基于蜂拥算法的智能电网暂态稳定分布式控制解析

基于蜂拥算法的智能电网暂态稳定分布式控制解析

莫若节

广西广信电力建设有限公司，532200

摘要：近年来，蜂拥算法在智能电网中的应用受到研究者的关注。蜂拥现象所对应的蜂拥算法对分布式控制理论产生较为明显的推动作用。本文在智能电网暂态控制稳定框架的基础上，提出基于蜂拥算法的智能电网控制器，为实现对智能体的分布式控制，提出智能电网暂态稳定分布式控制策略，以此提升智能电网暂态稳定性和弹性。

关键词：蜂拥算法；智能电网；暂态稳定；分布式控制

引言：现代电力系统电压高、容量大、覆盖面积广，所带来的经济效益相对卓越。伴随智能电网的逐步形成，电力系统对安全稳定控制提出更高要求。智能电网主要由电力网络和信息网络构成，智能电网概念的提出，能够解决电网所面临的互联化挑战，应对资产利用率较低、对数字化应用需求和依赖日渐增加等问题[1]。研究智能电网的暂态稳定问题，对于提升电力系统的决策度和控制力来讲十分必要，准确、快速的暂态稳定控制是稳定控制电力系统、获取数据信息、传输控制命令的强有力保证。

一、智能电网暂态控制稳定框架

智能电网暂态稳定控制框架将智能电网视为多智能系统，每个同步发电机节点将被建模成为一个经由发电机、电源控制单元、快速工作的分布式储能装置、分布式控制器组成的智能体[2]。智能体采用发电机母线上相量测量单元所获的转子角度和速度，以此驱动飞轮、电池等快速动作部件，分布式储能装置吸收阻尼功率或向分布式控制系统注入功率，调整受到扰动的同步发电机，主要目的在于促使受到扰动的同步发电机以最快速度恢复同步。

图1 智能电网暂态控制稳定框架

在智能体中，接收电源控制单元测量数据并且给予运行设定值后，分布式控制器将计算出，通过快速反应的外部存储源所需的阻尼功率，以促使智能电网快速趋于稳定[3]。本文所设计的智能电网控制器属于分布式，智能体依赖于电源控制单元测量数据进行信息交互。

根据同步发电机动力学模型，电力系统的暂态稳定性主要包含系统遭受大幅度扰动后是否能够快速递恢复到稳定的具体问题，电力系统的稳定性好坏，很大程度和主要的功能设备的同步能力息息相关。通过确定外部储能条件下向发电机输入控制时刻的摇摆方程，那么，智能体物理学和赛博控制的关系为：

本文暂态稳定分析主要目的在于检查系统遭受大幅度扰动后，发电机组是够能够保持同步运行，因此，暂态稳定主要指的是，维持分布式系统前两个震荡周期不失步的功角保持稳定[4]。因此，一旦分布式系统遭受故障以后，需通过控制策略进行状态稳定恢复，需要同步发电机频率趋近于一个数值。

二、基于蜂拥算法的智能电网控制器

（一）蜂拥算法概述

蜂拥运动主要指群体智能体利用相应规则和有限环境信息组织完成协调运动的现象。Boid模型是Reynold在1986年建立的用来模拟群体行为的运动模型，是首次针对蜂拥运动提出的对应模型，该模型通过定义三个基本规则对蜂拥运动展开深入地研究。

三个基本规则分别为：

（1）分离。每个个体受到领域内其他个体的排斥力的矢量和，以此避免与附近智能体发生碰撞。

（2）聚合。每个个体受到邻域内其他个体吸引力的矢量和，以此保持团队紧凑性。

（3）速度匹配。每个个体与邻域内其他个体平均速度保持一致的前提下，促使整个团队速度趋向于一致。

大部分新型的蜂拥算法均基于上述模型提出。

Olfati-Saber算法提出当虚拟领导者处于网络中的动力学方程，提出蜂拥算法控制协议促进多智能体系统完成蜂拥行为的式子，实现智能体的分离、聚合及速度匹配规划，以此保证虚拟领导者在智能体运动过程中能够随时获得位置和速度的状态数据。通过确定虚拟领导者蜂拥控制算法的控制表达式主要组成，蜂拥算法的控制表达式可以表示为：

（二）类比蜂拥的控制协议设计

根据本文的解析内容，蜂拥控制协议设计为：

由上述描述可以了解到，蜂拥控制系统的初始状态是连续实现的。

（三）智能电网稳定性分析

本文所涉及的蜂拥控制协议能够解决分布式系统的一致性问题。

得：

满足以下等式：

通过上述分析可以了解到，分布式系统内部的智能体在信息交互过程中可以达到暂态稳定蜂拥控制的预期目标，可以保持系统的运行状态较为稳定。当t=0.4s时，激活全部控制器，在本文所涉及的蜂拥控制器的作用下，发动机转速趋于平稳，转子的角差值明显小于，系统暂态故障能够快速得到响应，以最快的速度恢复到十分稳定的状态[5]。

三、智能电网暂态稳定分布式控制策略

（一）智能电网暂态稳定控制

1.信息网络可靠性保障

为了保障智能电网的安全运行，并且实现对系统状态实时监测，需要通过在电力系统中放置电源控制单元进行总线电压和出线电流相位的监控，以便于根据信息网络中最小的电源控制单元数量的配置规则，使用重复的放大进行可靠性保障，因此，对该模型的定义应以下述模型进行：

