变风速下双馈感应发电机非线性鲁棒状态估计反馈控制

风速的强随机性与风力发电机建模的不确定性给风力发电系统的优化运行带来了极大的挑战。文中设计了一种新型非线性鲁棒状态估计反馈控制(NRSEFC),从而实现双馈感应发电机的最大功率点跟踪。首先,将风轮机的非线性、发电机参数不确定性以及随机风速的综合影响聚合为一个扰动,同时应用一个滑动模态状态扰动观测器对该扰动进行实时快速估计。随后,将该扰动估计值作为附加控制分量加入状态估计反馈控制中进行在线完全补偿。NRSEFC兼具状态反馈线性控制的结构简单、可靠性高以及非线性鲁棒控制的控制全局一致性和鲁棒性强等双方优点,不依赖于双馈感应发电机系统精确模型且仅需测量转子角速度和无功功率两个状态量。基于阶跃风速、随机风速、发电机参数测量误差以及机端电压跌落4个算例的仿真结果验证了NRSEFC的有效性和鲁棒性。最后,基于dSpace的硬件在环实验验证了所提算法的实际应用性能。     

基于群灰狼优化的光伏逆变器最优无源分数阶PID控制

针对并网光伏逆变器(PV)设计最优无源分数阶PID(PFoPID)控制,其可在不同天气条件下,通过扰动观测(P&O)技术实现最大功率追踪(MPPT).首先,基于跟踪误差构建储能函数,保留系统阻尼有益项以提高跟踪速率,并完全补偿其他的系统非线性以实现全局一致的控制性能.然后,引入分数阶PID(FoPID)控制作为附加控制输入,对储能函数进行能量重塑,并通过群灰狼优化算法(GGWO)获取最优控制参数.对3种算例进行研究,即光照强度变化、温度变化和电网电压跌落,仿真结果表明,与常规PID控制、FoPID控制和无源控制(PBC)相比, PFoPID控制在各类工况下能够实现最大功率追踪并具有较好的动态特性.最后,基于dSpace的硬件在环(HIL) 实验验证了所提出方法的硬件可行性.     

基于深度军队联合作战算法的永磁同步发电机最大功率跟踪

提出一款新型启发式算法,即深度军队联合作战算法(DJOA),用于调节永磁同步发电机(PMSG)的比例–积分–微分(PID)控制器最优参数.从而实现不同风速下的最大功率跟踪(MPPT). DJOA由如下3类策略构成,即:a)进攻作战:DJOA与传统军队联合作战算法(JOA)的进攻作战机理一致,以实现最优解的全局搜索(global exploration);b)深度防御作战:DJOA引入两名副官(当前两个次最优解),通过综合考虑军官(当前最优解)与两名副官的信息,从而合理引导士兵以实现更深度的局部探索(local exploitation); c)混合重组作战:DJOA引入混合蛙跳算法(SFLA)机制来有效避免算法陷入局部最优.本文通过4个算例对DJOA的优化性能进行研究,即阶跃风速、低频随机风速、高频随机风速以及鲁棒性测试.仿真结果表明,与量子遗传优化算法(QGA)、生物地理学习的粒子群算法(BLPSO)和JOA相比,所提算法能够最大程度地获取风能且仅需最低的控制成本,同时在发电机参数不确定下具有最高的鲁棒性.     

基于扰动观测器的永磁同步发电机最大功率跟踪滑模控制

本文设计了一款基于扰动观测器的滑模控制(perturbation observer based sliding-mode control, POSMC)来实现永磁同步发电机(permanent magnetic synchronous generator, PMSG)的最大功率跟踪(maximum power point tracking, MPPT).首先,将发电机非线性、参数不确定、以及随机风速聚合成一个扰动,并通过扰动观测器对其进行在线估计.随后,采用滑模控制(sliding-mode control, SMC)对该扰动估计进行实时完全补偿,从而实现不同工况下的控制全局一致性以及各类不确定环境下的鲁棒控制.同时, POSMC采用扰动实时估计值进行补偿来代替传统SMC中所使用的扰动上限值进行补偿,因此可有效解决传统SMC过于保守的缺点,使得控制成本更为合理.最后, POSMC无需精确的PMSG模型,仅需测量d轴电流和机械转速,易于实现.本文进行了3个算例研究,即阶跃风速、随机风速和发电机参数不确定.仿真结果表明,与矢量控制(vector control, VC)和SMC相比, POSMC在各类工况下均可捕获最大风能并具有较强的鲁棒性.基于d Space的硬件在环实验(hardware-in-loop, HIL)验证了所提算法的可行性.     

部分遮蔽下改进樽海鞘群算法的光伏系统最大功率跟踪

部分遮蔽条件(partial shading condition)会使光伏系统的功率–电压(P--V)特性曲线出现多个峰值,常规的最大功率跟踪(MPPT)算法易陷入局部最大功率点(LMPP)已不再适用.本文提出了一款新型启发式算法,即改进樽海鞘群算法(MSSA),用于部分遮蔽条件下光伏系统MPPT. MSSA在原有樽海鞘群算法(SSA)的基础上,引入了文化基因算法(memetic algorithm),以樽海鞘链为种群单位,采用多个樽海鞘链同时进行独立寻优,以提高算法全局搜索和局部探索的能力;同时,通过群落中所有樽海鞘间的信息交流,重组产生新的樽海鞘链,以提高算法的收敛稳定性.本文通过3个算例对MSSA的优化性能进行了研究,即恒温恒光照强度、恒温变光照强度和变温变光照强度.仿真结果表明,与增量电导法(INC)、遗传算法(GA)、粒子群算法(PSO)、灰狼算法(GWO)和樽海鞘群算法(SSA)相比,所提算法能在部分遮蔽条件下快速、稳定地获取最大光能.最后,基于d Space的硬件在环实验(HIL)验证了所提算法的硬件可行性.