王 晶，李瑞環(huán)，束洪春

（1.浙江工業(yè)大學(xué) 信息工程學(xué)院，浙江 杭州 310014；2.昆明理工大學(xué) 電力工程學(xué)院，云南 昆明 650051）

0 引言

近年來，微網(wǎng)（microgrid）成為研究熱點(diǎn)。但微網(wǎng)存在微源布址分散、控制信息多樣、控制方式多變等特點(diǎn)，使得交流微網(wǎng)與主網(wǎng)并網(wǎng)、孤島及無縫切換的實(shí)現(xiàn)需要解決分布式電源的復(fù)雜控制，并受頻率、相位的約束；此外，交流微網(wǎng)還存在線路損耗較大等問題[1]。相反，直流微網(wǎng)在各種運(yùn)行模式下，不存在與主網(wǎng)同步的問題，大幅降低了控制要求，而且能節(jié)約電力電子器件，減少線路損耗及系統(tǒng)成本，并能更好地利用具有直流特性的分布式電源[1-2]。因此，直流微網(wǎng)逐漸受到重視。2007年美國弗吉尼亞理工大學(xué)提出了SBI（Sustainable Building Initiative）計(jì)劃，準(zhǔn)備向未來樓宇直流供電[3]；2011年韓國建立了直流微網(wǎng)供電系統(tǒng)，將對直流電分配等問題進(jìn)行研究[4]；2013 年日本 SAKURA Internet公司正式在數(shù)據(jù)中心啟動(dòng)了采用直流供電系統(tǒng)的服務(wù)器機(jī)柜，估算每年能削減電費(fèi)2 700萬日元[5]；歐洲的超級(jí)智能電網(wǎng)計(jì)劃也提出了以直流輸電網(wǎng)為骨干的輸電模式，并預(yù)期在2020年左右將北海地區(qū)的風(fēng)電場以直流形式并網(wǎng)[6]。

目前，關(guān)于直流微網(wǎng)的理論研究主要集中在保護(hù)[7-9]、電力電子接口電路[10-12]、能量管理與電壓控制[13-16]等方面。其中，文獻(xiàn)[13]提出了一種通過控制熱電聯(lián)產(chǎn)系統(tǒng)運(yùn)行數(shù)量的方法，保證功率平衡，維持電壓穩(wěn)定；文獻(xiàn)[14]通過光伏陣列控制器、燃料電池控制器、超級(jí)電容控制器及中央控制器的合作穩(wěn)定了直流母線電壓；文獻(xiàn)[15]提出微網(wǎng)的3種運(yùn)行狀態(tài)，并設(shè)計(jì)了相應(yīng)的控制策略，使微網(wǎng)達(dá)到功率平衡；文獻(xiàn)[16]提出了電壓分層協(xié)調(diào)控制策略，根據(jù)電壓的變化量采用不同的控制策略，以保證功率平衡。

多代理系統(tǒng)MAS（Multi Agent System）具有良好的自主性和啟發(fā)性，適合微網(wǎng)分散而復(fù)雜的控制。文獻(xiàn)[17]建立了由微網(wǎng)控制代理、局部控制代理、分布式能源代理及負(fù)荷代理構(gòu)成的多代理系統(tǒng)，能夠快速高效地恢復(fù)微網(wǎng)頻率；文獻(xiàn)[18]在提出的多代理系統(tǒng)中設(shè)計(jì)了公共通信接口實(shí)現(xiàn)Agent之間的通信，完成微網(wǎng)的能量控制；文獻(xiàn)[19]構(gòu)建的多代理系統(tǒng)由分布式電源層、微網(wǎng)層及配網(wǎng)層組成，能通過實(shí)現(xiàn)并網(wǎng)運(yùn)行、孤島運(yùn)行、并網(wǎng)操作等5種情況下的控制策略對微網(wǎng)進(jìn)行管理。

