Dual Layered Architecture for Multi Agent Based Islanding and Load Management for Microgrids

This paper proposes a novel dual layered multi agent system (MAS) based control system for the use in microgrid operations. In developing a smarter grid capable of withstanding disturbances and/or outages and providing quality service to the consumers, reliable microgrid control architecture is vital. The innovative microgrid control system proposed, makes the microgrid capable of isolating the local grid from effects of any upstream disturbances in the main utility grid by operating disconnected from the main utility via islanding, and it allows the most critical local loads to be supplied by any, available, local power source during such islanded operation. The proposed MAS control architecture is developed using the JADE platform and it is used to control a test network simulated in MATLAB. The results of these simulations show the capability of developing MAS based reliable control mechanism for islanding and load management of microgrids based on the proposed concept.

可再生能源高渗透下时滞孤岛微电网的负荷频率控制

针对孤岛微电网系统中大规模接入可再生能源导致的低惯性和开放通信网络中通信延迟对系统稳定运行造成的不可忽略的影响,该文研究变时滞影响下低惯性孤岛微电网系统的负荷频率控制问题。首先,提出一种引入虚拟惯性控制的时滞微电网分层频率控制模型;然后构造一个新的Lyapunov-Krasovskii泛函,它包括时滞乘积项和增广的s-dependent积分项。进而,选取复合松弛积分不等式、二次函数不等式和凸组合等方法与所构造泛函有效配合,得到保守性更低的稳定性判据。最后,通过不同场景的仿真分析验证所提方法在提高孤岛微电网时滞稳定裕度和系统动态性能方面具有更好的效果,并分析了时滞稳定裕度与控制器参数、非线性负载扰动之间的关系。

基于模糊神经网络的微电网荷储协调智能控制方法

针对传统比例-积分-微分(proportional integral derivative,PID)控制和模型论控制方法难以应对新型电力系统背景下微电网面临的运行场景复杂多变的问题,提出了基于模糊神经网络的微电网荷储协调智能控制方法。首先确定了微电网模糊控制输入及输出变量,以平抑净负荷波动及减少储能充放电频次为目的,将微电网控制经验总结成模糊规则表,采用神经网络深度学习算法修正模糊控制模型的隶属度函数中心、宽度和输出权重来提高模型的自适应能力,从而制定了可调控负荷和储能的功率控制系数;进而针对模糊神经网络控制输出的负荷调控需求量在各可调控负荷间分配的问题,提出了基于灵活性供给指标排序的负荷调控优先级选择方法,最终完成了微电网系统储能单元和可调控负荷控制策略的制定。某典型微电网系统算例仿真结果表明,所提方法制定的各可调控负荷与储能控制策略能在避免储能频繁和过度充放电的同时,在并网状态下有效减弱并网功率对上级电网造成的随机扰动,在孤岛状态下能够有效平抑系统功率波动,提升系统运行稳定性。

基于改进时间卷积网络的微电网超短期负荷预测

为了提高微电网中用电负荷超短期预测的准确性,对时间卷积网络进行特征增强和注意力增强改进,将时间卷积网络中的一维因果膨胀卷积替换为二维卷积,同时利用时间模式注意力机制对时间卷积网络的隐藏层加权处理,提取负荷的多维特征,挖掘序列中存在的潜藏联系。根据改进的方法建立预测模型并进行对比实验以验证方法的有效性,能够对用电负荷的不确定性进行有效的处理,拓宽特征向量的维度,有效捕捉负荷序列中与时间有关的特征,提高用电负荷的预测精度。

基于可进化模型预测控制的含电动汽车多微电网智能发电控制策略

多微电网中的环境状态、控制资源及偶然事件均具有强不确定性,而电动汽车在参与电网削峰填谷的同时也给发电控制带来了挑战。为此,该文提出一种基于可进化模型预测控制(LBMPC)的含电动汽车多微电网发电控制策略。首先,基于控制器交互的多微电网互联结构,考虑了发电机端电压调节和负荷频率控制(LFC)之间的耦合关系,建立含电动汽车多微电网的发电控制模型;然后,设计了一种基于多智能体的控制器参数自适应算法:频率控制器以实时频偏和EV站输出功率边界为状态集,以模型预测控制(MPC)控制器的可调参数矩阵Q_(x)作为动作集,以频率偏差为奖励函数指标,电压控制器同理,从而实现MPC与PI控制器权重参数的自适应调整;最后,仿真结果表明,自动调压(AVR)回路增加了有功功率干扰,对LFC控制器提出了更高的要求,与传统控制和MPC算法相比,应用于控制器互联结构的可进化模型预测控制器能够在子微电网之间进行信息交换,并且根据环境状态实时更新控制器参数,显著提高了多微电网频率控制过程的鲁棒性和快速性。同时,与纯深度确定性策略梯度(DDPG)控制器相比,该文提出的双层控制结构在机器学习智能体出现故障无法正常输出动作时,能更好地保证系统的安全稳定运行。

