基于分布式控制模型的自动化系统多时间尺度优化调度

现有的电力自动化系统多时间尺度调度方法在多任务模式中难以准确管理任务序列,导致电力系统的优化调度调整值过高,为优化调度结果,基于分布式控制模型设计自动化系统多时间尺度优化调度方法,预测自动化系统负荷值,控制各节点任务量及执行时间,建立电力自动化系统调度优化函数模型,设置相应的目标函数和约束条件,实现对自动化系统多时间尺度的调度优化。在三类调度方法的对比实验中,该方法在日内12h、1h、15MIN、1MIN条件下的的调度调整量分别为4.76MW、3.06MW、2.54MW、1.77MW,均小于同等条件下的其他两种优化调度方法。可见基于分布式控制模型的自动化系统多时间尺度优化调度方法,可以更好地维护电力自动化系统的稳定性。

基于分布式模型预测的高比例风电系统多源协同负荷频率控制策略

随着风电逐步替代传统电源,系统频率调整能力恶化,风电主动参与互联系统负荷频率控制(load frequency control,LFC)是改善系统频率特性的新途径。针对该背景,基于分布式模型预测控制,综合考虑互联系统内传统机组、风电机组和储能电站等调频资源及其响应特性,提出一种适应于高风电渗透率的互联系统多源协同LFC策略。首先,分析不同风速对风电机组调频特性的影响,提出一种计及风速变化的风电机组多风速段功率响应模型;其次,构建传统机组、风电机组和储能电站协同参与互联系统LFC模型,兼顾各机组频率响应约束,以互联系统区域控制偏差信号和自动发电成本的加权函数为目标,构建区域信息互动的分布式模型预测控制器;最后,为实现互联系统负荷频率全局最优控制,各控制器结合己区域及其他区域机组运行状态,在线求解所有机组的功率参考值。仿真结果表明:所提策略有效降低了系统频率和联络线功率波动的幅度,实现了各机组之间的最优功率分配,并降低了系统自动发电成本。

基于分布式模型预测控制的城轨列车协同控制方法研究

围绕城市轨道交通列车高密度追踪控制问题,研究基于分布式模型预测控制(DMPC)的列车协同控制方法。首先,对列车进行受力分析并建立列车运行的状态空间模型,在此基础上提出系统控制目标并设计控制策略;其次,在保证行车安全的前提下,基于DMPC设计考虑位置、速度和加速度等前车动态行为的列车一致性协同控制方法,并应用李雅普诺夫稳定性定理对该系统的稳定性进行分析和验证;最后,结合北京地铁11号线西段线路,对提出的列车协同控制方法进行仿真验证。试验结果表明:提出的列车协同控制方法能够在保障列车安全运行的前提下,使列车间的状态达到一致,且具有良好的同步性。将本方法与跟随控制方法进行对比分析,结果表明:采用协同控制方法能够使列车间隔和速度差更小,满足城轨列车高密度追踪控制要求。

互联电力系统鲁棒分布式模型预测负荷频率控制

负荷频率控制是现代互联电力系统运行的重要保障.本文针对含有不确定因素和负荷扰动的多区域互联电力系统提出了一种基于线性矩阵不等式参数可调节的鲁棒分布式预测控制算法.设计各个区域控制器目标函数引入相邻区域的状态变量和输入变量,同时考虑发电机变化速率约束和阀门位置约束,将求解一组凸优化问题转化成线性矩阵不等式求解,得到各个区域的控制律,在线性矩阵不等式中引入一组可调参数,将优化一个上限值转化成优化吸引区,降低算法的保守性.仿真结果验证了该算法在负荷扰动、系统参数不确定和结构不确定性情况下具有鲁棒性.

