郭 偉，范文奕，楊書強(qiáng)，安佳坤，賀春光，王 濤，井天軍

面向分布式一致性算法的通信網(wǎng)絡(luò)優(yōu)化設(shè)計

郭 偉1，范文奕1，楊書強(qiáng)1，安佳坤1，賀春光1，王 濤1，井天軍2

(1.國網(wǎng)河北省電力有限公司經(jīng)濟(jì)技術(shù)研究院，河北 石家莊 050000；2.中國農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院，北京 100083)

通信網(wǎng)絡(luò)是實(shí)現(xiàn)分布式控制的基礎(chǔ)設(shè)施。針對分布式一致性算法以及未來智能微電網(wǎng)的應(yīng)用需求，提出了一種兼顧動態(tài)性、延遲魯棒性和經(jīng)濟(jì)性的通信網(wǎng)絡(luò)優(yōu)化設(shè)計方法。首先，根據(jù)代數(shù)圖論相關(guān)知識建立通信網(wǎng)絡(luò)與相應(yīng)矩陣的聯(lián)系。其次，由不同矩陣定義了與通信網(wǎng)絡(luò)相關(guān)的3個性能指標(biāo)，并利用奈奎斯特穩(wěn)定判據(jù)推導(dǎo)出最大通信延遲時間與拉普拉斯矩陣特征值之間的關(guān)系。最后，由代數(shù)連通度相關(guān)定理，給出一種邊數(shù)遞減循環(huán)多目標(biāo)優(yōu)化方法。每次循環(huán)建立包含3個指標(biāo)的多目標(biāo)優(yōu)化模型，并采用NSGA-II算法求解該邊數(shù)下的滿意解。重復(fù)上述過程直至網(wǎng)絡(luò)不連通，根據(jù)網(wǎng)絡(luò)的動態(tài)性和延遲魯棒性選出所有滿意解中的最終優(yōu)化網(wǎng)絡(luò)。仿真算例驗(yàn)證了所提優(yōu)化方法的可行性和有效性。

通信；分布式；拉普拉斯矩陣；代數(shù)連通度；延遲；優(yōu)化

0 引言

對電力系統(tǒng)控制技術(shù)的研究歷經(jīng)了集中式控制—分散式控制—分布式控制3個階段。隨著通信技術(shù)在電網(wǎng)中的廣泛應(yīng)用和即將出現(xiàn)的海量分布式資源，集中式控制對通信帶寬和計算能力的要求越來越高，且其存在單點(diǎn)失效的風(fēng)險。分散式控制是建立在各子系統(tǒng)間只存在微弱耦合的假設(shè)基礎(chǔ)上，即相互之間不存在通信，電力線路是唯一的聯(lián)系方式，因此采用分散式控制的系統(tǒng)難以實(shí)現(xiàn)最優(yōu)運(yùn)行，優(yōu)點(diǎn)是各子系統(tǒng)具有高度的自治能力。分布式控制則兼顧了以上兩種控制方法的優(yōu)勢，相比于集中式控制，由于不存在中心控制器，僅通過各控制單元間的信息共享來實(shí)現(xiàn)控制目標(biāo)的統(tǒng)一，因而避免了單點(diǎn)失效的問題，提高了系統(tǒng)可靠性；相比于分散式控制，其考慮了各子系統(tǒng)之間的相互影響，在保留一定自主性的基礎(chǔ)上，也便于實(shí)現(xiàn)各子系統(tǒng)間的協(xié)調(diào)優(yōu)化運(yùn)行[1-4]。

