基于改进模型预测控制的分布式储能辅助调频控制方法.pdf

水利水电技术(中英文)第 54 卷 2023 年第 S2 期Water Resources and Hydropower Engineering Vol.54 No.S2黎萌,林章岁,林毅,等.基于改进模型预测控制的分布式储能辅助调频控制方法J.水利水电技术(中英文),2023,54(S2):447-456.LI Meng,LIN Zhangsui,LIN Yi,et al.Distributed energy storage assisted frequency regulation control method based on improved model predictive controlJ.Water Resources and Hydropower Engineering,2023,54(S2):447-456.基于改进模型预测控制的分布式储能辅助调频控制方法黎 萌1,林章岁1,林 毅1,吴 威1,汤 奕2(1.国网福建省电力有限公司 经济技术研究院,福建 福州 350014;2.东南大学 电气工程学院,江苏 南京 210096)收稿日期:2023-07-06基金项目:国网福建省电力有限公司经济技术研究院科技项目(SGFJJY00GHJS2200113)作者简介:汤 奕(1977),男,教授,所长,博士,主要从事电力系统稳定分析与控制、新能源并网运行与控制等研究。E-mail:摘 要:为更好改善电网频率特性,发挥分布式储能的快速响应优势,提出基于改进模型预测控制的分布式储能辅助调频控制方法。首先,基于动态矩阵控制(dynamic matrix predictive control,DMC)思想,引入了一种新的综合状态空间模型,将增量控制输入视为阶跃输入,设计了以减小稳态误差为目标的 MPC 优化目标函数。其次,建立了控制信号的选择规则,在预测模型的滚动优化过程中对多步控制信号进行动态调整,形成考虑延时和丢包的延迟补偿机制,并在此基础上给出了系统稳定的充分条件。最后,在不同工况下进行仿真,与基于传统 MPC 的储能辅助调频方法相比,对所提策略的有效性进行了验证。结果表明:本文提出的改进 MPC 策略提高了分布式储能调频对通信延时的鲁棒性,提高电力系统的安全性,同时减小了系统超调量和稳态偏差。关键词:分布式储能;MPC;一次调频;延时补偿DOI:10.13928/ki.wrahe.2023.S2.071中图分类号:TM61文献标志码:A文章编号:1000-0860(2023)S2-0447-10Distributed energy storage assisted frequency regulation control method based on improved model predictive controlLI Meng1,LIN Zhangsui1,LIN Yi1,WU Wei1,TANG Yi2(1.State Grid Fujian Electric Power Co.,Ltd.,Economic and Technological Research Institute,Fuzhou 350014,Fujian,China;2.School of Electrical Engineering,Southeast University,Nanjing 210096,Jiangsu,China)Abstract:In order to improve the frequency characteristics of power grid and give play to the advantages of fast response of dis-tributed energy storage,a distributed energy storage auxiliary frequency regulation control method based on improved model pre-dictive control is proposed.Firstly,based on the dynamic matrix predictive control(DMC),a new integrated state space model is introduced,and the incremental