基于分布式模型预测控制的含分布式储能有源配电网动态电压控制

针对大规模分布式电源(distributed generator, DG)接入配电网造成的电压越限问题,提出一种基于分布式模型预测控制(distributed model predictive control, DMPC)的含分布式储能有源配电网动态电压控制方法,协调配电网中大量分布式光伏(Photovoltaic, PV)、储能(energy storage, ES)等可调资源,实现电压越限的快速动态恢复。首先,通过分析分布式光伏、储能等可控资源不同的动态过程以及配电网的电压灵敏度模型,建立计及分布式电源动态过程的配电网整体控制模型;考虑到配电系统整体规模大、控制设备多,为避免对通信可靠性要求过高,通过ε分解法将整体配电网模型分解为若干子网络,降低系统的耦合关系。其次,考虑各分布式光伏、储能的有功和无功功率出力约束以及容量限制,进行含约束的分布式模型预测控制设计,并转化为二次约束二次规划(quadratically constrained quadratic program, QCQP)问题优化求解控制指令,实现配电网电压越限的快速动态恢复。最后,通过基于IEEE-33节点配电网的仿真验证了所提方法的有效性。     

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.     

面向电网辅助服务的虚拟储能电厂分布式优化控制方法

虚拟储能电厂是实现大规模分布式储能并网的有效手段。构建了协同用户侧储能单元的分布式控制方法,使得虚拟储能电厂既可满足电网运营商的实时功率请求,又能够为配电网提供局部电压支持,有效参与电力系统辅助服务。该控制方法基于分布式优化算法,利用了一类对偶一致性交替方向乘子法,实现了所建立模型预测控制问题的完全分布式求解,能快速协调分布式储能,平抑可再生能源出力波动对电网影响。基于IEEE 33节点与119节点系统的仿真算例验证了虚拟储能电厂与该分布式模型预测控制策略的有效性。     

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。     

考虑设备动作损耗的配电网分布式电压无功优化

电压无功控制是保证配电网经济安全运行的重要任务,协调多种调节手段能提高配电网的运行效率。考虑了有载调压变压器、电压调节器、分组投切电容器和分布式电源逆变器等电压无功调控设备,并针对现有电压无功控制模型存在的无谓动作和求解效率低等问题,提出了一种考虑设备动作损耗的配电网分布式电压无功优化策略。首先,基于支路潮流方程建立了配电网电压无功控制模型,并松弛为混合整数二阶锥规划。同时考虑到设备的动作损耗,提出了基于模型预测控制的滚动优化模式。进一步基于交替方向乘子法实现配电网多区域分布式协同优化。最后,基于改进的IEEE33节点测试系统进行了仿真。仿真结果表明：所提控制策略能够避免设备的无谓动作,并解决了“维数灾”问题,提高了配电网的电压无功控制效率。     

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。     

含分布式光伏的配电网模型预测控制优化方法

分布式光伏的高渗透率和不确定性对节点电压和潮流分布产生了较大影响，对配电网的安全运行提出了新的挑战，如何对含分布式光伏的配电网进行有效准确的优化控制是亟需解决的问题。为此提出一种含分布式光伏的配电网模型预测控制优化方法，以减小节点电压偏差和网络损耗为目标，基于模型预测控制方法不断更新预测信息并构建优化模型，对分布式光伏和储能设备进行滚动优化控制。采用修改的IEEE33节点系统作为算例进行验证，仿真结果表明配电网的节点电压偏差和网络损耗得到了有效降低，优化效果相较于日前优化方法更为贴近实际结果。基于模型预测控制，所提方法有助于配电网在分布式光伏接入下的安全运行，且能够减小控制方案与实际情况的偏差，更加符合实际运行情况。     

计及稳定裕度约束的最优协调电压控制

为防止故障后系统电压崩溃并维持一定的稳定裕度,提出一种计及稳定裕度约束的协调电压控制策略。该策略基于模型预测控制和轨迹灵敏度方法建立电压协调控制模型。在每个控制周期初始时刻识别系统分岔方式,通过计算相应分岔方式下电压稳定裕度的灵敏度构建稳定裕度约束。若控制周期初始时刻存在稳定平衡点,则将稳定裕度约束加入优化模型,求解最优控制序列。新英格兰39节点系统和Nordic3252节点系统的仿真结果表明,该方法在协调优化电压幅值的同时确保了系统的稳定裕度。     