基于HSRM的分布式发言权控制模型与应用研究

研究了组播会话对发言权控制和网络通信的要求。提出了一个满足这种要求的可靠组播通信模型HSRM,然后结合所研制的基于IP组播的协同学习环境WebLearning+的应用背景给出了基于HSRM的发言权控制模型。该模型协议一致,可以方便地扩展到无主持人和多主持人模式,失效恢复简单,加入和退出灵活,有很好的可扩展性和鲁棒性。

基于非合作博弈的分布式模型预测控制优化算法

针对基于纳什最优的分布式模型预测控制求解算法中存在的迭代次数多、收敛精度不高的缺点,提出了一种基于非合作博弈的分布式模型预测控制优化算法。该方法借鉴非合作博弈论中的针锋相对策略,将每个子系统看作博弈的参与者,在线优化过程中,各个子系统在该策略影响下使所有参与者更快促成合作,从而快速求得整体最优解。仿真表明,与传统的基于纳什最优的迭代求解相比,在给定精度情况下,提出的算法所需的迭代次数要低于传统算法;在给定迭代次数情况下,提出的算法的跟踪性能更优,在外界产生随机扰动时,该算法也具有较好的抗干扰能力。此外,将提出的算法应用于设施环境控制系统中,进一步说明了算法的有效性。

基于分布式模型预测控制的风电场参与AGC控制方法

随着风电并网规模的不断扩大,常规电源调频已很难满足系统频率稳定性要求,需要风电集群参与系统调频。首先根据风电集群并网特点,建立含风电集群的多区域互联系统自动发电控制(automatic generation control,AGC)模型;然后根据风电场的超短期功率预测值判断风电场在调频过程中的备用容量,基于分布式模型预测控制原理,以尽量利用风电参与AGC控制、减少火电机组出力为目标,提出一种含风电集群的多区域互联系统AGC控制方法。即利用风电场的备用容量实现风电场参与AGC控制,减少常规电源调频压力。最后通过算例分析,对所提出策略的可行性与有效性进行了验证。

轮毂电机失效下分布式驱动电动汽车主动转向容错控制策略

为提高分布式驱动电动汽车在单轮或单边轮毂电机失效时的稳定性,提出了一种基于事件触发机制的主动转向容错控制策略。设计了基于线性矩阵不等式的故障状态观测器,建立了基于残差评估函数的容错切换机制;采用了Pareto最优理论的分布式模型预测协同控制策略,以实现车辆底盘主动转向系统和横摆力矩控制系统的容错控制最优分配机制。基于Matlab/Simulink软件和CarSim软件在硬件在环平台展开实验。结果表明:当轮毂电机发生恒偏差或变增益故障时,所设计的容错控制算法在低路面附着系数的双移线工况下,横摆角速度跟踪误差降低14.9%,侧向位移跟踪误差降低28.2%。因而,实现了分布式驱动电动汽车在轮毂电机失效下的容错性能和稳定性能。

基于串联结构的分布式模型预测控制

分布式模型预测控制(Distributed model predictive control,DMPC)是一类用十多输入多输出的人规模系统的控制方式.每个智能体通过相互协作完成整个系统的摔制.已有的分布式预测摔制算法可以划分为迭代式算法和非迭代算法:迭代算法在迭代到收敛情况下,具有集中式预测控制(Centralized model predictive control,CMPC)算法的性能,但迭代次数过多,子系统问通信量人;非迭代算法不需要迭代,但性能有一定损失.本文提出了一种基十串联结构的非迭代分布式预测控制算法.本文算法在串联结构系统中可以有效减少计算量,并结合氧化铝碳分解(Alumina continuous carbonationdecomposition process,ACCDP)这一串联过程,通过仿真验证了算法的有效性;同时分析了算法运用在串联结构下的性能并证明了其稳定性.

