CN108493947A - 电压暂降补偿方法和装置 - Google Patents
电压暂降补偿方法和装置 Download PDFInfo
- Publication number
- CN108493947A CN108493947A CN201810324262.1A CN201810324262A CN108493947A CN 108493947 A CN108493947 A CN 108493947A CN 201810324262 A CN201810324262 A CN 201810324262A CN 108493947 A CN108493947 A CN 108493947A
- Authority
- CN
- China
- Prior art keywords
- voltage
- voltage signal
- particle
- sag compensation
- phase
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 239000002245 particle Substances 0.000 claims abstract description 111
- 238000005457 optimization Methods 0.000 claims abstract description 40
- 238000002922 simulated annealing Methods 0.000 claims abstract description 32
- 238000012549 training Methods 0.000 claims description 53
- 230000003044 adaptive effect Effects 0.000 claims description 29
- 238000012360 testing method Methods 0.000 claims description 22
- 238000009826 distribution Methods 0.000 claims description 19
- 238000001816 cooling Methods 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 12
- 230000001143 conditioned effect Effects 0.000 claims description 9
- 230000003750 conditioning effect Effects 0.000 claims description 9
- 238000000137 annealing Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 abstract description 18
- 238000011084 recovery Methods 0.000 abstract 1
- 238000004146 energy storage Methods 0.000 description 6
- 239000003990 capacitor Substances 0.000 description 5
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 239000004576 sand Substances 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/30—Reactive power compensation
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本发明为解决目前的动态电压恢复器的电压暂降检测算法存在精确度与实时性不能兼顾的技术问题，提供了一种电压暂降补偿方法和装置，该方法包括以下步骤：采集电网电压信号和负载电压信号；根据所述电网电压信号和所述负载电压信号获取电压暂降补偿参数；采用基于半监督学习模型的模拟退火粒子群优化算法对PI控制的控制参数进行整定，以得到PI控制参数的整定量；将所述电压暂降补偿参数作为PI控制的输入，并根据所述PI控制参数的整定量得到PI控制的输出，以实现电压暂降补偿。本发明能够提高电压暂降检测和电压暂降补偿的实时性和准确性。
