鄭宇，張睿，李正佳

智能電網(wǎng)中基于自適應(yīng)一致性的自動(dòng)發(fā)電控制與優(yōu)化

鄭宇1，張睿1，李正佳2

（1. 南方電網(wǎng)科學(xué)研究院，廣州 510080； 2. 蘇州華天國(guó)科電力科技有限公司，蘇州 215000）

針對(duì)智能電網(wǎng)的自動(dòng)發(fā)電控制中智能體一致性問(wèn)題，優(yōu)化了分布式一致性協(xié)議，即提出了自適應(yīng)一致性算法。設(shè)計(jì)了將分布式一致性協(xié)議中的參數(shù)不斷更新的策略，并分析了自適應(yīng)一致性策略的穩(wěn)定性。在4區(qū)域全連通發(fā)電廠構(gòu)成的智能電網(wǎng)中進(jìn)行數(shù)值仿真，對(duì)比了無(wú)控制協(xié)議、分布式一致性協(xié)議和自適應(yīng)一致性協(xié)議的控制效果，仿真結(jié)果說(shuō)明了自適應(yīng)一致性策略的控制效果優(yōu)于分布式一致性策略，該數(shù)值仿真實(shí)驗(yàn)驗(yàn)證了所提自適應(yīng)一致性協(xié)議的可行性和有效性。

智能電網(wǎng)；分布式控制；自適應(yīng)一致性協(xié)議；負(fù)荷頻率控制

0　引言

在現(xiàn)如今智能電網(wǎng)的浪潮下，分布式控制顯的尤為重要。眾所周知的2003年的北美大停電事件［1］也給我們提示了分布式的智能電網(wǎng)的重要性。而智能電網(wǎng)的則需有自愈和自組織能力，且需具備魯棒性，特別是在物理因素的通訊延遲和失敗的情況下［2-3］。而當(dāng)大量的微電網(wǎng)和分布式電源接入時(shí)，分布式控制或者分層分布式控制則非常具有必要性［4-6］。為保證智能大電網(wǎng)的一致性，一致性控制策略則顯出了重要的地位，而在通訊延遲或者失敗的情況下的一致性是諸多電網(wǎng)一致性研究的重點(diǎn)［7-11］。

將電網(wǎng)中的每個(gè)區(qū)域看作一個(gè)智能體時(shí)，則大電網(wǎng)的分布式控制可看作為多智能體的分布式控制，當(dāng)涉及到具體的問(wèn)題時(shí)，如LFC或AGC問(wèn)題時(shí)，則為多智能體的AGC一致性問(wèn)題［12-13］。當(dāng)電網(wǎng)處于稍微極端一點(diǎn)的情況下，網(wǎng)絡(luò)通訊延遲或者失敗造成網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)不斷發(fā)生變化，此時(shí)的一致性控制問(wèn)題則為諸多學(xué)者所研究［2，14］。

一般情況下，一旦通訊拓?fù)錂z測(cè)器［2］確定了當(dāng)前的通訊拓?fù)浣Y(jié)構(gòu)，則該控制系統(tǒng)的矩陣已確定。而在此時(shí)若要加快系統(tǒng)的收斂速度，則需要改進(jìn)系統(tǒng)的控制策略。一致性問(wèn)題的最終解決則是將系統(tǒng)狀態(tài)變量控制到一致（一般為0），或稱為收斂，其收斂的速度則由控制策略決定［15］。

而系統(tǒng)的控制策略在無(wú)超調(diào)的情況下，一般收斂速度較慢，而在有超調(diào)的情況下，誤差減少的速度較快。若能在系統(tǒng)的狀態(tài)變量的相對(duì)偏差較大時(shí)，采用超調(diào)較大而收斂速度較快的控制策略，待系統(tǒng)的狀態(tài)變量的相對(duì)偏差較小時(shí)，則改為無(wú)超調(diào)而收斂速度較慢的控制策略。因此提出了一種具有自適應(yīng)能力的一致性算法，并稱為“自適應(yīng)一致性算法”。

1　原有分布式系統(tǒng)的結(jié)構(gòu)

