社区微电网随机太阳风环境的鲁棒控制方法研究及实验验证

工程科学与技术，国际期刊23（2020）1084完整文章随机太阳风环境Dhananjay Kumara，H.D.Mathura，S.巴诺特河班萨尔湾a印度拉贾斯坦邦Pilani Birla技术科学学院电气和电子工程系b阿拉伯联合酋长国阿提奇莱因福奥文章历史记录：收到2019年2020年1月13日修订2020年2月17日接受2020年3月2日网上发售保留字：社区微电网小信号模型可再生能源频率控制控制器硬件在环（C-HIL）A B S T R A C T社区微电网（Community Micro-Grid，CMG）是由一个或多个配电站服务的协调的本地电网区域，由本地可再生能源和其他分布式能源（DER）支持。在孤岛模式下，CMG的稳定性降低，由于低惯性的等效系统和随机性的可再生能源（RES）。为研究孤岛CMG系统的频率稳定性，探讨了CMG中不同电源的数学建模问题和社区微网模型的鲁棒控制设计。基于固定结构H1综合的鲁棒设计提出了一种补偿建模不确定性影响的方法。 中的不确定性CMG模型导致参数扰动，这降低了其性能和稳定性。本文探讨了现有的CMG的数学模型和不同的控制技术应用于频率调节。提出了CMG鲁棒控制器的设计，可以处理的随机输入干扰，如突然变化的功率来自太阳能和风能的来源，也模型的不确定性，导致参数摄动。利用MATLAB Simulink平台对整个模型进行了仿真，比较了鲁棒控制器和PID控制器对频率偏差的控制效果。控制器硬件在环（C-HIL）验证CMG的鲁棒控制方法已经完成了使用实时控制器板（DS 1104）。该CHIL系统还实现了CMG工厂控制器模型，并分析了负载和可再生电力波动的频率偏差。分析了来自太阳能和风能的可再生电力突然上升或下降时频率偏差的振荡。使用鲁棒控制器比PID控制器在频率超调和建立时间方面该控制器的研制和实现-采用H1综合方法得到的CMG模型具有鲁棒稳定性和鲁棒性能，显示出更好的时间响应，不像PID控制器。©2020 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 1. 介绍城镇的各个社区应该能够拥有自己的独立电网，这些电网基于当地产生的能源，具有足够的工作能力，无论是否连接电网。这将有助于在中央电网因任何原因出现故障时为社区供电，并以有效的方式为关键和非关键负荷供电这种类型的电网设施被称为社区微电网（CMG），在电力需求期间充当生命线。*通讯作者。电 子 邮 件 地 址 ： djaydelhi@gmail.com （ D.Kumar ） ， mathurhd@pilani.bits-pilani.ac.in （ H.D. Mathur ） ， surekha0057@gmail.com （ S. Bhanot ） ，rcbansal@ieee.org（R.C.Bansal）。由Karabuk大学负责进行同行审查自然灾害，帮助损害控制服务[1CMG的优点包括：（a）它可以在危机(b)它有助于保持清洁的环境（c）它可以提高社区的财政状况（c）它有助于中央电网更有力地运作。与中央电网不同，CMG电力系统在结构、规模和功能上有所不同。根据[5]，CMG在以下方面不同于中央电网：（a）较小的系统尺寸（b）较高的RES转换率（c）较高的系统不确定性（d）较低的系统惯性CMG在物理和功能上不同于中央电网，因此应考虑这些差异进行研究和分析。与中央电网相比，社区微电网在物理上非常小，其额定值可能从数百千瓦到数百兆瓦不等。与随机太阳能和风力发电相关的不确定性和可变性问题是本研究的主要焦点https://doi.org/10.1016/j.jestch.2020.02.0052215-0986/©2020 Karabuk University.出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：www.elsevier.com/locate/jestchD. Kumar等人/工程科学与技术，国际期刊23（2020）10841085CMG的小信号模型足以研究负载和发电机功率扰动下的为了研究CMG对负载或电源功率变化的动态响应，文献[6在[6]中提出了一种混合电力系统模型，以吸收由风力涡轮机功率振荡引起的系统频率波动在这项工作中使用三个独立的PI控制器是不合理的，因为任何一个控制器的性能/稳定性差可能会降低整个系统的性能/稳定性在文献[7]中，提出了一种用于MG的模糊PI控制器设计，该MG具有所有源的一阶传递函数模型，但该模型的主要问题是它难以处理由于系统中的不确定性而引起的在[8]中已经提出了用于控制器整定的进化计算技术（如细菌觅食优化（BFO））的应用，但它们仅考虑系统的标称模型来优化控制器在[9]中提出了考虑热电和风力发电中的不确定性的成本和风险水平最小化。