Description
技术领域
本发明涉及电网监测和调控技术领域，具体涉及一种电压暂降补偿方法和一种电压暂降补偿装置。
背景技术
随着计算机控制、信息技术产业以及精密制造业等现代技术的发展，用户对电能质量的要求越来越高。对于敏感负荷，如芯片制造业、电子控制器等，当发生电压暂降时将导致控制器异常或故障，影响正常的生产甚至造成极大的损失。其中配电网故障引起的电压骤降是最常见的电能质量问题。然而，其它电能质量问题，如电压谐波、电压不平衡、电压突变等也是常见的问题。
动态电压恢复器(DVR，Dynamic Voltage Regulator)是一种带储能装置的串联补偿装置，除无功功率之外，有补偿有功功率的能力；当系统发生电压暂降时，能在几毫秒间内将用户侧电压恢复到正常值。比如公开号为CN202602293U的中国专利文献公开了一种直流电容器储能型动态电压恢复器的电压跌落补偿装置；公开号为CN106300413A的中国专利文献涉及一种采用非线性自适应控制的动态电压恢复器及控制策略。然而目前的动态电压恢复器的电压暂降检测算法一直都存在精确度与实时性不能兼顾的问题，制约了它的发展和应用。
发明内容
本发明为解决目前的动态电压恢复器的电压暂降检测算法存在精确度与实时性不能兼顾的技术问题，提供了一种电压暂降补偿方法和装置。
本发明采用的技术方案如下：
一种电压暂降补偿方法，包括以下步骤：采集电网电压信号和负载电压信号；根据所述电网电压信号和所述负载电压信号获取电压暂降补偿参数；采用基于半监督学习模型的模拟退火粒子群优化算法对PI控制的控制参数进行整定，以得到PI控制参数的整定量；将所述电压暂降补偿参数作为PI控制的输入，并根据所述PI控制参数的整定量得到PI控制的输出，以实现电压暂降补偿。
在采集电网电压信号和负载电压信号后，还对所述电网电压信号和所述负载电压信号进行调理，以根据调理后的电网电压信号和负载电压信号获取所述电压暂降补偿参数。
所述电网电压信号中包括三相母线电压，所述负载电压信号中包括三相负载电压，根据所述电网电压信号和所述负载电压信号获取电压暂降补偿参数，具体包括：对所述三相负载电压进行帕克变换以得到两相旋转坐标系下的直轴电压和交轴电压；将所述直轴电压和所述交轴电压进行低通滤波以得到所述直轴电压的低频分量和所述交轴电压的低频分量；对所述直轴电压的低频分量和所述交轴电压的低频分量进行帕克逆变换以得到三相静止坐标系下的三相中间电压；将所述三相中间电压分别与所述三相母线电压对应作差，以得到三相电压暂降补偿参数。
采用基于半监督学习模型的模拟退火粒子群优化算法对PI控制的控制参数进行整定，以得到PI控制参数的整定量，具体包括：获取数据样本，其中，所述数据样本包括测试集和训练集，所述测试集由未标记样本构成，所述训练集由依据所述测试集而划分的已标记样本和未标记样本构成；初始化训练参数，并根据所述训练集内的已标记样本计算所述训练集内的未标记样本的标记；设定训练的循环次数，以得到所述训练集的样本分布，并根据所述训练集的样本分布得到样本分类结果，以及输出最终分类器；由所述最终分类器初始化粒子群，给定粒子个数、起始温度、终止温度和退火速度；根据每个粒子的当前位置和速度产生每个粒子的新位置；在迭代次数小于预设次数时，采用模拟退火粒子群优化算法进行迭代，直到达到系统全局最优点时，得到所述PI控制参数的整定量。
采用模拟退火粒子群优化算法进行迭代，具体包括：计算每个粒子的新位置的适应值，如果任一粒子的适应值优于原来的个体极值，则将该粒子的适应值作为该粒子当前的个体极值；根据各个粒子的个体极值找出全局极值；更新各个粒子的当前位置和速度；根据粒子两个位置的适应值的变化量判断是否接受新位置；如果接受，则进行降温，否则不进行降温。