原有的控制策略是集中式控制策略，其控制的結(jié)構(gòu)圖如圖1集中式和分布式控制結(jié)構(gòu)圖的（a）所示。

圖1　集中式和分布式控制結(jié)構(gòu)圖Fig.1 Centralized and distributed control structure diagram

為防止隨機(jī)誤差且提高控制系統(tǒng)的魯棒性，AGC控制需將集中式控制改為分布式控制，分布式控制結(jié)構(gòu)圖如圖 1集中式和分布式控制結(jié)構(gòu)圖的（b）所示。特別是在存在分布式電源時(shí)，分布式控制策略顯得尤為重要。分布式控制在子系統(tǒng)中則為采用局域網(wǎng)通訊的方式，在整個(gè)大電力系統(tǒng)中則采用廣域網(wǎng)的通訊方式，其通訊的信息交流方式必須滿足IEC 61850 標(biāo)準(zhǔn)。

每個(gè)區(qū)域等效為單發(fā)電機(jī)的情況，對(duì)于其區(qū)域i，其動(dòng)態(tài)模型描述為

2　一致性協(xié)議設(shè)計(jì)

在實(shí)際系統(tǒng)中，文［2］中，每個(gè)系統(tǒng)的量必須和該區(qū)域本身和臨近的區(qū)域相關(guān)，因此，輸入變量應(yīng)為

式中，Ki和Kij為常數(shù)反饋增益矩陣。將控制器納入到大電力系統(tǒng)中，得到閉環(huán)的系統(tǒng)為

可以看出該系統(tǒng)的參數(shù)由Ki和Kij確定。一旦該參數(shù)確定，則系統(tǒng)的響應(yīng)曲線都確定了。若參數(shù)選擇較大則系統(tǒng)相應(yīng)較快，然而此時(shí)的系統(tǒng)超調(diào)特別嚴(yán)重。反之當(dāng)參數(shù)選擇的較小時(shí)，系統(tǒng)不出現(xiàn)超調(diào)，但是其穩(wěn)定的時(shí)間相應(yīng)則較長(zhǎng)。為使系統(tǒng)在無(wú)超調(diào)的同時(shí)達(dá)到穩(wěn)定的時(shí)間小，本文設(shè)計(jì)了自適應(yīng)一致性協(xié)議（或稱為自適應(yīng)一致性算法）。

3　一致性協(xié)議設(shè)計(jì)

從前文各式中可以看出，若不斷地修正一致性協(xié)議的參數(shù)，則能達(dá)到即無(wú)超調(diào)又穩(wěn)定性強(qiáng)的要求。因此須將此系統(tǒng)進(jìn)行離散化處理，并在每次迭代的過(guò)程中修正一致性協(xié)議的參數(shù)。

當(dāng)需處理的變量的偏差較大時(shí)，應(yīng)當(dāng)加大自適應(yīng)一致性協(xié)議的兩個(gè)參數(shù)，當(dāng)需處理的變量的偏差較小時(shí)，即趨近一致時(shí)，應(yīng)當(dāng)減小自適應(yīng)一致性協(xié)議的兩個(gè)參數(shù)，因此設(shè)計(jì)一種在不斷迭代過(guò)程中的自適應(yīng)一致性的協(xié)議，如在第k次迭代時(shí)其不斷更新的控制協(xié)議為

式中的Ka為算法自適應(yīng)參數(shù)，F(xiàn)為非一致性協(xié)議算法的范圍常數(shù)。從式子可以看出當(dāng)狀態(tài)變量的值小于范圍常數(shù)時(shí)則令自適應(yīng)算法參數(shù)為0。

4　一致性協(xié)議算法穩(wěn)定性證明

文［2］中的有，將控制器納入到大電力系統(tǒng)中，得到閉環(huán)的系統(tǒng)為

4.1引理1

當(dāng)且僅當(dāng)W為M矩陣時(shí)（M矩陣是L矩陣的一種，M矩陣要求它自身的逆矩陣為一個(gè)非負(fù)矩陣［14］），存在正對(duì)角矩陣D，使得DW+WTD為正定矩陣。

