微电网离网运行场景下基于模型预测控制-低通滤波算法的分层协调频率控制方法

1.本发明属于微电网技术领域，具体涉及一种微电网离网运行场景下基于模型预测控制-低通滤波算法的储能/燃气机分层协调频率控制方法。


背景技术：

2.微电网中含有大量电力电子器件，加上可再生能源随机性出力，使微电网独立运行时的频率稳定控制具有较大的挑战性。目前的研究工作中，利用储能作为辅助调频控制单元，有效提升了微网系统的频率稳定性。然而，离网下能源十分有限，储能需要作为功率支撑单元为部分负荷供电。利用储能进行辅助调频可能导致其荷电状态(state ofcharge，soc)偏移计划值，影响正常供电。另一方面，控制过程中，储能和同步发电机(燃气机、柴油机等)的出力均根据系统的频率偏差进行调整，比较被动。当出现大扰动时，比如可再生能源间歇性波动或者工业大负荷的启停，燃气机等响应速度较慢的机组来不及调整出力，会导致较大的频率波动，不利于系统的稳定运行。同时，由于频率波动大，储能被动参与辅助调频的程度也随之增大，将进一步加剧储能soc偏离参考值的程度，从而无法保证离网系统持续稳定运行。


技术实现要素：

3.基于目前微电网离网运行场景下的频率控制问题，本发明提出一种基于模型预测控制-低通滤波算法的储能/燃气机分层协调频率控制方法，不仅可以有效降低系统的频率波动；同时，储能在辅助调频过程中还可以很好地跟随soc计划值，保证离网系统能够按照供能计划持续稳定运行。
4.为实现上述技术目的，本发明采用如下技术方案：
5.微电网离网运行场景下基于模型预测控制-低通滤波算法的分层协调频率控制方法，包括以下步骤：
6.步骤1：在上层分钟级控制中，基于模型预测控制，以储能soc和电源出力变化最小为目标不断的滚动调整储能和燃气机的出力计划；
7.步骤2：采用低通滤波算法，将基于模型预测控制计算得到的燃气机出力计划划分为低频分量和高频分量，进一步调整出力计划：在储能承担自身储能出力计划的基础上，由储能和燃气机分别承担燃气机出力计划中的高频分量和低频分量；
8.步骤3：在底层秒级控制中，在上层控制基础上，通过虚拟下垂/惯性控制以及soc自恢复控制动态调整储能出力，协同燃气机共同参与调频。
9.进一步地，步骤1中基于模型预测控制滚动调整储能和燃气机出力计算的方法为：
10.(1)根据微电网离网运行场景下系统内各变量之间的关系，建立如式(1)、(2)所示的模型预测控制算法的状态空间模型：
[0011][0012]
y(k)＝[s
bes
(k)]＝[0 0 1 0][p
gt
(k) p
bes
(k) s
bes
(k) p
grid
(k)]
t
ꢀꢀꢀ
(2)
[0013]
式中，k表示第k个时刻；δt为控制周期；p
gt
(k+δt)、p
bes
(k+δt)、s
bes
(k+δt)、p
grid
(k+δt)分别为k+δt时刻燃气机功率、储能功率、储能soc、联络线功率，由以上四者构成的向量x(k+δt)表示状态变量；δp
gt
(k)、δp
bes
(k)分别为燃气机、储能在k时刻的出力调整量，由以上两者构成的向量表示控制变量；δp
l
(k)、δp
re
(k)分别为k时刻电负荷变化量、可再生能源超短期预测功率变化量，由以上两者构成的向量表示扰动变量；w
pn
为储能额定容量；y(k)为输出量；
[0014]
(2)基于可再生能源以及负荷的超短期功率预测数据，使用状态空间模型进行反复迭代，直到向前预测m步，得到储能soc在控制时域mδt内的预估输出值构成的向量；取当前时刻向前mδt时段内，储能soc计划值构成的向量r
ref
为跟踪控制目标，以yf与r
ref