本文針對直流微網(wǎng)提出了一種2層的多代理控制系統(tǒng)，其中上層為控制中心Agent，下層包括光伏電池 Agent、燃料電池 Agent、負(fù)荷 Agent及蓄電池Agent；之后，訓(xùn)練了一個(gè)8輸入8輸出的神經(jīng)網(wǎng)絡(luò)作為控制中心Agent的決策器，該神經(jīng)網(wǎng)絡(luò)能輸出13種控制命令實(shí)現(xiàn)對微網(wǎng)的管理；最后，通過MATLAB對光照變化、并網(wǎng)時(shí)負(fù)荷增加后斷網(wǎng)及孤島時(shí)負(fù)荷增加后并網(wǎng)這3種算例進(jìn)行仿真，仿真結(jié)果表明該控制系統(tǒng)能夠?qū)崿F(xiàn)微源和負(fù)荷的協(xié)調(diào)控制，并維持直流母線電壓的穩(wěn)定。

1 直流微網(wǎng)模型

本文構(gòu)建的直流微網(wǎng)結(jié)構(gòu)如圖1所示，由光伏電池、燃料電池、蓄電池、直流負(fù)荷和交流負(fù)荷組成，通過DC／AC逆變器與電網(wǎng)相連，可并網(wǎng)運(yùn)行，也可孤島運(yùn)行。直流母線電壓額定值設(shè)定為350V[20]。負(fù)荷按重要程度分為一級(jí)負(fù)荷、二級(jí)負(fù)荷和三級(jí)負(fù)荷。其中，一級(jí)負(fù)荷不可間斷供電，二級(jí)負(fù)荷可以短時(shí)間斷電，三級(jí)負(fù)荷可以長時(shí)間斷電。

圖1 直流微網(wǎng)結(jié)構(gòu)Fig.1 Structure of DC microgrid

1.1 光伏電池建模

光伏電池的數(shù)學(xué)模型如式（1）所示[21-22]。

其中，Isc為短路電流；Uoc為開路電壓；UPV、IPV分別為輸出電壓和電流；其余參數(shù)為相關(guān)系數(shù)，描述如式（2）—（6）所示。

其中，Im、Um為最大功率點(diǎn)電流和電壓；Rref、Tref為光照強(qiáng)度和光伏電池溫度的參考值；α、β為參考日照下的電流和電壓變化溫度系數(shù)；Rs為光伏電池的串聯(lián)電阻；Tc為光伏電池溫度；R為光照強(qiáng)度。

1.2 燃料電池建模

燃料電池的數(shù)學(xué)模型如式（7）所示[23]：

其中，UFC為燃料電池輸出電壓；EFC為燃料電池的熱力學(xué)電動(dòng)勢；Uact為活性極化損失電勢；Ucon為濃度極化損失電勢；Uohm為歐姆極化損失電勢。對應(yīng)公式如式（8）—（11）所示。

其中，N0為串聯(lián)電池?cái)?shù)量；EFC0為開路電壓；RFC為通用氣體常數(shù)；TFC為工作溫度；F為法拉第常數(shù)；PH2、PO2、PH2O分別為氫氣、氧氣和水蒸氣的壓力；P 為電池堆系統(tǒng)壓力；a、b為塔菲爾常數(shù)；iFC、iFCL為燃料電池的電流密度和極限電流密度；IFC為電池堆電流。

1.3 蓄電池建模

蓄電池的數(shù)學(xué)模型如式（12）所示。

其中，UBat、EBat0、iBat、RBat分別為蓄電池的輸出電壓、開路電壓、放電電流及內(nèi)阻；Edyn為濃度極化電壓；ENL為活性極化電壓；Exp用于擬合蓄電池充放電過程中的指數(shù)變化過程。對應(yīng)公式如式（13）—（15）所示。

其中，K為極化電壓；Q為蓄電池容量；A、B分別為指數(shù)曲線的峰值電壓及時(shí)間常數(shù)的倒數(shù)；sBat為蓄電池的工作狀態(tài)，對應(yīng)公式如式（16）所示。

2 智能多代理系統(tǒng)的實(shí)現(xiàn)

