朱喬紅, 龍英文, 余 粟
(1.上海工程技術(shù)大學 電子電氣工程學院,上海 201620;2.上海工程技術(shù)大學 工程實訓(xùn)中心,上海 201620)
微電網(wǎng)是由分布式發(fā)電、儲能裝置及負荷等構(gòu)成的局域網(wǎng)系統(tǒng),具有孤立和并網(wǎng)兩種運行模式,未來通過微網(wǎng)對分布式電源的運行管理將成為智能配電網(wǎng)發(fā)展的目標之一[1~4]。
經(jīng)濟調(diào)度是電力系統(tǒng)發(fā)電調(diào)度中的基本問題之一,其本質(zhì)上是一個優(yōu)化問題,目標是在滿足總需求和滿足單個發(fā)電機輸出限制的同時最小化總發(fā)電成本[5,6]。傳統(tǒng)采用集中式優(yōu)化的經(jīng)濟調(diào)度方法,例如粒子群算法[7]、細菌覓食算法[8]等。在采用集中式優(yōu)化的方法時,通過調(diào)度中心采集整個系統(tǒng)的調(diào)度對象信息,再進行優(yōu)化計算,最后將指令發(fā)送至各個調(diào)度對象。這種集中式控制框架可能受到性能限制,例如通信要求和成本高、故障率高、計算負擔大、靈活性和可伸縮性有限。
各種分布式算法已經(jīng)被開發(fā)用于共識、交會、形成和優(yōu)化。因此,研究人員開始將這些分布式算法或其變型應(yīng)用于電力系統(tǒng)問題。例如文獻[9]提出了一種分布式架構(gòu),用于帶有同步發(fā)電機和逆變器接口電源的孤島交流微電網(wǎng)的發(fā)電控制。
本文簡單介紹了一致性算法的基本概念,由于被控單元之間距離遠,存在通信滯后,可能影響系統(tǒng)性能,因此在一致性算法的基礎(chǔ)上進行了改進,有效地克服通信滯后,使系統(tǒng)具有很好的收斂性能。在傳統(tǒng)下垂控制的基礎(chǔ)上增加了成本最小化控制器,實現(xiàn)成本最小化下的功率分配。
令xi代表節(jié)點i的狀態(tài)變量,ui代表節(jié)點i的輸入狀態(tài),通常各節(jié)點只與其鄰居節(jié)點相互通信,用一階離散系統(tǒng)表示節(jié)點狀態(tài)
xi(k+1)=xi(k)+ui(k),i=1,2,…,n
(1)
節(jié)點與鄰居節(jié)點可獲取對方的狀態(tài),構(gòu)造輸入為
(2)
式中aij為節(jié)點連接圖的鄰接矩陣中的元素。
根據(jù)式(1)和式(2),矩陣形式和平均值如下
x(k+1)=Dx(k)
(3)
式中x(k)為各節(jié)點第k次迭代的值,D為系統(tǒng)的狀態(tài)轉(zhuǎn)移矩陣,且滿足矩陣行向量或列向量元素之和為1;若狀態(tài)轉(zhuǎn)移矩陣D構(gòu)造為雙隨機對稱矩陣,則系統(tǒng)一致收斂于平均值。
目前已有文獻提出的多種分布式分層控制方法大多都假設(shè)通信網(wǎng)絡(luò)是完美的,可忽略通信延時[10,11]。但在實際應(yīng)用中,通信網(wǎng)絡(luò)中經(jīng)常會出現(xiàn)通信延時,有可能會限制一致性算法的收斂性,使得整個系統(tǒng)性能變差。文獻[12]研究了在通信延時和數(shù)據(jù)丟失后的多智能體系統(tǒng)的穩(wěn)定性和一致性;文獻[13]研究了在通信延時下基于一致性的經(jīng)濟調(diào)度算法。
令Y(k),ΔY(k),X(k-τ),Y(k-τ)為與X(k)相對應(yīng)的N維列向量。Y(k)為節(jié)點第k次迭代的值,即有
Y(k)=AX(k)+BΔX(k)
Y(k)-Y(k-τ)=A[X(k)-X(k-τ)]+
B[ΔX(k)-ΔX(k-τ)]
(4)
式中τ為延時量,A,B為系數(shù)矩陣,ΔX(k)為作用誤差。
如果迭代頻率較快的話,一致性算法就能夠快速收斂,那么ΔX(k)=ΔX(k-τ),即式(4)改為
Y(k)-Y(k-τ)=A[X(k)-X(k-τ)]
(5)
若達到收斂狀態(tài),則有X(k)=X(k-τ),即根據(jù)式(5)得Y(k)-Y(k-τ)=0,與此同時,如果系統(tǒng)拓撲結(jié)構(gòu)受影響改變,系統(tǒng)已經(jīng)到達穩(wěn)態(tài),則系統(tǒng)狀態(tài)不會變化。若未迭代斂收,則系統(tǒng)狀態(tài)處于一直改變狀態(tài)。根據(jù)系統(tǒng)狀態(tài)情況不穩(wěn)定,構(gòu)造動態(tài)一致性算法如下
X(k+1)=Y(k)-Y(k-τ)+DX(k)
(6)
