本文介绍了一种在仿真器 OPAL RT-Lab 中实现分层控制的直流微电网。它详细介绍了电路建模、初级和次级控制策略以及实验验证。结果证明了有效的控制性能，凸显了强大的实验平台对微电网研发的重要性。

可再生能源的兴起凸显了微电网的重要性，尤其是直流变体，它非常适合集成光伏板、电池存储系统和其他直流负载解决方案。本文介绍了在模拟器 OPAL RT-Lab 中实现分层控制的直流微电网的开发和实验。微电网包括通过电源转换器、直流母线和直流负载互连的分布式能源 （DER）。初级控制采用下垂控制机构和双回路比例积分 （PI） 控制来调节电压和电流，确保稳定运行和成比例的功率共享。次级控制利用基于共识的策略来协调 DER 以恢复总线电压并确保准确的功率共享，从而提高系统的可靠性和效率。本文详细介绍的实验设置包括电路建模、硬件实现和控制策略。指定了硬件平台的电路和控制器参数，结果可以通过示波器测量来观察。进行了两组实验，证明有延迟和无延迟的次级控制反应，以验证控制策略的有效性。结果证实了在微电网中成功实施了分层控制。本研究强调了综合实验平台对推进微电网技术的重要性，为未来的研究和开发提供了有价值的见解。

随着可再生能源的快速发展，微电网在全球范围内受到了极大的关注¹。它们能够将分布式能源 （DER），如太阳能光伏 （PV） 以及储能系统 （ESS） 集成到电网中，从而支持向可持续和可再生能源的过渡。作为可再生能源并网的关键组成部分，直流微电网因其与光伏系统、电池和其他 DER 固有的直流特性兼容而受到广泛关注。直流作减少了对多次能源转换的需求，从而提高了整体系统的效率和可靠性。因此，直流微电网为优化可再生能源整合提供了一条有前途的途径²。

人们普遍认为，仿真和实验研究对于推进微电网技术至关重要。模拟允许研究人员或工程师在虚拟环境中对各种场景和控制策略进行建模和分析，这既经济高效又无风险。然而，现实世界的实验同样重要，因为它验证了这些模型和理论，揭示了模拟可能无法完全捕捉到的实际挑战和动态行为³.尽管从仿真中获得了见解，但对于解决物理实现中出现的问题，微电网的实际实验是必要的。这些实验有助于了解真实环境中不同组件之间的作特性、控制动态和交互⁴。鉴于其较小的规模和模块化特性，与传统的大型电网相比，微电网为进行这些重要的实验研究提供了更易于管理和可扩展的解决方案，因为传统的大型电网对于实际实验来说过于广泛和复杂。因此，在微电网上进行物理实验对于提高我们在该领域的理解和能力至关重要。

在典型的直流微电网中，各种 DER 通过电源转换器连接到直流母线。这种设置有助于直接交换电源，而无需多次 DC-DC 或 AC-DC 转换⁵。这些电源转换器可调节电压和电流，确保高效的电力传输和稳定性。直流总线充当中心节点，将电力分配给连接到系统的各种负载。输电线路为 DER、转换器和负载之间的电力流动提供必要的路径，从而在微电网内保持稳定可靠的电力供应。为了有效地管理直流微电网的运行，通常采用分层控制结构⁶。这种结构通常分为三个级别：一级、二级和三级控制，每个级别都有不同的功能和职责。

初级控制侧重于直接调节直流微电网内的电压和电流，确保 DER 之间的稳定性和适当的电流/功率共享。最常见的主要控制是 droop 控制。与其他主要控制相比，它是无通信的，并且响应速度快。但是，由于其下垂特性，下垂控制可能会导致电压偏差，并且无法将电压保持在标称值。同时，随着负载和 DER 数量的增加，均流精度会降低。因此，需要额外的次级控制来实现电压恢复和电流调节。辅助控制可在干扰后恢复系统工作点，并协调主控制器进行电压和电流调节。三级控制优化了微电网的经济和战略运营，管理能源调度和与主电网的交互⁷.

