CN104539221A - 光伏发电系统控制参数全局优化方法 - Google Patents
光伏发电系统控制参数全局优化方法 Download PDFInfo
- Publication number
- CN104539221A CN104539221A CN201510024370.3A CN201510024370A CN104539221A CN 104539221 A CN104539221 A CN 104539221A CN 201510024370 A CN201510024370 A CN 201510024370A CN 104539221 A CN104539221 A CN 104539221A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- particle
- global
- value
- generating system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000010248 power generation Methods 0.000 title claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims abstract description 23
- 238000013016 damping Methods 0.000 claims abstract description 6
- 239000002245 particle Substances 0.000 claims description 41
- 230000008859 change Effects 0.000 claims description 11
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 239000003990 capacitor Substances 0.000 claims description 7
- 238000011217 control strategy Methods 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 3
- 230000010355 oscillation Effects 0.000 claims description 3
- 230000008878 coupling Effects 0.000 abstract description 4
- 238000010168 coupling process Methods 0.000 abstract description 4
- 238000005859 coupling reaction Methods 0.000 abstract description 4
- 238000011002 quantification Methods 0.000 abstract 1
- 238000013461 design Methods 0.000 description 11
- 230000008901 benefit Effects 0.000 description 6
- 210000004027 cell Anatomy 0.000 description 6
- 230000005611 electricity Effects 0.000 description 4
- 102220047090 rs6152 Human genes 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H02J3/383—
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Control Of Electrical Variables (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明是一种光伏发电系统控制参数全局优化方法,所述方法包括:首先将所建立的光伏电站发电系统的微分-代数方程组在稳态值处线性化得到用于分析系统小干扰稳定性的状态矩阵;然后通过计算状态矩阵特征值、阻尼比以及参与因子,分析控制参数对系统小干扰稳定性影响,进而确定控制参数的合理变化范围;最后引入量化模型作为参数优化的目标函数并利用优化算法对光伏电站发电系统控制参数进行全局优化。本发明提出的方法针对系统小干扰稳定性建立了科学合理的量化标准,且解决了系统控制参数相互耦合难以单一优化的问题,利用本方法进行参数优化能够实现控制参数的全局最优,提高光伏电站发电系统的小干扰稳定性。