设置设备安装成本属于固定成本和可变成本综合，则实现节点全可观测电力网络拓扑，为了得到最优的电源控制单元布局，可以得到下述内容：

在连接节点可观测性状态的过程中，将1定义为电源控制单元安装在节点且促使节点拥有可观测性状态，0为其它。通过对节点线路的末端进行故障点通道数计算，进而能够实现2个电源控制单元可观测每个阶段。通过上述内容，选择成本最低的配置方案。鉴于此，智能电网信息网络之中的智能体在实现可靠性优化以后，可以快速扰动快速反应系统，分布式控制框架之中的主导发电机，则主要经由信息节点的灵敏程度进行选择。

2.分布式控制器设计

基于上文设计分布式控制器，该分布式控制器包含多个智能体，其中，每个智能体主要由各个发电机相应信息和物理设备共同组成，每个智能体使用发电机的物理量进行属性表达。主导发电机经由信息网络做选择控制，信息网络选择跟随发电机辅助主导发电机做调频。本文提出的控制方法主要通过多智能体模型分布式控制框架实现智能电网发电机的频率同步、相角聚合[6]。根据智能淡忘暂态稳定目标要求，实现智能电网发电机的频率同步需要达到的条件，因此，相位角在聚合上要求智能电网发电机满足条件需求。通过包含主导发电机智能体的二阶系统，确定各分区含主导发电机智能体施加分布式控制信号和势能函数。

3.暂态稳定控制目标模型

假如要对智能体主导发电机实施控制，必须要确定智能电网信息网络的选择性控制行为，因此，将智能电网信息网络的选择系数设置为，其为1时，是第i个智能体含有主导发电机，其为0时，是其他。因此，在恒压条件之下，可以了解到智能电网信息网络同物理电网间的控制关系，定义控制器的信号。

（二）智能电网暂态稳定分布式控制策略

1.分区方法

在本文中的主导发电机为主导节点，通过确定智能体的状态信息，由电源控制单元直接获取的物理量，设置智能体携带的状态量。假如两个智能体间的实际距离小于阈值，可以认定两者处于同一区域。

动力学模型为：

2.稳定性分析

考虑到二阶系统的存在，发电机间能保持通信且初始能量为有限制，则在蜂拥控制的作用下，所有智能体的动态参数均会收敛到稳定条件之下，最终能够实现稳定的蜂拥行为。

通过动力学模型，根据动力学计算函数H的导数，可以得到：

由上述矩阵可以说明智能体的动态参数均会收敛到稳定条件之下，最终能够实现稳定的蜂拥行为。

（三）仿真分析

在MATLAB/Simulink平台完成智能电网模型的仿真分析。

首先，一旦电力系统遭遇故障后，施加蜂拥控制的方法，电力系统的稳定性能产生变化，发电机相对转子角随时间发生改变，个发电机转速伴随时间变化发生改变。分布式蜂拥控制的特点主要在于，装备费用较低、集中处理信息量较大，十分明显的缺点在于，蜂拥控制在进行观察的阶段内，上下的区间较大，处于临界的稳定范围，在施加蜂拥控制滞后，得到稳定的等待时间阶段较长，因此在能耗上相对较大。

其次，采用本文智能电网暂态稳定分布式控制的稳定性能变化结果表明，电力系统的性能在进行外部能量引入的过程中发生一定程度的波动，电力系统很快进入到十分稳定的状态。其中，发电机的转速十分稳定并趋于逐渐收敛的情况，转子角能够满足稳态的相应约束和要求。在信息利用和外部能量的注入相对较少的前提条件下，直接取得系统的稳定恢复，在这一表现上，时间明显较短、在物理量的波动上相对较小，电力系统表现出稳定裕度较为充分的良好效果。

结束语：本文是为了解决智能电网线路故障和通信延迟问题进行的解析研究，以此提升智能电网的暂态稳定性，提出基于蜂拥算法的智能电网啊暂态稳定分布式控制方法。此方法主要通过电源控制单元接收智能电网部分实时状态信息，结合权重矩阵，实现局部信息的交互，同时巧妙利用外部储能设备向发电机输出有功功率，进而实现控制，和系统的暂态稳定恢复。解析内容可以将蜂拥控制理论推广到智能电网实际应用中，在进行通信时延的条件下，可以解决智能电网暂态稳定控制问题。

参考文献：

[1]王子强,王杰.一种计及智能电网信息物理特性的分布式控制器[J].中国电机工程学报.2019(23):6921-6933+7105.

[2]Baros S,MD Ili.A Consensus Approach to Real-Time Distributed Control of Energy Storage Systems in Wind Farms[J].Smart Grid,IEEE Transactions on,2019,10(1):613-625.

[3]陈登义,李啸骢,刘松.多区域互联电力系统静止同步串联补偿器自适应反步滑模控制器设计[J].电网技术,2019,43(1):200-205.

[4]陈世明,卢家胜,高彦丽.基于神经网络的电力系统暂态稳定分布式自适应控制[J].控制与决策,2021,36(6):1407-1414.

[5]王帅磊,张金春,曹彪,等.双类型多智能体蜂拥控制目标跟踪算法[J].控制工程,2019,26(05):935-940.

[6]张晓花,王晓亮,廖重阳,等.基于一致性算法的储能单元分布式优化调度策略

[J].电力需求侧管理.2021(03):41-46.