如圖1所示,在一次控制層中,電壓和頻率的下垂方程式為
E*=E0-mQ*
ω*=ω0-n(P*-Pref)
(7)
式中E*和ω*分別為參考電壓幅值和參考角頻率;E0和ω0分別為額定電壓幅值和額定角頻率;m和n分別為無功下垂系數(shù)和有功下垂系數(shù);Q*和P*分別為實際無功功率和實際有功功率;Pref為成本最小化控制器的參考功率。
圖1 成本最小化功率分配控制結(jié)構(gòu)
在二次控制層中,成本最小化控制器用于解決功率分配下的成本最小化問題,將參考功率Pref傳輸?shù)揭淮慰刂破髦校美窭嗜粘俗臃ㄇ蠼猓?代表與等式約束對應(yīng)的拉格朗日乘子,為將算法分布化,利用對偶分解先算出初步分布式系統(tǒng)優(yōu)化迭代方程為[14]
λk+1=λk+μΔPk
(8)
本文采用頻率下垂控制器的特性來收集整個系統(tǒng)功率信息,假設(shè)微網(wǎng)中有N個節(jié)點均由下垂控制器控制,且下垂系數(shù)均為n,則根據(jù)式(7)得到
(9)
式中Pti為實際輸出有功功率,ωti為實際輸出頻率。
(10)
式中ε為收斂系數(shù),aij為描述節(jié)點間的連接狀態(tài),若節(jié)點i與節(jié)點j之間有通信,則aij=1;反之則aij=0。根據(jù)式(9)和式(10),更新拉格朗日乘子方程為
(11)
為了驗證本文提出算法的有效性,采用如圖2所示的380 V/50 Hz,IEEE 9節(jié)點微網(wǎng)系統(tǒng)進行仿真運行。微網(wǎng)系統(tǒng)中6個分布式電源,其中節(jié)點DG1-DG6代表發(fā)電機,DG7代表光伏電源。DG7輸出功率為15 kW,系統(tǒng)中的有功負荷為160 kW,儲能系統(tǒng)的輸出功率為20 kW,假設(shè)6臺發(fā)電機的經(jīng)濟參數(shù)如表1所示。根據(jù)成本最小化控制器需要,采用DG1-DG6的組成通信網(wǎng)絡(luò),如圖2所示。
圖2 微網(wǎng)拓撲結(jié)構(gòu)
表1 發(fā)電機系統(tǒng)的參數(shù)
集中式調(diào)度時,采用λ迭代法,可求出次微網(wǎng)系統(tǒng)經(jīng)濟調(diào)度最優(yōu)解λopt=3.6012。且各節(jié)點功率最優(yōu)解分別為:P1=25.2 kW,P2=16.8 kW,P3=18.6 kW,P4=27.8 kW,P5=17.7 kW,P6=9.5 kW。
為了分析網(wǎng)絡(luò)延時對系統(tǒng)的影響,在MATLAB仿真平臺上完成了延時時間τ=0.001 s的系統(tǒng)運行測試,設(shè)定成本最小化控制器迭代更新間隔為0.001 s,初始拉格朗日乘子分別為:λ1=1.4,λ2=2.6,λ3=3.5,λ4=3.8,λ5=2,λ6=4.1,收斂系數(shù)ε=1/5,常數(shù)μ=1/5。在0~0.001 s,成本最小化控制器未啟動。設(shè)定參考功率初始值分別為P1=3.65 kW,P2=9.98 kW,P3=17.73 kW,P4=29.96 kW,P5=5.99 kW,P6=12.23 kW。由于下垂控制,輸出頻率小于額定值50 Hz。
測試0.001 s后,成本最小化控制器啟動,仿真結(jié)果如圖3(a),根據(jù)實際功率和參考功率的差值,每0.001 s更改各節(jié)點拉格朗日乘子,拉格朗日乘子一致性迭代過程呈振蕩形式收斂,最終收斂到最優(yōu)值3.60,收斂迭代次數(shù)大約23次,收斂時間T=23×0.001=0.023 s。從圖3(b)可知,各節(jié)點的參考功率和輸出功率在0.023 s后都達到最優(yōu)值。
圖3 通信延時
為了驗證本文改進算法能否收斂到最優(yōu)解,測試0.001 s后,成本最小化控制器啟動運行,實驗結(jié)果如圖4所示,從圖4(a)中可以看出拉格朗日乘子收斂比較平緩,最終也收斂到最優(yōu)值3.60,收斂迭代次數(shù)大約13次,收斂時間T=13×0.001=0.013 s。從圖4(b)可知,各節(jié)點輸出功率和參考功率都在0.013 s后收斂到最優(yōu)值。
圖4 改進一致性算法
本文提出了一種基于優(yōu)化一致性算法的微網(wǎng)功率經(jīng)濟分配策略。通過在一致性算法的基礎(chǔ)上進行了研究并改進,有效地克服通信滯后,使得系統(tǒng)具有很好的收斂性能。根據(jù)一致性算法和下垂控制信息設(shè)計了成本最小化控制器,實時控制微網(wǎng)各電源出力,使得成本最小化下實現(xiàn)微網(wǎng)功率分配。