分布式控制技術(shù)有分布式模型預(yù)測控制技術(shù)[5]、Agent技術(shù)[6-7]以及一致性技術(shù)[8-18]等，其中一致性算法近些年已有較多理論研究，且大多集中在不同時間尺度的協(xié)調(diào)控制方面。文獻(xiàn)[8]針對離網(wǎng)型直流微電網(wǎng)采用兩層控制策略，在底層下垂控制的基礎(chǔ)上，第二層通過引入分布式一致性算法，實(shí)現(xiàn)各電源間功率的優(yōu)化分配。文獻(xiàn)[9]針對并/離網(wǎng)型直流微電網(wǎng)提出了一種統(tǒng)一的分布式控制架構(gòu)，在實(shí)現(xiàn)功率精確分配的同時，考慮了儲能系統(tǒng)SOC和不同通信延遲的影響。文獻(xiàn)[10-11]利用飛輪儲能矩陣系統(tǒng)平抑風(fēng)電場輸出功率波動，針對集中式控制存在魯棒性較差的問題，提出了基于比例因子一致性的飛輪矩陣能量分配方法。文獻(xiàn)[12]將分布式控制應(yīng)用在電網(wǎng)一次調(diào)頻，采用改進(jìn)的分類迭代方式，提高了傳統(tǒng)一致性算法的收斂速度。

從上述分析可以看出，不論應(yīng)用對象的類型，短時間尺度下一致性技術(shù)都是在底層控制之上的協(xié)調(diào)控制層實(shí)現(xiàn)的。若將電力系統(tǒng)的經(jīng)濟(jì)調(diào)度看作中長時間尺度的協(xié)調(diào)控制問題，則一致性算法同樣適用。文獻(xiàn)[13]以各微電網(wǎng)的調(diào)節(jié)成本為狀態(tài)變量，利用一致性理論，使微電網(wǎng)群響應(yīng)調(diào)節(jié)成本的引導(dǎo)，實(shí)現(xiàn)不平衡功率的合理分配并提升整體的經(jīng)濟(jì)性。文獻(xiàn)[14]則針對主動配電網(wǎng)，提出了一種以發(fā)電增量成本為一致性變量的分布式優(yōu)化調(diào)度方法，通過稀疏通信網(wǎng)絡(luò)交換信息，使各分布式電源的增量成本趨于一致性。文獻(xiàn)[15]同樣提出了基于增量成本的分布式一致性算法，但研究重點(diǎn)是不同通信網(wǎng)絡(luò)與收斂速度之間的關(guān)系。文獻(xiàn)[16]針對微電網(wǎng)的經(jīng)濟(jì)調(diào)度問題，討論了通信延遲對所提分布式經(jīng)濟(jì)調(diào)度算法穩(wěn)定性的影響，并給出了該算法的最大允許延遲時間。

無論是短時間尺度的實(shí)時控制，還是中長時間尺度的優(yōu)化調(diào)度，分布式算法的實(shí)現(xiàn)僅需要一個連通的稀疏通信網(wǎng)絡(luò)。而上述關(guān)于分布式一致性技術(shù)的研究側(cè)重于應(yīng)用，對通信網(wǎng)絡(luò)的關(guān)注較少，通信網(wǎng)絡(luò)不僅會影響控制的動態(tài)性能，而且也會導(dǎo)致不同的魯棒性能。通信網(wǎng)絡(luò)的結(jié)構(gòu)與分布式控制或優(yōu)化的效果密切相關(guān)，且是實(shí)現(xiàn)智能電網(wǎng)信息物理融合的基礎(chǔ)設(shè)施，但目前針對分布式通信網(wǎng)絡(luò)優(yōu)化設(shè)計的研究還很少，文獻(xiàn)[19]只是初步涉及了通信網(wǎng)絡(luò)的設(shè)計問題，但考慮的電源點(diǎn)較少，無法適用含大量分布式電源的網(wǎng)絡(luò)設(shè)計。

