基于模型参考自适应控制与超级电容储能的混合微电网动态频率优化研究

《IEEE Open Journal of Power Electronics》：Adaptive Control of a Hybrid Microgrid With Energy Storage System

本文针对可再生能源高渗透率混合微电网系统惯性降低导致的频率稳定问题，提出了一种基于PID控制器的模型参考自适应控制（MRAC）与超级电容储能系统（SCESS）协同优化方案。研究通过电鳗觅食优化（EEFO）和原子搜索优化（ASO）算法整定控制器参数，在孤岛运行的两区域HμG中验证了所提策略能有效改善频率动态响应，降低超调量（%O.S）57.5%、调节时间（ST）82%，为高比例新能源接入的微电网频率控制提供了新思路。

　　

随着全球能源转型加速，风力发电（WT）、光伏电站（PVP）等可再生能源（RER）在混合微电网（HμG）中的渗透率不断提高。然而，这些间歇性电源的并网在减少碳排放的同时，也带来了严峻的技术挑战——传统同步发电机（SG）被替代导致系统惯性显著降低，使得电网频率在负荷波动或故障时极易失控。特别是在孤岛运行的微电网中，缺乏主电网支撑的情况下，频率失稳可能引发连锁故障，甚至导致系统崩溃。如何在高比例新能源接入的微电网中维持频率稳定，已成为当前电力电子领域亟待解决的核心问题。

针对这一难题，来自埃及Benha大学和科威特美国大学中东分校的研究团队在《IEEE Open Journal of Power Electronics》发表了一项创新研究。他们巧妙地将生物启发优化算法与自适应控制理论相结合，为两区域孤岛混合微电网设计了一套智能频率控制系统。该研究最大的亮点在于，它不仅提出了基于模型参考自适应控制（MRAC）的同步发电机调节策略，还引入了超级电容储能系统（SCESS）来模拟虚拟惯性，通过两种技术的协同作用实现对电网频率的快速精准控制。

研究团队采用的关键技术方法主要包括：1）构建包含生物质发电、光伏、风电和储能系统的两区域混合微电网仿真模型；2）设计基于MIT规则的比例-积分-微分（PID）型模型参考自适应控制器（MRAC），其参考模型采用离散传递函数描述理想频率响应特性；3）开发超级电容储能系统（SCESS）的双向DC-DC变换器控制策略，实现虚拟惯性支撑和荷电状态（SoC）管理；4）应用电鳗觅食优化（EEFO）和原子搜索优化（ASO）两种元启发式算法对控制器参数进行整定，以积分时间绝对误差（ITAE）为性能指标；5）通过Texas Instruments TMS320F28379D处理器进行硬件在环（HIL）实验验证。

II. 混合微电网系统架构

如图1所示，研究构建的孤岛运行混合微电网包含两个互联区域。μG1区域配置4.2MW交流负荷、7MW生物质电厂、1MW光伏电站和200kW电池-超级电容混合储能；μG2区域则包含6MW负荷、9MW风电场、0.5MW燃料电池和1000F超级电容。两个区域通过4km联络线连接，实现了功率互济与紧急支援。该系统特别在生物质电厂频率控制回路中集成了PID控制器和MRAC自适应控制器，为后续对比研究奠定了基础。

III. 核心控制策略

生物质电厂调速控制采用如图2所示结构，通过调节气化炉燃气阀门开度维持系统频率。研究创新性地将传统PID控制与MRAC自适应控制分别应用于阀门定位，其中MRAC通过参考模型（公式1）生成50Hz理想频率轨迹，依据MIT规则（公式2-3）实时调整自适应参数θ，并结合PID控制器（公式5）输出机械功率指令。这种设计使系统能够适应动态变化和扰动，显著提升主频率响应（PFR）能力。

电压源逆变器（VSI）控制采用基于d-q同步坐标系的电流控制PWM技术（图4）。通过锁相环（PLL）算法获取电网电压矢量角，外环控制直流链路电压，内环独立调节有功（I_d）和无功电流（I_q）。解耦控制算法（公式8-13）有效消除了d-q轴间耦合干扰，确保逆变器输出满足电网要求。

超级电容控制系统（图5）通过双向DC-DC变换器实现能量双向流动。当检测到频率偏差时，PI控制器根据频率误差和超级电容荷电状态（SC_SoC）生成功率指令：在Boost模式下向电网注入功率弥补发电缺口，在Buck模式下吸收过剩功率。创新性地引入SoC管理机制，确保超级电容在10%-90%安全范围内工作，既延长了设备寿命，又保证了虚拟惯性支撑的可靠性。

IV. 优化算法设计

研究采用两种新型生物启发优化算法——电鳗觅食优化（EEFO）和原子搜索优化（ASO）整定控制器参数。EEFO算法模拟电鳗社会捕食行为，通过交互、休憩区划定、狩猎和迁移四个阶段（公式16-34）实现全局优化。ASO算法则基于原子间相互作用力模型（公式35-42），通过计算原子质量和K_best邻域集合引导搜索方向。两种算法均以最小化ITAE指标（公式43）为目标，成功获得了PID、MRAC和MRAC+SCESS三种控制器的最优参数（表2-3），其中EEFO在收敛速度和适应性方面表现更优。

V. 仿真结果与分析

场景1（负荷突变）表明，当μG1区域负荷增加1MW时，MRAC+SCESS控制器将调节时间从PID的1.3s缩短至0.9s，超调量降低85%（图7）。场景2（三相短路故障）显示，SCESS的毫秒级响应使频率恢复时间从2.2s优化至0.4s（图8）。场景3（生物质机组退出）和场景4（μG2解列）进一步验证了SCESS在极端工况下的稳定性支撑作用（表4-7）。特别值得注意的是，在系统参数变化（场景5）时，MRAC+SCESS方案仍能将频率下垂抑制在0.027%以内，显著优于传统PID的0.199%。

VI. 硬件在环验证

通过TMS320F28379D处理器构建的HIL实验平台（图12）证实，在风速骤变（7m/s→12m/s）和负荷突降（6MW→4MW）的极端扰动下，所提控制器仍能维持频率偏差小于0.05Hz。这种跨区域控制验证凸显了算法在真实硬件环境下的适应性与可靠性，为工程应用提供了重要依据。

本研究通过理论分析、仿真验证和实验测试三位一体的研究手段，证实了MRAC与SCESS协同控制策略在提升混合微电网频率稳定性方面的卓越性能。相较于传统PID控制器，该方案在各类扰动下平均可降低超调量60%以上，缩短调节时间50%以上，特别在故障工况下展现出了近乎理想的动态响应特性。生物启发优化算法的引入，有效解决了复杂非线性系统控制器参数整定难题，其中EEFO算法在解决质量和收敛效率方面均表现出明显优势。这项研究不仅为高比例新能源电网的频率控制提供了创新性解决方案，更开创了生物启发算法与自适应控制理论在电力电子领域融合应用的新范式，对推动能源转型背景下的电网安全稳定运行具有重要实践意义。