基于重复控制技术的光伏逆变器并网控制策略研究

分析了电压型控制模式下的逆变器并网的电路结构和数学模型,提出了基于重复控制技术的光伏逆变器并网控制策略,仿真和实验结果表明方案满足逆变器并网要求。     

电流型多重化光伏并网逆变器的研究

在光伏发电系统光伏逆变器的研究中,针对太阳能电池的电流源特性,在光伏发电系统中采用电流型逆变器可以获得良好的控制效果。为了适应大功率的应用场合,以电流型多重化逆变器为研究对象,论述了电流型逆变器多重叠加的原理,并采用移相控制的方法对输出电流的进行调节。在上述基础上,研究了整个系统的控制策略。最后在MATLAB/SIMULINK环境下进行了系统的建模与仿真,通过FFT分析了并网电流,仿真结果证明了改进控制方法的可行性,为大功率光伏并网逆变器的研究奠定了基础。     

具有谐波补偿功能的光伏并网逆变器控制策略研究

随着高新能源技术的发展,光伏并网发电在通过逆变器并网时往往会产生大量的不同谐波,并因此消耗大量的电能.接入电网的光伏并网逆变器中存在大量的负载,这将使整体电网质量下降.针对此问题,论文提出一种具有谐波补偿功能的光伏并网逆变器控制方法,通过谐波补偿装置采集电网中的谐波含量,并基于MPPT算法对所采集的谐波进行分析、计算,...     

预测电流控制光伏并网逆变器的研究

介绍了一种适用于光伏并网逆变系统的控制方法,可以解决经典PI控制方法参数整定难、系统静差大等问题。针对经典PI调节无法解决逆变器输出电流静差等问题,使用了基于预测电流的无差拍方法进行闭环调节,分析了控制算法中电感参数对采样延时、系统稳定性的影响,该方法能有效降低入网电流总谐波失真。经仿真和样机实验证实该改进方案的正确性和可行性。     

光伏并网逆变器的电能质量分析

为保障光伏并网逆变器的稳定性与安全性,需要对电网系统的电网状况进行实时监测,而且监测的准确性需要符合要求。因此,重点调查了有关Ζ源光伏并网逆变器的供电质量评价系统的应用程序的研发方案。首先收集电网系统电压信息以及并网电流状态数据,经过处理分析后获得包括有功功率、无功功率等电力指标;接着借助快速傅立叶变换(FFT)分析理论对并网电流THD进行运算;最后通过实验对其理论研究以及应用程序研发策略进行了论证。     

光伏并网逆变器的非线性控制研究

为了达到改善光伏并网逆变器的动态性能的目的,在利用其d-q模型体现并网逆变器非线性特征基础上,应用控制李亚普洛夫函数的方法设计了一种非线性控制器,以非线性的方法实现对系统的控制。这种方法利用控制李亚普洛夫函数对线电流中的有功和无功分量进行跟踪,实现了并网逆变器有功分量和无功分量的独立控制,并可实现对太阳能光伏供电系统的最大功率点(MPPT)的跟踪。仿真结果表明,控制李亚普洛夫函数的方法比传统的线性化方法具有更好的动态性能。     

并网系统逆变器锁相环的研究

在太阳能光伏发电系统中,并网逆变器是实现光伏电能馈送电网的重要环节,并网光伏逆变器的控制目标为：控制逆变电路的输出为稳定的、高品质的正弦波,且与电网电压同频、同相。鉴于此,本文提出了一种数字电流锁相的方法,并且进行了系统仿真。仿真结果表明,TMS320C2000系列DSP芯片适用于该数字锁相技术,其并网输出电流波形良好...     

三相光伏并网电流型PWM逆变器的研究

基于三相电流型PWM逆变器装置,将直接电流控制方法应用于该逆变器中,设计了一套1kW实验装置。通过仿真分析和实验验证表明,该方法不仅实现了逆变器网侧电流正弦化并与网侧电压同相位,而且实现了直流侧电压宽范围调节,提高了系统动态性能,更适合于光伏并网。     

弱电网下并网逆变器复合控制策略研究

弱电网下存在的电网阻抗会导致控制系统鲁棒性降低,丰富的电网背景谐波使得进网电流质量下降.为解决以上问题,提出一种改进型的重复控制与多谐振前馈控制相结合的控制策略,重复控制能够消除电网周期性的扰动,并联比例调节器可加快系统的动态响应能力,谐振前馈使前馈通道仅在电网背景谐波频率处具有反馈作用,可以消除大量的电网背景谐波对系...     