[10，11]中介绍了处理RES和负荷需求中的不确定性的不同随机优化方法。在 [12] 中 ， 通 过 比 较 BFO 、 遗 传 算 法 （ GA ） 和 粒 子 群 优 化（PSO），提出了用于微电网自动发电控制的人工智能（AI）技术。电动汽车（EV）的建模及其参与CMG频率控制已在[13]中采用惯性仿真给出。储能在MG中的作用非常重要，但必须遭受额外成本和有限生命周期等缺点。在[14]中，已经针对基于光伏（PV）、柴油和燃料电池发电的MG提出了不使用存储的能量管理技术。在[15]中介绍了EV作为替代存储源的引入及其使用通用II型模糊逻辑集（GT2FLS）和用于MG中频率调节的改进和声搜索算法的有效控制。[16]中的工作提出了MG的建模和使用基于萤火虫算法（FA）的PID控制器的用于频率控制的控制器的优化。 两种鲁棒控制器基于“H 1”和“I”合成的方法没有给出实验验证。实时实现-在[18]中提出了频率调节的鲁棒控制器综合。在[19]中研究了小信号孤岛MG模型及其时域仿真。在[20]中提出了一种用于负载频率控制的基于强化学习的PID优化为了解决可再生能源和负载需求的动态变化，[21]中提出了一种实时经济调度方法。[22]中的工作提出了一个考虑与风能、太阳能光伏和负载需求相关的不确定性影响的最优调度问题。[23]中提供了弱电网情况下电感-电容-电感（LCL）滤波单级光伏发电机的功率振荡分析，并进行了实时硬件在环（HIL）验证。在[24]中，解释了电网阻抗对太阳能光伏发电机低频和高频稳定性的影响采用CMG电力系统各电源的单阶传递函数模型进行建模。这些数学模型忽略了一些建模动力学，它只是一个近似模型。为了研究这些模型的实际动力学由于不确定性，被控对象模型对扰动变得更加敏感，并可能导致模型参数的扰动。这种扰动可能会导致CMG系统的非线性行为因此，CMG系统的标称模型可能无法响应不确定干扰，因为传统的控制器，如PID和模糊逻辑已经发展，而不考虑不确定性。在本文中，已开发的CMG系统的鲁棒小信号模型，考虑建模参数的摄动和不稳定性的太阳能，风能和负载功率。为了研究频率稳定性，对所开发的鲁棒控制器进行了测试，并与传统控制器进行了比较，以应对太阳能和风能变化等随机干扰，整个系统是用实时硬件在环（HIL）设置来实现的。第二节讨论了具有局部RESS和辅助源的CMG的结构和建模。第三节提出了用反应曲线法整定PID控制器的频率调节现象的概念。第四节提出了基于H1综合取惯性系数（M）和负载阻尼的±50%扰动在CMG的电力系统模型中引入常数D，并进行了鲁棒稳定性和鲁棒性能检验。第五节给出了鲁棒控制器对负载频率响应的仿真结果，并与PID控制器进行了比较一个完整的CMG系统的硬件在环（HIL）实现也已经完成，并在不同的太阳能和风能的频率振荡已被记录分析。第6节总结了本文所做的工作。2. 社区微电网社区微电网（Community Microgrid，CMG）是一个协调的本地电网区域，由一个或多个配电变电站提供服务，并由本地可再生能源和其他分布式能源（DER）的高渗透率提供支持，如储能和需求响应。2.1. 社区微电网为了研究的目的，这里考虑的CMG的结构是独立的电网，其具有诸如风能和PV源的RES、诸如电池和飞轮的存储源以及诸如柴油发动机发电机（DEG）、燃料电池（FC）和微型涡轮机（MT）的辅助源。RESs的输出是不受控的，因为它依赖于天气并且本质上是高度随机的，因此需要这种受控的源。这些受控源，即MT、DEG、FC在RES功率下降时起到这些受控源需要一定的时间来响应和馈送CMG，因此需要这样的源，其可以支持电网直到受控源接通。为了满足这一要求，应用了在正常情况下充电的存储系统（电力供应等于或大于需求）。一旦需求大于供应，则存储源立即在较短的时间内被激活，并提供大量的电力来平衡需求和供应。CMG的总体示意图如图1所示，图1显示了分布式资源通过功率转换器集成到交流总线。