基于分布式模型预测控制的综合能源系统多时间尺度优化调度

采用具有滚动优化、反馈校正特点的模型预测控制是实现综合能源系统多时间尺度优化调度的关键技术之一.鉴于集中式模型预测控制实现系统整体在线优化的复杂性,文中提出一种基于分布式模型预测控制的综合能源系统多时间尺度优化调度方法,通过各子系统协调配合实现综合能源系统灵活调度.首先,建立以系统日运行经济最优、系统日运行费用及机组启停惩罚费用最小为目标的日前、日内滚动优化模型.然后,在实时阶段采用基于分布式模型预测控制的优化调度策略对整体优化问题进行分解,各子系统根据其他子系统前一时刻的输入序列进行状态估计并优化自身性能指标.最后,通过对各子系统的协调控制进而实现整个系统的在线优化,满足其动态调整需求.仿真结果表明,所提方法能够在改善系统控制性能的同时,提高系统运行的经济性.     

基于代理模型加速的园区综合能源系统双目标滚动运行优化

高比例分布式能源的大量接入显著增加了园区综合能源系统运行的不确定性。同时，园区能源系统运行需要兼顾绿色、经济运行目标，成为典型的双目标优化问题。为此，提出了一种基于代理模型加速的园区综合能源系统双目标滚动优化调度算法。首先，以基于三角分解空间搜索的双目标优化算法为基础，利用代理模型对待搜索空间是否有解进行快速预判，有效提高了空间搜索优化效率；其次，进一步将代理模型加速的双目标优化方法应用于模型预测控制框架，在日内运行中根据不断更新的预测信息滚动优化双目标运行策略，提高了对源荷不确定性的应对能力；最后，以某实际园区综合能源系统为例，验证了所提方法的可行性和有效性。     

考虑峰谷电价的串联结构光储型多微网经济运行

随着微网规模化发展,相邻区域内因互联互供所需可组成多微网系统。如何使多微网高效经济运行成为智能电网发展的关键技术之一。针对串联结构光储型多微网经济优化运行,提出一种考虑峰谷电价的分布式模型预测控制算法。基于源荷预测建立各层子微网经济性最优的目标函数,通过各子微网中央控制器联合进行分布式预测控制,从而实现滚动优化求解。算例结果验证了所提出优化算法的可行性及经济性。     

基于模型预测控制算法的多风储直流微电网分布式电压二次控制策略

针对含多组风储单元的直流微电网中蓄电池的电压优化控制问题,提出了一种基于模型预测控制算法的分布式电压二次控制策略.设计了一种多步长预测一致性模型作为电压预测模型,通过目标函数最小化求解预测系数,得到最优电压二次控制补偿量加入一次控制中,将传统一致性算法中比例积分控制器下的偏差调节问题转化为模型预测控制器下的电压跟踪问题进行求解,从而实现对直流母线电压动态响应的滚动优化.该方法有效解决了传统一致性算法下电压控制策略瞬态特性差和部分工况下存在控制误差等问题,并通过MATLAB/Simulink仿真平台搭建模型验证了不同工况下所提策略的有效性和优越性.     

基于分布式模型预测控制的包含大规模风电集群互联系统超前频率控制策略

随着风电在电力系统中的大规模接入以及风电渗透率的不断提高,仅依靠传统电源进行频率控制将无法满足系统稳定性要求,亟需风电具有与传统电源协调配合共同参与电力系统频率控制的能力。首先,建立了一个考虑非线性约束的包含大规模风电集群及传统电源的多区互联系统频率响应模型;其次,提出了考虑超短期风电功率预测信息的结合拉盖尔函数分布式模型预测控制策略,该策略依据风电预测数据对控制策略预测时域进行滚动优化,形成频率超前控制的优化机制;最后,提出了纳什均衡分解协调在线优化控制算法,解决带约束多变量复杂系统与在线滚动优化求解之间的矛盾。通过算例分析,对所提策略与算法的可行性和有效性进行了验证。     

串联结构多微网的负荷供电性能多目标优化控制

相邻区域内的微网因互联互供所需可组成多微网系统,有助于提高该区域内微网能效。针对离网模式下串联结构多微网,提出一种综合考虑负荷供电率和负荷持续供电时间的负荷供电性能多目标优化控制算法。建立各层子微网负荷供电性能最优的多目标函数,各层子微网联合进行分布式预测控制,实现滚动优化。算例结果证明,该控制算法实现了多微网负荷供电性能多目标优化。     