基于分段校正模型的在线电压协调控制

针对中长期电压稳定问题,提出了一种基于分段校正模型的在线电压协调控制策略,采用模型预测控制方法在线滚动求解最优控制策略。预测模型在控制周期初始时刻根据实测信息校正,使其能够跟踪实际系统的运行状态,确保了预测轨迹的可靠性。结合实测信息线性处理预测周期内负荷动态状态变量轨迹,使预测模型中的微分方程转化为非线性代数方程,避免了优化控制过程中动态微分方程的处理。提出了一种针对分段校正模型的电压响应预测方法,将最优电压协调控制模型的求解转化为易于处理的混合整数规划问题。仿真结果表明,该方法能够协调不同地点和类型的控制措施,在确保全局控制效果的基础上大幅减少了计算时间,能够满足在线电压协调控制的要求。     

基于模型预测控制的微电网逆变器控制方法研究

针对微电网内负荷随机性大和网内分布式电源对负荷变化敏感度高的问题,利用模型预测控制中的动态矩阵预估控制对适用于微电网这一特点的专用逆变器输出控制器进行改进。对传统分布式发电系统的并网逆变器内部控制结构在保留传统功率控制器的基础上,利用基于模型控制的动态矩阵预估控制方法设计了模型预测控制器来替代传统控制结构中交流侧的电压环、电流环输出控制器和直流侧电压控制器。仿真实验验证了该逆变器控制方法提高了逆变器控制器的动态响应速度,改善了传统控制器的超调、振荡、稳态误差等问题,逆变器内部控制系统的动态性能得到提升。     

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。     

向无源网络供电的MMC-HVDC逆变站高性能控制策略

向无源网络供电的逆变站通常采用电压外环、电流内环的控制方法,存在控制结构复杂、4个比例—积分调节器参数调整困难、负载扰动下动态响应较慢、向非线性负载及不对称负载供电时电压质量较差等缺点。为此,首先建立了模块化多电平换流器型高压直流输电(MMC-HVDC)系统逆变侧静止坐标系下的暂态数学模型,并推导其离散数学模型,进而据此设计了逆变站模型预测直接电压控制(MPDVC)策略。为减少MPDVC的计算量,将无差拍控制和模型预测控制相结合提出无差拍MPDVC,并定性分析了两种控制策略的等价关系。在PSCAD/EMTDC中搭建21电平MMC-HVDC仿真模型,在各种工况下对无差拍MPDVC进行了仿真验证,并与电压外环、电流内环的控制方法进行仿真对比。仿真结果表明,无差拍MPDVC在各种工况下均能向无源网络提供较高电压质量的电能,具有良好的稳态性能和动态性能,控制性能明显优于电压外环、电流内环的控制方法。     

基于模型预测控制方法的风电直流微网集散控制

设计了一个基于模型预测控制器的风电直流微网集散控制系统。为满足系统经济运行及高质量电能的要求,采用模型预测控制器作为其集散控制体系架构中的主控制单元,以产生本地控制器参考信号。为规避该分层控制结构中通信故障对系统稳定性的影响,本地控制器采用双冗余参考信号,正常运行时,接受模型预测主控制器的参考信号,一旦通信失败,本地控制器迅速切换至电压分层控制策略产生的参考信号。如此,既能够保证正常运行时系统高效运行及对电能质量的要求,又能在故障时保证系统不失稳。基于Matlab仿真平台对所提风电直流微网集散控制系统的有效性进行了仿真分析。仿真结果表明,所提风电直流微网集散控制系统在采用模型预测主控制器时,能够满足系统设计目标,实现联网或孤岛状态下对系统功率灵活、高效地调节;在系统通信故障时,通过控制器切换,能够保障系统稳定、安全运行。     

单相三电平并网逆变器多状态模型预测控制研究

单相三电平逆变系统中,传统有限控制集模型预测控制在较低的采样频率下无法保证输出电能质量。针对这一问题,提出一种多状态虚拟矢量模型预测控制方法。在单个控制周期内,输出多个开关状态,以提高并网电流的电能质量。建立了逆变器预测模型,根据预测矢量初步筛选一组开关状态,每个开关状态的作用时间由所设计的电流代价函数确定。为有效平衡直流母线电压,设计均压代价函数,进一步调整开关状态,得到最终输出到逆变器的开关状态序列。搭建仿真系统并进行了仿真分析,结果验证了所提控制策略的有效性,并网电能质量得到有效提高,直流母线电压波动小。     

