基于一致性算法的微網(wǎng)分布式有功均衡控制

李 陽(yáng) 葉瓊蔚

?

基于一致性算法的微網(wǎng)分布式有功均衡控制

李 陽(yáng) 葉瓊蔚

（重慶大學(xué)輸配電裝備及系統(tǒng)安全與新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室，重慶 400044）

為實(shí)現(xiàn)微網(wǎng)內(nèi)可控型分布式電源（distributed generator, DG）按有功容量分配負(fù)荷以避免其過(guò)載，建立了基于一致性算法的分布式有功均衡控制模型。不依賴于中央控制器，而是通過(guò)Agent與鄰居Agent之間的局部通信，根據(jù)自身信息及獲取到的鄰居信息來(lái)實(shí)時(shí)更新自己的信息，作為可控DG的指令以實(shí)時(shí)調(diào)整自身有功輸出。此外，建立了考慮通信延時(shí)的有功均衡控制模型?；贛atlab/Simulink仿真驗(yàn)證了所提均衡控制策略可以達(dá)到有功均衡的效果，解決了部分DG過(guò)載的問(wèn)題，且系統(tǒng)電壓和頻率穩(wěn)定。另外，討論了延時(shí)對(duì)系統(tǒng)的影響，驗(yàn)證了延時(shí)過(guò)大會(huì)使系統(tǒng)均衡精度變差。

微網(wǎng)；可控DG；有功均衡；一致性算法；延時(shí)

微網(wǎng)是一個(gè)包含多種DG、儲(chǔ)能、負(fù)荷的可控、友好的小型電力網(wǎng)絡(luò)，眾多特性各異的DG常通過(guò)變流器并聯(lián)運(yùn)行，以提高系統(tǒng)的可靠性。由于多DG并聯(lián)協(xié)調(diào)控制策略影響系統(tǒng)的穩(wěn)定性，因而得到了業(yè)界的廣泛關(guān)注[1-3]。

微網(wǎng)中多臺(tái)DG的功率均衡控制，即依據(jù)DG容量比例來(lái)分配系統(tǒng)總負(fù)荷，可以最大程度避免單臺(tái)DG過(guò)載，從而提高系統(tǒng)運(yùn)行可靠性，已有不少文獻(xiàn)從功率均衡控制角度進(jìn)行研究。文獻(xiàn)[4]提出了以降低有功分配的分配誤差為目標(biāo)，使風(fēng)力發(fā)電機(jī)組按容量比例分配負(fù)荷的策略。文獻(xiàn)[5]根據(jù)風(fēng)力發(fā)電機(jī)組的運(yùn)行狀態(tài)和實(shí)時(shí)風(fēng)速等信息，對(duì)機(jī)組進(jìn)行動(dòng)態(tài)分類，并按風(fēng)電機(jī)組最大發(fā)電能力和運(yùn)行約束條件建立有功分配模型。然而，以上模型都依賴于一個(gè)集中控制器，在微網(wǎng)內(nèi)DG數(shù)量很多的情況下，中央控制器的通信及控制壓力較大，可能無(wú)法對(duì)各臺(tái)DG實(shí)施有效調(diào)度，系統(tǒng)可靠性及可擴(kuò)展性不高。下垂控制是避免集中式控制上述問(wèn)題的有效方法，其不依賴于集中式控制器，且通信依賴程度低甚至無(wú)需通信，因此在均衡控制中得到廣泛的應(yīng)用。但下垂控制存在諸多問(wèn)題：均衡精度與穩(wěn)定性存在一定的矛盾、無(wú)功分配精度不高、電壓控制難度較 大[6-9]。

文獻(xiàn)[10]提出一種包含最大功率跟蹤控制（MPPT控制）、定功率跟蹤控制（PQ控制）、恒壓/恒頻控制（V/f控制）的分布式控制模型。該模型中，風(fēng)機(jī)、光伏采取MPPT控制以提高新能源滲透率；柴油機(jī)組、微型燃?xì)廨啓C(jī)采取PQ控制，為系統(tǒng)提供穩(wěn)態(tài)支撐；儲(chǔ)能裝置采取V/f控制為系統(tǒng)提供暫態(tài)支撐。該模型特點(diǎn)在于：①不依賴于集中控制器；②實(shí)現(xiàn)新能源最大程度消納；③不存在下垂控制穩(wěn)定性較差的問(wèn)題。但該模型中可控DG按照“就地補(bǔ)償”或“就近補(bǔ)償”的原則來(lái)分配負(fù)荷，如果附近負(fù)荷較大或者可再生能源出力較小，就可控DG易出現(xiàn)過(guò)載的問(wèn)題。

