基于多Agent的海岛微电网分布式双层控制方法

为实现海岛微电网的分布式控制,本文提出一种基于多Agent的微电网分布式双层控制方法。该方法模型的下层为微电网,上层为其通信网络G。首先,采集功率输出信息,结合网络邻接矩阵和分布式电源DG(distributed generation)容量等信息,设计可控DG之间的信息交互策略以及处理方法。其次,利用多Agent和矩阵论思想,为可控DG设计权值矩阵,并导出系统分布式控制律。最后,利用该分布式控制律对可控DG功率进行调整。调整过后,可使可控DG的输出功率与自身最大发电功率容量呈比例,且满足微电网功率平衡。经过仿真验证,当系统处于环境和负载产生剧烈波动的情况时,本文方法仍能保证微电网电压和频率维持在额定值,维持功率平衡。     

基于卡尔曼滤波算法的固体氧化物燃料电池的状态预估研究

固体氧化物燃料电池（SOFC）是一种多输入多输出、强耦合和强非线性的新型发电装置,对其内部状态变量的预估将有助于了解实际SOFC的运行过程和实现高效控制器的设计。本文采用卡尔曼滤波算法对SOFC的状态进行预估。通过对SOFC发电原理的深入分析,建立其离散时间的状态空间模型;采用卡尔曼滤波算法对SOFC的各气体进气侧压力值进行预估,并将预估值带入输出电压方程,对SOFC下一时刻的电压进行预估。MATLAB/Simulink仿真结果表明,氢气、氧气和水蒸气压力的估计值与真实值的误差分别为0.425×10⁵,0.141×10⁵和0.364×10⁵ Pa,远小于各气体压力测量值与真实值的误差1.479×10⁵,1.165×10⁵和1.155×10⁵ Pa,同时SOFC输出电压的估计值较为符合真实值的变化,验证了卡尔曼滤波算法在SOFC状态预估中的有效性和实时性。