云边协同架构下计及能碳管理的微电网频率控制方法

摘" 要：针对微电网内部新能源占比高、传统同步机调频资源有限而频率波动频繁的问题，提出一种基于云边协同架构的电动汽车辅助H∞频率控制策略。首先，考虑到电动汽车的荷电状态（State-of-Charge， SoC）限制，将边缘终端配置在微电网内的充电站，并在边缘终端部署一种计及SoC而不破坏微电网频率控制架构完整性的能碳管理方法。其次，在微电网云端控制中心，部署基于H∞的控制算法以调节传统同步机和电动汽车充电站的输出有功功率。仿真算例结果表明，与传统频率控制策略相比，所提方法具有一定的可行性与优异性。

关键词：微电网；电动汽车；频率控制；能碳管理；延时与丢包

中图分类号：TP391 文献标志码：A" " " " " 文章编号：2095-2945（2023）19-0169-04

Abstract： Aiming at the problems of frequent frequency fluctuations in microgrid with high-proportional renewables and limited frequency regulation resources， an auxiliary H∞ frequency control strategy for electric vehicles based on cloud edge collaborative architecture is proposed. First of all， considering the State-of-Charge （SoC） limitation of the electric vehicle， the edge terminal is arranged in the charging station in the microgrid， and an energy and carbon management method which takes into account SoC without destroying the integrity of the microgrid frequency control architecture is deployed at the edge terminal. Secondly， in the cloud control center of microgrid， a control algorithm based on H∞ is deployed to adjust the output active power of traditional synchronous machines and electric vehicle charging stations. The simulation results show that the proposed method has certain feasibility and superiority compared with the traditional frequency control strategy.

Keywords： microgrid; electric vehicle; frequency control; energy carbon management; delay and packet loss

微电网（Microgrid， MG）是解决山区农村、大型海岛等偏远地区供电难的最有效手段[1]。不同于传统同步机组有功功率输出的可控性，新能源机组有功功率的输出往往受到天气因素的影响而呈现间歇性与波动性[2-3]。其与微电网内负荷需求的不确定性相叠加，导致微电网有功功率供需两端波动较为频繁，进而对微电网频率稳定性产生不利影响[4]。近年来使用电动汽车入网（Vehicle to Grid，V2G）技术提供辅助调频资源，可有效分担同步发电机的压力，故受到学者的广泛关注。

文献[5]在建立含电动汽车的微电网频率控制状态空间方程的基础上，提出基于模型预测控制的控制策略。然而，文中假设参与频率控制的电动汽车数量始终是恒定的，故方法适用性有待提升。文献[6]、[7]则考虑电动汽车的荷电状态（State-of-Charge， SoC）因素，提出一种计及SoC的频率控制任务自适应分配方案。然而，该方法本质上导致微电网频率控制系统的结构随SoC的变化而不断改变。文献[8]则进一步考虑了电动汽车与控制中心中的延时影响，基于特征值计算方法推导了延时允许时滞上限。然而，对实际微电网而言，可能存在实际延时大于允许时滞上限的情况。

随着物联网技术、边缘计算技术等在电力系统中的逐步应用，在更加靠近数据源侧部署具备一定数据计算、分析能力的边缘计算装置提供额外的计算资源支撑以分担电网云端控制中心的计算压力成为当前电力系统的发展趋势，称为云边协同方式。基于上述背景，本文提出一种运行于云边协同架构下的电动汽车辅助微电网频率控制策略。

1" 云边协同微电网频率控制架构

图1示出了本文所提云边协同架构下的微电网频率控制架构。边缘计算装置部署于电动汽车充电站内，负责本地当前阶段参与辅助调频的电动汽车集群模型上传以及调频任务的分配。而云端则在汇聚微电网频率偏差以及充电站上传的模型参数的基础上，进行微电网频率控制指令的更新。

2" 云端最优H∞频率控制指令更新策略

云端控制中心需要根据当前的微电网频率偏差情况，实时制定传统同步机调频机组与充电站的有功功率输出。而对于微电网而言，持续的频率偏差会造成运行网损上升、继保装置拒动或误动、用电设备寿命下降等一系列不利影响。因此，微电网的频率控制系统需要对外部功率的影响满足一定的衰减性能。此外，云端控制中心的控制指令下达以及微电网运行状态的上传均需要通过网络进行，故随机延时与丢包对频率控制性能的影响同样不可忽略。因此，本节首先在推导计及延时/丢包因素的闭环微电网频率控制系统稳定性约束条件的基础上，将控制器设计问题转化为约束优化问题。