4.2引理2

λm，λM為通訊拓?fù)渚仃嚨淖钚『妥畲筇卣髦怠?/p>

4.3引理3

4區(qū)域中的每個(gè)區(qū)域都有局域區(qū)域控制中心，當(dāng)每個(gè)區(qū)域進(jìn)行通訊時(shí)，需傳遞的是區(qū)域的行向量信息Ri，首先假定鍵值（Ai，Bi）對(duì)是可控的。為尋找優(yōu)化的控制器ui（t）=—Kixi（t），則在［0，tf］內(nèi)代價(jià)函數(shù)最小

式中，Si， Qi為半正定矩陣，Ri為正定矩陣。基于有限時(shí)間范圍函數(shù)的線性二次型調(diào)節(jié)器反饋控制方程為

因此解代數(shù)Riccati方程（ARE）得到正定矩陣Pi（ t）

其終止條件為

為提高系統(tǒng)的收斂性，選擇穩(wěn)定狀態(tài)反饋為

因Pi（∞）和Ki（∞）為在穩(wěn)定狀態(tài)為常數(shù)，固無(wú)需遞歸地證明該反饋陣的穩(wěn)定性，且在不影響收斂性的情況下減少了計(jì)算負(fù)擔(dān)。根據(jù)定理2，若能找到屬于M矩陣的矩陣，則能推導(dǎo)該系統(tǒng)的穩(wěn)定性。

存在非奇異線性變換矩陣Ti將變?yōu)椋?/p>

式中Ti為

式中tik為由的第k個(gè)特征值構(gòu)成的第k個(gè)右特征向量。

因此該系統(tǒng)的對(duì)角形式為

定義二次型李雅普諾夫函數(shù)為

5　算例與仿真

采用4個(gè)發(fā)電區(qū)域構(gòu)成多智能體系統(tǒng)，采用所提出的自適應(yīng)一致性控制協(xié)議。選擇狀態(tài)變量作為4區(qū)域性能指標(biāo)。所有參數(shù)均由附錄給出。

其單位計(jì)算功率為100MVA，采樣周期為T=0.01s，每次仿真的持續(xù)時(shí)間為200s，每個(gè)異構(gòu)的發(fā)電區(qū)域初始化的頻率偏差0.5Hz，且假定所有的區(qū)域都處在網(wǎng)絡(luò)全連通的情況下進(jìn)行。采用MATLAB進(jìn)行仿真，在相同的參數(shù)條件下，得到的無(wú)控制協(xié)議、文［2］中控制協(xié)議和自適應(yīng)控制協(xié)議的對(duì)比效果，如圖2ΔPtie變量的仿真效果、圖3ΔPv變量的仿真效果、圖 4 ΔPm變量的仿真效果、圖 5 Δf變量的仿真效果和圖 6所有狀態(tài)變量x的仿真效果所示。

從上圖可以看出，在無(wú)控制協(xié)議的情況下，系統(tǒng)無(wú)法穩(wěn)定在同一個(gè)值，而采用文［2］中的協(xié)議，則其在相同參數(shù)的條件下穩(wěn)定時(shí)間比自適應(yīng)算法時(shí)間長(zhǎng)。可以看出無(wú)控制協(xié)議時(shí)，系統(tǒng)無(wú)法穩(wěn)定，當(dāng)采用文［2］中的協(xié)議時(shí)系統(tǒng)的穩(wěn)定時(shí)間為152.49s；當(dāng)采用自適應(yīng)一致性算法時(shí)系統(tǒng)的穩(wěn)定時(shí)間為75.48s，比文［2］中的算法快50%。該仿真結(jié)果驗(yàn)證了自適應(yīng)一致性算法的有效性和可行性。