最近的文献强调了直流微电网分层控制应用的重大进展，从仿真研究发展到硬件在环 （HIL） 设置，并最终发展到实际物理实验。最初的研究通常使用仿真工具来开发和测试直流微电网的分层控制算法。这些研究的重点是对微电网的动态行为进行建模，优化控制策略，以及评估各种条件下的系统性能。MATLAB/Simulink 和 PSCAD 等仿真环境因其灵活性和全面的电力系统分析工具集而被广泛使用⁸。HIL 实验超越了纯粹的仿真，通过将实时控制硬件与仿真微电网模型集成，提供了更真实的测试环境。这种方法使研究人员能够验证控制算法并评估它们在接近真实条件下的性能。HIL 设置弥合了理论研究和实际实施之间的差距，为控制系统和微电网组件之间的交互提供了有价值的见解⁹.分层控制策略的最终验证是通过对实际微电网设置进行物理实验来实现的。这些实验涉及在真实的微电网硬件上部署控制算法，包括 DER、电力电子转换器和控制单元。物理实验提供了对系统性能的最准确评估，揭示了在仿真或 HIL 设置中可能不明显的实际挑战和作问题。

为了总结直流微电网分层控制研究的进展， 表 1 概述了按实验方法分类的关键研究。从上述文献中可以明显看出，虽然一些研究已经成功地利用物理微电网平台进行实验，但明显缺乏对这些实验平台及其用途的系统文献和全面描述，尤其是在分层控制的背景下。这一差距很大，因为有关实验设置、方法和结果的详细信息对于复制研究、推进研究和促进微电网技术中分层控制策略的实际实施至关重要。鉴于这一需求，本文旨在对直流微电网物理实验平台的开发和利用进行详细而系统的介绍，重点关注分层控制，为该领域的持续研究提供有价值的见解和实用指南。

综上所述，本文的主要贡献如下。首先，在分层控制策略的框架下，详细阐述了微电网控制所需的控制算法和实现，而以前的工作大多将实验视为验证，没有进一步阐述。其次，根据控制算法的部署，本文还提供了微电网组件的硬件设置和拓扑结构，增强了微电网控制实验的可重复性。第三，通过构建可扩展的实验平台，本文为微电网的未来研究奠定了基础，允许进一步探索在通信延迟和负载变化等真实条件下的控制性能，从而支持开发更稳健、更高效的控制策略。

在本节中，我们概述了用于开发和试验直流微电网的方法，该微电网包含 图 1 所示的分层控制，在 OPAL RT-Lab（以下简称“仿真器”）中实现。该协议分为三个主要部分：物理设置和电路建模、控制策略实现和仿真器实验设置。值得注意的是，该协议并未涵盖三级控制策略，该策略涉及更高级别的优化和与主电网的交互，超出了我们当前实验设置的范围，留待未来工作。

1. 物理设置和电路建模

1. 系统电气拓扑
   注：考虑到直流微电网系统电路架构，我们通过以下步骤进行硬件实验平台的构建。
   1. 构建单个 DER
      1. 将直流电流的正极通过导线连接到降压电路的输入正极，同时连接相应的负极;具体转换器如图 2A 所示。为降压转换器构建数学模型，以便于为后续仿真和实验设置设计控制参数。对于 图 3 所示的典型降压转换器，使用状态空间平均方法构建其状态空间方程，如下所示⁵：
              (1)
         其中 I^L， V^C 分别是电感电流和输出电压; R、 L、 C 是转换器电路中的元件参数; Vⁱⁿ 表示输入直流电压; d 代表 DC-DC 转换器的占空比。将方程 （ 1） 转换为以下传递函数形式，更方便 PI 控制器的设计。
         
