?本文中提出了基于網格自適應直接搜索過濾算法(mesh adaptive direct search filter algorithm, MADSFA) 以及DERs的PN模型,來整合這些約束并搜索最優運行模式。該算法是改進的網格自適應直接搜索算法[13]。MADSFA可以實時更新可行域和不可行域,增加了系統的可靠性。

為了達到控制的效果,MAS必須在通信技術發達的環境下工作。MAS中存在多種通信模式,如主從通信模式和無固定主從通信模式。MAS內部的通信模式可以用Petri網(Petri-net, PN)表征[14]。PN是表達MAS的一種重要工具。本文中采用由令牌、庫所和變遷組成的有色Petri網 (color Petri-net, CPN)來表示運行模式轉換過程,以驗證運行模式的可達性[15-16]。

本文中設計一種基于MAS的兩級分散協調控制方案,MAS負責對微電網的監測和對DERs的運行控制,實現DERs最優運行模式轉換以維護微電網的高安全性和穩定性。首先,討論MAS具體的通信模式以及協商溝通的機制。其次,基于PN構建各DERs的運行模式切換模型,利用MADSFA選擇最佳的協調控制邏輯指令,并用有色Petri網(color Petri-net, CPN)來驗證所設計的運行模式的可達性。然后,在DERs的逆變器和控制器之間增設預設性能控制器,以期逆變器的輸出功率誤差無論在穩態還是暫態的情況下均能穩定在預設誤差范圍之內。最后,基于MAS仿真24 h內的實時監控和分散控制的效果。

1 基于MAS的協調控制

1.1 基于MAS的微電網結構

所研究的基于MAS的微電網的結構如圖1所示。DERs通過電力電子元件與電網相連。系統中的每個部件自身都有單元控制智能體,以實現局部的分散控制[17-20]。上層協調控制 (coordinated control, CC) 智能體根據所有智能體的信息發出邏輯控制指令,以實現協調控制。

CC為協調控制;UG為公用電網;WT為風力發電;FC為燃料電池;PV為光伏發電;AC/DC為交流/直流;PCC為公共耦合點圖1 基于MAS的微電網結構Fig.1 The structure of microgrid based on MAS

每個智能體都是一個計算機系統或硬件實體。它不僅可以感知環境,還可以與其他智能體進行信息傳遞。每個智能體的基本結構如圖2所示。分析決策模塊根據來自環境、數據庫、通信模塊和算法模塊的信息構建控制命令。在本文中,CC智能體中的算法模塊為MADSFA模塊。CC智能體向部件智能體發送操作模式轉換命令。并且每個部件智能體中的算法模塊是它們各自的控制算法。

圖2 智能體的基本結構Fig.2 The fundamental structure of an agent

1.2 MAS的溝通協商機制

在協調過程中,對信息的處理非常重要。MAS中存在兩種通信協商機制,它們分別是無固定主從模式和主從模式。本文中采用這兩種通信模式的組合來解決MAS的溝通協商問題。

無固定主從模式主要用于小型獨立調節。當微電網中任意DER的電源出現異常,其單元控制智能體會向其他智能體尋求幫助,其他智能體可以提供應急預案。請求幫助的智能體被稱為管理方智能體 (manager agents, MA);響應請求的智能體被稱為協商智能體 (negotiation agents, NA)。MA處理來自優先級較高的NA的響應。優先級的控制指標為W=D+C+T, 其中D為兩個DER之間的距離,C為成本,T為響應時間。無固定主從通信模式如圖3所示。

圖3 無固定主從的通信模式Fig.3 The no fixed master-slave communication mode

主從式和無固定主從式通信模式的區別在于主從通信模式下存在中央協調智能體 (central coordination agents, CCA)。 DERs的所有信息都應傳遞給CCA,CCA通過分析進行能量調度。CCA與其他智能體的通信過程如圖4所示。主從模式與無固定主從模式相結合的通信方式可以增加系統的可靠性和穩定性。在CCA進行計算時,MA可以基于固定的主從通信模式進行應急決策。

圖4 主從通信模式Fig.4 The master-slave communication mode

2 協調控制策略

2.1 基于PN的DERs模型

為了呈現運行模式的轉換過程,本文中采用了PN法。PN是一個系統分析和研究的工具,它可以有效地對并發系統進行描述和建模。在微電網中,DERs有多種運行模式,它們的運行模式基于不同的條件進行切換[21-23]。