功率逆变器用于产生直流功率的那些源，例如太阳能PV和FC，而双向功率转换器用于电存储单元，例如电池储能系统（BESS）和飞轮储能系统（FESS）。双向功率转换器在对存储器充电时作为整流器工作，在放电时作为逆变器工作。图1示出了具有AC总线、负载和功率转换器的CMG的一般示意图，以控制MG内部的功率流动态[25]。由DER产生的用于供应负载需求的总功率PT是WTG、PV、MT、DEG、FC的输出功率和来自电存储单元（BESS和FESS）的功率1086D. Kumar等人/工程科学与技术，国际期刊23（2020）1084Fig. 1. 孤岛模式下社区微电网的一般示意图。当量（1）示出了CMG内部产生的总功率的表达式。PT 公司简介 PDEG将负载侧功率的瞬时变化与总发电功率进行比较，并且通过增加或减少来自FC、DEG、MT和存储源的功率份额来使差异最小化。当量（2）示出了总功率DPT的小变化的表达式，其是来自可再生能源和人工（辅助）电源的功率变化的总和。人工源直接与MG中的频率调节现象有关。DPT¼ DPWTG PPV PP DEG PPMTPFCn DPBESSn DPFESS2.2. 可再生能源本节简要回顾了不同作者在CMG中采用的可再生能源数学模型。为了设计，控制器的频率调节作者假设一个小信号传递函数模型的时间滞后的可再生能源CMG。CMG的主要可再生能源为风力涡轮发电机（WTG）及太阳能光伏（PV）发电厂。为了对太阳能光伏发电进行建模，根据[19]由当量（3）它指出，功率与太阳能辐射U（瓦特/平方米），假设环境温度（Ta）、表面积（S）和效率（gPV）为常数。具有时间常数TPV和TWTG[6一些作者还采用了光伏系统的二阶传递函数模型[20]。2.3. 控制力矩陀螺辅助源模型为了在不同的情况下支持CMG，如高峰负荷期间，低/无可再生能源发电，紧急天气条件，必须有一些人工源，如柴油发动机发电机（DEG），微型涡轮发电机（MTG）和燃料电池发电机（FCG）。这些能源的组合额定值必须等于系统基数，以便即使在没有可再生能源发电的情况下也能满足总电力需求。存储源用于通过致动辅助源来补偿与风力和太阳能发电相关联的可变性。当可再生能源由于任何原因（如自然灾害，设备故障等）而不生产时，存储和辅助能源完全接管。多位作者报告了DEG的动态模型，即柴油机和调速器的组合形式[17，20]。根据[17]它是具有时间常数和增益参数的一阶系统。但在文献[20]中，DEG模型被表示为调速器和发动机的传递函数模型的组合。根据[26-31]，DEG模型主要有三个控制器、致动器和发动机，其中死区时间T_dead（在10 ms至10 s的范围内，典型值为500 ms）。研究采用的DEG示意图如图所示。 二、PPV 1/4gPVSUf1-10：005Ta2015年12月25日控制器设计有两个变体，即一阶和二阶模型，并且它基于以下参数生成致动信号：如[19]所述，风力涡轮发电机的数学模型被表示为具有合适增益和时间常数（TWTG）的一阶滞后系统。[19]中给出了风速模型，该模型取决于基本风速、阵风风速、斜坡风速和噪声风速。风是一种随机现象，取决于几个地理条件。风力涡轮机的功率输出取决于实时风速和风力涡轮发电机所采用的技术。变速机用于将风力的机械能转换成电能。对于频率控制研究，太阳能光伏电站和风力涡轮发电机的模型被建模为具有滞后速度错误输入。致动器控制输入到发动机的燃料，发动机进一步燃烧燃料以产生机械扭矩。这个扭矩使惯性常数（H）和阻尼系数（K）的飞轮旋转以产生机械功率。假设单位torque常数，电功率被导出为Δ-Δ的乘积tric发电机效率（ggen）和机械功率柴油机。图3（a）和（b）示出了通过使用PID控制器的DEG速度和功率的阶跃响应。在CMG结构的小信号模型中，DEG被建模为具有时间常数（TDEG）的一阶系统，该时间常数足以研究频率调节的动态特性。为了研究CMG结构的小信号动力学行为，将DEG建模为D. Kumar等人/工程科学与技术，国际期刊23（2020）10841087.Σ图二. 柴油机发电机系统的闭环模型示意图。图三. 相对于应用参考的DEG速度和功率响应（a）使用PIDN控制器（b）二阶补偿器。一阶系统与时间常数（TDEG）。在图1所示的示意图中， 2.调速器部分，由控制器致动，该控制器使柴油发动机的参考速度和期望速度之间的误差最小化。这里提出了两种类型的控制器来基于参考速度控制DEG的速度第一个是具有指定增益Kp、Ki、Kd的PID控制器和具有系数N的滤波器，而另一个控制器根据[31]构建，并且由具有二阶传递函数的补偿器给出，其参数在表1中表示。