文档介绍：该【基于优化一致性算法的微网功率经济分配策略 】是由【十二贾氏】上传分享，文档一共【4】页，该文档可以免费在线阅读，需要了解更多关于【基于优化一致性算法的微网功率经济分配策略 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。60传感器与微系统(TransducerandMicrosystemTechnologies)2021年第40卷第1期
DOI:-9787(2021)01-0060-03
基于优化一致性算法的微网功率经济分配策略*
朱乔红1,龙英文2,余粟2
(,上海201620;,上海201620)
摘要:针对微网经济调度问题而通常采用的分布式控制,被控单元之间物理距离一般比较远,可能会存
在较大的通信滞后,而通信滞后会降低分布式控制精度,因此提出了一种基于优化一致性算法的微网功率
经济分配策略。首先将下垂控制信息和改进的一致性算法相结合,通过下垂控制实现功率分配,能够有效
地克服滞后,使得系统具有很好的收敛性能;同时采用一致性算法设计成本最小化控制器,实时控制微网
发电机运行,协调各电源出力,最终在成本最小化下实现功率分配。最后仿真结果验证了策略的有效性。
关键词:一致性算法;下垂控制;分布式控制;延时;成本最小化控制器
中图分类号:TM73文献标识码:A文章编号:1000-9787(2021)01-0060-03
Economicdispatchstrategyofpowerformicrogridbasedon
optimalconsistencyalgorithm*
ZHUQiaohong1,LONGYingwen2,YUSu2
(,ShanghaiUniversityofEngineeringandTechnology,Shanghai
201620,China;,ShanghaiUniversityofEngineeringandTechnology,
Shanghai201620,China)
Abstract:Tosolvetheeconomicschedulingproblemofmicrogrid,distributedcontrolisusuallyadopted,because
thephysicaldistancebetweenthecontrolledunitsisgenerallyfar,theremaybealargecommunicationdelay,and
thecommunicationdelaywillreducethedistributedcontrolprecision,soamicrogridpowereconomicallocation
,thedroopcontrolinformationiscombined
withtheimprovedconsistencyalgorithmtorealizepowerdistributionthroughdroopcontrol,whichcaneffectively
,acost
minimizationcontrollerisdesignedwiththeconsistencyalgorithmtocontroltheoperationofmicrogridgeneratorin
realtime,coordinatetheoutputofeachpowersource,andfinallyrealizethepowerdistributionunderthecost
,thesimulationresultsverifytheeffectivenessofthestrategy.
Keywords:consistencyalgorithm;droopcontrol;distributedcontrol;delay;costminimizationcontroller
0引言能限制,例如通信要求和成本高、故障率高、计算负担大、灵
微电网是由分布式发电、储能装置及负荷等构成的局活性和可伸缩性有限。
域网系统,具有孤立和并网两种运行模式,未来通过微网对各种分布式算法已经被开发用于共识、交会、形成和优
分布式电源的运行管理将成为智能配电网发展的目标之化。因此,研究人员开始将这些分布式算法或其变型应用
[1~4]
一。于电力系统问题。例如文献[9]提出了一种分布式架构,