之间的误差最小为目标，同时使控制变量u尽量小，将滚动优化控制转化为如式(3)所示的二次规划问题：
[0015][0016]
式中，j为目标函数；h表示储能soc跟踪误差的权重系数矩阵；g为控制变量的权重系数矩阵；a，b为不等式约束中的系数矩阵；aeq，beq为等式约束中的系数矩阵；lb，ub为变量的上下区间；x表示各电源的出力或者调整量，电源为储能或燃气机；
[0017]
(3)求解式(3)所示的二次规划问题，得到控制时域mδt内所有电源出力计划构成的优化控制序列，在下发指令时刻仅将控制序列的第一个值下发到控制系统，等待下一个周期到来时，重复上述滚动优化过程。
[0018]
进一步地，通过调用matlab二次规划quadprog函数求解式(3)所示的二次规划问题。
[0019]
进一步地，采用低通滤波算法将燃气机出力计划划分为低频分量和高频分量，具体按照以下式(4)对基于模型预测控制计算出的燃气机出力计划进行滤波，将滤波得到的低频分量分配给燃气机，余下的分配给储能；
[0020]
p
gt_out
(t)＝α
·
p
gt
(t)+(1-α)
·
p
gt_out
(t-1)
ꢀꢀꢀ
(4a)
[0021]
α＝2π
·
δt
·
f0/kf(t)
ꢀꢀꢀ
(4b)
[0022]
式(4)中，p
gt
(t)为t时刻滤波器输入信号，具体为燃气机出力计划，基于模型预测控制计算得到；p
gt_out
(t)为t时刻的滤波器输出的低频分量，作为燃气机低频出力计划；α、f0、kf分别为数字滤波器的时间常数、初始截止频率以及截止频率系数；δt为采样时间间隔。
[0023]
进一步地，当前时段t的截止频率系数kf(t)，基于模糊控制进行自适应计算得到；
[0024]
其中，模糊控制的输出为：当前时段t的截止频率系数kf(t)；模糊控制的输入为：上一时段的截止频率系数kf(t-1)，以及当前时刻与上一时刻向前mδt时段内燃气机出力计划的波动率之比b(t)，如式(5)所示：
[0025][0026][0027]
定义模糊控制的输入信号kf(t-1)的模糊语言集为{vs(很小)、s(小)、m(中)、b(大)、vb(很大)}，相应模糊论域划分为{1，2.25，3.5，4.75，6}；
[0028]
定义模糊控制的输入信号b(t)的模糊语言集为{nb(负大)，nm(负中)，ns(负小)，nz(负零)，z(零)，pz(正零)，ps(正小)，pm(正中)，pb(正大)}，相应模糊论域划分为{0.2，0.4，0.6，0.8，1，1.2，1,4，1.6，1.8}；
[0029]
定义模糊控制的输出信号kf(t)的模糊语言集和论域，与输入信号kf(t-1)的相同；
[0030]
基于以上定义，采用重心法作为模糊控制输出的解模糊方法，计算当前时段的截止频率系数kf，计算公式如式(6)所示：
[0031][0032]
式(6)中，kf为模糊控制器的输出量解模糊后的精确值；μc(xi)为输出量模糊集c的隶属度函数；n表示论域划分了n个区间，xi为模糊控制量论域内第i个区间的值。
[0033]
进一步地，步骤3中通过虚拟下垂/惯性控制动态调整储能出力，具体为：在微电网离线运行的频率波动过程中，储能采用如下式(7)所示的出力模型进行虚拟下垂/惯性控制，辅助燃气机对微电网调频；其中，兼顾虚拟下垂、惯性控制两种控制模式的优势，在惯性响应阶段内，设置虚拟惯性控制为主，虚拟下垂控制为辅，如式(8)所示；在调频阶段内，设置虚拟下垂控制为主，虚拟惯性控制为辅，如式(9)所示：
[0034][0035][0036][0037]
式中，δp
bes_f
为储能的调频出力；k1、k2分别表示虚拟下垂、虚拟惯性控制系数；a1、a2分别表示虚拟下垂、惯性控制的权重分配系数，a1+a2＝1；δf(t)表示频率偏差；δf
