基于双人工神经网络二次控制的孤岛式交流微电网去中心化频率恢复技术

《Computers and Electrical Engineering》：Decentralized frequency restoration in islanded AC microgrids using dual ANN-based secondary control

　　摘要：在孤岛模式下运行的微电网需要有效的二次频率控制，以在确保分布式发电机之间精确分配电力的同时维持系统稳定。本文提出了一种基于人工神经网络（ANN）的二次控制框架，该框架可同时确定最佳控制配置和下垂系数，以实现自适应频率恢复。该ANN通过模拟数据训练，这些数据来自在不同下垂系数范围内评估的各种一次和二次控制策略组合。通过频率偏差、电力分配特性、控制配置和下垂设置等动态性能指标来预测最合适的二次控制策略。ANN的预测结果与自调谐PID控制器相结合，以便在不同的运行条件下实现强大且自适应的频率调节。所提出的框架通过全面的MATLAB/Simulink仿真以及使用OPAL-RT平台进行的实时硬件在环（HIL）测试得到了验证。实验结果表明，所提出的控制器能在0.3秒内恢复系统频率，将最大频率偏差控制在0.003赫兹以内，并且在选择最佳控制配置和下垂系数方面具有93%的ANN预测精度。此外，与基准控制器相比，所提出的策略通过显著减少瞬态振荡并保持分布式发电机之间精确的有功功率分配，使整体动态性能提升了40%。仿真结果与HIL结果的高度一致性证明了所提出的基于ANN的二次控制框架的稳健性、计算效率以及在实际中的实时应用潜力，使其成为孤岛微电网中实现弹性频率调节的一种有前景的解决方案。

引言：微电网代表了现代电力系统[1]设计方面的重大变革，它实现了电能的本地化生成、存储和消耗。与传统依赖大型远程发电厂的集中式电网不同，微电网整合了太阳能光伏、风力涡轮机和电池储能系统等分布式能源资源[2]、[3]、[4]、[5]。这种靠近最终用户的布局不仅降低了传输损耗，还提高了能源安全性和系统灵活性[6]。微电网既可以以并网模式运行，也可以以孤岛模式运行。在孤岛模式下，它们成为自给自足的系统，在电网中断时仍能为医院和应急服务等关键负荷供电[7]。根据应用和基础设施的不同，微电网可以配置为交流或直流系统[8]、[9]。虽然直流微电网更适用于高效整合可再生能源和储能设备[5]，但交流微电网则更易于与现有的电力基础设施相兼容。本文重点研究交流型孤岛微电网。

微电网中的控制策略通常分为三个层次：一次控制、二次控制和三次控制。一次控制会快速对干扰做出本地响应，通常通过下垂机制来稳定频率和电压[10]。然而，仅靠一次控制无法将频率恢复到额定值。因此引入了二次控制，以弥补稳态误差并同步多个分布式发电机的频率。三次控制则负责经济调度以及与主电网的交互。控制方案还可进一步分为集中式、分散式和分布式架构[11]。集中式控制利用全局信息实现最佳协调，但存在可扩展性差的问题，且存在单点故障风险[12]。相比之下，分散式控制通过将控制任务分配给本地代理而不需代理间通信，从而提高了可靠性[13]。分布式控制则是一种折中方案，允许控制器之间通过有限通信进行部分协调[14]。由于其韧性和可扩展性，本研究重点关注分散式二次控制，这对孤岛微电网尤为重要。

一些研究人员提出了无需通信或基于估计的二次控制方法，以提高瞬态和稳态性能。例如[15]提出了一种开关式二次控制器，无需通信链路即可实现频率恢复。类似地，[16]提出了一种分散式二次频率控制方法，可通过小信号分析和控制器硬件在环（CHIL）测试来消除时钟漂移和稳态频率误差[17]。尽管取得了这些进展，但仍存在一些关键限制。许多近期技术[18]、[19]、[20]缺乏应对不同运行条件所需的适应性。此外，大多数研究仅侧重于控制器设计或参数调整，而没有考虑最佳下垂系数和控制器结构的综合选择。而且，很少有方法在硬件平台上实现实时应用，这限制了其实际应用性。