控制器的表达式（4）和（5）。在图3中，可以可视化DEG的闭环响应，其示出了参考功率之后的速度与功率动态。图3（a）示出了用PIDN控制器获得的响应，图3（b）示出了用二阶补偿器获得的响应。表1柴油发电机控制器参数。参数值参数值Kp0.745 a 1Ki0.0296 b 1Kd-1.41 c 0.02N 0.36427 d 0.02T死第一季第一集G1sKpKi=sKd：N=1N=s4G2的计算公式为：图1所示的方框图。图4表示微型涡轮发电机（MTG）的示意图。MTG的工作原理是1088D. Kumar等人/工程科学与技术，国际期刊23（2020）1084Þ见图4。 微型涡轮发电机系统的闭环模型示意图。基于被称为布雷顿循环的热力学循环[32]。微型涡轮机是小型涡轮机，其燃烧液体或气体燃料以产生进一步驱动发电机的高压气流。MTG的快速启动等功能使其非常适合电网支持，特别是在高峰电力需求期间。一般MTG的额定功率范围为30至400 kW，而常规燃气轮机的范围可从500 kW至300 MW[32]。与类似尺寸的往复式发动机相比，MTG的电效率较低，但由于其具有一些有利的特征，如设计更简单、旋转部件更少、更可靠、安装更简单、噪音和振动更低、维护更少、排放更低、连续燃烧和相对较低的资本成本，因此是首选[33，34]。 微型涡轮发电机的输出功率、电压和频率范围分别为40 - 500 kW、120为了研究MTG系统在小扰动下的动态特性，本文采用了一阶时滞系统的小信号模型。为了仿真的目的，CMG中的MTG模型由具有时间常数（T_MT）和死区时间（T_dead）的一阶系统表示。燃料电池用于发电是受欢迎的，这是由于需要（i）清洁的环境（ii）易于运输的发电机（iii）消耗化石燃料储备，(iv)易于集成到可再生能源，如风能和光伏发电以及孤岛CMG。对于偏远社区来说，它是辅助电源的强有力来源之一。它是一种电化学装置，将燃料（氢）和氧化剂（氧）的化学能转化为电能后产生电能。为了清楚地了解FCG的工作和行为，读者可以参考[36文献[37]从非线性模型导出了FCG的线性模型，并设计了控制器。它提出了一个线性模型，电池电压和功率与堆电流密度和阳极入口流量。燃料电池的小信号模型是一个具有滞后的一阶系统，它由具有适当增益和时间常数的传递函数表示[4，7，16，17，39，40]。根据[40，43]，FCG模型由三个不同的部分组成，即燃料块、用于将直流电压转换为交流电压的逆变器和在FC模型中集成高阶特性的互连设备（IC）。燃料电池系统的详细模型在[41，42]中给出。为了研究作为控制力矩陀螺动力源的FCG，建立了一个带有时间常数的一阶传递函数模型， 采取在CMG模型中。2.4. CMG中的存储资源模型为了保证CMG电源系统的稳定性，蓄电池储能系统（BESS）对频率偏差的响应速度非常快。根据文献[6-BESS的功率输出通过将CMG的频率偏差作为输入馈送到BESS中而变化。在[47]中，提出了一种基于自抗扰控制器（ADRC）的实时BESS频率控制模块，以抑制由负载和风电波动引起的干扰。在[48]中，电池存储的模型也由增益和时间常数表示，并应用于微电网内的主频率控制。BESS和建模技术的详细调查在[49]中给出。在[50]中介绍了电池内部发生的物理现象以及BESS对电力系统的影响，其主要目的是为电力系统稳定性研究建立BESS模型。在[51]中，介绍了电池储能在工程项目中的电源系统应用，并设计和实现了电源转换和控制系统。BESS的电模型超出了本研究的范围，因此本工作考虑BESS的小信号模型。因此，在这项工作中，BESS模型是一个一阶系统的滞后和时间常数（TBESS）。飞轮储能源（FESS）：FESS可以存储在机械能的形式，并在短时间内以电能的形式输送而无需充电。这种储能机制适用于微型/小型电网等中等规模的电力系统。为了分析CMG动力系统的稳定性，对飞轮系统进行建模，使其响应于频率偏差。在[52]中，已经给出了用于风力-柴油发电系统的飞轮能量存储的控制和仿真FESS的电气模型及其控制可以从[53，54]中进行研究。FESS的存储时间通常在5到30秒之间[55]。根据文献[6-2.5. CMG的状态空间模型对于动态分析，CMG的状态空间数学模型由表示CMG系统的线性状态空间模型的等式（6）-（9）表示。