因此本文以通信網(wǎng)絡(luò)作為研究對象，提出了一種兼顧動態(tài)性、延遲魯棒性和經(jīng)濟(jì)性的邊數(shù)遞減循環(huán)多目標(biāo)優(yōu)化方法。通過探索網(wǎng)絡(luò)結(jié)構(gòu)與相應(yīng)矩陣之間的關(guān)系，定義了3個性能指標(biāo)，并揭示通信延遲與拉普拉斯矩陣特征值的關(guān)系。首先，從完全圖開始，依次刪除一條邊，并根據(jù)3個指標(biāo)建立的多目標(biāo)優(yōu)化模型，采用NSGA-II算法求解當(dāng)前邊數(shù)下通信網(wǎng)絡(luò)的滿意解；然后，以該滿意解為基準(zhǔn)重復(fù)上述過程，直至網(wǎng)絡(luò)不連通；最后，根據(jù)動態(tài)性和延遲魯棒性指標(biāo)選擇網(wǎng)絡(luò)優(yōu)化結(jié)果。算例對含50個頂點(diǎn)的網(wǎng)絡(luò)進(jìn)行仿真驗(yàn)證，通過與規(guī)則網(wǎng)絡(luò)、小世界網(wǎng)絡(luò)和隨機(jī)網(wǎng)絡(luò)進(jìn)行對比，表明本文所優(yōu)化網(wǎng)絡(luò)在經(jīng)濟(jì)性、動態(tài)性和延遲魯棒性方面均具有一定優(yōu)勢。另外，由于優(yōu)化過程考慮了不同類型頂點(diǎn)和邊的權(quán)重，保證了通信網(wǎng)絡(luò)在極端情況下的可靠性。

1 相關(guān)概念

1.1 圖論與矩陣?yán)碚?/h3>

1) 度矩陣

式中，陣為階對角矩陣，對角線元素為相應(yīng)頂點(diǎn)的度。

2) 鄰接矩陣

鄰接矩陣是一個階方陣，其元素a取值為

顯然，由于為無向圖，為對稱矩陣。

3) 拉普拉斯矩陣

為半正定的奇異矩陣，與、的關(guān)系可以表示為=-。階的特征值關(guān)系為

1.2 一致性算法

一致性算法矩陣形式[21]表示為

為簡化說明，只考慮一條通信鏈路的情況，若系統(tǒng)向系統(tǒng)傳遞信息，影響了系統(tǒng)的狀態(tài)。

1.3 代數(shù)連通度

下面給出關(guān)于()的兩個重要定理，將作為后文優(yōu)化通信網(wǎng)絡(luò)時的理論依據(jù)[23-24]。

表1 6頂點(diǎn)不同網(wǎng)絡(luò)對比

2 通信網(wǎng)絡(luò)優(yōu)化模型

對于含個頂點(diǎn)的網(wǎng)絡(luò)，設(shè)計條邊數(shù)下具有最優(yōu)動態(tài)性能的網(wǎng)絡(luò)是一個NP困難問題[25]。因此需要強(qiáng)調(diào)的是，本文提出的通信網(wǎng)絡(luò)優(yōu)化方法并不是尋求最優(yōu)解，而是結(jié)合微電網(wǎng)實(shí)際情況，找到兼顧經(jīng)濟(jì)性、動態(tài)性和延遲魯棒性的滿意解。

2.1 經(jīng)濟(jì)性指標(biāo)

通信網(wǎng)絡(luò)是實(shí)現(xiàn)分布式控制的重要基礎(chǔ)，單從圖論角度來看，同一動態(tài)性能下，可能存在多個同構(gòu)網(wǎng)絡(luò)。考慮實(shí)際電網(wǎng)中電源之間的距離各不相同，則通信線路的造價不同，因而同構(gòu)網(wǎng)絡(luò)間的建設(shè)成本會有較大的差異。基于以上考慮，本節(jié)定義通信網(wǎng)絡(luò)的綜合經(jīng)濟(jì)性指標(biāo)(comprehensive economic index, CEI)為EI，同時計及了邊和頂點(diǎn)度的影響。

式中，表示向上取整。

2.2 動態(tài)性指標(biāo)

2.3 延遲魯棒性指標(biāo)

下面將論述延遲時間 與分布式一致性算法穩(wěn)定性的關(guān)系，并推導(dǎo)出不同網(wǎng)絡(luò)結(jié)構(gòu)下的最大允許延遲時間max。

