基于DSP控制有源滤波器的电能质量补偿系统

基于新的电力系统有源谐波补偿与滤波器自适应控制原理与方案,使用以DSP-TMS320F2812为核心的智能控制系统对电网信号进行采集、检测、数据处理及计算,得到相关高次谐波的信息并产生控制信号至智能功率模块(IPM)驱动电路,以控制有源滤波器组对电网中各次谐波进行补偿,达到改善电能质量的效果.同时在LCD上实时显示电网的实时监测、滤波器监控与其他动态信息.此系统在理论仿真和实际电网电力系统的电能质量补偿实验中均取得了非常好的效果.     

无功与谐波补偿检测的光伏并网仿真研究

研究了光伏电源并入配电网后对电能质量的影响.从理论上分析了对光伏并网发电系统进行无功补偿和消除配电网谐波的方法,利用瞬时无功功率理论检测系统无功及谐波电流,将无功和谐波补偿策略与光伏发电控制相结合.仿真结果表明,光伏电源并网能够较好地补偿系统无功和负载谐波,对提高负荷特性和电网的电能质量、减小电网电流谐波有显著的效果.     

电动汽车充电站的无功补偿控制策略研究

为改善电动汽车充电站接入电网后引起的电压波动、无功不足等电能质量问题,提出了一种对电网进行无功补偿的控制策略。利用晶闸管投切电容器（TSC）无功补偿装置与模糊控制相结合,采用专家经验的方法,通过模糊控制器的双输入量来控制输出量,从而控制TSC的投切。仿真结果表明,通过该控制策略补偿后的电压维持在正常允许范围内,电网中所需的无功功率明显减少,且仿真速度加快。说明电动汽车充电站接入电网后TSC无功补偿的模糊控制控制策略有效、可行。     

基于ip—iq算法的DSP并联有源电力滤波器设计

非线性负载的使用为电力系统注入了大量的高次谐波,为了补偿谐波,提高电力系统的供电质量,基于瞬时无功功率理论的ip—iq算法作为谐波和无功电流的检测方法,成为电力系统有源谐波补偿的重要研究课题,使用以DSP—TMS320C5416为核心的数字控制系统对电网信号进行采集、检测、数据处理及计算,得到相关高次谐波的信息并产生PWM控制信号至驱动电路,以控制有源滤波器对电网中各次谐波进行补偿,达到改善电能质量的效果。     

基于链式SVG三相不平衡负荷的平衡补偿方法的仿真分析

本文对链式静止无功发生器的工作原理进行了分析,在深入研究三相不平衡负荷的平衡化补偿原理的基础上,提出了一种基于链式静止无功发生器在不平衡补偿时的分相补偿控制方法.该方法是通过对静止无功发生器各相输出电压与电网电压的相角差δ进行调节来控制各相输出电流,从而可以有效地对三相负载不平衡的系统进行平衡补偿.对所提出的补偿方法进行了仿真研究,仿真结果表明运用分相控制方法补偿三相不平衡负载,具有比较好的稳态补偿效果,补偿后电网电流三相平衡,各相电流与电压基本同相位并且幅值成相同的比例,达到了负载功率平衡和无功补偿的目的.     

基于参考电流控制的港口电网谐波补偿系统研究与设计

通过分析港口电网谐波问题,建立三相四线制非线性负载谐波补偿系统的数学模型,提出基于参考电流控制的有源滤波控制策略,并构建了仿真系统,最后通过仿真和实验验证了该控制策略能够有效滤除电网中的谐波电流,使港口电网质量得到补偿和改善.     

基于虚拟仪器技术的动态无功补偿装置的设计

本文利用虚拟仪器技术研制了一台动态无功补偿装置.该装置利用LabVIEW中的虚拟仪器和少量的物理仪器实时地对电网信号进行采样测量、计算处理,获得电网的相关参数;通过虚拟仪器的逻辑判断与控制作用可以实现多级电容器组自动循环、无冲击地投切.实验结果表明,该装置可以实时检测电网信号,准确实现无功补偿,用户操作面板简单清晰,具有良好的补偿效果.     

