微电网的电流均衡/电压恢复自适应动态规划策略研究

含多类型分布式电源的微电网已经成为了未来电力系统的重要发展方向,其中风能和光能在降低化石能源消耗和二氧化碳排放等方面有着极大优势,考虑二者之间强互补性的协同调度已被广泛研究.但风/光协同调度的微电网多关注分钟级的调度或优化问题而非风/光波动下秒级的实时电流按容量比例精准分担,简称电流均衡,而精准电流均衡有助于可再生能源的高比例消纳.因此,本文提出了基于自适应动态规划的微电网电流均衡和电压恢复控制策略.首先,构建包含风电整流型电能变换器和光电升压型电能变换器的广义风光拓扑同胚升压变换器模型,其提供了后续控制器设计的模型基础.其次,本文将电流均衡和电压恢复问题转化为最优控制问题,基于此,每个能源主体的目标函数转化为获取最优控制变量和最小电压/电流控制偏差,进而转化为求解哈密顿?雅克比?贝尔曼(Hamilton-Jacobi-Bellman,HJB)方程问题.基于此,提出了基于贝尔曼准则的分布式自适应动态规划控制策略以求取HJB方程的数值解,最终实现电流均衡和电压恢复.最后仿真结果验证了所提分布式自适应动态规划控制策略的有效性.     

基于信-能复合调制的多母线直流 微电网电流边缘控制策略

尽管直流微电网内新能源的分布式电流均衡控制已经得到了广泛的研究,但实际直流微电网中的通信线路往往是不可靠或者不存在的.基于此,提出一种在无传统通信网络环境下的多母线直流微电网的电流边缘控制策略,以实现电流均衡.首先,设计面向直流微电网的信息-能量复合调制(information-energy dual modulation, IEDM)策略,消除传统的通信设备和通信网络线路,实现新能源电源之间的信息交互.其次,构建多母线直流微电网的状态方程模型,进而将其转化为标准的异构多智能体模型.基于此模型,提出直流微电网内二级控制器的多智能体H_∞边缘协同控制策略,同时基于IEDM策略,设计周期性动态事件触发通信协议.最后,通过半实物仿真测试系统验证所提出的基于信息-能量复合调制的多母线直流微电网的电流边缘控制策略的有效性.     

带ε误差限的近似最优控制

近似动态规划方法求解非线性系统最优控制, 需要迭代无限步才能得到最优控制律. 本文提出了一种ε–近似最优控制算法, 选择ε误差限, 通过自适应迭代不断逼近哈密顿– 雅可比– 贝尔曼(HJB)方程的解, 应用神经网络实现在有限步迭代后得到带ε误差限的近似最优控制律. 计算机仿真结果表明了该算法的有效性.     

Approximate optimal control with εerror bound

近似动态规划方法求解非线性系统最优控制,需要迭代无限步才能得到最优控制律．本文提出了一种ε-近似最优控制算法,选择ε误差限,通过自适应迭代不断逼近哈密顿-雅可比-贝尔曼（HJB）方程的解,应用神经网络实现在有限步迭代后得到带ε误差限的近似最优控制律．计算机仿真结果表明了该算法的有效性．     

基于极限动态规划算法的微电网一体化调度与控制

随着电力电子技术的发展,微电网已成为分布式发电的必然趋势.传统的多时间尺度控制策略之间的配合使用已经很难同时满足高品质频率稳定控制和经济调度的要求.为解决此问题,本文提出极限动态规划算法.所提算法以自适应动态规划算法为框架,以极限学习机作为其评价模块、模型模块、执行模块、预测模块的内核.基于所提算法的微电网一体化调控控制器能替代传统模式下"下垂控制+自动发电控制+经济调度"多时间尺度控制组合策略.最后,为验证所提算法的有效性,在5个节点的微电网模型进行仿真,结果验证了所提极限动态规划算法的可行性和有效性.     

微电网系统的分布式优化下垂控制

针对微电网系统运行成本最优化问题,提出一种分布式优化下垂控制策略.首先,基于一致性理论,给出了一种分布式经济调度算法.采用矩阵摄动理论,分析了经济调度算法的收敛特性.其次,基于分布式优化调度解,设计一种新的分布式优化下垂控制器.在满足供需平衡以及各个发电单元运行约束的条件下,控制策略使得微电网系统运行成本最低.同时,提出的控制策略能够保证孤岛微电网的频率稳定在额定值.最后,通过仿真实例,验证了分布式优化下垂控制策略的有效性.     

并联DC-DC变换器系统的固定时间分布式协同控制

针对负载为超级电容的并联DC-DC变换器系统,为了在固定时间内实现电流输出均衡目标,提出固定时间分布式协同控制方法.将耦合子系统之间的通信拓扑,利用无向图进行刻画.借助输入输出反馈线性化技术,将并联DC-DC变换器系统的电流均衡控制设计难题转化为固定时间内一阶多智能体系统的一致性跟踪问题.借助符号函数、拉普拉斯矩阵、牵制增益矩阵,基于最近邻原则,设计参数可调的固定时间电流均衡分布式协同控制律.利用李亚谱诺夫函数严格证明整个闭环系统的稳定性,并推导出收敛时间的上界.所提出的固定时间电流均衡分布式协同控制方法,可以克服有限时间协同控制方法对初始状态依赖性强的缺点,同时改善了系统的收敛性.借助仿真,验证了所提出方法的有效性和可行性.     