基于多代理技术的分布式模型预测长期电压稳定紧急控制

将分布式模型预测控制方法应用于电力系统长期电压稳定紧急控制器设计,重点解决如何将大系统的在线滚动优化问题转化为若干个子系统的在线协同优化问题。在寻优过程中,利用各子系统优化目标函数的凸组合构造全局优化目标函数,通过迭代和网络通信共同求解该分布式优化问题,使系统达到纳什均衡点的收敛性得到提高。此外,根据分布式模型预测控制算法和多代理技术之间的共同性,利用Matlab和JADE在优化计算和面对代理编程方面的优势,提出并构建一种适用于分布式模型预测控制算法的多代理系统,在各子系统间实现了对滚动优化问题的并行求解。新英格兰10机39节点系统上的仿真计算验证了所提方法的有效性。

基于分布式模型预测控制的主动配电网区域协同控制

为提升主动配电网的控制效果与性能,基于主动配电网馈线控制误差理论,提出了适用于主动配电网区域协同控制的分布式模型预测控制方法。首先建立了包含自治区域内间歇式能源、负荷、储能等单元的区域控制模型,以考虑其未来短期内的出力变化等预测信息;提出了分布式预测控制方法,解决区域间优化目标间的耦合问题,实现多个区域间的协同控制,通过滚动优化与反馈校正,实现基于未来预测时间段内的整体最优控制,从而保证整条馈线的全局最优。最后通过算例仿真,并与传统的PI控制进行对比分析,验证了本文控制方法的优越性。

考虑可控负荷的多区域电力系统分布式模型预测负荷频率控制

由于同步发电机的惯性较大,导致传统的集中式负荷频率控制模式反应不够迅速,而用户侧具有快速响应能力的可控负荷资源为系统的频率调节提供了新机遇。研究了考虑用户侧可控负荷资源主动参与系统频率调节的多区域互联电力系统分布式模型预测负荷频率控制问题。通过建立的含可控负荷的多区域互联电力系统负荷频率响应模型及自动发电控制模型,基于连续时域交替方向乘子法和分布式模型预测控制方法,提出了一种用户侧可控负荷资源主动参与的多区域互联电力系统分布式模型预测最优负荷频率控制模型。基于修改的IEEE39节点三区域互联电力系统进行仿真验证,结果表明所提考虑可控负荷的分布式模型预测控制策略可显著减少系统恢复至稳态所需的时间。分布式控制策略的控制自由度更高,增强了系统的可控性。

含风电场的交直流互联电网协作式分布式模型预测控制

针对风电场输出功率的强波动性对交直流互联电网调频的影响,提出了基于协作式分布式模型预测控制的交直流互联电网调频控制方法,以提高风电经交直流通道外送互联系统的频率稳定性,克服集中式模型控制方法扩展性差的缺点,该控制策略具有全局最优解。文章建立了含风电场的交直流互联电网调频控制模型,构建了基于协作式分布式模型预测控制的含风电场交直流互联电网的经济性调频控制策略。以3区域交直流互联电网调频控制模型进行仿真,结果表明,文章所提出的协作式分布式模型预测控制方法,能够有效地改善风电场输出功率随机波动的频率稳定性,使系统频率及区域间交换功率在较小的范围内变化,其控制效果明显优于传统的分布式模型预测控制和分散式模型预测控制。

分布式模型预测电压控制方法研究

针对集中式模型预测控制应用于大型电力系统长期电压稳定控制中存在滚动优化计算量大的问题,提出了一种分布式模型预测电压控制算法,即将一个复杂大规模系统分解为若干区,从而将求解全网大型在线滚动优化问题分解为求解各个区的在线滚动优化问题,并通过通信网络实现各个区之间信息交换,降低问题的规模和复杂性。分别采用集中式和分布式模型预测控制方法,对New England 10机39节点设计电压控制器,通过仿真和对比分析证实分布式模型预测是可行的且在计算速度方面具有优势。

多AUV分布式模型预测深度和纵向速度控制

针对多自主水下航行器(Autonomous Underwater Vehicle,AUV)的深度和纵向速度耦合控制问题,提出一种基于分布式模型预测控制(Distributed Model Predictive Control,DMPC)的双子系统控制方法 .在DMPC的框架下,AUV和邻居共享信息以建立预测优化问题,实现多AUV的协同控制.考虑单个AUV的深度和纵向速度控制,深度控制子系统参考轨迹中的俯仰角序列作为速度控制子系统中俯仰角的实际值,同时纵向速度控制子系统参考轨迹中的纵向速度序列作为深度控制子系统中纵向速度的实际值,由此解耦为两个子系统,进而独立地求解预测优化问题.仿真实验结果表明,相对于整体系统DMPC方法,本文提出的双子系统DMPC方法可在牺牲一定深度控制收敛速度的基础上降低计算时间73.3%.

