基于自适应控制的故障检测框架，用于稳定直流微电网的运行

《Renewable Energy Focus》：Adaptive Control-Based Fault Detection Framework for Stable DC Microgrid Operation

　　### Banothu Somanna | Sushma Gupta
**电气工程系，毛拉纳·阿扎德国立理工学院，博帕尔 462003，中央邦，印度**

#### 摘要
直流微电网（DCMGs）在将可再生能源整合到现代电力系统中发挥着越来越重要的作用。这些系统必须有效解决实时故障检测和维护控制器性能稳定的挑战。尽管负载和电源条件动态变化，保护方案仍需保持可靠性。本文旨在为DCMGs的故障管理和控制优化开发一个全面的框架，目标是创建一个显著提升系统性能的集成解决方案。研究采用基于电阻的技术，利用局部测量数据来识别线对地（LG）故障。推荐使用各种控制器（如FLC、ANFIS和GA）来最小化电压和电流的变化。人工蜂群算法用于优化比例-积分（PI）控制器参数，以实现更优的性能。整个系统通过MATLAB/Simulink仿真和Opal-RT（OP4510）实时测试进行验证。所提出的ABC优化方法与其他技术相比，显著降低了峰值故障电流。该方法在保持直流母线电压稳定性的同时，故障条件下电压和功率波动显著降低。该系统在故障条件下以最小的电压和功率波动保持稳定运行，显著提高了DCMGs的动态稳定性。这一框架应成为未来可持续电力网络的稳健解决方案。

#### 引言
对生态可持续和高效电力系统的需求增加，加速了向分散式可再生能源框架的转型。在此过程中，DCMGs已成为无缝整合分布式能源资源（DER）和储能系统（ESS）的可行平台[1]、[2]、[3]、[4]。与传统交流微电网相比，DCMGs具有多项优势，包括更简单的接口、更高的能源效率和更低的转换损失。这些优势主要源于DCMGs本质上消除了与相位同步和无功功率管理相关的问题[2]、[3]、[5]。此外，DCMGs能够有效容纳多种电源，如太阳能光伏（SPV）、风能（WE）、电网（UG）和燃料电池（FC），同时支持线性负载（Rl1、Rl2、Rl3）以及现代非线性负载（如电动汽车（EVs）[6]、[7]。分布式储能（DG）和可再生能源（RE）的整合进一步增强了可扩展性和灵活性。尽管有这些优势，但PI控制器的引入引入了显著的非线性和复杂性，而动态变化的负载和电源条件进一步加剧了这一问题。在这种情况下，确保系统的稳定和可靠运行成为根本挑战。因此，研究稳健的控制机制和先进的故障保护方法对于维持DCMGs的运行稳定性和安全功能至关重要。

#### 主要挑战
DCMGs广泛部署的主要挑战是故障检测和保护的复杂性。与交流系统不同，直流网络缺乏自然的电流零交叉点，而这通常可以简化电弧中断和后续故障清除[4]、[8]。故障条件（如低阻抗故障（LIF）或高阻抗故障（HIF）可能在直流链路中产生严重的电压-电流（V–I）扰动，可能导致系统崩溃或停机[5]、[9]。因此，设计稳健的保护方案对于将V–I参数保持在安全操作范围内并确保系统连续可靠性至关重要[9]、[10]。为此，通常使用继电器（R1-R10）和断路器（CB1-CB10）快速隔离故障段。继电器首先识别异常并将故障信息传递给断路器[5]、[6]。早期的研究将保护线距离修正为82-100米，消除了先前报告中的不准确性[11]。然而，在微电网中识别故障仍然存在重大挑战。特别是，由于PI控制器的电流限制效应[12]-[13]，直流故障电流（If）往往无法显示出与正常运行的显著偏差。这一特性使得识别如线对地（LG）故障等故障变得复杂。此外，在动态负载和电源波动下维持V–I稳定性需要精确调整PI控制器参数[10]、[11]、[14]。虽然PI控制器是基础控制机制，但其处理非线性动态的能力有限，这促使采用更先进的策略。模糊逻辑控制器（FLCs）和自适应神经模糊推理系统（ANFIS）在直接管理复杂动态方面表现出色，而遗传算法（GA）、算术优化（AO）和平衡优化（EO）等优化技术常用于微调PI参数或混合控制器[9]、[15]、[16]、[17]、[18]。如果没有最佳调整，在包含多个分布式电源和储能单元的DCMGs中可能会出现循环V–I不匹配等问题，最终降低整体效率[16]、[19]。鉴于这些挑战，有效的PI参数优化方法至关重要，特别是在系统成本、计算负担和可用安装空间等方面受到限制的情况下。