low
表
示参与调频的频率偏差阈值；δf
max
表示最大频率偏差；n为与分配系数相关的固定参数。
[0038]
进一步地，步骤3中通过soc自恢复控制动态调整储能出力，具体为：在微电网离线运行的频率偏差小于给定阈值的时候，储能根据偏离soc计划值的程度进行自恢复，且储能自恢复功率δp
bes_r
的计算模型如式(10)：
[0039][0040][0041]
式(10a)中，m为预设的较小正常数，用于保障储能soc自恢复过程不会影响到频率变化；soc(t)为当前时刻储能荷电状态；soc
min
为储能荷电状态下限值；soc
ref
(t)为当前时刻储能荷电状态的跟踪目标，由模型预测控制与低通滤波算法计算得到；k
p
表示为解决频率控制和能量恢复之间冲突所引入的限制系数，取值按式(10b)根据频率偏差和soc状态而定。
[0042]
有益效果
[0043]
本发明的工作原理是：(1)上层分钟级控制中，通过模型预测控制，以储能soc和电源出力变化最小为目标不断的滚动调整电源出力计划，主动地减小源荷功率偏差。同时，利用低通滤波算法分频，让燃气机承担低频扰动分量，避免由于燃气机响应速度慢而导致的频率波动；(2)底层秒级控制中，在上层出力基准的基础上，通过虚拟下垂/惯性控制以及soc自恢复控制动态调整储能出力，协同燃气机共同参与调频，进一步抑制系统频率波动。
[0044]
本发明的有益效果是：(1)通过不断滚动的局部优化与控制，主动的减小了源荷功率偏差，有效的避免了由于燃气机响应速度慢而导致的频率波动；(2)不仅可以有效降低系统的频率波动，还可以降低燃气机出力的变化幅度，避免其频繁的往复动作损坏设备。(3)储能在辅助调频过程中还可以很好的跟随soc计划值，保证离网系统能够按照供能计划持续稳定运行。
附图说明
[0045]
图1为微电网离网运行场景下基于模型预测控制(mpc)-低通滤波算法的燃气机/储能分层协调频率控制总体思路图。
[0046]
图2为模型预测控制基本原理图。
[0047]
图3为模型预测控制滚动优化过程原理图。
[0048]
图4为基于模糊控制的自适应滤波方法思路图。
[0049]
图5为模糊控制输入和输出的隶属度函数图，其中(a)为模糊控制输入-截止频率kf(t-1)隶属度函数，(b)为模糊控制输入-燃气机出力波动率之比b(t)隶属度函数，(c)为模糊控制输出-截止频率kf(t)隶属度函数。
具体实施方式
[0050]
下面对本发明的技术方案作进一步解释说明。本发明是一种微电网离网运行场景下基于模型预测控制(mpc)-低通滤波算法的燃气机/储能分层协调频率控制方法，参考图1所示，包括以下步骤：
[0051]
步骤1：在上层分钟级控制中，基于模型预测控制，以储能soc和电源出力变化最小为目标不断的滚动调整储能和燃气机的出力计划。具体实施方法为：
[0052]
(1)根据微电网离网运行场景下系统内各变量之间的关系，建立如式(1)、(2)所示的模型预测控制(model predictive control，mpc)算法的状态空间模型：
[0053][0054]
y(k)＝[s
bes
(k)]＝[0 0 1 0][p
gt
(k) p
bes
(k) s
bes
(k) p
grid
(k)]
t
ꢀꢀꢀ
(2)
[0055]
式中，k表示第k个时刻；δt为控制周期；p
gt
(k+δt)、p
bes
(k+δt)、s
bes
(k+δt)、p
grid
(k+δt)分别为k+δt时刻燃气机功率、储能功率、储能soc、联络线功率(离网时联络线功率为0)，由以上四者构成的向量x(k+δt)表示状态变量；δp