基于分布式模型预测控制的欠驱动AUV编队控制

分布式模型预测控制(DMPC)相较于集中式模型预测控制具有更低的计算量、更强的容错性和鲁棒性,被广泛应用于多智能体编队控制。文中提出了一种基于DMPC的欠驱动自主水下航行器(AUV)编队控制方法,基于局部邻居信息为各AUV控制器构建预测控制的代价函数和约束条件,通过优化算法求解一定时域内的最优控制输入。同时,针对编队系统可能存在的障碍物避碰问题和通信时延问题,分别设计了基于距离和相对视线差的避障方法,以及在接收到所有邻居信息后再求解的等待机制。仿真结果表明,采用文中方法,多航行器编队能够在障碍及通信时延条件下保持队形稳定。

风光互补发电系统的分布式模型预测控制

风光互补发电系统中,风力和光伏独立发电且两者在地理上相隔较远,彼此没有通讯交流。对此问题,提出用分布式模型预测控制的方法去解决。首先,在风光互补发电系统中存在大量的非线性环节,运用神经网络线性逼近,训练得出各个子系统的神经网络线性化模型。然后,在此基础上,基于风力优先发电、光伏配合、蓄电池必要时输出的原则,设计出满足相应的约束条件且合理的目标函数并利用二次规划的方法求解出最优值。最后,研究结果表明,针对系统负荷端的需求,分布式模型预测控制方法可以在理论及实际真实天气条件下去合理地分配各个子系统的输出功率。相对于其他的传统方法,分布式模型预测控制在优化系统性能方面速率高且效果好。

含风电场的协同分布式模型预测负荷频率控制

针对外界负荷变化时,风能间歇性和随机性特征而致使风电机组无法有效跟踪负荷变化问题,提出含大规模风电场的协同分布式模型预测负荷频率控制。首先,在分析含规模化风电场互联电力系统频率特征基础上,建立含风电场互联电力系统负荷频率控制模型;然后,设计基于协调的分布式模型预测控制器,根据不同风速条件,不同区域控制器能够优化不同的控制目标,实现风电场与常规机组协调控制。同时考虑常规机组的发电机变化速率约束和风电机组的桨距角约束,风速约束。最后,采用仿真和实验测试算法性能,结果表明,基于协调的DMPC预测控制算法不但能够有效地跟踪外界负荷变化,同时能最大限度平抑风电输出波动,实现频率稳定。

多端口DC-DC变换器型风光互补系统的分布式模型预测控制

针对大规模且地理分散的风光系统中,各个子系统之间缺乏信息交流,相隔较远且无法实现同步优化的问题,提出用分布式模型预测控制的策略对其系统进行协同优化和调节,从而实现整个风光互补系统中的功率平衡和电压稳定运行要求。针对传统风光互补系统中风力、光伏和蓄电池三个子系统之间都是通过多个单端口双向的DC-DC变换器来实现功率流动的现状,提出把多端口双向DC-DC变换器运用到风光互补系统中。实验研究证明,提出的分布式模型预测控制策略相比于传统的控制方法运用到多端口DC-DC变换器型风光互补系统中,优化速率高且保证了系统的安全可靠运行。

结合神经网络的微电网分布式模型预测控制

针对大规模且地理分散的微电网中,各个子系统之间缺乏信息交流,相隔较远且无法实现同步优化的问题,提出用分布式模型预测控制的策略对其系统进行协同优化和调节,从而实现整个微电网的功率平衡和电压稳定运行。对微电网中存在的大量非线性环节,运用神经网络线性逼近的能力,训练得出各个子系统的神经网络线性化模型。在此基础上,基于风力优先发电,光伏配合,蓄电池必要时输出的原则,设计了相应的目标函数。研究结果表明,提出的分布式模型预测控制能有效地保证整个微电网安全、可靠、稳定的运行。