對式(10)兩邊進(jìn)行拉普拉斯變換得

對式(11)移項(xiàng)并整理得

等式兩邊除以，得式(16)，其中，括號項(xiàng)相當(dāng)于1+()()，()()可等效為開環(huán)傳遞函數(shù)。

采用SPSS20.0軟件對本研究數(shù)據(jù)進(jìn)行處理,計量資料以t檢驗(yàn),(±s)表示,計數(shù)資料以x2檢驗(yàn),差異有統(tǒng)計學(xué)意義為P<0.05。

綜合式(19)與式(20)，可以得到系統(tǒng)穩(wěn)定時延遲時間 的范圍，如式(21)所示。

從以上推導(dǎo)結(jié)果可以看出，最大允許延遲時間與L的最大特征值呈反比。以6頂點(diǎn)完全圖G6為例說明，矩陣L(G6)的最大特征值，由式(21)可計算出。現(xiàn)分別給出當(dāng)與的奈奎斯特曲線和采用一致性算法式(10)的對比結(jié)果，如圖2(a)所示，可以看出，當(dāng)時，開環(huán)幅相曲線穿過(-1,j0)點(diǎn)，處于臨界穩(wěn)定狀態(tài)，圖2 (b)顯示狀態(tài)量x一直等幅振蕩，驗(yàn)證了該結(jié)果；而當(dāng)時，如圖3(a)所示，開環(huán)幅相曲線不包圍(-1,j0)點(diǎn)，處于穩(wěn)定狀態(tài)，故圖3(b)最終收斂到一致值。

圖3 t=0.2000 s時G6一致性算法結(jié)果

因此，根據(jù)上述證明過程，可以定義延遲魯棒性指標(biāo)(delay robustness index, DRI)RI為

2.4 優(yōu)化模型建立

由上述分析可知，3個指標(biāo)分別與矩陣、和之間的關(guān)系如圖4所示。網(wǎng)絡(luò)連接情況與3個矩陣直接相關(guān)，本節(jié)將建立兼顧以上3個指標(biāo)的多目標(biāo)通信網(wǎng)絡(luò)優(yōu)化模型。

圖4 不同指標(biāo)的相關(guān)矩陣

2.4.1 頂點(diǎn)分類及權(quán)重的確定

本文將微電網(wǎng)中電源分為4類：穩(wěn)定出力電源(stabilized power, SP)、儲能系統(tǒng)(energy storage, ES)以及不穩(wěn)定的風(fēng)電(wind turbine, WT)和光伏(photovoltaic, PV)，分別對應(yīng)不同類型的通信頂點(diǎn)?？紤]可再生能源波動性的同時，保證極端情況下系統(tǒng)的通信質(zhì)量和控制效果，為不同類型的頂點(diǎn)賦予不同的權(quán)重。由于微電網(wǎng)所處地域較為集中，自然條件具有高度的時空一致性。當(dāng)該地區(qū)晴天或陰雨天氣時，對光伏發(fā)電的影響幾乎相同；而有風(fēng)或無風(fēng)天氣時，對風(fēng)電的影響也幾乎相似。當(dāng)通信頂點(diǎn)所關(guān)聯(lián)的電源停機(jī)時，則需移除該通信節(jié)點(diǎn)，而與之相連接的邊(通信線路)也同時失效。因此，可根據(jù)頂點(diǎn)權(quán)重順序編號，當(dāng)可再生能源退出運(yùn)行后可以對相應(yīng)矩陣統(tǒng)一修改。

設(shè)4類電源的額定功率分別為SP-i、ES-j和WT-n、PV-m(其中、、、為順序編號)。以各電源的額定功率為參考確定頂點(diǎn)的權(quán)重，由于風(fēng)、光出力的不確定性，給不同類型電源所關(guān)聯(lián)的頂點(diǎn)賦權(quán)重時需要先折算，相應(yīng)額定功率折算公式為