一种电压暂降补偿装置，包括：信号采集模块，所述采集模块用于采集电网电压信号和负载电压信号；获取模块，所述获取模块用于根据所述电网电压信号和所述负载电压信号获取电压暂降补偿参数；整定模块，所述整定模块用于采用基于半监督学习模型的模拟退火粒子群优化算法对PI控制的控制参数进行整定，以得到PI控制参数的整定量；控制模块，所述控制模块用于将所述电压暂降补偿参数作为PI控制的输入，并根据所述PI控制参数的整定量得到PI控制的输出，以实现电压暂降补偿。
所述的电压暂降补偿装置还包括：信号调理模块，所述信号调理模块用于在所述信号采集模块采集电网电压信号和负载电压信号后，对所述电网电压信号和所述负载电压信号进行调理，以便所述获取模块根据调理后的电网电压信号和负载电压信号获取所述电压暂降补偿参数。
所述电网电压信号中包括三相母线电压，所述负载电压信号中包括三相负载电压，所述获取模块具体用于：对所述三相负载电压进行帕克变换以得到两相旋转坐标系下的直轴电压和交轴电压；将所述直轴电压和所述交轴电压进行低通滤波以得到所述直轴电压的低频分量和所述交轴电压的低频分量；对所述直轴电压的低频分量和所述交轴电压的低频分量进行帕克逆变换以得到三相静止坐标系下的三相中间电压；将所述三相中间电压分别与所述三相母线电压对应作差，以得到三相电压暂降补偿参数。
所述整定模块具体用于：获取数据样本，其中，所述数据样本包括测试集和训练集，所述测试集由未标记样本构成，所述训练集由依据所述测试集而划分的已标记样本和未标记样本构成；初始化训练参数，并根据所述训练集内的已标记样本计算所述训练集内的未标记样本的标记；设定训练的循环次数，以得到所述训练集的样本分布，并根据所述训练集的样本分布得到样本分类结果，以及输出最终分类器；由所述最终分类器初始化粒子群，给定粒子个数、起始温度、终止温度和退火速度；根据每个粒子的当前位置和速度产生每个粒子的新位置；在迭代次数小于预设次数时，采用模拟退火粒子群优化算法进行迭代，直到达到系统全局最优点时，得到所述PI控制参数的整定量。
所述整定模块采用模拟退火粒子群优化算法进行迭代，具体包括：计算每个粒子的新位置的适应值，如果任一粒子的适应值优于原来的个体极值，则将该粒子的适应值作为该粒子当前的个体极值；根据各个粒子的个体极值找出全局极值；更新各个粒子的当前位置和速度；根据粒子两个位置的适应值的变化量判断是否接受新位置；如果接受，则进行降温，否则不进行降温。
本发明的有益效果：
本发明的电压暂降补偿方法和装置，通过采集电网电压信号和负载电压信号，以据此获取电压暂降补偿参数，并通过基于半监督学习模型的模拟退火粒子群优化算法对PI控制的控制参数进行整定，以得到PI控制参数的整定量，以及根据该PI控制参数的整定量进行PI控制，实现电压暂降补偿，由此，将粒子群优化算法与模拟退火算法结合起来，在保持基本粒子群优化算法结构简单的基础上利用了模拟退火思想，克服了基本粒子群优化算法位置更新时，收敛速度缓慢的缺陷，改善了全局寻优速度和能力，从而能够大大减少电压暂降检测时间，提高了电压暂降检测和电压暂降补偿的实时性和准确性。
附图说明
图1为本发明实施例的电压暂降补偿方法的流程图；
图2为本发明一个实施例的动态电压恢复器的结构示意图；
图3为本发明一个实施例的获取电压暂降补偿参数的控制原理图；
图4为本发明实施例的电压暂降补偿装置的方框示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明的电压暂降补偿方法，包括以下步骤：
S1，采集电网电压信号和负载电压信号。
在电网向负载进行输电的线路中，可分别对应电网侧和负载侧进行电压的检测，以得到电网电压信号和负载电压信号。
S2，根据电网电压信号和负载电压信号获取电压暂降补偿参数。
具体地，如图3所示，可对三相负载电压ua,ub,uc进行abc/dq帕克变换以得到两相旋转坐标系下的直轴电压和交轴电压ud,uq，并将直轴电压和交轴电压ud,uq通过低通滤波器进行低通滤波以得到直轴电压的低频分量和交轴电压的低频分量以及对直轴电压的低频分量和交轴电压的低频分量进行dq/abc帕克逆变换以得到三相静止坐标系下的三相中间电压ua′,ub′,uc′，然后将三相中间电压ua′,ub′,uc′分别与三相母线电压usa,usb,usc对应作差，以得到三相电压暂降补偿参数uac,ubc,ucc。
