1 / 11
文档名称:

动态数据校正提升孤岛微电网频率控制性能 黎东阳.pdf

格式:pdf   大小:1,340KB   页数:11页
下载后只包含 1 个 PDF 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

动态数据校正提升孤岛微电网频率控制性能 黎东阳.pdf

上传人:周太监 2022/11/25 文件大小:1.31 MB

下载得到文件列表

动态数据校正提升孤岛微电网频率控制性能 黎东阳.pdf

相关文档

文档介绍

文档介绍:该【动态数据校正提升孤岛微电网频率控制性能 黎东阳 】是由【周太监】上传分享,文档一共【11】页,该文档可以免费在线阅读,需要了解更多关于【动态数据校正提升孤岛微电网频率控制性能 黎东阳 】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。:.
计算机测量与控制
ComputerMeasurement&Control
ISSN1671-4598,CN11-4762/TP
《计算机测量与控制》网络首发论文
题目:动态数据校正提升孤岛微电网频率控制性能
作者:黎东阳,张正江,洪智慧,胡文,章纯,张振慧
网络首发日期:2022-07-18
引用格式:黎东阳,张正江,洪智慧,胡文,章纯,
电网频率控制性能[J/OL].计算机测量与控制.
.
网络首发:在编辑部工作流程中,稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶
段。录用定稿指内容已经确定,且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期
刊特定版式(包括网络呈现版式)排版后的稿件,可暂不确定出版年、卷、期和页码。整期汇编定稿指出
版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出
版管理条例》和《期刊出版管理规定》的有关规定;学术研究成果具有创新性、科学性和先进性,符合编
辑部对刊文的录用要求,不存在学术不端行为及其他侵权行为;稿件内容应基本符合国家有关书刊编辑、
出版的技术标准,正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。
为确保录用定稿网络首发的严肃性,录用定稿一经发布,不得修改论文题目、作者、机构名称和学术内容,
只可基于编辑规范进行少量文字的修改。
出版确认:纸质期刊编辑部通过与《中国学术期刊(光盘版)》电子杂志社有限公司签约,在《中国
学术期刊(网络版)》出版传播平台上创办与纸质期刊内容一致的网络版,以单篇或整期出版形式,在印刷
出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊(网络版)》是国家新闻出
版广电总局批准的网络连续型出版物(ISSN2096-4188,CN11-6037/Z),所以签约期刊的网络版上网络首
发论文视为正式出版。
:.
췸싧쫗랢쪱볤ꎺ2022-07-1816:12:15
췸싧쫗랢뗘횷ꎺ.
动态数据校正提升孤岛微电网频率控制性能
黎东阳,张正江,洪智慧,胡文,章纯,张振慧
(温州大学电气数字化设计技术国家地方联合工程实验室,浙江温州325035)
摘要:在复杂的工业生产过程中,控制系统不可能工作在理想的状态,其总会受到外界各种各样的影响,
比如,在对反馈信号进行测量时,控制系统不可避免的会受到高斯测量噪声以及非高斯测量噪声的影响;
为了降低测量噪声的影响,通常会将各种各样的滤波技术应用到控制系统中来,以此提升控制系统的性
能;以孤岛微电网的频率控制系统为研究对象,考虑了当反馈回路有高斯分布测量噪声和非高斯分布测
量噪声的两种情况,针对这两种测量噪声信号在模型中引入了动态数据校正滤波技术,分别对比了有无
使用动态数据校正滤波技术时电网的频率偏差的方差大小,以此验证了动态数据校正滤波技术在微电网
反馈控制回路中可有效抑制测量噪声的影响从而提升微电网频率控制性能。
关键字:动态数据校正;孤岛微电网;高斯噪声;非高斯噪声;频率控制
中图分类号:
DynamicDataReconciliationBasedFilteringTechnologyto
ImprovethePerformanceofIslandedMicrogridFrequency
Control
LIDongyang,ZHANGZhenjiang,HONGZhihui,HUWen,ZHANGChun,ZHANGZhenhui
(NationalandLocalJointEngineeringLaboratoryofElectricalDigitalDesignTechnology,WenzhouUniversity,
Wenzhou325035,China)
Abstract:Inthecomplexindustrialprocesses,thecontrolsystemcannotworkinanidealstateandItwill
,whenmeasuringthefeedbacksignal,the
controlsystemwillinevitablybeaffectedbytheGaussiandistributedandnon-Gaussiandistributed
,variousfilteringtechniquesare

