CN111725798A - 一种用于直流微电网集群的分布式经济调度预测控制方法 - Google Patents
一种用于直流微电网集群的分布式经济调度预测控制方法 Download PDFInfo
- Publication number
- CN111725798A CN111725798A CN202010724924.1A CN202010724924A CN111725798A CN 111725798 A CN111725798 A CN 111725798A CN 202010724924 A CN202010724924 A CN 202010724924A CN 111725798 A CN111725798 A CN 111725798A
- Authority
- CN
- China
- Prior art keywords
- control
- microgrid
- distributed
- cluster
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000005457 optimization Methods 0.000 claims abstract description 5
- 238000004891 communication Methods 0.000 claims description 26
- 238000010248 power generation Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 7
- 238000005096 rolling process Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 239000000243 solution Substances 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 239000007983 Tris buffer Substances 0.000 claims description 3
- 125000000217 alkyl group Chemical group 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 claims description 3
- 238000005314 correlation function Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 230000010355 oscillation Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012887 quadratic function Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- LENZDBCJOHFCAS-UHFFFAOYSA-N tris Chemical compound OCC(N)(CO)CO LENZDBCJOHFCAS-UHFFFAOYSA-N 0.000 claims description 3
- 230000009471 action Effects 0.000 abstract description 3
- 238000009826 distribution Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J1/00—Circuit arrangements for dc mains or dc distribution networks
- H02J1/10—Parallel operation of dc sources
- H02J1/106—Parallel operation of dc sources for load balancing, symmetrisation, or sharing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/10—The network having a local or delimited stationary reach
- H02J2310/20—The network being internal to a load
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/10—Photovoltaic [PV]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Power Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Dc-Dc Converters (AREA)
Abstract
本发明公开了电力***技术领域的一种用于直流微电网集群的分布式经济调度预测控制方法，包括如下步骤：引入经济调度问题；对直流微电网集群及控制电路进行建模；搭建预测函数控制器，主要用于微电网供应多个负载时，需在微电网与发电单元之间优化功率分配，以最大程度降低全局发电成本，该方法由本地和全局第三级控制器组成，在这种控制结构下，全局三次控制器基于分布式动态一致性算法，通过预测函数控制器进行补偿，生成全局最佳增量成本，以实现整个集群的经济运行；同时该方法区别于传统PI控制器作用下的经济调度问题，通过在一定范围内改变母线电压为代价，重点改善了***的动态性能，并解决了算法优化与计算量大的矛盾问题。
Description
技术领域
本发明涉及电力***技术领域，具体为一种用于直流微电网集群的分布式经济调度预测控制方法。
背景技术
近年来，直流微电网已经成为现代配电网的必然组成部分，可以整合各类分布式电源(如光伏、风机和蓄电池等)，提高可再生能源的利用率，减少其接入电网时带来的不利影响。我国对于直流微电网的研究日益深入，合肥工业大学，浙江电力公司等均建立了直流微电网实验室以及示范项目，为直流微电网工程提供了技术支持。