為解決文獻(xiàn)[10]模型中可控DG容易過(guò)載的問(wèn)題，本文在其基礎(chǔ)上，建立了可控DG有功均衡控制模型。其實(shí)現(xiàn)方案如下：利用稀疏通信網(wǎng)絡(luò)，通過(guò)鄰居之間的點(diǎn)對(duì)點(diǎn)通信，實(shí)時(shí)交換可控DG的有功/容量比信息，基于一致性算法確定下一控制周期的有功/容量比指令值，本地控制器依據(jù)該指令值計(jì)算其下一時(shí)刻的有功輸出。該改進(jìn)模型完整保留了文獻(xiàn)[10]不依賴于集中式控制器、新能源最大程度消納、穩(wěn)定性高這些優(yōu)點(diǎn)；同時(shí)克服了可控DG容易過(guò)載這一問(wèn)題，實(shí)現(xiàn)了有功的大范圍互濟(jì)，對(duì)減小可控DG及儲(chǔ)能容量配置，提高系統(tǒng)可靠性有重要意義；最后仿真驗(yàn)證了本文均衡控制的有效性、以及不同大小的通信延時(shí)對(duì)均衡精度的影響。

1 分布式有功均衡控制模型

本文分布式有功均衡控制建立在文獻(xiàn)[10]有功平衡控制的基礎(chǔ)上，首先對(duì)文獻(xiàn)[10]進(jìn)行簡(jiǎn)要概述，然后提出本文的有功均衡控制律。

1.1 分布式功率平衡控制

文獻(xiàn)[10]給出了微網(wǎng)電力-通信雙層網(wǎng)絡(luò)模型。其結(jié)構(gòu)如圖1所示。

圖1 微網(wǎng)雙層網(wǎng)絡(luò)模型

圖1中，Physical層由DG和負(fù)荷、輸電線路等一次設(shè)備構(gòu)成，其中：①DG包括可控DG、不可控DG和半可控DG 3種類型，可控DG包括微型燃?xì)廨啓C(jī)、柴油發(fā)電機(jī)等，其功率通過(guò)調(diào)節(jié)進(jìn)氣量、進(jìn)油量來(lái)控制，采取定功率控制（PQ控制），圖1中以“菱形”表示；②不可控DG指風(fēng)機(jī)、光伏板，采取最大功率跟蹤控制（MPPT）以提高新能源利用率，由于風(fēng)速、光強(qiáng)不可控，故其功率無(wú)法控制，圖1中以“橢圓形”表示；③半可控DG采用蓄電池、超級(jí)電容器等響應(yīng)速度快的電源，采取和恒壓/恒頻控制（/控制），為系統(tǒng)提供暫態(tài)支撐，圖1中以“橢圓形”表示。Cyber層由各Agent和Agent之間的通信鏈路構(gòu)成，Agent分為兩類：①可控DG配置的Agent成為可控Agent，圖1中以“菱形”表示；②不可控DG和半可控DG配置的Agent成為不可控Agent，圖1中以“橢圓形”表示。Agent兼具信息采集、處理、傳遞信息：①虛線表示Cyber層Agent采集物理層DG和負(fù)荷的信息，并向Physical層傳遞指令信息；②有向?qū)嵕€表示Agent之間的通信鏈路。

依據(jù)圖中的Cyber網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和Physical層各DG的屬性，可以確定功率平衡分布式控制律為

式中，L()和()表示各DG當(dāng)前時(shí)刻的有功負(fù)荷和有功輸出；L()和()表示各DG當(dāng)前時(shí)刻的無(wú)功負(fù)荷和無(wú)功輸出；b為平衡控制周期，即每b進(jìn)行一次式（1）的功率平衡計(jì)算；(+b)和(+b)分別表示下一b的有功和無(wú)功輸出指令；矩陣=[a]×n表示Agent之間連接關(guān)系，其中，表示Agent數(shù)量，若Agent向Agent向傳遞信息，則a=1，否則a=0；對(duì)角矩陣=[r]×n表示 Agent的屬性，若Agent為可控Agent，則r=1，否則r=0；對(duì)角矩陣=[d]表示各Agent的出度，例如，Agent有兩條出邊，則d=2。該平衡控制律的實(shí)質(zhì)是依據(jù)當(dāng)前時(shí)刻的功率輸出和負(fù)荷情況，按照“就地補(bǔ)償”或“就近補(bǔ)償”的原則，來(lái)確定可控DG下一時(shí)刻功率輸出的，以維持系統(tǒng)功率平衡。