Description
技术领域
本发明涉及一种光伏发电系统控制参数全局优化方法。
背景技术
随着光伏发电技术的不断发展,其对传统电网的影响从简单的局部电压波动、谐波污染、输出功率不稳定等小范围影响扩大到对电力系统全局安全稳定、经济调度以及调峰调频等方面。目前,现有的研究主要集中在单个组件的模型建立和控制策略设计,在光伏发电与电力系统交互影响方面的研究还相对较少。因此,对大规模光伏接入电力系统的稳定性研究具有重要意义。
目前,针对大规模光伏接入电力系统稳定性影响方面的研究较少,主要集中在单一组件的模型建立与控制策略的设计,并没有建立完整的大规模光伏发电系统接入电力系统的全系统数学模型。传统方法建立的光伏单机无穷大系统小信号模型,利用特征值、特征值灵敏度分析的方法计算光伏发电系统的稳定边界,根据特征值轨迹图对其对应的控制器参数进行选择,通过主观反复试验、比较得到最优值,其对于提高系统稳定性具有重要的意义。但是传统设计方法未考虑各个控制器参数之间的耦合关系,仅根据控制参数变化对系统特征值轨迹的影响设计参数,难以获得全局最优参数且具有较大的随机性和盲目性,无法针对系统参数耦合的特征给出全局范围内的最优参数组合的问题。同时,由于该方法在参数选择过程中主要依靠认为主管判断,缺乏科学合理的量化标准。
因此,目前所建立的光伏发电系统小信号模型,不能研究光伏发电系统小干扰稳定性和低频震荡特征,也不能给出提高系统稳定性的控制器参数全局优化设计方法。
发明内容
本发明提供了一种光伏发电系统控制参数全局优化方法,以解决传统发电系统控制参数设计具有随机性,缺乏科学合理的量化设计标准,无法针对系统参数耦合的特征给出全局范围内的最优参数组合的问题。本发明在传统参数设计的基础上,通过引入量化模型作为参数优化的目标函数来反映不同参数组合的综合效益。同时,在控制参数全局优化中引入惯性权重粒子群优化算法,粒子群优化算法具有搜索速度快、效率高,算法简单,易于工程实现的优点,而惯性权重粒子群优化算法具有均衡全局和局部搜索能力,避免了传统粒子群算法陷入局部最优,利用该方法进行参数优化能够实现控制参数的全局最优,提高光伏电站发电系统的小干扰稳定性。
本发明实现其发明目的,所采用的技术方案是,一种光伏发电系统控制参数全局优化方法,其作法是:
步骤A:充分考虑光伏发电系统中的各个重要环节的详细模型,建立光伏电站发电系统的全系统小信号模型。具体做法为:
A1、利用多项式拟合的方法根据光伏电池工程实用模型建立光伏电池的线性拟合模型。
A2、建立光伏电站用逆变器在d-q轴坐标下的数学模型以及采用前馈解耦控制策略的逆变器控制系统数学模型。
A3、建立直流侧电容数学模型以及光伏发电系统与电网的连接模型。
A4、将根据A1~A3所构成的描述光伏发电系统的微分-代数方程组在稳态值附近进行线性化,得到用于分析光伏电站发电系统小干扰稳定性的全系统小信号模型。
步骤B:求取光伏发电系统状态矩阵特征值及参与因子,分析控制参数对系统小干扰稳定性影响,确定控制参数的合理变化范围。
B1、根据步骤A得到的全系统状态矩阵计算特征值和阻尼比,判断发电系统模态,分析光伏电站发电系统的小干扰稳定性。
B2、计算系统各个模态的参与因子以分析系统各状态变量与模态之间的关系,揭示振荡机理。
B3、绘制当KPi和PIi(i=1~3)分别变化时系统的特征值轨迹,判断特征值的变化规律和系统稳定的情况下控制参数的变化范围。
步骤C:利用惯性权重粒子群优化算法对光伏发电系统控制参数进行全局优化。
C1、确定系统控制参数的全局优化目标函数。
C2、初始化种群。设定学习因子c1、c2,最大进化代数Kmax,初始惯性权值ωini,最大迭代次数时的惯性权值ωfin,在搜索空间随机产生粒子x1,x2,…,xm,随机产生粒子速度v1,v2,…,vm,记录历史最优位置pbesti与历史最优值fbest.i和全局最优位置gbesti与全局最优值fgbest。
C3、更新粒子速度和位置。
C4、计算种群中各个粒子的适应值f(xi)。
C5、比较粒子当前的适应值和自身历史最优值,更新历史最优位置pbesti与历史最优值fbest.i。
C6、比较粒子当前的适应值和种群最优值,更新全局最优位置gbesti与全局最优值fgbest。
C7、检查迭代次数是否达到Kmax,达到则计算结束,当前粒子位置为系统控制参数全局最优值,否则k=k+1,返回步骤C3。
本申请实施例中提供的技术方案,具有如下技术优点:
本发明是一种光伏发电系统控制参数全局优化方法,将所建立的光伏电站发电系统的微分-代数方程组在稳态值处线性化得到用于分析系统小干扰稳定性的状态矩阵;通过计算状态矩阵特征值、阻尼比以及参与因子,分析控制参数对系统小干扰稳定性影响,进而确定控制参数的合理变化范围;引入量化模型作为参数优化的目标函数并利用惯性权重粒子群优化算法对光伏电站发电系统控制参数进行全局优化。本发明提出的方法针对系统小干扰稳定性建立了科学合理的量化标准,且解决了系统控制参数相互耦合难以单一优化的问题,该方法搜索速度快、效率高,算法简单,易于工程实现。与传统方法相比,利用本发明所提方法进行参数优化能够实现控制参数的全局最优,提高光伏电站发电系统的小干扰稳定性。
