引用本文

 

王睿, 孙秋野, 张化光. 微电网的电流均衡/电压恢复自适应动态规划策略研究. 自动化学报, 2022, 48(2): 479−491 doi: 10.16383/j.aas.c210015

Wang Rui, Sun Qiu-Ye, Zhang Hua-Guang. Research on current sharing/voltage recovery based adaptive dynamic programming control strategy of microgrids. Acta Automatica Sinica, 2022, 48(2): 479−491 doi: 10.16383/j.aas.c210015

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c210015?viewType=HTML

文章简介

关键词

微电网, 电流均衡, 电压恢复, 拓扑同胚, 自适应动态规划

摘   要

含多类型分布式电源的微电网已经成为了未来电力系统的重要发展方向, 其中风能和光能在降低化石能源消耗和二氧化碳排放等方面有着极大优势, 考虑二者之间强互补性的协同调度已被广泛研究. 但风/光协同调度的微电网多关注分钟级的调度或优化问题而非风/光波动下秒级的实时电流按容量比例精准分担, 简称电流均衡, 而精准电流均衡有助于可再生能源的高比例消纳. 因此, 本文提出了基于自适应动态规划的微电网电流均衡和电压恢复控制策略. 首先, 构建包含风电整流型电能变换器和光电升压型电能变换器的广义风光拓扑同胚升压变换器模型, 其提供了后续控制器设计的模型基础. 其次, 本文将电流均衡和电压恢复问题转化为最优控制问题, 基于此, 每个能源主体的目标函数转化为获取最优控制变量和最小电压/电流控制偏差, 进而转化为求解哈密顿−雅克比−贝尔曼(Hamilton-Jacobi-Bellman, HJB)方程问题. 基于此, 提出了基于贝尔曼准则的分布式自适应动态规划控制策略以求取HJB方程的数值解, 最终实现电流均衡和电压恢复. 最后仿真结果验证了所提分布式自适应动态规划控制策略的有效性.

引   言

2015年, 巴黎气候变化峰会提出将全球气候变化控制在2摄氏度之内, 中、美、欧、日等世界主要国家以此制定了相关的碳达峰和碳中和的目标. 为实现上述目标, 高比例可再生能源成为了最优选择, 其中风能和光能被评为最具潜力的两种可再生能源. 同时, 风能和光能在时间和空间上具有很强的互补特性, 例如在我国东北地区气候往往呈现晴天光照充沛而阴天风速较高的特性. 如何利用此互补特性实现可再生能源高比例消纳成为了当前亟待解决的重/难点问题. 如果每个能源主体按照自身容量比例输出其电流, 可再生能源的利用率和系统的稳定性/弹性可以得到极大的提升. 因此, 本文提出了基于分布式自适应动态规划的含多类型分布式电源的微电网电流均衡/电压恢复协调控制策略, 有助于实现可再生能源的高比例消纳.

近年的研究表明, 同时含风能和光能的微电网系统已经得到了广泛的研究并且在各国建立了相关的应用园区, 如澳大利亚, 德国等. 目前对于此类微电网系统的研究多集中在系统规划设计和最优经济调度而非能源主体的实时控制. 文献[10]构建了内嵌电源和负载随机变化的典型微电网系统的优化配置策略. 文献[11]提出了基于LpLp技术的混合规划优化算法以获取最优的微电网系统的配置策略. 同时, 文献[12]提出了微电网系统分层分布式模型预测控制策略, 利用上层分布式迭代控制器实现经济最优, 利用底层监督预测控制器以确保跟踪性能. 然而, 上述研究内容皆未解决微电网系统的实时电流均衡和电压恢复问题. 由于含风能和光能的微电网系统广泛存在并且风/光波动下秒级的实时电流均衡尚属空白, 因此实时电流均衡控制策略亟待提出.

众多学者常基于不同类型的可再生能源等效为理想直流电压源并且忽略其拓扑异构特性的假设, 来研究电流均衡和电压恢复问题或者将风力发电机类可再生能源输出的交流电进行脉冲宽度调制(Pulse width modulation, PWM)整流而获得直流电, 此时含风能和光能的微电网源侧都为理想直流源. 然而上述的解决方案势必导致风力发电机组类可再生能源多级联一级Boost变换器, 从而导致微电网的建设成本和耗损成本显著增加, 随着分布式电源的数量急剧增加, 该部分成本势必难以忽略. 基于理想直流源设定, 学者进行了广泛地研究以实现在有/无通信模块下的电流均衡和电压恢复. 微电网分级控制策略成为了当前的主流方法. 文献[14]从无通信模块控制策略的角度出发, 提出了初级下垂控制策略以实现网络的稳定运行. 尽管传统的下垂控制器能够较好地实现电力网络的电压调定, 但由于线路阻抗差异而致使各个分布式电源间难以实现电流均衡, 从而导致可再生能源的利用率降低. 鉴于此, 相关学者提出了内嵌快速通信模块的二级集中控制或主从控制策略以实现各个能源主体间电流均衡和电压恢复. 然而该类控制策略存在单点故障容忍度低和模型误差敏感等缺陷而难以适用于未来的强分布式电力系统当中.