为了最大程度的提高可再生能源的利用率，精确调度网与网之间的传输功率，增强整体可靠性与可用性，直流微电网互联形成集群已成为电网未来发展的趋势。随着单个直流微电网研究逐渐深入、其关键技术日渐完善，有学者提出多个直流微电网互联组成集群来提高***可靠性与稳定性，如已公开的文献《Distributed Global Economical Loadsharing for a cluster ofDC Microgrids》IEEE Transaction on Power Systems(DOI:10.1109,Feb.2020),引入了直流微电网集群的经济调度问题，以改变母线电压参考值为代价，优化了输出功率分配以降低全局发电成本。但经济调度策略采用线性PI控制器对增量成本偏差量进行补偿，控制效果欠佳等，母线电压跟踪速度慢，严重影响直流微电网间的功率分配，对***的供电可靠性与稳定性极为不利。为获得较好的电压调整率，基于此，本发明设计了一种用于直流微电网集群的分布式经济调度预测控制方法，以解决上述问题。
发明内容
本发明的目的在于提供一种用于直流微电网集群的分布式经济调度预测控制方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种用于直流微电网集群的分布式经济调度预测控制方法，包括如下步骤：
S1：引入经济调度问题；
S2：对直流微电网集群及控制电路进行建模；
S3：搭建预测函数控制器；
其中，针对网内具有不同性质的分布式电源且发电成本不同的情况，从减少全局发电成本的角度对集群的稳定运行进行优化。
进一步的，所述步骤S1具体为：微电网内的分布式电源可分为可调度和不可调度电源，可调度电源例如蓄电池；不可调度电源例如光伏电源以及风力涡轮机，不可调度的分布式电源在***运行时，可在本地进行控制，使其工作在最大功率点，假设有n个可调度的分布式电源在微电网中运行，则经济调度问题的目标是将全局发电成本降至最低，即:
PD＝PLoad-PRES (2)
其中n是微电网i中分布式电源的个数，Pi,m是微电网i内第m个分布式电源所产生的功率，Ci,m(Pi,m)是电源i的运行成本，PD为微电网i内所需求的负载功率，Ploss代表网内传输线路所产生的损耗，PLoad和PRES表示微电网内所需；
可调度的分布式电源的发电成本函数通常由二次函数近似：
其中αm,i，βm,i和γm,i表示相应分布式电源的成本函数系数；
使用拉格朗日算子计算发电成本最小值：
λ表示与功率相关的拉格朗日乘数，通过求解方程使拉格朗日算子最小化；
上述步骤匹配所有本地分布式电源的增量成本值，即成本函数的导数，对于为微电网内的经济运行至关重要，为了优化全局负载均衡，互连的微电网必须收敛到相同的增量成本以实现全局最优工作点，以实现***级的经济调度。
进一步的，所述步骤S2具体为：采用基于领导者-跟随者协议的分布式三级控制策略，其通信层包含两级通信网络，在网内进行本地信息交互，以实现经济调度来收敛本地增量成本值；每个直流微电网都有一个专用的代理节点，集群内各直流微电网通过代理节点在全局进行信息共享，借助代理节点，全局最优增量成本以完全分布式的方式扩散至整个***的所有分布式电源中，简化了通信链路的复杂性，并节约了***的通信成本，缓解集群的通信压力；
设定直流微电网集群含有两个直流微电网，每个直流微电网由两个分布式电源和buck电路组成，通过π型联络线互联，各自母线电压标称值为48V，通过对各个发电单元进行平均化，转化为一个线性时不变电路，然后对其线性化处理，就可以使用线性控制方法设计预测函数控制器。
进一步的，所述预测函数控制器实现对非线性DC/DC变换器的控制，将其与直流微电网内的DC/DC变换器相结合，可在有限时域内对被控量进行优化，通过滚动的方式，有效消除了模型误差以及干扰的影响，比线性PI控制器更具优势。
进一步的，所述预测函数控制器相比于其他模型预测控制算法，具有算法简单和计算量小的优点，并采用分布式控制框架，降低了控制器本身的在线计算时间，解决了提高动态性能与预测控制计算量较大的矛盾问题，同时直流微电网容量一般较小，不具备良好的抗扰动能力；微电网互联组成集群后，其运行过程中工作情况繁多，例如负载投切、内部单元的即插即用和通信链路故障，对DC/DC变换器的稳态精度和动态性能都有严格的要求，该控制器可显著改善***的动态响应，有效避免变换器在高频运行时，大信号变化带来的负面影响。
进一步的，所述步骤S3包括如下步骤：
S30：建立基函数
采用预测函数控制算法从控制量的控制规律着手，注重控制输入量的结构性，并把它看作是保证三次控制效果好坏的主要因素；预测函数控制算法产生的三次控制的电压偏差量是由已选定的基函数线性叠加而成，由于采用完全分布式控制结构，分别对每个直流微电网建立基函数即可，即：
从上式可以看出预测函数控制算法中的控制输入量为三次控制产生的电压偏差，此参数与基函数的选择密切相关，基函数通常依据相邻被控模型的特性、控制精度以及控制过程的复杂度来进行折中选择；通过选择为阶跃函数作为基函数，对于每个已经选定的基函数gkj(i)，可离线计算出该基函数对应的输出值，通过对不同的基函数输出值线性叠加，得到三次控制产生的电压偏差量，使各直流微电网母线电压值产生偏差，实现经济调度；
S31：建立参考轨迹
在预测函数控制算法控制过程中，为了能够避免电压偏差量发生剧烈变化以及超调或者振荡现象，通常让被控***跟随一条设定好的渐趋于设定值的参考轨迹，参考轨迹可用下式表示：
ICr(k+i|k)＝f(IC(k),ICsp(k+i)) (7)
其中：ICr(k+i|k)为k时刻预测的k+i时刻的各直流微电网参考输出IC值、f(IC(k),ICsp(k+i))为与IC(k)和ICsp(k+i)相关的函数、IC(k)为k时刻的实际输出电流值、ICsp(k+i)为k+i时刻的设定输出电流值；
将参考轨迹设定为一阶指数的形式，即：
ICr(k+i|k)＝ICsp(k+i)-βi(ICsp(k)-IC(k)) (8)
