在CPS概念下考虑通信数据扰动的孤岛微电网分层控制方法   0    0

本发明公开了一种基于CPS概念下考虑通信数据扰动的孤岛微电网分层控制方法。本发明基于CPS的概念，并利用微电网内部的通信网络，将该分层控制结构分为两层：网络层和物理层；在网络层中，分析了CDD对系统控制效果的影响，并提出采用反向传播神经网络的策略来完成数据补偿和消除CDD的影响。在物理层中，采用P‑ω/Q‑U下垂控制作为微电网电压和频率的一次控制，同时利用网络层中的通信数据和有虚拟领航者的一致性协议来完成对各DER输出电压和角频率的二次控制，进而确保微电网的电压和角频率得到可靠的控制效果。

1.一种在CPS概念下考虑通信数据扰动的孤岛微电网分层控制方法，其特征在于：该方法具体内容包括以下步骤：
步骤1：首先阐述CPS技术的概念，并将CPS技术应用于微电网系统组成电力CPS，并构建微电网分层控制结构，分层控制结构包括网络层和物理层；
在所述网络层中，各分布式电源均被视为一个智能体，且每个智能体均具有两个功能：
数据通信和一致性计算；该方法基于通信扰动的数学模型、图论知识和一致性理论来分析通信数据扰动对系统频率和电压的影响；使用反向神经网络来构建运行时间和下垂控制输出数据之间的内在关系；该方法所提出的数据补偿方法就是通过这种内在关系而设计的；
在所述网络层中包括：通信网络、通信数据扰动检测设备和一致性控制环节；
P‑ω/Q‑U下垂控制作为孤岛微电网中各分布式电源输出电压和频率的一次控制；在该方法中基于网络层中的通信数据和一致性理论，针对孤岛微电网中各分布式电源输出电压和频率提出二次控制策略；所述网络层中的通信数据是下垂控制输出的电压值和角频率值；在所述物理层中包括：下垂控制器、功率控制器、一致性控制、二次控制器、虚拟控制器和电压电流双闭环；
步骤2：在网络层中，利用图论和多智能体理论来构建微电网系统的整体通信结构，并在此基础上分析通信数据发生扰动对一致性控制效果的影响，采用反向神经网络进行数据补偿来克服数据扰动的影响；
2.
1.通信数据扰动分析
2.1.1常见通信数据扰动的数学模型，其分析过程如下：
定义：在该方法中定义存在一个函数如下：
(1)数据下降和数据上升
数据下降是指数据在遭受通信数据扰动后，低于正常情况下的数据现象；数据上升则是指数据在遭受通信数据扰动后，高于正常情况下的数据现象；用数学模型表示如下：
X(t)＝(1‑α(u(t‑t1)‑u(t‑t2)))·x(t)   (2)
其中，α是增益,如果0＜α,则代表发生了数据下降，其中若α＝1则代表数据中断；如果α＜0,则代表发生了数据上升；u(t)是定义的函数；x(t)是通信数据；t1是通信数据扰动开始的时间；t2是通信数据扰动结束的时间；X(t)是发生通信数据扰动之后的通信数据；扰动时间由数据检测装置测得；
(2)数据脉冲
暂态脉冲是指在稳态条件下，电压发生的非工频的、单极性的突然变化现象，其持续时间很短；用数学模型表示如下：
X(t)＝α·(u(t‑t1)‑u(t‑t2))+x(t)   (3)
(3)数据振荡
暂态振荡是一种在稳态条件下，电压出现的非工频、有正负极性的突然变化现象，用数学模型表示如下：
X(t)＝x(t)+α·(u(t‑t1)‑u(t‑t2))·x'(t)   (4)
基于上述构建的通信数据扰动数学模型(2)、(3)和(4)，以1个领导者和两个跟随者通信结构发生数据下降为例，来分析通信数据扰动对一致性控制的影响，一致性协议如下：
(5)式可以作如下表示:
T
其中 x＝[x1 x2] ；u＝xL.相应的系数矩阵如下：
为了验证式(6)的稳定性,即令|sI‑A|＝0；则有：
令a12＝a21＝1,b1＝b2＝1,即有：
2
s+(2K1+2K2)s+3K1K2＝0   (8)
即有：
如果在第一个智能体中有数据下降发生,则该智能体的状态信息将变为(1‑α)x1(t)；根据以上的分析过程，有：
2
s+2[(1‑α)K1‑K2]s+3(1‑α)K1K2＝0   (10)
当α＜1时,式(8)是不稳定的；
为了验证式(8)的一致性,考虑当没有数据下降发生时,有下式成立：
经过化简推导后，有：
其中 如果在通信网络中有数据下降发生，则最终各跟随者的状态量不
会与领导者的相应状态量保持一致，即e1≠0；
2.1.2对于其他通信数据扰动情况分析如下：
1)如果在第一个智能体的数据中发生数据脉冲，则在发生通信数据扰动的时间段内，其本身通信数据将变为α+x1(t)；该数据也可以用来(1+α')x1(t)表示，此时有α'x1(t)＝α；