基于双人零和博弈的孤岛微电网有界L2增益负荷频率控制

针对含不确定建模误差和新能源接入的孤岛微电网,提出了一种结合有界L2增益基线控制和扰动补偿的综合负荷频率控制(LFC)方法。首先,推导了微电网的全驱模型,将建模误差和新能源的影响总结成一个综合扰动。为提高系统的鲁棒性,该综合扰动被定义成控制信号的对手玩家。进一步,关于扰动抑制的有界L2增益问题被等价成求解综合扰动和控制信号的零和博弈Nash均衡,由此推导出有界L2增益基线控制器。为改善频率的二次控制,设计了基于五阶广义积分观测器的扰动补偿控制,并在此基础上引入了一种针对发电速率约束(GRC)的新型抗发电速率约束(anti-GRC)措施。最后,搭建了16 MW的新能源-柴油混合微电网仿真模型,并在多种工况下对所提出的综合LFC方法进行测试,验证了其有效性。

基于分层事件触发的混合微电网集中控制策略

针对混合微电网集中控制对中央控制器依赖严重、通信需求量大、扰动调节能力差的问题,提出一种微电网中央控制器(microgrid central control,MGCC)参与的分层事件触发控制策略,有效降低分布式集群的冗余通信并减少中央控制器计算负担,改进策略可靠性。该策略将控制系统分为2层,其中,设备层为本地控制层,采用分布式协同控制,所设计的本地控制器可就地控制更新输出状态,实现混合微电网的分散自治运行;另外,在控制层建立微电网控制层,引入事件触发策略,协调MGCC获取混合微电网的全局信息,从而向本地控制器发出预定义的调控指令,实现“源网荷储”灵活调度,尤其是应对突发事件而引发的电网振荡。最后,采用Matlab搭建混合微电网模型并进行仿真,利用Stateflow模块实现了事件触发算法,验证控制策略在满足并网/孤岛模式可靠性、稳定性的前提下,系统通信量可降低56.4%。

考虑负荷不确定性的微电网多时间尺度调度策略

随着分布式能源渗透率增高,微电网内负荷的不确定性及能源响应负荷波动的时间尺度不同为系统灵活调度带来了挑战。电动汽车(EV)因其快速响应能力,合理安排其充放电行为可以有效缓解微电网的供电压力,平滑负荷曲线。在以经济运行最优为目标下,提出一种考虑负荷不确定性及电动汽车资源的微电网多时间尺度调度优化模型。在日前调度阶段,结合需求响应技术以风光消纳最优为目标,优化电动汽车资源的充放电行为,确定各种资源调度安排;在实时调度阶段,负荷预测出现偏差时,将储能电池、电动汽车资源作为灵活性资源,实时滚动,对日前调度计划做出修正。以某一微电网进行仿真验证,结果表明所提模型能实现风光全部消纳,有效减少负荷曲线的峰谷差,提高其应对负荷不确定性的能力。

考虑构网型和跟网型变流器的孤岛微电网小信号稳定性分析

由电力电子设备主导的孤岛微电网面临系统惯量小、无频率支持而导致的稳定性问题,恒功率负荷的渗透也加剧了系统的失稳风险。研究了由构网型变流器和跟网型变流器为主导的,计及恒功率负荷的孤岛微电网稳定性。首先,建立了孤岛微电网系统的全阶小信号模型,通过特征值分析法研究了构网型变流器控制中下垂系数对稳定性的影响并得到了下垂系数的数值上界;其次,通过参与因子法揭示了系统参数和控制参数对小信号稳定性的影响;最后,在Matlab Simulink中建立了该孤岛微电网的开关模型,仿真验证了小信号分析结果的准确性。

基于多步自校正Q学习的孤岛微电网负荷频率控制策略

在以绿色交通和间歇性清洁能源为主的未来城网中,其波动性对城网的安全性和供电可靠性提出了越来越高的要求.针对传统控制策略无法解决微电网中新能源规模化接入带来的频率不稳定,控制性能标准差的问题,提出了多步自校正Q学习算法.该算法中的自校正估计器能够准确估计系统的状态,有效提高机组控制精度.此外,资格迹机制可以实现多步备份,提高算法收敛速度,使得控制器能够满足指令信号与机组响应的时延性,减小时延所带来的调频影响.仿真部分,本文构建了包含储能系统、风力发电以及电动汽车的两区域负荷频率控制模型,并分别引入正弦波、阶跃和随机阶跃扰动来模拟电力系统中的负荷变化扰动.仿真结果表明与其他算法相比,所提算法在控制性能指标方面表现出更优的效果.