其中：β为系数，
Tr是参考轨迹时间常数，Ts为***采样时间；
对于给定的设定值ICsp(k+i)，通常都可以用多项式和的形式表示出来，即：
其中：Nc为多项式的阶数；cj(k)为多项式的系数；c0(k)为一数值，由于输出电流设定值不变，c0(k)的值即为该定值；
由上式可得预测函数控制算法的参考轨迹表达式为：
S32：预测模型
预测模型可根据当前母线电压状态量和电压偏差控制量来预测将来的母线电压值，考虑单个微电网的拓扑及内环控制器结构，采用状态空间平均法建立其小信号模型，并将得到的传递函数作为预测函数控制算法的内部预测模型，其传递函数表达式如下：
其中：δvt为预测模型的控制变量，即三次控制产生的电压偏差量；i为预测模型的输出变量，即变换器的输出电流；vin为变换器的输入电压；Kpv，Kpi分别为电压环与电流环的PI比例系；L为网内变换器的电感；C为网内变换器的输出电容；R为直流微电网的负载电阻；
S33：反馈校正
由于分层控制的控制层级较多，并且建立模型时存在误差、干扰、参数变化、以及模型失配的因素，导致其预测模型无法实际***完全匹配，因此引入反馈校正，将误差量补偿到相邻直流微电网产生的母线电压之中，以校正模型预测值；
通常把误差量定义为：
e(k)＝IC(k)-ICm(k|k-1) (12)
对于k+i时刻的误差量可选为：
e(k+i)＝ai·e(k)，i＝0,1,…P-1 (13)
其中：ai为第i个时刻的误差补偿系数，为了后续计算方便，此处ai取常数1；
通过将该误差量反馈补偿到预测的相邻直流微电网的输出电流中，纠正了模型的输出值，使得反馈更加精确；校正后的模型输出值如下：
ICc(k+i|k)＝ICm(k+i|k)+e(k+i) (14)
S34：滚动优化
利用预测函数控制算法在有限时域求解控制变量的最优解，即对三次控制产生的电压偏差量进行求解，并且在求解过程中对每一时刻通过滚动的方式实时更新下去，对于三次控制的运行提供了控制条件；
建立三次控制的目标函数为：
其中：ICc(k+hi|k)为校正后的k+hi时刻的母线电压值；ICr(k+hi|k)为k时刻预测的k+hi时刻的参考轨迹值；s为拟合点的个数；hi为拟合点的具体时刻值；
为求解最优控制量，对J(k)进行求偏导数，使得
则有：
μ(k)＝(Gk TGk)-1Gk TL(k) (16)
令(GkTGk)-1GkT＝M，则
μ(k)＝M·L(k) (17)
为了保证三次控制的电压偏差的准确性，通常只取当前时刻控制量作用于两个相邻直流微电网，则有：
其中：gk(0)＝[gk1(0) gk2(0) … gkN(0)]T；
由以上计算可知，k0，k1，k2的值均可通过离线求解得到，且c0(k)、i(k)的值是已知的，因此，只需在线求解出直流微电网群的状态变量[i(k)v(k)]的值，即可推导出三次控制的控制输入量u(k)的具体表达式；此外，拟合点的个数对闭环稳定性与鲁棒性产生影响，经过调试，采用四个拟合点控制效果较优。
与现有技术相比，本发明的有益效果是：本发明主要用于微电网供应多个负载时，需在微电网与发电单元之间优化功率分配，以最大程度降低全局发电成本，该方法由本地和全局第三级控制器组成，在这种控制结构下，全局三次控制器基于分布式动态一致性算法，通过预测函数控制器进行补偿，生成全局最佳增量成本，以实现整个集群的经济运行；同时该方法区别于传统PI控制器作用下的经济调度问题，通过在一定范围内改变母线电压为代价，重点改善了***的动态性能，并解决了算法优化与计算量大的矛盾问题。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明中直流微电网集群结构示意图；
图2为本发明中所提分布式经济调度预测控制框图；
图3为本发明中分布式经济调度预测控制流程图；
图4为本发明中集群进行负载投切时母线电压波形；
图5为本发明中集群进行负载投切时增量成本波形；
图6为本发明中集群中直流微电i的发电单元2进行投切时母线电压波形；
图7为本发明中集群中直流微电i的发电单元2进行投切时增量成本波形；
图8为本发明中集群中直流微电网i的全局通信链路故障时母线电压波形；
图9为本发明中集群中直流微电网i的全局通信链路故障时增量成本波形。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
请参阅图1-9，本发明提供一种技术方案：一种用于直流微电网集群的分布式经济调度预测控制方法，包括如下步骤：
S1：引入经济调度问题；
S2：对直流微电网集群及控制电路进行建模；
S3：搭建预测函数控制器；
其中，针对网内具有不同性质的分布式电源且发电成本不同的情况，从减少全局发电成本的角度对集群的稳定运行进行优化。
其中，步骤S1具体为：微电网内的分布式电源可分为可调度和不可调度电源，可调度电源例如蓄电池；不可调度电源例如光伏电源以及风力涡轮机，不可调度的分布式电源在***运行时，可在本地进行控制，使其工作在最大功率点，假设有n个可调度的分布式电源在微电网中运行，则经济调度问题的目标是将全局发电成本降至最低，即:
PD＝PLoad-PRES (2)
其中n是微电网i中分布式电源的个数，Pi,m是微电网i内第m个分布式电源所产生的功率，Ci,m(Pi,m)是电源i的运行成本，PD为微电网i内所需求的负载功率，Ploss代表网内传输线路所产生的损耗，PLoad和PRES表示微电网内所需；
可调度的分布式电源的发电成本函数通常由二次函数近似：
其中αm,i，βm,i和γm,i表示相应分布式电源的成本函数系数；
使用拉格朗日算子计算发电成本最小值：
λ表示与功率相关的拉格朗日乘数，通过求解方程使拉格朗日算子最小化；
上述步骤匹配所有本地分布式电源的增量成本值，即成本函数的导数，对于为微电网内的经济运行至关重要，为了优化全局负载均衡，互连的微电网必须收敛到相同的增量成本以实现全局最优工作点，以实现***级的经济调度。
