基于自适应下垂控制的联网型直流微网母线电压控制

考虑到通讯和电力电子技术的发展,针对以能量路由器作为与传统电网连接设备的联网型直流微电网,提出一种基于自适应下垂控制方法的直流母线电压控制策略.该策略根据直流母线电压波动范围切换不同单元对电压进行控制,同时采用自适应下垂控制协调本地储能单元,根据各自荷电状态和最大输出能力自动分配负荷功率.该控制策略无需通信,满足各单元即插即用的要求,在不同模式下均有单元参与母线电压控制,保证了直流系统的稳定性.在Matlab/Simulink仿真平台上搭建包含能量路由器的直流微电网系统,对控制方法进行仿真,结果验证了该分布式策略的有效性.     

基于自适应虚拟阻抗的微电网分布式电源控制

针对直流微电网中线路阻抗不匹配时,传统下垂控制不能有效实现不同分布式电源之间电流的合理分配的问题,提出了一种基于自适应虚拟阻抗的分布式控制策略。各分布式电源基于一致性算法,利用本地和相邻电源的虚拟阻抗值和电流信息自动调节等效输出虚拟阻抗值,实现了负荷电流的合理分配。同时,在所提控制策略的电压环节增加了电压补偿控制器,通过动态调节下垂控制器的电压参考值,补偿不匹配的馈线阻抗引起的电压偏差。最后,利用MATLAB/Simulink搭建仿真模型,仿真结果验证了所提控制策略的有效性。     

基于平抛模型的光伏多峰最大功率点预测跟踪方法

局部阴影条件下,现有的常规光伏电池模型不再适用。结合光伏阵列电流压特性曲线和质点平抛运动轨迹的相似性,构建了适用于阴影条件下的光伏阵列运动学平抛模型,并利用改进粒子群算法对其求解进行最大功率预测。由于平抛模型是对光伏阵列电流电压特性曲线的拟合,而拟合曲线不一定精确,单独使用该模型预估追踪最大功率点存在误差。针对上述问题,在使用改进PSO算法预测光伏阵列的最大功率点后,再利用指数变步长电导增量法进行局部跟踪。在MATLAB中通过不同运行工况下的仿真实验,验证了此多峰寻优方法的可行性,该方法能够有效缩短寻优时间,且减少寻优时系统的振荡,从而达到提高收敛速度和光伏发电效率的目的。     

基于单环寻优策略的有源配网重构方法

配网DG接入导致智能优化算法在重构求解时易陷入局部收敛且寻优率较低.考虑配网拓扑特性与算法的关系,将两者深度结合,提出基于单环寻优策略的有源配网重构方法.首先引入莱维飞行对量子粒子群算法进行改进,建立了莱维系数量子粒子群算法.其次提出自适应环压有序环矩阵作为算法的解空间.最后根据配网拓扑与算法全局最优解之间的对应关系提出单环寻优策略,与算法深度结合进行求解.通过改进算法、优化解空间、配网拓扑与算法深度结合三个角度提高算法全局搜索能力和寻优效率.通过对多个电力系统进行仿真分析,验证所提算法和策略的有效性和适用性.     

基于自适应下垂控制的直流微电网群分层协调控制

为了确保配网故障时直流微电网群的稳定运行,本文根据子微网的运行工况,将微网划分不同的运行模式,提出一种基于储能自适应下垂控制的协调控制策略来确保母线电压稳定。该策略通过微网中央控制器实时检测公共直流母线电压波动控制各子微网间并联或独立运行,从而来维持各子微网直流母线电压稳定。同时,采用自适应下垂控制协调并联运行的子微网中储能单元根据各自荷电状态和最大输出能力自动分配负荷功率。利用MATLAB/Simulink搭建直流微电网群仿真模型,仿真结果表明该策略可协调直流微电网群母线电压稳定并可自动分配不同储能单元之间的负荷功率。     

基于指数变步长电导增量法的光伏最大功率点跟踪

光伏最大功率点跟踪方法可以最大限度地利用光伏电池所能产生的电能,已成为提高光伏发电系统运行效率、降低光伏电能成本的研究热点。本文分析了扰动观察法和电导增量法存在收敛速度慢、稳态振荡、陷入局部最优等问题,提出了一种具有阈值判断和变步长功能的指数变步长电导增量法,该方法既具有电导增量法快速跟踪的优点,又能准确、稳定地跟踪到全局最大功率点。进行了不同运行工况下的仿真实验,验证了上述方法的可行性和适用性。     

基于Huff模型的电动汽车充电站选址定容方法

对于用户充电选择行为随机性的欠考虑,导致充电站服务范围划分和容量配置不合理的问题,提出了一种基于Huff模型的电动汽车充电站选址定容方法。综合考虑充电站规模、充电价格、用户充电成本对用户充电选择行为的影响,利用Huff模型分析用户对不同充电站的选择概率,并基于用户的选择概率确定充电站的服务范围和充电需求;综合考虑用户充电可达性、规划区域总功率、电动汽车充电功率,以充电站年总成本最小为目标,建立充电站的选址定容模型,并采用免疫克隆选择-变邻域搜索混合算法求解模型。MATLAB仿真结果表明所提选址定容方法能合理地划分服务范围,提高充电站规划的经济性。     

基于自适应量子遗传算法的电力系统机组组合问题

采用了一种自适应量子遗传算法来解决机组组合问题.其数学模型以最小燃料成本作为目标函数.考虑的约束条件有功率平衡约束、机组容量约束、最大启停次数约束,以及最小连续停运和运行时间约束.该算法采用了新的量子个体来表示机组的启停状态,提出了针对个体适应值和进化代数的自适应量子旋转角,使个体向更好的解靠近.仿真实验结果验证了自适应量子遗传算法的可行性和优越性.     

基于耦合瞬态混沌神经网络的同等并行机调度

在各种生产制造系统中都广泛存在着同等并行机调度. 本文提出了一种新的耦合瞬态混沌神经网络来求解同等并行机调度问题. 通过引入新的换位矩阵将该问题的混合整数规划模型转化为耦合瞬态神经网络的计算结构. 同时, 提出了新的计算能量函数, 使其能够包含所有约束和目标. 此外, 采用时变惩罚参数, 克服了能量函数中各惩罚项之间的权衡问题. 最后, 将该算法应用于求解 3 种不同规模的随机问题并进行仿真, 每种规模随机测试 100 次. 结果显示, 该算法能在合理的时间内收敛, 并求解出这些随机问题.