基于深度学习的直流微电网虚假数据注入攻击二阶段检测方法
直流微电网是一个网络物理信息系统,在信息传递的过程中容易遭受网络攻击的影响。虚假数据注入信息通道会影响微电网的系统安全。检测并修正虚假数据注入攻击,能够提升微电网系统运行的安全性。针对这一问题,提出了一种基于卷积神经网络(convolutional neural network,CNN)和长短期记忆网络(long short-term memory,LSTM)联合最大互信息系数(maximum information coefficient,MIC)的二阶段虚假数据注入攻击检测方法。首先,使用CNN从直流微电网运行的时序数列中提取时序特征,运用LSTM模型结合CNN提取的时序特征运行得到直流微电网运行状态预测值,与直流微电网运行的实际值对比,初步判断系统中是否存在虚假数据;其次,考虑到CNN-LSTM模型存在一定的误报率,构建MIC校验器,进一步判断系统中是否存在虚假数据并恢复;最后,通过直流微电网Matlab仿真分析,验证了所提方法的合理性和可行性。
基于DDPG算法的微网负载端接口变换器自抗扰控制
直流微电网是新能源综合利用的重要形式,但其中的分布式接口往往存在着强随机性扰动,这给直流变换器的稳压控制带来了诸多问题。为了尽可能地抑制控制器参数固定时这种不确定性特征引起的不利影响,提出了一种利用深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法整定线性自抗扰控制器参数的方法。依靠引入了智能算法的自抗扰微电网控制系统,实现了控制器参数的自适应调整,从而实现了微电网接口变换器的稳定运行。通过仿真对比了各类典型工况下,DDPG-LADRC与传统线性自抗扰控制器(linear active disturbance rejection control, LADRC)、双闭环比例-积分控制器的性能差异,验证了所提控制策略的有效性。而参数摄动下的鲁棒性分析结果结合多项指标下的系统整体性分析,充分体现了控制器参数的智能化调整所带来的多工况自适应性增益的优越性,具备较强的工程价值。
直流微电网设计与实现
直流微电网的提出和发展、拓扑与构成、控制策略设计、运行特性分析、案例
分布储能直流微电网中多储能荷电均衡控制策略
在分布式储能孤岛直流微电网系统中,针对传统下垂控制策略无法实现荷电状态均衡、功率分配不精确和母线电压跌落的问题,提出了一种自适应下垂控制策略。首先将双曲正切函数与荷电状态相结合,利用双曲正切函数的特性,限制下垂系数的范围并且快速进行调整。然后通过调节补偿量,使下垂系数对应的电压相等,设计了功率分配的补偿策略。最后计算线缆阻抗,设计了二次母线电压补偿策略。Simulink仿真实验结果表明,所提控制策略可以实现荷电状态的均衡和功率的精确分配,并且使母线电压能够准确维持在额定值。
基于IGDT的含广义储能的独立直流微网日前优化调度
微电网的能量管理与优化调度作为构建新型电力系统的重要环节,提高其可再生能源的消纳水平、降低源荷不确定性风险以及优化系统运行成本具有重要意义。因此,文中提出一种基于信息间隙决策理论(information gap decision theory,IGDT)的含广义储能的独立直流微电网日前优化调度模型。首先,构建含超级电容的混合储能系统,以降低蓄电池运行成本,将具备虚拟储能特性的柔性负荷与混合储能相结合,形成广义储能,充分发挥微电网系统内灵活性资源特性;其次,考虑系统风光荷不确定性,引入IGDT模型,在确定性模型基础上建立风险规避策略下的鲁棒模型和风险投机策略下的机会模型,从2种决策角度追求降低风险与最大化收益;最后,基于算例仿真分析,证明该调度策略在降低微电网运行成本的基础上可量化不确定性因素对系统调度决策的影响,验证了模型的有效性和可参考性。
考虑线路阻抗的分布式储能SOC均衡控制策略
直流微电网孤岛运行状态下,由于分布式电源(distributed generation,DG)的不确定性,需要加入储能单元进行补充。对于传统下垂控制,线路阻抗差异造成输出电流无法精确分配,对储能单元荷电状态(state of charge,SOC)的均衡效果造成影响,且随着SOC的降低,收敛速度变慢,同时没有考虑DG波动对母线电压的影响。因此,提出一种改进下垂控制策略,通过计算输出电流偏差量,引入对电流偏差的积分环节,消除线路阻抗差异的影响,并且设计加速项和自适应变化的加速系数,提高了SOC均衡速度。当DG波动时调整输出电流增发量,满足负荷功率平衡,保持电压稳定。经过仿真验证,所提控制策略在考虑线路阻抗时的SOC收敛误差小于0.1%,收敛速度较对比方法提高20%,并且电压降落小于3%。