步骤S2具体为：采用基于领导者-跟随者协议的分布式三级控制策略，其通信层包含两级通信网络，在网内进行本地信息交互，以实现经济调度来收敛本地增量成本值；每个直流微电网都有一个专用的代理节点，集群内各直流微电网通过代理节点在全局进行信息共享，借助代理节点，全局最优增量成本以完全分布式的方式扩散至整个***的所有分布式电源中，简化了通信链路的复杂性，并节约了***的通信成本，缓解集群的通信压力；
设定直流微电网集群含有两个直流微电网，每个直流微电网由两个分布式电源和buck电路组成，通过π型联络线互联，各自母线电压标称值为48V，通过对各个发电单元进行平均化，转化为一个线性时不变电路，然后对其线性化处理，就可以使用线性控制方法设计预测函数控制器。
预测函数控制器实现对非线性DC/DC变换器的控制，将其与直流微电网内的DC/DC变换器相结合，可在有限时域内对被控量进行优化，通过滚动的方式，有效消除了模型误差以及干扰的影响，比线性PI控制器更具优势。
预测函数控制器相比于其他模型预测控制算法，具有算法简单和计算量小的优点，并采用分布式控制框架，降低了控制器本身的在线计算时间，解决了提高动态性能与预测控制计算量较大的矛盾问题，同时直流微电网容量一般较小，不具备良好的抗扰动能力；微电网互联组成集群后，其运行过程中工作情况繁多，例如负载投切、内部单元的即插即用和通信链路故障，对DC/DC变换器的稳态精度和动态性能都有严格的要求，该控制器可显著改善***的动态响应，有效避免变换器在高频运行时，大信号变化带来的负面影响。
步骤S3包括如下步骤：
S30：建立基函数
采用预测函数控制算法从控制量的控制规律着手，注重控制输入量的结构性，并把它看作是保证三次控制效果好坏的主要因素；预测函数控制算法产生的三次控制的电压偏差量是由已选定的基函数线性叠加而成，由于采用完全分布式控制结构，分别对每个直流微电网建立基函数即可，即：
从上式可以看出预测函数控制算法中的控制输入量为三次控制产生的电压偏差，此参数与基函数的选择密切相关，基函数通常依据相邻被控模型的特性、控制精度以及控制过程的复杂度来进行折中选择；通过选择为阶跃函数作为基函数，对于每个已经选定的基函数gkj(i)，可离线计算出该基函数对应的输出值，通过对不同的基函数输出值线性叠加，得到三次控制产生的电压偏差量，使各直流微电网母线电压值产生偏差，实现经济调度；
S31：建立参考轨迹
在预测函数控制算法控制过程中，为了能够避免电压偏差量发生剧烈变化以及超调或者振荡现象，通常让被控***跟随一条设定好的渐趋于设定值的参考轨迹，参考轨迹可用下式表示：
ICr(k+i|k)＝f(IC(k),ICsp(k+i)) (7)
其中：ICr(k+i|k)为k时刻预测的k+i时刻的各直流微电网参考输出IC值、f(IC(k),ICsp(k+i))为与IC(k)和ICsp(k+i)相关的函数、IC(k)为k时刻的实际输出电流值、ICsp(k+i)为k+i时刻的设定输出电流值；
将参考轨迹设定为一阶指数的形式，即：
ICr(k+i|k)＝ICsp(k+i)-βi(ICsp(k)-IC(k)) (8)
其中：β为系数，
Tr是参考轨迹时间常数，Ts为***采样时间；
对于给定的设定值ICsp(k+i)，通常都可以用多项式和的形式表示出来，即：
其中：Nc为多项式的阶数；cj(k)为多项式的系数；c0(k)为一数值，由于输出电流设定值不变，c0(k)的值即为该定值；
由上式可得预测函数控制算法的参考轨迹表达式为：
S32：预测模型
预测模型可根据当前母线电压状态量和电压偏差控制量来预测将来的母线电压值，考虑单个微电网的拓扑及内环控制器结构，采用状态空间平均法建立其小信号模型，并将得到的传递函数作为预测函数控制算法的内部预测模型，其传递函数表达式如下：
其中：δvt为预测模型的控制变量，即三次控制产生的电压偏差量；i为预测模型的输出变量，即变换器的输出电流；vin为变换器的输入电压；Kpv，Kpi分别为电压环与电流环的PI比例系；L为网内变换器的电感；C为网内变换器的输出电容；R为直流微电网的负载电阻；
S33：反馈校正
由于分层控制的控制层级较多，并且建立模型时存在误差、干扰、参数变化、以及模型失配的因素，导致其预测模型无法实际***完全匹配，因此引入反馈校正，将误差量补偿到相邻直流微电网产生的母线电压之中，以校正模型预测值；
通常把误差量定义为：
e(k)＝IC(k)-ICm(k|k-1) (12)
对于k+i时刻的误差量可选为：
e(k+i)＝ai·e(k)，i＝0,1,…P-1 (13)
其中：ai为第i个时刻的误差补偿系数，为了后续计算方便，此处ai取常数1；
通过将该误差量反馈补偿到预测的相邻直流微电网的输出电流中，纠正了模型的输出值，使得反馈更加精确；校正后的模型输出值如下：
ICc(k+i|k)＝ICm(k+i|k)+e(k+i) (14)
S34：滚动优化
利用预测函数控制算法在有限时域求解控制变量的最优解，即对三次控制产生的电压偏差量进行求解，并且在求解过程中对每一时刻通过滚动的方式实时更新下去，对于三次控制的运行提供了控制条件；
建立三次控制的目标函数为：
其中：ICc(k+hi|k)为校正后的k+hi时刻的母线电压值；ICr(k+hi|k)为k时刻预测的k+hi时刻的参考轨迹值；s为拟合点的个数；hi为拟合点的具体时刻值；
为求解最优控制量，对J(k)进行求偏导数，使得
则有：
μ(k)＝(Gk TGk)-1Gk TL(k) (16)
令(Gk TGk)-1Gk T＝M，则
μ(k)＝M·L(k) (17)
为了保证三次控制的电压偏差的准确性，通常只取当前时刻控制量作用于两个相邻直流微电网，则有：
其中：gk(0)＝[gk1(0) gk2(0) … gkN(0)]T；
由以上计算可知，k0，k1，k2的值均可通过离线求解得到，且c0(k)、i(k)的值是已知的，因此，只需在线求解出直流微电网群的状态变量[i(k) v(k)]的值，即可推导出三次控制的控制输入量u(k)的具体表达式；此外，拟合点的个数对闭环稳定性与鲁棒性产生影响，经过调试，采用四个拟合点控制效果较优。