针对上述缺陷, 相关学者提出了分布式分层控制框架, 其中分布式二级协同控制技术被设计以实现电流均衡和电压恢复. 其主要可以分为电压−电流曲线幅值调节, 电压−电流曲线斜率调节和电压−电流曲线幅值−斜率混合调节三类方法. 首先文献[19]提出了电流调节控制器和电压调节控制器以实现电流均衡和电压恢复. 进而文献[20-21]提出了分布式电压−电流曲线幅值−斜率混合调节协同控制策略以实现电流均衡和电压恢复. 同时即插即用或电压−电流双闭环零级控制策略被嵌入到分层控制框架内以提高系统的可靠性. 而后, 针对集群分布式电源的混联系统, 文献[24]提出了异构多智能体协同控制策略以实现电流均衡. 相似地, 文献[25]提出了内嵌电压−电流双闭环的分布式二级控制策略以确保电流均衡和电压恢复. 然而上述内容都将不同动态特性的分布式电源简化为理想的直流电压源, 其完全忽略了风能和光能的不同电能变换器特性. 同时, 对电气工程师而言, 精准的系统模型是难以获取的. 针对系统状态方程模型未知的控制问题, 自适应动态规划控制策略提供了很好的选择. 同时, 自适应动态规划策略已经被广泛地应用于实际系统, 如智能家居系统和储能系统的能量调度等.

由于每个能源主体按照自身容量比例输出电流被认为可以有效提高可再生能源的利用率和系统的稳定性/弹性, 基于此, 本文提出了一种基于广义风光拓扑同胚系统的分布式自适应动态规划控制策略以确保电流均衡和电压恢复. 本文的主要特点和优点如下:

1) 构建了包含风光实时互补特性的广义风光拓扑同胚系统模型. 该模型能够有效简化后续初级和二级控制器设计难度和提供模型基础;

2) 将电流均衡和电压恢复问题转化为最优控制问题. 基于此, 每个能源主体的目标函数被转化为获取最优控制器和最小电压/电流控制偏差;

3) 提出了基于贝尔曼准则的自适应动态规划控制策略以实现电流均衡和电压恢复, 助力可再生能源的高比例消纳和系统稳定性. 同时提出的自适应动态规划策略的收敛性和稳定性被有效证明.

图 7  自适应动态规划结构

图 13  基于文献[24]的微电网系统实时电流

图 14  基于本文方法的微电网系统实时电流

作者简介

王   睿

东北大学信息科学与工程学院讲师. 主要研究方向为能源互联网中分布式电源的协同优化及其电磁时间尺度稳定性分析. 

E-mail: wangrui@mail.neu.edu.cn

孙秋野

东北大学信息科学与工程学院教授. 主要研究方向为网络控制技术, 分布式控制技术, 分布式优化分析及其在能源互联网, 微网, 配电网等领域相关应用. 本文通信作者.

E-mail: sunqiuye@mail.neu.edu.cn

张化光

东北大学信息科学与工程学院教授. 主要研究方向为自适应动态规划, 模糊控制, 网络控制, 混沌控制.

E-mail: zhanghuaguang@mail.neu.edu.cn

相关文章

[1]  王睿, 孙秋野, 张化光. 信息能源系统的信-物融合稳定性分析. 自动化学报, doi: 10.16383/j.aas.c210480

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c210480?viewType=HTML

[2]  王本斐, 张荣辉, 冯国栋, ManandharUjjal, 郭戈. 基于事件触发的直流微电网无差拍预测控制. 自动化学报. doi: 10.16383/j.aas.c210585

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c210585?viewType=HTML

[3]  袁兆麟, 何润姿, 姚超, 李佳, 班晓娟. 基于强化学习的浓密机底流浓度在线控制算法. 自动化学报, 2021, 47(7): 1558-1571. doi: 10.16383/j.aas.c190348

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190348?viewType=HTML

[4]  孙秋野, 王一帆, 杨凌霄, 张化光. 比特驱动的瓦特变革—信息能源系统研究综述. 自动化学报, 2021, 47(1): 50-63

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200634?viewType=HTML

[5]  胡旭光, 马大中, 郑君, 张化光, 王睿. 基于关联信息对抗学习的综合能源系统运行状态分析方法. 自动化学报, 2020, 46(9): 1783-1797.  doi: 10.16383/j.aas.c200171

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200171?viewType=HTML

[6]  平作为, 何维, 李俊林, 杨涛. 基于稀疏学习的微电网负载建模. 自动化学报, 2020, 46(9): 1798-1808. doi: 10.16383/j.aas.c200154