gt
(k)、δp
bes
(k)分别为燃气机、储能在k时刻的出力调整量，由以上两者构成的向量表示控制变量；δp
l
(k)、δp
re
(k)分别为k时刻电负荷变化量、可再生能源超短期预测功率变化量，由以上两者构成的向量表示扰动变量；w
pn
为储能额定容量；y(k)为输出量。
[0056]
(2)基于可再生能源以及负荷的超短期功率预测数据，使用状态空间模型进行反复迭代，直到向前预测m步(m为一正整数)，得到储能soc在控制时域mδt内的预估输出值构成的向量；取当前时刻向前mδt时段内，储能soc计划值构成的向量r
ref
为跟踪控制目标，；以yf与r
ref
之间的误差最小为目标，同时使控制变量u尽量小，将滚动优化控制转化为如式(3)所示的二次规划问题：
[0057][0058]
式中，j为目标函数；h表示储能soc跟踪误差的权重系数矩阵；g为控制变量的权重系数矩阵；a，b为不等式约束中的系数矩阵；aeq，beq为等式约束中的系数矩阵；lb，ub为变量的上下区间；x表示各电源的出力或者调整量；
[0059]
(3)通过调用matlab二次规划quadprog函数求解式(3)所示的二次规划问题，得到控制时域mδt内所有电源出力计划构成的优化控制序列，在下发指令时刻仅将控制序列的第一个值下发到控制系统，等待下一个周期到来时，重复上述滚动优化过程。
[0060]
模型预测控制基本原理与滚动优化控制原理如图2、图3所示。
[0061]
步骤2：采用低通滤波算法，将基于模型预测控制计算得到的燃气机出力计划划分为低频分量和高频分量，进一步调整出力计划：在储能承担自身储能出力计划的基础上，由储能和燃气机分别承担燃气机出力计划中的高频分量和低频分量。具体实施方法为：
[0062]
(1)按照式(4)对基于模型预测控制计算出的燃气机出力计划进行滤波，将滤波得到的低频分量分配给燃气机，余下的分配给储能；
[0063]
p
gt_out
(t)＝α
·
p
gt
(t)+(1-α)
·
p
gt_out
(t-1)
ꢀꢀꢀ
(4a)
[0064]
α＝2π
·
δt
·
f0/kf(t)
ꢀꢀꢀ
(4b)
[0065]
式(4)中，p
gt
(t)为t时刻滤波器输入信号(燃气机出力计划)，该信号值基于模型预测控制计算得到；p
gt_out
(t)为t时刻的滤波器输出信号(燃气机低频出力计划)；α、f0、kf分别为数字滤波器的时间常数、初始截止频率以及截止频率系数；δt为采样时间间隔。
[0066]
(2)基于模糊控制，根据燃气机出力计划的变化程度计算当前时段的截止频率系数kf(t)。模糊控制的输入为：上一时段的截止频率系数kf(t-1)，以及当前时刻与上一时刻向前mδt时段内燃气机出力计划的波动率之比b(t)，如式(5)所示。模糊控制的输出为：当前时段的截止频率系数kf(t)。
[0067][0068][0069]
定义模糊控制的输入信号kf(t-1)的模糊语言集为{vs(很小)、s(小)、m(中)、b(大)、vb(很大)}，相应模糊论域划分为{1，2.25，3.5，4.75，6}。
[0070]
定义模糊控制的输入信号b(t)的模糊语言集为{nb(负大)，nm(负中)，ns(负小)，nz(负零)，z(零)，pz(正零)，ps(正小)，pm(正中)，pb(正大)}，相应模糊论域划分为{0.2，0.4，0.6，0.8，1，1.2，1,4，1.6，1.8}。
[0071]
定义模糊控制的输出信号kf(t)的模糊语言集和论域同输入信号kf(t-1)。
[0072]
基于以上定义，采用重心法作为模糊控制输出量的解模糊方法，计算当前时段截止频率系数kf，计算公式如式(6)所示。