control input is regarded as a step input.The MPC optimization objective function is designed to reduce the steady-state error.Secondly,the control signal selection rules are established,and the multi-step control signals are dynamically adjusted in the rolling optimization process of the prediction model,and the delay compensation mechanism consider-744黎 萌,等/基于改进模型预测控制的分布式储能辅助调频控制方法水利水电技术(中英文)第 54 卷 2023 年第 S2 期ing delay and packet loss is formed.On this basis,the sufficient conditions for system stability are given.Finally,the simulation was carried out under different working conditions,and the effectiveness of the proposed strategy was verified compared with the traditional MPC-based energy storage assisted frequency regulation method.The result show that the improved MPC strategy in this paper improves the robustness of distributed energy storage frequency regulation to communication delay,improves the securi-ty of the power system,and reduces the system overshoot and steady-state deviation.Keywords:distributed energy storage;MPC;primary frequency modulation;delay compensation0 引 言0 引 言 能源短缺和环境恶化是全球性问题,开发可再生能源,实现能源优化配置,发展低碳经济,开发利用新能源是世界各国的共同选择1-2。分布式能源具有灵活就地消纳、综合能源利用的优势,是新能源开发利用的重要模式。如今,分布式能源正在配电网中迅速部署,这给电力系统平衡和系统频率稳定带来了新的机遇和挑战。分布式储能具有快速响应的能力,并且能够实现双向能量流动,可以弥补分布式能源的接入对电网带来的负面影响。随着分布式能源接入电网的规模不断扩大,电网频率更加复杂多变,因此,如何让分布式储能系统参与电网调频,成为当前学者研究的一个热点问题3-4。近年来,能源结构转型促进了国内外关于储能参与调频的快速发展,电力系统正在从传统的集中发电模式过渡到由可再生能源和储能系统组成的智能分布式网络。在储能系统辅助电网调频的领域中,控制策略是备受重视的理论和实际工程问题。合理的控制策略可以更好地发挥储能系统的调频效能,同时也能够有效减小储能系统的容量配置5-7。分布式储能控制器可以将规模化分布式储能汇聚到一起,协调控制多点布局的分布式储能以及柔性负荷。国内外已有许多学者证明了分布式储能系统参与电网调频的有效性。张圣祺等8提出了一种分布式储能参与下的二次调频控制方法。该策略通过建立调频电源损耗函数及其调频特性的数学模型,利用分布式控制原理实现精确的二次调频控制;XU 等9提出了一种分布式协同控制策略,用于协调分布式储能参与调频的充放电过程,以保持供需平衡,并最小化与充放电效率低下相关的总功率损耗。MORSTYN 等10提出了基于互联智能代理的多代理微电网控制框架,这为未来研究适用于构成未来智能分散电网的微电网的通用控制策略提供了方向。现有的频率控制方法11大多假设通信系统能够实现对大规模分布式负载的实时控制,而不考虑调频过程中通信时延的影响。