孤岛微电网谐波治理方法研究

由于微电网中含有大量非线性器件,运行过程中会产生大量谐波。为治理孤岛微电网中的谐波问题,在微网逆变器P-f下垂控制方法的基础上提出一种带有源电力滤波器(APF)谐波抑制功能的统一控制器,并在谐波电流检测过程中采用一种改进型d-q算法。搭建了系统仿真模型和实验平台,仿真和实验结果表明采用提出的统一控制器能够实现APF功能,有效地抑制谐波电流。     

基于人工免疫算法的配电网滤波器优化配置方法

现有滤波器优化配置方法普遍依据工程经验近似求得,优化程度较低,基于此,提出了一种基于免疫算法的配网无源滤波器优化配置方法。首先建立了系统各次谐波的节点导纳矩阵,采用网络固有结构法确定配电网络中各次谐波滤波器的最佳配置位置;然后采用人工免疫算法优化滤波器参数,可在保证网络各节点谐波电压和总谐波畸变率符合谐波标准以及滤波器安全可靠运行的前提下,使全网滤波器投资最少。算例结果表明了该方法的有效性。     

基于改进协同量子粒子群算法的多微网负荷频率控制

网络化通信是智能电网的重要组成部分，但其带来的通信时滞导致维持多微网系统频率稳定更加困难，因此有必要研究网络化时滞下多微网互联系统的负荷频率控制问题。针对该问题，文章提出基于改进协同量子粒子群算法的分数阶PID控制器参数优化方法，以提升网络化通信时滞下多微网互联系统控制器的控制性能。首先，建立了具备风储特性的多微网互联系统仿真模型，并在模型中考虑了网络化通信时滞。其次，借鉴协同与混沌的思想对量子粒子群算法进行改进，优化了算法在粒子群多样性及高维度适应性等方面的性能，使之适用于高维度空间寻优问题。最后，借助MATLAB仿真实验分别从不同时滞下的稳定极限、阶跃扰动下的动态性能、长时间随机扰动下的CPS指标三个方面验证了所提优化方法的可行性与有效性。     

基于分布式储能谐波阻抗调节的微网电压控制

孤岛微网的电能质量问题受到越来越广泛的关注,利用孤岛微网分布式储能的特性对网内谐波进行优化控制是治理微网电能质量问题的有效途径。首先建立了分布式储能发电单元(DG)机组容量/谐波阻抗下垂关系,基于电压型控制策略(VCM)的DG等效谐波阻抗调节方法,给出了基于DG的孤岛微网谐波优化控制方案,最终实现了微网内DG对非线性负载引入的谐波功率均分,以及对公共耦合点(PCC)电压谐波的治理和稳定控制。最后通过系统仿真与动模实验验证了所提控制方案的有效性。     

低压微网逆变器自适应谐波下垂控制策略

在多个分布式电源逆变器并联于同一公共连接点(PCC)的典型低压微网中,针对各并联逆变器在无通信线情况下难以协调抑制PCC处谐波电压的问题,提出了低压微网逆变器自适应谐波下垂控制策略。将基波鲁棒性下垂控制的思想引入谐波控制,建立和分析了鲁棒性谐波下垂控制的控制框图,并根据鲁棒性下垂控制应用至谐波控制额定工况的特殊性,对其进行简化设计;在此基础上,设计了基于PCC处谐波电压检测的下垂系数自适应调节策略和多准比例谐振(PR)电流跟踪方案。通过PSCAD仿真软件构造了2台逆变器并联运行工况对所提策略进行验证,仿真结果表明,自适应谐波下垂控制策略能将PCC处的谐波电压抑制在设定范围内,并且能按逆变器容量分配谐波功率。搭建了2台逆变器并网运行的实验平台,进一步验证了所提策略的有效性,结果表明所提控制策略能使多台并联逆变器在无通信线和负载电流传感器的情况下,独立、自治地参与微网电能质量治理,并按各自容量抑制PCC处的谐波电压。     

基于FPGA的粒子群优化PI控制器在有源滤波器中的应用

针对有源电力滤波器 APF (Active Power Filter) 中,电流补偿PI控制器参数难以整定的问题,提出了一种基于FPGA实现的粒子群优化PI控制器设计方案。利用粒子群优化算法对非线形系统的适应性强和易于工程实现等特点,同时以FPGA为硬件核心处理器,对电流补偿PI控制器的比例、积分参数进行优化。仿真和样机实验结果表明,优化后的PI控制器在动态性能以及控制精度等方面有明显提高,基于该 PI 控制器的有源电力滤波器能迅速有效产生补偿电流,抑制电网谐波,证明了该设计的可行性。     

基于FPGA的粒子群优化PI控制器在有源滤波器中的应用

针对有源电力滤波器 APF (Active Power Filter) 中,电流补偿PI控制器参数难以整定的问题,提出了一种基于FPGA实现的粒子群优化PI控制器设计方案.利用粒子群优化算法对非线形系统的适应性强和易于工程实现等特点,同时以FPGA为硬件核心处理器,对电流补偿PI控制器的比例、积分参数进行优化.仿真和样机实验结果表明,优化后的PI控制器在动态性能以及控制精度等方面有明显提高,基于该 PI 控制器的有源电力滤波器能迅速有效产生补偿电流,抑制电网谐波,证明了该设计的可行性.     

