含多微网稀疏通信优化的主动配电网分层分布式协调控制

高 扬, 艾 芊

(上海交通大学电子信息与电气工程学院, 上海市 200240)

0 引言

微网可成为分布式电源和主动配电网之间的沟通纽带,使得主动配电网不必直接面对大规模、种类不同的分布式设备并网[1-4]。然而,由于单个微网的容量较小、调节能力受到限制,当高渗透率的分布式设备分散接入配电网时,一旦发生大规模负荷突变或线路故障等情形,会大大降低微网的可靠性。为了实现分布式设备友好可靠接入,同一区域的主动配电网可包括多个微网,形成含多微网的智能配电网。多微网之间可通过分散协同的管理手段,基于分布式稀疏通信网络,实现广域互联和区域自治[5-7]。

在微网群的研究方面,国内外都还处于起步阶段,欧盟的More Microgrids项目最早定义微网群的概念,将微网群看做是配电网系统的补充,地理位置上邻近的微网、微源、负荷及储能设备,通过与中压母线相连接入配电网中,孤岛运行时,微网群的中央控制器实现频率控制。美国则是利用多智能体系统的通信方式,实现多微网之间的协调控制以及分布式设备的即插即用。日本则是将自治运行的本地电网通过松散的耦合方式扩展为集群微网接入当地配电网中,实现电能就地平衡和区域互联[8-10]。在优化运行和能量管理方面,文献[11]针对微网群间的互联互动,提出让微网群参与电力市场辅助服务。文献[12-13]提出多微网三级控制架构,把配电网能量管理系统(EMS)当做多微网的上级调度中心,以实现微网群运行成本最优,提高能量利用效率,除能够主动管理下层的各微网的中央控制器,对微网内部的分布式设备、储能和可控负荷等也具有控制功能,但是所需的数据计算量较大,通信时间也较长,一旦EMS出现故障,则整个系统可能出现崩溃。文献[14]提出了微网群的多智能体分层控制架构,基于多智能体的协作和自治性特点,实现各微网间的区域自治,但未对微网群间的协调优化机理以及多智能体系统的通信拓扑设计进行分析。文献[15-16]采用对等分散的下垂控制策略虽然能够实现交直流混合微网群间功率的合理分配,但微网间频繁的功率交换,造成了能源的浪费。另外,对等分散的控制策略仅局限于最多两个微网间的协调控制,很少涉及3个及3个以上微网群间的协调控制。

为了实现微网群内部自治及微网群间的协调优化,本文首先探讨了含多微网的主动配电网分层控制结构,然后提出了主动配电网和多微网互联互动的多级优化控制策略,最后针对微网内部及微网群间的分布式稀疏通信网络结构进行优化设计,并分析了通信延时对一致性算法稳定性的影响。

1 含多微网的主动配电网分层控制架构

目前,多微网通常以并联型或者串联型结构接入主动配电网,若所有子微网以并联方式并网,则称为并联型微网群;若都连接到同一联络线上,再通过公共连接点(PCC)和外部大电网相耦合,则称为串联型微网群。本文采用并联型微网群结构,如图1所示,每个子微网通过各自的联络线连接到同一公共母线上,然后通过并离网切换开关和外部主电网相连。在配电网级、子微网级、元件级上都设置智能体,实现配电网和多微网间的分层协调控制[17-18]。

图1 含多微网的主动配电网协调控制架构Fig.1 Coordinated control architecture of active distribution network with multiple microgrids

根据多智能体系统的灵活性、可靠性及即插即用特点,将主动配电网、多微网群以及下层分布式设备分为三级控制结构,分为主动配电网级智能体、微网级智能体、元件级智能体,如图2所示。

图2 基于多智能体系统的稀疏通信网络Fig.2 Sparse communication network based on multi-agent system

1.1 主动配电网级智能体

主动配电网级智能体由设置在配电网上的能量管理系统构成,它可以通过通信线路发送优化调度指令给下层微网级智能体,来保持整个系统的安全、经济运行。微网级智能体会收集来自下层分布式设备的运行数据,将可调度容量等信息发送给配电网级智能体,在考虑整个系统电压及频率稳定的情况下,以配电网网损及多微网调整费用最优进行调度管理。其中,电压和频率的稳定性由重要节点电压约束和配电网潮流约束决定。多微网调整费用是由各微网级智能体计算完成,接着再反馈回配电网级智能体。故要求配电网级智能体必须能接收和分析大规模数据,并有足够的存储容量[19]。