各電源額定功率折算完成后，采用式(24)計算相應(yīng)頂點(diǎn)的權(quán)重。

2.4.2 邊權(quán)重的確定

在給邊賦權(quán)重時，考慮邊所連兩端頂點(diǎn)的權(quán)重，當(dāng)頂點(diǎn)權(quán)重相差很大的電源之間有通信線路時，說明其中一個電源容量較小或?yàn)椴环€(wěn)定電源，則認(rèn)為該通信線路的穩(wěn)定性較差，權(quán)重應(yīng)賦較小值，故可采用式(25)為邊權(quán)重賦值。

2.4.3 通信網(wǎng)絡(luò)優(yōu)化過程

式中，為循環(huán)次數(shù)。

這里直接給出其中一次的優(yōu)化結(jié)果，根據(jù)式(27)可以求得Pareto解集中的滿意解，如圖5所示。

選取滿意解后，以該結(jié)果為基準(zhǔn)，繼續(xù)下一次優(yōu)化，具體優(yōu)化過程如圖6所示，已知有個頂點(diǎn)需形成連通網(wǎng)絡(luò)：

1) 初始化通信網(wǎng)絡(luò)，生成完全圖鄰接矩陣0，即初始網(wǎng)絡(luò)邊數(shù)=(-1)/2；

2) 根據(jù)頂點(diǎn)關(guān)聯(lián)的電源類型及容量計算頂點(diǎn)權(quán)重和邊權(quán)重；

5) 建立第次循環(huán)的優(yōu)化模型，式(26)；

圖6 優(yōu)化流程圖

3 仿真與分析

本節(jié)以含50個分布式電源的微電網(wǎng)為例，分布在5 km內(nèi)有5個穩(wěn)定出力電源(SP)、10個儲能系統(tǒng)(ES)、15個風(fēng)電(WT)、20個光伏(PV)。簡化頂點(diǎn)權(quán)重計算過程，頂點(diǎn)編號1～5為SP，編號6～15為ES，編號16～30為WT，編號31～50為PV。取通信線路費(fèi)用=?1000元/km，交換機(jī)費(fèi)用=?300元/兩端口。以下將分為兩種極端情況說明，即電源均工作時和風(fēng)、光電源退出運(yùn)行時。

1) 50頂點(diǎn)網(wǎng)絡(luò)

圖7 DI與DRI指標(biāo)變化曲線

圖8 通信網(wǎng)絡(luò)優(yōu)化結(jié)果

表2 50頂點(diǎn)不同網(wǎng)絡(luò)對比

圖9和圖10給出不同延遲時間下，本文優(yōu)化網(wǎng)絡(luò)的一致性算法結(jié)果。

圖9 優(yōu)化網(wǎng)絡(luò)的狀態(tài)軌跡圖(t=0.03 s)

圖10 優(yōu)化網(wǎng)絡(luò)的狀態(tài)軌跡圖(t=0.0698 s)

2) 15頂點(diǎn)網(wǎng)絡(luò)

考慮極端情況下，即夜晚無風(fēng)天氣，不穩(wěn)定電源均退出運(yùn)行后的網(wǎng)絡(luò)連接情況，如圖11所示。

圖11 PV/WT均停機(jī)時通信網(wǎng)絡(luò)圖

表3 15頂點(diǎn)不同網(wǎng)絡(luò)對比

圖12表明所優(yōu)化網(wǎng)絡(luò)在極端情況下對隨機(jī)通信線路失效具有較好的容忍性，隨機(jī)失效至少8條通信線路才能破壞網(wǎng)絡(luò)的連通性。

圖12 隨機(jī)刪除邊時DI變化曲線

4 結(jié)論

本文以通信網(wǎng)絡(luò)作為研究對象，以服務(wù)未來基于信息物理融合技術(shù)的含大量分布式電源的智能電網(wǎng)為目的，探索支撐分布式一致性算法的通信網(wǎng)絡(luò)優(yōu)化問題。