具有容性负载的直流微电网系统分布式协同控制

针对一类具有容性负载的直流微电网系统, 提出了分布式协同控制方法. 具有容性负载的直流微电网是一类耦合动态互联非线性网络化系统, 可将DC-DC变换器在信息层视为智能体, 在每个子系统模块中, 引入容性负载电压观测器, 耦合并联非线性系统负载均衡控制设计问题可解耦成一阶积分器多智能体系统的输出一致性跟踪问题. 基于最近邻原则, 通过在控制器中引入比例、积分环节, 设计了增益可调的分布式协同PI控制律, 当有向图满足至少含有一棵生成树的条件下, 通过子系统间的局部交互, 可以实现负载均衡的目标. 通过分析增广系统矩阵的特征值证明了整个闭环系统的稳定性. 仿真和实验说明了所提出的控制方法的有效性及可行性.     

基于分布式策略的直流微电网下垂控制器设计

本文研究了分布式控制策略下直流微电网的负荷分配和电压平衡问题. 给出一种新的基于分布式策略的下垂控制器设计方法, 能够在统一的框架下实现直流微电网负载共享和电压平衡. 首先,将直流微电网的负载共享和电压平衡问题转化为多目标优化问题, 其性能指标与微源的容量密切相关. 然后, 通过求解多目标优化问题获得实现负载共享和电压平衡的集中式控制策略, 并给出下垂控制器的设计方法. 为了降低系统的通信负担, 给出一种新的只需与邻居节点交换信息的分布式控制策略, 通过理论分析可知该分布式控制策略能够收敛到多目标优化问题的最优解. 最后, 通过对新能源汽车充换电站系统的仿真验证了本文提出的方法的有效性.     

基于梯度估计的非线性系统最优控制及仿真

基于自适应动态规划（ADP）执行-评价结构,应用神经网络（NN）对非线性系统进行最优控制求解.首先提出所求解非线性系统的一般形式;其次给定二次正定性能指标,求其哈密尔顿函（HJB）函数;分别应用神经网络对执行-评价结构中的性能指标和最优控制进行逼近,神经网络权重参数应用梯度法求得,从而可以求得其最有控制策略.而且对执行机构和评价机构神经网络权重参数的收敛性以及系统总体的稳定性进行了详细的分析,证明所求控制策略可以使系统稳定;最后,用仿真结果来验证所提出的方法的可行性.     

微电网系统建模的挑战—“智能微电网与可再生能源系统的关键技术”专题(前言)

<正>随着可再生和绿色分布式发电系统渗透率的不断提高,含高渗透率分布式可再生能源的微电网成为智能电网发展的重要分支之一.微电网系统是由负荷、分布式电源、电力电子变换器通过电气网络紧密集成的可控供电系统,逐渐成为我国城镇化进程中重要的一种供电模式.典型微电网系统通过电力电子变换器接入多种分布式电源,其中风、光等分布式可再生能源接入比例较大,这些发电单元大幅度随机变化、各单元动态特性各异、不同单元的变化呈现多个时间尺     

Adaptive sliding mode control of interleaved parallel boost converter for fuel cell energy generation system

This paper deals with the problem of controlling energy generation systems including fuel cells (FCs) and interleaved boost power converters. The proposed nonlinear adaptive controller is designed using sliding mode control (SMC) technique based on the system nonlinear model. The latter accounts for the boost converter large-signal dynamics as well as for the fuel-cell nonlinear characteristics. The adaptive nonlinear controller involves online estimation of the DC bus impedance ‘seen’ by the converter. The control objective is threefold: (i) asymptotic stability of the closed loop system, (ii) output voltage regulation under bus impedance uncertainties and (iii) equal current sharing between modules. It is formally shown, using theoretical analysis and simulations, that the developed adaptive controller actually meets its control objectives.     

开关磁阻风光互补发电系统最大功率输出研究

针对风能和太阳能等新能源的间歇性、可变等不稳定性特征,利用风能和太阳能的资源互补特性,将风能和太阳能通过转化、储存、控制等手段,形成稳定的电力输出。研究太阳能光伏发电系统和开关磁阻风力发电系统最大功率跟踪策略,提出一种适应天气变化较快的基于输出电压控制的最大功率点跟踪算法,结合蓄电池的智能控制策略,实现智能风光动态互补。MATLAB仿真实验验证了该控制方法的可行性和有效性。     