1.2 微网级智能体

微网级智能体设置在每个子微网的联络线节点微网中央控制器(microgrid central controller,MGCC)上,有自己的优化调度及负荷控制策略,能够根据售电和购电电价来调整每个微网内部各分布式微源的出力,使运行经济性最优。同时,可以将功率缺额信息发送给配电网级智能体,并能够接收来自配电网智能体的调度指令,实现分布式微源出力的重新分配。总体上,微网级智能体位于整个分层控制的中间环节,既可以提供友好的用户接口,又可以使配电网级智能体不需要掌握所有分布式微源的信息,便可了解整个微网群的控制特性,减少了通信量。另外,当多微网群和外部电网解列后,在无中央控制器的情况下,微网群智能体之间也可以进行通信,实现电压和频率的一致性控制。

1.3 元件级智能体

设置在各分布式电源、储能及可控负荷上,可以收集、分析及存储每个分布式设备上的电压、频率和功率等状态信息,并能传递给上级微网级智能体,同时邻近的元件智能体之间也可以进行通信,构成分布式稀疏通信网络,实现协同控制。

对于任意一个含n个分布式设备的子微网来说,每个分布式设备都可以看成一个等效电压源通过变流器和微网的公共母线相连的结构,一级为下垂控制,二级为优化控制。基于稀疏通信网络的二级优化控制策略如图3所示,其中fc是LCL低通滤波器的截止频率,Lf和Cf分别为LC滤波器的滤波电感和电容,Ui,dc为分布式电源的等效直流电压[20-21]。

图3 基于稀疏通信网络的二级优化控制策略Fig.3 Secondary optimal control strategy based on sparse communication network

分布式电源在通过电力电子设备并网时,往往会产生大量谐波,需要在联络线上加装LC滤波器来抑制谐波干扰,但却使整个输出线路阻抗中感性增大,故电阻的影响可忽略不计。在一级控制中采用的下垂控制关系如下:

(1)

式中:fi和Ui分别为输电线路末端的频率和电压;Pi和Qi分别为通过LCL滤波器的有功、无功功率测量值;kP和kQ分别为有功和无功功率下垂系数。

假定整个电压幅值都落在d轴上,则根据dq旋转坐标系,可将式(1)中的无功功率和电压下垂关系转化为:

(2)

由于在分布式稀疏通信网络中电压、频率等状态信息在智能体中进行信号采样时都是离散的,因此,本文提出一种基于离散时间信号的改进二级优化控制策略来实现分布式电源的联络线功率精确控制,并修正电压和频率的偏差值,如图4所示。

图4 基于离散采样时间序列的一致性算法迭代Fig.4 Consistency algorithm iteration based on discrete sampling time sequence

故上述公式可变为含离散采样时间信号的量:

(3)

则根据式(1)所示下垂关系,二次控制中设定的电压及频率基准值为:

(4)

(5)

式中:i≠j=1,2,…,N,;Pi,max为分布式设备的额定有功功率。

1.4 主动配电网和多微网的协调

由以上多智能体系统的分级控制策略,可将主动配电网和多微网群的协调控制策略转变为配电网级智能体和微网级智能体之间的协调配合。当某个子微网发生负荷波动时,若波动较小,则由微网级智能体下达功率调整指令,实现区域自治;若负荷波动较大,则微网级智能体之间进行通信,快速实现电压及频率的一致性调整,并将多微网的功率调整成本发送给配电网级智能体,若不满足安全及经济性要求,则会重新下达调整指令,对多微网进行二次调节。

2 分布式稀疏通信网络优化设计

假设主动配电网内含m个微网级智能体,而各微网级智能体中又包括k个元件级智能体。根据图论的基本思想来优化分布式稀疏通信网络,用Γ={∂,γ}表示多智能体通信网络无向连接图,其中∂={∂1,∂2,…,∂n}表示图Γ的节点集合,而γ={γ1,γ2,…,γn}内的元素则表示边,其中节点(∂i,∂j)可以组成一条边γi,若两节点是相连的,则表示存在信息传递,该图为强连接图。用邻接矩阵I=(λij)来表示连通图Γ中的智能体通信情况[22],其中λij定义为:

(6)

根据智能体之间的相连情况,计算出邻接矩阵I和度矩阵μ,然后可求出拉普拉斯矩阵L:

L=(lij)=μ-I

(7)

(8)

其中,度矩阵μ对角线上的元素是图Γ中节点∂i的邻居节点集合Ni={∂j∈∂, (∂i,∂j)∈γ},称为度。

由于分布式稀疏通信网络拓扑是一个无向连接图,拉普拉斯矩阵L是半正定矩阵,有且仅有一个特征值为0,其他的特征值都是正数,且可随通信拓扑结构而改变,故矩阵L的特征值可表示如下:

0=λ1(L)≤λ2(L)≤…≤λN(L)

(9)

根据一致性算法,所有智能体的状态变量都将渐近收敛于其初始平均值。通常在稀疏通信网络中存在一定的通信延迟,该延迟往往会影响多智能体系统的实际控制效果。根据奈奎斯特稳定判据可得,若信号延迟时间tdelay≤π/(2λmax)时,则整个系统仍然保持稳定控制,λmax是矩阵L的最大特征根,该值越大则系统时滞容忍度越小。而矩阵L的第二小特征值λ2(L)称为“代数连通度”,会影响一致性算法的收敛速度,当其值足够大时,收敛速度将变大,系统将更快达到稳定状态。

本文基于多智能体系统,来设计多微网的稀疏通信网络拓扑。在微网级智能体和主动配电网级智能体进行协调配合时,从中选取4种典型的通信拓扑架构进行分析,其中节点1是虚拟领导者智能体,如附录A图A1所示。

由附录B表B1可知,4种结构的最大通信时滞时间都相同,当每个节点和其他节点间都连接的情况下,表示智能体之间都有信息传递,这种情况下的一致性算法收敛速度最快,而一致性算法的收敛速度由λ2的大小决定,故选取附录A图A1(a)的拓扑结构。

在每个微网级智能体内都包含4个分布式电源智能体,为满足负荷响应的需求,微网内分布式电源在协调控制时,需要考虑元件智能体的通信情况,故也选取4种典型的拓扑结构进行探讨,如附录A图A2所示。

由于每个微网内分布式电源在地理位置上很接近,通信线路的距离对运行维护成本影响较小,故主要考虑通信时滞对分布式控制的影响。由附录B表B2可知,附录A图A2(d)中的通信拓扑能容忍的最大通信时滞为:

(10)

因此,只要通信延迟在0.434 s以内,系统最终都能实现稳定,此拓扑结构设计比较合理,且这种结构下的λ2值也比较大,符合前面的一致性算法收敛性要求。

3 仿真与分析

为验证本文所提出的含多微网的主动配电网分层分布式协调控制策略,参照图1所示的主动配电网结构,搭建PSCAD/EMTDC仿真平台,并用C语言来编写智能体的内部功能,模拟智能体的通信过程,以及处理各分布式电源状态信息的一致性迭代。配电网电压采用10 kV,频率50 Hz,变压器额定变比选用10 kV/0.38 kV。

3.1 并网情况下,微网群响应配电网优化调度指令

在并网情况下,若系统稳定运行,则配电网级智能体会根据配电网的网损及多微网的调整费用进行能量优化管理,然后,下发优化调度指令给各微网级智能体,各元件级智能体进行二级优化控制来实现联络线功率的精确控制。如附录A图A3所示,微网1内光伏容量为0.45 MW,风机容量为0.5 MW,燃气轮机容量为0.6 MW,燃料电池容量为0.5 MW;微网2内光伏容量为0.15 MW,风机容量为0.2 MW,燃气轮机容量为0.3 MW,储能容量为0.2 MW;微网3内光伏容量为0.25 MW,风机容量为0.4 MW,燃气轮机容量为0.3 MW,储能容量为0.15 MW。另外,考虑到微网内各分布式电源变流器末端的输电线路阻抗不同,在接收到虚拟领导者(配电网级智能体)状态信息的基础上,邻近的智能体进行相互通信,可实现电压及频率的一致性控制,如附录A图A4所示。

3.2 并网情况下,单一微网故障解列

最初,各微网都稳定运行,微网1风机和光伏容量都为0.5 MW,燃气轮机容量为0.6 MW,储能容量为0.45 MW;微网2风机和光伏容量都为0.2 MW,燃气轮机容量为0.3 MW;微网3光伏容量为0.25 MW,风机容量为0.4 MW,燃气轮机容量为0.3 MW,储能容量为0.15 MW。如附录A图A5所示,在1 s时发生故障,微网2和外部电网解列,微网级智能体1和3在监测到负荷波动后,根据多微网的功率调整成本进行快速调整。微网内各邻近的分布式电源智能体间互相通信,电压及频率进行一致性控制,保证联络线功率的精确控制,如附录A图A6所示。

3.3 孤岛情况下,微网群故障解列

如附录A图A7所示,若外部主网侧1 s时发生故障解列,则微网群将处于孤岛状态。将大功率的柴油发电机组当做虚拟领导者,发送电压、频率等状态信息给微网级智能体,邻近的微网级智能体之间进行通信,使电压、频率和虚拟领导者保持一致,如附录A图A8所示。由于微网2内部的分布式电源的出力已经达到极限,故功率基本保持不变,只由微网1和3内的分布式电源进行功率调整,如附录A图A9所示。