              (2)
         其中 s 表示拉普拉斯运算符; G_Id（s） 是占空比与电流的传递函数; G_VI（s） 是电流到电压的传递函数。
      2. 使用多个 DER 的微电网建设
         1. 如上所述重复构建单个 DER 的过程。在多个 DER 就位后，连接每个 buck 电路的相应正负输出端子。
         2. 为了模拟线路阻抗，在每个 DER 的正极之间串联插入小电阻器。
      3. 负载集成
         1. 使用电阻器模拟直流微电网中的常见负载。对于全局负载，将电阻器的端子直接连接到所有 DER 的正负极的汇合点。当存在线路阻抗时，在每个 buck 电路的输出端连接电阻器以模拟本地负载，如图 2D 所示。
            注意：在本实验中，电路连接使用插入式连接器实现，如图 2C 所示。
2. 硬件电路设计和设置
   注意：直流微电网实验平台的硬件设置，对应于 图 1 中的拓扑，主要包括以下步骤：
   1. DC 电源配置
      1. 按下电源按钮激活电源。
      2. 使用旋钮将电压调整到指定值。该电源是恒压直流电源，输出范围为 [0 - 300 V] ，最大功率为 600 W。在实验开始时按下开关启动电源。本实验中使用的电源如图 2B 所示。
   2. DC-DC 降压转换器设置
      1. 将转换器的输入和输出信号路由到信号转换板，并通过信号线将它们连接到仿真器硬件控制器。
         注意： 此设置允许以模拟形式输出电流和电压信号，以及从控制器传输 PWM 信号以在电路级驱动转换器。
   3. 验证总线和负载连接
      1. 确保此步骤与步骤 1.1.3 一致。检查所有连接的准确性和安全性。

2. 控制策略实施

1. 2.1.下垂控制配置
   1. 通过拖放 gains 和 difference blocks 等组件，在模拟器内的控制模块中构建 droop 控制模块，如图 4 所示。
   2. 双击 'gain' 模块并根据需要设置下降系数。
2. 双回路 PI 控制设置
   1. 通过在仿真器中拖放组件来构建控制框图（参见 图 5）。
   2. 选择 PI 控制增益时，使用公式 （2） 中降压转换器的传递函数模型，按照先设计内环（电流环）然后设计外环（电压环）的顺序。
      注意：在双回路控制方案中，需要在快速动态响应和功率共享精度之间进行权衡，因为快速电压调整可能会影响 DER 之间的功率分配精度。
3. 分布式通信拓扑结构的构建
   1. 向每个 DER 的控制器提供不同的输入信号，以实现集中式仿真器控制器内的分布式控制。例如，对于 DER 1，将来自 DER 2 和 DER 4 的信号拖到其控制模块中以实现分布式通信，如图 6 的左侧和 图 7C 所示。
4. 分布式二级控制策略的实施
   1. 基于基于共识的 Secondary Control 在仿真器中构建 Secondary Control 框图，如图 6 所示。通过修改 control gains（控制增益）来调整 Secondary Control 响应。

3. 实时模拟器实验装置

注意：模拟器实验的具体配置包括四个步骤，如图 8 所示。

1. 模型初始化
   1. 单击 Edit 按钮以修改模拟器上运行的程序。随后，激活 SET 按钮以完成开发属性设置。
2. 模型编译
   1. 完成模型编辑后，单击 Build 按钮，将模型编译成可执行代码。
   2. 监视软件编译窗口，直到出现“编译成功”消息。如果发生错误，请根据提示定位错误并进行必要的更正
3. 模拟器实时控制配置
   1. 编译过程完成后，配置程序代码设置，例如 Simulation 模式、实时通信链路类型和其他相关参数。
4. 程序下载和执行
   1. 将编译后的可执行程序下载到控制器硬件中并启动实验。
   2. 将示波器的电压探头连接到每个 DER 输出的正负端子，并将电流探头钳制在输出端口处。使用示波器窗口观察微网格中每个 DER 的输出。

图 4 显示了在模拟器中构建的控制模块中的下垂控制模块。详细设计基于以下下垂机制：

下垂控制机制是直流微电网中分散式初级控制的基本策略。它模拟了交流系统中同步发电机的行为，以便在不同的 DER 之间按比例分担负载。下垂控制根据每个 DER 的输出电流调整其输出电压，遵循预定义的下垂特性：

