基于一致性算法的微網分布式有功均衡控制

李 陽 葉瓊蔚

?

基于一致性算法的微網分布式有功均衡控制

李 陽 葉瓊蔚

（重慶大學輸配電裝備及系統安全與新技術國家重點實驗室，重慶 400044）

為實現微網內可控型分布式電源（distributed generator, DG）按有功容量分配負荷以避免其過載，建立了基于一致性算法的分布式有功均衡控制模型。不依賴于中央控制器，而是通過Agent與鄰居Agent之間的局部通信，根據自身信息及獲取到的鄰居信息來實時更新自己的信息，作為可控DG的指令以實時調整自身有功輸出。此外，建立了考慮通信延時的有功均衡控制模型。基于Matlab/Simulink仿真驗證了所提均衡控制策略可以達到有功均衡的效果，解決了部分DG過載的問題，且系統電壓和頻率穩定。另外，討論了延時對系統的影響，驗證了延時過大會使系統均衡精度變差。

微網；可控DG；有功均衡；一致性算法；延時

微網是一個包含多種DG、儲能、負荷的可控、友好的小型電力網絡，眾多特性各異的DG常通過變流器并聯運行，以提高系統的可靠性。由于多DG并聯協調控制策略影響系統的穩定性，因而得到了業界的廣泛關注[1-3]。

微網中多臺DG的功率均衡控制，即依據DG容量比例來分配系統總負荷，可以最大程度避免單臺DG過載，從而提高系統運行可靠性，已有不少文獻從功率均衡控制角度進行研究。文獻[4]提出了以降低有功分配的分配誤差為目標，使風力發電機組按容量比例分配負荷的策略。文獻[5]根據風力發電機組的運行狀態和實時風速等信息，對機組進行動態分類，并按風電機組最大發電能力和運行約束條件建立有功分配模型。然而，以上模型都依賴于一個集中控制器，在微網內DG數量很多的情況下，中央控制器的通信及控制壓力較大，可能無法對各臺DG實施有效調度，系統可靠性及可擴展性不高。下垂控制是避免集中式控制上述問題的有效方法，其不依賴于集中式控制器，且通信依賴程度低甚至無需通信，因此在均衡控制中得到廣泛的應用。但下垂控制存在諸多問題：均衡精度與穩定性存在一定的矛盾、無功分配精度不高、電壓控制難度較 大[6-9]。

文獻[10]提出一種包含最大功率跟蹤控制（MPPT控制）、定功率跟蹤控制（PQ控制）、恒壓/恒頻控制（V/f控制）的分布式控制模型。該模型中，風機、光伏采取MPPT控制以提高新能源滲透率；柴油機組、微型燃氣輪機采取PQ控制，為系統提供穩態支撐；儲能裝置采取V/f控制為系統提供暫態支撐。該模型特點在于：①不依賴于集中控制器；②實現新能源最大程度消納；③不存在下垂控制穩定性較差的問題。但該模型中可控DG按照“就地補償”或“就近補償”的原則來分配負荷，如果附近負荷較大或者可再生能源出力較小，就可控DG易出現過載的問題。

為解決文獻[10]模型中可控DG容易過載的問題，本文在其基礎上，建立了可控DG有功均衡控制模型。其實現方案如下：利用稀疏通信網絡，通過鄰居之間的點對點通信，實時交換可控DG的有功/容量比信息，基于一致性算法確定下一控制周期的有功/容量比指令值，本地控制器依據該指令值計算其下一時刻的有功輸出。該改進模型完整保留了文獻[10]不依賴于集中式控制器、新能源最大程度消納、穩定性高這些優點；同時克服了可控DG容易過載這一問題，實現了有功的大范圍互濟，對減小可控DG及儲能容量配置，提高系統可靠性有重要意義；最后仿真驗證了本文均衡控制的有效性、以及不同大小的通信延時對均衡精度的影響。

