本發(fā)明涉及一種多逆變器型交流微電網(wǎng)分布式經(jīng)濟(jì)性自動(dòng)發(fā)電控制算法，屬于智能電網(wǎng)技術(shù)領(lǐng)域。

背景技術(shù)：

微電網(wǎng)作為智能電網(wǎng)發(fā)展過程中的一塊基石，能夠經(jīng)濟(jì)性的并且環(huán)境友好的接入大量可再生能源(如光伏，風(fēng)機(jī)，燃料電池等)。微電網(wǎng)可以并網(wǎng)運(yùn)行或孤島運(yùn)行，以提高供電可靠性。分層控制策略在微電網(wǎng)中具有廣泛應(yīng)用，即，最底層采用下垂控制策略，第二層采用自動(dòng)發(fā)電控制，第三層實(shí)現(xiàn)經(jīng)濟(jì)調(diào)度。傳統(tǒng)方法大多通過中央控制器，采用集中控制方法實(shí)現(xiàn)第三層經(jīng)濟(jì)調(diào)度。這種方法由于是集中式的，在中央控制器故障時(shí)，整個(gè)系統(tǒng)容易崩潰，并且當(dāng)微電網(wǎng)擴(kuò)展時(shí)需要重新調(diào)整控制結(jié)構(gòu)，可擴(kuò)展性較差。此外，大時(shí)間尺度的經(jīng)濟(jì)調(diào)度與小時(shí)間尺度的自動(dòng)發(fā)電控制不能無縫的集成，降低了微電網(wǎng)的運(yùn)行效率。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明針對上述現(xiàn)有技術(shù)的不足，提供了一種多逆變器型交流微電網(wǎng)分布式經(jīng)濟(jì)性自動(dòng)發(fā)電控制算法。

本發(fā)明為實(shí)現(xiàn)上述目的所采用的技術(shù)方案是：多逆變器型交流微電網(wǎng)分布式經(jīng)濟(jì)性自動(dòng)發(fā)電控制算法，為微電網(wǎng)的每個(gè)逆變器接口電源配置一個(gè)智能體，通過智能體之間的通信實(shí)現(xiàn)分布式自動(dòng)發(fā)電控制算法，包括以下步驟；

1)分布式識別微電網(wǎng)運(yùn)行狀態(tài)；

2)基于識別的微電網(wǎng)運(yùn)行狀態(tài)進(jìn)行分布式自動(dòng)發(fā)電控制算法初始化；

3)通過各智能體之間數(shù)據(jù)交互，分布式地得到各電源發(fā)電量參考值；

4)將各電源發(fā)電量參考值分別輸入至各自對應(yīng)的下垂控制器，得到各電源的輸出頻率參考值，通過各逆變器調(diào)頻至各輸出頻率參考值控制電源發(fā)電，實(shí)現(xiàn)微電網(wǎng)分布式自動(dòng)發(fā)電控制。

所述分布式識別微電網(wǎng)運(yùn)行狀態(tài)包括以下步驟：

2-1)智能體Agent₁通過與智能體Agent₀通信獲取微電網(wǎng)當(dāng)前運(yùn)行狀態(tài)，其余智能體的狀態(tài)變量初始化為0；

2-2)通過下式進(jìn)行迭代，直到狀態(tài)變量s_i收斂到某數(shù)值：

其中，s_i(k+1)為第k+1次迭代得到的值，s_i(k)為第k次迭代的值；

權(quán)重因子

d_i為第i個(gè)智能體Agent_i的鄰居節(jié)點(diǎn)個(gè)數(shù)，n為微電網(wǎng)中智能體總數(shù)，N_i為第i個(gè)智能體的所有鄰居節(jié)點(diǎn)組成的集合；

2-3)根據(jù)狀態(tài)變量s_i的收斂結(jié)果，各個(gè)智能體均得知該微電網(wǎng)當(dāng)前運(yùn)行狀態(tài)：

若狀態(tài)變量s_i收斂到某一正值，則微電網(wǎng)處于并網(wǎng)運(yùn)行狀態(tài)；

若s_i收斂到某一負(fù)值，則微電網(wǎng)處于孤島狀態(tài)轉(zhuǎn)并網(wǎng)狀態(tài)預(yù)同步過程；

若s_i收斂到零，則微電網(wǎng)處于孤島運(yùn)行狀態(tài)。

所述基于識別的微電網(wǎng)運(yùn)行狀態(tài)進(jìn)行分布式自動(dòng)發(fā)電控制算法初始化包括以下步驟：

3-1)當(dāng)微電網(wǎng)處于孤島運(yùn)行狀態(tài)時(shí)：

其中，P_i為第i個(gè)分布式電源輸出的有功功率，P_refi是第i個(gè)分布式電源輸出有功功率參考值，a_i、b_i分別為第i個(gè)分布式電源的發(fā)電成本函數(shù)的二次項(xiàng)和一次項(xiàng)系數(shù)；λ_i和e_i為中間變量；

