本發(fā)明屬于微電網(wǎng)頻率控制。

背景技術(shù)：

1、微電網(wǎng)作為一種規(guī)模較小的獨立電力系統(tǒng)，主要由太陽能、風(fēng)能等分布式能源資源以及儲能設(shè)備構(gòu)成，具備在特定區(qū)域內(nèi)獨立運作的能力。它既可以與主電網(wǎng)相連，也能在必要時獨立運行，確保電力供應(yīng)的穩(wěn)定性。微電網(wǎng)的主要優(yōu)點包括利用可再生能源實現(xiàn)能源獨立性、提升電力供應(yīng)的可靠性和靈活性。適用于多種環(huán)境，如鄉(xiāng)村、島嶼和工業(yè)園區(qū)等，微電網(wǎng)能夠提供清潔、可持續(xù)和安全的能源方案。隨著新能源的廣泛應(yīng)用，微電網(wǎng)的發(fā)展也在加速。同時，電動汽車的普及和儲能技術(shù)的進(jìn)步，使得v2g(vehicle?to?grid)技術(shù)受到更多關(guān)注。這項技術(shù)使電動汽車能夠與電網(wǎng)之間實現(xiàn)雙向能量交換。這意味著電動汽車不只是電能的消費者，還能將車內(nèi)電池儲存的電能反饋給電網(wǎng)。這種雙向的能量流動，讓電動汽車成為能源的供應(yīng)者。

2、為確保微電網(wǎng)的頻率穩(wěn)定，需要設(shè)計有效的頻率控制器。然而，由于微電網(wǎng)中電源的慣性較小，頻率波動較大，且調(diào)頻能力有限，這成為了工業(yè)界面臨的一個持續(xù)挑戰(zhàn)。特別是在風(fēng)能、太陽能及包含電動車微電網(wǎng)系統(tǒng)中，新能源的發(fā)電穩(wěn)定性不高，隨機(jī)性大，受天氣條件影響較大，難以提供連續(xù)穩(wěn)定的功率輸出；同時，電動汽車的充電需求變化較大，導(dǎo)致負(fù)荷波動加劇。新能源和電動汽車的這種隨機(jī)功率波動本身增加了頻率的不穩(wěn)定性，這些隨機(jī)因素給調(diào)頻控制的設(shè)計帶來了極大的難度。在這種高隨機(jī)性的環(huán)境下，傳統(tǒng)的頻率控制方法效果通常不夠理想。

3、專利cn110021960a公開了一種基于模型預(yù)測控制的孤島式微電網(wǎng)電壓和頻率調(diào)控方法。這種控制方法分為三個主要部分：模型預(yù)測、滾動優(yōu)化以及反饋校正。在模型預(yù)測環(huán)節(jié)，它使用基于dq0坐標(biāo)的濾波器電壓和電流狀態(tài)方程，以及對負(fù)載電流的預(yù)測。優(yōu)化目標(biāo)函數(shù)兼顧了孤島模式下微電網(wǎng)的頻率和電壓。通過滾動優(yōu)化過程，方法尋找在預(yù)測時間步長內(nèi)能夠最小化電網(wǎng)側(cè)電壓和頻率偏差的最優(yōu)控制變量。反饋校正環(huán)節(jié)則通過采集當(dāng)前時刻的電網(wǎng)狀態(tài)來修正預(yù)測模型，從而避免由模型不匹配和環(huán)境干擾所引起的控制偏差。

4、專利cn115065070a公開了一種應(yīng)用于微電網(wǎng)的頻率控制方法，此方法基于魯棒h∞控制。微電網(wǎng)環(huán)境包含電動汽車充電站和較高比例的可再生能源。由于可再生能源輸出的不確定性和負(fù)荷波動，維持頻率穩(wěn)定變得具有挑戰(zhàn)性。該方法通過設(shè)計一種基于h∞控制的中央控制器，來應(yīng)對微電網(wǎng)內(nèi)因不確定性引起的頻率偏差。通過控制微型燃?xì)廨啓C(jī)，以消除有功輸出和負(fù)荷間的差異，保持微電網(wǎng)頻率在可接受的范圍。該控制器的設(shè)計特點是基于狀態(tài)空間模型的頻率設(shè)計方法，有效解決了模型和擾動不確定性導(dǎo)致的頻率穩(wěn)定問題，具有理論和工程價值。

