基于VMD和MPC的电动汽车-火电机组联合调频控制

合理的调频指令分配策略以及有效的指令跟踪控制方法是利用集群电动汽车(aggregate electric vehicle,AEV)联合火电机组开展调频控制、改善调频质量、提高调频经济性的关键。基于此,文中提出基于变分模态分解(variational mode decomposition,VMD)和双层模型预测控制(model predictive control,MPC)的AEV参与系统调频控制策略。首先,设计AEV联合传统火电机组的频率协调优化控制结构,建立火电机组及负荷频率控制模型,同时将AEV转化为虚拟调频单元,构建在AEV参与下系统单区域多机组负荷频率控制模型;然后,利用VMD将电网调频指令信号分解为含不同频率成分的本征模态函数,整合高频分量作为AEV的调频指令,低频分量作为火电机组群的调频指令,并通过双层MPC分别在AEV和火电机组群内部实现调频指令的优化再分配及跟踪控制;最后,对所提控制策略进行仿真验证。结果表明所提控制策略可实现对系统频率的有效调节,且兼顾了调频的经济性和动态性能。

基于一致性算法的虚拟电厂调度指令动态跟踪策略

虚拟电厂(virtual power plant,VPP)可以聚合大量的分布式能源资源(distributed energy resources,DER)作为一个整体参与电力系统的调度。为实现VPP内部DER的高效调控,提出了一种虚拟电厂集群自治调度架构。为解决理想通信网络下VPP内部DER动态跟踪调度指令的优化问题,分别从集群层面和DER层面提出了调节成本一致性和调节时间一致性算法,通过本地相邻DER的信息交互,更新自治节点参数,降低了通信压力,且提高了求解效率。在此基础上,通过引入共识增益函数和虚拟共识变量,解决了实际通信网络中的传输延迟和噪声问题。仿真结果验证了所提算法的有效性和可行性。