3-2)當(dāng)微電網(wǎng)處于并網(wǎng)運(yùn)行狀態(tài)時(shí)：

其中，P_c為智能體Agent₀向Agent₁下達(dá)的整個(gè)微電網(wǎng)需要發(fā)出的有功功率；

3-3)當(dāng)微電網(wǎng)處于孤島狀態(tài)轉(zhuǎn)并網(wǎng)狀態(tài)預(yù)同步過程時(shí)：

所述發(fā)電成本函數(shù)：C_i(P_i)＝a_iP_i²+b_iP_i+c_i，其中，C_i(P_i)為第i個(gè)分布式電源的發(fā)電成本函數(shù)，c_i為常數(shù)。

所述通過各智能體之間數(shù)據(jù)交互，分布式地得到各電源發(fā)電量參考值，包括以下步驟：

5-1)首先定義函數(shù)φ_i(λ_i)：

其中，P_i^min為第i個(gè)分布式電源發(fā)電機(jī)輸出有功功率的最小值，P_i^max為第i個(gè)分布式電源發(fā)電機(jī)輸出有功功率的最大值；

5-2)各智能體通過與鄰居節(jié)點(diǎn)進(jìn)行通信，并通過迭代公式進(jìn)行迭代：

其中，η為學(xué)習(xí)率，其初始化為正數(shù)；

當(dāng)達(dá)到設(shè)定的迭代次數(shù)時(shí)，得到各分布式電源輸出有功功率最優(yōu)參考值。

所述學(xué)習(xí)率通過以下步驟得到：

首先，定義矩陣W，其第i行、第j列的元素為w_i,j，定義向量λ＝[λ₁,λ₂,...,λ_n]^T，E＝[e₁,e₂,...,e_n]^T，I為n行n列的單位矩陣，矩陣B＝diag([β₁,β₂,...,β_n])；

其次，求取下列矩陣中的學(xué)習(xí)率η：

設(shè)定學(xué)習(xí)率η為0～0.1之間的一組數(shù)據(jù)；

依次將數(shù)據(jù)代入下式，分別求取矩陣D的特征值；

選取特征值中一個(gè)值為1、其余特征值位于復(fù)坐標(biāo)系下單位圓內(nèi)所對應(yīng)的η作為最終的學(xué)習(xí)率η。

選取特征值中一個(gè)值為1、其余特征值位于復(fù)坐標(biāo)系下單位圓內(nèi)且離原點(diǎn)最近所對應(yīng)的η作為最終的學(xué)習(xí)率η。

所述智能體用于采集本地?cái)?shù)據(jù)和通信，智能體的通信拓?fù)錆M足N-1規(guī)則。

本發(fā)明具有以下有益效果及優(yōu)點(diǎn)：

1.本發(fā)明分布式實(shí)施，不易受單點(diǎn)故障的影響，具有很高的魯棒性。

2.本發(fā)明可以及時(shí)調(diào)整分布式電源輸出有功功率，提高微電網(wǎng)運(yùn)行效率的同時(shí)實(shí)現(xiàn)頻率的修正。

3.本發(fā)明適用于各種運(yùn)行狀態(tài)下的微電網(wǎng)。

4.本發(fā)明基于分布式多智能體系統(tǒng)實(shí)施，易于實(shí)現(xiàn)分布式電源即插即用的需求。

5.分布式智能體系統(tǒng)通信拓?fù)錆M足N-1規(guī)則，具有較高的通信可靠性。

6.本發(fā)明能夠?qū)⒆詣?dòng)發(fā)電控制層與經(jīng)濟(jì)調(diào)度層合并為一層，即，經(jīng)濟(jì)性自動(dòng)發(fā)電控制層，使電源及時(shí)調(diào)整有功功率輸出，提高微電網(wǎng)運(yùn)行效率，降低微電網(wǎng)運(yùn)行成本，從而帶來經(jīng)濟(jì)效益。

