当前位置: 首页 > 专利查询>武汉大学专利>正文

基于MPC和PI控制方法的带电动汽车的微网调频方法技术

技术编号:12102854 阅读:80 留言:0更新日期:2015-09-23 21:21
本发明专利技术采用了一种基于MPC和PI控制方法的带电动汽车的微网调频方法。本发明专利技术充分利用电动汽车车载电池本身作为一种储能装置的特性,并在电动汽车入网技术(V2G)的支持下,将其参与到微网频率调节中来以补偿微网孤网运行时自身负荷频率控制的不足。在本发明专利技术方案中,每一个控制周期,首先通过状态观测器得到当前时刻系统的状态量,采用MPC控制器进行求解最优控制输入变量及其相应的预测状态量,求解结果用来优化PI控制器中的参数,即重新设定比例参数和积分参数。最后,采用优化了控制参数的PI控制器实现对微网频率的调节控制,直达下一个控制周期的到来。本发明专利技术能够实现较好的控制效果、并具有全局鲁棒性能和较强的可靠性能。

【技术实现步骤摘要】

本专利技术涉及电力系统频率调节控制领域,尤其涉及一种基于MPC和PI控制方法的 带电动汽车的微网调频控制策略
技术介绍
微电网是一种将本地可再生能源发电系统、清洁能源发电系统、储能装置以及各 类负载集成在一起的新型能源系统模式,正在受到越来越多的关注。微网系统可运行于并 网和离网两种模式下,当微网运行于离网的孤立状态时必须要有自身的频率控制策略,以 保证微网能够继续正常运行并为在重新并网作准备。当微网运行在孤网状态时,功率不平 衡时的频率控制以及不平衡功率的分配问题成为研宄焦点,因为经过逆变器接入微网的微 源(比如说风电、光伏)对频率变化不会自动产生响应,而像小水电、微型汽轮机等响应速 度比较慢,而且具有较小的惯性常数。传统电网中当有冲击负荷出现时,可以由系统的惯性 响应实现减少频率波动的目的,而微网不能依靠或者不能完全依靠发电机的惯性来实现频 率波动的减少,电动汽车车载电池本身作为一种储能装置,在电动汽车入网技术(V2G)的 支持下,已经实现了与电网之间电能的双向互动。随着电动汽车入网技术以及微网技术的 成熟,将电动汽车纳入微网系统,充分利用车载电池存储的电能来参与微网调频以补偿微 网自身负荷频率控制的不足。因此,一个有效的协调控制策略是实现V2G参与微网调频的 关键。
技术实现思路
本专利技术主要是解决现有技术所存在的技术问题;提供了一种没有改变原有PI控 制系统的结构,即可使原有基于PI控制的高级策略仍能正常发挥作用,具有更好的兼容性 的基于MPC和PI控制方法的带电动汽车的微网调频方法。 本专利技术还有一目的是解决现有技术所存在的技术问题;提供了一种可以最大限度 在一个控制周期内让^控制器接近最优的基于MPC和PI控制方法的带电动汽车的微网调 频方法。 本专利技术再有一目的是解决现有技术所存在的技术问题;提供了一种克服了 PI控 制器对运行工况的适应性,动态性能也得到积极改善;可以有效地避免MPC问题求解不可 行时无法进行控制的问题,这时整个系统仍可有效运行,加强了控制方法的可靠性的基于 MPC和PI控制方法的带电动汽车的微网调频方法。 本专利技术的上述技术问题主要是通过下述技术方案得以解决的: -种基于MPC和PI控制方法的带电动汽车的微网调频方法,其特征在于,包括以 下步骤: 步骤1 :检测被控微网的各个组件的系统参数,包括各电动汽车充放电站的系统 参数并分析各个微网组件的负荷频率控制特性,确定系统状态量,并根据检测到的系统参 数得到考虑线性连续时间系统的状态空间模型,该状态空间模型基于以下公式: 将连续系统转化为线性离散时间系统,则线性离散时间系统的状态空间模型可表 示如下: 其中是状态变量是控制输入变量;)V⑷eiT是被控输出变量; 其中,Ts是系统米样时间; 为了引入积分以减少或消除静态误差,将式二改为增量模型: 步骤2 :采用MPC控制器读取当前控制周期内的状态量,进行预测控制,求解预测 时域内最优控制变量,具体包括: 步骤2. 1 :状态监测,PMU测量系统的实时状态信息,即各状态量的值,由MGDS进行 收集整理,并将数据发送至MPC控制器; 步骤2. 