1 分布式有功均衡控制模型

本文分布式有功均衡控制建立在文獻[10]有功平衡控制的基礎上，首先對文獻[10]進行簡要概述，然后提出本文的有功均衡控制律。

1.1 分布式功率平衡控制

文獻[10]給出了微網電力-通信雙層網絡模型。其結構如圖1所示。

圖1 微網雙層網絡模型

圖1中，Physical層由DG和負荷、輸電線路等一次設備構成，其中：①DG包括可控DG、不可控DG和半可控DG 3種類型，可控DG包括微型燃氣輪機、柴油發電機等，其功率通過調節進氣量、進油量來控制，采取定功率控制（PQ控制），圖1中以“菱形”表示；②不可控DG指風機、光伏板，采取最大功率跟蹤控制（MPPT）以提高新能源利用率，由于風速、光強不可控，故其功率無法控制，圖1中以“橢圓形”表示；③半可控DG采用蓄電池、超級電容器等響應速度快的電源，采取和恒壓/恒頻控制（/控制），為系統提供暫態支撐，圖1中以“橢圓形”表示。Cyber層由各Agent和Agent之間的通信鏈路構成，Agent分為兩類：①可控DG配置的Agent成為可控Agent，圖1中以“菱形”表示；②不可控DG和半可控DG配置的Agent成為不可控Agent，圖1中以“橢圓形”表示。Agent兼具信息采集、處理、傳遞信息：①虛線表示Cyber層Agent采集物理層DG和負荷的信息，并向Physical層傳遞指令信息；②有向實線表示Agent之間的通信鏈路。

依據圖中的Cyber網絡的拓撲結構和Physical層各DG的屬性，可以確定功率平衡分布式控制律為

式中，L()和()表示各DG當前時刻的有功負荷和有功輸出；L()和()表示各DG當前時刻的無功負荷和無功輸出；b為平衡控制周期，即每b進行一次式（1）的功率平衡計算；(+b)和(+b)分別表示下一b的有功和無功輸出指令；矩陣=[a]×n表示Agent之間連接關系，其中，表示Agent數量，若Agent向Agent向傳遞信息，則a=1，否則a=0；對角矩陣=[r]×n表示 Agent的屬性，若Agent為可控Agent，則r=1，否則r=0；對角矩陣=[d]表示各Agent的出度，例如，Agent有兩條出邊，則d=2。該平衡控制律的實質是依據當前時刻的功率輸出和負荷情況，按照“就地補償”或“就近補償”的原則，來確定可控DG下一時刻功率輸出的，以維持系統功率平衡。

1.2 分布式有功均衡控制模型

均衡控制的目標是各DG功率輸出與其容量之比相等，因此有功均衡的表達式為

為實現式（2）所示的有功均衡控制，在圖1所示的Cyber層可控Agent之間架設雙向通信線路，圖中以雙向箭頭曲線表示，其通信網絡如圖2所示。

圖2 有功均衡控制通信網絡

（4）

由以上分析，本文有功均衡控制的思想為：在式（1）確定下一b可控DG的有功輸出后，各可控Agent與鄰居可控Agent每隔c交換一次一致量的信息，基于一致性算法，確定每一c，即每次迭代后可控DG的有功輸出，直到下一個b來臨。下一個b來臨之后，重新進行上述迭代過程。

其控制框圖如圖3所示。

1.3 通信延時下的分布式有功均衡控制模型

微網的通信網絡中，特別是無線傳感網絡WSN、3G通信方式等，信道抗干擾能力差，傳輸速率低，不可避免地引入數據延時。計及延時，式（3）中的一致量迭代式為[11-13]

2 仿真分析

2.1 仿真參數設置

以圖1包含12臺DG的微網為例。其中DG2、DG4、DG5、DG7、DG10、DG12采取PQ控制，為可控DG，其有功容量分別為=[60, 57, 55, 50, 42, 45]kW；DG3為蓄電池，采取/控制；其余DG為風機、光伏，采取MPPT控制。

仿真時長設為3s，=1s時刻，有功負荷突增28%，整個仿真時間內，風速、光強實時變化。設定平衡控制周期b=40ms；均衡控制周期，即一致性算法迭代周期c=0.5ms。

2.2 有功均衡控制效果

如果不采取本文1.2節中有功均衡控制策略，就可僅通過文獻[10]的模型，即式（1）來確定可控DG的有功輸出。6臺可控DG的輸出如圖4所示。

由圖4可知，當不采取有功均衡控制時，DG2、DG10負載過重，甚至出現短時過載現象，弱化了可控DG平抑新能源處理波動及負荷變化的能力，降低了系統可靠性。

采取本文2.2節的均衡控制策略，即依據圖3所示的控制框圖，6臺可控DG的有功均衡效果如圖5所示。

圖5 有功均衡效果

如圖5所示，各可控DG的有功輸出與自身容量之比，即/近似相等，說明其有功按其容量成比例輸出，達到了有功均衡控制的效果。各臺可控DG均未出現負載過重或過輕的問題，從而提高了可靠性。且系統電壓、頻率穩定，如圖6所示。

