一种基于自适应动态鲁棒控制（ADRC-IR）控制器的鲁棒协调虚拟转子和负载频率控制策略，用于在网络攻击条件下维持低惯量微电网的频率稳定性

《Sustainable Computing: Informatics and Systems》：A Robust Coordinated Virtual Rotor and Load Frequency Control Strategy based on ADRC-IR Controller for Frequency Stability of Low-Inertia Microgrids Under Cyber-Attack Conditions

　　摘要
将可再生能源（RERs）广泛整合到现代电网（MPGs）中显著降低了系统惯性，但同时也遇到了严重的频率变化问题。这些电网容易受到网络攻击和自然不确定性因素的影响，因此迫切需要具有弹性的控制方案。本文介绍了一种针对互联电网的新颖弹性协调机制。该机制将加速虚拟转子控制（AVRC）与负载频率控制（LFC）相结合，两者都由改进的主动干扰抑制控制器（ADRC-IR）进行管理。为了优化该控制器的性能，开发了一种改进的角蜥优化算法（MHLOA），以提高其全局搜索能力和收敛速度。使用标准基准函数验证了MHLOA的有效性。在高比例可再生能源渗透情况下，与TID、ADRC和ADRC-PR控制器相比，ADRC-IR控制器分别将频率和联线功率偏差减少了87.07%、83.82%和76.54%。此外，基于ADRC-IR的AVRC/I & LFC策略在高频可再生能源渗透和网络攻击情况下，相对于（i）没有AVRC/I的电网、（ii）仅具有LFC的电网以及（iii）具有LFC和AVRC/I但依赖PI控制器的电网，性能提高了62.37%、35.86%和30.22%。该方案有效地将频率稳定性保持在可接受的范围内，证明了其在应对电网挑战方面的弹性。

引言
将可再生能源（RERs）广泛整合到现代电网（MPGs）中大大降低了整体系统惯性，特别是在低惯性微电网（MGs）中，导致了严重的频率稳定性问题。从传统的同步机转向基于逆变器的可再生能源系统去除了抵抗频率波动的机械阻尼和惯性[1]。因此，即使是轻微的扰动也可能导致严重的频率偏差和快速的频率变化率（ROCOF）。低惯性MGs由于较强的联线耦合而放大这些扰动[2]。同时，由于通信和测量通道的脆弱性增加，网络物理攻击面也暴露了出来，这要求频率控制框架具备弹性。为了补偿动能惯性的损失，已经开发了虚拟惯性控制（VIC）策略，利用储能系统提供合成惯性和阻尼响应。虚拟阻尼稳定器（VDS）被添加到VIC中以提升稳定性。与此同时，负载频率控制（LFC）对于恢复名义频率和减少MGs之间的联线功率交换仍然至关重要[3, 4, 5, 6]。随着可再生能源的普及，它们已成为低惯性MGs的主要问题。传统的同步发电机能够自然提供旋转惯性和阻尼扭矩；然而，通过逆变器连接的RERs缺乏这些特性，导致频率偏差迅速增加和ROCOF升高。已经开发了多种控制方法来解决这个问题，从经典的线性控制器到智能和自适应优化框架[7, 8]。由于实现简单和操作方便，传统的比例-积分-微分（PID）控制器已被用于二次LFC[7, 8]。然而，PID控制器在非线性和不确定性强的可再生能源系统中不够稳健和适应性强。传统的PID控制器的一些局限性已经通过几种改进设计得到解决，包括分数阶PID（FO-PID）、倾斜积分-微分（TID）和模糊PID控制器，这些控制器提供了额外的自由度和更好的动态性能[9, 10, 11]。Ragab等人[9]开发并测试了一种结合ID-P和滤波器二次控制器的分数阶模型参考自适应虚拟惯性控制器（MRA-VIC），其在成本函数指标上优于传统的整数阶控制器[9]。在[10]中提出了一种基于分数阶微分的虚拟惯性控制器（FO-VIC），以增强VIC循环的适应性并更好地处理各种扰动[10]。Mohamed等人[11]提出了一种基于模糊的虚拟惯性策略，用于减少混合动力系统中的频率偏差[11]。为了增强互联MGs系统的弹性，Mohamed等人[12]开发了一种分数阶负载频率控制框架[12]。研究人员使用带有加速微分路径的倾斜分数阶积分-微分控制器，在多种扰动下实现了更快的动态响应和更高的鲁棒性[12]。还采用了多种PID和TID控制器的修改和变体，如PI – (1+ID)[13]、基于2自由度的模型预测控制器（2DoF-MPC）[14]、PIDD2-(1 + TIλ)[15]和PIDF (1+ FOD)[16]。