4 结语

本文详细研究了含多微网的主动配电网分层分布式协调控制策略,分析了不同的多智能体通信拓扑时滞对分布式控制性能的影响,并根据图论的基本理论,探讨了最优通信网络拓扑选取的途径。另外,采取“集中+分布式控制”相结合的方式来进行协调控制,既避免了由于配电网级智能体通信故障造成的系统不稳定问题,又减小了智能体处理数据量的规模,各智能体仅需监测本地状态信息,并与相邻的智能体间进行通信,便可获知全网的状态信息,节省了通信时间。另外,在元件级智能体上设置的分布式二级优化控制器,可以在离散时间间隔不确定的稀疏通信网络下,优化分布式微源电压及频率的参考值,实现联络线有功潮流的精确控制。

本文目前只重点研究了主动配电网内多微网的分布式协调控制策略,并未对上层配电网级智能体的能量优化管理进行详细分析,这是下一步研究工作的重点。

附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx)。

[1] 许志荣,杨苹,赵卓立,等.中国多微网系统发展分析[J].电力系统自动化,2016,40(17):224-231.DOI:10.7500/AEPS20150627003.

XU Zhirong, YANG Ping, ZHAO Zhuoli, et al. Analysis on the development of multi-microgrid in China[J]. Automation of Electric Power Systems, 2016, 40(17): 224-231. DOI: 10.7500/AEPS20150627003.

[2] 吕天光,艾芊,孙树敏,等.含多微网的主动配电系统综合优化运行行为分析与建模[J].中国电机工程学报,2016,36(1):122-132.

LÜ Tianguang, AI Qian, SUN Shumin, et al. Behavioural analysis and optimal operation of active distribution system with multi-microgrids[J]. Proceedings of the CSEE, 2016, 36(1): 122-132.

[3] SHUAI Zhikang, MO Shanglin, WANG Jun, et al. Droop control method for load share and voltage regulation in high-voltage microgrids[J]. Journal of Modern Power Systems and Clean Energy, 2016, 4(1): 76-86.

[4] 许志荣,杨苹,彭嘉俊,等.单/三相光储型多微网并离网切换策略[J].电网技术,2016,40(11):3459-3466.

XU Zhirong, YANG Ping, PENG Jiajun, et al. Mode transfer strategies for PV-ESS multi-microgrids with three-phase/single-phase architecture[J]. Power System Technology, 2016, 40(11): 3459-3466.

[5] 周小平,陈燕东,周乐明,等.一种微网群架构及其自主协调控制策略[J].电工技术学报,2017,32(10):123-134.

ZHOU Xiaoping, CHEN Yandong, ZHOU Leming, et al. A microgrid cluster structure and its autonomous coordination control strategy[J]. Transactions of China Electrotechnical Society, 2017, 32(10): 123-134.

[6] 周念成,金明,王强钢,等.串联和并联结构的多微网系统分层协调控制策略[J].电力系统自动化,2013,37(12):13-18.DOI:10.7500/AEPS201207246.

ZHOU Niancheng, JIN Ming, WANG Qianggang, et al. Hierarchical coordination control strategy for multi-microgrid system with series and parallel structure[J]. Automation of Electric Power Systems, 2013, 37(12): 13-18. DOI: 10.7500/AEPS201207246.

[7] CHANDRASENA R P S, SHAHNIA F, GHOSH A, et al. Secondary control in microgrids for dynamic power sharing and voltage/frequency adjustment[C]// Australasian Universities Power Engineering Conference (AUPEC), September 28-Octomber 1, 2014, Perth, Australia: 8p.

[8] AREFIFAR S A, MOHAMED Y A, EL-FOULY T. Optimized multiple microgrid-based clustering of active distribution systems considering communication and control requirements[J]. IEEE Transactions on Industrial Electronics, 2015, 62(2): 711-723.

[9] KAHROBAEIAN A, MOHAMED Y A R I. Networked-based hybrid distributed power sharing and control for islanded microgrid systems[J]. IEEE Transactions on Power Electronics, 2015, 30(2): 603-617.

[10] 吕振宇,苏晨,吴在军,等.孤岛型微电网分布式二次调节策略及通信拓扑优化[J].电工技术学报,2017,32(6):209-219.

LÜ Zhenyu, SU Chen, WU Zaijun, et al. Distributed secondary control strategy and its communication topology optimization for islanded microgrid[J]. Transactions of China Electrotechnical Society, 2017, 32(6): 209-219.