2.3 延時對控制效果的影響

圖6 系統電壓與頻率

（a）=1

（b）=3

圖7 不同延時對有功均衡效果的影響

對比圖7（a）和圖7（b），可知隨著延時增大，有功均衡效果逐漸變差。當延時時，各個可控DG有功輸出與容量之比不再一致，即不再均衡。這是因為隨著延時增大，一致量收斂速度減慢，或者不收斂，以此一致量來計算有功輸出，必然導致有功均衡效果較差。

3 結論

為避免微網內DG過載的現象，提高可靠性，本文提出了一種DG有功輸出按自身有功容量來分配負荷的方案。不依賴于中央控制器，而是通過局部通信，根據自身信息及獲取到的鄰居信息來實時更新自身狀態，作為可控DG的指令以實時調整有功輸出。由于采用分布式控制方法，從而不存在因中央控制器“單點故障”導致全局崩潰的風險。仿真驗證了所提均衡控制策略可以達到有功均衡的效果，解決了部分DG過載的問題，且系統電壓和頻率穩定。另外，討論了延時對系統的影響，延時較小對系統影響基本可以忽略，而延時過大會使系統性能變差。

本方法不足之處在于通信量較大。后續將在本文基礎上，減少通信量，增強控制策略對通信延時的魯棒性。

[1] 楊琦, 張建華. 微型電網運行及保護設計[J]. 陜西電力, 2011, 39(1): 1-5.

[2] 田軍,吳建東. 風光儲微網系統一體化解決方案[J]. 電氣技術, 2014(S1): 9-14.

[3] 夏向陽, 萬成. 配電網中光伏微網系統的新型控制策略[J]. 電氣技術, 2012(8): 28-31, 50.

[4] Rodriguez-Amenedo J L. Arnalte S, Burgos J C. Automatic generation control of a wind farm with variable speed wind turbines[J]. IEEE Transactions on Energy Conversion, 2002, 17(2): 279-284.

[5] 梅華威, 米增強, 李聰, 等. 采用機組風速信息動態分類的風電場有功控制策略[J]. 中國電機工程學報, 2014, 34(34): 6058-6065.

[6] He Jinwei, Li Yunwei, Guerrero J M, et al. An islanding microgrid power sharing approach using enhanced virtual impedance control scheme[J]. IEEE Transactions on Power Electronics, 2013, 28(11): 5272-5282.

[7] Yao Wei, Chen Min, Matas J, et al. Design and analysis of the droop control method for parallel inverters considering the impact of the complex impedance on the power sharing[J]. IEEE Transactions on Industrial Electronics, 2011, 58(2): 576-588.

[8] 張慶海, 羅安, 陳燕東, 等. 并聯逆變器輸出阻抗分析及電壓控制策略[J]. 電工技術學報, 2014, 29(6): 98-105.

[9] Olivares D E, Mehrizi-Sani A, Etemadi A H, et al. Trends in microgrid control[J]. IEEE Transactions on Smart Grid, 2014, 5(4): 1905-1919.

[10] Li Qiang, Chen Feixiong, Chen Minyou, et al. Agent-Based decentralized control method for islanded microgrids[J]. IEEE Transactions on Smart Grid, 2016, 7(2, SI): 637-649.

[11] Olfati-Saber R, Murray R M. Consensus problems in networks of agents with switching topology and time- delays[J]. IEEE Transactions on Automatic Control, 2004, 49(9): 1520-1533.

[12] Meng L, Dragicevic T, Vasquez J C, et al. Modeling and sensitivity analysis of consensus algorithm based distributed hierarchical control for DC microgrids[J]. IEEE Transactions on Smart Grid, 2015(3): 342-349.

Distributed Active Power Sharing Control for Microgrid based on Consensus Algorithm

Li Yang Ye Qiongwei

(Chongqing University, the State Key Laboratory of Power Transmission Equipment, and System Security and New Technology, School of Electrical Engineering, Chongqing 400044)

Aiming at the accurate active power of the controllable distributed generator (DG) proportional to their rated capacity, a consensus-based distributed active power sharing control scheme is proposed. No centralized controller is required, each agent only communicates with it’s neighbors, and updates consensus state according to own information and neighbor information, which provides the active power reference for the controllable DG. Furthermore, the above model considering communication delays is established. Simulation results are presented to validate the correctness of the proposed control method, overcome the overload problem of the controllable DG, and investigate the impacts of communication delays to system performance.

microgird; controllable DG; active power sharing; consensus algorithm; delay

李 陽（1991-），男，碩士研究生在讀，研究方向為新能源微網的優化與控制、微網的通信系統容錯策略。