D. Kumar等人/工程科学与技术，国际期刊23（2020）10841089x_¼Ax轴向B1w轴向B2uy<$cx160其中，表2柴油发电机控制器参数。参数值参数值D（p.u/Hz）0.012 TDEG（s）2M（p.u-sec）0.2 TFC（s）4xT¼½DPWTG DPPV DPDEG DPFC DPMT DPBESS DPFESS Df]7TBESS（s）0.1 TFESS（s）0.1TPV（s）0.36427 TWTG（s）1.5TAE（s）1 KP， KI 1.5，2.5wT¼½DPwindDUDPLOAD]8yDf9其中u表示信号控制信号，D表示增量变化。在图5中为CMG模型开发的结构中，干扰信号（w）是风力发电机的风力功率变化、太阳能光伏的太阳辐照度变化以及CMG系统用户的负载需求变化，它们分别表示为DP风、DU和DP负载。3. CMG中的频率控制CMG主要依赖于太阳能和风能等可再生能源，导致系统惯性较低的孤岛交流电网。 由于低惯性，它对干扰和参数不确定性更敏感，因此其稳定性受到损害。CMG的有功和无功功率连续跟踪，以确保电力系统的稳定性，分别与频率和电压。本文对CMG中的有功功率控制或频率调节进行了详细的研究。在前面的章节中，已经详细讨论了不同的可再生能源、辅助能源和存储能源。分布源的实际模型可能是高阶的，具有动态频率响应。在这项研究中，低阶，动态模型被认为是sidered小干扰稳定性分析。为了研究控制力矩陀螺（CMG）电力系统在小信号变化时的动态特性，建立了CMG的数学模型。表2显示了该列表在开发的CMG模型中考虑所有源的参数[17]。4. CMG对象的等效传递函数和小信号模型基于各源的数学模型，导出了完整CMG系统的传递函数，给出了频率偏差的微小变化（Df）与净功率的微小变化（DPf）之间的关系。净功率就是发电功率DPT的变化与负载变化之间的关系功率DPLOAD。CMG电厂小信号模型如图5所示，主要由三个输入组成，即风力变化、太阳能输出和负载功率变化。这三个输入作为CMG设备模型的干扰输入。电池和飞轮这两个存储块是并联的，可以一起使用，并且它们也在CMG对象模型的反馈路径中。传递函数的推导通过组合图6的不同块来获得。图7示出了具有两个反馈回路的闭环系统的等效框图。内环包含转发路径中的块G和反馈路径中的块f。外环由具有单位反馈的三个并行块组成。三组受控源的等效传递函数与内环的传递函数是串联的。串联等效传递函数具有单位反馈。图7（顶部）示出了简化的框图，图7（底部）示出了CMG系统的总体传输功能。4.1. 调节控制器第一步是调整控制器的CMG工厂获得方程。（十）、为此，Zeigler Nichols（ZN）方法图五. CMG结构的小信号模型，用于频率响应研究。1090D. Kumar等人/工程科学与技术，国际期刊23（2020）1084图六、用于负载频率分析的CMG模型的框图表示见图7。对于CMG模型，带有控制器的设备框图（上图）用于负载频率分析的CMG模型的整体传递函数（下图）。应用。根据ZN的第一种方法，也称为工艺反应曲线图如图所示。8.第八条。图8（a）示出了用于找到过程增益“K”、时间常数“T”和死区时间“L”的曲线图图8（b）示出了设备的过程反应曲线，图8（c）示出了CMG设备模型的开环和闭环响应。表3显示了使用反应曲线调整方法获得的参数，并且该方法的调整规则已在表4中给出。图1所示的控制器“K“的传递函数。 7（top）由（10）给出。0： 3535s2 3： 376s 8： 062K0： 4188- 10分钟图8.第八条。通过工艺反应曲线法调整CMG设备的曲线图（a）工艺反应曲线（b）用于找到过程增益、时间常数和死区时间的曲线图（c）受到阶跃参考的开环和闭环CMG设备模型的响应曲线图。5. 控制力矩陀螺的鲁棒控制实现本节解释鲁棒控制器所涉及的步骤表3用反应曲线法获得调谐参数CMG工厂的设计和实施。稳健性分析由H综合开发鲁棒控制器。过程增益（K）时间常数（T）时间延迟（L）1第一个任务是找出不确定性，然后通过数学公式对CMG的不同参数进行建模。基于这种不确定性，给出了最优H1控制器的数学设计方法.最后，对所设计的控制器进行了稳定性和性能无论是在标称情况下还是在存在扰动的情况下。关于建模、不确定性和带加权函数的闭环线性分式变换模型的设计，可参考文献[14]。图9表示用于H1合成的标准化闭环LFT（线性分数变换）结构。