基于电压偏差和SOC的电氢耦合系统多源协调控制策略

在公路直流微电网中,电动汽车充电行为的时间特性和充电方式特性会对直流母线电压造成不同程度的冲击,高渗透率的电动汽车负荷对“源-荷-储”协调控制提出新的挑战。通过分析公路直流微电网的交通负荷特性和微源特点,提出了一种基于直流母线电压偏差的电氢耦合系统多源协调控制策略。此控制策略以蓄电池作为调压核心元件,通过检测变流器端口直流母线电压波动来实现协调自洽运行,无需通信即可实现系统的功率平衡。为避免蓄电池因荷电状态(SOC)过界而退出运行,设计了一种多源自适应下垂控制器,使氢能单元主动响应SOC变化,减少蓄电池SOC管理造成的不平衡功率,抑制SOC向边界值的趋近速度,实现SOC的动态平衡。最后,在Matlab/Simulink中验证了所提控制策略的有效性。

基于模型预测控制的多能源微网仿射优化调度

受源荷日前预测误差较大的影响,多能源微网存在优化调度方案变化范围较大,且难有足够的不确定性应对裕度的问题。为解决上述问题,提出一种基于模型预测控制的多能源微网仿射优化调度方法。首先,通过不断更新预测信息以保证源荷预测精度。在此基础上,采用仿射算法表征源荷预测的不确定性。然后,将仿射优化调度模型嵌入滚动优化中,并在每次滚动优化中求解仿射优化调度模型。最后,仿真结果验证了所提方法能够有效降低优化调度方案的保守性与提高不确定性应对能力。

基于深度强化学习的孤立多微电网系统频率和电压综合控制

分布式电源出力不确定性和负荷功率扰动给孤立多微电网系统稳定带来较大威胁。提出基于多智能体柔性动作评价(MA-SAC)算法的孤立多微电网负荷频率控制器(LFC),同时采用柔性动作评价(SAC)算法对自动电压调节器(AVR)的比例积分(PI)控制参数进行优化调整。建立了多微电网LFC和AVR组合模型。对于电压和频率控制器的设计,分别根据SAC算法和多智能体深度强化学习(MA-DRL)框架建立各自的状态、动作空间与奖励函数。选择合适的神经网络与训练参数经过预学习生成深度强化学习控制器。最后通过仿真分析,基于SAC算法优化的PI控制器能更快跟踪电压参考值;多微电网系统遭遇功率扰动时,MASAC控制器可以快速维持频率稳定。

考虑柔性负荷和阶梯式碳交易的微电网鲁棒优化调度

针对低碳背景下微电网中可再生能源出力的不确定性以及碳排放问题,提出了一种考虑阶梯式碳交易机制同时柔性负荷参与调控的微电网两阶段鲁棒优化方法。在调度模型中引入阶梯式碳交易机制,限制系统的碳排放量;通过柔性负荷的调控作用弥补由于可再生能源出力波动造成的功率缺额,进一步减小了微电网的碳排放量和调度成本;模型中引入不确定参数调节系统的保守性,日前阶段基于预测数据并考虑系统日内可能遭受的最恶劣场景,制定预测数据下的日前调度方案,日内调控阶段则在日前调度方案的基础上进行二次优化,在最恶劣场景下给出系统的日内调控方案;模型利用嵌套C&CG算法对调度模型进行求解。算例仿真结果证明,鲁棒优化方法相较于确定性优化方法其总调度成本平均减少了3.1%;考虑阶梯式碳交易机制后,系统单日运行的碳排放量和总调度成本相较于未考虑碳交易机制时分别下降了17.7%和3.7%;考虑柔性负荷参与调度后,系统单日运行的碳排放量和总调度成本相较于未考虑柔性负荷时分别下降了26%和24.3%,验证了所提优化模型的有效性。

计及新能源出力相关性的多能源微网仿射实时优化调度

为计及新能源出力相关性对多能源微网运行的影响,并响应源荷实时变化,提出一种计及新能源出力相关性的多能源微网仿射实时优化调度方法。首先,在多能源微网中引入Kalina循环,实现热电联产机组的灵活经济输出。其次,考虑源荷不确定性以及风光出力相关性对多能源微网运行的影响,构建并求解计及风光出力相关性的多能源微网仿射优化模型。再次,在获得优化方案变化范围的基础上,实时计算各仿射噪声元的取值,从而获取多能源微网实时调度轨迹。最后,仿真结果验证了所提方法能够充分计及不确定性和相关性的双重影响,有效应对源荷实时变化,并提升系统运行经济性。