2.1.1 基于PN的WT單元模型

當風速v高于額定風速ve時, WT工作在恒功率輸出 (constant power output, CPO) 模式; 當風速低于額定風速時,WT運行在最大功率點跟蹤 (maximum power point tracking, MPPT) 模式。并且WT所能捕獲的最大風速vmax和最小風速vmin是有限的。基于PN的WT單元模型及說明如圖5、表1所示。

表1 WT的PN模型說明Table 1 Description of PN model for WT unit

圖5 基于PN的WT單元模型Fig.5 The model of WT unit based on PN

2.1.2 基于PN的光伏單元模型

當入射的輻射度GING大于閾值η時,PV工作在MPPT模式。 閾值是根據光伏電池的性能來確定的。 如果GING≤η, 則PV停止工作?；赑N的光伏單元模型及其說明如圖6所示和表2所示。

表2 光伏單元的PN模型說明Table 2 Descriptions of PN model for PV unit

圖6 基于PN的光伏單元模型Fig.6 The model of PV unit based on PN

2.1.3 基于PN的BT單元模型

為了平衡微電網中的功率,可控制的DER必不可少。BT的性能可由其荷電狀態(state of charging,SOC)進行表征。SOC表達式為

(1)

式(1)中:Q0(t)為蓄電池放電電量;Q0為蓄電池額定容量。

當WT和PV的輸出功率大于負荷需求時,BT單元進行充電;若WT和PV的輸出功率不能滿足需求,儲能單元將進行放電。SOC的最小值為 SOCmin,最大值為SOCmax?；赑N的BT模型如圖7所示,相關說明如表3所示。

表3 蓄電池單元的PN模型說明Table 3 Descriptions of PN model for BT unit

圖7 基于PN的BT單元模型Fig.7 The model of BT based on PN

2.1.4 基于PN的FC單元模型

當BT無法滿足供需平衡時,就需要FC參與系統調控。設PL、PWT、PPV和PBT分別為總負荷需求、WT輸出功率、PV輸出功率和BT輸出功率。如果PL-PWT-PPV-PBT>0,使FC開始工作;如果PL-PWT-PPV-PBT≤0,使FC停止工作。基于PN的FC單元模型如圖8所示,相關說明如表4所示。

表4 燃料電池單元的PN模型說明Table 4 Descriptions of PN model for FC unit

圖8 基于PN的FC單元模型Fig.8 The model of FC unit based on PN

2.2 協調控制指標

在微電網中提出了一種兩級分散的協調控制方案。上層采用協調控制策略,它向DERs發出基于MADSFA的切換指令。安全性指標內容包括電壓安全、功率平衡、部件容量限制和最短啟停時間限制。當安全指標發生波動時,必須改變DERs的運行方式。為了維持系統的安全性和穩定性,在有限的可行模式中搜索最優模式顯得至關重要。

2.2.1 安全性指標

1) 電壓安全

動態電壓綜合評估是根據電壓的性質提出的。電壓在初始崩潰點處衰減緩慢,之后會急劇下降。單獨使用電壓幅值作為檢測系統失穩的閾值可能會導致錯誤的結論。

第i個節點上的電壓序列表示為

(2)

第i個節點在第j個時刻來自N個可用測量值的波動平均值可以表示為

(3)

(4)

2) 功率平衡

控制過程的基本原理是微電網內的功率平衡,負荷需求需要由DERs的輸出功率來平衡,功率平衡被表述為函數為

PL-PWT-PPV=PBT+PFC

(5)

式(5)中:PFC為FC的輸出功率。

3) DERs容量限制

微電網是由不同的DERs組成的。為了穩定運行,每個DER的輸出功率都有下限和上限的限制。WT、PV和FC的輸出功率必須在額定范圍內,容量限制可概括為

minPn≤Pn≤maxPn

(6)

式(6)中:Pn為輸出功率;minPn為輸出功率最小值;maxPn為輸出功率最大值;n為部件的類型,包括WT、PV和FC。

BT的充放電容量也受到限制,與其他DERs不同的是,BT的能力是由SOC值來衡量的,前已述及,現表示為

SOCmin≤SOC≤SOCmax

(7)

4) 模式轉換速率限制

如果部件的工作模式頻繁切換,則會損壞部件。每個DER開啟和關閉的最短時間受到下限和上限的限制,表示為

(8)