经济调度是电力系统发电调度中的基本问题之一,其用于带有同步发电机和逆变器接口电源的孤岛交流微电网
本质上是一个优化问题,目标是在满足总需求和满足单个的发电控制。
发电机输出限制的同时最小化总发电成本[5,6]。传统采用本文简单介绍了一致性算法的基本概念,由于被控单
集中式优化的经济调度方法,例如粒子群算法[7]、细菌觅元之间距离远,存在通信滞后,可能影响系统性能,因此在
食算法[8]等。在采用集中式优化的方法时,通过调度中心一致性算法的基础上进行了改进,有效地克服通信滞后,使
采集整个系统的调度对象信息,再进行优化计算,最后将指系统具有很好的收敛性能。在传统下垂控制的基础上增加
令发送至各个调度对象。这种集中式控制框架可能受到性了成本最小化控制器,实现成本最小化下的功率分配。
收稿日期:2019-07-30
万方数据
*基金项目:国家科技支撑计划资助项目(2015BAF10B01)
第1期朱乔红,等:基于优化一致性算法的微网功率经济分配策略61
**
1一致性算法改进E=E0-mQ
**
=ω0-n(P-Pref)(7)
xiui**
令i代表节点的状态变量,i代表节点的输入状式中E和ω分别为参考电压幅值和参考角频率;E0和
态,通常各节点只与其邻居节点相互通信,用一阶离散系统ω0分别为额定电压幅值和额定角频率;m和n分别为无功
表示节点状态下垂系数和有功下垂系数;Q*和P*分别为实际无功功率
xk+1=xk+uki=12n1
i()i()i(),,,…,()和实际有功功率;Pref为成本最小化控制器的参考功率。
节点与邻居节点可获取对方的状态,构造输入为二状态成本最小化
通信网络
次观测器控制器
ui(k)=∑aij[xj(k)-xi(k)](2)控
j∈Ni制
P
三相参考ref
aij
式中为节点连接图的邻接矩阵中的元素。下垂控制
*电压发生器
Vαβ
12*
根据式()和式(),矩阵形式和平均值如下一iαβvvαβ虚拟
dq电流环+-
xk+1=Dxk次abc-+电压环-阻抗环
()()控
niLαβvoαβi
1制oαβ功率计算
x-k=x0i=12n3PWMdqdq
()∑i(),,…,()dqabc
nj=1abcabc
LiLabcvoabcioabc
式中x(k)为各节点第k次迭代的值,D为系统的状态转La
Lb
+V
1-DCLc
移矩阵,且满足矩阵行向量或列向量元素之和为;若状态CPCC
转移矩阵D构造为双随机对称矩阵,则系统一致收敛于平
均值。图1成本最小化功率分配控制结构
假设通信网络是完美的,可忽略通信延时[10,11]。但在实际在二次控制层中,成本最小化控制器用于解决功率分
P
应用中,通信网络中经常会出现通信延时,有可能会限制一配下的成本最小化问题,将参考功率ref传输到一次控制
器中,利用拉格朗日乘子法求解,代表与等式约束对应的
致性算法的收敛性,使得整个系统性能变差。文献[12]研
究了在通信延时和数据丢失后的多智能体系统的稳定性和拉格朗日乘子,为将算法分布化,利用对偶分解先算出初步
分布式系统优化迭代方程为[14]
一致性;文献[13]研究了在通信延时下基于一致性的经济
Pk=argminCPk-kPk
调度算法。refi(i(refi)λrefi)
λk+1=λk+μΔPk(8)
k
式中Pref为第i台发电机经第k次迭代之后的参考功率,
令Y(k),ΔY(k),X(k-τ),Y(k-τ)为与X(k)相对应
argmin(g(x))为当g(x)为最小值时x的取值。
的N维列向量。Y(k)为节点第k次迭代的值,即有
本文采用频率下垂控制器的特性来收集整个系统功率
Y(k)=AX(k)+BΔX(k)
信息,假设微网中有N个节点均由下垂控制器控制,且下
Y(k)-Y(k-τ)=A[X(k)-X(k-τ)]+
垂系数均为n,则根据式(7)得到
B[ΔX(k)-ΔX(k-τ)](4)
kkk
ωref=ω0-n(Pti-Prefi),i=1,2,…,N
式中τ为延时量,A,B为系数矩阵,ΔX(k)为作用误差。
kkΔP1k
P-P==ω-ω9
如果迭代频率较快的话,一致性算法就能够快速收敛,tirefiNn(0ti)()
那么ΔX(k)=ΔX(k-τ),即式(4)改为
式中Pti为实际输出有功功率,ωti为实际输出频率。
Y(k)-Y(k-τ)=A[X(k)-X(k-τ)](5)k
根据改进一致性算法通过重复迭代计算式(9),λ和
若达到收敛状态,则有X(k)=X(k-τ),即根据式(5)得k