frequencycontrolsystem,consideringthefeedbackloophasGaussiandistributedandnon-Gaussiandistributed
measurementnoise,dynamicdatareconciliationbasedfilteringtechnologyisproposedandusedinthe


datareconciliationbasedfilteringtechnologycaneffectivelysuppresstheinfluenceofmeasurementnoisein
thefeedbackcontrolloopofmicrogridsoastoimprovethefrequencycontrolperformanceofmicrogrid.
Keywords:dynamicdatareconciliation;microgrid;gaussiannoise;non-Gaussiannoise;frequencycontrol
0引言出和使用。其中各种滤波器已被大量使用在测量
信号到达控制器之前,如指数滤波器、移动平均
在实际的控制过程中,需要使用传感器来进
滤波器、指数加权移动平均滤波器等,这些滤波
行采集信号和传递信号,然而由于传感器自身内
器的当前输出信号是由当前输入信号与之前的输
部结构、外界环境等原因难以避免的会受到测量
出信号共同决定,尽管这些滤波器具有很好的滤
噪声的影响,测量噪声有高斯分布形式和非高斯
波效果,可以有效的抑制测量噪声的影响,但它
分布形式两种分布类型,这些测量噪声会影响反
们可能会对具有显著动态的过程引入不可接受的
馈信号的准确性,进而影响到控制器的控制性能,
时间延迟,故它们大部分适用于稳态过程或者是
这对于各种控制过程来说显然是不能允许的,为[1]
一些动态较慢的过程而并不适合具有显著动态
了减小测量噪声的影响,已经有众多的方法被提
的过程。
:.
针对上述问题,动态数据校正(DDR,dynamic些储能装置储存多余的电能,当需求大于发电量
datareconciliation)可以进行有效解决,动态数据校时这些储能装置向电网释放电能,从而起到了削
正技术使用的是实际测量值和模型预测的信息,峰平谷的作用。然而这些储能设备它们在采集电
即使用模型预测信息作为附加信息,通过调和模网频率时需要使用传感器,而使用传感器时就不
型的预测值和实际测量值得到对系统反馈信号真可避免的会受到测量噪声的影响[8],而测量噪声的
实值的估计值,从而很好的减小了测量噪声的影引入将会影响反馈信号的准确性进而影响到孤岛
响[2]。因此,动态数据校正技术能够提高系统反馈微电网的频率控制性能。故以此为出发点,将DDR
信号的准确性,从而进一步的提高控制器的控制滤波技术应用到孤岛微电网频率控制中,同时对
性能。动态数据校正技术是以最大似然估计和贝以下两种情况下孤岛微电网频率控制的偏差进行
叶斯公式为理论依据,相比于指数滤波器和移动了对比:a)当测量噪声为高斯噪声,有无DDR滤
平均滤波器、指数加权移动平均滤波器等可以更波技术时,孤岛微电网频率偏差的方差大小;b)当
好的适用于那些具有显著的动态过程中。测量噪声为非高斯噪声,有无DDR滤波技术时,
近些年来,随着人们对生态环境的保护意识孤岛微电网频率偏差的方差大小。通过有无DDR
越来远强,同时伴随着传统煤炭、化石、石油等情况下系统所对应的方差值的大小以及相应输出
一次能源因为其不可再生性从而面临着枯竭的问波形图的对比,验证了动态数据校正滤波技术在
题,并且由于这些能源可能会对环境和人体造成孤岛微电网的储能系统反馈控制回路中可有效抑
各种伤害,比如:化石燃料的燃烧会释放二氧化制测量噪声的影响进而显著提升了孤岛微电网频
碳气体,从而造成全球变暖,同时还会产生有毒率控制性能,从而为用户带来了更高的用电质量。