2.1 多代理系統(tǒng)的適用性

多代理系統(tǒng)能夠通過模擬人類社會(huì)系統(tǒng)的運(yùn)作機(jī)制提高計(jì)算機(jī)系統(tǒng)解決復(fù)雜問題的能力，能夠?qū)⒋蠖鴱?fù)雜的系統(tǒng)分解成由多個(gè)代理組成的系統(tǒng)，各代理既能夠分別執(zhí)行各自不同的任務(wù)，又能夠通過協(xié)調(diào)合作的方式解決單個(gè)代理不能解決的復(fù)雜問題，適合微網(wǎng)分散而又復(fù)雜的控制。

a.自治性：代理具有控制自身的能力，在沒有外界的干擾下，能夠根據(jù)自身的情況控制自身完成一定的任務(wù)。

b.協(xié)作性：各代理之間能夠相互通信，一個(gè)代理可以向其他代理發(fā)送自身的狀態(tài)，并協(xié)同其他代理完成一定的任務(wù)。

c.反應(yīng)性：代理可以從環(huán)境或者其他代理處得到信息，并能夠根據(jù)得到的信息作出合理的反應(yīng)，改變自身的狀態(tài)。

2.2 多代理系統(tǒng)結(jié)構(gòu)

基于多代理系統(tǒng)的能量控制系統(tǒng)如圖2所示。

圖2 多代理系統(tǒng)結(jié)構(gòu)Fig.2 Structure of MAS

系統(tǒng)中，上層的控制中心Agent用于收集下層各Agent的信息，并制定合理方案，同時(shí)將方案下傳到下層的Agent。此外，控制中心Agent還控制著直流微網(wǎng)的并網(wǎng)及解列。下層的Agent由光伏電池、燃料電池、蓄電池及負(fù)荷4個(gè)子Agent組成。各子Agent上傳各自運(yùn)行參數(shù)到控制中心Agent，根據(jù)控制中心Agent下傳的方案及各自情況決定運(yùn)行狀態(tài)。同時(shí)下層各Agent還分別具有以下不同的功能：

a.光伏電池Agent具有最大功率點(diǎn)跟蹤（MPPT）功能，使光伏能夠輸出最大功率，同時(shí)還具有決定是否接入微網(wǎng)的功能；

b.燃料電池Agent具有監(jiān)測運(yùn)行狀態(tài)及決定是否接入微網(wǎng)的功能；

c.蓄電池Agent能夠監(jiān)測電壓、剩余容量等運(yùn)行參數(shù)，且具有決定蓄電池充放電的功能，本文設(shè)定當(dāng)SoC低于20%時(shí)不允許放電，當(dāng)SoC高于90%時(shí)不允許充電；

d.負(fù)荷Agent能計(jì)算當(dāng)前的總負(fù)荷功率，并可以根據(jù)分布式電源的總功率和總負(fù)荷功率的大小及控制中心是否下達(dá)減載信息等情況決定是否減載，同時(shí)還能根據(jù)負(fù)荷的重要程度進(jìn)行合理減載。

2.3 神經(jīng)網(wǎng)絡(luò)算法

人工神經(jīng)網(wǎng)絡(luò)ANN（Artificial Neural Network）能夠模擬人腦智能化處理，實(shí)現(xiàn)多輸入多輸出的非線性映射，具有信息記憶、自主學(xué)習(xí)等功能，具有很強(qiáng)的自適應(yīng)性及容錯(cuò)能力[24-26]，有利于控制中心Agent對下層各Agent進(jìn)行可靠的管理，所以本文選擇神經(jīng)網(wǎng)絡(luò)作為控制中心Agent的決策器。

本文設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)用于實(shí)現(xiàn)以下目標(biāo)：初始時(shí)，光伏電池工作在MPPT模式，同時(shí)經(jīng)DC／DC變換恒壓輸出，當(dāng)光伏電池最大輸出大于負(fù)荷功率時(shí)，若蓄電池允許充電，則將多余電能儲(chǔ)存到蓄電池中，否則光伏電池不實(shí)現(xiàn)MPPT，僅實(shí)現(xiàn)恒壓輸出；當(dāng)光伏電池不足以提供足夠能量時(shí)，根據(jù)燃料電池能否放電，決定燃料電池是否放電；再根據(jù)功率平衡條件是否滿足及蓄電池能否放電決定蓄電池是否放電；之后，若光伏電池、燃料電池及蓄電池?zé)o法滿足功率要求，根據(jù)大電網(wǎng)能否提供電能決定是并網(wǎng)還是減載。因此，該神經(jīng)網(wǎng)絡(luò)能控制系統(tǒng)使可再生分布式電源得到充分利用，大電網(wǎng)輸出盡量減少，可在保證用戶正常用電的基礎(chǔ)上盡可能減少化石能源的消耗及用電支出。