分布式储能系统参与电力系统的调频辅助过程中,由于信号传输和处理等因素,在遥测信号从远程终端单元发送到控制中心、控制信号从控制中心传输到单个单元,以及信号处理和控制更新等环节,信息传输通道将存在时间延迟12,信道的通讯延时可能会影响分布式控制的性能,这是分布式控制的固有问题。DOU 等13对分布式控制方案进行了扩展,以适应恒定的时延,并通过频域方法得到了保证稳定性的延迟裕度。赵昱杰等14分析了风储系统各环节的时滞对功率平滑策略产生的影响,并提出了增加系统指令更新周期的解决方法。由以上分析可以看出,在频率调节时,通信延迟对系统动态响应有一定负面影响。然而,目前很多工作主要集中在基于理论分析时延对稳定性和收敛性的影响或时延界计算,而如何消除时间延迟造成的不利影响的研究相对较少。MPC 作为一种状态变量预测算法15,通过预测算法降低对控制系统延时的影响,具有良好的稳定性和自适应性,可运用于多种场合。与传统 PI 控制相比,该方法具有很多优点,例如不需要参数的设计和调节,对建模要求不高,目标函数设计灵活多变。其中最主要的优点是 MPC 属于主动预测控制,相比于传统 PI 的滞后反馈调节,MPC 在动态性能上得到了显著的提高。王萌等16将 MPC 算法应用于光储系统中,通过该方法可以解决传统双闭环 PI 控制动态性能不佳的问题,但是仿真发现在突发大扰动下稳定性不足的问题依旧没有改善。邓知先等17设计多目标离散型 MPC 系统,通过自适应算法匹配最优控制目标值,增加控制系统精度。孙玉树等18针对单组储能设备功率频繁充放电的情况,应用两组不同充放电状态的储能平抑风电波动,两组储能设备同时切换充放电状态,在经济性成本方面具有优越性。为在既满足储能调频的动态响应性能,又对分布式储能辅助调频的通信延时进行补偿,本文提出了基于改进 MPC 算法的电池储能调频延时补偿控制策略。这种方法结合了动态矩阵控制思想和传统 MPC 算法,将增量控制输入视为阶跃信号输入,并设计了改进MPC 优化目标函数;通过建立控制信号的选择规则,844黎 萌,等/基于改进模型预测控制的分布式储能辅助调频控制方法水利水电技术(中英文)第 54 卷 2023 年第 S2 期在预测模型的滚动优化过程中对多步控制信号进行动态调整,形成考虑延时和丢包的延迟补偿机制;并通过 Matlab/Simulink 仿真对所提出的控制器模型和补偿策略的性能进行了评估,验证了该补偿策略的有效性,表明该补偿策略可以提高分布式储能辅助调频对通信延时的鲁棒性,提高电池储能并网的频率支撑能力,尽可能减少储能系统的充放电损耗成本。1 储能参与一次调频框架1 储能参与一次调频框架 基于 MPC 的储能调频框架如图 1 所示。所考虑的大规模储能的管理结构包括中央控制器、负载聚合器(load aggregators,LAs)、储能单元等。在该调频框架中,负载聚合器将一组储能设备的功率聚合在一起,以提供频率调节服务。控制中心通过日前定量估计,从每个负载聚合器获得聚合储能单元的频率储备潜力。当可再生能源电站接入电网导致的频率波动超过限值时,中央控制器通过与 LFC 中央控制协调,将频率 响 应 信 号 传 输 至 分 布 式 储 能设备。图 1 基于 MPC 的储能参与调频框架2 含分布式储能的系统频率响应模型2 含分布式储能的系统频率响应模型2.1 系统频率响应模型 本文所采用的系统频率响应模型如图 2 所示,该模型包含传统 LFC 模型及模型预测控制下的聚合储能模型。主要选取一种适用于电力系统暂态计算的通用典型储能系统模型进行研究。为了表示系统中参与调频辅助服务的分布式储能,在系统调频动态模型中,用多个反馈调节环节来表征储能调频的作用。图 2 含储能的系统频率响应模型对于主控制器,等效调速器、涡轮机和电力系统的频率动态由以下微分方程描述f(t)=-12Hf(t)+12HPg(t)-12H(PL(t)-Pb(t)(1)Pt(t)=-1TtPt(t)+1TtPg(t)(2)Pg(t)=-1RTgf(t)-1TgPg(t)+1TgP1(3)Pb(t)=1TbTs(Ub-TsPb)(4)式中,H、D、K、R、N 分别为等效惯性时间常数、系统阻尼系数、LFC 控制器积分增益、电力系统的调速系数和聚合储能单元的个数;Tg、Tt分别为调速器与涡轮机的时间常数;Ue为储能控制器的控制信号;f、Pg分别为频率偏差和调速器位置的变化;Pb、Pt分别为储能设备和涡轮机的总输出功率变化;PL为负荷扰动;1、2分别为频率偏差对主控制器和储能控制器的分配系数,1+2=1。