针对带加密货币挖矿负载的孤立微电网进行稳定性优化的控制器的硬件在环（HIL）验证

《Renewable Energy Focus》：Hardware-in-the-loop validation of the optimized controller for stabilizing islanded microgrids with cryptocurrency mining loads

　　加利·艾哈迈德（Ghali Ahmad）、穆罕默德·扎埃里（Mohamed Zaery）、穆罕默德·沙菲乌拉（Md Shafiullah）、穆罕默德·A·阿比多（Mohammad A. Abido）
沙特阿拉伯达兰国王法赫德国王石油与矿业大学控制与仪器工程系，邮编31261

**摘要**
可再生能源在孤岛式微电网（MGs）中的高渗透率降低了系统的有效惯性，使得在快速电力波动情况下的频率调节变得更加困难。本研究的动机在于需要一种快速且实用的补充平衡机制，能够在发电过剩时吸收多余能量，并在需求不足时削减用电，同时不降低系统运行效率。为此，将一种加密货币挖矿负载集成到微电网系统中作为可控的灵活需求资源，并使用最近开发的基于“猛禽优化”（Birds of Prey-Based Optimization, BPBO）算法对比例-积分-微分（Proportional-Integral-Derivative, LFC）二次负载频率控制器进行优化调整。通过单步、多步以及实际光伏渗透情景下的时域性能指标和标准误差指数，评估了所提出的BPBO-PID策略与基于粒子群优化（Particle Swarm Optimization, PSO-PID）和基于灰狼优化（Grey Wolf Optimization, GWO-PID）的控制器。结果显示，BPBO-PID始终表现出最佳的整体性能，相比PSO-PID误差指数降低了23.0%-41.7%，相比GWO-PID降低了37.0%-67.6%，尤其是在ITSE指标上的改进最为显著；同时单步稳定时间分别减少了15.2%和36.2%。通过数字信号处理与控制工程（dSPACE）和实时数字仿真器/RTDS仿真计算机辅助设计（RTDS/RSCAD）平台的分析评估和硬件在环验证进一步证实了该控制策略在真实微电网中实现实时频率支持的实际可行性。

**引言**
由于人口增长和技术进步，电力需求持续增加。过去几十年里，能源行业主要依赖传统的碳氢化合物化石燃料[1]。然而，由于这些能源的有限可用性和对环境的负面影响[2]，人们逐渐转向采用可再生能源（RESs）。在从碳氢化合物化石燃料向光伏（PV）、风能、生物质能和地热能等可再生能源的过渡过程中，优先考虑环境可持续性至关重要。此外，电池储能系统（BESS）、加密货币挖矿负载（CML）和其他灵活负载的应用对于提高微电网（MG）的稳定性、减缓能源削减以及电动汽车（EVs）的协同运作引起了研究人士、行业利益相关者和监管机构的极大兴趣[3]。这些资源对于增强当前能源系统的稳定性和可靠性越来越重要[4]。此外，优化算法的最新发展也能提高电力网络的效率。可再生能源的主要缺点是它们的发电量会随外部天气条件和需求波动而变化[5]。这种依赖性导致在不同条件下无法满足负载需求。随着可再生能源渗透率的增加，电网的低惯性响应会导致显著失衡并降低电力系统的频率控制能力[6]。实施创新和优化的控制技术可以提升可再生能源的性能[7]。负载频率控制器（LFC）已被广泛用于解决与可再生能源相关的频率偏差问题[8]。

除了传统的需求响应机制外，加密货币挖矿负载（CML）作为一种可编程、快速响应的灵活负载迅速崛起，能够在亚秒级时间尺度内调节能耗，而不会产生工艺或产品损失，使其成为具有高渗透率可再生能源电网中频率调节和系统平衡的实际资源[9]。CML在概念上类似于虚拟储能，它们能够在供应过剩时吸收多余电量，在需求不足时快速减少电力输出，从而缓解频率异常并减少对传统备用电源的依赖[3][10]。尽管近期有文献研究了将大型工业计算负载（包括加密货币挖矿）用于批发电力市场辅助服务的可行性[10]，但关于CML在LFC方案中的严格考虑及其动态性能的实证评估仍较为有限，尤其是在微电网中。因此，将CML视为LFC中的可控负载既及时又有意义；它扩展了需求侧管理的范围，并提供了高保真的监控和控制[11]。LFC已被广泛用于解决与可再生能源相关的频率偏差问题[12]。有研究探讨了电动汽车（EVs）对LFC的影响及提升电网稳定性的潜力[13]，还有研究评估了包含非线性因素的LFC，并最终提出了一种第二类模糊控制器[14]。虽然采用了比例-积分-微分（PID）控制器来解决LFC问题[4]，但在实际应用中存在参数配置和系统管理的特定限制[15]。另有研究提出了自适应神经模糊推理系统和神经模糊控制器[15][16]。考虑到现代控制系统的显著进步，传统的比例-积分（PI）控制器仍被广泛用于工业领域，因为它在多种工厂和工作条件下都能提供合理的结果[16]。近年来，BESS、CML和EVs已成为管理微电网频率的有前景的解决方案，这得益于它们的优势特性，如减少能源削减和储能能力，有助于维持微电网的稳定性[17][18]。为了确定所提出控制器的最佳参数，必须使用可靠的优化方法[19]。早期的整合和跟踪方法被用于控制LFC中的控制器，但这些传统方法存在局部最优解的可能性、需要多次迭代以及对初始参数值的敏感性等局限[19]。因此，元启发式优化策略被用来克服这些局限性。通过仔细选择最佳的LFC增益，可以提升系统的动态性能，因为标准调优程序面临诸多挑战[20]。