S3，采用基于半监督学习模型的模拟退火粒子群优化算法对PI控制的控制参数进行整定，以得到PI控制参数的整定量。
S4，将电压暂降补偿参数作为PI控制的输入，并根据PI控制参数的整定量得到PI控制的输出，以实现电压暂降补偿。
本发明实施例的电压暂降补偿方法可由图2所示的动态电压恢复器实施。
其中，步骤S1可由动态电压恢复器中的信号检测模块执行，如图2所示，信号检测模块分别连接到电网侧和负载侧，以分别检测电网电压Us和负载电压Ul。在本发明的一个实施例中，电网电压信号中可包括三相母线电压，负载电压信号中可包括三相负载电压，即信号检测模块可检测三相母线电压usa,usb,usc，并可检测三相负载电压ua,ub,uc。
步骤S2～S4可由DSP芯片(Digital Signal Processing，数字信号处理)芯片执行，例如可由型号为TMS320F28335的DSP芯片执行。在本发明的一个实施例中，信号检测模块所检测的信号为模拟信号，而DSP芯片适于处理数字信号。因此，在采集电网电压信号和负载电压信号后，还可通过动态电压恢复器中的信号调理模块对电网电压信号和负载电压信号进行调理，例如可将模拟形式的电网电压信号和负载电压信号转换为DSP芯片能够识别和处理的数字形式，以便于DSP芯片根据调理后的电网电压信号和负载电压信号获取电压暂降补偿参数。
DSP芯片内置PI控制单元，三相电压暂降补偿参数uac,ubc,ucc即为PI控制单元的输入e(t)，PI控制单元的输出为u(t)，PI控制单元的表达式如式(1)：
其中，kp为PI控制单元参数，Ti为积分时间常数，令ki＝kp/Ti，通过对PI控制单元的两个控制参数kp和ki进行整定优化，可提高PI控制效果。
在本发明的一个实施例中，采用基于半监督学习模型的模拟退火粒子群优化算法对PI控制的控制参数进行整定，以得到PI控制参数的整定量，具体包括：获取数据样本，其中，数据样本包括测试集和训练集，测试集由未标记样本构成，训练集由依据测试集而划分的已标记样本和未标记样本构成；初始化训练参数，并根据训练集内的已标记样本计算训练集内的未标记样本的标记；设定训练的循环次数，以得到训练集的样本分布，并根据训练集的样本分布得到样本分类结果，以及输出最终分类器；由最终分类器初始化粒子群，给定粒子个数、起始温度、终止温度和退火速度；根据每个粒子的当前位置和速度产生每个粒子的新位置；在迭代次数小于预设次数时，采用模拟退火粒子群优化算法进行迭代，直到达到系统全局最优点时，得到PI控制参数的整定量。
进一步地，采用模拟退火粒子群优化算法进行迭代，具体包括：计算每个粒子的新位置的适应值，如果任一粒子的适应值优于原来的个体极值，则将该粒子的适应值作为该粒子当前的个体极值；根据各个粒子的个体极值找出全局极值；更新各个粒子的当前位置和速度；根据粒子两个位置的适应值的变化量判断是否接受新位置；如果接受，则进行降温，否则不进行降温。
更具体地，步骤S3包括：
S301，令Xs表示源域内和目标域数据分布相同的样本，Xd表示源域内和目标域数据分布不同的样本；令X＝Xs∪Xd。输入样本为部分标记的两个样本集合Td和Ts以及未标记样本集合S。其中，测试集 其中表示源域内和目标域数据分布相同的未标记的样本，q为测试采集样本的大小。训练集Tr由两个已标记样本集合Td和Ts组成。其中，表示与测试集数据分布不同的训练样本集合，其中表示源域内和目标域数据分布不同的已标记的样本；表示与测试集数据分布相同的训练样本集合，其中表示源域内和目标域数据分布相同的未标记的样本，n和m分别表示Td和Ts的大小。则训练集Tr＝{(xi)}被定义为：
其中，令yi∈Y＝{1,2,…,l}，i＝1,2,…,n+m表示样本标记。集合Tr包含了标记样本和未标记样本。
S302，初始化参数设置如下：基础分类器为WeakLearn，整数N表示最大循环次数，本实施例中令N＝200、n＝400、m＝300。权重向量其中权重上标1表示第1次循环。本实施例采用欧式距离最近邻法，依靠训练Tr内的已标记样本，计算Tr内未标记样本的标记。
S303，令第t＝80次循环时，Tr的样本分布为：
S304，依据分布Pt，采用WeakLear得n到样本的分类结果ht:X→Y。
S305，计算样本的错误率：