附图说明
图1是本申请实施例中光伏电站发电系统结构图。
图2是本申请实施例中三相SPWM光伏逆变器拓扑结构。
图3是本申请实施例中光伏逆变器控制系统框图。
具体实施方式
本发明提供了一种光伏发电系统控制参数全局优化方法,解决了传统光伏电站发电系统控制参数设计具有随机性,缺乏科学合理的量化设计标准,无法针对系统参数耦合的特征给出全局范围内的最优参数组合的问题。本发明在传统参数设计的基础上,通过引入量化模型作为参数优化的目标函数来反映不同参数组合的综合效益。同时,在控制参数全局优化中引入惯性权重粒子群优化算法,具有搜索速度快、效率高,算法简单,易于工程实现的优点,且具有均衡全局和局部搜索能力,避免了传统粒子群算法陷入局部最优,利用该方法进行参数优化能够实现控制参数的全局最优,提高光伏电站发电系统的小干扰稳定性。
本申请实施中的技术方案为解决上述技术问题。为了更好的理解上述技术方案,下面结合实施例对本发明作进一步的详细说明,但本发明的实施方式不限于此。
实施例:
在实施例中,提供了一种光伏发电系统控制参数全局优化方法,所述方法包括:
步骤A:建立反映光伏电站发电系统各个重要环节的全系统小信号模型。
图1为典型的光伏电站发电系统结构图,图中,为直流母线电容;Udc为直流电容电压;Uk为变换器交流侧输出电压;Lf为输出滤波器电感;Ug、δg为节点g的电压幅值和相位;Ig为输出电流;XT为折算至高压侧的变压器电抗;Rline、Xline为输电线路单位长度的电阻和电抗;Rgrid、Xgrid为负载电网的等效电阻和电抗;b为无穷大母线,即该母线上的电压幅值、相角和频率恒定,不随负荷功率变化而变化,其中电压幅值为10.5kV,初相角为0。。图1中,DC/AC表示交直流转换。
从图1中可以看出,光伏电站发电系统主要包括光伏电池组件、储能电容、逆变器及其控制系统、滤波器,经过升压变压器和输电线路接入电网中。本例在充分考虑光伏电站发电系统中各个重要的环节的详细数学模型,建立适用于系统小干扰稳定性的全系统小信号模型,具体步骤为:
A1、利用多项式拟合的方法根据光伏电池工程实用模型建立光伏电池的线性拟合模型。
上式中,I表示光伏电池的输出电流,T表示在非标准条件下光伏电池的温度,Isc和Uoc分别为光伏电池的短路电流和开路电压,Im和Um分别为最大功率点时的电流和电压,S为地面的日照常数,k为温度系数,Tair为空气温度,e为自然对数底数,a、b、c为补偿系数,ρ和σ为线性拟合参数,C1、C2为两个常数,其中下标有ref为该变量的参考值。
对于光伏电站的数学模型,其开路电压、短路电流、最大工作点电压、最大工作点电流Uoc_AR、Isc_AR、Um_AR、Im_AR分别为
式中,Nsh为并联电池单体数,Nse为串联电池单体数。
A2、建立光伏电站用逆变器在d-q轴坐标下的数学模型以及采用前馈解耦控制策略的逆变器控制系统数学模型,其中d-q轴坐标是两相旋转坐标系中的坐标轴。
如图2所示,给出了三相SPWM光伏逆变器的一种拓扑结构,图2中Udc表示直流电容电压,Cdc表示直流滤波电容,uak、ubk、uck分别表示变换器交流侧输出的a、b、c三相电压,Lf表示输出滤波器电感,iag、ibg、icg分别表示变换器交流侧输出的a、b、c三相电流,uag、ubg、ucg分别表示节电g的a、b、c三相电压。
根据图2所示的三相SPWM光伏逆变器拓扑结构,建立d-q坐标系下的光伏逆变器数学模型为:
式中,ωB为电力系统角频率基准值,Lf表示输出滤波器电感,idg,iqg分别表示变换器交流侧输出电流ig在d-q坐标系下的d轴和q轴分量,udk,uqk分别表示变换器交流侧输出电压uk在d-q坐标系下的d轴和q轴分量,udg,uqg分别表示节点g处电压ug在d-q坐标系下的d轴和q轴分量。t为有名值,单位为s;本例中的物理量无特殊说明均为标幺值。
图3给出一种光伏逆变器的典型控制框图。图3中,左边虚线框内表示电压/电流控制器,右边虚线框内表示电压源换流器数学模型。
根据图3所示的光伏逆变器控制框图,采用直流母线电压外环、电流内环的控制策略,建立光伏逆变器控制系统的数学模型为:
式中,x1、x2、x3均为自定义的状态变量;KP1、KP2、KP3分别为直流母线电压外环、有功和无功电流内环的控制器比例参数;KI1、KI2、KI3分别为直流母线电压外环、有功和无功电流内环的控制器积分参数,单位为s-1(s为复频域单位)。各个标有*上标的变量表示该变量的参考值。
