基于MPC的直接电流控制光伏最大功率点跟踪

传统光伏电池最大功率点追踪技术(MPPT)能追踪光伏系统的最大功率点(MPP)并使系统运行在MPP点。但是,在追踪过程中由于追踪速度和追踪精度的矛盾,使得系统在MPP点附近发生振荡。提出一种模型预测直接电流控制(MPC-DCC)和改进了的电导增量最大功率点追踪技术。系统采用Boost升压型电路进行DC-DC控制,先由改进了的电导增量法得到参考电流,再由MPC环节进行直接电流控制。对所研究的系统进行了Simulink仿真和硬件在环实验验证,结果表明该方法能够使用改进电导增量法快速准确找到MPPT最大功率点,并发挥MPC-DCC的控制器带宽及控制精度高的双重优点。     

基于RBF神经网络的储能VSG控制策略优化

针对传统储能VSG（虚拟同步发电机）不能较好地同时具备抗扰动能力和快速动态响应能力的问题,提出一种以RBF（径向基函数）神经网络优化动态同步器的储能VSG控制策略。首先,建立VSG的数学模型,分析转动惯量和阻尼系数配置对VSG性能的影响,得出参数配置在动态响应和系统动态稳定的矛盾关系。其次,将转子的暂态不平衡功率作为三层前向结构RBF神经网络算法的输入,通过RBF神经网络算法在线学习得出最优暂态补偿功率来动态调节VSG的输入功率,从而减少转子的不平衡转矩,提高VSG的暂态稳定性。最后,通过仿真对比实验验证了所提控制策略的有效性。     

基于模型预测的辅助功率虚拟直流电机控制

直流光储微网系统受到负荷扰动时,为解决储能变换器控制惯性调节能力不足与传统比例积分(PI)双环控制被动滞后调节的问题,提出一种基于模型预测控制(MPC)的辅助功率虚拟直流电机(MPC-APVDCM)控制策略。该控制策略根据角速度变化量和变化率计算出辅助功率,叠加至输入功率处以减少输入功率缺额,从而增强系统惯性调节能力。然后,通过建立电压预测模型与目标优化函数实现了控制的主动预测调节。最后搭建仿真与实验平台验证了所提MPC-APVDCM控制策略相比传统控制策略电压幅值变化更小、恢复时间更短。