基于模糊PID的动态电压恢复器控制策略研究

针对动态电压恢复器的非线性特性,该文将模糊控制和经典的PID控制相结合应用于动态电压恢复器(DVR)的控制中,对模糊PID控制的单相DVR控制原理进行了详细阐述,并与传统的PID控制方法进行了比较。仿真结果表明了该方法的有效性。     

动态电压恢复器H2鲁棒控制设计

动态电压恢复器（dynamic voltage restorer,DVR）,作为一种主要的客户端电压补偿设备,在保护敏感负载免受电压凹陷影响方面具有良好的效果。针对已有DVR控制系统在控制效果方面存在的一些缺陷,将H2最优鲁棒控制技术设计应用于DVR控制系统中,提出了含有反馈增益结构的新型H2控制器。在建立了三相一体的DVR仿真模型,以及对H2控制原理和实现算法进行深入阐述的基础上,给出了与DVR状态空间模型匹配的H2控制构架图及其状态空间实现方法。Matlab／Simulink的仿真结果显示,采用H2控制技术的DVR闭环系统具有高响应速度及稳定度,并且其控制算法相比传统PID算法也更为精确。     

迭代控制在动态电压恢复器控制策略中的应用

根据动态电压恢复器(DVR)控制系统设计的要求,提出了基于迭代控制的前馈控制方法.经仿真实验验证,该方法可在稳态下较好的补偿谐波电压,提高了DVR控制系统的动态响应速度.     

基于MATLAB／Simulink的DVR同相位补偿策略的仿真研究

将电压定向控制应用于动态电压恢复器(DVR)控制中,结合负荷电压外环、滤波电容电流内环的双闭环控制策略对DvR的同相位补偿进行了研究.应用MATLAB进行系统仿真,结果表明该方法具有良好的动态性能与补偿效果.验证了控制策略的正确性、优越性与有效性.     

一种基于飞轮储能系统的新型动态电压恢复器

为了克服传统动态电压恢复器无储能装置的不足,提出了一种基于飞轮储能系统(FESS)的新型动态电压恢复器(DVR)。根据飞轮充电要求,对DVR拓扑结构进行了研究,给出了DVR在不同工作模式下的控制策略:在飞轮充电过程中,采用脉宽调制(PWM)整流技术,实现了单位功率因数控制;在补偿电压暂降时,电机采用半桥能量回馈控制,以保持直流母线电压恒定,逆变器采用双环控制策略,补偿电压暂降的同时有效地抑制负载干扰和参数变化。实验结果验证了拓扑结构和控制策略的正确性。     

二极管箝位多电平动态电压恢复器的控制与调制

为解决级联多电平动态电压恢复器(DVR)用于提高配网电压质量时需要多个整流单元的问题,提出了一种基于二极管箝位五电平逆变器的三相DVR方案。相较于普通级联型DVR,该三相DVR在输出电平数增加时只需一个整流单元,就可以达到减少整流单元开关器件的目的。同时,采用比例谐振控制(PR)算法,保证了逆变器输出电压的实时跟踪与谐波补偿。最后,在PSIM中搭建了仿真平台进行验证,仿真结果表明,所提策略用于三相三线10 kV配网系统的电压质量治理是可行的。     

动态电压恢复器补偿相位跳变电压暂降的控制策略

针对电压暂降伴随着相位跳变且容易导致过载跳闸的问题,借助动态电压恢复器(DVR)缓解电压暂降,在简述具有相位跳变的电压暂降的基础上,重点分析了电压暂降的相位跳变补偿模式,提出了基于同相补偿和预暂降补偿的动态电压恢复器的控制策略。最终在10 kVA的动态电压恢复器额定电压条件下,运用Saber对两种控制策略的性能进行比较,结果表明:两种控制策略都可以用来减少电压暂降引起的负载电压干扰,预暂降补偿策略可以完全补偿相位跳变,而同相补偿策略只能部分补偿相位跳变。     

戈壁地貌地形探测器接地压力神经网络控制研究

针对戈壁地貌地形探测器接地压力调节系统具有的非线性特点,提出了地形探测器接地压力的BP神经网络PID控制方法,设计了BP神经网络PID控制器,并利用MATLAB软件编程进行了仿真分析和实验。研究结果表明,BP神经网络PID复合控制较之常规PID控制可使系统具有更优的动态性能和良好的跟随特性,是一种有效的控制策略。     

神经网络自学习PID控制器

针对常规PID的缺点,这里以锅炉为对象,采用神经网络与PID控制相结合的方法,构造一种神经网络自适应PID控制器.利用神经网络自适应控制器的在线调整进行大量的仿真研究,然后在仿真试验的基础上将其应用于实际控制.     