的二氧化硫气体,这是形成酸雨的罪魁祸首,亦1基于小信号分析的孤岛微电网系统模型
会产生烟尘等从而导致雾霾,同时会对人的呼吸国内外有很多关于混合分布式发电系统和微
系统造成伤害…从中可以看出一次能源有众多的电网小信号分析的研究和报告[9-11],图1给出了此
弊端,为此需要放眼未来,研发洁净和可持续发次研究中的孤岛微电网示意图,该图中包含各种
展的新型能源用来取代化石等传统一次能源。在各样的发电装置,如:太阳能光伏系统(PV,
这种情境下,可再生能源(RES,renewableenergyphotovoltaic),风力涡轮发电机(WTG,windturbine
sources)开始走进人们的视野,并越来越受到人们generator),柴油发电机组(DEG,dieselenergy
的重视[3],从而得到广泛的使用。可再生能源的优generator)和燃料电池(FC,fuelcells),同时含有多
势是它能够可持续发展,同时分布范围很广,容个不同种类的储能系统,如:飞轮储能系统(FESS,
易获得并且消耗后可以得到及时的恢复和补充,flywheelenergystoragesystem)和电池储能系统
不产生或者极少产生污染物,因此属于清洁能源,(BESS,batteryenergystoragesystem),它们用在
目前常用的清洁能源包括:风能、太阳能、核能、孤岛微电网中是为了存储电网中发电装置所产生
地热能、氢能、核能、潮汐能等。伴随着可再生的多余电能[12-13],从而保证孤岛微电网中功率的
能源的广泛使用,以及相关发电、储能、逆变等平衡,起到削峰平谷的作用,进而起到稳定孤岛
技术的发展,微电网这个概念也被更多人所熟知[4],微电网频率的作用。
微电网根据公共连接点(PCC,pointofcommon图2给出了含有每个部分传递函数的孤岛微
coupling)的状态有两种工作模式:并网模式和孤岛电网框图[14],其中和分别是光伏太阳能系
PsolPW
模式。在并网模式下微电网的频率是由主电网所统和风力涡轮发电机的输入功率,它们均是一个
决定;而在孤岛模式下对于微电网的频率控制是
随机波动的量。PPV、PWT、PDEG、PFC、PBESS和
具有一定难度的,由于微电网内发电机组的容量
较小,它们的惯性也就较小,这时对于孤岛微电PFESS分别为太阳能光伏系统、风力涡轮发电机、
网来说如果其输入的能量是具有一定的波动性,柴油发电机组、燃料电池、电池储能系统、飞轮
比如输入的能量为太阳能,风能等,或在发电机储能系统的输出功率,是需求侧可变负载所吸
Pl
组发生故障时,那么此时孤岛微电网内所有发电收的功率。另外,是光伏太阳能系统和风力涡
设备所发出的电能之和和负荷端所需要的电能之Pt
间将出现能量的不平衡,这将会导致孤岛微电网轮发电机组所产生的功率之和,即:PPPtPVWT=+,
的频率以及一些其他参数的严重波动。当发电设Ps是所有储能系统吸收的功率和所有发电装置产
备所发出的电能多于系统负荷所需要的电能时,生的功率的总和,即
孤岛微电网系统的频率将会升高;当发电设备所,是所产生
发出的电能小于系统负荷所需要的电能时,孤岛PPPPPPstFCDEGBESSFESSPe
微电网系统的频率将会降低。因此为了使系统处功率和需求侧所吸收的功率之差:PPPesl,
于稳定并保持良好的性能,通常会在系统中加入其中Δf表示孤岛微电网的频率偏差。
储能设备,如飞轮储能系统、电池储能系统[5-7]。
在小信号分析中,PV、WTG、FC、DEG、
这些储能系统会根据电网频率波动的情况实时的FESS、BESS可用以下的传递函数进行建模:
进行能量的存储和释放,当发电量大于需求时这
:.
P
P
WTG
BESS
DC/AC
P
P
风力涡轮发电机SOL
电池储能系统
Δf
FESS
DC/AC
DC/AC
P
K
太阳能光伏
FESS
飞轮储能系统
FC
P
飞轮储能系统

