Saturation-based robustly optimal hierarchical operation control of microgrids
作者: Ujjwal Pratap, Steffen Hofmann
分类: math.OC, eess.SY
发布日期: 2025-12-09
💡 一句话要点
提出基于饱和度的微电网鲁棒最优分层运行控制方法，应对可再生能源不确定性。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 微电网控制 鲁棒优化 分层控制 可再生能源 模型预测控制
📋 核心要点
- 可再生能源的间歇性和不确定性给微电网的稳定运行带来挑战，现有方法难以保证各种工况下的最优性。
- 论文提出一种基于饱和度的鲁棒最优分层控制策略，通过分层控制和能量管理应对不确定性，实现微电网的优化运行。
- 案例研究验证了所提出的控制设计的可行性，表明该方法能够在可再生能源波动的情况下维持微电网的稳定和优化运行。
📝 摘要（中文）
本文研究了具有高比例可再生能源的微电网的鲁棒最优运行控制问题。主要目标是在各种情况下确保最优运行，考虑到可再生能源和负载需求的高度间歇性和不确定性。我们正式地阐述了这个问题，并且为了解决它，我们有效地利用了分层电力系统控制方法。我们考虑了一种增强的一次控制层，包括下垂控制和功率及能量的自主限制。我们证明了这使得在某些条件下可以使用恒定功率设定点来实现最优运行。为了放宽这些条件，该方法与能量管理系统相结合，该系统在模型预测控制框架内解决鲁棒单元承诺问题。最后，一个案例研究证明了控制设计的可行性。
🔬 方法详解
问题定义：论文旨在解决微电网在可再生能源高渗透率下的鲁棒最优运行控制问题。现有方法难以应对可再生能源的高度间歇性和不确定性，无法保证微电网在各种工况下的稳定性和经济性。因此，需要一种能够适应不确定性并实现最优运行的控制策略。
核心思路：论文的核心思路是采用分层控制架构，结合增强的一次控制层和能量管理系统，以应对可再生能源的不确定性。通过下垂控制和功率/能量自主限制，增强一次控制层的鲁棒性，并利用能量管理系统进行鲁棒单元承诺，从而实现微电网的优化运行。
技术框架：整体架构包含两个主要层次：增强的一次控制层和能量管理系统。一次控制层负责快速响应功率波动，维持系统频率和电压的稳定。能量管理系统则通过模型预测控制（MPC）框架，进行鲁棒单元承诺，优化机组的启停和功率分配，以满足负载需求并降低运行成本。
关键创新：论文的关键创新在于将基于饱和度的功率限制集成到一次控制层中，并将其与鲁棒优化的能量管理系统相结合。这种分层控制策略能够有效地应对可再生能源的不确定性，并在各种工况下实现微电网的鲁棒最优运行。此外，论文还证明了在特定条件下，可以使用恒定功率设定点来实现最优运行，简化了控制策略的设计。
关键设计：能量管理系统采用模型预测控制（MPC）框架，通过滚动优化来适应实时变化。鲁棒单元承诺问题被建模为一个混合整数线性规划（MILP）问题，考虑了可再生能源预测的不确定性。关键参数包括预测时域长度、控制周期、以及各种约束条件（如机组容量限制、爬坡速率限制等）。损失函数通常包括运行成本、启动成本和维护成本等。
🖼️ 关键图片
📊 实验亮点
案例研究表明，所提出的控制设计能够有效地应对可再生能源的不确定性，维持微电网的稳定运行，并降低运行成本。通过与传统控制策略的对比，验证了该方法的优越性。具体的性能数据（如电压偏差、频率偏差、运行成本降低幅度等）在论文中进行了详细展示。
🎯 应用场景
该研究成果可应用于实际微电网的运行控制，尤其是在可再生能源渗透率较高的场景下。通过提高微电网的稳定性和经济性，促进可再生能源的利用，降低对传统能源的依赖，对实现能源转型和可持续发展具有重要意义。此外，该方法还可扩展到其他类型的分布式能源系统。
📄 摘要（原文）
This paper studies the problem of robustly optimal operation control of microgrids with a high share of renewable energy sources. The main goal is to ensure optimal operation under a wide range of circumstances, given the highly intermittent and uncertain nature of renewable sources and load demand. We formally state this problem, and, in order to solve it, we make effective use of the hierarchical power system control approach. We consider an enhanced primary control layer including droop control and autonomous limitation of power and energy. We prove that this enables the use of constant power setpoints to achieve optimal operation under certain conditions. In order to relax these conditions, the approach is combined with an energy management system, which solves a robust unit commitment problem within a model predictive control framework. Finally, a case study demonstrates the viability of the control design.