A3、建立直流侧电容数学模型以及光伏发电系统与电网的连接模型。
根据平衡功率的原则,以图1所示参考方向为准,建立直流母线电容的数学模型为:
式中,I为光伏电站的输出电流,为直流母线电容,Udc为直流电容电压。
将图1中的升压变压器、输电线路和电网的等效电阻等效至高压侧为其中R代表电阻值,X代表电抗值,建立光伏发电系统与电网之间的连接模型为:
式中,K为升压变压器的变比。
A4、将根据A1~A3所构成的描述光伏发电系统的微分-代数方程组在稳态值附近进行线性化,得到用于分析光伏电站发电系统小干扰稳定性的全系统状态矩阵为:
dΔx/dt=AΔx
Δx=[Δx1Δx2Δx3Δx4Δx5Δx6]T
其中,l21=KI1;l26=-KP1;l41=ωBKI1KP2/Lf;l42=ωBKI2/Lf;l44=-ωBKP2/Lf;l46=-ωBKP1KP2/Lf;l53=ωBKI3/Lf;l55=-ωBKP3/Lf;
式中下标有(0)的变量表示为该标量的初值,Lf为输出滤波器电感,Cdc为直流母线电容,Udc为直流电容电压。
步骤B:求取光伏发电系统状态矩阵特征值及参与因子,分析控制参数对系统小干扰稳定性影响,确定控制参数的合理变化范围。
B1、根据步骤A所求的6阶状态矩阵计算光伏发电系统状态矩阵特征值λ1,λ2,…,λ6,进一步求各个特征值的振荡频率和阻尼比继而判断系统的小干扰稳定性以及模态。其中σ表示特征值的实部,ω表示特征值的虚部。
B2、计算状态矩阵的左特征向量v和右特征向量u,继而求得系统的参与因子pki=vki·uki。式中vki,uki中下标k和i表示第i个特征值向量中第k个值,pki代表第k个控制参数对第i个特征值的影响。
B3、分别求取PI控制器中的比例系数KPi(i=1,2,3)和积分系数KIi(i=1,2,3)在经验值范围内变化时状态矩阵的所有特征值,进而绘制出状态矩阵的特征值轨迹,确定KPi、KIi(i=1,2,3)的合理变化范围以保证系统稳定。
步骤C:引入量化模型作为参数优化的目标函数并利用惯性权重粒子群优化算法对光伏电站发电系统控制参数进行全局优化。
C1、确定系统控制参数的全局优化目标函数为:
其中,max{U}表示对目标函数U求最大值,λi为6阶系统的第i个特征值,Re(λi)、Im(λi)分别为λi的实部和虚部,wi和pi分别为λi实部的权重因子和虚部的惩罚因子。惩罚因子是用罚函数法解决条件最优化问题时,建立的新的目标函数中乘在约束条件函数前的常数。
C2、初始化种群。设定学习因子c1、c2,最大进化代数Kmax,初始惯性权值ωini,最大迭代次数时的惯性权值ωfin,在搜索空间随机产生粒子x1,x2,…,xm,随机产生粒子速度v1,v2,…,vm,记录历史最优位置pbesti与历史最优值fbest.i和全局最优位置gbesti与全局最优值fgbest.i。
C3、按照下式更新粒子速度和位置。
新一代粒子速度为:
vid(k+1)=ω(k)·vid(k)+c1·r1(pid(k)-xid(k))+c2·r2(pgd(k)-xid(k))
其中,惯性权重ω(k)=(ωini-ωfin)(Kmax-k)/Kmax+ωfin
上式中,k表示迭代数,c1,c2为学习因子,其中c1用来调节粒子往自身历史最优位置方向移动的步长,c2用来调节粒子往全局历史最优位置方向移动的步长。r1,r2为[0,1]之间的随机数。pid表示第i个粒子迄今为止搜索到的最优位置下的第d个坐标分量。pgd表示整个粒子群迄今为止搜索到的最优位置下的第d个坐标分量。
新一代粒子位置为:
xid(k+1)=xid(k)+vid(k+1) ,1≤i≤n,1≤d≤D
式中,D表示D维的搜索空间,n表示总粒子数。
C4、将各个粒子的当前位置带入目标函数U中,计算种群中各个粒子的适应值f(xi)。
C5、比较粒子当前的适应值和自身历史最优值,更新历史最优位置pbesti与历史最优值fbest.i。
如果fpbest.i优于f(xi),即fpbest.i>f(xi),则历史最优位置pbesti与历史最优值fbest.i均不变,否则,令fpbest,i=f(xi)且pbesti=x(i)。
C6、比较粒子当前的适应值和种群最优值,更新全局最优位置gbesti与全局最优值fgbest。
如果fgbest优于f(xi),,即fgbest.i>f(xi)则全局最优位置gbesti与全局最优值fgbest均不变,否则,令fgbest=f(xi)且gbest=x(i)。
C7、检查迭代次数是否达到Kmax,达到则计算结束,当前粒子位置为系统控制参数全局最优值,否则k=k+1,返回步骤C3。
下面,根据上述实施步骤对光伏发电系统控制参数进行参数的全局优化。
实施例系统参数如下表所示:
令光伏发电系统的未优化控制参数为:KP1=0.5、KP2=0.9、KP3=0.9、KI1=50s-1、KP2=90s-1、KP3=90s-1。计算可得系统特征值、阻尼比与参与因子如下表所示:
令惯性权重粒子群优化算法参数为:m=10、Kmax=100、ωini=0.9、ωfin=0.4、wi=1、pi=1。计算可得全局最优的参数组合以及系统特征值如下表所示:
控制变量 | KP1 | KP2 | KP3 | KI1 | KI1 | KI1 |
数值 | 0.45 | 1.00 | 0.91 | 14.52 | 47.62 | 43.33 |
上述本申请实施例中的技术方案,至少具有如下的技术效果或优点:
本发明是一种光伏发电系统控制参数全局优化方法,包括下述步骤,步骤A:建立光伏电站发电系统的全系统小信号模型和系统状态矩阵。步骤B:求取光伏发电系统状态矩阵特征值及参与因子,分析控制参数对系统小干扰稳定性影响,确定控制参数的合理变化范围。步骤C:引入量化模型作为参数优化的目标函数并利用智能优化算法对光伏发电系统控制参数进行全局优化。本发明提出的方法针对系统小干扰稳定性建立了科学合理的量化标准,且解决了系统控制参数相互耦合难以单一优化的问题,该方法搜索速度快、效率高,算法简单,易于工程实现。与传统方法相比,利用本发明所提方法进行参数优化能够实现控制参数的全局最优,提高光伏电站发电系统的小干扰稳定性。
Claims (5)
1.一种光伏发电系统控制参数全局优化方法,其特征在于,包括下述步骤
步骤A:建立光伏电站发电系统的全系统小信号模型和系统状态矩阵;
步骤B:求取光伏发电系统状态矩阵特征值及参与因子,分析控制参数对系统小干扰稳定性影响,确定控制参数的合理变化范围;
步骤C:引入量化模型作为参数优化的目标函数并利用智能优化算法对光伏发电系统控制参数进行全局优化。
2.如权利要求1所述的光伏发电系统控制参数全局优化方法,其特征在于,所述步骤A具体为:
A1、利用多项式拟合的方法根据光伏电池工程实用模型建立光伏电池的线性拟合模型;
A2、建立光伏电站用逆变器在d-q轴坐标下的数学模型以及采用前馈解耦控制策略的逆变器控制系统数学模型,其中d-q轴坐标是两相旋转坐标系中的坐标轴;
A3、建立直流侧电容数学模型以及光伏发电系统与电网的连接模型;
A4、将根据A1~A3所构成的描述光伏发电系统的微分-代数方程组在稳态值附近进行线性化,得到用于分析光伏电站发电系统小干扰稳定性的全系统状态矩阵。
3.如权利要求2所述的光伏发电系统控制参数全局优化方法,其特征在于,所述步骤B具体为:
B1、根据步骤A所求的状态矩阵计算光伏发电系统状态矩阵特征值,进一步求各个特征值的振荡频率和阻尼比,继而判断系统的小干扰稳定性以及模态;
B2、计算状态矩阵的左特征向量和右特征向量,继而求得系统的参与因子;
B3、分别求取PI控制器中的比例系数和积分系数变化时状态矩阵的所有特征值,进而绘制出状态矩阵的特征值轨迹,确定比例系数和积分系数的合理变化范围。
4.如权利要求2所述的光伏发电系统控制参数全局优化方法,其特征在于,所述步骤C具体为:
C1、确定系统控制参数的全局优化目标函数;
C2、初始化种群;
C3、按照下式更新粒子速度和位置:
新一代粒子速度为:
vid(k+1)=ω(k)·vid(k)+c1·r1(pid(k)-xid(k))+c2·r2(pgd(k)-xid(k))
其中,惯性权重ω(k)=(ωini-ωinf)(Kmax-k)/Kmax+ωinf
上式中,k表示迭代数,c1,c2为学习因子,其中c1用来调节粒子往自身历史最优位置方向移动的步长,c2用来调节粒子往全局历史最优位置方向移动的步长。r1,r2为[0,1]之间的随机数。pid表示第i个粒子迄今为止搜索到的最优位置下的第d个坐标分量。pgd表示整个粒子群迄今为止搜索到的最优位置下的第d个坐标分量;
新一代粒子位置为:
xid(k+1)=xid(k)+vid(k+1),1≤i≤n,1≤d≤D
式中,D表示D维的搜索空间,n表示总粒子数;
C4、将各个粒子的当前位置带入目标函数中,计算种群中各个粒子的适应值f(xi);
C5、比较粒子当前的适应值和自身历史最优值,更新历史最优位置pbesti与历史最优值fbest.i;
如果fpbest.i优于f(xi),即fpbest.i>f(xi),则历史最优位置pbesti与历史最优值fbest.i均不变,否则,令fpbest,i=f(xi)且pbesti=x(i);
C6、比较粒子当前的适应值和种群最优值,更新全局最优位置gbesti与全局最优值fgbest;
如果fgbest优于f(xi),,即fgbest.i>f(xi)则全局最优位置gbesti与全局最优值fgbest均不变,否则,令fgbest=f(xi)且gbest=x(i);
C7、检查迭代次数是否达到Kmax,达到则计算结束,当前粒子位置为系统控制参数全局最优值,否则k=k+1,返回步骤C3。