1.2 分布式有功均衡控制模型

均衡控制的目標(biāo)是各DG功率輸出與其容量之比相等，因此有功均衡的表達(dá)式為

為實(shí)現(xiàn)式（2）所示的有功均衡控制，在圖1所示的Cyber層可控Agent之間架設(shè)雙向通信線路，圖中以雙向箭頭曲線表示，其通信網(wǎng)絡(luò)如圖2所示。

圖2 有功均衡控制通信網(wǎng)絡(luò)

（4）

由以上分析，本文有功均衡控制的思想為：在式（1）確定下一b可控DG的有功輸出后，各可控Agent與鄰居可控Agent每隔c交換一次一致量的信息，基于一致性算法，確定每一c，即每次迭代后可控DG的有功輸出，直到下一個(gè)b來(lái)臨。下一個(gè)b來(lái)臨之后，重新進(jìn)行上述迭代過(guò)程。

其控制框圖如圖3所示。

1.3 通信延時(shí)下的分布式有功均衡控制模型

微網(wǎng)的通信網(wǎng)絡(luò)中，特別是無(wú)線傳感網(wǎng)絡(luò)WSN、3G通信方式等，信道抗干擾能力差，傳輸速率低，不可避免地引入數(shù)據(jù)延時(shí)。計(jì)及延時(shí)，式（3）中的一致量迭代式為[11-13]

2 仿真分析

2.1 仿真參數(shù)設(shè)置

以圖1包含12臺(tái)DG的微網(wǎng)為例。其中DG2、DG4、DG5、DG7、DG10、DG12采取PQ控制，為可控DG，其有功容量分別為=[60, 57, 55, 50, 42, 45]kW；DG3為蓄電池，采取/控制；其余DG為風(fēng)機(jī)、光伏，采取MPPT控制。

仿真時(shí)長(zhǎng)設(shè)為3s，=1s時(shí)刻，有功負(fù)荷突增28%，整個(gè)仿真時(shí)間內(nèi)，風(fēng)速、光強(qiáng)實(shí)時(shí)變化。設(shè)定平衡控制周期b=40ms；均衡控制周期，即一致性算法迭代周期c=0.5ms。

2.2 有功均衡控制效果

如果不采取本文1.2節(jié)中有功均衡控制策略，就可僅通過(guò)文獻(xiàn)[10]的模型，即式（1）來(lái)確定可控DG的有功輸出。6臺(tái)可控DG的輸出如圖4所示。

由圖4可知，當(dāng)不采取有功均衡控制時(shí)，DG2、DG10負(fù)載過(guò)重，甚至出現(xiàn)短時(shí)過(guò)載現(xiàn)象，弱化了可控DG平抑新能源處理波動(dòng)及負(fù)荷變化的能力，降低了系統(tǒng)可靠性。

采取本文2.2節(jié)的均衡控制策略，即依據(jù)圖3所示的控制框圖，6臺(tái)可控DG的有功均衡效果如圖5所示。

圖5 有功均衡效果

如圖5所示，各可控DG的有功輸出與自身容量之比，即/近似相等，說(shuō)明其有功按其容量成比例輸出，達(dá)到了有功均衡控制的效果。各臺(tái)可控DG均未出現(xiàn)負(fù)載過(guò)重或過(guò)輕的問(wèn)題，從而提高了可靠性。且系統(tǒng)電壓、頻率穩(wěn)定，如圖6所示。

2.3 延時(shí)對(duì)控制效果的影響

圖6 系統(tǒng)電壓與頻率

（a）=1

（b）=3

圖7 不同延時(shí)對(duì)有功均衡效果的影響

對(duì)比圖7（a）和圖7（b），可知隨著延時(shí)增大，有功均衡效果逐漸變差。當(dāng)延時(shí)時(shí)，各個(gè)可控DG有功輸出與容量之比不再一致，即不再均衡。這是因?yàn)殡S著延時(shí)增大，一致量收斂速度減慢，或者不收斂，以此一致量來(lái)計(jì)算有功輸出，必然導(dǎo)致有功均衡效果較差。

