排序方式: 共有30条查询结果,搜索用时 0 毫秒
1.
2.
为提高风储直流微电网用户侧用电的满意度,该文提出一种计及可靠性、舒适性和经济性在内的能量管理协调控制策略。该控制策略在分时电价基础上,针对联网自由、联网限流和孤岛3种运行状态,结合不同工况下的能量供需关系,分区域制定了一系列以可靠性为主的多向性运行控制目标、约束条件和控制策略,从而提高了直流微电网的运行效率。并在系统工况发生改变时,为了实现不同控制目标和控制策略间的可靠切换,采用联网和孤岛双模糊控制器在并/离网模式下完成工作模式的选择和切换。同时,针对联网和孤岛模糊控制器中15种工作模式复杂隶属度函数设计问题,在遗传算法的基础上,结合扰动观察法的思想,对双模糊控制器的隶属度函数进行了多级优化,从而简化了模糊控制器设计的复杂度并提高了能量管理系统的协调性。通过不同工况下的仿真和用户满意度评价表明,该文所提控制策略能够在保证系统高可靠性的前提下,在联网自由时提高用户的经济性,在联网限流和孤岛运行时提高用户的舒适性,从而在3种状态下均能提高直流微电网用户侧用电的满意度。 相似文献
3.
空间矢量脉宽调制是依据变换器空间电压(电流)矢量切换来控制变换器的一种新颖思路的控制策略.利用Freescale公司数字信号处理器56F805实现空间矢量脉宽调制.DSP 56F805包含PWM、故障保护、程序和数据Flash等模块.采用标么值系统可以提高运算精度,并可使各种容量电机的物理量及控制系统中各调节器的参数范围大致相同.DSP程序通过判断指令所在扇区、计算占空比等步骤产生PWM波.将PWM波经LC滤波得到实验波形,验证了利用DSP 56F805实现SVPWM的可行性. 相似文献
4.
为了提高风储直流微电网的惯性,提出了一种基于虚拟直流发电机的风机后级变换器控制策略,建立了风力发电系统和储能系统小信号模型,得到了风储直流微电网的小信号模型以及蓄电池充、放电模式下的阻抗比表达式。并在转动惯量变化范围内选取典型值代入到阻抗比表达式中进行了计算和分析,揭示了微电网的基本特性及转动惯量对微电网稳定性的影响。以直流母线电压波动范围最小和系统动态响应时间最优为多目标,给出了粒子群优化求解算法及流程,进而求得了系统的最优转动惯量。不同工况下的仿真结果表明,所提控制策略不仅可以在风机最大功率和限功率跟踪模式下提高系统惯性,还可以在负载和风速变化时使母线电压的波动范围达到最小,实现了系统的优化运行,从而验证了所提控制策略的正确性和可行性。 相似文献
5.
为解决矩阵变换器(MC)的直接模型预测控制(MPC)算法计算量大的问题,基于MC的等效间接调制策略,将MC的预测控制等效为虚拟整流环节和虚拟逆变环节的预测控制。在虚拟整流环节采用预测控制实现电网侧单位功率因数运行;利用预测控制实现虚拟逆变环节对负载电流的控制,并采用无差拍的预测控制方法预选开关状态,从而进一步减少计算量。最后,将虚拟整流环节和虚拟逆变环节控制中得到的最佳开关状态等效合成为MC的开关状态。与传统直接MPC方法相比,间接MPC的算法计算量明显降低,减少了算法执行时间。在此针对基于MC的间接MPC策略,建立完整的理论分析和推导,然后在实验平台上进行验证。实验结果表明,所提基于MC的间接MPC对负载电流和网侧单位功率因数具有良好控制效果。 相似文献
6.
7.
在变速恒频风力发电系统的研究中,无刷双馈电机是一种新型变频调速感应电机,在风力发电方面具有广阔的应用前景。在分析笼型无刷双馈电机工作原理和电磁关系基础上,采用交叉短距式定子绕组抑制高次谐波,运用有限元分析方法详细阐述其电磁设计方法。建立双旋转坐标系无刷双馈电机的数学模型,并对其在各种工况下的性能进行仿真研究。结果表明无刷双馈电机具有良好的动、静态运行特性,证明了无刷双馈电机设计与仿真模型的正确性和可行性,为深入研究无刷双馈风力发电系统奠定了理论基础。 相似文献
8.
9.
超级电容提高直驱永磁风力发电系统故障穿越能力的协调控制策略 总被引:1,自引:0,他引:1
为避免电网故障时风电机组脱网运行,针对电网不同故障类型,对直驱永磁同步风力发电系统的故障穿越进行研究,利用超级电容和Buck-Boost电路,以提高风力发电系统控制灵活性。文章研究永磁风电系统的双PWM变换器中的网侧变换器和超级电容储能的双向Buck-Boost变换器的协调控制策略,协调控制策略根据电网状况切换于电网故障和电网正常两种模式,并在Matlab/Simulink环境中进行仿真研究,结果表明采用超级电容可以提高D-PMSG WTGS的故障穿越能力,验证了所论协调控制策略的正确性和有效性。 相似文献
10.
以进一步提高光伏输出功率短期预测的准确性和可靠性为目标,针对传统Elman神经网络权值和阈值盲目随机的缺点以及光伏输出功率信号波动性和非平稳性的特点,提出一种基于变分模态分解(VMD)和灰狼优化算法(GWO)优化Elman神经网络的光伏输出功率短期预测模型。首先,使用K-means算法对原始数据按天气类型进行聚类;然后,使用VMD对每一类型天气光伏输出功率数据进行分解,分别将各分解子序列输入经GWO优化的Elman神经网络进行光伏输出功率预测;最后,将各预测结果进行叠加。实例证明:该模型的预测精度有所提升。 相似文献