基于Radau排列的非线性模型预测紧急电压控制器设计

将非线性模型预测控制方法应用于紧急电压控制器的设计,并以准稳态近似为基础建立滚动动态优化模型,该模型旨在协调各种电压控制手段,从而维持系统的长期电压稳定性。滚动动态优化问题的目标函数综合考虑了电压偏移和控制成本,等式约束包括了连续?离散时间微分?代数方程组。为提高求解滚动动态优化模型的效率,采用Radau排列法将该模型转化为非线性规划问题,并采用内点法解法器IPOPT求解该问题。在新英格兰10机39节点系统上的计算结果验证了所提方法的有效性。     

并联Buck DC/DC变换器的分布式混杂建模与优化控制

并联Buck DC/DC变换器控制的主要难点不仅在于控制模型的建立过于繁杂,还在于它所固有的混杂特性。针对该问题,提出了一种分布式混杂建模和优化控制的方法,即将这种N个模块并联的系统划分为N个子系统,并分别建立各子系统的混杂模型。基于这些子系统模型进行模型预测控制,首先确定了目标函数和约束条件,然后通过离线求解约束优化控制问题得到各子系统的状态反馈控制律,由控制律即可计算出对应模块的最优控制量。最后,通过仿真和实验将所提的方法与基于平均模型的优化控制策略进行了对比分析,验证了该方法不仅能获得更好的动态和稳态性能,还简化了控制系统的设计。     

微电网分层分布式能量优化管理

以系统经济性、环保性、供电可靠性为优化目标,提出基于多代理系统的微电网分层分布式能量优化管理策略,将传统集中式能量优化转变为包含细化变量定义域的微电源分布式计算、基于遗传算法的中心控制器优化、修正优化解的分布式并行调节以及生成最终解的全局协调这4个阶段的分层分布式能量优化,并将各微电源的运行特性与用户控制目标以约束条件的形式,分散到各阶段予以实现。在此基础上,分别针对微电网单目标与多目标优化问题,介绍了各单元代理在每个阶段的工作任务和协作关系,并利用MATLAB和JADE平台构建针对未来24 h的系统优化算例。计算结果表明所提分层分布式能量优化策略能够弱化对微电网中心控制器性能的要求,并且具有更快的运算速度和较好的优化效果。     

基于预测控制的含风电滚动优化调度

在预测控制理论的基础上建立了含风电的滚动优化调度模型,将常规火电机组、风电机组的有功出力视为预测控制的状态量,常规火电机组的出力调整量视为输入量,以状态空间的形式描述状态量和输入量之间的关系。通过对目标函数和约束条件进行状态空间转换,使滚动调度问题转变为矩阵形式的优化问题,建立了一种多机组多预测时段的滚动优化调度数学模型。并根据矩阵的特性对目标函数进行了化简,使优化问题转换为二次规划形式,推导了全矩阵约束时的内点法增量矩阵,便于应用内点法进行模型求解。此外,还对滚动优化的决策稳定性问题进行了理论分析。仿真算例表明,相比传统的单时刻优化,基于预测控制的含风电滚动优化模型在整体优化水平和调度决策前瞻性方面具有优势。     

单元机组负荷非线性预测控制及其仿真研究

大型单元机组负荷控制系统存在着强耦合、非线性等特性,常规线性控制策略难取得满意的控制效果。为此,该文提出了一种新的基于模糊模型和免疫优化的非线性预测控制方法,将离线辨识到的全局模糊模型作为预测模型,然后利用实数编码的免疫优化算法在线实现非线性预测控制的滚动优化,给出每个采样时刻的最优控制量。该方法还可通过修正的遗传算子方便地解决控制量受限问题。通过对一个500MW单元机组负荷控制系统的仿真试验,验证了该非线性预测控制方法的有效性。     

考虑光储型电热协同系统灵活性的多代理削峰填谷策略

为解决光储型电热协同系统（electric-thermal system, ETS）协作参与电网削峰填谷问题,并减小负荷预测误差和新能源波动对调节效果的影响,提出一种多代理削峰填谷策略。该策略依托由配网代理、区域代理、ETS/光伏发电（PV）代理和执行单元构成的多代理系统实施,包含集中式能量优化和分布式能量管理环节。在集中式能量优化过程中,配网代理可通过求解以自身运行成本最小为优化目标的模型预测控制（model predictive control,MPC）优化模型,为区域代理及其内部的光伏系统提供日内有功功率上限计划。分布式能量管理过程中,区域代理和ETS/PV代理基于多智能体一致性算法获取供暖设备的有功功率修正值,从而减小实际区域代理有功功率与其计划值间的偏差。仿真结果表明：该策略可使系统协同参与削峰填谷且结果更精确。     

基于多智能体系统的微电网联络线潮流精确控制

针对多能流互补耦合的动态特性差异、多元用户互动与高渗透率可再生能源强不确定性等新特点,提出一种基于多智能体系统的微电网联络线潮流精确控制策略,确立多级控制目标,以实现多主体互动及分布式能源协调运行。在考虑市场电价、燃料消耗、污染排放和运行维护等因素的基础上,构建微电网系统多目标优化调度模型,协调不同控制响应速率的分布式能源。基于多智能体系统构建稀疏通信网络,通过一致性算法迭代得出系统的平均电压和频率信息,通过优化下垂控制的参考电压和频率,实现联络线潮流的精确控制。另外,仅通过邻接智能体之间通信,克服了集中式控制通信时间较长的问题。     

