有源配电网信息物理系统混合仿真平台设计方法及其算例实现

信息物理融合系统(cyber physical system,CPS)通过对现代计算机、网络通讯以及控制等技术的有机融合,以实现物理系统与信息系统深度融合下多维时空异构混杂系统的有效控制,被广泛应用于能源工业、航空航天、交通行业等领域。随着信息系统对电力系统控制决策的频繁参与,传统的电力仿真方法已无法准确模拟较为复杂的信息-物理空间的交互运算。例如,当相量测量单元(phasor measurement unit,PMU)采集到的信息发生通信堵塞时,传统的电力仿真工具无法准确分析延迟或丢包后的信息对系统控制策略产生的当前影响和进一步后果预判。因而,迫切需要建立一种能够联立信息-物理系统的新型混合仿真方法,以模拟信息流-能量流的深度耦合过程,从而实现电力系统与信息系统交互影响的实时仿真和准确计算。

目前,配电网CPS仿真技术的研究在国内外受到了广泛关注[1-6]。文献[2-3]对信息物理系统进行了梳理,结合电力系统的特点,阐述了电力CPS的含义以及主要特征,提出了若干亟需实现的关键技术;文献[4]从系统建模、平台搭建、关键技术和仿真应用等方面阐述了实现信息物理耦合网络仿真需要解决的关键问题,并进行了仿真模型的合理简化和高效协调机制的设计;文献[5]指出了电力CPS的组成,阐述了实现电力CPS所需的全局优化、局部控制、协同控制、通讯协议等关键技术;配电网CPS仿真技术的关键在于实现信息-物理系统的深度耦合,其本质是准确模拟离散与连续过程的交互影响和有机融合。为此,一些电力CPS相关的混合仿真方法被逐步提出,并采用简单算例进行了算法验证[7-10]。例如,文献[7]综述了国内外电力CPS已有的仿真方法,对比了各自的优缺点;文献[8]阐述了配电网CPS应有的5个具体特征并进行了算法验证;文献[9]基于Matlab和OPNET(OPNET Modeler,网络仿真技术软件包)设计了主从式的配电网CPS协同仿真平台,初步提出了融合时间同步的仿真策略;文献[10]基于OPAL-RT(Opal-RT Technologies推出的一套工业级的系统实时仿真平台软件包)和OPNET搭建了配电网CPS仿真平台,并以一个广域智能负荷控制算例验证了该仿真方法的有效性。但是,以上方法均通过物理模型与信息模型的强制转换或降低模型复杂度的方式将配电网CPS的综合模型进行简化处理,而无法准确模拟配电网信息流-电力流的复杂交互过程。

为了解决较为复杂的有源配电网信息物理系统模型和运行控制的实时仿真问题,同时考虑到配电网中信息量冗杂下对实时快速响应速度的要求,本文进行了仿真工具和配合模式上的改进,在信息系统和物理系统的仿真上使用各自的实时仿真工具,同时选择硬件在环的仿真模式,并通过设计交互模块使其保持实时同步性,进而搭建配电网信息物理耦合系统仿真平台。论文结构如下：

第一部分,针对物理系统和信息系统分别考察了其领域内常用仿真工具,通过对仿真作用域的模型复杂度以及仿真工具之间的可耦合度的考虑,选择基于RT-LAB和OPNET仿真工具作为仿真基本单元来进行平台架构设计;

第二部分,针对平台各模块进行物理实现拓展,对包括两大仿真部分以及信号采集、数据交互通道、网络安全措施等关键技术进行了详细讨论,设计了使其保持实时同步性的安全交互通道,进而搭建了配电网信息物理系统仿真平台;

第三部分,通过算例,在平台中进行了仿真验证。相比前文中所实现的方案而言,本文的方案架构更为合理,对现实配电网中的主站、RTU终端、分布式电源单体都可进行仿真,仿真功能更加完备,且使用各自的专业仿真工具避免了冗杂数据嵌套所导致的精度损失,硬件在环的模式使得对时间同步问题的解决更加便捷和稳定。

有源配电网信息物理系统能够全面、迅速、准确地获取整个电网运行的物理信息,包括每个节点的电压、电流、频率值、可控点的通断状态,甚至包括外部天气、负荷种类等复杂信息,并能够有效融合此类信息,智能做出决策,下达最优的控制命令,完成诸多监控、保护或节能等目标。仿真平台框架如图1所示。

图1 有源配电网CPS仿真平台构架示意图 Fig. 1 The framework of active distribution network CPS simulation platform

在底层新能源发电电源的模拟和控制方面,笔者参考了常见的电力系统仿真工具PowerWorld、OpenDSS、Simulink、RTDS、OPAL-RT等,鉴于RT-LAB(OPAL-RT内核软件)广泛用于对电力系统、电力电子进行设计、测试以及动态控制等,能搭建实时电力仿真模型,并能与Matlab完全兼容,因此,本文选择RT-LAB作为电力系统的仿真工具。

在信息通信网仿真方面,常用通讯系统仿真工具有Network Simulator version 2 and 3(NS2/NS3)、OMNeT++、OPNET Modeler等。OPNET Modeler相比其它仿真软件具有更为齐全的标准模板库,便于新建特殊的网络节点接口以及提供了网络部件的集成模块等,其可视化窗口可用于观测连接方式、网络性能、仿真结果等。同时,OPNET Modeler提供了通讯硬件的接口,可实现硬件在环仿真,并允许多个硬件同时进行仿真。因此,本文选择OPNET Modeler作为通信网络的仿真工具。

考虑到仿真运算的实时性和复杂性,分布 式电源的控制器对运算速度的要求较高。TMS320F28377D是TI公司首个双核DSP,具备达200MHz的主频以及双核32位浮点微控制单元(MCU),并有8对PWM输出通道满足控制要求。因此,本文选择TMS320F28377D作为泛能监测控制器开发硬件。

四方CSGC3000主站相比传统的主站,能够充分应用云计算、大数据、移动应用新技术,全面支持配电生产、调度、运行等业务的闭环管理,同时可定制性较高,建立图模容易,符合配电网物理信息系统的要求,因此,本文选择四方CSGC3000作为系统运行调度单元的开发环境。

综上所述,本文提出的混合仿真系统主要由底层电源模型单元(RT-LAB模拟)、泛能监测控制器(TMS320F28377D实现)、网络仿真单元(OPNET Modeler模拟)、系统运行控制单元(CSGC3000实现)组成。半实物仿真的方式将仿真中的控制部分剥离为实体控制器,成为本文的方案同已有CPS仿真平台方案相比最大的不同之处,该仿真方式使得仿真具备更高的可信度,同时也能够加快控制器实体设计制作落地速度,具有仿真实时性好、准确度高以及可扩展性好等优点。但同时加入实体控制器的方式也会导致仿真调试量激增,平台不稳定性降低的不足。

具体的仿真过程如下：在RT-LAB中对各电力网络进行数学模型搭建,实现其物理镜像,并使用目标机拓展其信号输出端口;泛能监测控制器对底层控制单元的信号输出端口进行模拟量采集,将数字信号量通过相应通讯规约上传至系统运行控制单元,并利用无线模块发送至机群实现协同控制;网络仿真模块起到交换机的作用,但同时能够对各信号源、信号接收方实现物理拓扑结构仿真,并可模拟网络传输中的各种阻塞、报文丢包、恶意攻击等场景;系统运行控制单元中搭建有仿真区域电网的完整图模,接收来自网络仿真单元的信号,并做出控制决策,下发指令控制各分布式能源出力、不同类型负荷投切以及不同断路器的投切状态。

底层模型单元由RT-LAB上位机以及RT-LAB目标机组成。在上位机中使用Simulink编辑有源配电网系统模型,并进行子系统模块切割,即SM模块(主级子系统,唯一,包含了所有的电气模型和电网络拓扑)、SS模块(次级子系统,可多个,与SM模块频繁交互,二者之间保持同步运行)以及SC模块(上位机模块,该模块与其余两个模块异步运行,能够监视系统中各物理量,常作为人工控制台,在本文中该模块实际上由系统运行控制单元所代替)。模型分割完成后,上位机对模型进行代码生成和编译,使目标机的不同计算节点在加载子系统后进行并行计算,以保证仿真的精度与速度。

具体的代码生成和编译过程步骤如图2所示。

图2 底层模型单元编译电力系统模型步骤 Fig. 2 The compiling method of based modeling unit

使用RT-LAB对电力系统进行仿真运算过程中,对模型的分割是最为重要的环节。本文中的分割原则是：一次设备分割为SM;二次设备分割为SS。这样分割的优势在于形成硬件在环,能够将控制设备从仿真环境中独立出来,自行开发或者使用成熟的设备。相比传统的将一二次设备都纳入仿真环境的方法,本文只对一次设备进行仿真,使用真实的二次设备通过数据接口与RT-LAB中的仿真模型交互,实现与控制实物同样的控制效果。一个典型的分割好的配电网Simulink模型如图3所示。

图3 RT-LAB仿真对电力模型进行分割示意图 Fig. 3 The segmentation of the power model for RT-LAB simulation

为实现控制器的硬件在环,RT-LAB目标机中所运行的部分为电力模型分割后的SM模块,其物理量通过硬件调理板块OP5311 & OP5312 Digital SCXI I/O映射为模拟量输入输出接口,并通过该接口完成与后续的数据交互;分割后的SS模块实际上由泛能监测控制器所代替,即实现实时硬件在环仿真,同样SC模块由真实示波器采集观测代替。

泛能监测控制器所采集RT-LAB中的实时量需分别用于：与其它控制器协同有功功率;上传主站,进行全局或单体控制;作为PWM算法参数,反馈RT-LAB中单体控制以及IGBT开关控制。因此,泛能监测控制器由监测单元、通讯模块、控制模块等组成(见图4)。监测单元通过直接对RT-LAB硬件调理板块OP5311 & OP5312 Digital SCXI I/O进行模拟采样,以内部时钟频率(150MHz)离散化完成模数转换,对于每个分布式能源节点至少需要16组物理量采集(逆变电压电流、三相电压电流、频率、预留缺省等)。控制模块为典型的PWM信号控制,写入风机、光伏、储能等不同的单体控制算法,外环均使用PQ双闭环PID控制,使电源出力值分别跟踪Pref(分布式协同参考有功功率)与Qref(参考无功功率,通常设置为0),每个电源单体需8对16个PWM输出通道。通讯模块基于不同通讯协议将数字量值输出为报文并进行加密,经过OPNET输出至主站或通过无线与其它控制器实现分布式协同。

图4 泛能监测控制器示意图 Fig. 4 Monitoring controller

泛能监测控制器核心板中集成了4个双模式模数转换器(ADC)、一个数模转换器(DAC)、串口无线转换模块、IPORT-2以太串口数据转换模块,与底层模型控制单元使用32口DP37母芯座接口 连接。

网络仿真单元由基于OPNET软件的网络仿真服务器(高性能计算机)、拓展以太网口的交换机和通信板卡组成,仿真过程如下：

在网络仿真服务器中利用OPNET软件搭建有源配电网CPS通信网络,并设置相应的通信节点,包括虚拟节点和实际节点。虚拟节点是指在网络仿真服务器中虚设的一些代表配电网相应设备的通讯节点,对应实际网络系统中的各种计算和通信设备,例如服务器、交换机以及火电站、光伏电站等,以模拟某些只需考虑通讯性能而无需电力仿真的节点,仿真网络拥堵流量等;实际节点是指有源配电网中实际运行设备的通讯节点,图5中的3个实际节点是在OPNET上位机中的实际以太网接口,分别通过网线连接到主站和其他控制器,多个控制器之间通过交换机1进行交互(图中短虚线),主控制器与系统运行控制单元通过交换机2进行交互(图中长虚线)。

在OPNET的仿真中,通过对不同节点的参数

图5 OPNET网络仿真示意图 Fig. 5 OPNET network simulation

图6 网络仿真单元中网络仿真模型到现实网络通讯模型的映射 Fig. 6 Model to reality in the network simulation unit

设置,可考察不同的网络拓扑、不同的路由算法的通讯时间及可靠性,同时对交换机编写进程模拟通讯延时、丢包、恶意攻击等异常行为,完成从元件仿真模型到现实网络通讯模型的映射(见图6),实现系统网络通讯鲁棒性、安全性验证,进一步探究信息流与物理流的耦合性能。

系统运行控制单元由主站服务器和多台工作站构成,主站内部配置了包含RT-LAB中配电网模型的图模。其中,每个模型节点的信号来源于：实际物理系统节点信号、RTU终端采集信号、泛能监测控制器采集信号或主站自身产生信息。在本文中,系统运行控制单元的信号来源主要为泛能监测控制器,其余部分由仿真系统模拟。

该单元内共搭建了3000个分布式节点和100个分布式电源,基本满足常见配电网的规模要求。进行有源配电网CPS仿真运算时,可根据算例要求适当减少模型数量,对于无法通过采集获得的电气量可由系统本身设置实现。

为实现平台对多种新型设备提供支持,本单元与下层单元之间数据传输通常使用MODBUS协议的RTU模式,该协议可支持多种电气接口,如以太网口、RS-232、RS-485等,可使用双绞线、光纤、无线等介质传输,可移植性高;RTU模式进行通讯在数据帧传送之间没有间隔,相同波特率下传输数据的密度相比其他通讯协议更高,传输速度更快,内嵌CRC校验模块对数据异常十分敏感,保证了传输可靠性。平台实物图如图7所示。

图7 平台实物图片 Fig. 7 Distribution network CPS simulation platform

仿真平台的数据传输延时包括硬件固有通信延时和OPNET网络模型延时,其中网络模型中的延时可人为设定,用以控制信息系统性能,因此,这里主要讨论硬件的固有通信延迟。

硬件固有延时是平台硬件之间的信息传输延时,是无法避免的通信延时,本文使用下述方式对数据环流进行固有延时测量。

将OPNET网络仿真环境中的虚拟节点均删除,清空模型(此时的OPNET,类似于一台高速率交换机,固有延时可忽略不计),从底层模型单元输出一个斜率为1的斜坡信号f (t) = t,经控制器模拟量采集后做模数转化,然后通过SCI通信串口转以太网口输出,网线经由OPNET至系统运行控制单元,当即返回,以同样的方式回到底层模型单元,收到的信号为f1(t) = f (t - Δt) = t - Δt,不考虑传输抖动以及数据错码,当前发送信号与接受信号之差Δt = f (t) - f1(t)即可视为数据环传输延时(见图8)。

图8 固有延时测试 Fig. 8 Inherent delay test

经300s检测时间得出仿真平台数据环固有延时为0.874ms,能够满足实时性的要求,无论是在信息系统中人为制造延时,还是物理系统中的反应动作时间(一般都大于50ms),固有延时均远小于该值,因此,对仿真精度的影响可以忽略,将OPNET与RT-LAB中的相对物理时间设置为1,均与真实时间同步,泛能监测控制器本身就是实时控制设备,这样时间误差只有固有延时,考虑到一般实验环境中普遍采用串行的通信方式,对于高复杂度的数据结构依然是通过单个串行方式进行通信。本文采用简单明了的斜坡信号作为例子,实际上结论同样可用于高复杂度的数据结构信号。该固有延迟的结论保持不变,也可保证仿真的实时性。

本文通过使用分布式协同控制仿真算例来对平台有效性验证。如图9所示,考虑在1个3机组7节点孤网系统中,3台机组通过等备用率集群算法来进行功率输出分配。主站中对当日负荷进行了负荷预测,并实时将应发功率指令发送给G1,G1收到应发功率指令后实时完成3台机组各自的应发

图9 等备用率分布式协同控制算例 Fig. 9 Distributed cooperative control with equal reserve ratio

功率,并通过交换机1将指令发送给G2、G3进而完成分布式协同。该算法的优点在于能够减轻上层控制层的计算负担,并且具备良好的鲁棒性,具体算法过程可参考文献[11]。

为验证仿真平台有效性,仿真中设置真实负荷与主站预测负荷曲线一致,忽略网络中的线路损耗与潮流影响,在网络仿真单元中设置了不同的网络场景进行仿真：正常网络状态,即各虚拟节点数据流量较低,交换机1处于正常状态,通过PING 测得此时的传输延时约为40ms;拥堵网络状态,即各虚拟节点流量较高,交换机内数据交换存在延迟情况,通过PING 测得传输延时达到230ms至450ms。在这两种情况下对比配电网供电可靠性以及23.5~26.5s(见图10(c))内由于负荷突然升高所导致的频率回落幅度,以揭示信息系统与物理系统的深度耦合联系,进而验证平台的有效性。以出力-负荷偏离作为配电网供电可靠性指标：

$\delta =\frac{\sum{G}-\sum{C}}{\sum{C}}$

式中：G为出力;C为负荷。

仿真结果如图10所示,配电网供电可靠性指标与最低频率如表1所示。

对比在不同的网络状态下,等备用率分布式协同算法的控制效果有着明显的差异,其深层原因在

图10 实验结果 Fig. 10 Simulation result

表1 实验结果 Tab. 1 Simulation result

于信息延时所导致的备用率更新滞后,过高的负荷使频率有所下降,体现出了信息系统与物理系统的深度耦合关系。

通过测试讨论和典型算例的实验分析可以发现,有源配电网CPS仿真平台满足仿真需求的实时性、有效性,在此基础上,尚存在以下可能的研究方向：

1）拓展分布式能源以及智能负荷数量。目前所建立的电力模型数量较少,在一定程度上是并不全面的。如在算例中限于RT-LAB目标机计算核数只用到3机组7节点的模型,若增加算例中的机组和节点数其暂态仿真精度和实时性将大幅下降。因此,在有限的硬件条件下仿真海量分布式电源和智能负荷往往采用对大部分节点稳态量的仿真和少数节点的暂态仿真相结合的方式,在今后的研究中将是一个重要的研究方向。

2）算例中仅考虑了延迟对配网运行控制的影响,信息误码、信息缺失、信息传输接口不一致均将导致控制器无法接受和发送信号,将导致其丧失或削弱控制功能,必然会对物理系统产生影响。

对于信息传输接口不一致、信息全盘误码的情况,控制器彻底丧失控制功能,分布式能源将无法完成正常逆变过程;而对于信息缺失、部分误码的情况,控制器控制精确性变低,导致分布式能源出力波形不规则、电压、频率不稳定等情况。

3）研究更加灵活的网络通讯方式。现实中的分布式能源存在位置不固定、距离不一致的情况,因此,探索有线、无线相结合等灵活的通讯方式具有现实意义。

4）协同控制对象的拓展。本文所展示的协同控制是在一个集群的小范围之内的协同,但是在集群与集群之间,系统与系统之间,同样可以存在着协同控制的问题。对控制对象范围的拓展研究,也是进一步完善整个仿真平台的方向。

[1] 中国信息物理系统发展论坛.信息物理系统白皮书(2017)[M].北京:中国信息物理系统发展论坛,2017. China Information Physics System Development Forum.White paper on information physics system (2017)[M].Beijing:China Information Physics System Development Forum,2017(in Chinese).

[2] 刘东,盛万兴,王云,等.电网信息物理系统的关键技术及其进展[J].中国电机工程学报,2015,35(14):3522-3531. Liu Dong,Sheng Wanxing,Wang Yun,et al.Key technologies and trends of cyber physical system for power grid[J].Proceedings of the CSEE,2015,35(14):3522-3531(in Chinese).

[3] Rajkumar R,Lee I,Sha Lui,et al.Cyber-physical systems:the next computing revolution[C]//Design Automation Conference.Anaheim:IEEE,2010:731-736.

[4] 盛成玉,高海翔,陈颖,等.信息物理电力系统耦合网络仿真综述及展望[J].电网技术,2012,36(12):100-105. Sheng Chengyu,Gao Haixiang,Chen Ying,et al.Summary and prospect of cyber physical power system simulation[J].Power System Technology,2012,36(12):100-105(in Chinese).

[5] 赵俊华,文福拴,薛禹胜,等.电力CPS的架构及其实现技术与挑战[J].电力系统自动化,2010,34(16):1-7. Zhao Junhua,Wen Fushuan,Xue Yusheng,et al.Cyber physical power systems:architecture,implementation techniques and challenges[J].Automation of Electric Power Systems,2010,34(16):1-7(in Chinese).

[6] 赵俊华,文福拴,薛禹胜,等.电力信息物理融合系统的建模分析与控制研究框架[J].电力系统自动化,2011,35(16):1-8. Zhao Junhua,Wen Fushuan,Xue Yusheng,et al.Modeling analysis and control research framework of cyber physical power systems[J].Automation of Electric Power Systems,2011,35(16):1-8(in Chinese).

[7] 周力,吴在军,孙军,等.融合时间同步策略的主从式信息物理系统协同仿真平台实现[J].电力系统自动化,2017,41(10):9-15,91. Zhou Li,Wu Zaijun,Sun Jun,et al.Realization of a master-slave mode co-simulation in cyber physical system based on hybrid time synchronization strategy[J].Automation of Electric Power Systems,2017,41(10):9-15,91(in Chinese).

[8] Mets K,Verschueren T,Develder C,et al.Integrated simulation of power and communication networks for smart grid applications[C]//Proceeding of 2011 IEEE 16th International Workshop on Computer Aided Modeling and Design of Communication Links and Networks (CAMAD).Kyoto,Japan:IEEE,2011.

[9] Baran M.Sreenath R,Mahajan N R.Extending EMTDC/PSCAD for simulating agent-based distributed applications[J].IEEE Power Engineering Review,2002,22(12):52-54.

[10] Sun Xinwei,Chen Ying,Liu Jiatai,et al.A co-simulation platform for smart grid considering interaction between information and power systems[C]//ISGT 2014.Washington:IEEE,2014:1-6.

[11] Xin Huanhai,Qu Zhihua,Seuss J,et al.A self-organizing strategy for power flow control of photovoltaic generators in a distribution network[J].IEEE Transactions on Power Systems,2011,26(3):1462-1473.

[12] 李培恺,刘云,辛焕海,等.分布式协同控制模式下配电网信息物理系统脆弱性评估[J].电力系统自动化,2018,42(10):22-29,59. Li Peikai,Liu Yun,Xin Huanhai,et al.Vulnerability assessment for cyber physical system of distribution network in distributed cooperative control mode[J].Automation of Electric Power Systems,2018,42(10):22-29,59(in Chinese).

[13] Bottura R,Borghetti A,Napolitano F,et al.ICT-power co-simulation platform for the analysis of communication- based volt/var optimization in distribution feeders[C]// ISGT 2014.Washington:IEEE,2014:1-5.

[14] 郭庆来,辛蜀骏,孙宏斌,等.电力系统信息物理融合建模与综合安全评估:驱动力与研究构想[J].中国电机工程学报,2016,36(6):1481-1489,1761. Guo Qinlai,Xin Shujun,Sun Hongbing,et al.Power system cyber-physical modelling and security assessment:motivation and ideas[J].Proceedings of the CSEE,2016,36(6):1481-1489,1761(in Chinese).

[15] Liu Yang,Peng Yu,Wang Bailing,et al.Review on cyber-physical systems[J].IEEE/CAA Journal of Automatica Sinica,2017,4(1):27-40.

[16] 郭庆来,辛蜀骏,王剑辉,等.由乌克兰停电事件看信息能源系统综合安全评估[J].电力系统自动化,2016,40(5):145-147. Guo Qinglai,Xin Shujun,Wang Jianhui,et al.Comprehensive security assessment for a cyber physical energy system:a lesson from Ukraine's blackout[J].Automation of Electric Power Systems,2016,40(5):145-147(in Chinese).

[17] Xin Shujun,Guo Qinglai,Sun Hongbin,et al.Cyber-physical modeling and cyber-contingency assessment of hierarchical control systems[J].IEEE Transactions on Smart Grid,2015,6(5):2375-2385.

[18] 郭嘉,韩宇奇,郭创新,等.考虑监视与控制功能的电网信息物理系统可靠性评估[J].中国电机工程学报,2016,36(8):2123-2130. Guo Jia,Han Yuqi,Guo Chuangxin,et al.Reliability assessment of cyber physical power system considering monitoring function and control function[J].Proceedings of the CSEE,2016,36(8):2123-2130(in Chinese).

[19] 王云,刘东,翁嘉明,等.电网信息物理系统建模与仿真验证平台研究[J].中国电机工程学报,2018,38(1):130-136. Wang Yun,Liu Dong,Weng Jiaming,et al.The research of power CPS modeling and simulation verification platform[J].Proceedings of the CSEE,2018,38(1):130-136(in Chinese).