#### 研究内容
多项研究探讨了改进直流微电网系统稳定性和故障性能的控制策略和保护技术。最近关于HVDC系统的研究还探索了提高电力系统可靠性和运行稳定性的先进控制和保护方法[20]。这些研究为故障管理和控制策略提供了有用的见解，这些策略也适用于DCMGs应用。一项研究提出了基于SPV的DCMGs的差分保护方案[1]。另一项研究关注了基于硬件的检测方法的局限性，特别是其对通信基础设施和分布式传感器的依赖[2]。为解决检测延迟问题，开发了基于神经网络的解决方案[3]、[4]，但这些方案需要大量的训练数据集和强大的实时数据管理能力[3]。另一项研究探讨了功率调节和断路器协调在有效故障隔离中的共同作用[7]。此外，还有一些研究提倡使用基于局部测量的检测技术来减少对通信链接的依赖[6]、[12]。尽管取得了这些进展，现有文献中一个反复出现的局限性是对动态变化故障条件下PI参数适应的重视不足。在实际DCMG环境中，由于可再生能源的间歇性、负载变化和传感器测量噪声，不确定性会产生，所提出的FLC-ABC框架能够适应这些不确定条件，从而调整控制器参数以保持稳定运行[6]。在控制方面，FLCs在高度动态的负载场景下已被证明优于传统的PI控制器[21]、[22]、[23]、[24]、[25]。例如，有研究提出了一种基于分数阶PI的控制器用于基于FC的微电网[26]，还有研究引入了基于模糊逻辑的策略来提高功率共享精度[29]。这些先前的工作，包括我们的一些早期出版物，主要通过仿真研究探讨了PI调整和高级模糊控制[26]、[27]、[28]。然而，这些先进控制器往往缺乏用于精确调整的集成优化算法，大多数在硬件在环环境中未经验证。最近对元启发式优化方法（包括ABC [30]、支持向量机（SVM）[31]和混合小波-FFT技术[32]）的研究表明了有希望的性能提升。其中，GA、AO和EO在解决复杂非线性多变量问题和确定最佳PI控制器增益方面特别有效。然而，这一关键领域尚未得到充分研究。在实际DCMG故障场景下实现和验证混合PI + ABC框架是当务之急。本研究的主要目的是解决DCMGs中与故障检测、控制器精度和PI参数优化相关的问题。第一个研究目标是建模并模拟低电压DCMG环境中多个端点的LG故障，并研究其对V–I特性的影响。第二个目标是在正常和故障运行条件下开发和比较传统PI控制器与FLC策略的性能。为此，我们提出了一种基于电阻的故障识别方案，该方案仅使用局部V–I测量数据来检测LG故障，从而消除了对集中式通信基础设施的需求。在实际DCMG实现中，等效故障路径不能仅用电缆电阻表示，还必须包括用于直流链路滤波阶段的铝电解电容器的等效串联电阻（ESR）。这些电容器的ESR值通常约为100 mΩ，对有效故障路径阻抗有显著贡献。当故障电阻约为20 Ω时，电容器的ESR成为整体阻抗的重要组成部分，可能会部分掩盖低电阻故障（如10 Ω）的特征。因此，所提出的基于电阻的检测框架在等效RC梯形表示中包含电容器ESR，以提高故障建模的真实性并确保可靠检测。此外，实际DCMG故障可能涉及具有非线性负阻抗特性的电弧故障。在电弧形成过程中，V/I关系可能会波动，影响电阻估计。因此，所提出的方法在短采样窗口内评估指标，以减少瞬态电弧效应并保持可靠的LG故障分类。此外，通过使用ABC算法优化PI控制器增益（Kp和Ki）来提高系统性能。这种受蜜蜂捕猎行为启发的优化技术系统地确定了最佳参数集，以在不同条件下减少V–I振荡。每个潜在解决方案都表示为食物源，迭代更新过程逐步提高解决方案质量，最终提高稳定性和效率。本研究提出了一个新颖的混合框架，将基于电阻的故障检测与ABC优化的PI控制和FLC适应相结合。这种方法超越了我们之前的工作，后者分别解决了这些问题，并提供了现有文献中未见的统一解决方案。所提出的控制和优化框架通过MATLAB/Simulink仿真进行了验证，并进一步在Opal-RT OP4510实时仿真平台上进行了硬件在环实现验证。这种双重验证弥合了理论模型与实际实现之间的差距。