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200154?viewType=HTML

[7]  刘建刚, 杨胜杰. 具有容性负载的直流微电网系统分布式协同控制. 自动化学报, 2020, 46(6): 1283-1290. doi: 10.16383/j.aas.c190018

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190018?viewType=HTML

[8]  郭子杰, 白伟伟, 周琪, 鲁仁全. 基于性能指标约束的一类输入死区非线性系统最优控制. 自动化学报, 2019, 45(11): 2128-2136. doi: 10.16383/j.aas.c190414

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190414?viewType=HTML

[9]  李晓理, 王康, 于秀明, 苏伟. 基于CPS框架的微粉生产过程多模型自适应控制. 自动化学报, 2019, 45(7): 1354-1365. doi: 10.16383/j.aas.2018.c180387

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2018.c180387?viewType=HTML

[10]  张绍杰, 吴雪, 刘春生. 执行器故障不确定非线性系统最优自适应输出跟踪控制. 自动化学报, 2018, 44(12): 2188-2197. doi: 10.16383/j.aas.2018.c170300

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2018.c170300?viewType=HTML

[11]  孙秋野, 胡旌伟, 杨凌霄, 张化光. 基于GAN技术的自能源混合建模与参数辨识方法. 自动化学报, 2018, 44(5): 901-914. doi: 10.16383/j.aas.2018.c170487

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2018.c170487?viewType=HTML

[12]  刘小明, 唐少虎, 朱凤华, 陈兆盟. 基于MFD的城市区域过饱和交通信号优化控制. 自动化学报, 2017, 43(7): 1220-1233. doi: 10.16383/j.aas.2017.c160250

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2017.c160250?viewType=HTML

[13]  孙景亮, 刘春生. 基于自适应动态规划的导弹制导律研究综述. 自动化学报, 2017, 43(7): 1101-1113. doi: 10.16383/j.aas.2017.c160735

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2017.c160735?viewType=HTML

[14]  王鼎, 穆朝絮, 刘德荣. 基于迭代神经动态规划的数据驱动非线性近似最优调节. 自动化学报, 2017, 43(3): 366-375. doi: 10.16383/j.aas.2017.c160272

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2017.c160272?viewType=HTML

[15]  王康, 李晓理, 贾超, 宋桂芝. 基于自适应动态规划的矿渣微粉生产过程跟踪控制. 自动化学报, 2016, 42(10): 1542-1551. doi: 10.16383/j.aas.2016.c150808

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2016.c150808?viewType=HTML

[16]  段艳杰, 吕宜生, 张杰, 赵学亮, 王飞跃. 深度学习在控制领域的研究现状与展望. 自动化学报, 2016, 42(5): 643-654. doi: 10.16383/j.aas.2016.c160019

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2016.c160019?viewType=HTML

[17]  闫德勤, 刘彩凤, 刘胜蓝, 刘德山. 大形变微分同胚图像配准快速算法. 自动化学报, 2015, 41(8): 1461-1470. doi: 10.16383/j.aas.2015.c140816

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2015.c140816?viewType=HTML

[18]  王澄, 刘德荣, 魏庆来, 赵冬斌, 夏振超. 带有储能设备的智能电网电能迭代自适应动态规划最优控制. 自动化学报, 2014, 40(9): 1984-1990. doi: 10.3724/SP.J.1004.2014.01984

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2014.01984?viewType=HTML

[19]  宋睿卓, 肖文栋, 孙长银. 基于数据ADP算法的一类带有执行器饱和的未知离散时间系统最优跟踪控制. 自动化学报, 2013, 39(9): 1413-1420. doi: 10.3724/SP.J.1004.2013.01413

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2013.01413?viewType=HTML

[20]  乔俊飞, 薄迎春, 韩广. 基于ESN的多指标DHP控制策略在污水处理过程中的应用. 自动化学报, 2013, 39(7): 1146-1151. doi: 10.3724/SP.J.1004.2013.01146

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2013.01146?viewType=HTML

[21]  刘德荣, 李宏亮, 王鼎. 基于数据的自学习优化控制：研究进展与展望. 自动化学报, 2013, 39(11): 1858-1870. doi: 10.3724/SP.J.1004.2013.01858

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2013.01858?viewType=HTML

[22]  张化光, 张欣, 罗艳红, 杨珺. 自适应动态规划综述. 自动化学报, 2013, 39(4): 303-311. doi: 10.3724/SP.J.1004.2013.00303

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2013.00303?viewType=HTML

[23]  张吉烈, 张化光, 罗艳红, 梁洪晶. 基于广义模糊双曲模型的自适应动态规划最优控制设计. 自动化学报, 2013, 39(2): 142-149. doi: 10.3724/SP.J.1004.2013.00142

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2013.00142?viewType=HTML

[24]  赵冬斌, 刘德荣, 易建强. 基于自适应动态规划的城市交通信号优化控制方法综述. 自动化学报, 2009, 35(6): 676-681. doi: 10.3724/SP.J.1004.2009.00676

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2009.00676?viewType=HTML