其中，yi∈Y＝{1,2,…,l}，i＝1,2,…,n+m表示标记样本。
S306，设定参数γt＝εt/(1-εt)。
S307，更新权重向量：
如果达到收敛条件，则算法结束，否则继续执行。
最后，输出最终分类器hf(x)：
其中，表示标记样本平均值。
S308，由最终分类器hf(x)初始化p个初始解，随机产生p个初始速度，给定粒子个数p＝100、起始温度T＝60℃、终止温度T0＝0℃和退火速度α＝1℃/s。
S309，根据每个粒子的当前位置和速度产生每个粒子的新位置。
S310，计算每个粒子的新位置的适应值。
S311，对于每个粒子，若其适应值优于原来的个体极值pbest，则将该粒子的适应值作为该粒子当前的个体极值pbest。
S312，根据各个粒子的个体极值pbest找出全局极值pbest。
S313，根据下式(7)，更新粒子的速度，并将其限制在υmax内：
其中，k表示算法第k次迭代，c1和c2为常量，rand()函数为随机数生成器。
S314，根据下式(8)，更新粒子的当前位置：
S315，计算两个位置所引起的适应值的变化量ΔE；若ΔE≤0，接受新值；否则若exp(-ΔE/T)＞rand(0,1)(rand(0,1)表示0～1之间的随机数)，也接受新值：否则就拒绝，xk+1仍为xk。
S316，若接受新值，降温T←αT；否则不降温。
S317，通过模拟退火粒子群优化算法迭代，当达到系统全局最优点时，则参数(kp，ki)为最优化的参数。
在得到PI控制参数的整定量后，参照图3和图2，DSP芯片可实施PI控制，并输出相应的PWM(Pulse Width Modulation，脉冲宽度调制)信号。对于图2所示的直流储能单元输出的直流电压，可通过上述的PWM信号控制逆变器中相应的开关管，以将直流电压逆变成交流电压，再经滤波单元滤除交流电压中的开关高次谐波，输出滤波后的补偿电压至电容器耦合电路，最后通过电容耦合电路将滤波后的补偿电压接入负载中。其中，直流储能单元的电能是将从电网中获取能量，通过隔离变压器后，经二极管整流电路所提供的。
根据本发明实施例的电压暂降补偿方法，通过采集电网电压信号和负载电压信号，以据此获取电压暂降补偿参数，并通过基于半监督学习模型的模拟退火粒子群优化算法对PI控制的控制参数进行整定，以得到PI控制参数的整定量，以及根据该PI控制参数的整定量进行PI控制，实现电压暂降补偿，由此，将粒子群优化算法与模拟退火算法结合起来，在保持基本粒子群优化算法结构简单的基础上利用了模拟退火思想，克服了基本粒子群优化算法位置更新时，收敛速度缓慢的缺陷，改善了全局寻优速度和能力，从而能够大大减少电压暂降检测时间，提高了电压暂降检测和电压暂降补偿的实时性和准确性。
为实现上述实施例的电压暂降补偿方法，本发明还提出一种电压暂降补偿装置。
如图4所示，本发明实施例的电压暂降补偿装置，包括信号采集模块10、获取模块20、整定模块30和控制模块40。
其中，信号采集模块10用于采集电网电压信号和负载电压信号；获取模块20用于根据电网电压信号和负载电压信号获取电压暂降补偿参数；整定模块30用于采用基于半监督学习模型的模拟退火粒子群优化算法对PI控制的控制参数进行整定，以得到PI控制参数的整定量；控制模块40用于将电压暂降补偿参数作为PI控制的输入，并根据PI控制参数的整定量得到PI控制的输出，以实现电压暂降补偿。
本发明实施例的电压暂降补偿装置可通过图2所示的动态电压恢复器实现。
如图2所示，信号检测模块分别连接到电网侧和负载侧，以分别检测电网电压Us和负载电压Ul。在本发明的一个实施例中，电网电压信号中可包括三相母线电压，负载电压信号中可包括三相负载电压，即信号检测模块可检测三相母线电压usa,usb,usc，并可检测三相负载电压ua,ub,uc。
图2所示的DSP芯片可包括获取模块20、整定模块30和控制模块40。在本发明的一个实施例中，信号检测模块所检测的信号为模拟信号，而DSP芯片适于处理数字信号。因此，本发明实施例的电压暂降补偿装置还可包括信号调理模块，信号调理模块用于在信号采集模块10采集电网电压信号和负载电压信号后，对电网电压信号和负载电压信号进行调理，以便获取模块20根据调理后的电网电压信号和负载电压信号获取电压暂降补偿参数。