2 :预测未来;根据MGDS收集处理的实时状态信息,MPC控制器根据状态空 间方程预测输出偏差Ay的动态轨迹;并根据建立控制量和预测量之间的关系,为最优控 制决策奠定基础; 步骤2. 3 :最优控制决策,基于步骤2的预测输出结果,MPC控制器根据目标函数以 及约束条件求解最优控制量; 系统输出的参考轨迹一般是可以确定的;由于扰动等因素,系统实际输出和 预测结果有误差,可定义二次型性能指标函数,找出满足J最小的最优控制输入序列 Au(k|k),…,Au(k+m-11k); 其中,q,ri是权重系数;yr(k+i|k)为系统输出参考轨迹;若将 Aw(A?…,Aw(A+w,-l|A-)用向量表示为AU(k|k). 则可将式十一写成: J= TQ +AU(k|k)TRAU(k|k)式十七 其中,E(k) =SxAx(k) +ryc (k) +SdAd(k), 然后将式十七展开得到: J = E (k) TQE (k)+E (k) TQS A U (k | k) + A U (k | k) TSTQE (k) + A U (k | k) TSTQS A u (k I k) + A u (k I k) TR A u (k I k) 式十八 注意到£〇〇力5八以1^|1〇 =八以1^|1〇15力£〇〇,而且£〇〇力£〇〇这一项与控制输 入量无关,则式十八可写成:式十九其中,H = 2, f(k) = 2STQE(k),可把系统状态量和系统输出量都看成是系统控制输入的函数,由系统控 制输入决定,定义U = T,则上述问题也就变为: 其中,G为不等式约束矩阵线性,最优控制决策就是对上式二十的二次规划问题的 求解; 步骤3:根据步骤2求解到的最优控制变量及其相应的预测状态量,采用最小二乘 法求解当前控制时域内的PI控制器的最佳控制系数,比例系数和积分系数<,并更新 PI控制器的控制系数; 考虑到PI控制器有如下控制规律: 其中,r为系统输出参考量;显然有: p = Cx-r式六则可根据步骤2得到的最优解W%…;f,求解其对应的状态量,通过最小二乘法求取当前预测时域内T内最佳的比例、积分系数; 步骤4:在当前控制周期内,采用更新了控制系数的PI控制器实现对微网频率的 调节控制。 在上述的一种基于MPC和PI控制方法的带电动汽车的微网调频方法,所述步骤 2. 2的具体方法是:根据预测控制的基本原理,首先以步骤2. 1得到的最新测量值为初始条 件,基于式三预测系统未来的动态;为此,设定预测时域为P,控制时域为m且m < p ;并定 义: 定义一:控制时域之外,控制变量不变,即Au(k+i) = 0, i = m, m+1,…,p-1; 定义二:可测干扰在k时刻之后不变,即A d(k+i) = 0, i = 1,2,…,p-1 ; 定义一是因为控制时域有可能小于预测时域,而预测系统未来动态需要在整个预 测时域的控制输入;定义二是因为在当前k时刻,尚未获取干扰的未来取值; 在当前时刻k,测量值为x(k),计算Ax(k) = x(k)-x(k_l);这个Ax(k)将作为 预测系统未来动态的起点;由式三预测k+1到k+3时刻的状态增量如下: A x (k+11 k) = AAx (k) +BUAu(k) +BdAd (k) 式七 A x (k+2 | k) = A A x (k+11 k) +BU A u (k+1) +Bd A d (k+1) 式八 = A2Ax (k) +ABUAu(k) +BUAu(k+1) +ABdAd (k) A x (k+3 | k) = A A x (k+2 | k)+BU A u (k+2)+Bd A d (k+2) 式九 =A3 A x (k) +A2BU Au(k) +ABU Au(k+1) +BU Au(k+2) +A2Bd Ad(k) 上式中,k+1 |k表示k时刻对k+1时刻的预测;符号" | "后面的k表示当前时刻为 k ;进而,可以预测k+m至k+p时刻的状态 进一步,有输出方程(2)可以预测k+本文档来自技高网...
基于MPC和PI控制方法的带电动汽车的微网调频方法