神经网络自学习PID控制器

针对常规PID的缺点,这里以锅炉为对象,采用神经网络与PID控制相结合的方法,构造一种神经网络自适应PID控制器.利用神经网络自适应控制器的在线调整进行大量的仿真研究,然后在仿真试验的基础上将其应用于实际控制.     

An improved approach for robust control of dynamic voltage restorer and power quality enhancement using grasshopper optimization algorithm

This paper presents a novel contribution of a low complexity control scheme for voltage control of a dynamic voltage restorer (DVR). The scheme proposed utilizes an error-driven proportional–integral–derivative (PID) controller to guarantee better power quality performance in terms of voltage enhancement and stabilization of the buses, energy efficient utilization, and harmonic distortion reduction in a distribution network. This method maintains the load voltage close to or equal to the nominal value in terms of various voltage disturbances such as balanced and unbalanced sag/swell, voltage imbalance, notching, different fault conditions as well as power system harmonic distortion. A grasshopper optimization algorithm (GOA) is used to tune the gain values of the PID controller. In order to validate the effectiveness of the proposed DVR controller, first, a fractional order PID controller was presented and compared with the proposed one. Further, a comparative performance evaluation of four optimization techniques, namely Cuckoo search (CSA), GOA, Flower pollination (FBA), and Grey wolf optimizer (GWO), is presented to compare between the PID and FOPID performance in terms of fault conditions in order to achieve a global minimum error and fast dynamic response of the proposed controller. Second, a comparative analysis of simulation results obtained using the proposed controller and those obtained using an active disturbance rejection controller (ADRC) is presented, and it was found that the performance of the optimal PID is better than the performance of the conventional ADRC. Finally, the effectiveness of the presented DVR with the controller proposed has been assessed by time-domain simulations in the MATLAB/Simulink platform.     

模糊神经网络PID控制在振动打桩机中的应用

针对双马达电液伺服系统难以进行同步控制,实现无级调频调矩的问题,提出了基于Mamdani型的模糊神经网络PID控制方法。该方法的主要思想是结合模糊推理和神经网络控制技术,构成模糊神经网络,实时调整PID参数。实验结果表明：与传统PID控制方法相比,该方法改善了系统的动态特性,提高了控制精度。     

模拟复合正交神经网络在轴向磁轴承中的控制研究

由于磁轴承的动态性能主要取决于所采用的控制规律,控制器是磁轴承系统的关键.在数字复合正交神经网络(NN)的基础上,提出了一种模拟复合正交神经网络,并用于轴向磁轴承的控制中.控制器采用模拟复合正交神经网络与PID的并行控制方法,对带有负载干扰的轴向磁轴承控制系统作了PID控制与NN PID控制的仿真实验.仿真结果表明,相对于常规PID控制器,该并行控制法具有较高的抗干扰与自适应能力-控制效果理想.     

Improved fault ride through capability of DFIG based wind turbines using synchronous reference frame control based dynamic voltage restorer

Fault ride through (FRT) capability in wind turbines to maintain the grid stability during faults has become mandatory with the increasing grid penetration of wind energy. Doubly fed induction generator based wind turbine (DFIG-WT) is the most popularly utilized type of generator but highly susceptible to the voltage disturbances in grid. Dynamic voltage restorer (DVR) based external FRT capability improvement is considered. Since DVR is capable of providing fast voltage sag mitigation during faults and can maintain the nominal operating conditions for DFIG-WT. The effectiveness of the DVR using Synchronous reference frame (SRF) control is investigated for FRT capability in DFIG-WT during both balanced and unbalanced fault conditions. The operation of DVR is confirmed using time-domain simulation in MATLAB/Simulink using 1.5 MW DFIG-WT.     

基于模糊神经网络的精密角度定位PID控制

针对精密角度定位系统存在非线性、时变性,传统PID控制难以获得理想控制效果的问题,提出一种基于模糊神经网络的PID控制方法,将模糊控制、神经网络与PID控制相结合,采用3层前向网络、动态BP算法,利用神经网络的自学习和自适应能力,实时调整网络的权值,改变PID控制器的控制参数,整定出一组适用于控制对象的kp、ki、kd参数,实现精密角度定位PID控制的自适应和智能化。实验结果表明,采用BP神经网络整定的PID控制较传统的PID控制,控制性能有较大的提高,能有效提高定位精度,缩短定位时间。     

基于神经网络与PID控制的微制造试验平台隔振系统的混合控制

利用神经网络与PID控制算法,提出了一种针对微制造平台振动的混合控制方法。该方法较好地实现了神经网络与PID算法的结合,弥补了微制造系统动态性能差的缺陷。仿真结果表明,该方法具有良好的减振效果。