     （3）

其中 V_i^ref 表示第 i个 DER 的参考电压; V_iⁿ 表示次级控制器给出的电压设定值，默认为标称值 V_nom; k_i 是下降系数; I_i 是第 i个 DER 的输出电流。从公式 （3） 中可以看出，下降控制根据不同的下降系数 k_i 调整每个 DER 的基准电压，以实现均流。从公式 （3） 可以明显看出，下垂控制不依赖于来自其他 DER 的信息，而是一个代数方程，允许快速响应。但是，它不可避免地会导致电压偏离标称值 V_iⁿ。

图 5 显示了通过在仿真器中拖放组件构建的控制框图。具体的输入和输出由以下公式给出。

外部电压控制环路调节输出电压以遵循下垂控制参考电压。它设置内部循环的参考电流 I_i^ref ，如下所示。

（4）

其中 k_i^p，v 和 k_i^i，v分别是电压环路的比例增益和积分增益。

内部电流控制回路确保电流遵循外部电压回路设定的参考值。电流控制环路具有更快的响应时间，可快速抵消干扰。具体控制律如下。

（5）

其中 d_i[0,1] 是 PWM 产生的占空比， k_i^p，i和 k_i^i，i 分别是电流环路的比例增益和积分增益。

辅助控制框图是在仿真器中基于基于共识的辅助控制构建的，如图 6 所示。分布式二次控制策略旨在以去中心化的方式实现 DER 之间的电压调节和功率共享。这是通过共识算法实现的，其中代理根据本地测量和从相邻代理收到的信息迭代调整其电压设定值。

典型的基于共识的二级控制协议如下所示，以及 图 7B。

     (6)

其中 c_i 是均流控制的耦合增益; I_i^额定 值是^{第 i 个} DER 的额定电流。事实证明，控制律 （6） 可以保证电压恢复和精确均流。显然，次级控制器 （4） 是完全分布式的，这意味着它的性能不会受到微电网规模和 DER 数量的影响。这种可扩展性为其在更大规模微电网中的应用奠定了基础。此外，分层结构允许灵活扩展，因为主要和次要控制可以在本地和全局调整，即使在系统复杂性增加的情况下也能确保稳定运行。总体而言，直流微电网的分层控制框架如图 7 所示。

为了验证分层控制在设计的微电网硬件平台上的有效性，对 图 9 所示的硬件设置进行了实验。实验中使用的硬件电路和控制器参数详见 表 2。使用示波器观察实验结果。

进行了三组实验：一组具有无通信延迟的二次控制响应（图 10），一组具有延迟（图 11），另一组在负载变化条件下（图 12）。在这里，我们选择了仿真器中的 transport delay 模块来引入固定延迟，这是对实际电力通信网络中延迟的简化。讨论部分提供了对控制性能的讨论。

图 1：典型直流微电网的电气和控制结构。 描述：三级控制为每个 DER 提供标称电压 V_nom ，而在二级控制层，DER 通过分布式通信网络相互协作，从而为基于下垂的初级控制提供电压设定点。在低电平转换器的控制中，电源（通常是分布式发电或 ESS）通过转换器连接到电网，转换器通过双回路 PI 控制调节输出。缩写：DER = 分布式能源;ESS = 储能系统;PWM = 脉宽调制。 请单击此处查看此图的较大版本。

图 2：直流微电网实验中的硬件。 （A） DC-DC 降压转换器。（B） 直流电源。（C） 插入式连接器。（D） 连接线和负载。 请单击此处查看此图的较大版本。

图 3：典型的降压转换器结构。符号： Vⁱⁿ = 输入电压;d = 占空比;I^L = 电感电流;VC = 输出电压;L = 电感器;C = 电容器;R = 负载电阻。请单击此处查看此图的较大版本。