基于Handel-C的电容器组投切控制设计

在电力传输过程中,由于大量无功功率的存在,不可避免地导致线路损耗的增加,给用电设备安全运行带来了隐患。因此,改善和提高电网运行质量,必须对电网进行无功功率补偿。采用电容器组进行无功功率补偿,提出一种将循环投切和编码投切控制方式结合起来的投切控制策略。这种控制策略不仅大大提高无功功率补偿精度,而且可以延长整体电容器组的使用寿命。整个软件系统采用Handel-C语言进行编程,并最终在FPGA上实现电容器组投切控制功能。     

煤矿电能质量综合治理研究

针对现有煤矿电网电能质量存在谐波污染和电压波动等问题,提出了一种基于SVG的煤矿电能质量综合治理方法。该方法基于正交变换理论实现有功、无功电流直接控制,可提高动态无功补偿过程的精度,且能抑制电网频率波动的影响。仿真结果表明,该方法能抑制非线性负载产生的谐波,有效改善了煤矿电网的综合电能质量。     

统一电能质量调节器最优能量控制及仿真

研究电力系统优化控制问题,针对现有统一电能质量调节器(Unified Power Quality Conditioner,UPQC)控制策略补偿性能差的问题.为了控制系统的稳定性,改善电能质量,提出了一种最优能量控制策略.对单相 UPQC 系统进行相量和功率分析,推导出 UPQC 最优能量补偿的表达式.利用粒子群优化算法(Particle Swarm Optimization,PSO)来确定补偿电压的最优注入角,利用最优补偿电压的控制来实现 UPQC 能量控制,进行仿真实验.结果表明,UPQC 能量控制策略能够有效的对电能质量进行综合补偿,并降低了 UPOC 装置容量,在不增大储能容量条件下延长了补偿时间,较好地降低了装置的容量,有利实际应用.     

考虑风场高维相依性的电网动态经济调度优化算法

大规模风电并网给电力系统的调度运行带来了巨大的挑战.本文提出改进的二阶段带补偿随机优化算法,用于考虑风场出力高维相依性的电网动态经济调度问题求解.首先,利用Copula函数描述多风场出力的高维相依性,获得多风场出力的联合分布;随后,引入二阶段带补偿随机优化算法解耦求解动态经济调度模型中的常规变量与随机变量;求解过程中,针对补偿费用期望值的计算受限于相依性风场维数,且对迭代方向指导不明确,导致算法收敛耗时长的问题,引入基于整体最小二乘的递推动态多元线性回归法对二阶段带补偿随机优化算法进行改进,通过补偿费用期望值的动态更新,促使两阶段模型的迭代求解快速收敛,克服了传统随机优化方法的"维数灾"弊端,使该算法能够用于考虑风场高维相依性的电网动态经济调度模型求解.最后利用IEEE 118节点系统和某省级实际电网系统验证了所提算法的有效性和实用性.     

Statistical analysis based reactive power optimization using improved differential evolutionary algorithm

This study presents a novel improved differential evolutionary (IDE) algorithm for optimizing reactive power management (RPM) problems. The effectiveness of IDE algorithm is tested on different unimodal and multimodal benchmark functions. The objective function of the RPM is considered as the minimization of active power losses. Initially, the power flow analysis approach is employed to detect the optimal position of flexible AC transmission system (FACTS) devices. The proposed method is used to determine the optimal value of control variables such as generator's reactive power generation, transformer tap settings, and reactive power sources. Furthermore, the efficacy of the IDE approach is compared with other promising optimization methods such as variants of differential evolution algorithm, moth flame optimization (MFO), brainstorm-based optimization algorithm (BSOA), and particle swarm optimization (PSO) on various IEEE standard test bus (i.e., IEEE-30, -57, -118, and -300) systems with active and reactive loading incorporating FACTS devices. A Static VAR compensator (SVC) for shunt compensation and a thyristor-controlled series compensator (TCSC) for series compensation were used as FACTS devices. The proposed IDE method significantly reduces the active power loss, that is, 55.65% in IEEE 30, 39.68% in IEEE 57, 16.32% in IEEE 118, and 8.56% in IEEE 300 bus system at nominal loading. Finally, the statistical analysis such as Wilcoxon signed-rank test (WSRT) and ANOVA test were thoroughly analysed to demonstrate the firmness and accuracy of the proposed technique.     

基于神经网络和非线性原—对偶内点算法的电网无功优化补偿

在简要分析了传统的电力系统无功优化的方法后，针对无功优化计算中离散变量和 连续变量共存的问题，提出了用神经网络对补偿后电网的质量参数进行预测，并结合求解无功优化的非线性原－对偶内点算法进行全局寻优，实现对电网无功优化补偿的控制方法．结果表明，该控制系统提高了系统的功率因数，减少了系统的损耗，初步解决了电网参数复杂、补偿系统难以建模等问题，并证明了该算法的有效性．     

便携式快速GC程序升温中智能PID算法研究

针对快速气相色谱仪(GC)在程序升温时,由于色谱柱低热容,导致升温的线性度和超调难以控制,影响仪器的可重复性,产生峰重叠的问题,开发了一种基于智能比例-积分-微分(PID)算法的色谱柱温控系统.系统选用LTM柱,以该柱自带的铂测温丝作为温度传感器元件,设计了温度采集和控制电路.算法上,在增量式PID的基础上,将目标温度段划分为多个子区间段,引入温度补偿控制,补偿值的大小与升温速率呈线性关系.实验结果表明:补偿后,算法升温速率误差为2.58％,线性度达到99.92％,超调在3℃以内,满足系统需求.     