智慧社区多能流随机响应面模型预测控制方法

提出一种智慧社区多能流随机响应面模型预测控制方法。采用随机响应面法获取分布式风电和光伏出力、负荷需求以及实时电价等预测误差分布特性,得到预测误差概率密度分布曲线并将其离散化,利用轮盘赌算法生成初始场景集并采用最近邻聚类法进行场景削减。考虑冷热电联供、电动汽车、储能设备等的技术经济特性,构建了兼顾经济性和环保性的多能流多目标优化调度模型,并利用随机模型预测控制方法对多能流调度模型进行在线滚动优化,从而实现日前优化和实时滚动优化的有效统一。算例结果验证了文中所提出方法的有效性和优越性。     

基于免疫优化的电力系统电压安全非线性预测控制

提出了一种基于免疫优化的非线性预测控制方法来求解电力系统电压安全控制问题。采用基于非线性微分代数方程的电力系统模型来预测系统行为。提出一种目标分段协调方法,以便在不同的预测时段根据系统响应情况调整各子目标的重要性,通过Pareto意义下的目标加权将这些子目标集成为一个集总目标函数。提出一种免疫算法,用具有多基因链结构的抗体来表达复杂优化问题的候选解特征;采用模式识别技术提取优良抗体的基因模式,并利用算法的学习和记忆能力识别各预测时段内已求解的优化问题类型,为未来预测时段内的最优解搜索过程估计出较好的初始解,加快最优解搜索速度。将此方法和基于树搜索算法的非线性预测控制方法通过一个6母线电力系统实例进行了仿真研究,性能比较的结果表明,本文提出的算法具有更强的优化搜索能力和更好的实时性。     

Bat inspired algorithm based optimal design of model predictive load frequency control

Bat inspired algorithm (BIA) has recently been explored to develop a novel algorithm for distributed optimization and control. In this paper, BIA-based design of model predictive controllers (MPCs) is proposed for load frequency control (LFC) to enhance the damping of oscillations in power systems. The proposed model predictive load frequency controllers are termed as MPLFCs. Two-area hydro-thermal system, equipped with MPLFCs, is considered to accomplish this study. The suggested power system model considers generation rate constraint (GRC) and governor dead band (GDB). Time delays imposed to the power system by governor-turbine, thermodynamic process, and communication channels are accounted for as well. BIA is utilized to search for optimal controller parameters by minimizing a candidate time-domain based objective function. The performance of the proposed controller has been compared to those of the conventional PI controller based on integral square error (ISE) technique and the PI controller optimized by genetic algorithms (GA), in order to demonstrate the superior efficiency of the BIA-based MPLFCs. Simulation results emphasis on the better performance of the proposed MPLFCs compared to conventional and GA-based PI controllers over a wide range of operating conditions and system parameters uncertainties.     

包含分布式电源的配电网无功优化

将能够提供无功功率的分布式电源与传统的电压调节手段相结合,研究了包含分布式电源的配电网无功优化问题.利用基于聚类和竞争克隆机制的多智能体免疫算法实现无功优化,建立了无功优化问题的多智能体免疫模型.利用多智能体系统实现在寻优过程中动态改变抗原,在亲和度成熟过程中引入聚类竞争克隆机制和混合变异算子,以保存种群的多样性,同时...     

MPC-Based Distributed Control for Intelligent Energy Management of AC Microgrids

Abstract

Power scheduling of distributed storage devices and renewable energy resources in microgrids is crucial for their reliable and optimal operation. Conventionally, the power scheduling problem is solved with a centralized energy management control, which has access to all the information from the overall system. This type of control has limitations related to computational burden, communication latencies, and missing information. Therefore, the primary objective of this paper is to propose a distributed energy management strategy, to reduce the operational cost of microgrids, and to enhance the computation time. The strategy is formulated based on the model predictive control method since it allows the control action in the current time-step to be optimized while taking into account the future time-steps. Outputs of the energy management system are the optimal power references generated for all energy resources based on the system’s demand, constraints, and objective functions. To illustrate the effectiveness of the distributed model predictive control, the proposed algorithm is validated through simulation, on a microgrid candidate via MATLAB/Simulink, and controller hardware-in-the-loop experiment on a LabVIEW platform using National Instruments control devices (myRIO). The results will show the computation time in the distributed IEM method is improved compared to centralized IEM. Additionally, the results will show the robustness of the distributed IEM in the plug and play scenario.