尽管LFC领域的进展显著，但仍存在四个主要问题：首先，大多数研究仅基于仿真验证，这限制了其在实际应用中的可靠性；其次，尽管灵活需求资源在可再生能源丰富的微电网中越来越重要，但CML尚未被明确建模为LFC循环中的快速可控负载；第三，一些更复杂的控制设计虽然提升了系统的动态性能，但增加了控制器设计的复杂度；第四，多数元启发式调优研究虽然提高了瞬态指标，但较少讨论计算负载、实现能力和硬件级验证[21][22][23]。当前的工作致力于基于BPBO和硬件在环（HiL）验证的CML辅助LFC框架。从操作角度来看，CML比许多传统负载更具灵活性，因为它可以快速削减或恢复，不受居民需求或大多数工业消费者的工艺连续性要求的限制[24]，使其成为补充平衡和缓解低惯性微电网中可再生能源引起的电力失衡的有前景的快速需求响应资源[24]。但在削减过程中，计算吞吐量和相关经济回报会受到一定影响[25]。

表1讨论了LFC在微电网系统中的长期贡献，重点关注基于优化的PI/PID控制器调优策略。使用了多种元启发式算法，如生物启发算法[20]、社会群体优化（SGO）[7]、人工兔子优化（ARO）[21]、蜉蝣算法（MFA）[22]、灰狼优化（GWO）[23]、和谐搜索（HSO）[24]、水母搜索优化（JFSO）[25]、蜜獾优化（HBO）[26]以及受蜜蜂觅食行为启发的人工蜂群（ABC）[27]。这些算法通过“蜜蜂”群体来探索和实施解决方案，在追求创新解决方案的同时优化可行方案以获得最佳结果[28]。哈里斯鹰优化器（HHO）[2]借鉴了哈里斯鹰的狩猎策略，有效平衡了探索和利用之间的关系，适用于解决复杂的优化问题[29]。粒子群优化（PSO）[6]、遗传算法（GA）[4]、混沌蝴蝶优化算法（CBOA）[28]、蚂蚁狮优化（ALO）[29]、拍打群算法（SSA）[30]等从群体行为中汲取灵感，用于解决复杂挑战[31][32][33]。这些技术主要用于提升传统控制器的动态性能，特别是频率调节方面的超调和稳定时间[34][35][36]。此外，基于模糊逻辑的优化[15]和神经网络的集成也被视为一种混合技术，以克服非线性问题并更好地适应可再生能源的不确定性[37]。最近的研究还探索了更复杂的LFC结构，如基于GOA的多级控制器与FACTS设备的自动发电机控制（AGC）[34]、基于ICA的级联C-PDF-(1+PI)控制器用于多微电网LFC[35]、基于向日葵优化的分数阶模糊PID控制器用于太阳-风-氢集成系统[36]，以及改进的蛾群算法基分数阶第二类模糊PID控制器用于离网微电网[37][38][39]。此外，还有基于MPA的FOPIDA控制器用于海事微电网[38]和基于ICOA的ITDF控制器用于分布式发电资源[39]。这些研究表明，LFC设计的最新趋势是向混合、级联、模糊和分数阶控制结构发展，同时采用先进的优化技术[40][41][42][43]。不过，这些方法也增加了控制器的复杂性和调优难度。相比之下，本研究保留了传统的PID结构，同时引入了可控的CML，并在dSPACE和RTDS/RSCAD平台上验证了BPBO调优的控制器效果。

进一步的研究还在更具挑战性的操作条件下探索了智能和稳健的频率控制策略，包括具有通信延迟的可再生共享互连电力系统的智能频率控制[40]、风能支持的自主微电网的模糊辅助滑模控制[41]、可再生能源支持的电力系统中用于时间延迟补偿的稳健IMC[42]、以及具有时间延迟的多区域系统的多阶段智能频率调节[43]。这些研究展示了现代以可再生能源为主导的电力系统中对延迟感知、稳健和智能控制结构的日益关注。与这些方法相比，本研究侧重于保持PID结构的简洁性，同时通过BPBO优化其调优，并通过可调度CML补充控制回路[44]。需要注意的是，没有一种优化方法能普遍适用于所有LFC问题。群体基方法适用于非线性和多模式调优问题，因为它们可以在不需要梯度信息的情况下探索广泛的搜索空间[44]。相反，当模型信息较为明确或需要优先考虑实施速度和确定性行为时，非群体基的、分析性的、稳健的或预测性方法可能更合适[45]。因此，本研究并不是声称群体基方法普遍优于其他方法，而是因为它们在复杂的微电网LFC问题中仍然是实用且广泛使用的选择[46]。尽管取得了这些进展，文献仍存在一些局限性。上述大多数研究仅基于仿真验证，限制了其在实际应用中的可靠性；此外，大多数优化方法依赖于迭代过程，增加了计算成本并限制了实时适用性[13]。