1.48842 2.09389 0.0666178表4反应曲线法的调整规则。控制器类型Kp Ki KdPT=KLPI 0： 9ω πT=KLπ 3LPID 1： 2ωT=KL2L0： 5LD. Kumar等人/工程科学与技术，国际期刊23（2020）108410911ð Þ11见图9。H1合成的标准LFT结构kWe1GP-1WpK1GP-1k1 13<6.1. H1稳定性和性能标称 模型： 在标 称条件下 的推导模 型进行测 试的标 称稳定性（NS），它被发现是令人满意的，因为从干扰输入到期望的输出，即Twz的闭环系统传递函数是稳定的设计控制器K1。对于标称模型，标称性能的估计mance（NP）是通过寻找灵敏度函数的无穷范数来完成的和互补灵敏度KS。根据6. 鲁棒控制器综合的H鲁棒控制器综合可以看作是一个优化控制器的问题，赋予鲁棒性的设计。在Hardy空间（H-空间）上进行优化，使线性分式变换（LFT）模型的无穷范数最小.的EQ。（11）是Hardy空间上最优化问题的一般表达式。kFLG;Kk1111这里，kFL<$G;K<$k1表示闭环中的标称系统，其从干扰输入到受控输出的传递函数表示为方程：（12）作为传递函数矩阵。这里的主要目标是得到一个稳定的控制器，以及它的在标称性能的条件下，S和KS值没有越过图10所示的曲线图中的上限。在图10（a）的S曲线图中示出，（13）的无穷范数小于1，并且KS曲线图也保持低于图10（b）中的上限。为了实现等式（12）和（ 13 ） 中 的不 等 式 ，使 用 MATLAB 中 的鲁 棒 控 制工 具 箱执 行hinfstruct命令obust模型：CMG模型的鲁棒稳定性的条件得到满足，因为对于每个可能的对象P/D/1/D/S/G/S/P，闭环系统Twz被发现是内部稳定的，其中块D/S是由于不确定性引起的扰动。为了检验鲁棒性能，给出了鲁棒性能准则，对于指定的扰动（P），必须满足方程（13）图 11表明，H1-范数的 不 等 式 表 示 为H方程中给出的扰动设备传递函数的范数。（13），减少到小于1的任意数。kWe1GK-1Wp K1GK-1k112<（13）小于1。在这项工作中，±50%的偏差，由于uncer-分析了D和M参数的偏差。图11（a）和（b）示出了包括动态扰动（P）的由（13）表示的不等式的S和KS 图 11（a）表明条件-见图10。 对于标称系统，（a）灵敏度-S和（b）互补灵敏度-KS的图。1092D. Kumar等人/工程科学与技术，国际期刊23（2020）10841111见图11。 对于扰动系统，给出了（a）灵敏度-S和（b）互补灵敏度-KS的图。见图12。 电力系统模型参数±80%扰动的KS函数图。不等式kWe1GP-1k1对于P1DsGs是成立的，kK<$1<$GP<$-1k远低于上限，即wu-1。RS和充满了。从图11（b）可以看出，kWpK1GP-1k保持良好，并且与此同时，RP条件是满足控制器K采取a-范数，这是表示在方程。（十三）、D. Kumar等人/工程科学与技术，国际期刊23（2020）1084109316.2. 稳健性限度M和D的偏差进一步逐渐增大，±50%，以测试系统（设备和控制器）可以处理的扰动极限。图12示出了± 80%扰动的KS函数的波特图，并且其刚刚触及上限，这表明所设计的控制器处于不稳定的边缘。图13解释了当系统参数受到± 80%以上的扰动时的状态，因为KS图是控制器具有比PID控制器更好的时间响应，然后通过使用dSPACE控制器板实现控制器硬件在环（C-HIL）对其最后，为了观察太阳能和风能变化对CMG频率的影响，将负载需求保持在恒定值，将外部太阳能和风能信号馈送到基于硬件构建的CMG系统。通过改变太阳能和风能的频率偏差的研究已经记录。情况1：频偏的时域仿真结果越过上界，系统变得不稳定。用PID和鲁棒H_∞控制器对负载功率偏差DP L进行控制控制器7. 结果和讨论这一节提出了四个不同的分析，以验证所提出的H1控制器的有效性，对传统的PID控制器。给出了时域仿真结果首先，显示的优越性，发达国家的鲁棒控制器的CMG系统的稳定受到模型参数摄动。一旦仿真结果表明，鲁棒记录了负载变化时CMG的频率偏差，并与用反应曲线法整定的常规PID控制器进行了比较 图 14表示CMG系统中的频率偏差，用于图14所示的施加负载功率。 15使用两种不同的控制技术，即 PID和结构H1。