VIC方法已被证明可以有效复制惯性减小的基于可再生能源的MGs的惯性响应[17]。Mohanty等人[17]提出了一种基于模糊的自适应VIC，并辅以模糊二次频率控制器，以在低惯性MGs中提供稳定的负载频率调节[17]。在[18]中提出了一种VIC应用，用于在高比例可再生能源渗透的互联电力系统中提高频率稳定性[18]。Hamanah等人[19]开发了一种基于微分控制的虚拟惯性方案，用于低惯性孤岛MGs，实现了改进的瞬态响应[19]。此外，结合VIC和SMES的混合解决方案被证明可以提供高功率密度和无限的充放电循环[20]。Khamies等人[20]提出了一种优化混合双区域电网中VIC-SMES系统参数的方法，该方案在大负载扰动下表现出 superior 的动态性能[20]。Rajaguru和Annapoorani[21]提出了一种分数阶虚拟同步发电机（FOVSG），用于调节孤立MGs的频率，提供了比整数阶设计更多的自由度[21]。电力系统越来越多地采用主动干扰抑制控制（ADRC）与惯性仿真方法相结合[22]。通过其扩展状态观测器（ESO），ADRC能够估计并消除内部和外部扰动，使其非常适合不确定和非线性环境[22]。Ali等人[22]为混合MGs开发了一种基于ADRC的二次控制器，并报告称与传统的PI和FO-PID控制器相比，频率稳定性提高了70%[22]。Khamies等人[23]进一步推进了这一概念，引入了一种与插电式电动车（PEVs）协调的渐进式虚拟惯性控制器（VIC），并使用电鳗觅食优化（EEFO）进行了优化，从而在随机可再生能源变化下实现了更快的响应和更好的阻尼[23]。尽管传统的ADRC已经证明是稳健的，但它仍然存在稳态误差和有限的谐波抑制能力。为了解决这些弱点，开发了积分共振ADRC（ADRC-IR）公式，它将共振补偿与干扰抑制结合起来[23]。

在非线性MGs中，由于多维、多模态的搜索空间，优化控制器参数非常复杂。为此，已经使用了一些软计算技术来适当优化控制器参数[24]。为了控制连接MGs中的频率偏差，应用了粒子群优化控制器[24]。Genetic算法[25]通过优化微分虚拟惯性控制来提高MG惯性[25]。Salp群算法（SSA）[26]用于提高基于光伏的燃料电池系统的电网效率[26]。Zhang等人[27]使用基于驱动器训练的优化算法来稳定各种混合动力系统的频率[27]。同样，还采用了多种其他算法来调整基于LFC的混合动力系统中使用的控制器的最佳参数，如改进的郊狼优化算法[28]、准对立算术优化算法（QOAOA）[29]、灰狼优化器（GWO）与布谷鸟搜索（CS）[30]的混合[30]、运输搜索优化算法[31]、采用正弦余弦的非洲秃鹫优化算法（SCaAVOA）[32]和正弦增强缩放算术优化算法[32]。本文介绍了一种新的元启发式算法，称为改进的角蜥优化算法（MHLOA）[33]。在MHLOA中，添加了Lévy飞行、分数阶记忆和混沌突变，以增强基准函数上的探索-利用平衡和快速收敛[33]。

由于对可再生能源（RESs）的依赖增加，MGs的动态发生了显著变化，导致系统惯性降低和频率调节复杂性的增加。由于传统控制器依赖于固定参数，并且在非线性、网络攻击和不确定性条件下遇到困难，尤其是在高比例可再生能源渗透的情况下。尽管主动干扰抑制控制器（ADRCs）在提高稳定性方面显示出潜力，但大多数现有的ADRC应用依赖于经验性调整，没有考虑通信延迟、网络攻击或大的随机扰动。此外，许多研究采用了固定或传统的设计来实施VIC，没有结合自适应机制或最佳调整策略，这限制了它们在高比例可再生能源渗透和多区域互联操作下的性能。鉴于这些限制，本研究提出了一种具有弹性协调的控制系统，该系统结合了加速虚拟转子控制（AVRC/I）和LFC，采用改进的ADRC和积分共振动作（ADRC-IR）。为了克服传统调整的效率低下，使用改进的角蜥优化算法（MHLOA）优化控制器参数，该算法增强了Lévy飞行、分数阶记忆和混沌突变运算符[33]。这种方法的目标是在不确定条件和高比例可再生能源渗透下，为低惯性、互联MGs提供更好的干扰抑制、更快收敛和更高的频率稳定性。此外，表1突出了本研究与其他先前研究的限制和差异。