5.如权利要求4所述的光伏发电系统控制参数全局优化方法,其特征在于,所述步骤C1中全局优化目标函数
其中,max{U}表示对目标函数U求最大值,λi为6阶系统的第i个特征值,Re(λi)、Im(λi)分别为λi的实部和虚部,wi和pi分别为λi实部的权重因子和虚部的惩罚因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510024370.3A CN104539221B (zh) | 2015-01-19 | 2015-01-19 | 光伏发电系统控制参数全局优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510024370.3A CN104539221B (zh) | 2015-01-19 | 2015-01-19 | 光伏发电系统控制参数全局优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104539221A true CN104539221A (zh) | 2015-04-22 |
CN104539221B CN104539221B (zh) | 2016-11-16 |
Family
ID=52854708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510024370.3A Active CN104539221B (zh) | 2015-01-19 | 2015-01-19 | 光伏发电系统控制参数全局优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104539221B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105262145A (zh) * | 2015-11-10 | 2016-01-20 | 华中科技大学 | 一种新能源混合系统控制参数的优选方法 |
CN106130071A (zh) * | 2016-07-22 | 2016-11-16 | 新奥科技发展有限公司 | 光伏逆变器的控制参数的选取方法 |
CN106300418A (zh) * | 2016-08-30 | 2017-01-04 | 合肥工业大学 | 基于自适应差分进化算法的光伏逆变器控制参数的辨识方法 |
CN108199391A (zh) * | 2018-01-10 | 2018-06-22 | 云南电网有限责任公司电力科学研究院 | 一种发电机uel与pss的协调控制方法 |
CN109067188A (zh) * | 2018-09-25 | 2018-12-21 | 国网四川省电力公司经济技术研究院 | 一种用于电力无线通信网的半桥谐振变流器非对称调制方法 |
CN109143857A (zh) * | 2018-08-14 | 2019-01-04 | 上海电力学院 | 一种超超临界机组协调控制系统的解耦控制方法 |
CN110955970A (zh) * | 2019-11-27 | 2020-04-03 | 合肥阳光新能源科技有限公司 | 光伏电站布局方法和装置 |
CN110994671A (zh) * | 2019-11-25 | 2020-04-10 | 国网四川省电力公司电力科学研究院 | 一种基于matlab的小型独立光伏发电仿真模型 |
CN111478364A (zh) * | 2020-04-20 | 2020-07-31 | 郑州轻工业大学 | 一种基于最速下降法的阻尼控制器协调参数优化方法 |
CN116834003A (zh) * | 2023-06-29 | 2023-10-03 | 广州市创博机电设备安装有限公司 | 光伏组件的智能安装方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050091916A (ko) * | 2004-03-11 | 2005-09-16 | 한국전력공사 | 대규모 전력계통의 오프라인 상태평가 시스템 및 그 방법 |
CN102594215A (zh) * | 2012-03-16 | 2012-07-18 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种光伏电站模型参数辨识方法 |
CN102930175A (zh) * | 2012-03-28 | 2013-02-13 | 河海大学 | 基于动态概率潮流的智能配电网脆弱性评估方法 |
CN103049034A (zh) * | 2012-12-03 | 2013-04-17 | 西南交通大学 | 一种基于功率预测的变步长扰动最大功率点跟踪方法 |