可变可再生能源、低系统惯性和时间延迟进一步增加了控制器的复杂性，而基于PI的设计对调优精度非常敏感[1]。本研究提出使用BPBO来优化控制器性能并提高系统效率，实现了高精度[25]。与最近建立的元启发式算法相比，BPBO采用了一种以猎物为中心的多操作员机制，该机制结合了自我适应、协作、竞争和重新定位，动态平衡了探索与利用，保持了多样性，并减轻了停滞和过早收敛的问题[46]。与最近出现的级联、模糊、分数阶以及其他鲁棒LFC结构相比，所提出的BPBO-PID框架的主要优势在于它能够在保持传统PID控制器简单性、透明度和易实现性的同时，通过先进的元启发式调优来提高调节性能。这使得该方法特别适合实际应用，因为在实际应用中，低计算负担、易于调优和实时实现都是重要的考虑因素。因此，所提出的方法应被视为一种实用高效的替代方案，而不是所有先进鲁棒控制器的替代品。尽管在LFC文献中已经报道了基于PSO和GWO的控制器调优方法，但本研究的贡献在于三个方面：首先，最近引入的BPBO算法被应用于岛屿式可再生能源丰富的微电网（MG）的PID增益调优，提供了一种不同于传统基于群体的优化器的搜索机制；其次，控制框架明确地将可移动储能单元（CML）作为LFC循环中的快速可控平衡资源纳入其中；最后，所提出的策略不仅通过离线仿真进行了评估，还通过使用dSPACE和RTDS/RSCAD的双平台硬件在环实现了验证。因此，这项工作的新颖性不仅在于PID控制本身，还在于BPBO-PID-CML-HiL框架的结合。

本研究的主要贡献总结如下：
- 开发了一种适用于低惯量、可再生能源变化大且需求波动的岛屿式微电网的辅助LFC框架，重点关注在可再生能源丰富运行条件下的实际频率支持；
- 明确将CML建模为一种快速可控的需求侧资源，能够在发电过剩时吸收多余的电力，并在电力短缺时迅速减少消耗，从而减少频率偏差并提高运行灵活性；
- 运用了最近引入的BPBO算法来最优地调整PID辅助控制器的增益。因此，新颖性不仅仅在于PID结构本身，还在于将基于BPBO的调优与CML辅助平衡相结合应用于微电网的LFC问题中。

本文的其余结构如下：第二节介绍系统建模，第三节讨论所提出的控制器和优化方法，第四节提供结果和讨论，第五节对工作进行总结。

**系统建模**
图1显示了微电网的架构，其中分布式单元连接到一个公共交流母线，并通过共同的耦合点与电网相连。该系统整合了多种发电来源，包括风力发电系统、光伏发电系统和柴油发电机系统，以确保在不同运行条件下的可靠供电。在负载侧，微电网服务于一个固定负载和一个CML（可移动储能单元），该CML可以在预定义的功率范围内动态调整，以提供所需的电力支持。

**提出的控制器和优化方法**
图1展示了一个基于多种分布式发电来源的岛屿式微电网。CML与可再生能源（RESs）结合使用，形成了一个弹性负载系统，以应对实际运行中的间歇性和不确定性。为了有效整合这些可变的RESs，需要一种有效的控制策略来确保微电网内的频率稳定。为此，利用前面章节获得的风能、光伏能和CML的传递函数模型来构建系统。

**结果与讨论**
本节对提出的优化LFC策略进行了全面评估。分析计划首先针对光伏渗透率指定的场景，利用离线的MATLAB/Simulink仿真对频率调节进行了量化，并通过时域瞬态特性和累积误差指标进行支持。本研究中的直接数值基准测试是有意限制的。

**结论**
本研究提出了一种适用于高可再生能源渗透率岛屿式微电网的优化辅助负载频率控制框架，其中CML被作为快速灵活的需求侧资源进行整合。主要创新点在于将可控的CML与基于BPBO的PID辅助控制器调优相结合，并通过仿真和双平台硬件在环实现来验证所提出的控制策略。仿真结果表明，BPBO-PID控制策略具有显著的优势。

**未引用的参考文献**
[59]。

**作者贡献声明**
Ghali Ahmad：撰写 – 审阅与编辑、撰写 – 原稿撰写、验证、软件开发、方法论研究、数据分析、形式化分析。
Mohamed Zaery：撰写 – 审阅与编辑、撰写 – 原稿撰写、验证、软件开发、方法论研究、数据分析、形式化分析、概念构思。
Md Shafiullah：撰写 – 审阅与编辑、撰写 – 原稿撰写、监督、方法论研究、资金获取、概念构思。
Mohammad A. Abido：撰写 – 审阅与编辑、撰写 –

**利益冲突声明**
作者声明他们没有已知的财务利益冲突或个人关系可能会影响本文报告的工作。