尽管在孤岛微电网的分散式二次控制方面取得了显著进展，但仍有若干挑战尚未解决。现有的分散式方法主要侧重于独立地进行控制器设计或参数调整。例如，无需通信的二次控制器和分散式补偿方法无需集中式通信即可有效恢复频率；然而，它们通常在整个运行过程中采用固定的控制器结构和预定义的下垂系数。因此，当运行条件、负载模式或发电特性发生显著变化时，它们的性能可能会下降。近期的自适应方法试图通过模糊逻辑、自适应下垂控制或基于滑模的二次控制来提高灵活性。尽管这些方法提高了系统的稳健性，但它们通常只优化单个控制参数或单个控制器结构。控制器架构本身仍然固定，限制了微电网适应不同运行条件的能力。此外，大多数现有研究并未纳入能够根据实时系统状况同时确定最合适的控制器结构和相应下垂系数的智能机制。另一个重要限制是，大多数已报道的方法依赖于离线参数调整或预定义的控制律。这类方法往往无法利用运行数据来不断识别在不同负载需求和干扰情况下的最佳控制策略。此外，只有少数研究展示了使用硬件在环（HIL）平台的实时应用，这限制了其在实际运行环境中的有效性验证。

为了解决这些限制，本研究提出了一种新颖的双ANN辅助分散式二次控制框架。与现有方法不同，该方法采用了两个协同工作的人工神经网络，形成层级的决策结构。第一个ANN用于预测最佳下垂系数（mp），而第二个ANN则用于从多种一次和二次控制方案中确定最有效的控制器配置。因此，该框架能够同时优化控制参数和控制架构。从数学上讲，这一决策过程可表示为mp?=ANN1(x) C?=ANN2(x)，其中x代表由频率偏差、有功功率输出、负载状况和运行时间组成的微电网运行状态测量值，mp?表示最佳下垂系数，C?表示最佳控制器配置。因此，控制动作不再基于静态调整，而是基于数据驱动的自适应选择。与现有的分散式二次控制方法相比，该框架具有三大优势：1.同时优化控制器结构和下垂系数，而现有方法通常只优化其中一个元素；2.基于数据驱动的自适应决策，使控制器能够在不同的系统条件下自动选择最合适的运行配置；3.通过OPAL-RT硬件在环平台实现了实时实际应用和验证，从而证明了将该策略应用于实际孤岛微电网应用的可行性。与文献中报道的近期分散式二次控制方法相比，所提出的方法代表了从静态控制设计向智能自适应控制架构选择的转变。这一能力使得微电网能够在动态负载条件下实现更快的频率恢复、更少的振荡、更好的电力分配性能以及更高的运行灵活性。

微电网建模：在本节中，我们介绍了如图1所示的一种分散式交流型孤岛微电网的建模方法。不与主电网相连、能够独立运行的微电网被称为孤岛微电网。在这种配置下，微电网完全依靠自身的内部资源，主要是分布式发电机，来满足本地负载需求。图中所展示的3-DG网络包括三个分布式发电机单元，每个单元都与其对应的负载相连，形成了一个分散式结构。

实验结果、讨论与验证：实验设置包括三种一次控制配置和三种二次控制配置，每种配置针对八种不同的下垂系数（mp）进行测试。这些下垂系数是根据标准情况选定的。每种配置的结果均通过MATLAB Simulink进行验证，以确保频率恢复准确以及分布式发电机之间的电力分配合理。随后，所有这些结果都被输入到人工神经网络中，以预测最佳的配置和下垂系数。

结论：本研究对使用多种一次和二次控制配置实现孤岛微电网的频率恢复和电力分配进行了全面研究。我们分析并比较了多种方案，发现虽然一次控制器能够快速响应干扰，但往往无法将系统频率完全恢复到50赫兹的额定值。相比之下，二次控制器能够有效消除频率偏差，从而提升整个系统的性能。

利益冲突声明：作者声明他们没有已知的可能影响本文所述工作的财务利益或个人关系。

Juhee Sharma|Satish Kumar Injeti|Pavan Kumar Y.V.|Rammohan Mallipeddi
印度瓦朗加尔国家理工学院电气工程系