本文提出了一種邊數(shù)遞減循環(huán)多目標(biāo)優(yōu)化方法。首先，建立網(wǎng)絡(luò)性能與相應(yīng)矩陣的聯(lián)系，并利用奈奎斯特穩(wěn)定判據(jù)推導(dǎo)出通信延遲與拉普拉斯矩陣的關(guān)系；然后，通過定義的經(jīng)濟(jì)性、動態(tài)性和延遲魯棒性3個性能指標(biāo)構(gòu)造多目標(biāo)優(yōu)化模型，利用NSGA-II算法求解每次循環(huán)的滿意解；最后，根據(jù)動態(tài)性和延遲魯棒性指標(biāo)確定最終優(yōu)化網(wǎng)絡(luò)。從仿真結(jié)果可以看出，本文所優(yōu)化網(wǎng)絡(luò)在3個指標(biāo)方面均具有較好的優(yōu)勢。由于在優(yōu)化過程中考慮了不同類型頂點(diǎn)和邊的權(quán)重，保證了極端情況下通信網(wǎng)絡(luò)的可靠性。下一步研究將從以下兩個方面展開：(1) 從網(wǎng)絡(luò)升級改造的角度出發(fā)，即新安裝的分布式電源應(yīng)如何連接，以保證微電網(wǎng)分布式控制的效果；(2) 在優(yōu)化過程中細(xì)化子系統(tǒng)的控制模型。

[1] YAZDANIAN M, MEHRIZI-SANI A. Distributed control techniques in microgrids[J]. IEEE Transactions on Smart Grid, 2014, 5(6): 2901-2909.

[2] 徐波, 俞向棟, 楊逸欣, 等. 基于多智能體系統(tǒng)的分布式風(fēng)儲協(xié)同頻率控制策略[J]. 電力系統(tǒng)保護(hù)與控制, 2022, 50(19): 13-24.

XU Bo, YU Xiangdong, YANG Yixin, et al. Distributed wind-storage coordinate frequency control strategy based on a multi-agent system[J]. Power System Protection and Control, 2022, 50(19): 13-24.

[3] 張宇涵, 杜貴平, 雷雁雄, 等. 直流微網(wǎng)混合儲能系統(tǒng)控制策略現(xiàn)狀及展望[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(3): 177-188.

ZHANG Yuhan, DU Guiping, LEI Yanxiong, et al. Current status and prospects of control strategy for a DC micro grid hybrid energy storage system[J]. Power System Protection and Control, 2021, 49(3): 177-188.

[4] 戴宇欣, 陳琪美, 高天露, 等. 基于加權(quán)傾斜決策樹的電力系統(tǒng)深度強(qiáng)化學(xué)習(xí)控制策略提取[J]. 電力信息與通信技術(shù), 2021, 19(11): 17-23.

DAI Yuxin, CHEN Qimei, GAO Tianlu, et al. Deep reinforcement learning control policy extraction based on weighted oblique decision tree[J]. Electric Power Information and Communication Technology, 2021, 19(11): 17-23.

[5] 郭偉, 趙洪山. 基于DMPC 加權(quán)一致性算法的電池儲能陣列分組控制策略[J]. 電力自動化設(shè)備, 2020, 40(1): 133-140.

GUO Wei, ZHAO Hongshan. Grouping control strategy of battery energy storage array based on DMPC weighted consensus algorithm[J]. Electric Power Automation Equipment, 2020, 40(1): 133-140.

[6] MCARTHUR S D J, DAVIDSON E M, CATTERSON V M, et al. Multi-agent systems for power engineering applications—part I: concepts, approaches, and technical challenges[J]. IEEE Transactions on Power Systems, 2007, 22(4): 1743-1752.

[7] MCARTHUR S D J, DAVIDSON E M, CATTERSON V Mt, et al. Multi-agent systems for power engineering applications—part II: technologies, standards, and tools for building multi-agent systems[J]. IEEE Transactions on Power Systems, 2007, 22(4): 1753-1759.

