针对微电网下电力系统通信易受到拒绝服务攻击(denial of service attack,DoS)、局部信息不开放以及通信带宽受限等问题,提出了一种基于DoS攻击的分布式事件触发的无模型预测补偿能量优化管理控制方法。首先,为了优化微电网能量供给并...针对微电网下电力系统通信易受到拒绝服务攻击(denial of service attack,DoS)、局部信息不开放以及通信带宽受限等问题,提出了一种基于DoS攻击的分布式事件触发的无模型预测补偿能量优化管理控制方法。首先,为了优化微电网能量供给并使得获利最大,给出考虑微电网功率损失的维持供需平衡的最小成本函数;其次,将微电网中的每个部分看作一个智能体并考虑了通信带宽受限问题,提出了一种分布式事件触发一致性算法;随后,提出一种基于输入输出数据的无模型预测控制算法,利用跟踪攻击前时刻的供需不匹配功率来预测补偿当前时刻及其后多个时刻的智能体功率数据缺失;最后,通过仿真实例验证所提出的基于分布式事件触发一致性预测补偿的微电网能量管理方法的有效性。展开更多
为解决电池储能系统(battery energy storage system,BESS)平抑风电波动过程中荷电状态(state of charge,SOC)和健康状态(state of health,SOH)一致性较低、电池寿命损耗较高的问题,该文提出了面向风电波动平抑基于考虑通讯时延的分布...为解决电池储能系统(battery energy storage system,BESS)平抑风电波动过程中荷电状态(state of charge,SOC)和健康状态(state of health,SOH)一致性较低、电池寿命损耗较高的问题,该文提出了面向风电波动平抑基于考虑通讯时延的分布一致性算法(distributed consistency algorithm considering communication delay,C−DCA)的BESS分组控制策略,该控制策略包括初级和次级2个功率分配过程。首先,利用改进旋转门(improved swing door trending,ISDT)算法获取BESS功率指令;然后,建立考虑BESS寿命损耗、SOC与SOH一致性、并网波动率与算法迭代速度的双电池组初级功率分配模型,结合BESS充/放电状态将功率指令顺序分配至电池组,实现初级功率分配;接着,将状态反馈预测控制(state feedback predictive control,SFPC)与输出变量动态反馈引入C−DCA,形成改进C−DCA,进一步设计基于SOC−SOH的权矩阵计算方法,并根据改进C−DCA的计算结果将功率指令从电池组分配给电池单元,完成次级功率分配;最后,电池单元响应各自功率指令。以某风电场实际出力进行仿真,并与其它多种方法进行对比。结果表明,该研究方法降低了风电并网波动率,提升了控制算法的鲁棒性,减少了算法占用内存,同时兼顾了电池单元SOC和SOH的一致性,更大程度上降低了BESS寿命损耗。展开更多
文摘针对微电网下电力系统通信易受到拒绝服务攻击(denial of service attack,DoS)、局部信息不开放以及通信带宽受限等问题,提出了一种基于DoS攻击的分布式事件触发的无模型预测补偿能量优化管理控制方法。首先,为了优化微电网能量供给并使得获利最大,给出考虑微电网功率损失的维持供需平衡的最小成本函数;其次,将微电网中的每个部分看作一个智能体并考虑了通信带宽受限问题,提出了一种分布式事件触发一致性算法;随后,提出一种基于输入输出数据的无模型预测控制算法,利用跟踪攻击前时刻的供需不匹配功率来预测补偿当前时刻及其后多个时刻的智能体功率数据缺失;最后,通过仿真实例验证所提出的基于分布式事件触发一致性预测补偿的微电网能量管理方法的有效性。
文摘为解决电池储能系统(battery energy storage system,BESS)平抑风电波动过程中荷电状态(state of charge,SOC)和健康状态(state of health,SOH)一致性较低、电池寿命损耗较高的问题,该文提出了面向风电波动平抑基于考虑通讯时延的分布一致性算法(distributed consistency algorithm considering communication delay,C−DCA)的BESS分组控制策略,该控制策略包括初级和次级2个功率分配过程。首先,利用改进旋转门(improved swing door trending,ISDT)算法获取BESS功率指令;然后,建立考虑BESS寿命损耗、SOC与SOH一致性、并网波动率与算法迭代速度的双电池组初级功率分配模型,结合BESS充/放电状态将功率指令顺序分配至电池组,实现初级功率分配;接着,将状态反馈预测控制(state feedback predictive control,SFPC)与输出变量动态反馈引入C−DCA,形成改进C−DCA,进一步设计基于SOC−SOH的权矩阵计算方法,并根据改进C−DCA的计算结果将功率指令从电池组分配给电池单元,完成次级功率分配;最后,电池单元响应各自功率指令。以某风电场实际出力进行仿真,并与其它多种方法进行对比。结果表明,该研究方法降低了风电并网波动率,提升了控制算法的鲁棒性,减少了算法占用内存,同时兼顾了电池单元SOC和SOH的一致性,更大程度上降低了BESS寿命损耗。