2.1" 计及延时/丢包因素的频率控制闭环模型

由于控制指令需要等待底层采样的频率偏差信息上传到控制中心后才能更新，故状态上传延时和控制指令下达延时可以等效为状态量上传的单边延时。令总延时量为τ，满足τ≤LTs（L∈Z+，Ts为采样周期）。离散化的开环频率控制系统满足

从表2中可知，本文的频率偏差与文献[10]相近而较文献[9]增大了12.77%；类似地，峰值时间与文献[10]相近而较文献[9]延长了15.79%。但稳态时间本文所提方法与文献[10]和文献[9]相比缩短了43.25%和67.07%。最终的频率偏差绝对值积分本文则比另外2个方法减少了36.31%和46.60%。其原因在于，本文所提方案可以视为在文献[10]固定分配因子基础上的进一步修正。所提可变分配因子设定方案保证了充电站对外动态特性的不变，故控制性能接近；相反地，文献[9]中参与因子随着SoC的变化而变化，从而导致微电网频率控制系统的结构发生不确定性变化，从而影响了对应的动态性能。具体体现为在频率恢复过程的末端，由于电动汽车SoC的下降而参与微电网调频的程度降低，从而导致微电网的调频资源不足而恢复时间变长。

4" 结论

针对微电网频率稳定性受到来自物理层调频资源有限和来自信息层不确定延时与丢包的双重挑战，本文提出一种在云边协同架构下利用电动汽车辅助的频率控制策略。通过在充电站部署边缘计算装置实现电动汽车调频任务自适应分配的同时，保证了充电站对外动态特性的不变性，从而有利于微电网云端控制中心的控制策略设计。此外，通过计及动态性能提升的网络化频率控制策略设计，实现了对频率偏差的快速阻尼。未来将进一步关注网络存在入侵风险下的微电网频率安全控制策略。

参考文献：

[1] 于国星，宋蕙慧，侯睿，等.柔性直流互联孤岛微网群的分布式频率协同控制[J].电力系统自动化，2020，44（20）：103-111.

[2] KHALGHANI M R， SOLANKI J， SOLANKI K S， et al. Stochastic secondary frequency control of islanded microgrid under uncertainties[J]. IEEE Systems Journal， 15（1）：1056-1065.

[3] NIGAM S， AJALA O， DOM？魱NGUEZ-GARC？魱A A， et al. Controller hardware in the loop testing of microgrid secondary frequency control schemes[J]. Electric Power Systems Research， 2021，190（1）：1-7.

[4] YANG T， ZHANG Y， WANG Z， et al. Secondary frequency stochastic optimal control in independent microgrids with virtual synchronous generator-controlled energy storage systems[J]. Energies， 2018，11（1）：1-14.

[5] 马苗苗，潘军军，刘向杰.含电动汽车的微电网模型预测负荷频率控制[J].吉林大学学报（工学版），2019，49（5）：1644-1652.

[6] 杨健维，董鸿志，廖凯，等.计及电动汽车辅助调频的负荷频率控制联合优化[J].电力自动化设备，2019，39（3）：200-206.

[7] VACHIRASRICIRIKUL S， NGAMROO I. Robust LFC in a smart grid with wind power penetration by coordinated V2G control and frequency controller[J]. IEEE Transactions on Smart Grid， 2014，5（1）：371-380.

[8] 李晓萌，贾宏杰，穆云飞，等.时滞环境下基于电动汽车与电热泵的协调频率控制[J].电力自动化设备，2020，40（4）：88-95.

[9] YANG T， ZHANG Y， LI W， et al. Decentralized networked load frequency control in interconnected power systems based on stochastic jump system theory[J]. IEEE Transactions on Smart Grid， 2020，11（5）：4427-4439.

[10] JIA H， LI X， MU Y， et al. Coordinated control for EV aggregators and power plants in frequency regulation considering time-varying delays[J]. Applied Energy， 2018，210（1）：1363-1376.

第一作者简介：叶帮武（1981－），男，高级工程师。研究方向为电碳计量，能碳管理系统，分布式新能源与微电网技术等。