公司新闻
你的位置: 首页 > 新闻中心 > 公司新闻

JLG蓄电池基于噪声方法的微电网异构电池储能系统最优分布式共识控制

来源:JLG电瓶       2026-06-05 16:52:44       点击:
微电网作为一种具备并网与孤岛运转能力的小型独立电力体系,能有用整合分布式发电资源以提高电力体系的动力安全与运转韧性[1][2]。其核心构成单元[3]包括分布式发电机组、储能体系及负荷设备。跟着太阳能、风能等可再生动力的广泛使用,这些动力固有的间歇性与不确定性给电网安稳性带来了新的应战。文献[4]表明,电池储能体系(BESSs)可作为缓冲装置平抑可再生动力波动,并已在微电网中广泛使用。针对集中式操控结构带来的通讯负荷过重与故障率高的问题,分布式协同操控结构近年来备受重视。研讨[5][6]指出,分布式BESSs的和谐操控对保证可再生动力微电网的韧性及可靠性具有要害作用。该结构仅需每个电池储能体系(BESS)经过稀疏网络与相邻节点进行通讯,即可协同完成全局操控方针。现在微电网中BESS分布式操控的研讨大体可分为无限时刻情境[7]-[11]与有限时刻情境[12]-[16]两类。更多细节可参看相关文献,此处不再赘述。
详细而言,在分布式操控范畴,微电网通常被视为多智能体体系,其间电池储能体系(BESSs)作为智能体,经过通讯网络共享状况信息与操控信号。但是,上述研讨未考虑由通讯噪声及其他要素引起的随机扰动。在实践通讯进程中,因网络拥塞或数据包碰撞等要素导致的通讯噪声不可避免。在实践微电网中,通讯噪声会导致电池储能体系间交换的状况信息失真,从而下降共同精度、引发功率分配振荡,乃至损坏协同操控进程的安稳性。现有研讨大多假设通讯链路理想化,因而忽视了这一要害问题。现在已有多种办法可用于处理该问题。一方面,在多智能体体系中,噪声通常被视为随机搅扰源,并根据智能体与其邻居间的相对状况,采用加性[17][18]或乘性[19][20]噪声进行描述。该研讨聚集于通讯噪声下多智能体体系达成共同的特征,以及完成这一共同所需的条件。现在已有很多研讨成果,首要分为两种情况:无限时刻景象[21][22][23]和有限时刻景象[24][25][26]。上述研讨为通讯噪声或随机搅扰下多智能体体系的共同功能保证供给了理论基础,但首要集中于理论模型而非实践储能网络。另一方面,学界普遍认识到噪声不只可以损坏安稳体系的安稳性,还可以安稳本质不安稳的体系,乃至增强体系的安稳性。随机体系中的噪声操控触及以布朗进程方式施加操控,以完成体系的安稳化或失稳化。换言之,当在分散项中参加噪声操控器时,其核心作用在于确保体系安稳性。现在已有若干相关研讨成果,例如文献[27]、[28]、[29]、[30]、[31]所述。正是因为噪声操控的这一特性,其在保持闭环体系状况与原体系状况几乎必然共同方面具有天然优势。值得注意的是,Behera和Choudhury[32]、Katsanevakis等[33]、Papageorgiou等[34]体系剖析了微电网中储能体系的各类操控办法,为当时操控战略的发展前景供给了重要见地。但是,尽管已有很多研讨,关于随机噪声在分布式操控中详细作用仍存在显著的研讨空白。为更直观地引出本文作业,表1总结了储能体系的代表性操控办法,并特别重视其对随机噪声的处理方式。这一比照剖析凸显了各类办法的优势与局限,明晰提醒了当时普遍存在的研讨缺口。
如表1所示,尽管各种操控范式已获得显著进展,但这些范畴交叉处仍存在重大空白。尽管噪声随机安稳化在单一动态体系中已得到广泛研讨,但其在多智能体动力体系中完成协同安稳与共同的潜力仍基本未被探究。截至现在,尚无研讨体系性地考察噪声操控能否用于提高微电网异构BESS间的共同功能。此外,收敛速度是共同操控进程中的要害指标。比较无限时刻或渐近共同,有限时刻共同在实践使用中受到更多重视。根据上述研讨与讨论,关于蓄电池储能体系(BESSs)的分布式共同操控仍需深入研讨以下问题:怎么经过噪声操控完成BESSs的分布式共同,且噪声操控能否促进微电网中BESSs完成有限时刻共同?迄今为止,上述问题没有获得任何研讨成果,而前述调查正是推动本研讨持续开展的动因。本研讨将经过上述问题的探究,完成噪声操控与BESSs分布式共同结构的体系性融合,为怎么使用而非按捺噪声以完成微电网可靠高效运转供给新见地。
本文经过噪声操控办法解决了BESSs的最优分布式共同操控问题。论文的两个贡献如下:一方面,提出了一种分布式噪声共同操控器,使异构BESSs可以在无限时刻内达成共同。th moment共同,一起也供给了一个待优化的能量本钱函数。特别地,本文将证明电池储能体系的有限时刻共同无法经过任何方式的分布式噪声操控器完成。另一方面,本文开发了一个多方针优化问题(MOP)以进一步提高操控功能,其间包含两种关于单方针优化问题(SOP)的特殊情况。研讨表明,能量本钱与th moment均需且必须被一起优化。pth moment are necessary and important to be optimized simultaneously.