因此，该类扰动的分析过程与分析数据下降的过程相同；
2)如果在第一个智能体的数据中发生数据振荡，则在发生通信数据扰动的时间段内，其本身通信数据将变为αx'(t)+x1(t)，由于数据振荡可以看作是一系列数据脉冲的叠加，所以其分析过程与数据脉冲的分析过程是一样的；
2.2)设计数据补偿环节
为了解决网络通信中的通信数据扰动问题，在该方法中提出一种反向神经网络的环节对受到干扰的数据进行预测补偿；
当下垂输出的电压或角频率数据受到扰动时，需要进行数据补偿；用反向神经网络来构建运行时间和从下垂控制输出数据之间的关系，也即用反向神经网络来构建输入数据和从下垂控制目标数据之间的关系；基于构建的关系就可以实现数据补偿；其构建步骤如下：
(1)确定采样时间T对未遭受通信数据扰动的微电网下垂控制输出的数据进行采样处理，得到下垂输出的原始数据；
(2)根据原始数据的一部分，再通过选择包括层数、隐层神经元数和允许误差值的相关参数来训练反向神经网络；
(3)采用剩余的原始数据来验证训练所得反向神经网络的有效性；如果误差较大，则将相关参数进行更改，直到误差减至允许范围；
(4)采用由反向神经网络构建出的运行时间和下垂控制输出数据之间的关系来进行数据补偿；
数据补偿环节的表达式如下：
其中x代表第i个分布式电源的通信数据；代表第i个分布式电源的补偿数据；ftrain代表了反向神经网络的训练过程；fBP表示通过训练得到的关系式；tCDD代表需要进行数据补偿的时刻；
由于反向神经网络的输出具有滞后特性，设滞后时间为Δt，数据补偿环节的表达式修正为：
其中Δt1,Δt2,…,Δtn代表每次BPNN输出数据时存在的滞后时间；代表反向神经网络输出的数据再经过校正后的值；
步骤3：在物理层中，首先构建微电网系统的整体控制结构，其中，P‑ω/Q‑U下垂控制为一次控制，用来控制各分布式电源输出的电压和角频率；在一次控制的基础上，结合网络层中的通信数据和一致性控制理论，完成对各分布式电源输出电压和角频率的二次控制；
3.1设计电压和角频率的新型二次控制方法
由于微电网中各分布式电源所采用的P‑ω/Q‑U下垂控制为有差调节，由该控制方法输出的电压和角频率会存在误差，因此需要再添加二次控制来解决该问题；在该方法中，利用网络层中的通信数据来完成一致性控制，再通过在下垂控制中添加反馈的方法来完成对电压和角频率的二次控制；
添加反馈的反馈量如下:
把生成的反馈量δUi和δωi添加到由P‑ω/Q‑U下垂控制输出的电压Ui和角频率ωi中，完成对电压和角频率的二次调节；式(19)中的uvi和uωi分别为二次电压控制器和二次角频率控制器；
3.2设计二次电压控制器
设由多个分布式电源组成的微电网中，第i个分布式电源的电压和频率的下垂控制器为：
正常情况下，微电网的频率和电压可以通过下垂控制器的调节达到同步；但下垂控制不能使微电网输出频率和电压保持恒定；因此，需要采用二次控制来使微电网的频率和电压达到给定参考值；
由于输出电压的幅值在dq坐标系中表示为：
所以，下垂控制的电压控制策略也可以写为：
由此可知，电压控制的目标就是对Ui设计适当控制算法使Udi→Uref；
微电网二次电压协同控制器的作用就是考虑控制输入有界的情况下使各分布式电源的电压同步到给定参考值；对式(22)取微分并取辅助变量uvi：
这样就可以将由多个分布式电源组成的微电网的电压同步问题转换为一阶线性多智能体网络的跟踪同步问题；
利用图论知识，并结合带有虚拟领航者的有限时间一致性策略，设计电压一致性控制器如下：
其中Ui(t)，Uj(t)分别为微电网系统中第i，j个分布式电源的电压幅值；UL(t)是虚拟领航者的电压，且与Uref相等；在此一致性协议下，可以得到各分布式电源的电压幅值均趋于一致；
3.3设计二次角频率控制器
与电压二次控制类似，角频率二次控制的目标是设计适当的控制方法，使ωi→ωref，ωref是角频率参考值；类似于电压的设计理念，对公式(20)取微分，设立一个辅助变量uωi，建立以下公式：
与公式(24)类似，结合实际，考虑通信数据扰动问题，设计角频率一致性协议如下：
式中，aij,j＝1,2,3…,N表示邻接矩阵的元素；ωL(t)为领导者的角频率；如果领导者是连接到第i个分布式电源的，有bi＞0,否则bi＝0；kωi1和kωi2为增益；
步骤4：通过搭建合理的实验场景验证该方法控制结果的有效性。