述放大视图对应于负载变化的模拟频率偏差在图16中绘出了第30秒和第40秒之间的曲线。从仿真结果可以看出，改进的时间响应的H1图十三. 电力系统模型参数摄动超过±80%时的KS函数图。图14. 通过仿真得到了小区微电网中阶跃负荷变化对应的频率偏差1094D. Kumar等人/工程科学与技术，国际期刊23（2020）1084图15. 多阶负载偏差的负载功率输入到CMG模拟设备。图十六岁放大视图的模拟频率偏差对应的负载变化之间的第30和第40秒.图十七岁研究了蓄电池储能电源输出功率的控制方法controller.电池储能电源（BESS）的功率输出如图所示。 十七岁案例2：通过PID和H1控制器采用PID控制器设计了闭环控制力矩陀螺系统，并进行了实验验证通过将不确定性纳入模型参数假设30%的不确定性，图18中一起绘制了两个控制器对阶跃负载扰动的响应。不确定性模型由随机-在指定的扰动范围内动态选择模型参数。随机选取的参数形成不同的不确定扰动模型和闭环响应的所有D. Kumar等人/工程科学与技术，国际期刊23（2020）10841095用PID和H1控制器对模型进行了验证放大图如图19所示，在这里可以清楚地观察到，所开发的H1控制器对参数扰动更具鲁棒性。情况3：频率偏差相对于负载功率偏差DPL的控制器硬件在环（C-HIL）结果dSPACE控制器板DS 1104是一款基于PowerPC技术的实时处理器，其I/O接口集使得图18. 采用PID和H1控制器的受图十九岁放大图为受扰CMG模型对第25秒负载变化的模拟频率偏差图20. 建议的控制器的硬件实现原理图。1096D. Kumar等人/工程科学与技术，国际期刊23（2020）10841图21.针对负载和电源干扰进行频率控制的硬件设置。该控制器板是开发驱动器、机器人和航空航天等各个领域控制器的理想解决方案。整个CMG设备和控制器使用MATLAB 2015 b接口构建在控制器板上，并且使用控制台软件记录控制器对输入干扰的响应。这些扰动是来自随机源的功率的变化，这些随机源被表示为DPWTG、DPPV和DPL。为了施加来自外部环境的干扰信号，通过DS 1104的ADC（模数转换器）引脚从直流电源（0-5伏）馈送多步信号。为了清楚地理解数据和控制信号的流程，硬件布置的示意图如图20所示。为了观察输入和输出参数，仪表，一个DSO（数字存储示波器）是通过连接的DAC（数模转换器）的DS1104引脚。频偏的峰值过冲取决于上升/下降速率干扰信号。实验验证的硬件设置如图21所示。实时硬件结果显示图22岁应用于CMG模型C-HIL设置的阶跃负载扰动信号频率偏差的CMG工厂使用H基于鲁棒控制，图22中所示的滑车对阶跃载荷的偏差被记录。该负载变化作为外部干扰输入从DC电源施加到CMG系统。图23示出了响应于施加到CMG的负载变化的频率偏差的C-HIL结果。表5显示了频率偏差Df的建立时间变化记录。案例4：CMG中频率偏差与风能和太阳能功率变化的控制即D-P风能和D-PPV在这种情况下，恒定的负载被施加到CMG，而输入到CMG的风和太阳干扰是变化的。在C-HIL设置中，风能和太阳能的变化通过可变直流电源供电。在不同时刻的上升和下降的不同组合中，风和太阳能的功率变化CMG的干扰输入信号，即 风力和太阳能发电如图所示。 24和相应的频率偏差绘制在图。 二十五记录的数据汇总在表6中，表6显示了风力/光伏功率变化、峰值过冲Mp和频率偏差Df的稳定时间ts。获取风电和光伏发电变化的初始值和最终值的时刻用t表示 和t.图23.对应于图1中应用的负载扰动的CMG频率偏差的硬件结果。22岁表5工况3的负载频率偏差响应负载扰动（p.u.）频率偏差（Hz）DfDPLOAD Peak Overshoot（Mp）Settling Time（Ts）（seconds）0.0260-0.0100 1.400.0520 0.0125 1.650.0460-0.0185 1.500.0280 0.0035 1.20CMG的C-HIL针对不同的动态场景进行了测试，如图2和3所示。23和24 不同的情景是：当（1）风力功率上升而太阳能功率恒定时（2）太阳能功率上升而风力功率下降时（3）风力功率下降而太阳能功率恒定时（4）风力功率上升而太阳能功率下降时（5）风力和太阳能功率上升时。每个事件对CMG系统的频率都有其自身的影响。对于不同的情况，CMG频率上的扰动的大小和行为是不同的.