附圖說明

圖1是微電網(wǎng)分層控制架構(gòu)；

圖2是微電網(wǎng)物理連接及電源的智能體間通信拓?fù)涫疽鈭D；

圖3本發(fā)明的經(jīng)濟(jì)性自動(dòng)發(fā)電控制調(diào)整下垂曲線示意圖。

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明做進(jìn)一步的詳細(xì)說明。

本發(fā)明針對多逆變器型交流微電網(wǎng)分布式經(jīng)濟(jì)性自動(dòng)發(fā)電控制算法。首先設(shè)計(jì)多逆變器型交流微電網(wǎng)分布式經(jīng)濟(jì)性自動(dòng)發(fā)電控制架構(gòu)，并為微電網(wǎng)中每個(gè)逆變器接口電源分配一個(gè)智能體以完成通信與數(shù)據(jù)計(jì)算；各智能體間的通信拓?fù)錆M足N-1規(guī)則以提高系統(tǒng)可靠性；智能體通過采集本地信息并與鄰居智能體進(jìn)行交互通信，實(shí)現(xiàn)分布式識別微電網(wǎng)運(yùn)行狀態(tài)，包括孤島運(yùn)行，并網(wǎng)運(yùn)行，孤島狀態(tài)轉(zhuǎn)并網(wǎng)狀態(tài)預(yù)同步過程；基于識別的微電網(wǎng)運(yùn)行狀態(tài)進(jìn)行算法初始化；通過各智能體之間數(shù)據(jù)交互，分布式地得到各電源發(fā)電量參考值；將發(fā)電量參考值下達(dá)到底層下垂控制器，實(shí)現(xiàn)微電網(wǎng)分布式經(jīng)濟(jì)性自動(dòng)發(fā)電控制。

本發(fā)明包括以下步驟：

1)設(shè)計(jì)多逆變器型交流微電網(wǎng)分布式經(jīng)濟(jì)性自動(dòng)發(fā)電控制架構(gòu)，如圖1所示，并為微電網(wǎng)中每個(gè)逆變器接口電源分配一個(gè)智能體以完成通信與數(shù)據(jù)計(jì)算；

2)基于N-1規(guī)則，設(shè)計(jì)各智能體間的通信拓?fù)?，通信拓?fù)淙鐖D2所示；

3)分布式識別微電網(wǎng)運(yùn)行狀態(tài)，包括孤島運(yùn)行，并網(wǎng)運(yùn)行，孤島狀態(tài)轉(zhuǎn)并網(wǎng)狀態(tài)預(yù)同步過程；

4)基于識別的微電網(wǎng)運(yùn)行狀態(tài)進(jìn)行算法初始化；

5)通過各智能體之間數(shù)據(jù)交互，分布式地得到各電源發(fā)電量參考值；

6)將發(fā)電量參考值下達(dá)到底層下垂控制器，實(shí)現(xiàn)微電網(wǎng)分布式經(jīng)濟(jì)性自動(dòng)發(fā)電控制。

1、設(shè)計(jì)多逆變器型交流微電網(wǎng)分布式經(jīng)濟(jì)性自動(dòng)發(fā)電控制架構(gòu)，并為微電網(wǎng)中每個(gè)逆變器接口電源分配一個(gè)智能體以完成通信與數(shù)據(jù)計(jì)算如下：

經(jīng)濟(jì)性自動(dòng)發(fā)電控制算法作為整個(gè)控制架構(gòu)的最上層，下一層采用下垂控制實(shí)現(xiàn)微電網(wǎng)中瞬時(shí)不平衡有功功率的快速分配。

下垂控制公式為：f_i^*＝f_oi+mp_i·(P_refi-P_i)

其中，i表示第i個(gè)分布式電源編號，mp_i為下垂參數(shù)(預(yù)先設(shè)定量)，f_oi為微電網(wǎng)系統(tǒng)標(biāo)稱頻率，P_i為第i個(gè)分布式電源輸出的有功功率，P_refi是第i個(gè)分布式電源輸出有功功率參考值(P_refi將通過分布式經(jīng)濟(jì)性自動(dòng)發(fā)電控制算法得到)，f_i^*為第i個(gè)分布式電源輸出頻率參考值。

為了分布式實(shí)現(xiàn)經(jīng)濟(jì)性自動(dòng)發(fā)電控制算法，需要為微電網(wǎng)中每個(gè)逆變器接口電源分配一個(gè)智能體，智能體命名為Agent_i(其中i為智能體編號)，每個(gè)智能體都應(yīng)具有以下功能：獲取本地信息(該電源當(dāng)前輸出有功功率P_i)，與鄰居節(jié)點(diǎn)進(jìn)行雙向通信以交互數(shù)據(jù)。本實(shí)施里采用具有A/D接口和通信接口的微處理器。