式(8)中:ton為DER開啟持續時間;toff為DER關閉持續時間。

2.2.2 自適應直接搜索過濾算法

協調過程負責尋找最優的運行模式,然后MAS根據優化結果向DERs發送運行模式的轉換命令。如前所述,DERs的工作模式可以定義為

(9)

式(9)中:MWT、MPV、MFC和MBT分別為WT、PV、FC和BT的運行模式。定義一個運行模式序列α=(MWT,MPV,MFC,MBT)。

在微電網實時協調控制過程中,通過在線優化在有限的可行模式中搜索最優運行模式。本文中采用MADSFA來搜索最優模式,考慮基本的運行情況, 定義約束違反函數h(α)為

h(α)=max(L-0.9,0)+

max(|PL-PWT-PPV-PBT-PFC|,0)+

max∑(minpn-pn,0)+max∑(pn-maxPn,0)+

max(SOCmin-SOC,0)+max(SOC-SOCmax,0)+

max∑(minton-ton,0)+max∑(ton-maxton,0)+

max∑(mintoff-toff,0)+max∑(toff-maxtoff,0)

(10)

h(α)綜合了所有的安全指標。 如果h(α)=0,則系統是安全的,這意味著α是h(α)=0的一個可行解。在h(α)中, 如果L≤0.9、max(L-0.9,0)=0,說明電壓是安全的;如果0.9≤L<1、max(L-0.9,0),=L-0.9,表示電壓是安全的,但需要進行運行模式的轉換;如果L≥1、 max(L-0.9,0)=L-0.9≥0.1,表明電壓已經崩潰,系統不安全。max(L-0.9,0)具有最大值0.1。h(α)中另一個指標的分析與電壓指標類似,可以用h(α)來衡量運行模式的不可行性,將滿足要求的α分為三類:可行點、不可行點和不安全點。

定義對任意兩個有限的權重向量w和w′,當w

約束違反函數的向量形式可以表示為

H(α)=[max(L-0.9,0),

max(|PL-PWT-PPV-PBT-PFC|,0),

max∑(minpn-pn,0),max∑(pn-maxPn,0),

max(SOCmin-SOC,0),max(SOC-SOCmax,0),

max∑(minton-ton,0),

max∑(ton-maxton,0),max∑(mintoff-toff,0),

max∑(toff-maxtoff,0)]

(11)

設計過濾器驗證迭代點的可行性,它可以過濾掉H(α)中任何變量超出允許最大值的不安全點。

過濾器Fβ定義為

Fβ={α′:Hβ(α′)≤Hmax}

(12)

式(12)中:β為迭代次數;α′為迭代點;Hmax為H(α)的最大值。

集合D存在兩個限制:①D必須是一個正支撐集,也就是說,其元素的非負線性組合必須支撐Rn;②每個方向dγ∈D(γ=1,2,…,nD)上的Gzγ,都必須是某個固定的非奇異生成矩陣G∈Rn×n與一個整數向量zγ∈Zn的乘積。方便起見,集合D也被視為一個n×nD的實矩陣。

網格定義為

(13)

式(13)中:Sβ為目標函數值在第β次迭代前計算的點的集合;N為非負整數集。

在網格搜索步驟中,如果迭代未能生成改進的網格點,即h(αβ+1)≤h(αβ),則在終止迭代之前調用輪詢步驟。輪詢步驟由對迭代點αβ附近的優化變量空間的局部探索組成。輪詢步驟遵循如下框架,即

(14)

通過CPN驗證了這些成功迭代點的可達性。若可行點全部不可達,優先選取使h(α)值較小的不可達點。2.3節介紹基于CPN的運行模式可達性驗證。

2.3 運行模式轉換過程

協調過程負責尋找最優運行模式,然后MAS根據優化結果向DERs發送運行模式轉換命令。安全是運行模式轉換的前提,運行模式可根據MADSFA進行切換。當系統安全穩定時,上層智能體只對下層智能體進行監控,上層智能體在發現異常時會發送調度命令?；贛AS的微電網可以實現功率平衡的實時監測和跟蹤。