[11] 裴玮,杜妍,李洪涛,等.应对微网群大规模接入的互联和互动新方案及关键技术[J].高电压技术,2015,41(10):3193-3203.

PEI Wei, DU Yan, LI Hongtao, et al. Novel solution and key technology of interconnection and interaction for large scale microgrid cluster integration[J]. High Voltage Engineering, 2015, 41(10): 3193-3203.

[12] 蒲天骄,刘克文,李烨,等.基于多代理系统的主动配电网自治协同控制及其仿真[J].中国电机工程学报,2015,35(8):1864-1874.

PU Tianjiao, LIU Kewen, LI Ye, et al. Multi-agent system based simulation verification for autonomy-cooperative optimization control on active distribution network[J]. Proceedings of the CSEE, 2015, 35(8): 1864-1874.

[13] 周烨,汪可友,李国杰,等.基于多智能体一致性算法的微电网分布式分层控制策略[J].电力系统自动化,2017,41(11):142-149.DOI:10.7500/AEPS20160920004.

ZHOU Ye, WANG Keyou, LI Guojie, et al. Distributed hierarchical control for microgrid based on multi-agent consensus algorithm[J]. Automation of Electric Power Systems, 2017, 41(11): 142-149. DOI: 10.7500/AEPS20160920004.

[14] YU Jie, NI Ming, JIAO Yiping, et al. Plug-in and plug-out dispatch optimization in microgrid clusters based on flexible communication[J]. Journal of Modern Power Systems and Clean Energy, 2017, 5(4): 663-670.

[15] 钟清,张文峰,周佳威,等.主动配电网分层分布控制策略及实现[J].电网技术,2015,39(6):1511-1517.

ZHONG Qing, ZHANG Wenfeng, ZHOU Jiawei, et al. Hierarchical and distributed control strategy for active distribution network & its implementation[J]. Power System Technology, 2015, 39(6): 1511-1517.

[16] 杨刚,杨奇逊,张涛,等.基于分层控制的多微网并网/解列运行控制策略[J].电力系统自动化,2016,40(5):96-101.DOI:10.7500/AEPS20150623005.

YANG Gang, YANG Qixun, ZHANG Tao, et al. A control strategy for multi-microgrid connection/disconnection operation based on hierarchical control[J]. Automation of Electric Power Systems, 2016, 40(5): 96-101. DOI: 10.7500/AEPS20150623005.

[17] 徐豪,张孝顺,余涛.非理想通信网络条件下的经济调度鲁棒协同一致性算法[J].电力系统自动化,2016,40(14):15-24.DOI:10.7500/AEPS20160112003.

XU Hao, ZHANG Xiaoshun, YU Tao. Robust collaborative consensus algorithm for economic dispatch under non-ideal communication network[J]. Automation of Electric Power Systems, 2016, 40(14): 15-24. DOI: 10.7500/AEPS20160112003.

[18] 何红玉,范丽,韩蓓,等.基于一致性协议的多微网协调控制[J].电网技术,2017,41(4):1269-1276.

HE Hongyu, FAN Li, HAN Bei, et al. A consensus protocol based control method for coordinated multi-microgrid control[J]. Power System Technology, 2017, 41(4): 1269-1276.

[19] 王笑雪,徐弢,王成山,等.基于MAS的主动配电网分布式电压控制[J].中国电机工程学报,2016,36(11):2918-2926.

WANG Xiaoxue, XU Tao, WANG Chengshan, et al. Distributed voltage control in active distribution networks utilizing multiple agent system[J]. Proceedings of the CSEE, 2016, 36(11): 2918-2926.

[20] ADHIKARI S, XU Qianwen, TANG Yi, et al. Decentralized control of two DC microgrids interconnected with tie-line[J]. Journal of Modern Power Systems and Clean Energy, 2017, 5(4): 599-608.

[21] 顾伟,薛帅,王勇,等.基于有限时间一致性的直流微电网分布式协同控制[J].电力系统自动化,2016,40(24):49-55.DOI:10.7500/AEPS20160216006.

GU Wei, XUE Shuai, WANG Yong, et al. Finite-time consensus based distributed cooperative control for DC microgrids[J]. Automation of Electric Power Systems, 2016, 40(24): 49-55. DOI: 10.7500/AEPS20160216006.

[22] BABAZADEH D, NAZARI M, FIDAI M H, et al. Implementation of agent-based power flow coordination in AC/DC grids using co-simulation platform[C]// IEEE International Conference on Smart Grid Communications, November 3-6, 2014, Venice, Italy: 188-193.