在微電網(wǎng)與大電網(wǎng)并網(wǎng)點(diǎn)(公共耦合點(diǎn))處，分配一個(gè)智能體，該智能體命名為Agent₀，并且該智能體能夠與微電網(wǎng)中某一個(gè)電源的智能體進(jìn)行通信。假定與Agent₀通信的智能體為Agent₁。Agent₀能夠獲取當(dāng)前微電網(wǎng)的運(yùn)行狀態(tài)，并且在并網(wǎng)狀態(tài)下，能夠下達(dá)整個(gè)微電網(wǎng)需要發(fā)出的有功功率P_c。

2、基于N-1規(guī)則，設(shè)計(jì)各智能體間的通信拓?fù)淙缦拢?/p>

各智能體之間的通信拓?fù)鋺?yīng)當(dāng)滿足N-1規(guī)則，即設(shè)計(jì)的通信拓?fù)鋺?yīng)當(dāng)滿足：在任意一個(gè)通信鏈路故障時(shí)，任意兩個(gè)智能體之間依然能實(shí)現(xiàn)通信。

基于設(shè)計(jì)的通信拓?fù)?，定義如下權(quán)重因子：

其中，d_i為第i個(gè)智能體Agent_i的鄰居節(jié)點(diǎn)個(gè)數(shù)，n為微電網(wǎng)中智能體總數(shù)，N_i為第i個(gè)智能體的所有鄰居節(jié)點(diǎn)組成的集合。

3、分布式識別微電網(wǎng)運(yùn)行狀態(tài)，包括孤島運(yùn)行，并網(wǎng)運(yùn)行，孤島狀態(tài)轉(zhuǎn)并網(wǎng)狀態(tài)預(yù)同步過程，包括以下步驟：

Agent₁與Agent₀通信，并從Agent₀處獲取微電網(wǎng)當(dāng)前運(yùn)行狀態(tài)。第i個(gè)智能體定義狀態(tài)變量s_i，用于識別微電網(wǎng)當(dāng)前運(yùn)行狀態(tài)。其中Agent₁的狀態(tài)變量s₁定義如下：

其余智能體的狀態(tài)變量總是初始化為0。

通過如下所示更新規(guī)則，所有狀態(tài)變量收斂到某一相同值：

s_i(k+1)為第k+1次迭代得到的值，s_i(k)為第k次迭代的值。根據(jù)網(wǎng)絡(luò)拓?fù)淇稍O(shè)定一個(gè)恰當(dāng)?shù)牡螖?shù)(如50次，100次)以滿足算法收斂(狀態(tài)變量值不再變化)。

根據(jù)狀態(tài)變量s_i的收斂結(jié)果，各個(gè)智能體均可得知該微電網(wǎng)當(dāng)前運(yùn)行狀態(tài)：若s_i收斂到某一正值，則微電網(wǎng)處于并網(wǎng)運(yùn)行狀態(tài)；若s_i收斂到某一負(fù)值，則微電網(wǎng)處于孤島狀態(tài)轉(zhuǎn)并網(wǎng)狀態(tài)預(yù)同步過程；若s_i收斂到零，則微電網(wǎng)處于孤島運(yùn)行狀態(tài)。

4、基于識別的微電網(wǎng)運(yùn)行狀態(tài)進(jìn)行算法初始化如下：

為實(shí)現(xiàn)分布式經(jīng)濟(jì)性自動(dòng)發(fā)電控制，還需定義中間變量λ_i和e_i。根據(jù)分布式 識別得到的微電網(wǎng)當(dāng)前運(yùn)行狀態(tài)，各個(gè)智能體分別將P_refi、λ_i和e_i初始化如下：

1)當(dāng)微電網(wǎng)處于孤島運(yùn)行狀態(tài)時(shí)：

其中，P_i為第i個(gè)分布式電源輸出的有功功率，P_refi是第i個(gè)分布式電源輸出有功功率參考值，a_i、b_i分別為第i個(gè)分布式電源的發(fā)電成本函數(shù)的二次項(xiàng)和一次項(xiàng)系數(shù)(第i個(gè)分布式電源的發(fā)電成本函數(shù)為C_i(P_i)＝a_iP_i²+b_iP_i+c_i，其中c_i為常數(shù))。

2)當(dāng)微電網(wǎng)處于并網(wǎng)運(yùn)行狀態(tài)時(shí)：

其中P_c為Agent₀向Agent₁下達(dá)的整個(gè)微電網(wǎng)需要發(fā)出的有功功率指令。

3)當(dāng)微電網(wǎng)處于孤島狀態(tài)轉(zhuǎn)并網(wǎng)狀態(tài)預(yù)同步過程時(shí)：

5、通過各智能體之間數(shù)據(jù)交互，分布式地得到各電源發(fā)電量參考值，包括以下步驟：

1)首先定義函數(shù)φ_i(λ_i)使分布式經(jīng)濟(jì)性自動(dòng)發(fā)電控制算法適用于某些發(fā)電機(jī)超出發(fā)電上下限約束的情況。

