基于谐波状态空间的MMC背靠背直流输电系统阻抗建模及稳定性分析

研究了模块化多电平换流器（MMC）的背靠背直流输电系统的新型振荡问题。针对稳定性问题的分析需求,首先,建立了系统的时域稳态模型;然后,采用改进的谐波状态空间法（HSS）法建立了考虑谐波耦合特性的系统直流侧频域阻抗模型,详细分析了MMC电气参数、内部环流抑制、内环电流控制、外环不同控制方式、长链路延时等因素对直流侧阻抗特性的影响,通过合理的设计系统参数,保证系统的安全稳定运行;最后,基于PSCAD/EMTDC仿真平台,通过与电磁暂态模型扫频结果进行对比,验证所提出的阻抗模型以及稳定性分析方法的正确性。     

基于非线性预测控制的风电场功率提升控制

随着大型风电场的快速发展,减小尾流效应造成的风电场能量损失成为研究热点之一。针对风电场实际运行中的风速变化以及尾流延时问题,基于尾流延时模型,建立考虑时间变量的风电场功率预测模型。以风电场输出功率最大化为目标,设计了非线性预测控制器,该控制器采用非线性预测模型,并采用PSO算法对预测时域内的性能指标进行优化,得到各台风机的控制值。基于Sim Wind Farm软件对该控制策略进行验证,并与传统风电场控制策略进行仿真比较,结果表明,这种新控制策略可以有效提升风电场的总体功率。     

超超临界机组快速调峰磨煤机组合优化

基于磨煤机节能运行的控制需求,建立了某660MW机组磨煤机能耗模型,根据磨煤机实际运行状况建立相应的约束条件,并对标准粒子群优化(PSO)算法进行初始化改进、惯性权值改进和变异算子的引入后用于磨煤机组合出力的优化策略中.经试验确定各项参数后,对该策略进行Matlab仿真.结果表明:通过改进的PSO算法计算得出的磨煤机组合出力方式对磨煤机的节能运行起到了很大作用.     

模块化多电平变流器的高频谐振分析

首先基于动态向量方法建立模块化多电平变流器（MMC）主电路的10阶状态空间模型,然后根据实际工程建立包含电压电流内环控制、功率外环控制和环流控制在内的MMC控制器状态空间模型。考虑控制环节中存在的采样和计算等延时,采用Pade近似方法对非线性延时环节进行线性化,构建计及延时的MMC换流器与弱电网连接的系统状态空间模型。基于特征值法分析状态空间模型的谐振模态,分析实际MMC-HVDC工程产生高频谐振的机理并分析控制器输入输出延时对稳定性影响关系。通过仿真算例验证该文MMC换流器状态空间模型和高频谐振机理分析的正确性。     

风电汇集区的UPFC优化配置方法

文章基于改进飞蛾火焰优化算法,提出了一种风电汇集区域统一潮流控制器优化配置方案。该方案以潮流平衡及各系统参数为约束,以降低有功网损、改善电压水平、合理控制线路负载率为目标,开展统一潮流控制器补偿地点与容量的联合寻优。采用改进飞蛾火焰优化算法,引入Kent混沌搜索策略增强寻优能力,并与原飞蛾火焰算法进行比较。通过IEEE-14标准节点测试模型开展实验,表明所得优化配置方案能够有效提升电压与负载率水平,降低系统网损。     

基于改进飞蛾优化算法的水火互联电网负荷频率控制

负荷频率控制是互联电网进行有功调频的重要方法,设计了一种基于改进飞蛾优化算法的水火互联电网负荷频率控制方案,该方案将Lévy飞行策略引入到飞蛾优化算法中,同时在飞蛾的更新公式中引入动态惯性权值和历史最优火焰平均值以改善算法性能,并对互联电网分数阶PID控制器参数进行优化整定,以提高收敛速度及寻优精度。建立三区域水火互联电网LFC系统仿真模型,采用改进飞蛾优化算法搜索获得最优的分数阶PID控制器参数,并在阶跃负荷扰动下进行仿真分析。结果表明,所提方案具有很好的鲁棒性和控制效果。     

基于收缩因子改进PSO算法的J-A磁滞模型参数辨识

变压器铁心磁滞特性的准确预测及其模型参数可靠辨识,一直是国内外学者们研究的难点问题。针对现有主流磁化(Jile-Atherton,J-A)模型存在的辨识参量多、计算时间长、容易陷入局部最优解等问题,提出一种基于收缩因子改进粒子群优化(Particle swarm optimization,PSO)算法的J-A磁滞模型参数辨识方法。研究建立以磁感应强度为输入变量的J-A静态磁滞逆模型,提出考虑包含涡流损耗、异常损耗因素下的动态磁滞模型;针对传统PSO算法计算精度低、不易于快速寻优的问题,提出基于收缩因子改进的PSO优化算法,可实现J-A磁滞模型关键参量的快速辨识。所提算法克服了传统粒子飞行速度的限制,兼具全局寻优和局部寻优的特点,易于实现J-A磁致模型的快速参数辨识。通过仿真算例分析,验证了所提改进PSO算法在不同磁密峰值工况下的应用可靠性,且迭代收敛速度和精度均优于传统PSO算法。     