本实施例的一个具体应用为：参见图1，本发明可用于多个直流微电网集群间的控制，在此搭建了两个直流微电网互联的仿真平台，验证所提策略的可行性；每个直流微电网由光伏单元、两个储能单元，及对应负载通过buck变换器与母线相连，在网与网之间通过联络线连接，母线电压额定值选定为48V，如图1所示，1，3为集群中的各个直流微电网，2为直流微电网互联时存在的π型联络线；
图2为分布式经济调度预测控制框图，用来调度各个微电网单元的增量成本(即IC)，实现各直流微电网的功率均衡，10为通信网络，采集相邻单元的电流信号进行通信；20为三次控制框图，其中ek为IC偏差项，ai,12为本地三次控制器的邻接加权矩阵，bi,1为全局三次控制器的邻接加权矩阵，λi,1、λi,2分别为直流微电网i的两个发电单元的IC值；30为二次控制框图，由一致性算法实时更新各个发电单元的平均电压，然后通过电压环将平均电压稳定在48V，
为该级控制产生的电压偏差项，最终通过低带宽通信送入底层控制作为母线的电压的参考值以实现控制目标；
图3为基于PFC的分布式经济调度流程图，先对参数进行初始化，然后根据时序采集相应时间的状态变量与输出变量，实现在有限时域内不断在线滚动下去，最终将得到是输入量传入初级控制，以改变母线电压为代价实现集群的经济调度；
图4和图5为负载跳变时，本发明所提控制下的母线电压及输出电流波形，可以看出启动时，仅有本地三次控制作用，集群内各微电网单独运行在标称电压上下，网内各发电单元的IC值收敛到一致；当t>0.3s时，全局三次控制器被激活，集群内快速产生电压偏差，导致三个直流微电网母线电压有所变化，最终使集群内各个微电网的IC值趋于一致，实现了整个集群功率均衡分配；t＝0.4s时，当微电网1的负载2从16Ω突变至8Ω，各直流微电网的母线电压及输出电流保持动态一致，同时传输线上的电流变化使各直流微电网IC重新均衡；当负载从8Ω跳变至16Ω时，再次调度集群中的IC使各直流微电网功率均衡；
图6和图7给出了微电网i中的第2个发电单元切出集群后母线电压与增量成本的运行情况，可以看出t<0.2s时，直流微电网集群在所提二次次控制下稳定运行；t>0.4s时，将发电单元2切出集群单独运行，其母线电压与输出电流恢复额定等级运行，剩余单元在集群内进行重组，自适应调节三次控制实现功率分配，保证了集群内的各母线电压及输出电流保持动态一致，验证了本发明的即插即用功能；
图8和图9给出了直流微电网i的全局三次控制器出现通信故障时，母线电压与增量成本的波形，该拓扑能够最大程度上减小通信冗余，当t<0.4s之前，***稳定运行在全局三次控制下，t＝0.4s时，全局控制器出现通讯故障，其波形恢复至本地三次控制的模式下，可以看出本发明所提控制具有较高的灵活性。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (6)
1.一种用于直流微电网集群的分布式经济调度预测控制方法，其特征在于，包括如下步骤：
S1：引入经济调度问题；
S2：对直流微电网集群及控制电路进行建模；
S3：搭建预测函数控制器；
其中，针对网内具有不同性质的分布式电源且发电成本不同的情况，从减少全局发电成本的角度对集群的稳定运行进行优化。
2.根据权利要求1所述的一种用于直流微电网集群的分布式经济调度预测控制方法，其特征在于：所述步骤S1具体为：微电网内的分布式电源可分为可调度和不可调度电源，可调度电源例如蓄电池；不可调度电源例如光伏电源以及风力涡轮机，不可调度的分布式电源在***运行时，可在本地进行控制，使其工作在最大功率点，假设有n个可调度的分布式电源在微电网中运行，则经济调度问题的目标是将全局发电成本降至最低，即:
PD＝PLoad-PRES (2)
其中n是微电网i中分布式电源的个数，Pi,m是微电网i内第m个分布式电源所产生的功率，Ci,m(Pi,m)是电源i的运行成本，PD为微电网i内所需求的负载功率，Ploss代表网内传输线路所产生的损耗，PLoad和PRES表示微电网内所需；
可调度的分布式电源的发电成本函数通常由二次函数近似：
其中αm,i，βm,i和γm,i表示相应分布式电源的成本函数系数；
使用拉格朗日算子计算发电成本最小值：
λ表示与功率相关的拉格朗日乘数，通过求解方程使拉格朗日算子最小化；
上述步骤匹配所有本地分布式电源的增量成本值，即成本函数的导数，对于为微电网内的经济运行至关重要，为了优化全局负载均衡，互连的微电网必须收敛到相同的增量成本以实现全局最优工作点，以实现***级的经济调度。
3.根据权利要求1所述的一种用于直流微电网集群的分布式经济调度预测控制方法，其特征在于：所述步骤S2具体为：采用基于领导者-跟随者协议的分布式三级控制策略，其通信层包含两级通信网络，在网内进行本地信息交互，以实现经济调度来收敛本地增量成本值；每个直流微电网都有一个专用的代理节点，集群内各直流微电网通过代理节点在全局进行信息共享，借助代理节点，全局最优增量成本以完全分布式的方式扩散至整个***的所有分布式电源中，简化了通信链路的复杂性，并节约了***的通信成本，缓解集群的通信压力；
设定直流微电网集群含有两个直流微电网，每个直流微电网由两个分布式电源和buck电路组成，通过π型联络线互联，各自母线电压标称值为48V，通过对各个发电单元进行平均化，转化为一个线性时不变电路，然后对其线性化处理，就可以使用线性控制方法设计预测函数控制器。
4.根据权利要求3所述的一种用于直流微电网集群的分布式经济调度预测控制方法，其特征在于：所述预测函数控制器实现对非线性DC/DC变换器的控制，将其与直流微电网内的DC/DC变换器相结合，可在有限时域内对被控量进行优化，通过滚动的方式，有效消除了模型误差以及干扰的影响，比线性PI控制器更具优势。
5.根据权利要求4所述的一种用于直流微电网集群的分布式经济调度预测控制方法，其特征在于：所述预测函数控制器相比于其他模型预测控制算法，具有算法简单和计算量小的优点，并采用分布式控制框架，降低了控制器本身的在线计算时间，解决了提高动态性能与预测控制计算量较大的矛盾问题，同时直流微电网容量一般较小，不具备良好的抗扰动能力；微电网互联组成集群后，其运行过程中工作情况繁多，例如负载投切、内部单元的即插即用和通信链路故障，对DC/DC变换器的稳态精度和动态性能都有严格的要求，该控制器可显著改善***的动态响应，有效避免变换器在高频运行时，大信号变化带来的负面影响。
