引用本文

王本斐, 张荣辉, 冯国栋, Manandhar Ujjal, 郭戈. 基于事件触发的直流微电网无差拍预测控制. 自动化学报, 2024, 50(3): 475−485 doi: 10.16383/j.aas.c210585

Wang Ben-Fei, Zhang Rong-Hui, Feng Guo-Dong, Manandhar Ujjal, Guo Ge. Event-triggered deadbeat predictive control for DC microgrid. Acta Automatica Sinica, 2024, 50(3): 475−485 doi: 10.16383/j.aas.c210585

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c210585

关键词

微电网，光伏，混合储能系统，事件触发控制，无差拍预测控制 

摘要

针对光伏(Photovoltaic, PV)−电池−超级电容直流微电网系统中光伏发电间歇性造成的功率失配问题, 提出一种基于事件触发的无差拍预测控制(Event-triggered deadbeat predictive control, ETDPC)方法, 以实现有效的能量管理. ETDPC方法结合事件触发控制策略和无差拍预测控制策略(Deadbeat predictive control, DPC)的优点, 根据微电网的拓扑结构构建状态空间模型, 用于设计适用于微电网能量管理的触发条件: 当ETDPC的触发条件满足时, ETDPC中无差拍预测控制模块被激活, 可以在一个控制周期内产生最优控制信号, 实现对于扰动的快速响应, 减小母线电压纹波; 当系统状态不满足ETDPC中的触发条件时, 无差拍预测控制模块被挂起, 从而消除非必要运算, 以减轻实现能量管理的运算负担. 因此, 对于电池−超级电容器混合储能系统(Hybrid energy storage system, HESS), ETDPC能够缓解间歇性光伏发电与负荷需求之间的功率失衡, 以稳定母线电压. 最后, 数字仿真和硬件在环(Hardware-in-loop, HIL)实验结果表明, 相较于传统无差拍控制方法, 运算负担减小了50.63%, 母线电压纹波小于0.73%, 验证了ETDPC方法的有效性与性能优势, 为直流微电网的能量管理提供了一种参考.

文章导读

近年来, 由于传统化石能源枯竭以及其使用所带来严重的环境污染问题, 各国政府大力发展各类可再生能源发电技术[1-2], 包含风力发电和光伏 (Photovoltaic, PV)发电在内, 微电网承担大量的分布式可再生能源接入任务[2-3]. 由于受到环境的影响, 可再生能源发电具有间歇性, 而且微电网中的负载也因时间和外界因素时刻变化, 因此通常会安装储能系统. 储能系统在发电量充沛时存储电能, 发电量紧缺时释放电能, 用以平衡微电网中可再生能源发电与负载之间的功率失配, 稳定母线电压[3-4]. 此外, 由于微电网中出现电动汽车这类新型负载, 产生了高功率和高能量的需求. 因此, 利用电池的高能量密度特性和超级电容的高能量密度特性, 将二者结合成为混合储能系统(Hybrid energy storage system, HESS), 从而提供近似理想储能系统的功能以更好地响应微电网中的负载需求[4].

随着世界范围内的微电网装机量的快速增加, 涌现了大量针对微电网能量管理控制策略的研究工作[5-20]. 文献[5]提出基于分布式策略的下垂控制方法, 将微电网的负载共享和电压平衡问题转化为多目标优化问题, 实现了系统层面的最优平衡, 并利用邻居节点间的信息交换降低通信需求. 文献[6-8]针对使用同种拓扑结构的变换器实现多个分布式能源并联接入微电网的情况, 利用基于协同控制理论的能量管理算法, 最终实现电流均衡控制. 基于规则的能量管理策略也被应用于微电网中[9-11], 该策略依据负载和可再生能源的功率差异值决定系统的工作模式, 进而在各模式下产生储能设备的电流目标值, 实现功率平衡和母线电压稳定. Xiao等[12-13]针对包含多种储能电池的微电网提出多级能量控制策略, 在各级分别实现混合储能系统的分布式控制、功率分配补偿和母线电压控制, 以及荷电状态恢复控制. 基于滑模控制的策略应用于微电网能量管理[14-15], 文献[14]在滑模控制中采用固定开关频率, 实现微电网能量管理的同时降低了电路器件的设计难度; Wang等[15]结合滑模控制和滞环控制, 有效地消除了微电网多模式下混合储能系统的电流波动.