Pref能够逐渐接近系统经济调度最优解λopt和Popt;对于拉
Y(k)-Y(k-τ)=0,与此同时,如果系统拓扑结构受影响k
格朗日乘子λ,构造一个基于一致性算法的观测器来求取
改变,系统已经到达稳态,则系统状态不会变化。若未迭代k
敛收,则系统状态处于一直改变状态。根据系统状态情况所有λ的平均值,迭代算法如下
*=k+ak-k10
不稳定,构造动态一致性算法如下λλiε∑ij(λjλi)()
j∈Ni
Xk+1=Yk-Yk-τ+DXk6
()()()()()式中ε为收敛系数,aij为描述节点间的连接状态,若节点
2微网功率经济分配策略
i与节点j之间有通信,则aij=1;反之则aij=0。根据
一次控制器式(9)和式(10),更新拉格朗日乘子方程为
如图1所示,在一次控制层中,电压和频率的下垂方程
k+1kkkkk
万方数据λi=λi+ε∑aij(λj-λi)+μN(Prefi-Pti)(11)
式为j∈Ni
62传感器与微系统第40卷
。
2DG140
为了验证本文提出算法的有效性,采用如图所示的值Pref1
λDG3
Pref3
DG430
Pref4
子
380V/50HzIEEE9W
,节点微网系统进行仿真运行。微网系DG5
kPref5
DG6/
20Pt1
日
6DG1-DG6率
统中个分布式电源,其中节点代表发电机,Pt2
朗
10Pt4
格
DG7代表光伏电源。DG7输出功率为15kW,系统中的有Pt5
拉Pt6
功负荷为160kW,储能系统的输出功率为20kW,
时间/s
1时间/s
发电机的经济参数如表所示。根据成本最小化控制器需(b)节点实际输出功率和节点
(a)拉格朗日乘子λ值
要,采用DG1-DG6的组成通信网络,如图2所示。参考功率
图3通信延时
ACAC
ACACAC
ACAC为了验证本文改进算法能否收敛到最优解,测试
ACACAC
MGACACMG
,成本最小化控制器启动运行,实验结果如图4所
DG1MGDG2
DG6PVDG3
AC示,从图4(a)中可以看出拉格朗日乘子收敛比较平缓,最
DG5ACDG7
AC
,收敛迭代次数大约13次,收敛时
MG
T=13×=
63DG4储能间。从图()可知,各节点输出功
。
通信网络
40
值DG1Pref1
λPref2
DG3
Pref3
2DG430
子
图微网拓扑结构WPref4
DG5
kPref5
/
120Pref6
表发电机系统的参数日
率Pt1
Pt2
朗
功Pt3
格10t4
发电机ai/(元/h)bi/(元/kWh)ci/(元/kWh)Pmin/kWPmax/kW
Pt5
拉Pt6
(b)节点实际输出功率和节点
(a)拉格朗日乘子λ值
参考功率
图4改进一致性算法
54结论
集中式调度时,采用λ迭代法,可求出次微网系统经分配策略。通过在一致性算法的基础上进行了研究并改
=
济调度最优解λopt。且各节点功率最优解分别进,有效地克服通信滞后,使得系统具有很好的收敛性能。
P====
为:1,2,3,4根据一致性算法和下垂控制信息设计了成本最小化控制
,P5=,P6=。器,实时控制微网各电源出力,使得成本最小化下实现微网
。
为了分析网络延时对系统的影响,在MATLAB仿真平参考文献:
台上完成了延时时间τ=,设定成[1]王成山,
-240.
,初始拉格朗日乘战[]中国科学院院刊,,():
[2]薛伟,[J].
子分别为:λ1=,λ2=,λ3=,λ4=,λ5=2,
传感器与微系统,2012,31(4):92-95.
λ==1/5μ=1/50~
6,收敛系数,常数。在,成[3][J].中国电业(技术版),2011,
P=
本最小化控制器未启动。设定参考功率初始值分别为131(15):22-26.
,P2=,P3=,P4=,P5=[4]伦惠勤,王佳,胡扬,
-15.
,P6=。由于下垂控制,输出频率小于额望[]电测与仪表,,():
定值50Hz。[5]贺鹏,艾欣,[J].陕西
电力,2013,41(7):68-73.
,成本最小化控制器启动,仿真结果如
[6]贾燕燕,谢志军,
图3(a),根据实际功率和参考功率的差值,
调度算法[J].传感器与微系统,2018,37(1):124-128.
各节点拉格朗日乘子,拉格朗日乘子一致性迭代过程呈振[7]***梅,臧传治,李鹤鹏,
荡形式收敛,,收敛迭代次数大约机优化调度[J].传感器与微系统,2015,34(2):61-64.