一种基于MAC的非线性预测励磁控制器的设计

提出了一种新的非线性系统控制设计方法。通过运用预测控制理论中的模型算法控制(MAC)的设计原理,同时引入机端电压偏差积分项,针对单机无穷大系统进行非线性预测控制设计,得到了一种基于模型算法控制的非线性预测励磁控制器。仿真结果表明:这种设计方法不仅能够有效解决由于原动机阶跃输入扰动带来的发电机机端电压偏差问题,而且改善了功角稳定性和发电机机端电压的动态特性。     

电容均压三相四开关整流器多矢量模型预测控制

三相四开关整流器因其交流侧某一相直接连接在直流侧两电容中性点之间，存在着电容电压不平衡问题。为了保证电容电压平衡，且进一步提高三相四开关整流器控制系统的稳态性能，提出了一种电容均压的多矢量模型预测控制（multi-vector model predictive control，MVMPC）策略。针对三相四开关整流器无零矢量问题，建立等效零矢量模型；为保证直流电压的稳定，采用参考功率补偿策略来平衡直流侧电容电压；多矢量模型预测控制方面，每个采样周期选取两个基本电压矢量和一个等效零矢量，这使得等效合成矢量方向幅值均可调，扩大了等效合成矢量的作用范围，提高了系统的控制精度。仿真结果表明，电容均压多矢量模型预测控制策略能使三相四开关整流器可靠稳定地运行，对功率、网侧电流、直流侧电容电压等有着良好的控制效果；与传统的模型预测控制策略（conventional model predictive control，CMPC）相比，所提控制策略具有更小的功率脉动以及更低的电流谐波含量，且开关频率恒定，谐波电流分布规律。     

基于自适应神经网络观测的无电压传感器PWM整流器功率预测控制

模型预测控制在脉宽调制(pulse width modulation,PWM)整流器上的应用既降低了直接功率控制中的脉振又提高了动态响应速度,但是传统的模型预测功率控制(model predictive power control,MPDPC)中对未来时刻状态量的预测仅依靠模型,对模型参数变化较为敏感,功率预测精度受电压传感器的测量精度和网侧谐波变化的影响明显。为实现整流侧参数的实时辨识和提高整体的预测精度,以实现对功率的精准控制,文中在模型预测功率控制(model predictive power control,MPDPC)的基础上引入自适应神经网络电压观测器,提出基于自适应神经网络观测的无电压传感器PWM整流器功率预测控制(adaptive neural model predictive power control,ANMPDPC)策略。通过构建包含自适应神经网络辨识器和自适应神经网络滤波器的自适应电压观测器,实现网侧电压估计的同时滤除电压高次谐波对其的影响,并将电压观测器与功率二步预测相结合,进一步降低功率脉振,提高系统的响应速度和控制精度。仿真和实验结果表明,所提出的改进策略既实现了无电压传感器下的模型预测控制,又有效抑制了网侧谐波的高频干扰及参数变化对预测精度的影响。     

双重化PWM整流器自抗扰模型预测直接功率控制

针对车载双重化脉宽调制(pulse width modulation,PWM)整流器控制性能易受到模型不确定性和列车运行条件(输入电压、功率等级、电路参数等)变化影响的问题,提出一种基于自抗扰控制(active disturbance rejection control,ADRC)和模型预测直接功率控制(model predictive direct power control,MPDPC)的双闭环控制算法。其中,外环基于自抗扰控制理论,构建了基于误差驱动的ADRC(error-based ADRC,EADRC)控制器调节直流侧电压;内环结合基于内模原理的功率补偿方案使用两步MPDPC算法实现电流信号的控制。仿真和实验将所提自抗扰模型预测直接功率控制(ADRC-MPDPC)算法与传统基于比例积分的直接功率控制(proportional integral-based direct power control,PI-DPC)算法和PI-MPDPC方法进行对比,结果表明所提策略在系统启动、负载变化及工况切换等场景表现出更优的动态特性和鲁棒性能。