為實(shí)現(xiàn)以上目標(biāo)，首先構(gòu)造一個(gè)2層的BP神經(jīng)網(wǎng)絡(luò)，結(jié)構(gòu)見圖3，其中，P、T為輸入和輸出數(shù)據(jù)，W1I，1、W2，1L為權(quán)重矩陣，b1、b2為閾值，隱層和輸出層分別有17和8個(gè)神經(jīng)元，傳遞函數(shù)均使用logsig（·）。該神經(jīng)網(wǎng)絡(luò)的輸入層、輸出層數(shù)據(jù)如表1和表2所示。其中輸入層由8個(gè)特征參數(shù)組成，這些參數(shù)由下層各Agent上傳，包括光伏電池、燃料電池、蓄電池、電網(wǎng)及負(fù)荷的運(yùn)行狀況；輸出層的8個(gè)輸出組成了13種輸出可能，代表13種協(xié)調(diào)控制命令，對燃料電池、蓄電池、電網(wǎng)及負(fù)荷進(jìn)行控制。表3為對應(yīng)的13種協(xié)調(diào)控制命令。最后，通過隨機(jī)產(chǎn)生10 000組訓(xùn)練樣本完成訓(xùn)練，并生成Simulink模塊。

圖3 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 Structure of BP neural network

表1 輸入層特征參數(shù)Tab.1 Characteristic parameters at input layer

表2 輸出層特征參數(shù)Tab.2 Characteristic parameters at output layer

表3 能量協(xié)調(diào)控制輸出Tab.3 Outputs of energy coordination control

3 算例分析

本文的仿真系統(tǒng)包括光伏電池、燃料電池、蓄電池各1臺(tái)，其中，燃料電池、蓄電池的最大輸出功率分別為2 kW和2.5 kW，蓄電池初始SoC為50%。系統(tǒng)中還存在大電網(wǎng)及1 kW一級(jí)、2 kW一級(jí)、2 kW二級(jí)、2 kW三級(jí)這4種負(fù)荷。通過該系統(tǒng)分別對光照變化、并網(wǎng)運(yùn)行時(shí)負(fù)荷增加后電網(wǎng)斷電及孤島運(yùn)行時(shí)負(fù)荷增加后并網(wǎng)這3種情況進(jìn)行仿真。

3.1 算例1

負(fù)荷保持1 kW不變，當(dāng)光照如圖4（a）所示變化時(shí)，直流母線電壓情況見圖4（b），負(fù)荷功率PL、光伏電池功率PPV、燃料電池功率PFC、蓄電池功率PBat、電網(wǎng)功率PGrid變化情況見圖5。其中，負(fù)荷輸入為正，光伏電池、燃料電池、蓄電池及電網(wǎng)輸出為正。

圖4 光照及直流母線電壓情況Fig.4 Light intensity and voltage of DC bus

圖5 能量協(xié)調(diào)控制結(jié)果1Fig.5 Results of energy coordination control in case 1