其中，P_i^min為第i個(gè)分布式發(fā)電機(jī)輸出有功功率的最小值，P_i^max為第i個(gè)分布式發(fā)電機(jī)輸出有功功率的最大值。

2)各個(gè)智能體通過與鄰居節(jié)點(diǎn)進(jìn)行通信并進(jìn)行如下迭代，各個(gè)智能體可分布式得到是各分布式電源輸出有功功率最優(yōu)參考值。

其中，η為學(xué)習(xí)率，其初始化為一較小正數(shù)。

3)η可通過如下方法進(jìn)行設(shè)計(jì)：

首先，定義矩陣W，其第i行，第j列的元素為w_i,j，定義向量λ＝[λ₁,λ₂,...,λ_n]^T，E＝[e₁,e₂,...,e_n]^T，I為n行n列的單位矩陣，矩陣B為B＝diag([β₁,β₂,...,β_n])，其中β_i定義如下：

基于上述向量定義，步驟2)中的更新規(guī)則可重寫為如下矩陣形式：

矩陣D具有一個(gè)值為1的特征值，若η選的足夠小，可以保證D的其余特征值在復(fù)坐標(biāo)系下單位圓內(nèi)，從而可以保證算法的收斂。另外，若滿足其余特征值在復(fù)坐標(biāo)系下單位原內(nèi)，則算法收斂速度由離原點(diǎn)第二大的特征值決定。因 此可由上述原則選擇合適的學(xué)習(xí)率η，使其余特征值在復(fù)坐標(biāo)系下單位原內(nèi)，并且離原點(diǎn)第二大的特征值較小，以提高算法收斂速度。具體為：設(shè)定學(xué)習(xí)率η為0～0.1之間的一組數(shù)據(jù)；依次將η數(shù)據(jù)代入上式，分別求取每個(gè)η所對應(yīng)的矩陣D的特征值；選取特征值中一個(gè)值為1、其余特征值位于復(fù)坐標(biāo)系下單位圓內(nèi)(離原點(diǎn)最近)所對應(yīng)的η作為最終的學(xué)習(xí)率η。

4)將η代入上述步驟2)的迭代公式，按照步驟2)所述的更新規(guī)則，進(jìn)行迭代更新。當(dāng)達(dá)到恰當(dāng)?shù)牡螖?shù)(如50次，100次)時(shí)，認(rèn)為算法收斂。此時(shí)得到的各分布式電源輸出有功功率最優(yōu)參考值為最終各電源期望輸出的有功功率。

6.將有功功率最優(yōu)參考值下達(dá)到底層下垂控制器，實(shí)現(xiàn)微電網(wǎng)分布式經(jīng)濟(jì)性自動(dòng)發(fā)電控制：

將各電源最優(yōu)輸出有功參考值P_refi代入各電源對應(yīng)的下垂控制器公式f_i^*＝f_oi+mp_i·(P_refi-P_i)，得到各電源的輸出頻率參考值，各電源的逆變器調(diào)節(jié)至該頻率參考值，控制電源發(fā)電，從而實(shí)現(xiàn)微電網(wǎng)分布式經(jīng)濟(jì)性自動(dòng)發(fā)電控制。

下垂曲線調(diào)整過程如圖3所示。該圖描述了兩個(gè)電源(電源i和j)，當(dāng)微電網(wǎng)處于孤島狀態(tài)時(shí)，假設(shè)初始時(shí)刻兩電源的下垂曲線為圖3中下面兩條直線。此時(shí)微電網(wǎng)頻率為f_i^*(與微電網(wǎng)標(biāo)準(zhǔn)頻率f_oi具有偏差)，且兩個(gè)電源輸出有功功率分別為P_i和P_j。假設(shè)微電網(wǎng)中有功功率在兩電源間的最經(jīng)濟(jì)分配應(yīng)當(dāng)為P_i^*和通過本發(fā)明提議的算法可分布式得到最優(yōu)有功分配，并調(diào)整兩電源的輸出有功參考值，使且從而，兩電源的下垂曲線按圖3重新調(diào)整。在穩(wěn)態(tài)時(shí)，系統(tǒng)頻率恢復(fù)到標(biāo)準(zhǔn)頻率f_oi，并且有功功率在兩微電源間最優(yōu)分配。