在本发明的一个实施例中，如图3所示，获取模块20具体用于对三相负载电压ua,ub,uc进行abc/dq帕克变换以得到两相旋转坐标系下的直轴电压和交轴电压ud,uq，并将直轴电压和交轴电压ud,uq进行低通滤波以得到直轴电压的低频分量和交轴电压的低频分量以及对直轴电压的低频分量和交轴电压的低频分量进行dq/abc帕克逆变换以得到三相静止坐标系下的三相中间电压ua′,ub′,uc′，然后将三相中间电压ua′,ub′,uc′分别与三相母线电压usa,usb,usc对应作差，以得到三相电压暂降补偿参数uac,ubc,ucc。
DSP芯片内置PI控制单元，三相电压暂降补偿参数uac,ubc,ucc即为PI控制单元的输入e(t)，PI控制单元的输出为u(t)，PI控制单元的表达式如式(1)：
其中，kp为PI控制单元参数，Ti为积分时间常数，令ki＝kp/Ti，通过整定模块30对PI控制单元的两个控制参数kp和ki进行整定优化，可提高PI控制效果。
在本发明的一个实施例中，整定模块30具体用于：获取数据样本，其中，数据样本包括测试集和训练集，测试集由未标记样本构成，训练集由依据测试集而划分的已标记样本和未标记样本构成；初始化训练参数，并根据训练集内的已标记样本计算训练集内的未标记样本的标记；设定训练的循环次数，以得到训练集的样本分布，并根据训练集的样本分布得到样本分类结果，以及输出最终分类器；由最终分类器初始化粒子群，给定粒子个数、起始温度、终止温度和退火速度；根据每个粒子的当前位置和速度产生每个粒子的新位置；在迭代次数小于预设次数时，采用模拟退火粒子群优化算法进行迭代，直到达到系统全局最优点时，得到PI控制参数的整定量。
进一步地，整定模块30采用模拟退火粒子群优化算法进行迭代，具体包括：计算每个粒子的新位置的适应值，如果任一粒子的适应值优于原来的个体极值，则将该粒子的适应值作为该粒子当前的个体极值；根据各个粒子的个体极值找出全局极值；更新各个粒子的当前位置和速度；根据粒子两个位置的适应值的变化量判断是否接受新位置；如果接受，则进行降温，否则不进行降温。
在得到PI控制参数的整定量后，参照图3和图2，DSP芯片中的控制模块40可实施PI控制，并输出相应的PWM信号。
在本发明的一个实施例中，电压暂降补偿装置还可包括驱动电路模块，驱动电路模块可根据控制模块40输出的PWM信号实施电压暂降补偿。
在本发明的一个实施例中，电压暂降补偿装置还可包括供电模块，供电模块可为信号采集模块10、获取模块20、整定模块30、控制模块40以及信号调理模块供电。
进一步地，对于图2所示的直流储能单元输出的直流电压，可通过上述的PWM信号控制逆变器中相应的开关管，以将直流电压逆变成交流电压，再经滤波单元滤除交流电压中的开关高次谐波，输出滤波后的补偿电压至电容器耦合电路，最后通过电容耦合电路将滤波后的补偿电压接入负载中。其中，直流储能单元的电能是将从电网中获取能量，通过隔离变压器后，经二极管整流电路所提供的。
根据本发明实施例的电压暂降补偿装置，通过信号采集模块采集电网电压信号和负载电压信号，以使获取模块据此获取电压暂降补偿参数，并通过整定模块基于半监督学习模型的模拟退火粒子群优化算法对PI控制的控制参数进行整定，以得到PI控制参数的整定量，以及通过控制模块根据该PI控制参数的整定量进行PI控制，实现电压暂降补偿，由此，将粒子群优化算法与模拟退火算法结合起来，在保持基本粒子群优化算法结构简单的基础上利用了模拟退火思想，克服了基本粒子群优化算法位置更新时，收敛速度缓慢的缺陷，改善了全局寻优速度和能力，从而能够大大减少电压暂降检测时间，提高了电压暂降检测和电压暂降补偿的实时性和准确性。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种电压暂降补偿方法，其特征在于，包括以下步骤：
采集电网电压信号和负载电压信号；
根据所述电网电压信号和所述负载电压信号获取电压暂降补偿参数；
采用基于半监督学习模型的模拟退火粒子群优化算法对PI控制的控制参数进行整定，以得到PI控制参数的整定量；
将所述电压暂降补偿参数作为PI控制的输入，并根据所述PI控制参数的整定量得到PI控制的输出，以实现电压暂降补偿。