2.2 储能系统等效模型 典型储能系统的结构主要分为 3 个功能模块:储能元件本体模型,变流器(DC/DC、DC/AC)模型和控制系统模型。储能系统的出力特性主要由变流器模块决定,李建林等19提出了一种描述储能辅助火电机组参与电网 AGC 行为特征的方法,采用一阶惯性环节来建立储能系统的等效传递函数模型,此方法已被广泛应用于现有的研究中,具体模型为Gb(s)=Kb1+sTb(5)式中,Tb为聚合储能单元的响应时间常数;Kb为分布式储能单元的单位个数。944黎 萌,等/基于改进模型预测控制的分布式储能辅助调频控制方法水利水电技术(中英文)第 54 卷 2023 年第 S2 期3基于改进模型预测控制的储能一次调频策略3基于改进模型预测控制的储能一次调频策略 通过在每一个采样点,对一个有限时域开环最优控制问题进行求解,以此来求解模型预测控制当前的控制序列。考虑以下系统xk+1=fk(xk,uk)(6)式中,xk和 uk都是一系列有限标量组成的向量,假设代价函数是非负的。minUJ(U(k)0(7)控制状态和输入的约束条件为xk Xk,uk Uk,k=0,1,n(8)假设存在能够被控制到初始值且效用函数为 0 的系统状态,即fk(0,u-k)=0gk(0,u-k)=0uk Uk(0)(9)则 MPC 算法最终会生成一个控制序列,能够跟踪设定的轨迹,并且同时满足状态和控制的约束,以及保证代价函数最小。MPC 算法控制流程如图3 所示。图 3 MPC 算法控制流程3.1 预测模型 电力系统的状态空间动态频率模型可用下式表示x(t)=Ax(t)+Bu(t)+Fw(t)y(t)=Cx(t)(10)式中,x(t)Rn为状态向量;u(t)为控制向量;y(t)为系统输出向量;w(t)为干扰向量。x(t)=colfPgPtP1PbT(11)y(t)=f,w(t)=PL(12)式中,P1作为辅助变量,导出系统的线性状态空间模型。P1=-Kf(13)下面给出了系统控制矩阵 A、输入控制矩阵B、输出控制矩阵 C 以及干扰控制矩阵 F 的具体形式A=-D2H0D2H012H-1RTg-1Tg01Tg001Tt-1Tt00-K00000000-1Tb(14)B=000021TbTsT(15)C=10000(16)F=-12H0000(17)线性离散系统的状态空间模型如下x(k+1)=A-x(k)+B-u(k)+F-w(k)y(k)=Cx(k)(18)式中,A-=eAT,B-=T0 eAsBds,F-=T0 eAsFds,T 为采样周期。定义预测范围 Np 和控制范围 Nc,且 Nc Np。基于离散化公式,在时间 k 处推导出以下预测模型X(k)=Ax(k)+Bu(k-1)+U(k)+FW(k)(19)其中X(k)=x(k+1|k)x(k+2|k)x(k+Np|k)(20)U(k)=u(k|k)u(k+1|k)u k+Nc-1|k()T(21)W(k)=w(k|k)T w(k+1|k)T w(k+Np-1|k)T(22)A=A-A-2A-NpT(23)B=B-Nci=0A-iB-Np-1i=0A-iB-T(24)=B-00A-B-+B-B-0Nc-1i=0A-iB-Nc-2i=0A-iB-B-Nci=0A-iB-Nc-1i=0A-iB-A-B-+B-Np-1i=0A-iB-Np-2i=0A-iB-Np-Nci=0A-iB-(25)054黎 萌,等/基于改进模型预测控制的分布式储能辅助调频控制方法水利水电技术(中英文)第 54 卷 2023 年第 S2 期F=F-00A-F-F-0A-Np-1F-A-Np-2F-A-F(26)根据上述公式,可通过以下预测方程计算系统的未来输出Y k+1()=Sxyx k()+SuyU k()+SwyW k()(27)其中Y(k+1)=y(k+1|k)Ty(k+2|k)T y(k+Np|k)TT(28)C=diagCCCNp(29)Sxy=CA,Suy=CB,Swy=CF(30)3.2 滚动优化 将频率偏差的参考值设置为零,对以下目标优化问题求解控制信号minuJ=Npi=1 y(k+i|k)2qi+Nci=1u(k+i-1|k)2ri(31)从上述方程中,设 