5、專利cn115333160a公開了一種結(jié)合風(fēng)電機(jī)組和電動汽車的微電網(wǎng)魯棒頻率控制方法。這包括基于風(fēng)電機(jī)組的減載控制建立其調(diào)頻小信號模型，利用能量聚合器構(gòu)建電動汽車的統(tǒng)一控制模型，以及基于這兩個模型建立微電網(wǎng)動態(tài)頻率響應(yīng)模型。設(shè)計目標(biāo)是確定性能加權(quán)函數(shù)和控制加權(quán)函數(shù)，并使用線性矩陣不等式方法求解h-∞魯棒頻率控制器。此方法有效利用風(fēng)電機(jī)組和電動汽車的調(diào)頻能力，同時借助h-∞魯棒控制來抑制不確定性和外部擾動對頻率調(diào)控的負(fù)面影響，減少微電網(wǎng)在功率波動情況下的頻率擾動。

6、綜上所述，隨著風(fēng)電和光伏發(fā)電容量在微電網(wǎng)所占比例上升，其功率受天氣等因素影響，呈現(xiàn)出強(qiáng)烈的隨機(jī)性。同時，電動汽車接入微電網(wǎng)也帶來了強(qiáng)烈的隨機(jī)性。這些隨機(jī)性的引入給微電網(wǎng)頻率控制帶來了新的挑戰(zhàn)。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是提出一種結(jié)合未知輸入解耦觀測器的有功頻率隨機(jī)模型預(yù)測二次頻率控制方法來解決微電網(wǎng)頻率控制問題的風(fēng)-光-柴-v2g微電網(wǎng)有功頻率隨機(jī)模型預(yù)測控制方法。

2、本發(fā)明步驟是：

3、s1、建立考慮ev用戶充電需求的充/放電功率模型以及建立含風(fēng)光柴充電樁的微電網(wǎng)模型s11、單體ev的實時能量與充放電功率的邊界與實時狀態(tài)

4、單體ev的輸出功率邊界：

5、

6、式中tenter與tleave為ev進(jìn)入與離開充電站的時間節(jié)點，pc與pd為單體ev的充/放電功率；單體ev的能量邊界：

7、

8、充電站的整體調(diào)控裕度：

9、

10、s12、光伏機(jī)組出力概率模型

11、概率密度函數(shù)：

12、

13、式中：it為t時段太陽輻射度；μt,σt分別為t時段對數(shù)正態(tài)隨機(jī)變量的均值和方差；

14、t時段光伏電站出力ws,t與太陽輻射度it的相關(guān)性表示為：

15、

16、式中：istd為標(biāo)準(zhǔn)環(huán)境下太陽輻射度；rc為某一特定太陽輻射度；wsr為光伏陣列的額定輸出功率；

17、s13、分布式風(fēng)電機(jī)組出力概率模型

18、風(fēng)速概率密度函數(shù)的三參數(shù)burr分布函數(shù)

19、

20、式中：vt為t時段風(fēng)速；at,ct,kt分別為t時段burr分布的比例參數(shù)、第一形狀參數(shù)和第二形狀參數(shù)；

21、t時段風(fēng)電機(jī)組出力ww,t與風(fēng)速vt的相關(guān)性表示為

22、

23、式中：vwr?vin?vout分別為風(fēng)機(jī)額定風(fēng)速、切入風(fēng)速和切出風(fēng)速；wwr為風(fēng)機(jī)額定輸出功率；負(fù)荷波動可以用下式所示的正態(tài)分布函數(shù)來表示

24、

25、其中：σp為負(fù)荷有功功率的標(biāo)準(zhǔn)差；μp為有功功率的均值；

26、s14、含風(fēng)-光-柴-v2g微電網(wǎng)模型的lfc建立

27、s141、柴油機(jī)組

28、調(diào)速器的傳遞函數(shù)為：

29、

30、式中：kn為調(diào)速器增益；tg為調(diào)速器時間常數(shù)；

31、一階慣性環(huán)節(jié)來表示原動機(jī)的模型：

32、

33、式中：ky為汽輪機(jī)增益；ty為汽容時間常數(shù)；

34、原動機(jī)與發(fā)電機(jī)之間的功率關(guān)系：

35、

36、式中：δpm為原動機(jī)輸出的機(jī)械功率偏差；δpe為發(fā)電機(jī)輸送給電網(wǎng)的電磁功率偏差；δω為發(fā)電機(jī)的轉(zhuǎn)子角速度偏差；m為機(jī)組的慣性常數(shù)；

37、將式(15)進(jìn)行拉普拉斯變換可以得到頻域下的功率關(guān)系：

38、δpm(s)-δpe(s)＝msδω?????(16)