基于IOLBBO算法的水轮机非线性模型参数辨识

为提高考虑弹性水击模型的水轮机系统非线性模型参数辨识的精度、速度、稳定度,采用改进正交学习生物地理学算法(IOLBBO)对该模型进行参数辨识。IOLBBO利用佳点集方法的遍历性,初始化栖息地特征变量;引入精英保留策略,提高算法运行效率;融合正交学习(OL)策略,提高算法全局寻优能力。基于某水轮机动态试验数据的参数辨识计算及对比分析,表明IOLBBO算法可用于水轮机系统非线性模型参数实测辨识,与GA、PSO、QPSO、BBO算法相比,收敛速度更快、参数辨识精度更高、算法更稳定,为电力系统的参数辨识提供了一种新方法。     

基于自适应微粒群算法的电力系统无功优化

针对当前电力系统进行无功优化采用传统的优化方法,存在诸多不足的问题,提出了一种自适应微粒群优化(APSO)算法,用以解决无功优化时控制变量一般为离散变量和标准微粒群优化(PSO)算法中参数需经多次试验确定而影响实用性的问题。APSO算法采用自适应参数策略和边界约束条件,能够取得问题的全局优化解。通过建立基于APSO算法的无功优化模型,成功解决了变量的离散问题。在Visual Studio 2008环境下,采用C#语言编写,应用在IEEE 30节点系统的无功优化程序计算结果表明,APSO算法较标准PSO算法有效地提高了收敛精度及稳定性,具有较好的自适应性和有效性,而且全局寻优能力更强。     

考虑频率二次跌落的风电机组调频控制研究

该文首先分析系统经典响应模型和传统火电机组内部的延时过程，并提出一种考虑协同火电机组的一次调频策略改善系统一次调频效果，其中风电机组配合同步发电机组内部惯性延时过程。为有效利用可用的转子动能储备找到最佳调频系数大小，使用粒子群优化算法（PSO）针对稳定风速情况下的风电机组输出进行优化，满足系统条件限制（例如频率最低点、频率变化率ROCOF等），决定调频系数Kc值大小和具体退出时间。并利用分段能量降幅信号作用于变流器控制来提升转子转速恢复，从而减小频率二次跌落深度。最后在Matlab/Simulink仿真软件建立的四机两区电网模型中对所提方案进行验证，为新能源参与系统频率调节提供基础。     

基于广义预测控制的风电场调频控制策略研究

为降低通信延迟对风电参与二次调频时频率稳定性的影响,提出一种基于系统辨识理论和广义预测控制算法控制风电机组参与电力系统二次调频的控制策略.首先,建立考虑通信延迟的单区域互联电力系统二次调频模型.其次,通过利用变遗忘因子递推最小二乘算法(FFRLS)进行在线辨识,建立单输入单输出被控系统的差分方程的受控自回归滑动平均模型...     

基于反演控制的DC-MMC双闭环解耦控制策略研究

随着大量分布式电源投入电网,分压式模块化多电平直流变换器（DC-MMC）得到广泛应用。针对模块化多电平变换器控制系统多输入多输出、强耦合非线性的特点,推导变换器拓扑数学模型,建立此类拓扑的电流和能量模型,提出一种基于反演控制的双闭环解耦控制方法。通过消除系统之间的耦合,采用模型反演理论对所建解耦模型进行控制,实现桥臂电流保持稳定并交流分量最小化,增强系统的抗扰动能力。在Matlab/Simulink中搭建DC-MMC双闭环模型,分析表明闭环控制模型具有良好的跟踪效果和调控特性,验证了提出的控制策略控制桥臂电流及高低压侧电流的可行性和有效性,为解耦控制的应用提供了参考依据。     

Maximum power point tracking of a proton exchange membrane fuel cell system using PSO-PID controller

Fuel cells output power depends on the operating conditions, including cell temperature, oxygen partial pressure, hydrogen partial pressure, and membrane water content. In each particular condition, there is only one unique operating point for a fuel cell system with the maximum output. Thus, a maximum power point tracking (MPPT) controller is needed to increase the efficiency of the fuel cell systems. In this paper an efficient method based on the particle swarm optimization (PSO) and PID controller (PSO-PID) is proposed for MPPT of the proton exchange membrane (PEM) fuel cells. The closed loop system includes the PEM fuel cell, boost converter, battery and PSO-PID controller. PSO-PID controller adjusts the operating point of the PEM fuel cell to the maximum power by tuning of the boost converter duty cycle. To demonstrate the performance of the proposed algorithm, simulation results are compared with perturb and observe (P&O) and sliding mode (SM) algorithms under different operating conditions. PSO algorithm with fast convergence, high accuracy and very low power fluctuations tracks the maximum power point of the fuel cell system.     