基于相对目标接近度的并网型微电网多目标优化调度

为了提高微电网运行的灵活性,将可中断负荷视为一种直接参与微电网运行的可调度资源,并根据峰谷时刻设置联络线传输功率处于不同区间,考虑微电网运行维护折旧成本、环境效益成本和与联络线偏差惩罚成本,构建微电网运行的多目标优化模型,再采用相对目标接近度法将多目标优化转化为单目标优化,由层次分析法和熵权法进行组合赋权。运用Gurobi求解器对微电网内的各种分布式电源24h出力和蓄电池荷电状态进行求解,获得微电网日前调度模型。基于美国地区微电网算例进行分析,验证所提模型可以兼顾微电网经济性、环保性,并能减少主网功率波动;同时表明计及可中断负荷和联络线功率控制的运行方式能有效降低运维折旧成本、环境污染和主网负担。

时滞孤岛微电网负荷频率控制系统在采样控制下的指数稳定

孤岛微电网配有开放式通讯网络。通讯信息不可避免存在的延迟,会对系统的稳定造成显著影响。针对变时滞影响下的孤岛微电网负荷频率控制系统的稳定性问题进行了研究。首先,建立了考虑时滞的孤岛微电网负荷频率控制系统模型,并据此推导出含时滞项的系统状态方程。然后,在基于采样的事件触发非周期间歇控制策略下,通过数学推导证明了系统在变时滞的影响下能够实现指数稳定。最后,通过仿真分析,验证了所提控制策略的有效性,并将其与最近提出的基于状态控制宽度的事件触发非周期间歇控制策略进行了对比。结果显示,相较于后者,提出的控制策略在系统稳定性方面表现更为高效,且所需的控制次数更少。

基于岛屿互联的远洋海岛群微电网系统优化设计

远洋海岛群与普通海岛不同,它们远离大陆,与大陆互联构成主网与配网成本太高,损耗较大。考虑到远洋海岛群的特殊位置,研究海岛群内的负荷分布状况和可再生能源储备状况,将远洋海岛群内岛屿划分为远洋资源岛(Pelagic resource island)和远洋负荷岛(Pelagic load island)。在兼顾经济性与环保性的前提下,以远洋海岛群微电网系统的日均运行成本最低和可再生能源消纳比例最高为目标函数,建立了基于岛屿互联的远洋海岛群微电网系统优化调度模型。并以蓄电池的充放电功率和柴油发电机的输出功率为优化变量,采用改进粒子群灰狼混合算法(GWO_PSO)求解优化调度模型。将其运用到实际算例中,算例结果表明该优化调度模型的可行性和有效性。并通过与传统粒子群算法(Particle swarm optimization,PSO)比较,验证了改进粒子群灰狼混合算法的优越性。该算法收敛性能更好,在提高可再生能源消纳比例和降低系统运行成本方面具有显著的优势。

含循环换电负荷及充电站的微电网多目标优化调度

电动换电重卡由于具有充电功率高、周期性强的循环换电负荷特性,一旦短时大量接入微电网中,将带来经济性和安全性的挑战。首先讨论电动汽车充电、循环换电负荷的不同特性,建立含循环换电负荷及充电站的微电网模型;提出一种综合考虑微电网经济性及联络线功率波动性的多目标调度优化方法;采用线性加权方法将多目标问题转化为单目标问题;最后利用CPLEX工具对仿真算例进行求解,仿真算例表明,所提优化方案可有效求解综合考虑不同权重下微电网净利润、联络线交换功率及换电站内电池最优调度问题,能在尽可能减小微电网与上级电网交换功率波动性的同时,使得微电网获得最大净利润。

考虑负荷变动运行风险的零碳微网经济优化调度

基于用户负荷的灵活性,用户负荷在日前计划的基础上存在临时变动的可能性,将产生一定程度的运行风险。为实现微电网安全性和经济性,采用日前预调度分析运行风险、经济补偿策略引导用户负荷调整并做日前调度执行计划的方法,通过Matlab建立风光储及负荷模型,进行仿真试验优化储能充放电方案,分析日前预调度、日前执行阶段的运行风险可能性和运营收益,在此方法下将微网运行风险降低到20%以下,并尽可能保证运营商收益。