[8] 郭偉, 趙洪山. 基于事件觸發(fā)機(jī)制的直流微電網(wǎng)多混合儲能系統(tǒng)分層協(xié)調(diào)控制方法[J]. 電工技術(shù)學(xué)報, 2020, 35(5): 1140-1151.

GUO Wei, ZHAO Hongshan. Coordinated control method of multiple hybrid energy storage systemin DC microgrid based on event-triggered mechanism[J]. Transactions of China Electrotechnical Society, 2020, 35(5): 1140-1151.

[9] MORSTYN T, HREDZAK B, DEMETRIADES G D, et al. Unified distributed control for DC microgrid operating modes[J]. IEEE Transactions on Power Systems, 2016, 31(1): 802-812.

[10] 曹倩, 宋永端, 王磊, 等. 基于比率一致性算法的飛輪儲能矩陣系統(tǒng)分布式雙層控制[J]. 電網(wǎng)技術(shù), 2014, 38(11): 3024-3029.

CAO Qian, SONG Yongduan, WANG Lei, et al. Hierarchical distributed control for flywheel energy storage matrix system based on ratio consensus algorithm[J]. Power System Technology, 2014, 38(11): 3024-3029.

[11] CAO Qian, SONG Yongduan, GUERRERO J M, et al. Coordinated control for flywheel energy storage matrix systems for wind farm based on charging/discharging ratio consensus algorithms[J]. IEEE Transactions on Smart Grid, 2016, 7(3): 1259-1267.

[12] 王晶晶, 廖思陽, 姚良忠, 等. 基于一致性算法的直流受端電網(wǎng)分布式調(diào)頻資源協(xié)同頻率控制[J]. 電網(wǎng)技術(shù), 2022, 46(3): 888-896.

WANG Jingjing, LIAO Siyang, YAO Liangzhong, et al. Coordinated frequency control strategy for DC receiving-end power grid with distributed frequency regulation resources using consensus algorithm[J]. Power System Technology, 2022, 46(3): 888-896.

[13] 楊家豪. 基于一致性算法的孤島型微電網(wǎng)群實(shí)時協(xié)同功率分配[J]. 電力系統(tǒng)自動化, 2017, 41(5): 8-15.

YANG Jiahao. Consensus algorithm based real-time collaborative power dispatch for island multi-grid[J]. Automation of Electric Power Systems, 2017, 41(5): 8-15.

[14] 蒲天驕, 劉威, 陳乃仕, 等. 基于一致性算法的主動配電網(wǎng)分布式優(yōu)化調(diào)度[J]. 中國電機(jī)工程學(xué)報, 2017, 37(6): 1579-1589.

PU Tianjiao, LIU Wei, CHEN Naishi, et al. Distributed optimal dispatching of active distribution network based on consensus algorithm[J]. Proceedings of the CSEE, 2017, 37(6): 1579-1589.

[15]ZHANG Ziang, CHOW M Y. Convergence analysis of the incremental cost consensus algorithm under different communication network topologies in a smart grid[J]. IEEE Transactions on Power Systems, 2012, 27(4): 1761-1768.

[16] CHEN Gang, ZHAO Zhongyuan. Delay effects on consensus-based distributed economic dispatch algorithm in microgrid[J]. IEEE Transactions on Power Systems, 2018, 33(1): 602-612.

[17] 張瑩, 孟潤泉, 王子昂, 等. 一種基于一致性算法的改進(jìn)下垂控制策略[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(14): 104-111.

ZHANG Ying, MENG Runquan, WANG Ziang, et al. An improved droop control strategy based on a consensus algorithm[J]. Power System Protection and Control, 2021, 49(14): 104-111.

[18] 李咸善, 陳奧博, 程杉, 等. 基于生態(tài)博弈的含云儲能微電網(wǎng)多智能體協(xié)調(diào)優(yōu)化調(diào)度[J]. 中國電力, 2021, 54(7): 166-177.

LI Xianshan, CHEN Aobo, CHENG Shan, et al.. Multi- agent coordination and optimal dispatch of microgrid with CES based on ecological game[J]. Electric Power, 2021, 54(7): 166-177.