FESS
K
(1)sT
KBESS载
FESS
DCWT/AC
P1
P电池储能系统
PBESS
风力涡轮燃发电料机电
WT(1)sT
W
PBESS
PP
(1)sTΔf

P
WT1
tse
P
(2s)DH
1DEG
ΔPK(1)ΔPKBESSBESS(6)
GsPV()PVPVGsBESS()
ΔPsTsTsolINIC11solΔfsT/1BESS
式中TIN、TIC/、TWT、TFC、TIN、TG、TT、
ΔPK(2)PP
GsWT()WTWT、均为时间常数,、、、
ΔPsTWWT1TFESSTBESSKPVKFCKDEG
ΔPFCKWT、KFESS、KBESS均为增益值。各系数的具体
GsFC()[14]PID
Δu数值如表1所示。其中孤岛微电网模型的传递
(3)
KFC函数由方程(7)所给出,式中D是阻尼常数,H是PVl
惯性常数。
111sTsTsTFCINIC/(1)(1)sTsT
和1/。对于增益R的值取为3Hz/pu。其DC/AC
中pu是能量单位,1pu等于410kW。11/NC1
ΔPKDEGDEG(4)
GsDEG()ΔusTsT11
GT
Δf1(7)
GsS()ΔPDHs2KKSKS
(5)e负
Gs()ΔPKFESSFESS
FESSΔfsT1FESSPid
太阳能光伏P
柴油发
燃料电池载1
FC
R
电机组
PID控制器
(1)(1)(1)sTsTsT
FCNC11/
图1连接有分布式能源的孤岛微电网示意图
1
P柴油发电机
DEG组
(1)(1)sTsT
GT
图2孤岛微电网方框图
:.
表1孤岛微电网系统各部件的参数
Γ=
部件名称增益K时间常数T
(14)
太阳能光伏(PV)
K=1PV
T=
风力涡轮发电机2动态数据校正滤波技术
K=1WTT=,反馈信号的
(WT)
燃料电池(FC)采集需要使用到测量传感器,这一点对于孤岛微
K=1FCT=,由图2可以看出飞轮储
电池储能系统
(BESS)K=1BESST=
飞轮储能系统微电网的频率偏差信号,该信号就是一个反馈信
(FESS)K=1FESST=,该信号的测量就需要使用到测量传感器,但
柴油发电机组,是,因为测量传感器自身的结构问题以及外界环
(DEG)K=1DEGT==
境等原因,传感器有时并不会工作在理想的状态
对于风力发电、光伏太阳能发电和负荷需求,
而是会受到测量噪声的影响,这就会造成反馈的
由于它们本身具有随机的波动性,需要对其进行
信号是真实的测量信号叠加上测量噪声信号,显
建模。这些量有各种不一样的建模方法,本篇文
然这对于系统的控制是不利的,那么这时就需要
章中使用的是公式(8)所示的建模方法,该模型包
使用DDR滤波技术来减少测量噪声对真实信号的
含了大的确定性漂移和小的随机性功率波动[15]:
影响,从而提高反馈信号的真实性,进而提高控
(8)制器的控制性能从而达到减小电网频率波动的目
P((1()))βGSβχΓ
β的。以下将分别介绍,在孤岛微电网中,测量噪
声分别是高斯信号[2]和非高斯信号[16-17]两种情况
式(8)中,P表示随机的功率,是一个标准化参
数,其是用来标准化产生或需求的电功率的常下DDR的滤波原理。
χ