基于BP神经网络的SPWM逆变器控制仿真研究

采用控制和实现方法是决定单相SPWM逆变器输出波形质量和动态性能的主要因素。在分析逆变器常规PID控制方法优缺点的基础上,针对带非线性负载和负载跳变的单相SPWM逆变器,输出波形畸变较大,动态性能差和THD值较高的缺点,提出了一种基于BP神经网络自整定PI双闭环控制方案,并用MATLAB软件工具进行了仿真验证。仿真实验结果表明,方法能同时实现逆变器的高精度稳态输出波形、低的总谐波畸变率和快速动态响应性能,适用于感应电源、UPS不间断电源等需要高性能输出电压波形的场合。     

基于BP网络的飞轮电池电力转换控制研究

飞轮电池储能用集成电机时变非线性特点使得传统PID控制难以得到理想的控制性能,为此基于BP神经网络研究了一种新颖的飞轮电池电力转换器。该控制器结合BP神经网络自学习能力和PID控制的全局渐近稳定性能,通过神经网络在线优化调节PID参数,以实现对飞轮电池的高性能控制。其中,采用变学习速率的神经网络学习算法,学习速率随收敛过程误差的大小而自适应地进行调整,同时使用遗传算法(GA)优化得到PID参数的初始值,这可加快神经网络学习训练的收敛速度并避免陷入局部最小,进一步提高控制性能;另外,PWM采用SVPWM技术以增强能量转换效率和减小转矩脉动。数字仿真表明,基于所提出的BP-PID控制的电力转换矢量控制系统能够使飞轮电池在充放电两端都具有较快动态响应,较小超调,较高稳态精度以及较强的鲁棒性,控制效果明显比传统PID好。     

基于BP神经网络的PID控制器研究

BP神经网络的PID控制器依赖于灵敏度信息实现参数在线调整,获得灵敏度信息非常重要。利用符号函数来获得灵敏度信息,计算不精确,利用RBF对被控对象在线辨识获得灵敏度信息,收敛速度慢。提出了一种新方法,即在RBF神经网络辨识的基础上,当误差较大时,利用符号函数获得灵敏度信息,以加速收敛;当误差较小时,利用RBF神经网络在线辨识获得灵敏度信息,以提高控制精度。仿真结果表明算法收敛速度快、精度高,控制效果优于符号函数实现的参数调整方法。     

基于改进BP神经网络的PID控制方法研究

针对最速下降法收敛速度慢和易陷入局部极小的缺点,提出一种新型的基于改进BP神经网络的PID控制方法,该方法将神经网络和PID控制策略相结合,既具有神经网络自学习、自适应及逼近任意函数的能力。又具有常规PID控制器结构简单的特点。该控制器的算法采用Fletcher—Reeves共轭梯度法,它可以避免网络陷入局部极小点,同时加快网络的训练速度。并用这种改进的共轭梯度法对神经网络PID控制器参数实现在线修正。最后给出了在Matlab平台上的实现算法。仿真结果表明该控制方法是有效的。     

基于BP神经网络的电力负荷预测算法

将BP神经网络用于电力负荷预测。给出了具体的数据处理方法、神经网络构造及预测结果评价方法。在南京市夏季电力负荷统计数据集上面的实验结果表明,BP神经网络能够对电力负荷进行较好地预测。     

基于BP神经网络的锅炉控制系统

神经网络的自学习、自适应和并行处理等特性，使得它们在现代控制系统中得到了广泛的应用。结合温度的时变、滞后和非线性的特性，提出了一种基于人工神经网络的控制算法，并经计算机仿真表明，该算法具有响应速度快、精度高和鲁棒性的特点。     

利用人工神经网络SNC进行最优励磁控制

BP神经网络是一种多层结构的映射网络。由于它计算简单、存储量小，并具有分布并行处理特性，所以是目前应用最广的一种模型。本文设计了一种BP神经网络的监督学习控制器（SNC），在线性最优励磁控制的基础上，利用3层BP神经网络对柴油发电机的控制过程进行监督学习。通过对网络的训练，使其能达到实时控制的目的。仿真结果表明，所设计的SNC在系统运行方式较大的变化范围内，都能提供很好的控制性能。     

基于BP神经网络的系统级电源管理算法

在深入研究目前国际上比较流行的几种系统级电源管理（PM）算法的基础上，利用BP神经网络的非线性映射能力，提出基于BP神经网络的、对任务之间相互间隔时间也就是系统空闲时段的长度进行自适应学习的BPPM算法，具有传统回归PM算法不可比拟的优点。仿真实验表明引入神经网络的电源管理算法较之传统PM算法大大降低了系统级功耗。实现了在不需要建立系统模型、无需预先获得负载统计特性的前提下，通过从系统正常工作产生的数据中不断学习，使系统具有自适应、高效的电源管理能力，以达到降低系统功耗、提高器件可靠性、延长工作寿命的目的。     

基于BP神经网络电力负荷短期预测研究

电力负荷预测是电力系统一项重要的工作。本文应用了BP神经网络对南方某地区短期电力负荷进行了预测。首先介绍了BP神经网络结构,其次是利用BP神经网络结合南方某地区电力负荷数据进行实证研究,并且在设计BP神经网络结构时考虑了气象因素对负荷的影响。     

基于单周期的三相并网逆变器控制策略研究

研究单周期控制及三相并网逆变电路的优化设计问题,将单周期控制方法运用到并网逆变器中,提出了一种基于单周期的逆变控制策略.分析了三相并网逆变器中开关管的动作顺序与电网电压的关系,推导出了开关管的触发脉冲与电网电压之间的逻辑关系,提高了控制性能.实验结果证明将单周期控制策略应用于三相并网逆变器中可以快速地将输出畸变电流校正为正弦电流,并实现输出电流对电网电压的跟踪,达到很好的功率因数校正效果.