初始時(shí)光照強(qiáng)度為800 W／m2，光伏電池最大輸出功率約為1 250 W，能夠保證1 kW負(fù)荷的正常運(yùn)行，由于蓄電池的初始SoC為50%，滿足充電要求，蓄電池Agent允許蓄電池充電，控制中心Agent接收到蓄電池允許充電的信息后，發(fā)出（0，0，0，0，0，1，0，0）的命令，蓄電池充電；0.5～0.9 s，光照強(qiáng)度逐漸增強(qiáng)至1 000 W／m2并保持不變，光伏的最大輸出也增至1 580 W并維持不變，此時(shí)控制中心Agent仍然發(fā)出（0，0，0，0，0，1，0，0）的命令，蓄電池保持充電狀態(tài)且充電功率逐漸增至580 W并維持不變；0.9～1.2 s，光照強(qiáng)度逐漸減弱至600 W／m2并維持不變，光伏最大輸出減小為940 W，其中1.08 s時(shí)，光伏最大輸出為1 000 W，則在0.9～1.08 s過程中，控制中心Agent仍然發(fā)出（0，0，0，0，0，1，0，0）的命令，而在 1.08～1.2 s過程中，光伏電池?zé)o法滿足負(fù)荷需求，由于燃料電池允許放電且與光伏的最大總輸出功率能夠滿足負(fù)荷要求，控制中心 Agent發(fā)出（0，1，0，0，0，0，0，0）的命令，蓄電池停止充電，燃料電池開始恒壓放電；在1.2 s之后，光伏輸出隨著光照的降低而減少，控制中心 Agent仍然發(fā)出（0，1，0，0，0，0，0，0）的命令，燃料電池繼續(xù)恒壓放電，且輸出功率逐漸增大。

3.2 算例2

初始時(shí)微網(wǎng)并網(wǎng)運(yùn)行，并帶有一級(jí)負(fù)荷1 kW，0.5 s、0.75 s、1 s時(shí)分別增加二級(jí)、三級(jí)及一級(jí)負(fù)荷各2 kW，大電網(wǎng)在1.25 s時(shí)斷開，微網(wǎng)進(jìn)入孤島運(yùn)行狀態(tài)。對應(yīng)的功率變化情況如圖6所示。

圖6 能量協(xié)調(diào)控制結(jié)果2Fig.6 Results of energy coordination control in case 2

開始時(shí)，光伏最大輸出功率約為1.58 kW，系統(tǒng)中只存在1 kW一級(jí)負(fù)荷，由于蓄電池SoC為50%，蓄電池Agent允許蓄電池充電，控制中心Agent接收到蓄電池允許充電的信息后，發(fā)出（0，0，0，0，0，1，0，0）的命令，蓄電池充電；0.5 s時(shí)增加2 kW二級(jí)負(fù)荷，光伏不足以提供所需電能，將由其他電源提供缺額電能。此時(shí)燃料電池允許放電且與光伏的最大總輸出功率為3.58 kW，能夠滿足負(fù)荷需求，控制中心Agent下達(dá)（0，1，0，0，0，0，0，0）的控制任務(wù)，蓄電池停止充電，燃料電池恒壓放電；0.75 s時(shí)增加2 kW三級(jí)負(fù)荷，光伏及燃料電池?zé)o法滿足負(fù)荷要求，但蓄電池的SoC允許其放電且光伏、燃料電池及蓄電池的最大總輸出功率為6.08 kW，能夠滿足負(fù)荷要求，控制中心 Agent發(fā)出（0，0，1，1，0，0，0，0）的命令，燃料電池最大功率放電，蓄電池恒壓放電；1 s時(shí)增加2 kW一級(jí)負(fù)荷，光伏、燃料電池及蓄電池?zé)o法滿足負(fù)荷要求，控制中心 Agent將發(fā)出（0，0，1，0，1，0，1，0）的命令，燃料電池及蓄電池最大功率放電，大電網(wǎng)開始向微網(wǎng)提供電能；1.25 s時(shí)，大電網(wǎng)斷電，此時(shí)，系統(tǒng)微源發(fā)出的功率無法滿足負(fù)荷，控制中心將發(fā)出（0，0，1，0，1，0，0，1）的命令，通知負(fù)荷 Agent減載。負(fù)荷Agent接收到減載信息后，將根據(jù)從光伏電池 Agent、燃料電池 Agent、蓄電池 Agent得到的最大輸出功率之和與此時(shí)的負(fù)荷情況進(jìn)行比較，選擇合理的減載方式。本算例中，負(fù)荷Agent選擇斷開2 kW三級(jí)負(fù)荷，對應(yīng)的負(fù)荷投入及減載情況如圖7所示。減載完成后，控制中心Agent經(jīng)過決策，再次發(fā)出（0，0，1，1，0，0，0，0）的命令，要求燃料電池最大功率放電，蓄電池恒壓放電。對應(yīng)的直流母線電壓如圖8所示?？梢?，該能量協(xié)調(diào)控制能較好地恢復(fù)并維持直流母線電壓在350 V左右。