圖2　ΔPtie變量的仿真效果Fig.2 Simulation results of ΔPtie

圖3　ΔPv變量的仿真效果Fig.3 Simulation results of ΔPv

圖4　ΔPm變量的仿真效果Fig.4 Simulation results of ΔPm

圖5　Δf變量的仿真效果Fig.5 Simulation results of Δf

圖6　所有狀態(tài)變量x的仿真效果Fig.5 Simulation results of all state variable x

6　結(jié)論

本文在4區(qū)域全連通的通訊拓?fù)浣Y(jié)構(gòu)下，分析閉環(huán)系統(tǒng)的穩(wěn)定性。提出了優(yōu)化的分布式增益策略，即自適應(yīng)一致性策略，并分析自適應(yīng)一致性LFC協(xié)議的穩(wěn)定性。針對(duì)無(wú)控制協(xié)議、分布式控制協(xié)議和自適應(yīng)一致性協(xié)議三種方法，進(jìn)行了對(duì)比數(shù)值仿真，數(shù)值仿真結(jié)果驗(yàn)證了所提自適應(yīng)一致性協(xié)議優(yōu)化了控制效果，減少了系統(tǒng)的穩(wěn)定時(shí)間，所提的自適應(yīng)一致性算法也被驗(yàn)證。

［1］ Anderson G，Donalek P，et al. Causes of the 2003 major grid blackouts in North America and Europe，and recommended means to improve system dynamic performance［J］. IEEE Transactions on Power Systems 2005； 20 （4）：1922 - 8.

［2］ Shichao Liu，Xiaoping P. Liu，Abdulmotaleb El Saddik. Modeling and distributed gain scheduling strategy for load frequency control in smart grids with communication topology changes［J］.ISA Transactions，2014，2，454-461.

［3］ Healer reinforcement：A cybernetic approach to self-healing in smart grid Fereidunian，Alireza （Faculty of Electrical Engineering，K. N. Toosi University of Technology，Tehran，Iran） Source：Smart Grid Conference 2014，SGC 2014，April 20，2015.

［4］ Integration of distributed generation in the power distribution network：The need for smart grid control systems，communication and equipment for a smart city - Use cases Ruiz-Romero，Salvador （Department of Control System，Electronics，and Electrical Engineering，UNED，Ciudad Universitaria，28040 Madrid，Spain）； Colmenar-Santos，Antonio； Mur-Pé；rez，F(xiàn)rancisco； Ló；pez-Rey，Á；frica Source：Renewable and Sustainable Energy Reviews，2014，38，223-234.

［5］ Fault diagnosis of the smart grid with distributed generation based on limited data drive Guan，Huanxin （Shenyang Institute of Engineering，Shenyang，China）； Hao，Ganggang； Zhao，Yan Source：International Journal of Grid and Distributed Computing ，2015，8（3）：23-34.

［6］ Electrical distribution network operation with a presence of distributed generation units in a Pre Smart Grid environment using a clusteringbased methodology Donadel，Clainer Bravin （IFES，F(xiàn)ederal Institute of Espí；rito Santo，Av. Vitó；ria，1729，Jucutuquara，Vitoria； ES，Brazil）； Fardin，Jussara Farias； Encarnaç；ã；o，Lucas Frizera Source：Energy Systems，2015，6（4）：455-477.

［7］ 陳鑫，余濤，席磊，等. 一種新穎的智能發(fā)電控制策略［J］. 新型工業(yè)化，2015（5）：40-48.

X Chen，T YU，L Xi，et al. A Novel Policy for Smart Generation Control ［J］. The Journal of New Industrialization，2015（5）：40-48.

［8］ 席磊，張孝順，程樂(lè)峰，等. 基于JADE多智能體動(dòng)態(tài)博弈的自動(dòng)發(fā)電控制仿真平臺(tái)研究［J］. 新型工業(yè)化，2014（11）：5-18.

L Xi，X S Zhang，L F Cheng，et al. Research on Muti-agent simulation Platform for AGC based on JADE ［J］. The Journal of New Industrialization，2014（11）：5-18.

［9］ K Watfa，M.，Miniaoui，S.，Al-Hassanieh，H.，& Selman，S. （2016）. A Wireless Charging Infrastructure for Future Electrical Vehicular Adhoc Networks. Journal of Networks，10（9），487-500.

［10］ Khalghani，M. R.，Khooban，M. H.，Mahboubi-Moghaddam，E.，Vafamand，N.，& Goodarzi，M. （2016）. A self-tuning load frequency control strategy for microgrids：Human brain emotional learning. International Journal of Electrical Power & Energy Systems，75，311-319.

［11］ Ropa，J.，Olak，J.，Ja?mu?ny，W.，& Wlaz?o，P. Intelligent MV Switchgear as an Element of Smart Grid Network. 4/25 （2015） | 99-105

［12］ Pham，T. N.，Trinh，H.，& Hien，L. V. （2016）. Load Frequency Control of Power Systems With Electric Vehicles and Diverse Transmission Links Using Distributed Functional Observers. Smart Grid，IEEE Transactions on，7（1），238-252.

［13］ Sambariya，D. K.，& Nath，V. Load Frequency Control Using Fuzzy Logic Based Controller for Multi-area Power System. 13（5）：1-19，2016.

［14］ S. Baghya Shree，N. Kamaraj，Hybrid Neuro Fuzzy approach for automatic generation control in restructured power system，International Journal of Electrical Power & Energy Systems，2016，74，274-285.

［15］ Chen，Y.，Ho，D. W. C.，Lu，J.，& Lin，Z. （2016）. Convergence rate for discrete-time multiagent systems with time-varying delays and general coupling coefficients. IEEE Transactions on Neural Networks & Learning Systems，27（1），178-189.

［16］ K Watfa，M.，Miniaoui，S.，Al-Hassanieh，H.，& Selman，S. （2016）. A Wireless Charging Infrastructure for Future Electrical Vehicular Adhoc Networks. Journal of Networks，10（9），487-500.

［17］ Khalil HK.Nonlinearsystems.3rded..NewJersey：Prentice-Hall；2002.

附錄

各區(qū)域的參數(shù)

Optimizing Distributed Gain Scheduling Strategy for Load Frequency Control in Smart Grids Based on Adaptive Consensus Protocol

ZHENG Yu1， ZHANG Rui1， LI Zheng-jia2

（1.Electric Power Research Institute， China Southern Power Grid Co.， Ltd.， Guangzhou 510080， China； 2.Suzhou Huatian Power Technology Co.， Ltd.， Suzhou 215000， China）

In order to solve the consensus problem of Load Frequency Control （LFC， or Automatic Generation Control，AGC） in smart grids， a distributed consensus protocol is optimized and an Adaptive Consensus Protocol （ACP） is proposed. The ACP parameters continuously updated strategy is designed， and the stability of the ACP is analyzed. Simulated with four power area all connected in smart grids， comparing with the three control protocols include none protocol， distributed consensus protocol and the ACP. The simulation results show that the ACP is better than the others. The correctness and effectiveness of the ACP is verified form the simulation result.

Smart grids； Distributed consensus control； Adaptive consensus protocol； Load frequency control

10.19335/j.cnki.2095-6649.2016.08.006

ZHENG Yu， ZHANG Rui， LI Zheng-jia. Optimizing Distributed Gain Scheduling Strategy for Load Frequency Control in Smart Grids Based on Adaptive Consensus Protocol［J］. The Journal of New Industrialization，2016，6（8）: 41-48.

中國(guó)南方電網(wǎng)科技項(xiàng)目資助（WYKJ00000027）.

張睿（1983-），女，工學(xué)博士，博士后。主要從事電力系統(tǒng)運(yùn)行和控制、數(shù)據(jù)挖掘、智能電網(wǎng)、能源互聯(lián)網(wǎng)等方面的研究工作；鄭宇（1987-），男，工學(xué)博士，博士后。主要從事電力系統(tǒng)規(guī)劃、智能電網(wǎng)、能源互聯(lián)網(wǎng)等方面的研究工作；李正佳（1972-），男，高級(jí)工程師，碩士。主要從事電力通信、電力系統(tǒng)行業(yè)等研究工作

本文引用格式：鄭宇，張睿，李正佳.智能電網(wǎng)中基于自適應(yīng)一致性的自動(dòng)發(fā)電控制與優(yōu)化 ［J］. 新型工業(yè)化，2016，6（8）：41-48.