[0073][0074]
式(6)中，kf(当前时段截止频率系数)为模糊控制器的输出量解模糊后的精确值；μc(xi)为输出量模糊集c的隶属度函数；xi为模糊控制量论域内的值；n表示论域划分了n个区间。
[0075]
(3)基于模糊控制的自适应滤波方法思路如图4所示；模糊控制输入和输出的隶属函数如图5所示；模糊控制规则设置如表1所示。
[0076]
表1模糊控制规则表
[0077][0078]
步骤3：在底层秒级控制中，在上层控制基础上，通过虚拟下垂/惯性控制以及soc自恢复控制动态调整储能出力，协同燃气机共同参与调频。具体实施方法为：
[0079]
(1)在频率波动过程中，兼顾虚拟下垂与虚拟惯性控制的优势，动态调整储能出力，辅助燃气机调频。如式(7)所示为储能(调频)出力模型。在惯性响应阶段内，设置虚拟惯性为主(a2≥0.5)，虚拟下垂为辅(a1≤0.5)；在调频阶段内，设置虚拟下垂为主(a1≥0.5)，虚拟惯性为辅(a2≤0.5)。式(8)、式(9)为惯性、下垂响应阶段权重分配系数的计算公式。
[0080][0081][0082][0083]
式(7)-(9)中，δp
bes_f
为储能(调频)出力；k1、k2分别表示虚拟下垂、虚拟惯性控制系数；a1、a2分别表示虚拟下垂、惯性控制的权重分配系数，a1+a2＝1；δf(t)表示频率偏差值；δf
low
表示参与调频的阈值；δf
max
表示最大频率偏差。n为与分配系数相关的固定参数。
[0084]
(2)在频率偏差小于一定阈值(可以取参与调频的频率偏差阈值δf
low
)的时候，储能根据偏离soc计划值的程度进行自恢复，使之尽量接近计划值。储能自恢复功率δp
bes_r
的计算模型如式(10)。
[0085]
[0086][0087]
式(10)中，m为一较小正常数，保障储能soc恢复过程不会影响到频率变化，取m为储能额定功率的10％；soc(t)为当前时刻储能荷电状态；soc
min
为储能荷电状态下限值；soc
ref
(t)为当前时刻储能荷电状态跟踪目标(参考值)，该值由上层模型预测控制与低通滤波算法计算得到；k
p
表示为解决频率控制和能量恢复之间的冲突，引入的限制系数。k
p
取值根据频率变化和soc状态而定。
[0088]
当δf(t)[soc(t)-soc
ref
(t)]≤0：
①
电网出现缺电(δf(t)《0)，储能soc的能量高于初始值(soc(t)-soc
ref
(t)≥0)。在这种情况下，电网和储能具有互补的能量，因此，没有必要限制，取k
p
＝1；
②
在相反的情况下(δf(t)》0,soc(t)-soc
ref
(t)≤0)，也不应受到限制。
[0089]
当δf(t)[soc(t)-soc
ref
(t)]＞0，此时频率控制和soc恢复发生冲突，储能频率控制应优先考虑，必须加以限制，取是根据高斯分布构造的函数。在频率死区(0.03hz)之外，k
p
足够小，可以保证不会由于恢复储能容量引起系统额外的频率偏差。在死区内，k
p
随频率偏差的减小而增大，即频率偏差越小自恢复越多。
[0090]
以上实施例为本技术的优选实施例，本领域的普通技术人员还可以在此基础上进行各种变换或改进，在不脱离本技术总的构思的前提下，这些变换或改进都应当属于本技术要求保护的范围之内。

技术特征：