【技术保护点】
一种基于MPC和PI控制方法的带电动汽车的微网调频方法,其特征在于,包括以下步骤:步骤1:检测被控微网的各个组件的系统参数,包括各电动汽车充放电站的系统参数并分析各个微网组件的负荷频率控制特性,确定系统状态量,并根据检测到的系统参数得到考虑线性连续时间系统的状态空间模型,该状态空间模型基于以下公式:x·(t)=Acx(t)+Bcuu(t)+Bcdd(t)yc(t)=Ccx(t)]]>  式一将连续系统转化为线性离散时间系统,则线性离散时间系统的状态空间模型可表示如下:x(k+1)=Ax(k)+Buu(k)+Bdd(k)yc(k)=Ccx(k)]]>  式二其中是状态变量;是控制输入变量;是被控输出变量;其中A=eAcTs,Bu=∫0TseAcτdτ·Bcu,Bd=∫0TseAcτdτ·Bd,]]>Ts是系统采样时间;为了引入积分以减少或消除静态误差,将式二改为增量模型:Δx(k+1)=AΔx(k)+BuΔu(k)+Bd&Delta;d(k)yc(k)=CcΔx(k)+yc(k-1)]]>  式三其中,Δx(k)=x(k)-x(k-1),Δu(k)=u(k)-u(k-1),Δx(k)=d(k)-d(k-1).]]>步骤2:采用MPC控制器读取当前控制周期内的状态量,进行预测控制,求解预测时域内最优控制变量,具体包括:步骤2.1:状态监测,PMU测量系统的实时状态信息,即各状态量的值,由MGDS进行收集整理,并将数据发送至MPC控制器;步骤2.2:预测未来;根据MGDS收集处理的实时状态信息,MPC控制器根据状态空间方程预测输出偏差Δy的动态轨迹;并根据建立控制量和预测量之间的关系,为最优控制决策奠定基础;步骤2.3:最优控制决策,基于步骤2的预测输出结果,MPC控制器根据目标函数以及约束条件求解最优控制量;系统输出的参考轨迹一般是可以确定的;由于扰动等因素,系统实际输出和预测结果有误差,可定义二次型性能指标函数,找出满足J最小的最优控制输入序列Δu(k|k),…,Δu(k+m‑1|k);minΔu(k|k),...,Δu(k+m-1|k)J=minΣi=1pqi(y^(k+i|k)-yr(k+i|k))2+Σj=1nrj(Δu(k+j-1|k))2]]>  式十六其中,qi和ri是权重系数;yr(k+i|k)为系统输出参考轨迹;若将Δu(k|k),…,Δu(k+m‑1|k)用向量表示为ΔU(k|k).则可将式十一写成:J=[E(k)+SuΔU(k|k)]TQ[E(k)+SuΔU(k|k)]+ΔU(k|k)TRΔU(k|k)  式十七其中,E(k)=SxΔx(k)+Γyc(k)+SdΔd(k),然后将式十七展开得到:J=E(k)TQE(k)+E(k)TQSΔU(k|k)+ΔU(k|k)TSTQE(k)+ΔU(k|k)TSTQSΔU(k|k)+ΔU(k|k)TRΔU(k|k)  式十八注意到E(k)TQSΔU(k|k)=ΔU(k|k)TSTQE(k),而且E(k)TQE(k)这一项与控制输入量无关,则式十八可写成:minΔU(k|k)J=minΔU(k|k)12ΔU(k|k)THΔU(k|k)+f(k)TΔU(k|k)]]>  式十九其中,H=2[STQS+R],f(k)=2STQE(k),可把系统状态量和系统输出量都看成是系统控制输入的函数,由系统控制输入决定,定义U=[u(k) u(k+1) … u(k+N)]T,则上述问题也就变为:J(k)=min12UTHU+hTU]]>  式二十s.t.GU≤g其中,G为不等式约束矩阵线性,最优控制决策就是对上式二十的二次规划问题的求解;步骤3:根据步骤2求解到的最优控制变量及其相应的预测状态量,采用最小二乘法求解当前控制时域内的PI控制器的最佳控制系数,比例系数和积分系数并更新PI控制器的控制系数;考虑到PI控制器有如下控制规律:u=Kpρ·+Kiρ]]>  式四ρ=∫0∞(y-r)dt=∫0∞(Cx-r)dt]]>  式五其中,r为系统输出参考量;显然有:ρ·=Cx-r]]>  式六则可根据步骤2得到的最优解Ut*=[Ut0Ut1...UtN-1]T,]]>求解其对应的状态量xρt*=xt0xt1......

【技术特征摘要】

【专利技术属性】
技术研发人员:杨军龚凌云王新普冯欣李忠民
申请(专利权)人:武汉大学
类型:发明
国别省市:湖北;42

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1