本文的贡献如下：
- 提出了一种新的混合加速虚拟转子控制和负载频率控制架构，用于在高比例可再生能源渗透和网络物理扰动下增强互联低惯性微电网的频率稳定性。
- 开发了一种具有积分共振（IR）动作的改进ADRC结构，与传统ADRC相比，显著提高了稳态精度、振荡阻尼和干扰抑制能力。
- 介绍了一种称为改进的角蜥优化算法（MHLOA）的新元启发式算法，用于控制器参数的最佳调整。
- 通过在23个标准和十个CEC-2019基准函数上的验证，以及在一个包含热能、水力、天然气、风能和光伏单元的双区域混合微电网上的实际应用测试，证明了所提出的MHLOA的有效性。
- 该控制策略在包括高比例可再生能源渗透、网络攻击和通信时间延迟在内的严酷运行条件下，在多区域互联混合微电网上得到了全面验证。

现代电力系统配置
图中展示了正在研究的一个MGs的总体布局[1]，其中控制中心监督负载需求、传统发电厂和可再生能源的协调。负载包括家庭、商业和住宅消费者，发电组合包括热能、水力和燃气轮机单元，以及光伏（PV）和风力发电场[1]。此外，还连接了一个VRC系统以模拟MG的惯性损失[34]。

ADRC-IR控制系统
本研究提出了一种称为ADRC-IR的控制结构，以增强MPGs的频率波动。MPGs的高频率波动是由高比例RERs以及非线性和不确定性引起的[34]。所提出的ADRC-IR控制器结构如图8所示。
所提出的ADRC-IR控制结构如下：它结合了两种配对控制策略：ADRC和内部共振（IR）控制器。IR控制器有效地实现了零。

改进的角蜥优化算法
HLOA是一种新颖的优化方法，模拟了自然界中角蜥的行为，包括其隐匿、喷血、皮肤变亮或变暗、逃避策略[36]。以下步骤模拟了HLOA的数学表示：

比较统计分析与已建立的优化器
在本节中，所提出的MHLOA在23个标准基准函数[48, 49]和CEC 2019的10个函数[50, 51]上进行了性能测试。为了验证所提出技术解决优化问题的有效性，将所提出的算法与其他知名技术进行了全面比较，包括Parrot优化器（PO）[52]、三角拓扑聚合优化器（TTAO）[53]、Harris鹰优化器（HHO）[54]、沙猫优化器（SCaAVOA）[55]等[56]。

结果讨论与有效性的威胁
获得的数据清楚地证明了在各种具有挑战性的运行情况下，所提出的（ADRC-IR）AVRC/I的有效性。AVRC与积分反馈回路的结合显著改善了频率限制，尤其是在极端干扰情况下，同时通过最小化过多的充放电过程确保了SMES（超导磁悬浮能量存储系统）的能量正确利用。此外，将ADRC-IR控制器纳入控制框架中进一步增强了抗干扰能力。

**结论**
本研究提出了一种新颖的控制策略，用于应对现代电网中的非线性和不确定性问题。该策略依赖于加速虚拟转子控制，并结合了积分增益和次级控制回路（SCL）。为了进一步增强控制效果，引入了具有积分-共振作用（ADRC-IR）的主动扰动抑制控制器。此外，还采用了改进的角蜥优化算法（MHLOA）来进行系统优化。

**利益冲突声明**
作者声明他们没有已知的财务利益冲突或可能影响本文研究工作的个人关系。

**致谢**
本出版物基于沙特法赫德石油与矿业大学（KFUPM）的支持完成。KFUPM的作者感谢智能 mobility 和物流跨学科研究中心（IRC-SML）在项目INML2636号资助下提供的支持。

**作者信息**
Mohamed Khamies | Amil Daraz | Muhammad Majid Gulzar | Mohamed Ebeed | Alaa A. Mahmoud
埃及索哈格大学工程学院电气工程系，索哈格82524