-
2015
- 2015-01-19 CN CN201510024370.3A patent/CN104539221B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050091916A (ko) * | 2004-03-11 | 2005-09-16 | 한국전력공사 | 대규모 전력계통의 오프라인 상태평가 시스템 및 그 방법 |
CN102594215A (zh) * | 2012-03-16 | 2012-07-18 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种光伏电站模型参数辨识方法 |
CN102930175A (zh) * | 2012-03-28 | 2013-02-13 | 河海大学 | 基于动态概率潮流的智能配电网脆弱性评估方法 |
CN103049034A (zh) * | 2012-12-03 | 2013-04-17 | 西南交通大学 | 一种基于功率预测的变步长扰动最大功率点跟踪方法 |
Non-Patent Citations (1)
Title |
---|
叶圣永等: "电力系统暂态稳定评估组合模型的比较", 《电网技术》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105262145A (zh) * | 2015-11-10 | 2016-01-20 | 华中科技大学 | 一种新能源混合系统控制参数的优选方法 |
CN106130071A (zh) * | 2016-07-22 | 2016-11-16 | 新奥科技发展有限公司 | 光伏逆变器的控制参数的选取方法 |
CN106130071B (zh) * | 2016-07-22 | 2018-08-07 | 新奥科技发展有限公司 | 光伏逆变器的控制参数的选取方法 |
CN106300418A (zh) * | 2016-08-30 | 2017-01-04 | 合肥工业大学 | 基于自适应差分进化算法的光伏逆变器控制参数的辨识方法 |
CN106300418B (zh) * | 2016-08-30 | 2018-10-02 | 合肥工业大学 | 基于自适应差分进化算法的光伏逆变器控制参数辨识方法 |
CN108199391A (zh) * | 2018-01-10 | 2018-06-22 | 云南电网有限责任公司电力科学研究院 | 一种发电机uel与pss的协调控制方法 |
CN108199391B (zh) * | 2018-01-10 | 2018-12-07 | 云南电网有限责任公司电力科学研究院 | 一种发电机uel与pss的协调控制方法 |
CN109143857A (zh) * | 2018-08-14 | 2019-01-04 | 上海电力学院 | 一种超超临界机组协调控制系统的解耦控制方法 |
CN109067188A (zh) * | 2018-09-25 | 2018-12-21 | 国网四川省电力公司经济技术研究院 | 一种用于电力无线通信网的半桥谐振变流器非对称调制方法 |
CN110994671A (zh) * | 2019-11-25 | 2020-04-10 | 国网四川省电力公司电力科学研究院 | 一种基于matlab的小型独立光伏发电仿真模型 |
CN110994671B (zh) * | 2019-11-25 | 2023-04-28 | 国网四川省电力公司电力科学研究院 | 一种基于matlab的小型独立光伏发电仿真模型 |
CN110955970A (zh) * | 2019-11-27 | 2020-04-03 | 合肥阳光新能源科技有限公司 | 光伏电站布局方法和装置 |
CN110955970B (zh) * | 2019-11-27 | 2023-06-30 | 阳光新能源开发股份有限公司 | 光伏电站布局方法和装置 |
CN111478364A (zh) * | 2020-04-20 | 2020-07-31 | 郑州轻工业大学 | 一种基于最速下降法的阻尼控制器协调参数优化方法 |
CN111478364B (zh) * | 2020-04-20 | 2022-08-02 | 郑州轻工业大学 | 一种基于最速下降法的阻尼控制器协调参数优化方法 |
CN116834003A (zh) * | 2023-06-29 | 2023-10-03 | 广州市创博机电设备安装有限公司 | 光伏组件的智能安装方法及系统 |