E(k)为系统自由响应的跟踪误差,可定义为E(k)=Yref(k)-Gxx(k)-Guu(k-1)-Gww(k)=-Gxx(k)-Guu(k-1)-Gww(k)(32)其中Gx=CA-CA-2CA-NpT(33)Gu=CB-Nci=0CA-iB-Np-1i=0CA-iB-T(34)Gw=CF-00CA-F-CF-0CA-Np-1F-CA-Np-2F-CA-F(35)目标函数最小化预测范围内的频率偏差能够进一步转化为矩阵形式 s.t.U(k+i)minUJ=QY(k)2+RU(k)2=Q(GuU(k)-E(k)2+RU(k)2=UT(k)GTuQGu+RU(k)+ET(k)QE(k)-2ET(k)QGuU(k)(36)其中Q=diagq1q2qNp R=diagr1r2rNc(37)=-JBJB ,=-JAx(k)+JFW(k)-N-JAx(k)-JFW(k)+M (38)Jg=00001(39)J=diag JgJgJgNp(40)N=NmNmNmT Np,M=MmMmMmTNp(41)Gu=CB-00CA-B-+CB-CB-0Nc-1i=0CA-iB-Nc-2i=0CA-iB-CB-Nci=0CA-iB-Nc-1i=0CA-iB-CA-B-+CB-Np-1i=0CA-iB-Np-2i=0CA-iB-Np-Nci=0CA-iB-(42)通过对上式求解,得最优控制增量序列为U(k)=u(k k)Tu(k+1|k)Tu(k+Nc-1|k)TT(43)3.3 反馈校正 为了修正低精度模型或受环境扰动影响的控制系统输出预测偏差,需要进行反馈校准。储能可以通过k 时刻控制序列中的第一个控制 U(k)进行控制,从而得到实际输出为 Y(k+1);再结合 k 时刻系统输出的预测值 Y(k+1|k),采用误差加权法来校正下个时刻的输出预测Y(k+1+j|k+1)=Y(k+1+j|k)+hY(k+1)-Y(K+1|k)(44)式中,h 为误差校正加权矩阵;Y(k+1+j|k+1)为校正后的系统输出预测值。4 储能频率控制时延补偿策略4 储能频率控制时延补偿策略4.1 通信延时对系统调频的影响 由于通信网络中的延迟,标定过的物理系统性能会下降,并可能导致系统失稳。其影响主要体现在即154黎 萌,等/基于改进模型预测控制的分布式储能辅助调频控制方法水利水电技术(中英文)第 54 卷 2023 年第 S2 期时控制上。随机长时延的存在会引起输出变量的时序错乱,以及变量数据丢失的现象。虽然采用零输入的控制方法比较简单,但这可能导致控制输入不稳定切换,进而影响系统稳定性。为了避免此问题,可以采用 ZOH 方法,但该方法维持先前状态的数值会有一定的局限性,难以实现期望的系统性能。当网络同时存在丢包和时延时,系统模型会变得更复杂多样化。在本文中,若一个采样周期内无数据包达到,则视为一次丢包。定义 1:输入延迟可以表示为0 maxT(45)式中,T 为采样周期;max为正整数,且满足 Np max;maxT 为时间延迟的上界。在(k-1)T,kT 的区间中,按照以下规则描述如下k=mini|k-i-i 0,i=0,1,max(46)式中,k为长通信延时持续的采样周期数。由于控制器丢弃乱序的数据包,故需要考虑丢包因素。设 k为时戳k数据包前的最小丢包数,且k0,s,s max,根据主动丢包的规则,可得 k为k=minj|k-j-k-j+1 iT,i=0,1,max,j=0,1,s(47)设每一个数据包的对应时间戳为 i,当在接收 k 时间的数据包时,控制器已经接受到了 n 个不同的时间戳的数据包,其中i=k-1-k,i=ni+1-1-i,i=1,2,n-1(48)4.2 储能频率控制延时主动补偿策略 在本节中,考虑到抵消输入延迟的影响,使用基于 MPC 方法的主动补偿控制策略来进行补偿。考虑时延和丢包,电力系统的状态空间动态频率模型可描述为x(k+1)=A-x(k)+B-u(k-1)+U(k)+F-w(k)y(k)=Cx(k)(49)式中,U(k)为最优控制增量序列 U在 k 时刻的最佳控制增量。基于时间戳的预测控制序列以单个数据包的形式发送到 LAs。在 LA 处设置延迟补偿器,并根据延迟选择适用于当前时间步长的相应控制值,从而消除延迟的影响,提高系统性能和稳定性。根据时延和丢包情况可以分为三种补偿策略分别讨论20。(1)若网络传输时延小于一个采样周期,通信长延时持续的采样周期数 k为 1,控制器收到 1 个时间戳。则系统最优控制输入量为U(k+1)=u(k+1 k)(50)(2)若网络传输时延大于一个采样周期,即 LA的储能耦合输出功率信号,因为控制信号传输到参与调频的电网中心存在时间延迟,有时候在某些控制周期内没有数据能到达电网中心。