图 4：用于下垂控制的模拟器模型。请单击此处查看此图的较大版本。

图 5：用于双回路 PI 控制的 Simulink 模型。请单击此处查看此图的较大版本。

图 6：模拟器中的分布式二级控制模型。请单击此处查看此图的较大版本。

图 7：直流微电网的分层控制框架。 （A） 初级控制。（B） 二级控制。（C） 本文中使用的通信拓扑。 请单击此处查看此图的较大版本。

图 8：模拟器的具体配置。请单击此处查看此图的较大版本。

图 9：直流微电网实验平台。请单击此处查看此图的较大版本。

图 10：直流微电网中分层控制方案的控制性能。 （A） 输出电压，（B） 输出电流。 请单击此处查看此图的较大版本。

图 11：延迟下的电流响应。 （A） 延迟 τ = 30 ms，（B） 延迟 τ = 40 ms。 请单击此处查看此图的较大版本。

图 12：负载变化下的控制性能。 （A） 输出电压，（B） 输出电流。 请单击此处查看此图的较大版本。

表 1：微电网中的分层控制研究概述。

表 2：测试直流微电网的参数。

图 10 显示了微电网系统在次级控制下的电流和电压响应，没有通信延迟。在时间 t₁ 之前，系统仅由基于下垂的初级控制进行调节，很明显，电压无法稳定在 48 V 的标称值，并且电流分配相对不精确。在时间 t₁ 激活次级控制后，电压在 t₂ 处迅速恢复到 48 V 左右，电流以 3：1：3：1 的比例实现精确分配。这表明二级控制有效地满足了其控制目标。

在实际复杂的电力通信网络中，依赖于通信的次级控制经常面临网络延迟的挑战。此类延迟会降低系统性能，导致响应时间变慢、稳定性降低，甚至可能导致功率共享不准确。为了模拟这种情况，我们在分布式控制系统的信号中引入通信延迟，以观察系统响应。 图 11 显示了在 30 ms 和 40 ms 通信延迟下的系统电流波形。可以观察到，在激活受延迟影响的 Secondary Control 后，系统表现出明显的振荡。这种振荡行为在现实世界的电网中是不可接受的，这凸显了使用该实验平台进行进一步研究以解决通信延迟对次级控制的不利影响的重要性。

在实际的微电网中，负载变化非常普遍和频繁。为了在构建的微电网平台上充分验证所提出的方法的有效性，我们进行了负载变化实验。如图 12 所示，我们在时间 t₁ 添加了一个负载 R_add=16 Ω，并在时间 t₂ 删除了它。在图 12A 中，可以看到当负载发生变化时，电压会经历短暂的波动，但很快就会恢复到标称值。同时，在图 12B 中，四个 DER 的电流在负载连接和断开期间保持准确分配。

从实验结果来看，该协议的关键点可以分为硬件和软件组件。对于硬件部分，确保所有电路元件的正确接线至关重要，尤其是正负极。对于软件部分，控制系统的部署应遵循协议部分中概述的分层控制策略。

系统中的常见故障通常是无输出或输出超出限制。标准方法是确保系统硬件连接正确（即没有短路或开路），然后检查控制器输出是否异常。此外，由于本实验中模拟器的限制，无法实现真正的分布式控制，因为控制命令是由模拟器集中发出的，而不是由单独的控制器发出的。这与现实世界的微电网系统不同。

总之，本文介绍了直流微电网分层控制策略的开发和实施，证明了初级调节的下垂控制和基于共识的次级控制在实现 DER 之间的电压恢复和精确功率共享方面的有效性。通过详细的电路建模、硬件实现以及使用仿真器OPAL-RT Lab集成控制策略，系统的性能在各种情况下得到验证，包括通信延迟和负载变化的实验。结果证实，即使在动态条件下，所提出的控制系统也能够保持稳定的电压并确保成比例的功率共享。此外，实验平台的详细描述，包括硬件设置和控制参数，增强了研究的可复制性，并为微电网的未来研究和实际部署提供了有价值的见解。未来的工作将侧重于探索先进的控制策略和增强系统稳健性，以更好地适应现实世界的突发事件。

作者没有需要披露的利益冲突。

这项工作部分得到了中国国家自然科学基金 62103308 和 62073247 资助的支持，部分由中央大学基本研究基金资助 2042023kf0095，部分由中国湖北省自然科学基金资助 2024AFB719 和 JCZRQN202500524，部分由武汉大学实验技术项目资助资助 WHU-2022-SYJS-10， 部分由 CPSF 的博士后奖学金计划资助编号为 GZC20241269。