采用CPN表示運行模式轉換過程。它由令牌、庫所和變遷組成,CPN中的令牌主要包括需求令牌D={UD}(用戶需求)和服務令牌S={PS,WS,BS,FS}。PS、WS、BS和FS分別代表風電、光伏、蓄電池和燃料電池的服務。這些服務的不同狀態具有不同的顏色。這些顏色被定義為PS〈m,t〉、WS〈m,o,t〉、BS〈a,b,c,d,e〉和FS〈n,f〉。對應關系見表5。

表5 顏色與工作模式的對應關系Table 5 Corresponding relations of colors and working mode

PV和WT的狀態可以被監測,但是不能被調度,它們的運行模式只能基于環境條件進行切換。定義S′={PS,WS},表示不可控能源,可以簡化為S′〈s〉。S′〈s〉共有6種狀態。MG的CPN如圖9所示,其說明如表6所示。

表6 微電網CPN模型說明Table 6 Description of CPN model for microgrid

圖9 MG運行模式轉換過程的CPN模式Fig.9 The CPN mode for MG operational conversion process

3 分散控制策略

3.1 逆變器建模

在維持系統穩定時,逆變器是必要的[24]。當DERs運行模式切換時,逆變器保證了微電網的安全性和穩定性[25]。DC-AC接口系統由DERs、DC-AC逆變器、LCL濾波器、本地用戶和PCC組成。該系統結構如圖10所示。

圖10 DC-AC接口系統結構Fig.10 Structure of the DC-AC interfaced system

DC-AC逆變器接口系統的數學模型為

(15)

式(15)中:uinv為逆變器的輸出電壓;i1為逆變器的輸出電流;uc為濾波電容的電壓;i2為負荷的電流;L1、L2、C分別為濾波器的電感和電容;y為系統輸出。

式(15)可改寫為

(16)

式(16)中:x(t)為狀態變量;u(t)為控制輸入;

3.2 下垂控制策略

在同步發電機中,有功功率P與頻率f呈線性關系,無功功率Q與電壓U呈線性關系。P-f和Q-V的線性關系如圖11所示。

圖11 P-f和Q-U的線性關系Fig.11 The linear relationship between the P-f and Q-U

與同步發電機類似,微電網也可以由下垂控制器控制。下垂控制有兩種控制策略,分別是P-Q控制策略和f-V控制策略。P-Q控制策略通過測量頻率和電壓計算微電網的參考有功功率和無功功率;f-V控制策略通過測量微電網的有功功率和無功功率來計算參考頻率和電壓。這些控制策略如圖12和圖13所示。圖中Pref和Qref分別為交流母線的有功功率和無功功率參考值;Pout和Qout分別為逆變器輸出的有功功率和無功功率。逆變器的輸出電流以下垂控制器的輸出值為參考。

圖12 P-Q控制策略Fig.12 P-Q control strategy

圖13 f-V控制策略Fig.13 f-Vcontrol strategy

基于下垂特性,可以得到P-f和Q-V之間的線性關系為

(17)

式(17)中:f為頻率;U為電壓;f0為系統中無負荷時的運行頻率;U0為電壓的初始值;m和n均為下垂系數,表達式為

(18)

式(18)中:fmin和Umin分別為最小運行頻率和最小電壓;P0和Q0分別為有功功率和無功功率初始值;Pmax和Qmax分別為有功最大值和無功最大值。

根據DERs的性能,在微電網中對不同的DERs分別采用不同的下垂控制器。WT、PV和FC單元采用P-Q模式動態控制;對BT單元進行f-U模式控制以穩定電壓和頻率。

3.3 預設性能控制器

提出了逆變器的預設性能控制器,保證了系統的誤差以預定義的遞減邊界為界限。預設性能控制器的控制目標是使誤差達到預設的暫態和穩態目標。誤差被定義為e1(t)=y-y*y*為參考值。

控制目標等價于

(19)

式(19)中:ρ(t)和e1(t)相互關聯;常數ρ∞表示穩態下誤差e1(t)的最大允許值。用的下降速率表征e1(t)的收斂速度的一個下界,同時預設最大超調量小于δρ(t)。因此,可以適當選擇性能函數ρ(t)和構造常數δ,對系統輸出施加行為上的約束。

本文中,ρ(t)=(ρ0-ρ∞)e-lt+ρ∞為基于控制要求選擇的;l為正標量;ρ0>e1(0);δ為系統的超調量。

如果誤差e1(t)在預定義的有界區域內演化,則可以達到預定的性能。

為了約束瞬態誤差,本文中采用了與上述類似的誤差變換。

定義

ε=R[e1(t)/ρ(t)]