数,以便于和单位(Pu)匹配,是一个随机成分,
加入DDR后的孤岛微电网系统如图3所示,
β对功率的平均值有所贡献的参数,GS()表示的
这里将负载看成是一个Pl'和外部扰动的叠加,由
是一个低通滤波器的传递函数,Γ是一个与时间
相关的波动信号,其描述了随机功率输出平均值图中可得:
的突然波动。以下分别给出了分布式发电和需求fftttε(15)
m
负荷随机模型的具体表达式,其中U表示式中,表示的是测量噪声,这里假设该测量
εt
-1和1之间的一个随机均匀函数,H(t)表达的是一噪声是服从高斯分布的噪声即,
εtNδ2
个Heaviside阶跃函数。
对于太阳能发电功率,公式(8)的参数为:ft表示的是反馈信号的真实值,ft表示的
m
是实际的测量值,ft表示的是DDR的输出
~,,10,Uη(9)βddr
Gss11014信号,即经过滤波后的信号,它是对真实值y(t)

经过最大似然估计后所得到的值。根据已知测量
Γ=(10)
的信息ft和其他一些已知的条件,对反馈信
m
对于风力涡轮发电机功率,公式(8)的参数为:
号的真实值ft来进行估计。首先考虑这样一种
~,,10,Uη(11)β情况,即在仅知道的条件下对进行估
4fmtft
Gss1101
计,由前面的描述可以知道εt的概率密度函数
Γ=(12)为:

对于需求侧负荷功率,式(8)的参数为:11(16)2
f(())exp()εt2ρ2ρ2εt

~,,10,Uηβ再从图3中的关系可以看出:
(13)(17)
3001ffmtttε
Gs
300118001ss假设和两者之间是相互独立的,
对于其表达式如下:ftεt
Γ
那么基于ft下的ft的条件概率密度可以
m
用公式(18)表示:
:.
对于ft的先验分布。然后加入模型的预测信息
fftft(()|())(18)
m
fftftf(()())(())mεtfˆt,再次利用贝叶斯公式可以得到:
2,故是一个高斯pffft|t,tˆ
εtNδfftft(()|())mm
分布,它的均值是ft,方差是ρ2。在给定ftˆ
Lffpfft|tt|t(23)m
条件下时ft的条件概率密度函数和给定
mˆ
LffLffpftt|tt|tm
ft条件下时ft的似然函数等价,则:
m
式中,ˆ代表基于,
pfffpffft|t,tt|t,tˆmfˆtm
Lftft()|()m
(19)ft的ft后验分布,由此可以得到待估参数
11m2
exp()()2的后验分布是:ftftm2
2ρ2ρ
ffmtt
现在的问题转换成了找到最可能的值
ft2
(即能够使得最大的值)。根据概率11ρ
Lftft()|()m
exp
论和数理统计的相关知识可知这样的估计被称(24)2
为最大似然估计。由上式可以很明显的看出,22ρδˆ
fftt
当fftt时Lftft()|()的值可以取到
mm
2
最大,这表示如果仅知道测量值的条件下,δ
fmt
对真实值的最佳估计值是测量值,这样的结果显根据最大后验概率估计可以得到,使得式(24)
然是难以让人接受的,故需要尝试新的解决办法。取得最大的就是对实际的估计值,也
ftft
幸运的是,在大多数情况下,关于ft的先
就是ft,要想让其取最大的值,等价于让式
ddr
验信息是可以使用的。关于ft的一个常见(25)取得最大值:2
fftt
m
信息来源是来自各种各样的过程模型,这些
模型可以是离散的或连续的,线性的或非线2
1ρ
性的。例如:可以根据模型预测值J2
ftfˆt2(25)
ffˆtt
来估计,以给出的更好的估计。因为过
ft
2
程模型通常会存在一定程度的误差,因此,δ
假设模型预测值可以用一个加噪声的根据多元函数极值的相关理论可以知道,想
fˆt
模型等效的替代,表达式如下:要求得式(25)的最大值可以对式(25)中ft求偏