基于改进型蚁群算法实现配电网无功功率最佳补偿点分析

针对配电网中由于谐波等因素影响,导致无功功率增加的问题,提出了新型的无功功率最佳补偿点查找方案;该方案构设出包括设备层、节点层、通信网络层、计算机管理层和远程管理中心的补偿点分析系统,能够以系统化的架构在本地或者远程对电力节点进行分析,并设计出一套谐波控制系统,能够通过在线、实时检测谐波发生点来选择功率补偿点;并在传统的蚁群算法中融合粒子群算法,解决了常规技术中难以实现全局最优解的技术弊端;通过200次的迭代计算,试验表明,该研究的方法在达到预定周期时,能够通过最佳化地更新全局位置搜索到局部的最优解,收敛速度快,收敛时间约为60s,通过对比试验,本研究的方案具有一定的技术进步性。     

配电系统自动跟踪补偿装置的研究

研究了采用高漏抗变压器型可控电抗器作为新型的配电系统自动调整消弧线圈的自动跟踪补偿装置的问题。该装置的控制采用动态补偿方案,实时监测电网电容电流。在正常工作时,补偿装置远离谐振点,当发生瞬时性单相接地故障时,补偿装置实现快速补偿。仿真结果表明:以该原理构成的自动跟踪补偿装置具有伏安特性线性度优良、响应速度快、补偿效果好、对系统适应性强、经济性能指标良好等优点。     

基于动态邻域微粒群的Smith预估双控制器设计

针对模型未知时滞系统的预测补偿控制,提出一种基于动态邻域拓扑微粒群算法以优化动态神经网络的参数,并将其作为预估器和辨识器应用于一种新的Smith预估双控制器结构设计.利用微粒群算法空间搜索能力指标,动态建立邻域拓扑结构,优化神经网络参数,并将两者的组合模型应用于新的双控制器结构,将负载扰动和定值控制分开,以提高Smith预测补偿模型的控制精度和鲁棒性,最后通过仿真验证了所提出方法的有效性.     

基于Smith的自适应模糊网络拥塞控制算法

针对网络拥塞控制系统中因网络时滞对主动队列管理算法产生的不利影响, 提出了一种基于Smith预估的自适应模糊主动队列管理算法。该算法将Smith预估控制与自适应模糊控制相结合, 利用Smith预估器补偿网络时滞, 同时运用模糊控制在一定程度上克服了传统Smith预估器对模型结构与参数的精确性过于敏感、鲁棒性差等缺点。仿真结果表明, 该方法可以使队列长度快速收敛到设定值, 同时维持较小的队列振荡, 尤其是在网络条件变化的情况下, 该算法优于传统PI控制、模糊控制和传统的滑模控制。     

基于节点状态模型的传输模式自适应选择算法

针对现有的流媒体传输方法不能在高效分发数据的同时保证数据接收质量的问题, 提出了一种传输模式自适应选择算法。该算法首先根据节点状态模型, 将节点状态分为数据接收质量和综合状态值两部分, 对各节点本身稳定状态和节点重要性进行综合判定, 再结合现有数据缓冲模型进行传输模式自适应选择。仿真结果表明, 该算法有效地提高了数据在传输过程中的分发效率, 同时通过对服务器负载一定程度的控制, 在保证数据接收质量的同时, 提高了系统的可扩展性。     

Adaptive CMAC neural control of chaotic systems with a PI-type learning algorithm

The cerebellar model articulation controller (CMAC) has the advantages such as fast learning property, good generalization capability and information storing ability. Based on these advantages, this paper proposes an adaptive CMAC neural control (ACNC) system with a PI-type learning algorithm and applies it to control the chaotic systems. The ACNC system is composed of an adaptive CMAC and a compensation controller. Adaptive CMAC is used to mimic an ideal controller and the compensation controller is designed to dispel the approximation error between adaptive CMAC and ideal controller. Based on the Lyapunov stability theorems, the designed ACNC feedback control system is guaranteed to be uniformly ultimately bounded. Finally, the ACNC system is applied to control two chaotic systems, a Genesio chaotic system and a Duffing–Holmes chaotic system. Simulation results verify that the proposed ACNC system with a PI-type learning algorithm can achieve better control performance than other control methods.