下垂控制逆变器谐波阻抗分析

谐波阻抗特性是微网系统稳定性分析的重要参数,作为下垂控制微网系统的重要组成部分,下垂控制逆变器的谐波阻抗分析具有重要意义。针对下垂控制逆变器,在小信号状态空间模型基础上,基于电路等效原理和坐标变换技术对其在dq坐标系中的谐波阻抗矩阵进行了计算和详细分析。逆变器的等效输出阻抗不仅与输出滤波参数有关,亦受到电压电流控制参数的直接影响。仿真结果表明,理论计算值和实测值在一定频率范围内一致,该计算方法能够有效反映下垂控制逆变器的实际输出阻抗特性。     

大容量混合有源滤波器多目标优化设计

针对混合有源滤波器参数设计问题,提出基于粒子群优化算法的混合滤波装置的多目标优化设计方法.建立混合有源滤波器的多目标满意优化模型,综合考虑系统成本、无功补偿容量及滤波效果等因素,并将滤波器对于失谐因素影响的鲁棒性测试作为一个约束条件放在优化过程中进行判决,以提高设计结果的实用性.通过将各个子目标函数模糊化,并选择最大关联满意度作为最后的寻优变量,解决了多目标优化问题.仿真与模拟实验结果表明:采用该优化设计方法设计的混合有源滤波器可以同时满足成本、谐波抑制以及无功补偿多方面要求,而且该优化设计方法算法简单、操作方便.     

基于混合粒子群算法的配电网滤波器优化配置研究

将人工萤火虫算法、禁忌算法与粒子群算法相结合,提出一种混合粒子群算法,并将其应用到电力系统滤波器优化配置中,用于减轻电网谐波污染。建立滤波器的基本模型,以滤波器投资最少为目标函数,采用混合粒子群算法进行寻优,得到滤波器相应优化参数。通过IEEE实例仿真分析,验证了所提改进算法及模型的正确可行性。     

有源电力滤波器的改进重复控制及其优化设计

提出一种有源电力滤波器(APF)的改进重复控制及其优化设计方法。该策略首先在重复控制延时环节中引入零相位低通滤波器,以解决稳定性和稳态精度之间的矛盾,并采用线性超前相位补偿和低通滤波器构建出新的补偿环节,避免控制器设计对被控对象精确数学模型的依赖;然后构建出基于误差和误差变化率非线性函数的免疫反馈控制,以抑制非周期信号的干扰,并确保APF系统具有足够的稳定裕量和动态响应速度;最后以APF有效谐波信号的准确跟踪为优化目标,以合适的系统稳定裕量为约束,利用粒子群算法(PSO)对改进重复控制参数进行优化设计。APF装置的稳态和动态实验结果证明了基于改进重复控制的APF控制策略的正确性和有效性。     

基于改进下垂控制关键负载电压实时稳定的电力弹簧控制

针对新能源并网发电引起的间歇性问题,电力弹簧(ES)的提出可有效改善关键负载(CL)电能质量。当电网电压不平衡与线路阻抗阻性较大存在控制耦合时,单相多ES采用传统下垂控制无法获取稳定的电压和频率,因而需要实时修正参数的改进下垂控制策略。首先利用二阶广义积分发生器构造虚拟的正交电压和电流信号完成单相dq旋转坐标变换,进而提出用优化粒子群算法(PSO)实时改进下垂系数:PSO模块检测各CL两端电压不平衡度信息并生成状态变量矩阵,同时下垂控制模块实时采集线路信息并在每个周期更新时将其输入到PSO模块来优化电压偏差,其优化结果反馈到下垂参数并实时更新。最后,通过软件仿真对比传统下垂控制策略和改进下垂控制策略,验证了所提控制策略的有效性。     

Particle swarm optimization for harmonic elimination in multilevel inverters

In this paper, harmonic elimination problem in multilevel inverters with any number of levels is redrafted as an optimization task. A new method based on particle swarm optimization is proposed to identify the best switching angles with the dual objectives of harmonic suppression and output voltage regulation. The advantages of fundamental frequency harmonic elimination and swarm intelligence are combined to improve the quality of output voltage of multilevel inverters. The validity of the proposed method is proved through various simulation results.     