通信长延时持续的采样周期数 k大于 1,控制器收到 0 个时间戳。则系统最优控制输入量为U(k+i)=u(k+i k-1),i k(51)(3)若在某控制周期内有 n 个控制增序列到达。将根据 n 个序列时间标签的最小丢包 k来决定采用最新时刻的控制增量序列。则系统最优控制输入量为U(k+1)=u(k+1 k-k)(52)综上,可以求出考虑通信时延后的最佳控制增量序列。在分布式储能参与调频的过程中采用 MPC 算法和时延补偿器相结合进行控制,能够弥补网络时延对系统调频带来的不利影响,从而实现良好的控制性能,并保证控制中心输出最优或次优储能以提高调节频率。5 仿真结果与分析5 仿真结果与分析 在 MATLAB 中建立上述考虑通信延时的负荷频率控制仿真模型,模型参数参考文献20,具体智能电网的参数设置如下:Tt=0.3,Tg=0.08,H=6,D=1,R=0.05,K=1。聚合储能组的充放电时间常数设置为 Tb=0.05,聚合储能组的单位调节功率 Kb=30。5.1 分布式储能参与一次调频的评价指标 为评估所提方法的有效性,考虑在阶跃扰动负荷下存在固定通信时延和时变通信时延两种工况,并由此提出两类评价指标。若通信时延为固定时延,评价调频特性的指标主要有最大频率偏差fmax、静态频率偏差 fs以及分别对应的时刻 tm和 ts,同时定义频率恢复期间的恢复速度 =(fmax-fs)ts-tm,以及频率跌落的下滑速度 =fmaxtm。显然,在阶跃负荷扰动时,fmax和 fs越小证明调频效果越好,越大证明调频响应速度越快,越小表明抗干扰能力强。若负荷为连续扰动或存在较大的通信时延,则选择评价指标选取 f 偏离基准值,反应其与期望值的离散程度254黎 萌,等/基于改进模型预测控制的分布式储能辅助调频控制方法水利水电技术(中英文)第 54 卷 2023 年第 S2 期Qf=1NNi=1f2(53)式中,N 为离散系统的采样周期数;Qf为频率偏离指标,其越小频率越稳定。为验证基于改进 MPC 的时延补偿策略的有效性,本文使用上文提到的调频性能评价指标,分析系统在阶跃负荷扰动和连续负荷扰动两种工况下的表现。同时,本文采用了四种不同的控制策略来实现储能调频出力控制。不对通信时延进行补偿的方法作为法 1;文献21中所提的补偿方法作为法 2;采用参考文献22所提的基于动态矩阵的模型预测控制作为法 3;以及采用本文所提的改进 MPC 的时延控制策略,称为法 4。5.2 参与动态响应的分布式储能对系统频率稳定性的影响 在这种情况下,本文主要侧重于比较发电机和储能设备的贡献,而不探讨通信时延的影响。通过分析不同的参与因素,讨论了三个案例的不同储能参与因子。情况 1:1=1,2=0;情况 2:1=0.8,2=0.2和情况3:1=0.5,2=0.5。在0.025pu 的阶跃扰动下,各种储能参与因子的系统动态响应如图4 所示,这表明与情况1 相比,有储能参与的情况2 和3 对改善频率响应具有积极影响。此外,通过增加储能参与因子,情况 3 的频率偏差比情况 2 进一步减小,这表明储能参与调频的比重越大,频率响应性能也会更好。发电机和储能提供的功率输出情况如图 5 所示。从图 5 可以看出,由于调节惯性常数小于发电机,储能的响应速度比发电机快。此外,从系统输出曲线也可以看出,较大的储能参与因子会导致频率调节出现超调环节。因此,选择合适的1和2有利于产生更好的系统性能,这也说明了协调控制策略的必要性。图 4 改变储能贡献的系统频率响应对比5.3 阶跃负荷扰动场景仿真分析 (1)定时延下的系统动态性能仿真分析。随着越来越多的新能源资源接入电力系统,电力系统出现低图 5 发电机和储能提供的功率输出对比惯量特性,这容易导致频率稳定性问题的,影响频率调节的效果。因此,在第二种情况下,为了验证所提出的控制方法的鲁棒性和延迟补偿策略的有效性,同样采用标幺值为 0.025pu 的阶跃负荷作为扰动,并对4 种策略参与调频的特性进行仿真分析。图 6 和图 7 显示了在 4 种不同策略下的频率响应和功率输出,以及不同通信延迟的情况。当扰动开始时,4 种调频策略的系统频率均急速降低,法 3 的频率跌落最多且下降速率较高;本文所提方法的频率下降最小;在频率恢复阶段,可以看到本文所提方法相比法 3 的超调有所减少,而且频率恢复速度也高于其他三种策略,具有更好的调频效果。