39、電磁功率偏差δpe與負(fù)荷功率偏差δpload之間的關(guān)系

40、δpe(s)＝δpload(s)+dδω?????(17)

41、式中：δpload為外界負(fù)荷擾動；d為負(fù)荷阻尼系數(shù)；

42、將(16)與(17)聯(lián)立：

43、

44、s142、風(fēng)電光伏機(jī)組模型

45、控制到輸出的傳遞函數(shù)：

46、

47、只考慮風(fēng)機(jī)輸入與有功功率輸出之間的關(guān)系

48、

49、s2、建立改進(jìn)龍伯格觀測器的未知輸入觀測器

50、微電網(wǎng)模型的狀態(tài)方程寫為如下狀態(tài)方程形式：

51、

52、其中aob是系統(tǒng)的狀態(tài)矩陣，bob是系統(tǒng)的控制矩陣，不包含未知擾動項，cob是系統(tǒng)的輸出矩陣，eob是未知輸入擾動的矩陣，xk是狀態(tài)向量，yk是輸出向量，uk是已知輸入向量，dk是等效負(fù)載擾動，都是離散化矩陣；

53、狀態(tài)估計誤差向量定義為

54、

55、其中是狀態(tài)估計值；

56、根據(jù)動態(tài)系統(tǒng)設(shè)計的觀測器

57、zk＝f*zk-1+tbuk-1+k*yk????(23)

58、

59、式中：zk為觀測器的狀態(tài)，f、t、k、h為設(shè)計的矩陣；

60、擴(kuò)展得到

61、

62、ek成為一個mek的函數(shù)

63、

64、推導(dǎo)出如下方程

65、0＝(hc-i)e?????(27)

66、t＝i-hc????????(28)

67、f＝a-hca-k1c??????(29)

68、k2＝fh???????(30)

69、s3、基于場景樹隨機(jī)模型預(yù)測控制二次頻率優(yōu)化控制

70、不確定功率的典型場景

71、δp＝{δp1,δp2..........δps}????(31)

72、設(shè)當(dāng)前時刻k根據(jù)實際量測數(shù)據(jù)求得新能源不確定功率為δp(k)＝δpg，將k+1時刻的不確定功率δp(k+1)＝δph作為隨機(jī)過程建立預(yù)測模型，則此過程中的狀態(tài)轉(zhuǎn)移概率矩陣t(k)中元素δpgh(k)的含義為：在k時刻不確定功率為δpg的條件下，(k+1)時刻不確定功率為δph的概率；

73、將微電網(wǎng)lfc模型，整理為狀態(tài)空間形式

74、

75、式中：x為狀態(tài)變量，u為控制變量，d為負(fù)荷擾動，y為輸出變量；ac，bc，cc，dc分別為連續(xù)狀態(tài)方程的狀態(tài)常數(shù)矩陣，控制常數(shù)矩陣，擾動常數(shù)矩陣和輸出常數(shù)矩陣；

76、選取的目標(biāo)函數(shù)形式為二次型

77、j＝min{∑(ζδztrδz)-∑(ζδutgδu)}????(33)

78、式中：式中：ζ為場景樹中各場景的概率，r和g為目標(biāo)函數(shù)的加權(quán)矩陣；

79、將各個分布式電源的約束條件轉(zhuǎn)換為不等式形式：

80、cuδu(k)≥b(k+1|k)?????(34)

81、定義新的變量，即：

82、

83、優(yōu)化問題就變成了minρtρ，由ρtρ＝(az-b)t(az-b)的極值條件，求導(dǎo)可得極值解為：

84、z*＝(ata)-1atb????????(36)

85、k時刻控制序列最優(yōu)解為：

86、δu*(k)＝kmpc(0-yp(k+1∣k))?????(36)

87、

88、取最優(yōu)控制序列中第一個元素作為輸出。

89、本發(fā)明主要提出了基于龍伯格觀測器的未知解耦輸入觀測器，實現(xiàn)狀態(tài)量與未知輸入擾動的解耦觀測提高觀測精度；提出場景樹隨機(jī)模型預(yù)測控制器，通過滾動優(yōu)化和反饋矯正，在考慮各種約束條件利用隨機(jī)模型預(yù)測控制得到最優(yōu)調(diào)頻控制量，提高風(fēng)光負(fù)荷不確定條件下的控制效果。所提技術(shù)提高了微電網(wǎng)在風(fēng)光和充電樁不確定性條件下的微電網(wǎng)頻率控制效果，幫助分布式風(fēng)光新能源大規(guī)模替代和及電動汽車的進(jìn)一步普及。