一种确定性网络时延攻击下微电网滑模控制方法及装置与流程

本说明书涉及微电网运行控制，尤其涉及一种确定性网络时延攻击下微电网滑模控制方法及装置。

背景技术：

1、目前，确定性网络作为一种新兴的网络通信架构，主要通过资源预留、服务保障和显式路由这三种核心技术来保障服务端质量，因此对数据在通信网中的传输性能提出了更严格的要求，这种技术要求服务可以保障端到端之间具有极低的丢包率、严格的时延保障以及时延抖动上限。然而，在实际的确定性网络中，微电网由于无线网络传输负载状况及传输节点分布、受到网络攻击等因素影响，信号在传输过程中存在无线通讯时延的问题，这种无线通讯时延不仅降低了微电网系统的实时响应能力，而且可能导致系统的不稳定，进而影响到整个微电网的安全、可靠和高效运行。在现有技术中，结合反向神经网络和预测控制的方法被用于解决通信时延问题，通过构建一个三层反向传播神经网络来逼近微电网内部状态方程，并设计了预测补偿方法，来补偿由于通信时延引起的系统不稳定问题，然而，这一方法面临的挑战在于神经网络训练需要大量的数据，并且预测精度受多种因素影响，可能导致预测误差较大，进而降低补偿的准确性和系统稳定性。

2、现在亟需一种确定性网络时延攻击下微电网滑模控制方法，从而解决现有技术中预测精度受多种因素影响且受限于微电网系统的非线性特性和动态行为，无法全面准确描述系统特性，可能导致预测误差较大，进而降低补偿的准确性和系统稳定性的问题。

技术实现思路

1、为解决现有技术中预测精度受多种因素影响且受限于微电网系统的非线性特性和动态行为，需要采用线性二次高斯控制方法设计控制器，减小无线网络中通信时延对微电网频率稳定性的影响，导致线性模型可能无法全面准确描述系统特性，从而影响实际应用效果的问题，本说明书实施例提供了一种确定性网络时延攻击下微电网滑模控制方法及装置，实现了根据自适应有限时间跟踪终端滑模控制器，以抵御网络时延攻击，从而确保微电网系统的稳定运行，解决了现有技术中预测精度受多种因素影响，导致预测误差较大，进而降低补偿的准确性和系统稳定性的问题。

2、为了解决上述技术问题，本说明书的具体技术方案如下：

3、一方面，本说明书实施例提供了一种确定性网络时延攻击下微电网滑模控制方法，包括，

4、建立多个微电网系统的单一分数阶模型；

5、所述微电网系统的单一分数阶模型包括：柴油发电机组模型、太阳能光伏系统模型、风力发电机模型以及电动汽车和电池储能系统模型；

6、根据所述多个微电网系统的单一分数阶模型进行整合，建立第一微电网整体分数阶模型；

7、在变时延网络攻击下对所述微电网整体分数阶模型进行分析，获取变时延网络攻击下的第二微电网整体分数阶模型；

8、将所述变时延网络攻击下的第二微电网整体分数阶模型与非线性函数以及跟踪误差结合，构建分数阶非线性滑模面；

9、根据所述分数阶非线性滑模面获得微电网系统的等效控制率；

10、设计终端滑模流形与所述微电网系统的等效控制率结合，自适应调整扰动上界，生成自适应有限时间跟踪终端滑模控制器。

11、进一步地，建立多个微电网系统的单一分数阶模型进一步包括，

12、计算非整数阶导数，得到函数的分数阶微分：

13、

14、其中，dα为分数阶微分算子；f(x)为函数；γ(·)为伽马函数；x为变量；α为分数阶；n为一个高于α的整数；ξ为积分变量。

15、进一步地，所述微电网系统的单一分数阶模型包括：柴油发电机组模型、太阳能光伏系统模型、风力发电机模型以及电动汽车和电池储能系统模型进一步包括，

16、建立所述柴油发电机组模型为，

17、

18、

19、其中，为分数阶微分算子；δf为频率偏差；ug为控制输入；pt为柴油发电机组输出功率；pg为调速器的输出功率；tg和tt分别为调速器和柴油发电机的时间常数；r为柴油发动机组调速系数；

20、建立所述太阳能光伏系统模型为，

21、

22、其中，为分数阶微分算子；pso为太阳能光伏系统的输出功率；psi为太阳能光伏系统的输入功率；ts为太阳能光伏系统的时间常数；

23、建立所述风力发电机模型为：

24、

25、其中，为分数阶微分算子；pwo为风力发电机的输出功率；tw为风力发电机的时间常数；pwi为风力发电机的输入功率；kw为风力发电机的特性参数；

26、建立所述电动汽车和电池储能系统模型为：

27、

28、

29、其中，为分数阶微分算子；pev为电动汽车的输出功率；tev为电动汽车的时间常数；kev为电动汽车的系数特性；δf为频率偏差；pbess为电池储能系统的输出功率；tbess为电池储能系统的时间常数；kbess为电池储能系统的系数特性；ubess为电池储能系统的控制输入。

30、进一步地，根据所述多个微电网系统的单一分数阶模型进行整合，建立第一微电网整体分数阶模型进一步包括，

31、整合所述柴油发电机组模型、太阳能光伏系统模型、风力发电机模型以及电动汽车和电池储能系统模型，得到系统频率波动的分数阶模型为：

32、

33、其中，系统频率变化式中，b为等效惯性常数，dp为可再生微电网系统阻尼常数，功率偏差δpe＝pl-ps，式中，δpe为功率偏差，pl为电力需求功率，ps为发电总功率；

34、根据所述系统频率波动的分数阶模型，获得所述微电网系统整体分数阶模型为：

35、

36、其中，x(t)为状态变量，x＝[δf pso pwo pev pbess pt pg]t；u(t)为控制输入；y(t)为输出信号；b为控制矩阵；n为非线性参数矩阵，θ(t)为扰动项；c为输出矩阵，c＝[1 0 0 0 0 0 0]；a为系统矩阵，dα为分数阶微分算子矩阵，

37、进一步地，在变时延网络攻击下对所述微电网整体分数阶模型进行分析，获取变时延网络攻击下的第二微电网整体分数阶模型进一步包括，

38、建立变时延网络攻击模型为：

39、

40、其中，τ为固定时延常数；为随机时延函数，用于模拟网络攻击的随机性和不可预测性，且满足ψ为正的常数；

41、假设所述变时延网络攻击存在一个正的常数t'，满足t(t,x)＜t'；

42、在所述变时延网络攻击下进行所述微电网整体分数阶模型的建模分析，生成所述变时延网络攻击下的第二微电网整体分数阶模型为：

43、

44、其中，x(t)为t时刻的状态变量；x(t-τ)为t-τ时刻的状态变量；为控制输入与网络时延攻击的混合输入；t(t,x)为有界时延攻击；aτ、bt为常系数矩阵。

45、进一步地，将所述变时延网络攻击下的第二微电网整体分数阶模型与非线性函数以及跟踪误差结合，构建分数阶非线性滑模面进一步包括，

46、定义各状态的跟踪误差为：

47、ei(t)＝xi(t)-xid(t),i＝1,2,…,7，

48、其中，xid(t)为期待轨迹；

49、令e(t)＝x(t)-xd(t)＝[e1(t),e2(t),…,e7(t)]t，将分数阶模型、非线性函数与跟踪误差者结合，构建所述分数阶非线性滑模面：

50、s＝dαe(t)+dα-1[ke(t)+ksign(e(t))]，

51、其中，k为正常系数，sign(·)为符号函数。

52、进一步地，根据所述分数阶非线性滑模面获得微电网系统的等效控制率进一步包括，

53、令满足滑动条件，则dαx(t)-dαxd(t)＝-dα-1[k(x(t)-xd(t))+ksign(e(t))]；

54、代入所述变时延网络攻击下的第二微电网整体分数阶模型，生成微电网系统的等效控制率为：

55、

56、进一步地，设计终端滑模流形与所述微电网系统的等效控制率结合进一步包括，

57、设计所述终端滑模流形为：

58、

59、其中，β1、β2均为常数且大于0，λ为常数且满足：0＜λ＜1；

60、将所述微电网系统的等效控制率与所述终端滑模流形结合，推导出变时延网络攻击下的第二微电网整体分数阶模型的等效控制率为：

61、

62、其中，υ、δ为正的常数，为一个正数并且满足：

63、进一步地，自适应调整扰动上界，生成自适应有限时间跟踪终端滑模控制器进一步包括，

64、自适应调整扰动上界为：

65、

66、其中，为的估计值，为正常数，且满足

67、生成自适应有限时间跟踪终端滑模控制器：

68、

69、另一方面，本说明书实施例还提供了一种确定性网络时延攻击下微电网滑模控制装置，包括，

70、模型建立单元，用于建立多个微电网系统的单一分数阶模型；

71、所述微电网系统的单一分数阶模型包括：柴油发电机组模型、太阳能光伏系统模型、风力发电机模型以及电动汽车和电池储能系统模型；

72、模型整合单元，用于根据所述多个微电网系统的单一分数阶模型进行整合，建立第一微电网整体分数阶模型；

73、攻击模型建立单元，用于在变时延网络攻击下对所述微电网整体分数阶模型进行分析，获取变时延网络攻击下的第二微电网整体分数阶模型；

74、模面构建单元，用于将所述变时延网络攻击下的第二微电网整体分数阶模型与非线性函数以及跟踪误差结合，构建分数阶非线性滑模面；

75、控制率计算单元，用于根据所述分数阶非线性滑模面获得微电网系统的等效控制率；

76、控制器生成单元，用于设计终端滑模流形与所述微电网系统的等效控制率结合，自适应调整扰动上界，生成自适应有限时间跟踪终端滑模控制器。

77、另一方面，本说明书实施例还提供了一种计算机设备，包括存储器、处理器、以及存储在存储器上的计算机程序，处理器执行所述计算机程序时实现上述的方法。

78、最后，本说明书实施例还提供了一种计算机存储介质，其上存储有计算机程序，计算机程序被计算机设备的处理器运行时，执行上述的方法。

79、利用本说明书实施例，根据多个微电网系统的单一分数阶模型进行整合，建立第一微电网整体分数阶模型，实现了全面准确的描述系统特性，在变时延网络攻击下对所述微电网整体分数阶模型进行分析，减少了现有技术中预测精度受多种因素影响，导致误差较大的问题；将变时延网络攻击下的微电网整体分数阶模型与非线性函数以及跟踪误差结合，构建分数阶非线性滑模面，使跟踪误差能够在有限时间之内收敛到原点，从而使系统的实际运行状态能够快速且平稳地收敛到目标状态；然后根据分数阶非线性滑模面获得微电网系统的等效控制率，设计终端滑模流形与微电网系统的等效控制率结合，自适应调整扰动上界，生成自适应有限时间跟踪终端滑模控制器，使得微电网系统在面对各种不确定性和干扰时，都能够保持稳定的控制性能，从而有效地提升了微电网系统的稳定性与可靠性，解决了现有技术中预测精度受多种因素影响，导致预测误差较大，进而降低补偿的准确性和系统稳定性的问题。