万方数据
23次,收敛时间T=23×=。从图3(b)可知,(下转第70页)
70传感器与微系统第40卷
[6][J].机械工程师,2019(12):56-59.
析[J].中国工程机械学报,2018,16(5):462-466,470.[12]-
[7]贾中华,[D].Moscow:MoscowInstituteofPhysicsandTechnology
制[J].北京信息科技大学学报(自然科学版),2013,28(6):Inststitutskii,2015.
91-96.[13]杨小庆,[J].
8.
[]刘飞飞,朱杨林基于遗传算法优化的单球移动机器人原点中国工程机械学报,2020,18(3):248-252.
自平衡控制[J].制造业自动化,2019,41(6):62-:
[9]王江华,张莉,
缪文南(1985-),男,硕士,实验师,研究领域为机器人控制,
控制[J].实验室研究与探索,2019,38(9):79-85,138.
******@
[10]廖丹,高宏力,宋兴国,[J].-:。
机械设计与制造,2020(2):260-262,(1979-),女,通讯作者,博士,副教授,研究领域为信
[11]韩雪,苗明辉,,E-mail:******@。
檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸
(上接第62页)predictivecontrolsystems[J].IEEETransactionsonCyber-
[8]彭春华,谢鹏,詹骥文,,2016,47(4):1114.
棒经济调度[J].电网技术,2014,38(9):2392-2398.[13]ZHAOC,DUANX,-sensus-based
[9]CADYST,DOMINGUEZ-GARCIAAD,-economicdispatchalgorithmundertimedelays[J].IEEETrans-
tributedgenerationcontrolarchitectureforislandedACmicro-actionsonSystemsMan&CyberneticsSystems,2018,99:
grids[J].IEEETransactionsonControlSystemsTechnology,1-11.
2015,23(5):1.[14]徐伟强,冯兆丽,黄炯,
-
[],,,速实时定价方法[J].电力系统保护与控制,2012,40(21):
darycontrolmethodforDCmicrogridswithenhanceddynamic
42-47.
currentsharingperformance[J].IEEETransactionsonPower作者简介:
Electronics,2016,31(9):6658-6673.
朱乔红(1995-),男,硕士研究生,研究方向为孤岛微电网自
[11]BIDRAMA,DAVOUDIA,LEWISF,-
动控制。
tivesecondarycontrolofmicrogridsusingfeedbacklineariza-
1974-
tion[J].IEEETransactionsonPowerSystems,2013,28(3):龙英文(),男,通讯作者,博士,讲师,研究领域为复杂
3462-、控制与优化,E-mail:******@。
[12](1962-),女,副教授,研究领域为复杂系统建模、控制。
檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸
(上接第65页)tioningalgorithmsonaccelerometersinaninertialnavigation
system(INS)[C]∥2016InternationalConferenceonSignaland
累积误差,%以内。由实验结果可知,
根据运动特征拆分运动过程,进而在运动中最大程度地加InformationProcessing(IConSIP),2016:1-4.
入速度修正,能有效减小定位误差的累积,提高单纯惯性导[5]
与实现[D].南京:东南大学,2017.
航方式的定位精度,从而实现实时、便携且高精度的室内定位。[6][D].重庆:重庆大学,
参考文献:2015.
[1]VERMAS,OMANWARR,SREEJITHV,[7]张会清,
basedindoornavigationsystem[C]∥InternationalConferenceon法[J].传感器与微系统,2018,37(5):123-127.
Microelectronics,IEEE,2017:345-348.[8]
[2]ROMANOVASM,GORIDKOV,AL-JAWADA,[D].厦门:厦门大学,2014.
indoorpedestrianlocalizationalgorithmswithfoot-mounted[9]柏思琪,梁文海,
sensors[C]∥InternationalConferenceonIndoorPositioning&法研究[J].现代电子技术,2015,38(15):1-4.
IndoorNavigation,2013:1-:
[3]朱新宇,陶庭叶,(1994-),男,硕士研究生,研究方向为室内定位,
防员室内定位研究[J].合肥工业大学学报(自然科学版),E-mail:******@。
2018,41(7):949-(1974-),男,通讯作者,副教授,主要研究领域为通信
万方数据
[4]PITALEAN,BENDREAA,JADHAVPM,-及测控系统、人工智能,E-mail:******@。