1.微电网离网运行场景下基于模型预测控制-低通滤波算法的分层协调频率控制方法，其特征在于，包括以下步骤：步骤1：在上层分钟级控制中，基于模型预测控制，以储能soc和电源出力变化最小为目标不断的滚动调整储能和燃气机的出力计划；步骤2：采用低通滤波算法，将基于模型预测控制计算得到的燃气机出力计划划分为低频分量和高频分量，进一步调整出力计划：在储能承担自身储能出力计划的基础上，由储能和燃气机分别承担燃气机出力计划中的高频分量和低频分量；步骤3：在底层秒级控制中，在上层控制基础上，通过虚拟下垂/惯性控制以及soc自恢复控制动态调整储能出力，协同燃气机共同参与调频。2.根据权利要求1所述的方法，其特征在于，步骤1中基于模型预测控制滚动调整储能和燃气机出力计算的方法为：(1)根据微电网离网运行场景下系统内各变量之间的关系，建立如式(1)、(2)所示的模型预测控制算法的状态空间模型：y(k)＝[s
bes
(k)]＝[0 0 1 0][p
gt
(k) p
bes
(k) s
bes
(k) p
grid
(k)]
t
ꢀꢀꢀꢀ
(2)式中，k表示第k个时刻；δt为控制周期；p
gt
(k+δt)、p
bes
(k+δt)、s
bes
(k+δt)、p
grid
(k+δt)分别为k+δt时刻燃气机功率、储能功率、储能soc、联络线功率，由以上四者构成的向量x(k+δt)表示状态变量；δp
gt
(k)、δp
bes
(k)分别为燃气机、储能在k时刻的出力调整量，由以上两者构成的向量表示控制变量；δp
l
(k)、δp
re
(k)分别为k时刻电负荷变化量、可再生能源超短期预测功率变化量，由以上两者构成的向量表示扰动变量；w
pn
为储能额定容量；y(k)为输出量；(2)基于可再生能源以及负荷的超短期功率预测数据，使用状态空间模型进行反复迭代，直到向前预测m步，得到储能soc在控制时域mδt内的预估输出值构成的向量取当前时刻向前mδt时段内，储能soc计划值构成的向量r
ref
为跟踪控制目标，以y
f
与r
ref
之间的误差最小为目标，同时使控制变量u尽量小，将滚动优化控制转化为如式(3)所示的二次规划问题：式中，j为目标函数；h表示储能soc跟踪误差的权重系数矩阵；g为控制变量的权重系数矩阵；a，b为不等式约束中的系数矩阵；aeq，beq为等式约束中的系数矩阵；lb，ub为变量的上下区间；x表示各电源的出力或者调整量，电源为储能或燃气机；(3)求解式(3)所示的二次规划问题，得到控制时域mδt内所有电源出力计划构成的优
化控制序列，在下发指令时刻仅将控制序列的第一个值下发到控制系统，等待下一个周期到来时，重复上述滚动优化过程。3.根据权利要求2所述的方法，其特征在于，通过调用matlab二次规划quadprog函数求解式(3)所示的二次规划问题。4.根据权利要求1所述的方法，其特征在于，采用低通滤波算法将燃气机出力计划划分为低频分量和高频分量，具体按照以下式(4)对基于模型预测控制计算出的燃气机出力计划进行滤波，将滤波得到的低频分量分配给燃气机，余下的分配给储能；p
gt_out
(t)＝α
·
p
gt
(t)+(1-α)
·
p
gt_out
(t-1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4a)α＝2π
·
δt
·
f0/k
f
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4b)式(4)中，p
gt
(t)为t时刻滤波器输入信号，具体为燃气机出力计划，基于模型预测控制计算得到；p
gt_out
(t)为t时刻的滤波器输出的低频分量，作为燃气机低频出力计划；α、f0、k
f
分别为数字滤波器的时间常数、初始截止频率以及截止频率系数；δt为采样时间间隔。5.根据权利要求4所述的方法，其特征在于，当前时段t的截止频率系数k
f
(t)，基于模糊控制进行自适应计算得到；其中，模糊控制的输出为：当前时段t的截止频率系数k
f
