基于快速一致性的微电网分布式控制策略

张雅琴，魏文军,2

(1. 兰州交通大学 自动化与电气工程学院，兰州 730070；2. 兰州交通大学 光电技术与智能控制教育部重点实验室，兰州 730070)

微电网是指由分布式电源(distributed generator，DG)、电力电子设备和负载等构成的小规模电力系统.其具有并网和孤岛两种运行方式[1-2].孤岛运行时，多台DG并联运行，共同承担负载功率，微电网依靠自身的协调控制系统保证频率及电压稳定.但由于DG多采用光伏、风电等可再生能源发电设备，输出功率受自然因素制约，具有随机性、间歇性和控制困难等缺点，因此，孤岛模式下的微电网优化控制问题得到了广泛关注[3-5].

目前，常见的控制方法主要有集中式、分散式和分布式三种[6].传统的集中式控制，主要是采用微电网控制中心(microgrid central control,MGCC)采集和处理全网的信息，通过向底层设备发出指令来实现系统的调节和控制功能.虽然这种方法的调节精度高，但因中心节点要采集和处理大量的数据，若中心节点出现故障，将波及整个系统的运行状态.文献[7]提出了一种基于虚拟阻抗的分散控制方法，该方法利用虚拟阻抗来平衡线路阻抗的影响，有较高的可靠性，能满足DG即时从微电网接入或切除的要求，但功率分配精度低，母线电压也得不到保证.文献[8]提出了一种基于公共母线电压的分散式控制方法，提高了功率分配的精度，但它不适用于无公共母线的微电网系统.

多智能体系统(multi-agent system,MAS)是由某些具有自治性、社会性、反应性和预动性作用的智能体，以相互交换信息的方式构成的复杂网络系统.通过一致性算法，可以在无需获取所有智能体信息的情况下，智能体仅需与相邻智能体通信，最终使所有个体达到协调一致状态[9-11].MAS因具有协调性好、通信线路少等优点，被应用于微电网协同控制中.文献[12]结合MAS理论与微电网控制问题，将DG视为智能体，多台DG构成多智能体系统.文献[13-14]提出了一种分布式协调控制策略，通过调节使电压和频率维持稳定，同时实现功率均分，但该方法需要接收系统内各节点的信息，造成信息量过大等问题.文献[15-16]利用MAS一致性算法，每台智能体仅通过与邻居智能体交换电压、频率信息，就能估算出全网的平均信息，优化下垂控制的参数，实现各DG输出功率的精确分配，并进行系统的调压调频.文献[17]提出了一种基于一致性算法的微电网控制策略，实现了调压调频和功率分配，但在负荷较小或DG装机容量较大时，会造成功率分配不均，且一致性算法的收敛速度慢，造成系统运行时间过长.

本文在现有研究的基础上，将多智能体快速一致性算法应用到微电网中，每台DG及其逆变器视为一个智能体，仅需邻居智能体间交换功率信息，就可以计算出全网的平均功率和总功率，用于实现系统频率、电压稳定和功率分配.按照备用功率比例承担突增的负荷，解决了由于各电源容量不同造成的功率分配不合理的问题，同时提高了系统的响应时间，最后通过仿真算例对该策略进行了验证.

1 多智能体系统快速一致性算法

(1)

式中：xi、ui分别表示智能体i的状态变量和输入变量，经典的一致性协议[18]如下：

(2)

式中：Ni表示多智能体i的邻居集合.

基于局部信息反馈的快速一致性协议[18]如下：

(3)

式中：k1i表示智能体i的反馈增益，k2i表示智能体i与邻居智能体j的差值增益，通过调节k1i、k2i的大小，可以缩短状态变量的收敛时间；ni(t)表示智能体i的邻居智能体数，且与它的入度相等，即ni(t)=dii.

定理[19]：在MAS中，当且仅当L所对应的图G包含一棵有向生成树时，协议(3)可使该系统的状态变量达到渐近一致收敛，即

x1∞=x2∞=…=xn∞≈xave.

(4)

将式(3)代入式(1)中，有

(5)

写成矩阵形式并化简后得到

(6)

式中：E为n阶单位矩阵；n阶对角矩阵K1=diag(k11,k12,…,k1n),K2=diag(k21,k22,…,k2n),ΔK1=diag(k1/(a11+1),…,kn/(anm+1)).

因此，该算法可取代传统一致性对每一个智能体状态变量的获取和计算，节约通信时间，提高运算速度.

2 基于快速一致性的微电网分布式优化控制策略

本文所提策略以分层控制为架构，系统整体控制结构如图1所示,各控制层的主要作用如下：

1) 一次控制层：以基于P-f的下垂控制为基础，初步实现系统频率稳定以及电源出力的分配.但下垂控制会产生频率偏差，无法保证系统频率维持在额定值.