CN116834003B (zh) * | 2023-06-29 | 2024-01-02 | 广州市创博机电设备安装有限公司 | 光伏组件的智能安装方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104539221B (zh) | 2016-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104539221A (zh) | 光伏发电系统控制参数全局优化方法 | |
CN103887815B (zh) | 基于运行数据的风电场参数辨识及动态等值方法 | |
CN103197559B (zh) | 一种改善双馈机组接入后系统小干扰稳定性的方法 | |
CN106532772B (zh) | 一种基于改进正交优化群智能算法的分布式电源规划方法 | |
CN106026113A (zh) | 一种具有无功自动补偿的微电网系统的监控方法 | |
CN111541246B (zh) | 一种电力系统交直流潮流的全纯嵌入计算方法 | |
Ma et al. | Study on the impact of electric vehicle charging load on nodal voltage deviation | |
CN108649560B (zh) | 高渗透率分布式光伏发电集群实时仿真建模方法 | |
CN104932285A (zh) | 一种光伏发电系统的等效建模方法 | |
CN107039981A (zh) | 一种拟直流线性化概率最优潮流计算方法 | |
Xiao et al. | Optimal sizing and siting of soft open point for improving the three phase unbalance of the distribution network | |
CN104617576A (zh) | 考虑直流控制特性的多直流馈出交流电网故障计算方法 | |
CN104767207A (zh) | 基于发电机无功储备灵敏度的电压稳定预防控制方法 | |
CN108988385A (zh) | 一种分布式电源并网最优位置选取方法 | |
CN103956767B (zh) | 一种考虑尾流效应的风电场并网稳定性分析方法 | |
jing Hu et al. | Capacity optimization of wind/PV/storage power system based on simulated annealing-particle swarm optimization | |
Qin et al. | A modified data-driven regression model for power flow analysis | |
Paleba et al. | Optimal placement and sizing distributed wind generation using particle swarm optimization in distribution system | |
Zhang et al. | Optimization method of under frequency load shedding schemes for systems with high permeability new energy | |
Lin et al. | Dimension Reduction Based Short-Term Voltage Security Preventive Control | |
Shen et al. | Modeling and Parameter Identification of the Photovoltaic Inverter based on VSG | |
Wong et al. | Fuzzy-driven energy storage system for mitigating voltage unbalance factor on distribution network with photovoltaic system | |
CN112736913A (zh) | 含分布式电源的配电网功率优化模式影响因素分析方法 | |
CN105005831B (zh) | 一种基于电力系统潮流耦合关系的拟直流动态最优潮流的计算方法 | |
Luo et al. | Development of fast simulation models of photovoltaic generation system based on MATLAB |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |