直流微电网群分布式协调预测控制研究

发布时间：2021-12-28 00:55

　　在能源短缺和环境恶化的同时,科技和社会也在不断进步和发展,微电网所受的关注度在不断提高。直流微电网相比较于其他类型的微电网具有独特优势,直流微电网控制灵活,结构简单,无需考虑变流环节,这可以更好的提高可再生能源的利用率。随着用户直流用电设备的增加,在单一的直流微电网形式可能已经满足不了用户供电量的需求上,提出直流微电网群的概念。采用分布式协调预测控制对直流微电网群中的功率协调问题展开深入研究。主要研究内容包含如下:首先,由直流微电网的数学模型可知,风力、光伏和蓄电池的模型存在复杂的非线性环节,提出了风力、光伏、蓄电池三个子系统的神经网络模型,然后在设定点进行线性化处理,最后整理得到各个子系统的线性化分布式模型。其次,整个直流微电网群的协调发电在三种模式下进行。模式一,三组风力子系统发电,三组光伏和蓄电池子系统处于未激活状态。模式二,三组风力和光伏子系统发电,三组蓄电池子系统处于未激活状态。模式三,三组风力、光伏和蓄电池子系统共同发电。为此,设计三种模式下的分布式模型预测控制器并用二次规划的方法得出约束问题中的最优解。最后,仿真验证了该方法的有效性。最后,提出用一个多端口DC/DC变换器... 

【文章来源】：华北理工大学河北省

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

直流微电网运行控制目标Fig.1ControltargetsofDCmicrogirds1）系统级控制

华北理工大学硕士学位论文--61.3.2基于互联通信的直流微电网运行控制技术1）集中通信与控制在该方法中，直流微电网中利用系统顶层的二次集中控制器来实现各发电单元之间的协调控制，结构如图2所示。起初对于直流微电网的控制均采用此种结构，利用系统顶层的二次集中控制器通过调节PWM信号从而进行对各控制单元的控制，其主要控制目的是保证系统的电压平衡和功率稳定[17,18]。但集中控制最大的缺陷在于：系统中的各主控制单元在通讯上仅通过顶层的二次集中控制器才能够实现彼此之间的相互交流，对二次集中控制器的依赖性很高，整体可靠性较差。图2二次集中控制结构示意图Fig.2Centralcommunicationandcontrolstructure2）集中通信与分布式控制为解决上述结构中过多依赖二次集中控制器的缺陷，提出了如图3所示的集中通信与分布式的控制方法[19,20]。虽然该方法同样是通过调整下垂系数和下垂曲线设定点进而实现利用PWM信号实现对各主控制单元的下垂控制。但与上述方法不同的是，该方法将二次控制嵌入到本地控制器的下层中去，即本地的控制器即使发生故障无法维持本地发电系统正常的安全运行情况下，不会影响其领域系统的工作，在系统整体的可靠性方面，该方式使得系统在故障情况下的应对策略得到了大大的提高。

集中通信与分布式控制结构示意图

【参考文献】：
期刊论文
[1]即插即用微电网集群分布式优化调度[J]. 周晓倩,艾芊,王皓.  电力系统自动化. 2018(18)
[2]Maximum entropy based probabilistic load flow calculation for power system integrated with wind power generation[J]. Bingyan SUI,Kai HOU,Hongjie JIA,Yunfei MU,Xiaodan YU.  Journal of Modern Power Systems and Clean Energy. 2018(05)
[3]孤岛微网中分布式储能SOC和效率均衡控制策略[J]. 韦佐霖,陈民铀,李杰,陈涛,李强,陈飞雄,凌伟方.  电力自动化设备. 2018(04)
[4]交直流混合微电网接入分布式新能源的关键技术研究综述[J]. 郭雅娟,陈锦铭,何红玉,吴倩红,韩蓓,李国杰.  电力建设. 2017(03)
[5]互联电力系统鲁棒分布式模型预测负荷频率控制[J]. 张怡,刘向杰.  控制理论与应用. 2016(05)
[6]微网群控制技术研究现状与展望[J]. 支娜,肖曦,田培根,张辉.  电力自动化设备. 2016(04)
[7]基于能量管理和可靠性约束的弹性微网集群[J]. 丁庆,刘顺桂,朱正国.  电力系统及其自动化学报. 2015(S1)
[8]基于多代理系统的多微网能量协调控制[J]. 丁明,马凯,毕锐.  电力系统保护与控制. 2013(24)
[9]网络信息模式下分布式系统协调预测控制[J]. 郑毅,李少远.  自动化学报. 2013(11)
[10]直流微电网储能系统中带有母线电压跌落补偿功能的负荷功率动态分配方法[J]. 陆晓楠,孙凯,黄立培,肖曦,Josep M.Guerrero.  中国电机工程学报. 2013(16)

博士论文
[1]包含大规模风电集群互联电力系统频率波动预测控制技术研究[D]. 孙舶皓.中国电力科学研究院 2019

硕士论文
[1]基于神经网络的混合励磁同步电机电流分配与控制技术研究[D]. 张泽灵.西安理工大学 2019
[2]基于Gap Metric弱解耦的分布式模型预测控制[D]. 姚毅.浙江大学 2019
[3]微电网自适应控制技术研究[D]. 刘海涛.南昌航空大学 2019
[4]直流微电网的运行控制研究[D]. 魏振.南昌大学 2019
[5]Bawean岛风光柴储微网系统的优化配置方法研究[D]. 张朝辉.华北电力大学 2018
[6]风电机组控制系统关键技术研究及应用[D]. 贾昭鑫.华北电力大学 2018
[7]基于神经网络模型的时滞非线性系统预测控制研究[D]. 郭晓迪.河南理工大学 2017
[8]多微网并网技术与协调控制策略的研究[D]. 白波.西华大学 2017
[9]小型风光互补发电系统研究[D]. 李丹.天津科技大学 2017



本文编号：3553084