[19] 呂振宇, 蘇晨, 吳在軍, 等. 孤島型微電網(wǎng)分布式二次調(diào)節(jié)策略及通信拓?fù)鋬?yōu)化[J]. 電工技術(shù)學(xué)報, 2017, 32(6): 209-219.

Lü Zhenyu, SU Chen, WU Zaijun, et al. Distributed secondary control strategy and its communication topology optimization for islanded microgrid[J]. Transactions of China Electrotechnical Society, 2017, 32(6): 209-219.

[20] BAPAT R B. Graphs and matrices[M]. London: Springer Press, 2014.

[21] SABER R O, FAX J A, MURRAY R M. Consensus and cooperation in networked multi-agent systems[J]. Proceedings of the IEEE, 2007, 95(1): 215-233.

[22] FIEDLER M, PRAHA. Algebra connectivity of graphs[J]. Czechoslovak Mathematical Journal, 1973, 23: 298-305.

[23]?SYDNEY A, SCOGLIO C, GRUENBACHER D. Optimizing algebraic connectivity by edge rewiring[J]. Applied Mathematics and Computation, 2013, 219(10): 5465-5479.

[24] ABREU N M M D. Old and new results on algebraic connectivity of graphs[J]. Linear Algebra and Its Applications, 2007, 423(1): 53-73.

[25]??AOYAMA D M. Maximum algebraic connectivity augmentation is NP-hard[J]. Operations Research Letters, 2008, 36(6): 677-679.

[26] SABER R O, MURRAY R M. Consensus problems in networks of agents with switching topology and time-delays[J]. IEEE Transactions on Automatic Control, 2004, 49(9): 1520-1533.

Optimal design of a communication network for a distributed consensus algorithm

GUO Wei1, FAN Wenyi1, YANG Shuqiang1, AN Jiakun1, HE Chunguang1, WANG Tao1, JING Tianjun2

(1. State Grid Hebei Economic Research Institute, Shijiazhuang 050000, China; 2. College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China)

Communication networks are the infrastructure for distributed control. For a distributed consensus algorithm and future smart microgrid application requirements, a communication network optimization design method that takes into account dynamics, delay robustness, and economy is proposed. First, the relation between the communication network and the corresponding matrix is established by algebraic graph theory. Then, three performance indices related to the communication network are defined by different matrices, and the relationship between the maximum communication delay timeand the Laplacian matrixeigenvalues is deduced using the Nyquist stability criterion. Finally, using an algebraic connectivity related theorem, an edge decrement cycle network optimization process is proposed. A multi-objective optimization model including three indices is established in each cycle, and a solution is achieved using the NSGA-II algorithm for the number of edges. The process is repeated until the network is disconnected, and the final optimization network is selected from all the satisfactory solutions according to the network dynamics and delay robustness. Simulation examples verify the feasibility and effectiveness of the proposed optimization method.

communication; distributed; Laplacian matrix; algebraic connectivity; delay; optimization

10.19783/j.cnki.pspc.221155

河北省重點(diǎn)研發(fā)計劃項(xiàng)目資助(21314302D)；國家電網(wǎng)有限公司科技項(xiàng)目(5400-202155371A-0-0-00)

This work is supported by the Key Research and Development Program of Hebei Province (No. 21314302D).

2022-07-21；

2022-10-25

郭 偉(1989—)，男，博士，工程師，主要研究方向?yàn)槲㈦娋W(wǎng)優(yōu)化運(yùn)行與控制技術(shù)、柔性儲能技術(shù)；E-mail：guoweincepu@126.com

范文奕(1995—)，女，碩士，主要研究方向?yàn)榕潆娋W(wǎng)規(guī)劃與運(yùn)行；E-mail：jyy_fanwy@163.com

楊書強(qiáng)(1993—)，男，碩士，主要研究方向?yàn)榕潆娋W(wǎng)規(guī)劃與運(yùn)行。

(編輯 姜新麗)