6.根据权利要求1所述的一种用于直流微电网集群的分布式经济调度预测控制方法，其特征在于：所述步骤S3包括如下步骤：
S30：建立基函数
采用预测函数控制算法从控制量的控制规律着手，注重控制输入量的结构性，并把它看作是保证三次控制效果好坏的主要因素；预测函数控制算法产生的三次控制的电压偏差量是由已选定的基函数线性叠加而成，由于采用完全分布式控制结构，分别对每个直流微电网建立基函数即可，即：
从上式可以看出预测函数控制算法中的控制输入量为三次控制产生的电压偏差，此参数与基函数的选择密切相关，基函数通常依据相邻被控模型的特性、控制精度以及控制过程的复杂度来进行折中选择；通过选择为阶跃函数作为基函数，对于每个已经选定的基函数gkj(i)，可离线计算出该基函数对应的输出值，通过对不同的基函数输出值线性叠加，得到三次控制产生的电压偏差量，使各直流微电网母线电压值产生偏差，实现经济调度；
S31：建立参考轨迹
在预测函数控制算法控制过程中，为了能够避免电压偏差量发生剧烈变化以及超调或者振荡现象，通常让被控***跟随一条设定好的渐趋于设定值的参考轨迹，参考轨迹可用下式表示：
ICr(k+i|k)＝f(IC(k),ICsp(k+i)) (7)
其中：ICr(k+i|k)为k时刻预测的k+i时刻的各直流微电网参考输出IC值、f(IC(k),ICsp(k+i))为与IC(k)和ICsp(k+i)相关的函数、IC(k)为k时刻的实际输出电流值、ICsp(k+i)为k+i时刻的设定输出电流值；
将参考轨迹设定为一阶指数的形式，即：
ICr(k+i|k)＝ICsp(k+i)-βi(ICsp(k)-IC(k)) (8)
其中：β为系数，
Tr是参考轨迹时间常数，Ts为***采样时间；
对于给定的设定值ICsp(k+i)，通常都可以用多项式和的形式表示出来，即：
其中：Nc为多项式的阶数；cj(k)为多项式的系数；c0(k)为一数值，由于输出电流设定值不变，c0(k)的值即为该定值；
由上式可得预测函数控制算法的参考轨迹表达式为：
S32：预测模型
预测模型可根据当前母线电压状态量和电压偏差控制量来预测将来的母线电压值，考虑单个微电网的拓扑及内环控制器结构，采用状态空间平均法建立其小信号模型，并将得到的传递函数作为预测函数控制算法的内部预测模型，其传递函数表达式如下：
其中：δvt为预测模型的控制变量，即三次控制产生的电压偏差量；i为预测模型的输出变量，即变换器的输出电流；vin为变换器的输入电压；Kpv，Kpi分别为电压环与电流环的PI比例系；L为网内变换器的电感；C为网内变换器的输出电容；R为直流微电网的负载电阻；
S33：反馈校正
由于分层控制的控制层级较多，并且建立模型时存在误差、干扰、参数变化、以及模型失配的因素，导致其预测模型无法实际***完全匹配，因此引入反馈校正，将误差量补偿到相邻直流微电网产生的母线电压之中，以校正模型预测值；
通常把误差量定义为：
e(k)＝IC(k)-ICm(k|k-1) (12)
对于k+i时刻的误差量可选为：
e(k+i)＝ai·e(k)，i＝0,1,…P-1 (13)
其中：ai为第i个时刻的误差补偿系数，为了后续计算方便，此处ai取常数1；
通过将该误差量反馈补偿到预测的相邻直流微电网的输出电流中，纠正了模型的输出值，使得反馈更加精确；校正后的模型输出值如下：
ICc(k+i|k)＝ICm(k+i|k)+e(k+i) (14)
S34：滚动优化
利用预测函数控制算法在有限时域求解控制变量的最优解，即对三次控制产生的电压偏差量进行求解，并且在求解过程中对每一时刻通过滚动的方式实时更新下去，对于三次控制的运行提供了控制条件；
建立三次控制的目标函数为：
其中：ICc(k+hi|k)为校正后的k+hi时刻的母线电压值；ICr(k+hi|k)为k时刻预测的k+hi时刻的参考轨迹值；s为拟合点的个数；hi为拟合点的具体时刻值；
为求解最优控制量，对J(k)进行求偏导数，使得
则有：
μ(k)＝(Gk TGk)-1Gk TL(k) (16)
令(GkTGk)-1GkT＝M，则
μ(k)＝M·L(k) (17)
为了保证三次控制的电压偏差的准确性，通常只取当前时刻控制量作用于两个相邻直流微电网，则有：
其中：gk(0)＝[gk1(0) gk2(0)…gkN(0)]T；
由以上计算可知，k0，k1，k2的值均可通过离线求解得到，且c0(k)、i(k)的值是已知的，因此，只需在线求解出直流微电网群的状态变量[i(k) v(k)]的值，即可推导出三次控制的控制输入量u(k)的具体表达式；此外，拟合点的个数对闭环稳定性与鲁棒性产生影响，经过调试，采用四个拟合点控制效果较优。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010724924.1A CN111725798A (zh) | 2020-07-24 | 2020-07-24 | 一种用于直流微电网集群的分布式经济调度预测控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010724924.1A CN111725798A (zh) | 2020-07-24 | 2020-07-24 | 一种用于直流微电网集群的分布式经济调度预测控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111725798A true CN111725798A (zh) | 2020-09-29 |
Family
ID=72573529
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010724924.1A Pending CN111725798A (zh) | 2020-07-24 | 2020-07-24 | 一种用于直流微电网集群的分布式经济调度预测控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111725798A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112510673A (zh) * | 2021-02-05 | 2021-03-16 | 中南大学 | 考虑母线电压约束的多母线直流微电网经济调度控制方法 |