2) 二次控制层：利用快速一致性算法计算出各台DG的频率补偿量，消除一次控制产生的频率偏差.

3) 三次控制层：利用快速一致性算法计算出DG备用功率均值和每台DG增加的功率，按照备用功率比例分配输出功率，解决了DG出力不合理的问题.

2.1 一次控制层设计

当微电网以孤岛状态运行时，逆变器通常采用P-f下垂控制方式，控制方程为[20]

(7)

m1P1=m2P2=…=mnPn=C2.

(8)

由式(8)可知，逆变器输出功率与下垂系数成反比，通过调节下垂系数可以实现逆变器输出功率的比例分配，但因为下垂控制会产生频率偏差，因此需要在二次控制中弥补该偏差.

2.2 二次控制层设计

为确保系统输出频率维持在额定值，每台DG需进行频率补偿.若各智能体单独计算各自的频率补偿量，会因各台逆变器频率补偿量不一致而无法相互协调.为避免这一影响，可选取各台逆变器补偿量的平均值作为逆变器共同的频率补偿量[17]，即

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

(9)

(10)

2.3 三次控制层设计

由DG输出的有功功率和额定功率计算出相应的备用有功功率，即

(11)

将其作为状态变量，由快速一致性算法(式(5))得到备用有功功率均值，进而求出总备用有功功率，即：

(12)

当负荷增加Pd后，每台DG的功率补偿量和输出功率为：

(13)

此时，通过调节下垂系数来控制各电源的输出功率，使之满足

(14)

最后，将更新后的下垂系数送至下垂控制环节，实现分布式电源出力的合理分配.

3 仿真分析

为验证基于快速一致性的微电网控制策略的有效性，通过Matlab/Simulink仿真软件搭建了如图2所示的微电网仿真模型.

仿真过程如下：0～2 s，系统带动负载1 并达到稳定运行；t=2 s时，负载2投入运行.仿真参数如表1所列.

表1 仿真参数

为验证本文控制策略在频率调节和功率分配两个方面的有效性，将按照以下三种情形进行仿真分析：

1) 仅采用下垂控制：从图3可以看出，t=2 s时，系统因负载2的突然切入，有功负荷增加了10 kW，受下垂控制方程影响，此时系统频率下降.因此，传统的下垂控制会导致系统频率在较大负荷波动时偏离额定值.

从图4(a)可看出，各DG以4∶3∶2∶1的比例承担系统有功负荷.2 s后，由于负载2的突然接入，DG2的输出功率已超出其最大值(6 kW)，以最大运行状态工作的电源，不仅无法满足用户需求，还会降低设备寿命，给系统带来安全隐患.

2) 采用传统一致性算法的控制策略：在一次控制的基础上，增加基于传统一致性的频率和功率控制层.由图3可看出，经过一致性算法计算得到的频率补偿量补偿至下垂控制环节后，约2.4 s时，频率恢复到额定值.从图4(b)可以看到，通过有功功率控制环节，各DG按照备用有功功率比例进行负荷分配，约t=3 s时，功率输出才达到稳定，该策略在一致性算法下虽然可以实现频率补偿和功率控制，但恢复时间过长.

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

从图5(a)可看出，传统一致性算法下的有功功率标幺值在6 s时逐渐收敛至平均值，而快速一致性算法(图5(b))在2 s时就已达到了收敛值，收敛速度提高为原来的3倍左右.从图3可以看出，约t=2.1 s时，系统频率恢复至额定频率50.01 Hz左右，恢复时间提高了近40%.从图4(c)可以看到，约t=2.2 s时输出有功功率达到稳定值，DG1～DG4按备用功率比例6∶2∶2∶1分担系统增加的10 kW负荷，输出功率均低于最大值，电源出力分配更加合理.

从图6可看出，在2 s时，由于负载2的接入系统电压幅值突增，在采用快速一致性算法的控制策略下，电压幅值迅速恢复至311 V，电压达到稳定状态；另外，约t=2.2 s时DG1～DG4的无功按备用功率比例6∶2∶2∶1分担系统突增的10 kvar无功负荷，实现了系统的无功功率分配.

通过对比可知，基于快速一致性的微电网控制策略，不仅实现了系统频率稳定和功率合理分配，还提高了一致性的收敛速度，缩短了系统响应时间.

4 结论

本文结合多智能体系统分布式控制理论，将快速一致性算法应用于微电网的电压、频率控制和功率分配中.该控制策略解决了传统下垂控制存在频率偏差和功率分配不合理的问题，提高了系统响应速度，增加了系统运行的稳定性和可靠性，更具有现实意义.