3 結(jié)論

為避免微網(wǎng)內(nèi)DG過(guò)載的現(xiàn)象，提高可靠性，本文提出了一種DG有功輸出按自身有功容量來(lái)分配負(fù)荷的方案。不依賴于中央控制器，而是通過(guò)局部通信，根據(jù)自身信息及獲取到的鄰居信息來(lái)實(shí)時(shí)更新自身狀態(tài)，作為可控DG的指令以實(shí)時(shí)調(diào)整有功輸出。由于采用分布式控制方法，從而不存在因中央控制器“單點(diǎn)故障”導(dǎo)致全局崩潰的風(fēng)險(xiǎn)。仿真驗(yàn)證了所提均衡控制策略可以達(dá)到有功均衡的效果，解決了部分DG過(guò)載的問(wèn)題，且系統(tǒng)電壓和頻率穩(wěn)定。另外，討論了延時(shí)對(duì)系統(tǒng)的影響，延時(shí)較小對(duì)系統(tǒng)影響基本可以忽略，而延時(shí)過(guò)大會(huì)使系統(tǒng)性能變差。

本方法不足之處在于通信量較大。后續(xù)將在本文基礎(chǔ)上，減少通信量，增強(qiáng)控制策略對(duì)通信延時(shí)的魯棒性。

[1] 楊琦, 張建華. 微型電網(wǎng)運(yùn)行及保護(hù)設(shè)計(jì)[J]. 陜西電力, 2011, 39(1): 1-5.

[2] 田軍,吳建東. 風(fēng)光儲(chǔ)微網(wǎng)系統(tǒng)一體化解決方案[J]. 電氣技術(shù), 2014(S1): 9-14.

[3] 夏向陽(yáng), 萬(wàn)成. 配電網(wǎng)中光伏微網(wǎng)系統(tǒng)的新型控制策略[J]. 電氣技術(shù), 2012(8): 28-31, 50.

[4] Rodriguez-Amenedo J L. Arnalte S, Burgos J C. Automatic generation control of a wind farm with variable speed wind turbines[J]. IEEE Transactions on Energy Conversion, 2002, 17(2): 279-284.

[5] 梅華威, 米增強(qiáng), 李聰, 等. 采用機(jī)組風(fēng)速信息動(dòng)態(tài)分類的風(fēng)電場(chǎng)有功控制策略[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2014, 34(34): 6058-6065.

[6] He Jinwei, Li Yunwei, Guerrero J M, et al. An islanding microgrid power sharing approach using enhanced virtual impedance control scheme[J]. IEEE Transactions on Power Electronics, 2013, 28(11): 5272-5282.

[7] Yao Wei, Chen Min, Matas J, et al. Design and analysis of the droop control method for parallel inverters considering the impact of the complex impedance on the power sharing[J]. IEEE Transactions on Industrial Electronics, 2011, 58(2): 576-588.

[8] 張慶海, 羅安, 陳燕東, 等. 并聯(lián)逆變器輸出阻抗分析及電壓控制策略[J]. 電工技術(shù)學(xué)報(bào), 2014, 29(6): 98-105.

[9] Olivares D E, Mehrizi-Sani A, Etemadi A H, et al. Trends in microgrid control[J]. IEEE Transactions on Smart Grid, 2014, 5(4): 1905-1919.

[10] Li Qiang, Chen Feixiong, Chen Minyou, et al. Agent-Based decentralized control method for islanded microgrids[J]. IEEE Transactions on Smart Grid, 2016, 7(2, SI): 637-649.

[11] Olfati-Saber R, Murray R M. Consensus problems in networks of agents with switching topology and time- delays[J]. IEEE Transactions on Automatic Control, 2004, 49(9): 1520-1533.

[12] Meng L, Dragicevic T, Vasquez J C, et al. Modeling and sensitivity analysis of consensus algorithm based distributed hierarchical control for DC microgrids[J]. IEEE Transactions on Smart Grid, 2015(3): 342-349.

Distributed Active Power Sharing Control for Microgrid based on Consensus Algorithm

Li Yang Ye Qiongwei

(Chongqing University, the State Key Laboratory of Power Transmission Equipment, and System Security and New Technology, School of Electrical Engineering, Chongqing 400044)

Aiming at the accurate active power of the controllable distributed generator (DG) proportional to their rated capacity, a consensus-based distributed active power sharing control scheme is proposed. No centralized controller is required, each agent only communicates with it’s neighbors, and updates consensus state according to own information and neighbor information, which provides the active power reference for the controllable DG. Furthermore, the above model considering communication delays is established. Simulation results are presented to validate the correctness of the proposed control method, overcome the overload problem of the controllable DG, and investigate the impacts of communication delays to system performance.

microgird; controllable DG; active power sharing; consensus algorithm; delay

李 陽(yáng)（1991-），男，碩士研究生在讀，研究方向?yàn)樾履茉次⒕W(wǎng)的優(yōu)化與控制、微網(wǎng)的通信系統(tǒng)容錯(cuò)策略。