上述能量管理策略中, 在系统层面采用下垂控制和滑模控制等高级控制方法, 然而在变换器控制层面多利用线性控制方法, 面对非线性系统鲁棒性不足、动态响应差, 并存在无法引入边界条件的缺陷[16]. 为克服上述工作存在的不足和缺陷, 文献[17-19]则基于模型预测控制(Model predictive control, MPC)方法实现微电网能量管理, 通过建立系统状态模型和合理的目标方程, 可以在每个控制周期通过优化求解最优控制动作, 并充分考虑引入边界条件. 具体体现为: 当微电网中的可再生能源发电功率或者负载功率产生波动时, 采用MPC方法的微电网母线电压产生纹波较传统线性控制方法更小, 恢复到稳态耗时更短[17]; 同时采用MPC方法在求解最优控制动作时, 可以考虑控制电流的上下限以保证电感电流不超过电感饱和电流和储能设备的额定电流[20], 保证微电网正常运行.

然而由于MPC方法需要进行实时在线预测和优化, 涉及大量的矩阵运算, 导致其对于计算资源需求苛刻, 计算负担沉重. 为了降低MPC方法带来的计算负担, 研究者进行相关研究: 另一种预测控制方法——无差拍预测控制(Deadbeat predictive control, DPC)在微电网中得到运用[21], 其具有类似MPC方法的动态响应速度, 通过建立输出变量和控制变量的函数关系, 在一个控制周期内进行最后控制变量的求解, 可以避免大量矩阵运算, 从而显著降低计算负担; 文献[22]则在MPC方法中引入事件触发控制(Event-triggered control), 通过设置合理的触发条件, 只有在必要时激活模型预测控制运算, 从而通过优化预设的代价方程直接产生开关控制信号, 因此可以在保证系统性能的前提下消除非必要的矩阵运算来降低计算量, 同时减少非必要开关动作.

综上所述, 在传统基于DPC的能量管理策略的研究基础上[20], 受文献[21]启发, 本文提出基于事件触发无差拍预测控制(Event-triggered deadbeat predictive control, ETDPC)的微电网能量管理策略, 进一步提升能量管理性能. 该策略在保证微电网有效运行的同时, 通过设计合理的触发条件, 进一步消除DPC中非必要运算和控制动作. 围绕基于ETDPC的微电网能量管理策略, 本文进行了理论验证和控制器设计, 并通过数字仿真与硬件在环实验进行验证, 实验结果验证了本文所提出控制策略的有效性.

图 1  微电网系统结构示意图

图 2  基于事件触发无差拍控制的微电网能量管理策略框图

图 3  事件触发无差拍控制框图

本文针对微电网系统提出基于ETDPC的能量管理策略: 通过结合事件触发控制和无差拍预测控制, 使得能量管理策略能够快速响应微电网内的光伏和负载各种变化, 实现功率平衡, 保证母线电压稳定, 同时避免了非必要无差拍预测控制动作, 从而减少了运算资源需求和开关损耗.

针对所提出的基于ETDPC的能量管理策略, 本文进行了详细的理论推导和具体控制器设计, 以及微电网系统的数字建模与仿真, 并且通过结合实际的光照曲线进行硬件在环实验验证和对比. 实验结果均表明, 在保证微电网系统有效运行的前提下, ETDPC克服传统无差拍预测控制方法中存在大量冗余运算与控制动作的缺陷, 为微电网能量管理提供了一种参考. 后续拟开展在微电网并网和多微电网互联两种情况下基于ETDPC的能量管理策略研究工作.

作者简介

王本斐

中山大学智能工程学院副教授. 2017年获得新加坡南洋理工大学博士学位. 主要研究方向为电力电子先进控制方法, 微电网和电动汽车. E-mail: wangbf8@mail.sysu.edu.cn

张荣辉

中山大学智能工程学院副教授. 2009年获得中国科学院长春光学精密机械与物理研究所博士学位. 主要研究方向为智能车辆与辅助驾驶, 新能源汽车. 本文通信作者. E-mail: zhangrh25@mail.sysu.edu.cn

冯国栋

中山大学智能工程学院副教授. 2015年获得中山大学博士学位. 主要研究方向为新能源汽车和电动动力系统控制. E-mail: fenggd6@mail.sysu.edu.cn

ManandharUjjal

新加坡南洋理工大学博士后. 2019年获得新加坡南洋理工大学博士学位. 主要研究方向为微电网, 储能系统, 硬件在环平台. E-mail: ujjal001@e.ntu.edu.sg

郭戈

东北大学教授. 1998年获得东北大学博士学位. 主要研究方向为智能交通系统, 运动目标检测跟踪网络. E-mail: geguo@yeah.net