基于双PWM变换器的开关磁阻风力发电系统研究

为实现开关磁阻（SRG）风力发电系统中能量在电网与电机之间的双向流动,提出T一种基于双脉宽调制（PWM）变换器的控制方案。机侧变换器进行矢量控制,调节定子有功、无功功率;网侧变换器控制直流母线电压的稳定,调爷网侧功率因数。分析了双PWM变换器的数学模型,并在其d—q轴数学模型的基础上研究r网侧变换器的控制策略,讨论了通过电网电压定向矢量控制实现交流侧功率因数和直流母线电压控制的方法,并利用空间矢量调制方式（SVPWM）对网侧变换器进行控制。基于E述方案建立了SRG系统仿真模型,仿真结果表明,基于电网电压定向的双PWM变换器矢量控制策略能使SRG系统得到快速动态响应并实现高功率因数输出,从而满足变速恒频（VSCF）发电系统的要求。     

基于边缘计算的混合储能多微电网功率自适应控制

在微电网中,将多个双向接口变换器并联可提高微电网两侧的功率交换能力,但并联变换器的微电网难以有效控制。研究发现,微电网接入储能系统可以缓冲功率波动、降低功率控制难度。为保证微电网稳定运行,提高功率控制精度,本文提出了基于边缘计算的混合储能多微电网功率自适应控制方法。研究基于边缘计算技术,分析了混合储能多微电网结构,并构建了一个用于混合储能多微电网的自动管理平台。在此基础上,通过对母线实时电压的控制实现频率的调节,增强接口变换器的稳定性,以完成混合储能多微电网功率交互的调度与控制。在混合微电网中,我们接入储能系统,通过功率交换控制、自主功率分频自适应控制实现了混合储能多微电网的功率自适应控制。实验结果表明,所提方法在混合储能多微电网功率控制方面效果较好,有功功率控制误差较小,能够有效保证混合储能多微电网稳定运行,并提高功率自适应控制准确度。     

Decentralized adaptive neural network control of cascaded DC–DC converters with high voltage conversion ratio

Decentralized output voltage tracking of cascaded DC–DC converters is an interesting topic to obtain a high voltage conversion ratio. The control purpose is challenging due to the load resistance changes, renewable energy supply voltage variations and interaction of the individual converters. In this paper, four novel decentralized adaptive neural network controllers are designed on the cascaded DC–DC buck and boost converters under load and DC supply voltage uncertainties. In the beginning, individual buck and boost converter average models that can operate in both continuous and discontinuous conduction modes are derived. Then, the interconnected and decentralized state-space models of cascaded buck and boost converters are extracted. These models are highly nonlinear with unknown uncertainties which can be estimated by neural networks. Further, two decentralized adaptive backstepping neural network voltage controllers are proposed on cascaded buck converters to deal with uncertainties and interactions. However, these control strategies are not applicable to a boost converter due to its non-minimum phase nature. Then, two novel decentralized adaptive neural network with a conventional proportional–integral reference current generator are developed on the cascaded boost converters. Practical stability of the overall system is guaranteed for the proposed controllers using Lyapunov stability theorem. Finally, four control strategies provide good quality of output voltage in the presence of uncertainties and interactions. Comparative simulations are carried out on cascaded buck and boost converters to validate the effectiveness and performance of the designed methods.     

Passivity-based control for a DC/DC high-gain transformerless boost converter

In this work, an adaptive passivity-based controller for a DC-DC high-gain transformerlessdouble-inductor boost converter is fully detailed. The proposed current-mode control scheme results in two feedback loops, a current controller for tracking the inductor current considering damping injection and energy shaping, and a voltage loop composed by a proportional-integral action to guarantee output voltage regulation. Furthermore, a parametric uncertainty estimator using immersion-invariance approach is designed to improve the robustness of the current loop. As a result, a multi-loop adaptive nonlinear energy-based controller, which ensures regional asymptotic stability via Lyapunov analysis is accomplished. In addition, considering practical conditions, real-time numerical simulations, using a 1 kW case-study converter, are carried out in order to assess the effectiveness of the proposed control scheme. Results for output voltage regulation, current tracking, and parametric uncertainty estimation under input voltage and load step changes are shown.     

An Adaptive Wireless Power Sharing Control for Multiterminal HVDC

Power sharing among multiterminal high voltage direct current terminals (MT-HVDC) is mainly developed based on a priority or sequential manners, which uses to prevent the problem of overloading due to a predefined controller coefficient. Furthermore, fixed power sharing control also suffers from an inability to identify power availability at a rectification station. There is a need for a controller that ensures an efficient power sharing among the MT-HVDC terminals, prevents the possibility of overloading, and utilizes the available power sharing. A new adaptive wireless control for active power sharing among multiterminal (MT-HVDC) systems, including power availability and power management policy, is proposed in this paper. The proposed control strategy solves these issues and, this proposed controller strategy is a generic method that can be applied for unlimited number of converter stations. The rational of this proposed controller is to increase the system reliability by avoiding the necessity of fast communication links. The test system in this paper consists of four converter stations based on three phase-two AC voltage levels. The proposed control strategy for a multiterminal HVDC system is conducted in the power systems computer aided design/electromagnetic transient design and control (PSCAD/EMTDC) simulation environment. The simulation results significantly show the flexibility and usefulness of the proposed power sharing control provided by the new adaptive wireless method.