圖7 負(fù)荷Agent對負(fù)荷的控制結(jié)果1Fig.7 Results of load control by load Agent in case 1

圖8 直流母線電壓Fig.8 Voltage of DC bus

3.3 算例3

初始時(shí)微網(wǎng)孤島運(yùn)行，并帶有一級(jí)負(fù)荷1 kW，在0.5 s、0.75 s、1 s時(shí)分別增加二級(jí)、三級(jí)及一級(jí)負(fù)荷各2 kW，1.25 s時(shí)微網(wǎng)與大電網(wǎng)連接，進(jìn)入并網(wǎng)運(yùn)行狀態(tài)。功率變化情況如圖9所示。

圖9 能量協(xié)調(diào)控制結(jié)果3Fig.9 Results of energy coordination control in case 3

1 s前，光伏電池、燃料電池及蓄電池的最大功率能夠滿足負(fù)荷要求，能量協(xié)調(diào)控制決策與算例2前1 s的情況相同。1 s時(shí)，增加2 kW一級(jí)負(fù)荷，由于此時(shí)大電網(wǎng)不允許放電，而光伏電池、燃料電池及蓄電池不足以提供所需電能，控制中心Agent發(fā)出（0，0，1，0，1，0，0，1）的命令，通知負(fù)荷 Agent減載，負(fù)荷Agent接收到減載信息后，針對該情況決定連接2 kW一級(jí)負(fù)荷的同時(shí)，斷開2 kW三級(jí)負(fù)荷，確保電壓穩(wěn)定的同時(shí)使重要負(fù)荷能夠正常運(yùn)行，斷開三級(jí)負(fù)荷后，控制中心 Agent將發(fā)出（0，0，1，1，0，0，0，0）的命令；1.25 s時(shí)，微網(wǎng)與大電網(wǎng)并網(wǎng)，負(fù)荷Agent確認(rèn)大電網(wǎng)能夠向微網(wǎng)提供電能后，將重新連接之前被斷開的三級(jí)負(fù)荷，從而控制中心Agent將發(fā)出（0，0，1，0，1，0，1，0）的命令，使蓄電池最大功率放電，大電網(wǎng)向微網(wǎng)提供電能，保證功率平衡，維持電壓穩(wěn)定。對應(yīng)的負(fù)荷變化情況以及直流母線電壓分別如圖10和圖11所示。

圖10 負(fù)荷Agent對負(fù)荷的控制結(jié)果2Fig.10 Results of load control by load Agent in case 2

圖11 直流母線電壓Fig.11 Voltage of DC bus

4 結(jié)論

本文提出了一種基于智能多代理技術(shù)的直流微網(wǎng)控制系統(tǒng)，主要有以下特點(diǎn)：

a.下層各Agent既能根據(jù)自身情況自主運(yùn)行，又能彼此協(xié)作，充分發(fā)揮了代理的自治性和協(xié)作性；

b.上層的控制中心Agent以神經(jīng)網(wǎng)絡(luò)作為決策器，能夠根據(jù)下層各Agent上傳的信息作出合理的響應(yīng)，實(shí)現(xiàn)了分層控制，保證了能量的合理流動(dòng)；

c.通過多代理系統(tǒng)，在發(fā)生負(fù)荷增加及孤島和并網(wǎng)的狀態(tài)轉(zhuǎn)換等情況下，能有效維持直流母線電壓的穩(wěn)定。

此外，JADE平臺(tái)為多代理系統(tǒng)提供了一個(gè)很好的開發(fā)平臺(tái)，對于本文提出的控制系統(tǒng)在JADE平臺(tái)上的開發(fā)將是下一步的主要工作。