对于当风能或太阳能改变而保持其它功率恒定时的情况，则频率偏差是平滑的并且不显示振荡行为。0.0270 0.0072 1.700.0356-0.0720 1.350.0289-0.00811.55当来自一个源的功率上升而另一个源的功率下降时，频率偏差表现出振荡行为，直到功率的变化达到稳态。已经观察到，在恒定负载下，频率偏差跟随可再生能源中的功率上升或下降D. Kumar等人/工程科学与技术，国际期刊23（2020）10841097图24. 实时硬件结果显示可再生能源的变化，例如风能和太阳能在不同时刻的上升和下降。图25. 硬件结果显示了在不同时刻对应于风能和太阳能功率上升和下降的频率偏差。表6情况4的频偏响应DPWIND（p.u.）DPPV（p.u.）Df（Hz）At ti At tf At tf-ti At ti At tf At tf-ti MP ts0.008 0.439 0.447-0.009-0.008 0.001 0.0096 4.1750.439-0.007-0.446-0.009 0. 400 0.409 0.0027 5.2902019 - 04 - 04 0.007 - 0.407 0.0027 3.9750.439-0.007-0.446-0.007-0.007 0-0.004 4.0950.008 0.440 0.448-0.075 0.400 0.475 0.0035 5.8000.440-0.007-0.447 0.400-0.007-0.007 4.7508. 结论一个强大的小信号模型的CMG已经开发，仿真和实验验证，以分析频率行为对不确定性和突然变化的RES和负载功率的功率。针对控制力矩陀螺，设计了一种鲁棒控制系统，使其对不确定干扰和参数变化具有较强的免疫性。CMG的数学模型已被考虑非结构化的不确定性，它可以用来研究扰动社区微电网的动态行为。针对对象参数±50%的扰动，利用灵敏度函数和完全灵敏度函数设计并检验了控制器的鲁棒稳定性和性能。在时域仿真中，使用鲁棒控制器比PID控制器在频率超调和建立时间方面减少了30%。控制器开发和1098D. Kumar等人/工程科学与技术，国际期刊23（2020）1084与PID控制器不同，采用H1综合实现的控制器对受扰动的CMG模型具有鲁棒稳定性和性能，并且还显示出更好的时间响应二次频率调节器利用C-HIL验证了CMG中存在不确定性和源干扰时的计算结果所获得的硬件结果支持仿真结果，因此所开发的CMG对象模型和鲁棒控制器可用于精确分析社区微电网中的负载-频率动态。在C-HIL测试中，频率偏差的峰值超调还取决于扰动（如D-P风和D-PPV）的上升或下降速率。当风力或太阳能的功率上升/下降时，上升/下降速率的差异引起CMG频率的振荡建议的控制器。未来的工作可能包括通过将功率转换器和放大器集成到C-HIL系统中来实现所开发的鲁棒CMG控制系统的功率硬件在环实现。竞争利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作。引用[1] L.切，X。Zhang，M. Shahidehpour，A. Aldulwahab，A. Abusorrah，社区微电网与可再生能源的最优互联规划，IEEE Trans.智能电网8（3）（2017）1054-1063.[2] Che L Haslam，M. Shahidehpour，A.阿杜尔瓦哈布岛Al-Turki，具有AC和DC微电网的社区微电网的分层协调，IEEE Trans. 智能电网6（6）（2015）3042-3051.[3] A. Kumar，A.R.辛格湾，澳-地Deng，X. He，P. Kumar，R.C. Bansal，为发展中国家设计可持续农村微电网的新方法框架，IEEE Access 6（2018）24925-24951。[4] T.仙柳T. Nakaji，K. Uezato，T.船桥，孤岛上使用替代能源设施的混合电力系统，IEEE Trans.Energy Convers。20（2）（2005）406-414。[5] Caizares CA.微电网稳定性分析和建模工作组，报告草案。Tech. 代表; IEEE PowerEnergy Society; 2018年3月[6] X. Li，Y.J. Song，S.B.韩，电解槽系统与模糊PI控制器相结合的微电网电力系统频率控制，电源学报180（1）（2008）468-475。[7] G.