| CN112751343A (zh) * | 2020-12-23 | 2021-05-04 | 三峡大学 | 基于分布式协同控制的配电网双层优化方法 |
| CN113193544A (zh) * | 2021-04-12 | 2021-07-30 | 西安理工大学 | 一种基于pwm模型预测的直流微网群功率优化策略 |
| CN113382009A (zh) * | 2021-06-16 | 2021-09-10 | 安徽工业大学 | 一种基于备选量的直流微电网集群虚假数据注入攻击检测方法 |
| CN117728376A (zh) * | 2023-12-18 | 2024-03-19 | 天津大学 | 一种计及损耗的飞行器能源***分布式优化控制方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150025696A1 (en) * | 2013-07-17 | 2015-01-22 | Carnegie Mellon University | Distributed Methods and Software For Balancing Supply and Demand In An Electric Power Network |
| CN109301853A (zh) * | 2018-12-17 | 2019-02-01 | 国网江苏省电力公司经济技术研究院 | 一种平抑功率波动的微电网多时间尺度能量管理方法 |
| CN109474017A (zh) * | 2018-12-24 | 2019-03-15 | 武汉大学 | 一种配电网实时分布式经济调度方法 |
| CN110797857A (zh) * | 2019-11-13 | 2020-02-14 | 南京邮电大学 | 一种不确定性直流微电网的切换型模糊模型预测控制方法 |
| CN110867848A (zh) * | 2019-10-28 | 2020-03-06 | 安徽工业大学 | 一种用于直流微电网群落的能量管理预测控制方法 |
| CN111276960A (zh) * | 2019-05-13 | 2020-06-12 | 中国矿业大学 | 一种光-储直流微电网***中储能模块预测控制方法 |
-
2020
- 2020-07-24 CN CN202010724924.1A patent/CN111725798A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150025696A1 (en) * | 2013-07-17 | 2015-01-22 | Carnegie Mellon University | Distributed Methods and Software For Balancing Supply and Demand In An Electric Power Network |
| CN109301853A (zh) * | 2018-12-17 | 2019-02-01 | 国网江苏省电力公司经济技术研究院 | 一种平抑功率波动的微电网多时间尺度能量管理方法 |
| CN109474017A (zh) * | 2018-12-24 | 2019-03-15 | 武汉大学 | 一种配电网实时分布式经济调度方法 |
| CN111276960A (zh) * | 2019-05-13 | 2020-06-12 | 中国矿业大学 | 一种光-储直流微电网***中储能模块预测控制方法 |
| CN110867848A (zh) * | 2019-10-28 | 2020-03-06 | 安徽工业大学 | 一种用于直流微电网群落的能量管理预测控制方法 |
| CN110797857A (zh) * | 2019-11-13 | 2020-02-14 | 南京邮电大学 | 一种不确定性直流微电网的切换型模糊模型预测控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| M. NASSOUROU.ECT: "Economic Model Predictive Control for Energy Dispatch of a Smart Micro-grid System", 《IEEE》 * |
| SUCHENG LIU.ECT: "Predictive function control in tertiary level for power flow management of DC microgrid clusters", 《ELECTRONICS LETTERS》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112751343A (zh) * | 2020-12-23 | 2021-05-04 | 三峡大学 | 基于分布式协同控制的配电网双层优化方法 |
| CN112510673A (zh) * | 2021-02-05 | 2021-03-16 | 中南大学 | 考虑母线电压约束的多母线直流微电网经济调度控制方法 |
| CN112510673B (zh) * | 2021-02-05 | 2021-06-15 | 中南大学 | 考虑母线电压约束的多母线直流微电网经济调度控制方法 |
| CN113193544A (zh) * | 2021-04-12 | 2021-07-30 | 西安理工大学 | 一种基于pwm模型预测的直流微网群功率优化策略 |
| CN113193544B (zh) * | 2021-04-12 | 2023-07-14 | 唐山冀东石油机械有限责任公司 | 一种基于pwm模型预测的直流微网群功率优化策略 |
