基于自适应虚拟阻抗控制的孤岛微电网电能质量优化策略

随着大量不对称负载以及非线性负载的接入,孤岛微电网的电能质量问题日益凸显,如何合理分配不平衡和谐波功率成为关键。目前提出的分配策略多致力于实现谐波和负序电流的均分,降低过载风险,但忽略了不同逆变器改善电能质量的差异性。为此,以充分利用逆变器的剩余容量为核心思想,文中提出了一种以改善微电网电能质量为目标的功率分配策略。所提控制策略将剩余容量与输出的非基频功率之差作为输入,自适应调节基波负序和主导谐波频率处的虚拟阻抗,从而保证了逆变器在稳态工况下不过载,并为谐波电流和负序电流分别提供阻抗尽可能小的流通路径,达到改善微电网电能质量的目标。为保证虚拟阻抗调节的稳定性与快速性,基于根轨迹分布确定了虚拟阻抗稳定域范围,并提出了一种改进的变参数积分控制方法。最后,通过仿真和硬件在环实验验证了所提控制策略的可行性与有效性。     

基于潜变量自回归算法的化工过程动态监测方法

从建立潜变量自回归(AR)模型的角度出发,提出了一种基于潜变量自回归(LVAR)算法的化工过程动态建模与监测方法,旨在提取动态潜变量的同时给出各潜变量的AR模型。LVAR算法在最小化潜变量的AR模型残差的约束下,通过同时搜寻投影变换向量与AR系数向量,实现了对动态潜变量的特征提取及其AR模型的建立。此外,LVAR算法通过先提取动态潜变量后提取静态成分信息的方式,有效地区分了采样数据中的自相关性与交叉相关性。在对比实验中,通过比较分析LVAR方法与其他三种典型的动态过程监测方法在经典化工过程对象上的故障监测结果,验证了LVAR方法在动态过程监测上的优越性与可靠性。关键词:主成分分析;故障检测;缺失数据;过程系统     

基于潜变量自回归算法的化工过程动态监测方法

从建立潜变量自回归（AR）模型的角度出发，提出了一种基于潜变量自回归（LVAR）算法的化工过程动态建模与监测方法，旨在提取动态潜变量的同时给出各潜变量的AR模型。LVAR算法在最小化潜变量的AR模型残差的约束下，通过同时搜寻投影变换向量与AR系数向量，实现了对动态潜变量的特征提取及其AR模型的建立。此外，LVAR算法通过先提取动态潜变量后提取静态成分信息的方式，有效地区分了采样数据中的自相关性与交叉相关性。在对比实验中，通过比较分析LVAR方法与其他三种典型的动态过程监测方法在经典化工过程对象上的故障监测结果，验证了LVAR方法在动态过程监测上的优越性与可靠性。     

基于逆变器剩余容量及自适应虚拟谐波阻抗控制的孤岛微电网谐波功率分配策略

孤岛微电网中,非线性负载产生的谐波电流导致发电单元的逆变器也需要承担部分谐波视在功率。为避免逆变器因承担过量谐波功率过载,目前研究者们大都致力于实现谐波功率在逆变器间的均分。然而,谐波均分策略忽略了不同逆变器改善电压质量能力的差异性,致使微电网电压质量无法得到有效改善。针对此,提出了一种以改善微电网电压质量为目标的谐波功率分配策略,根据逆变器剩余容量及其承担的谐波功率,自适应地调节其虚拟谐波阻抗值在第四象限内变化,从而在不过载的前提下使各逆变器到微电网母线的谐波阻抗达到最小值,为谐波电流提供低谐波阻抗通路,达到尽可能改善微电网电压质量的目的。为了实现该目标,基于根轨迹确定了逆变器虚拟谐波阻抗的稳定调节范围,并进一步设计了一种变参数积分控制器,令所提自适应虚拟谐波阻抗控制能够兼顾调节速度及收敛性能。仿真和硬件在环实验验证了所提控制方法的有效性。