(t)；模糊控制的输入为：上一时段的截止频率系数k
f
(t-1)，以及当前时刻与上一时刻向前mδt时段内燃气机出力计划的波动率之比b(t)，如式(5)所示：波动率之比b(t)，如式(5)所示：定义模糊控制的输入信号k
f
(t-1)的模糊语言集为{vs(很小)、s(小)、m(中)、b(大)、vb(很大)}，相应模糊论域划分为{1，2.25，3.5，4.75，6}；定义模糊控制的输入信号b(t)的模糊语言集为{nb(负大)，nm(负中)，ns(负小)，nz(负零)，z(零)，pz(正零)，ps(正小)，pm(正中)，pb(正大)}，相应模糊论域划分为{0.2，0.4，0.6，0.8，1，1.2，1,4，1.6，1.8}；定义模糊控制的输出信号k
f
(t)的模糊语言集和论域，与输入信号k
f
(t-1)的相同；基于以上定义，采用重心法作为模糊控制输出的解模糊方法，计算当前时段的截止频率系数k
f
，计算公式如式(6)所示：式(6)中，k
f
为模糊控制器的输出量解模糊后的精确值；μ
c
(x
i
)为输出量模糊集c的隶属度函数；n表示论域划分了n个区间，x
i
为模糊控制量论域内第i个区间的值。6.根据权利要求1所述的方法，其特征在于，步骤3中通过虚拟下垂/惯性控制动态调整储能出力，具体为：在微电网离线运行的频率波动过程中，储能采用如下式(7)所示的出力模型进行虚拟下垂/惯性控制，辅助燃气机对微电网调频；其中，在惯性响应阶段内，设置虚拟惯性控制为主，虚拟下垂控制为辅，如式(8)所示；在调频阶段内，设置虚拟下垂控制为
主，虚拟惯性控制为辅，如式(9)所示：主，虚拟惯性控制为辅，如式(9)所示：主，虚拟惯性控制为辅，如式(9)所示：式中，δp
bes_f
为储能的调频出力；k1、k2分别表示虚拟下垂、虚拟惯性控制系数；a1、a2分别表示虚拟下垂、惯性控制的权重分配系数，a1+a2＝1；δf(t)表示频率偏差；δf
low
表示参与调频的频率偏差阈值；δf
max
表示最大频率偏差；n为与分配系数相关的固定参数。7.根据权利要求1所述的方法，其特征在于，步骤3中通过soc自恢复控制动态调整储能出力，具体为：在微电网离线运行的频率偏差小于给定阈值的时候，储能根据偏离soc计划值的程度进行自恢复，且储能自恢复功率δp
bes_r
的计算模型如式(10)：的计算模型如式(10)：式(10a)中，m为预设的较小正常数，用于保障储能soc自恢复过程不会影响到频率变化；soc(t)为当前时刻储能荷电状态；soc
min
为储能荷电状态下限值；soc
ref
(t)为当前时刻储能soc计划值，由模型预测控制与低通滤波算法计算得到；k
p
表示为解决频率控制和能量恢复之间冲突所引入的限制系数，取值按式(10b)根据频率偏差和soc状态而定。

技术总结
本发明公开了一种微电网离网运行场景下基于模型预测控制-低通滤波算法的分层协调频率控制方法，包括：在上层分钟级控制中，基于MPC并以储能SOC和电源出力变化最小为目标滚动调整电源出力计划；采用低通滤波算法，将燃气机出力计划划分为高、低频分量，进一步调整电源出力计划：由储能和燃气机分别承担其中的高、低频分量；在底层秒级控制中，通过虚拟下垂/惯性控制以及SOC自恢复控制动态调整储能出力，协同燃气机共同参与调频。本发明不仅能有效降低系统的频率波动，还能降低燃气机出力的变化幅度，避免其频繁的往复动作损坏设备。同时，储能在辅助调频过程中可以很好的跟随SOC计划值，保证离网系统能够按照供能计划持续稳定运行。续稳定运行。续稳定运行。


技术研发人员：刘小龙 孟娅 杨亚超
受保护的技术使用者：湖南工程学院
技术研发日：2023.03.16
技术公布日：2023/7/11