在频率稳定后,相比法 1 和法 2,法 3 和法 4(本文所提方法)的频率偏差都小于 0.000 1 Hz,有着较好的鲁棒性。随着时延的增加,频率偏差也在明显变大。通信延迟对电力系统的频率响应产生负面影响,当通信延迟超过一定阈值,电力系统性能会逐渐恶化。图 6=0.3 s 阶跃负荷扰动下的系统动态响应对比从图 7 可以看出,当向系统引入延迟=0.9 s 而没有延迟补偿时,系统剧烈振荡,直到失去稳定性。可以观察到,当系统由于通信延迟的影响而不稳定时,法 4 的平均频率偏差指标 Qf仅有 0.001 4,在长354黎 萌,等/基于改进模型预测控制的分布式储能辅助调频控制方法水利水电技术(中英文)第 54 卷 2023 年第 S2 期图 7=0.9 s 阶跃负荷扰动下的系统动态响应对比时延下也能有快速和精确的功率控制能力,保证了系统的稳定性和鲁棒性。本文策略在调频效果全面优于其他三种策略的同时,兼顾储能设备容量保持效果,尽管不如法 2 和法 3 需要的储能功率更少,但仍在一定范围内保持稳定的功率需求。(2)时变时延下的系统动态性能仿真分析。为了进一步体现这种补偿方法的优越性,考虑对系统采用时变通信延时,其中最大延时分别为 max=0.3 s 和max=0.9 s。因为法 3 是针对固定延时的补偿方法,所以不予对比。图 8 和图 9 中绘制了在不同时变时延情况下,三种不同策略下的频率响应和功率输出的比较结果。结果表明,在不采用延迟补偿策略的情况下,具有时变时延的动态响应过程会导致负载输出振荡,从而影响设备本身的使用寿命。当 max=0.3 s 时,系统频率误差和储能输出功率曲线振荡不明显,和时延为 0.3 s 的情况类似,而法 4 具有更好的调频效果。图 8max=0.3s 阶跃负荷扰动下的系统动态响应对比当 max=0.9 s 时,可以看出法 2 在时延波动范围较大时,无法很好的保持系统调频的动态性能,需要较长时间才能达到稳定。对比储能功率曲线,法 2 在扰动开始时出现振荡现象,而即使用接近实际通信延时效果的时变时延来模拟,采用本文所提方法 4 也可以在较短的调节时间内有效地减少频率振荡量,保持稳定。图 9max=0.9s 阶跃负荷扰动下的系统动态响应对比5.4 长时间负荷连续扰动场景仿真分析 上述仿真验证了在阶跃扰动条件下,本文所提方法可以更好的调节系统动态性能,提升调频效果。为了进一步证明本文所介绍的控制方法在风电场并网的情况下具有良好的控制性能,本文采用了文献23中的方法,生成随机的风能时间序列来模拟实际的风能场景,比较不同控制模式在风电场随机扰动下对电网频率控制效果的影响。图 10=0.3 s 连续扰动下系统动态响应对比(1)定延时下的系统动态性能仿真分析。定延时下的系统动态性能仿真结果如图 10、图 11 所示。根据仿真结果可知,在风电连续负荷扰动下,无论采用何种控制策略,储能参与一次调频均能明显改善电网频率质量;本文所提的法4 的调频性能在 =0.3 s 时明显优于法 2 和法 3;当通信延时达到 0.9 s,法 2 和法 3 的平均频率偏差指标 Qf都增大到 0.007 6,而法4 的 Qf和=0.3 s 时的 Qf基本相等,根据结果显示,法 4 的效果最好。在负荷扰动变化率较大的情况下,本文提出的基于改进 MPC 的控制方法能够完全发挥储能调频的优势。使储能能够快速参与响应,频差变化率和频率偏差均得到有效改善,实现了调频和储能454黎 萌,等/基于改进模型预测控制的分布式储能辅助调频控制方法水利水电技术(中英文)第 54 卷 2023 年第 S2 期功率的最佳响应。图 11=0.9 s 连续扰动下的系统动态响应对比(2)时变时延下的系统动态性能仿真分析。时变时延下的系统动态性能仿真如图 12、图 13 所示,通过仿真结果进一步可知,本文策略既兼备法 2 和法 3的优势,又能较好弥补二者不足,能做到兼顾最大频率偏差fmax与静态频率偏差 fs,虽然储能的输出功率稍微增加,但能维持在一定范围内,综合来看本文所提的法 4 依然具有优势。图 12max=0.3s 连续扰动下系统动态响应对比图 13max=0.9s 连续扰动下系统动态响应对比6 结 论6 结 论 本文提出的基于改进模型预测控制的分布式储能辅助调频控制方法,能够克服一般模型预测控制调节存在一定稳态误差的问题,同时能更好地协调储能设备和常规机组的调频出力,最大限度地减小电网频率偏差和稳态频率偏移,得出以下结论:(1)本文针对分布式储能调频系统存在通信时延的问题,在控制器端通过建立控制信号的选择规则,在预测模型的滚动优化过程中对多步控制信号进行动态调整,形成考虑延时和丢包的延迟补偿机制;并在此基础上给出了闭环系统稳定的充分条件。