| CN113382009A (zh) * | 2021-06-16 | 2021-09-10 | 安徽工业大学 | 一种基于备选量的直流微电网集群虚假数据注入攻击检测方法 |
| CN117728376A (zh) * | 2023-12-18 | 2024-03-19 | 天津大学 | 一种计及损耗的飞行器能源***分布式优化控制方法 |
| CN117728376B (zh) * | 2023-12-18 | 2024-07-23 | 天津大学 | 一种计及损耗的飞行器能源***分布式优化控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mahmoud et al. | Adaptive intelligent techniques for microgrid control systems: A survey | |
| Liu et al. | Decentralized multi-agent system-based cooperative frequency control for autonomous microgrids with communication constraints | |
| CN109687526B (zh) | 一种基于一致性理论的孤岛微电网分层分布式控制策略 | |
| CN108039726B (zh) | 一种基于多智能体***的能源局域网分布式协同控制方法 | |
| CN111725798A (zh) | 一种用于直流微电网集群的分布式经济调度预测控制方法 | |
| CN108363306B (zh) | 基于线性二次型优化的微电网分布式控制器参数确定方法 | |
| CN108879690B (zh) | 一种交直流混合微电网数据驱动控制方法 | |
| Li et al. | A module-based plug-n-play DC microgrid with fully decentralized control for IEEE empower a billion lives competition | |
| CN110867848B (zh) | 一种用于直流微电网群落的能量管理预测控制方法 | |
| Zaery et al. | Distributed global economical load sharing for a cluster of DC microgrids | |
| da Silva et al. | Hybrid distributed and decentralized secondary control strategy to attain accurate power sharing and improved voltage restoration in DC microgrids | |
| CN104779607B (zh) | 直流微网中的一种分布式协调控制方法及*** | |
| CN113516278B (zh) | 有源配电网多时间尺度有功无功协调优化调度方法及*** | |
| CN108448563B (zh) | 一种直流微电网分布式协同控制***及直流微电网 | |
| Nguyen et al. | Agent based distributed control of islanded microgrid—Real-time cyber-physical implementation | |
| Krishna Metihalli et al. | Disturbance observer based distributed consensus control strategy of multi‐agent system with external disturbance in a standalone DC microgrid | |
| CN111525702A (zh) | 一种用于直流微电网集群的分布式预测三次控制方法 | |
| CN108539797A (zh) | 一种考虑经济性的孤岛微电网二次频率和电压控制方法 | |
| CN110429578B (zh) | 一种分布式直流微电网控制方法 | |
| Li et al. | Distributed control strategy for global economic operation and bus restorations in a hybrid AC/DC microgrid with interconnected subgrids | |
| Zaery et al. | Consensus algorithm based distributed control for economic operation of islanded DC microgrids | |
| Raza et al. | Robust nonlinear control of regenerative fuel cell, supercapacitor, battery and wind based direct current microgrid | |
| Liu et al. | Function controller design in tertiary level for DC microgrid clusters | |
| CN113258574A (zh) | 用于直流微电网集群的广义预测功率流动控制算法 | |
| Zeng et al. | Fixed-Time Secondary Controller for Rapid State-of-Charge Balancing and Flexible Bus Voltage Regulation in DC Microgrids |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200929 |