(20)导并令其为0,可得:
ffˆt=t+tδ
其中:表示的是模型的预测误差,假设其服Jt2
δtρffmtt
从方差为,均值为0的高斯分布,即ft(26)
δ2
δ2ffˆtt
2,则同理可以得到基于fˆt条件
δt~0,Nδ
下的的似然函数为:对式(26)进行求解,就可以得到对于实际值
ft
ft的估计,即ft,可以求得ft最终
ddrddr
Lftf()|tˆ值为:
(21)
112(27)
expt()fftˆffKffddrttttˆmˆ
2δ2δ2

其中:K(1)ρ221δ。
使用测量信息对上式采用贝叶斯公式可以得到:

pfft|t(22)前一节考虑的是测量噪声为高斯测量
m
Lffpft|tt噪声的情况,许多动态数据校正技术也是基
m
于这一假设所成立的。但是传感器在实际的
式中pfft|t为基于ft的ft后验
mm测量过程中,也会受到由于设备故障,测量
分布,为似然函数,为设备偏差,校准不良以及人为疏忽大意所造
Lfft|tmpft
:.
εt

K
测量
FESS
噪声
fftt()

P飞轮储能系统
ddrm
K
FESS
(1)sTBESS
DDR
K
FESS
WT
P
电池储能系统1
Pft()
PBESS
风力涡轮发电机(1)sT
WWT
PPBESS
(1)sT
WT'ˆ1
ts
P
ft
(2s)DH
sol
1
PP
PVl
(1)(1)sTsTPID
11/NC
1
KKSKS
外部Pid
太阳能光伏P
扰动
燃料电池
FC1
R
成的误差等原因所产生的粗差信号的影响,粗差对系统性能的削弱较为严重,所以也有
对于粗差信号,其值一般是大于正常测量噪许多数据校正技术运用到减少粗差的影响
声信号,这些粗差信号的加入将会导致测量中来[19],然而这些技术大部分都是在稳态的
噪声不再是高斯信号从而变为非高斯信号系统中,对于受到非高斯测量噪声影响的动
[18]。其中污染正态分布普遍用于描述这些非态系统来说,DDR技术很少被设计使用到。(1)(1)(1)sTsTsT
高斯测量噪声信号。对于非高斯信号的测量故本节主要说明当测量噪声服从污染正态FCNC11/
噪声,大部分基于高斯分布测量噪声信号所分布时,DDR滤波技术的原理,并推导出
设计的滤波器(如卡尔曼滤波器、平均滤波此时DDR滤波器的输出表达式[16]。
器)在滤波时将会表现出较差的性能,因为
1
P柴油发电机组
DEG
(1)(1)sTsT
GT
图3引入DDR后孤岛微电网框图
假设服从污染正态分布的测量噪声可对于上述问题的解决思路和高斯信号的情况
用式(28)表示:下是一致的,需要引入模型的预测值这个先验信
(28)息来更好地估计真实值。这里仍然假设模型的预
εt=t+tωε12ωε
测值为fˆt,那么则有:
式(28)中,εt表示高斯信号,εt表示粗
12
差信号,同时,ffˆt=t+tδ(32)
ε11tN,ρ2
。表示粗差信号发生的其中:δt代表的是模型的预测误差,这里
ε22tN,ρ2ω
概率。和之前高斯信号下的推理过程同理,可得假设其服从均值是0,方差为δ2的高斯分布,则
基于条件下的似然函数表达式如式同理可得基于fˆt条件下的ft的似然函数为:
fmtft
(29)所示:
Lftf()|tˆ
Lftft()|()+ω(29)pωp(33)
m122
11ˆ
expt()2fft
pLftft1()|()m2δ2δ
(30)这时再利用模型的预测值和测量噪声来估计
112
exp()()真实知,由贝叶斯公式可知2ftftm:
2ρ12ρ1ˆ
pffft|t,tm
pLftft2()|()mˆ
(31)Lffpfft|tt|