多目标无功优化的向量评价自适应免疫粒子群算法

为了克服粒子群算法在高维复杂问题寻优时容易陷入局部搜索的现象,提出了一种自适应免疫粒子群算法。该算法利用引入免疫系统的免疫信息处理机制和自动调整动量系数的自适应因子,从整体上达到系统的最佳控制方案。并将基于目标向量的个体评价方法与自适应免疫粒子群算法相结合,提出了基于向量评价的自适应免疫粒子群算法(vector evaluated adaptive immune particle swarm optimization,VEAIPSO)来解决多目标无功优化问题。通过引入静态电压稳定指标,建立了以系统有功损耗最小、节点电压偏移量最小及静态电压稳定裕度最大为目标的多目标无功优化模型。IEEE30和IEEE118节点系统算例仿真结果表明,该算法能有效地解决多目标无功优化问题,并具有良好的收敛稳定性和较高的寻优精度。     

考虑储能调度的可再生能源独立微电网电源规划

可再生能源发电的随机性以及储能调度的时序性,是对微电网电源规划的最大挑战,文章研究独立微电网中风/光/储能和可控电源的组合优化规划方法。以风电和光伏的历史数据挖掘为基础,建立马尔科夫链-蒙特卡洛模型,模拟风电和光伏出力时间序列;文中提出一种能够有效模拟源/储/荷日级调节行为,计算简单的运行调度策略,从而大幅降低了微电网长期运行模拟的计算量,构建了综合考虑可靠性和经济性的独立微电网电源优化配置模型,采用启发式搜索与自适应惯性权重粒子群算法相结合的电源优化配置求解算法进行求解,并以巴基斯坦某社区型独立微电网作为算例验证了所提模型和算法的有效性。     

自适应混沌粒子群算法在PSS设计中的应用

该文采用一种改进的粒子群算法PSO———自适应混沌粒子群算法ACPSO,对多机电力系统稳定器参数进行优化设计,以抑制系统低频振荡。该算法通过混沌初始化粒子群,在迭代计算过程中根据粒子的适应值自适应地调整算法惯性系数,从而可以获得更好的全局搜索能力和收敛速度。选取系统机电振荡模式最小阻尼比最大化为目标函数,将PSS参数优化转换为带不等式约束的非线性优化问题。以3机9节点系统为例,特征值和非线性仿真结果表明,运用该方法设计的PSS能够有效地抑制外界扰动引起的低频振荡。     

神经网络控制APF抑制微电网谐波的研究

针对微电网中的谐波污染问题,运用CMAC神经网络与PID算法相结合控制有源电力滤波器(APF),抑制微电网谐波。该系统采用CMAC前馈控制,确保系统响应速度,PID后馈控制,来抑制扰动,仿真结果表明,该控制方法对微电网谐波有明显的抑制效果。     

基于改进粒子群算法的移动机器人路径规划

由于惯性权重取值不合适和迭代后期粒子群体多样性下降,导致传统粒子算法在移动机器人路径规划研究过程中存在局部最优解问题。针对此问题提出了一种改进粒子群算法的移动机器人路径规划方法。首先建立机器人路径规划的栅格地图模型,在此基础上对传统的粒子群算法进行了改进。随后,引入了基于相似度概念的非线性动态惯性权值调整方法,从而使得粒子的更新速率能够适配寻优过程的各个阶段,并且通过引入免疫算法中的免疫信息调节机制,增加了粒子的多样性,增强了其摆脱局部最优值的能力。仿真结果表明,所提出的改进粒子群算法具有更高的最佳路径搜索能力,其综合性能显著优于传统的粒子群算法。     

四桥臂有源滤波器在改善微网电能质量中的应用研究

随着电力市场的逐步形成,分布式发电构成的微电网因具有充分利用能源、发电灵活,投资较小等特点而飞速发展。但由于其采用整流逆变元件,接入电网给电网电能质量带来了较大的影响。主要针对微电网产生的谐波对电网的影响而设计了四桥臂有源滤波器来消除微电网接入对电网的谐波影响,首先分析了微电网接入产生谐波的原因,接着介绍了四桥臂有源滤波器的工作原理和控制策略,在最后对四桥臂有源滤波器的对微电网接入电网产生的谐波抑制效果进行了仿真分析,仿真分析结果仿真结果证明了所提出的四桥臂有源滤波器结构和控制策略的可行性。     

Parallel inverter control using different conventional control methods and an improved virtual oscillator control method in a standalone microgrid

This paper develops a multi-timescale coordinated operation method for microgrids based on modern deep reinforcement learning. Considering the complementary characteristics of different storage devices, the proposed approach achieves multi-timescale coordination of battery and supercapacitor by introducing a hierarchical two-stage dispatch model. The first stage makes an initial decision irrespective of the uncertainties using the hourly predicted data to minimize the operational cost. For the second stage, it aims to generate corrective actions for the first-stage decisions to compensate for real-time renewable generation fluctuations. The first stage is formulated as a non-convex deterministic optimization problem, while the second stage is modeled as a Markov decision process solved by an entropy-regularized deep reinforcement learning method, i.e., the Soft Actor-Critic. The Soft Actor-Critic method can efficiently address the exploration–exploitation dilemma and suppress variations. This improves the robustness of decisions. Simulation results demonstrate that different types of energy storage devices can be used at two stages to achieve the multi-timescale coordinated operation. This proves the effectiveness of the proposed method.