#### 文献综述
文献综述了相关的工作，总结了所采用的控制方法、它们的贡献和现有局限性（见表1）。此外，在结论部分还指出了本研究的工作局限。本研究的贡献有三个方面：首先，提出了一种新的基于电阻的故障检测技术，仅使用局部V–I数据来识别LG故障，消除了对高速通信网络的依赖，提高了定位精度[6]、[9]、[13]；其次，提出了一种结合FLC和ABC优化的混合控制框架，在故障条件下自适应调整PI参数，超越了现有的独立FLC或ABC方法[17]、[28]、[29]；第三，使用Opal-RT平台进行了严格的实时验证，证明了该方法在现实世界中的可行性，这是早期研究中经常缺失的部分[10]、[33]、[32]。总体而言，这些贡献为克服先前研究的局限性提供了稳健且高效的解决方案。然而，本研究也存在局限性。仿真假设了理想的开关行为，测试仅限于低电压DCMG架构，且对网络物理攻击或通信引起的干扰的抵御能力尚未解决。这些方面将在未来的扩展中探讨，特别是针对中压系统和替代性元启发式算法。总之，本研究通过解决关键研究差距，推进了DCMG保护和控制的先进水平，在效率和稳定性方面取得了实质性改进，并在仿真和实时环境中验证了研究成果。

#### 本文的主要贡献
1. **基于电阻的故障检测方法**：仅使用局部V–I测量数据识别LG故障，无需依赖通信。
2. **混合控制框架**：结合FLC和基于ABC的优化，能够在正常和故障DCMG条件下自适应调整PI参数，超越了现有的独立FLC或ABC方法[17]、[28]、[29]。
3. **实时验证**：使用Opal-RT OP4510平台进行了严格验证，证明了该方法在现实世界中的可行性，这是早期研究中经常缺失的部分[10]、[33]、[32]。
4. **系统性能提升**：所提出的系统在动态和故障场景下实现了36%的峰值If降低和显著的电压波动最小化。
5. **创新整合**：本文独特地结合了实时验证的基于电阻的故障检测与ABC优化的混合PI+FLC控制，不同于之前的独立方法。

#### 文章结构
本文分为六个部分：第2节讨论了DCMG系统配置，第3节讨论了故障对DCMG的影响，第4节介绍了DCMG的控制技术和参数优化设计模型，第5节包含结果和讨论，第6节总结了全文。

#### 所提出的DCMG系统 Overview
所开发的DCMG系统包括太阳能光伏（SPV）、风能（WE）等可再生能源，同时配备了燃料电池（FC）和电网（UG），以确保系统的灵活性和可靠性。一个储能系统（BESS）连接了多个负载（Rload1、Rload2和Rload3），以及两块电动汽车（EV1、EV2）电池。整个网络配置和端子分类如图1所示，并在表2 [5]、[34] 中进行了详细说明。太阳能光伏阵列（SPV）、燃料电池（FC）和风力发电系统（WE）通过最大功率点跟踪（MPPT）控制的DC-DC转换器与直流母线连接。 DC微电网（DCMG）可能会因故障而中断运行。这些系统容易受到各种故障的影响，包括线路对地（LG）故障和电弧故障。本研究重点关注线路对地故障，因为这类故障发生频率较高，且对系统可靠性有显著影响。尽管不同类型的故障可能出现在多个端子上，但线路对地故障仍是研究的重点，因为对其的分析可以为其他场景提供借鉴。为了评估效果，我们在特定时间的选定直流端子上故意引入了线路对地故障。

在所提出的DCMG系统中，太阳能光伏阵列、风力发电系统和EV1电池通过MPPT控制进行连接，而多余的能源则被储能系统吸收 [26]。负责协调太阳能光伏阵列、风力发电系统和燃料电池集成的控制器结构如图5(a,b)所示。此外，图6展示了与太阳能光伏阵列、风力发电系统和EV1相关的电力电子转换器的自适应控制架构，其中MPPT算法确保了最优的功率提取。

所提出的基于分布式能源资源（DER）和电池的ABC控制的DCMG系统在Simulink中进行了仿真。为了评估故障期间的电网实际交互情况，将公共电网建模为一个具有0.1 Ω串联阻抗和100 μH串联电感的Thevenin等效电源，而不是理想的电压源。表2提供了DCMG系统的关键元素及其相应配置。本节详细分析了DCMG系统的故障响应。在实际的直流微电网环境中……

本研究必须解决DCMG中准确的线路对地故障检测和控制优化这一关键问题。应重点开发一种结合模糊逻辑控制和ABC优化的基于电阻的故障识别框架，以提高系统性能。所提出的方法需要通过全面的MATLAB仿真和使用Opal-RT（OP4510）平台的实时测试来进行验证。研究结果应证实传统的PI控制器无法维持电压-电流红色度（V-ICRediT）。

**作者贡献声明：**
- Banothu Somanna：撰写 – 审稿与编辑，撰写 – 原稿，可视化，验证，资源准备，方法论，调查，形式分析，数据整理，概念化。
- Sushma Gupta：撰写 – 审稿与编辑，监督，概念化。

**资金来源：**
作者未接受任何资金支持。

**利益冲突声明：**
作者声明没有已知的财务利益冲突或个人关系可能影响本文所述的工作。

**致谢：**
我们感谢匿名审稿人的宝贵建议。