带恒功率负载多电平Boost变换器的复合非线性控制

针对带恒功率负载的多电平Boost变换器,提出一种将非线性干扰观测器和自适应滑模控制器相结合的复合非线性控制策略。首先应用精确反馈线性化方法将模型转化为布鲁诺夫斯基标准形式。然后在保证大信号稳定的前提下,将自适应控制方法和非线性干扰观测器加入到滑模控制器的设计中,利用李雅普诺夫理论证明整个闭环系统的稳定性。仿真和实验结果表明,与双闭环PI控制方法相比,该控制策略具有更好的动态调节性能和更强的鲁棒性。     

基于分数阶LCL滤波器的风力发电网侧控制研究

为提高并网电能质量,提出采用分数阶PI（PI^λ）控制器来实现网侧控制、采用分数阶LCL（FOLCL）滤波器进行滤波的方案。首先通过理论推导得出FOLCL滤波器能从根本上避免谐振的特性,然后建立网侧逆变系统分数阶数学模型,并推导分数阶双闭环控制结构,最后在网侧引入PI^λ控制器并对其参数进行设计。仿真实验结果表明：FOLCL滤波器可从根本上避免谐振;所设计的FOLCL滤波器效果明显优于传统的整数阶LCL（IOLCL）滤波器;所建全分数阶逆变并网系统各项指标均明显优于传统方案。     

适用于集中型光伏直流升压变换器的MPPT策略

针对基于输入并联输出串联（IPOS）型Boost全桥隔离变换器（BFBIC）的集中型光伏直流并网系统,采用小信号分析法对系统进行静态稳定性分析,进一步对适用于变换器的光伏最大功率点追踪（MPPT）策略展开研究。为满足工程实用性,提出一种能与DC-DC变换器双环控制相耦合的MPPT新算法,该算法基于恒定电压法和扰动观察法,通过变步长采样三点进行比较的方式精确逼近最大功率点。通过PSIM建模仿真,验证了新算法的有效性以及较好的追踪效果。     

基于神经网络的最优带宽风电并网自抗扰控制

为了提高风能转换系统在故障穿越期间直流母线电压的暂态特性,解决线性自抗扰控制（LADRC）中固定的带宽带来的观测器响应速度和系统抗干扰性之间的矛盾,在线性自抗扰控制（LADRC）的基础上提出一种基于神经网络的最优带宽线性自抗扰控制（LADRC-OB）策略。首先分析带宽对系统性能的影响,然后根据系统已知模型设计LADRC控制器,并利用BP神经网络算法通过直流母线电压的参考值与实际值之间的偏差调整网络的输出。而神经网络的输出为LADRC的2个重要参数——观测器带宽ω₀和控制器带宽ω_c,这可解决LADRC的参数整定问题。最后,将LADRC-OB应用于1.5 MW的风能转换系统仿真模型中,并与采用双闭环PI时的控制效果进行对比,验证LADRC-OB具有更好的控制特性。此外,还对LADRC-OB的稳定性进行分析。     

基于DTW-VMD-PSO-BP的光伏发电功率短期预测方法

针对光伏发电系统短期预测影响因素较多、预测精度较低、稳定度不高等问题,提出一种基于动态时间弯曲（DTW）和变分模态分解（VMD）的粒子群（PSO）优化的BP神经网络光伏发电预测方法。首先使用动态时间弯曲算法对光伏发电功率及影响因素的数据进行测算得到DTW值,再根据DTW值选择对光伏发电功率影响较大的辐射度作为主要影响因素,然后利用变分模态分解将影响因素及光伏发电功率进行分解,降低数据的波动性和非平稳性。运用粒子群优化的BP神经网络对各分量进行预测,然后将预测结果进行叠加,叠加所得结果即为最后预测结果。在Matlab中对该方法和其他神经网络进行算例验证和误差分析,结果表明采用该方法预测结果精度高,稳定性好。     

基于自适应非奇异智能终端滑模观测器的风力机载荷增广预测控制

为有效降低风力机在高风速运行时的不平衡载荷,提出一种基于自适应非奇异智能终端滑模观测器的载荷增广预测控制策略。首先,针对模型不匹配导致的模型预测控制性能下降的问题,将指令跟踪误差与系统状态的变化量增广为状态向量,设计增广预测模型以消除稳态跟踪误差;其次,设计自适应非奇异终端滑模观测器对系统状态进行估计,以提高控制系统的可靠性;然后,设计多目标变速灰狼优化算法同时对控制器和观测器参数寻优;最后,基于Simulink仿真平台验证了所提控制策略的有效性。结果表明,所提控制策略可有效消除稳态误差,缩短调节时间并提高控制性能。