从仿真结果可以得到,本文所提改进 MPC 策略提高了分布式储能调频对通信延时的鲁棒性,超调量和调节时间等指标都得到了明显改善,从而减少了因乱序引起的系统性能下降对系统运行的不利影响。(2)本文所提方法对分布式储能参与调频有优化作用,在阶跃负荷扰动和连续负荷扰动工况下调频误差指标较小,调频效果较好,尽管储能出力相较于其他方法较大,但仍维持在合理区间内,为实际储能调频设备设计控制补偿策略提供参考。参考文献:1 胡泽春,罗浩成.大规模可再生能源接入背景下自动发电控制研究现状与展望J.电力系统自动化,2018,42(8):2-15.2 王彩霞,李琼慧,雷雪姣.储能对大比例可再生能源接入电网的调频价值分析J.中国电力,2016,49(10):148-152.3 刘世林,文劲宇,孙海顺,等.风电并网中的储能技术研究进展J.电力系统保护与控制,2013,41(23):145-153.4 彭鹏,胡振恺,李毓烜,等.储能参与电网辅助调频的协调控制策略研究J.电气工程学报,2021,16(3):106-114.5 刘英培,田仕杰,梁海平,等.考虑 SOC 的电池储能系统一次调频策略研究J.电力系统保护与控制,2022,50(13):107-118.6 李欣然,崔曦文,黄际元,等.电池储能电源参与电网一次调频的自适应控制策略J.电工技术学报,2019,34(18):3897-3908.7 张涌新,沈弘,文俊.面向综合需求响应的综合能源系统储能控制J.电力建设,2019,40(9):43-51.8 张圣祺,袁蓓,季振东,等.基于分布式控制原理的电池储能系统二次调频控制J.电工技术学报,2019,34(2):637-645.9 XU Y,ZHANG W,HUG G,et al.Cooperative control of distributed energy storage systems in a microgridJ.IEEE Transactions on smart grid,2014,6(1):238-248.10 MORSTYN T,HREDZAK B,AGELIDIS V G.Control strategies for microgrids with distributed energy storage systems:An overviewJ.IEEE Transactions on Smart Grid,2016,9(4):3652-3666.11 WU Y,YANG W,HU Y,et al.Frequency regulation at a wind farm using time-varying inertia and droop controlsJ.IEEE Transactions on Industry Applications,2019,55(1):213-224.12 ZHONG J,HE L,LI C,et al.Coordinated control for large-scale EV charging facilities and energy storage devices participating in frequen-cy regulationJ.Appl.Energy,2014,123(15):253-262.13 DOU C,YUE D,GUERRERO J M,et al.Multiagent system-based distributed coordinated control for radial dc microgrid considering transmission time delaysJ.IEEE Trans.Smart Grid.,2017,8554黎 萌,等/基于改进模型预测控制的分布式储能辅助调频控制方法水利水电技术(中英文)第 54 卷 2023 年第 S2 期(5):1370-2381.14 赵昱杰,凌志斌,张敏吉.时滞对风储平滑功率效果的影响分析J.电力建设,2016,37(8):128-135.15 刘向杰,孔小兵.电力工业复杂系统模型预测控制:现状与发展J.中国电机工程学报,2013,33(5):79-85.16 王萌,施艳艳,沈明辉,等.三相电压型 PWM 整流器模型自校正预测控制