(20)

式(20)中:R[e1(t)/ρ(t)]為一個光滑且嚴格遞增的函數。當e1(0)≥0時,R[e1(t)/ρ(t)]∶(-δ,1)→(-∞,+∞);當e1(0)<0時,R[e1(t)/ρ(t)]∶(-1,δ)→(-∞,+∞)。顯然,當ε有界時,e1(0)≥0時的不等式-δρ(t)

證明：本文中采用反步法設計新的控制器。

(21)

(22)

最后,DC-AC接口系統控制框圖如圖14所示。

ω0為監測到的逆變器端電壓的初始角頻率;v0為監測到的逆變器端電壓的初始電壓圖14 DC-AC接口系統控制框圖Fig.14 DC-AC interfaced system control block diagram

4 仿真實驗結果

仿真結果如圖15～圖20所示,重點仿真了基于MAS的24 h實時監控和分散控制協調過程。

圖15 微電網的輸出電壓和輸出電流Fig.15 The output voltage and current of microgrid

DER的性能參數如表7所示。圖15為微電網的輸出電壓和電流,結果表明了所設計的DERs控制器能夠保證微電網電壓和電流的安全和穩定,證明了所提出策略在面對多種DER工作模式不斷切換的場景下仍舊能夠保持整個微電網系統的高安全性和穩定性。

表7 各DER的性能參數Table 7 Performance parameter of each DER

如圖16所示,L一直小于有理數1,證明在監控的時段內,微電網系統沒有發生過崩潰現象。當L≥0.9時,通過MADSFA算法在協調控制指令集合中,選取當下最佳的協調運行控制指令并執行,使電壓穩定指標L≤0.9。圖16說明了通過最佳協調控制指令的執行,可以電網系統電壓波動控制在安全范圍之內。

圖16 微電網電壓穩定參數LFig.16 The voltage stability indexLof microgrid

圖17為負荷、PV和WT的實時輸出功率,PV和WT的工作模式基于環境條件的變化進行切換。

圖17 WT、PV和負荷的輸出功率Fig.17 The output power of the WT, PV and load

當光照強度達到閾值時,PV采用MPPT輸出模式,由圖17可知PV閾值較小,能夠在固定時段08:00—16:00保持不間斷的運行;但是WT受自然風速影響,無法持續運行,需要針對自然環境條件的改變而變換運行模式,運行狀態非常不穩定。顯然,相對來說PV比WT更加穩定。

FC和BT的輸出功率如圖18、圖19所示,在PV或WT運行狀態不佳的情況下,BT需要發出功率以滿足整個系統的功率需求,大部分時間內,蓄電池都可以維持系統的功率平衡。只有在01:20—03:50和07:00—09:45期間,此時間段內的WT和PV幾乎沒有任何功率輸出,單單依靠BT以無法滿足整個系統的功率需求,才需要FC參與維持系統的功率平衡。誤差Pe=PL-PWT-PPV-PBT-PFC如圖20所示。從圖20可以看出,在PV和WT變換工作模式或系統頻率產生波動時,BT和FC的輸出功率能夠有效地平衡系統波動。但在14:00—15:20期間,BT達到其最大容量2 000 kW·h,且PL-PWT-PPV<0,系統的總輸出功率已經超過了當前可調負載所需的總功率,此時為了避免元器件的損壞,需要偽負荷消耗額外的功率。

圖18 燃料電池的輸出功率Fig.18 The output power of the FC

圖19 蓄電池的輸出功率Fig.19 The output power of the BT

圖20 微電網的分散協調控制誤差Fig.20 The error of the decentralized coordinated control of the microgrid

仿真結果說明,所提的基于MAS的兩級分散協調控制策略能夠在多種DER參與運行情況下維護微電網系統高安全性和穩定性。

5 結論

針對微電網提出了一種基于MAS的兩級分散協調控制。上層智能體的主要功能是通過發送離散控制指令實現協調策略。在此過程中,DERs的運行模式轉換至關重要。如前所述,MADSFA能夠快速有效地找出最優運行模式。下層智能體負責分散控制,它們收集信息并相互交流,而且逆變器控制器保證了微電網的穩定性。仿真結果表明,基于MAS的控制系統可以通過搜索和切換DERs的運行模式對微電網進行分散協調控制。此控制系統提高了微電網的安全性和穩定性。