2.根据权利要求1所述的电压暂降补偿方法，其特征在于，在采集电网电压信号和负载电压信号后，还对所述电网电压信号和所述负载电压信号进行调理，以根据调理后的电网电压信号和负载电压信号获取所述电压暂降补偿参数。
3.根据权利要求2所述的电压暂降补偿方法，其特征在于，所述电网电压信号中包括三相母线电压，所述负载电压信号中包括三相负载电压，根据所述电网电压信号和所述负载电压信号获取电压暂降补偿参数，具体包括：
对所述三相负载电压进行帕克变换以得到两相旋转坐标系下的直轴电压和交轴电压；
将所述直轴电压和所述交轴电压进行低通滤波以得到所述直轴电压的低频分量和所述交轴电压的低频分量；
对所述直轴电压的低频分量和所述交轴电压的低频分量进行帕克逆变换以得到三相静止坐标系下的三相中间电压；
将所述三相中间电压分别与所述三相母线电压对应作差，以得到三相电压暂降补偿参数。
4.根据权利要求3所述的电压暂降补偿方法，其特征在于，采用基于半监督学习模型的模拟退火粒子群优化算法对PI控制的控制参数进行整定，以得到PI控制参数的整定量，具体包括：
获取数据样本，其中，所述数据样本包括测试集和训练集，所述测试集由未标记样本构成，所述训练集由依据所述测试集而划分的已标记样本和未标记样本构成；
初始化训练参数，并根据所述训练集内的已标记样本计算所述训练集内的未标记样本的标记；
设定训练的循环次数，以得到所述训练集的样本分布，并根据所述训练集的样本分布得到样本分类结果，以及输出最终分类器；
由所述最终分类器初始化粒子群，给定粒子个数、起始温度、终止温度和退火速度；
根据每个粒子的当前位置和速度产生每个粒子的新位置；
在迭代次数小于预设次数时，采用模拟退火粒子群优化算法进行迭代，直到达到系统全局最优点时，得到所述PI控制参数的整定量。
5.根据权利要求4所述的电压暂降补偿方法，其特征在于，采用模拟退火粒子群优化算法进行迭代，具体包括：
计算每个粒子的新位置的适应值，如果任一粒子的适应值优于原来的个体极值，则将该粒子的适应值作为该粒子当前的个体极值；
根据各个粒子的个体极值找出全局极值；
更新各个粒子的当前位置和速度；
根据粒子两个位置的适应值的变化量判断是否接受新位置；
如果接受，则进行降温，否则不进行降温。
6.一种电压暂降补偿装置，其特征在于，包括：
信号采集模块，所述采集模块用于采集电网电压信号和负载电压信号；
获取模块，所述获取模块用于根据所述电网电压信号和所述负载电压信号获取电压暂降补偿参数；
整定模块，所述整定模块用于采用基于半监督学习模型的模拟退火粒子群优化算法对PI控制的控制参数进行整定，以得到PI控制参数的整定量；
控制模块，所述控制模块用于将所述电压暂降补偿参数作为PI控制的输入，并根据所述PI控制参数的整定量得到PI控制的输出，以实现电压暂降补偿。
7.根据权利要求6所述的电压暂降补偿装置，其特征在于，还包括：
信号调理模块，所述信号调理模块用于在所述信号采集模块采集电网电压信号和负载电压信号后，对所述电网电压信号和所述负载电压信号进行调理，以便所述获取模块根据调理后的电网电压信号和负载电压信号获取所述电压暂降补偿参数。
8.根据权利要求7所述的电压暂降补偿装置，其特征在于，所述电网电压信号中包括三相母线电压，所述负载电压信号中包括三相负载电压，所述获取模块具体用于：
对所述三相负载电压进行帕克变换以得到两相旋转坐标系下的直轴电压和交轴电压；
将所述直轴电压和所述交轴电压进行低通滤波以得到所述直轴电压的低频分量和所述交轴电压的低频分量；
对所述直轴电压的低频分量和所述交轴电压的低频分量进行帕克逆变换以得到三相静止坐标系下的三相中间电压；
将所述三相中间电压分别与所述三相母线电压对应作差，以得到三相电压暂降补偿参数。
9.根据权利要求8所述的电压暂降补偿装置，其特征在于，所述整定模块具体用于：
获取数据样本，其中，所述数据样本包括测试集和训练集，所述测试集由未标记样本构成，所述训练集由依据所述测试集而划分的已标记样本和未标记样本构成；
初始化训练参数，并根据所述训练集内的已标记样本计算所述训练集内的未标记样本的标记；
设定训练的循环次数，以得到所述训练集的样本分布，并根据所述训练集的样本分布得到样本分类结果，以及输出最终分类器；
由所述最终分类器初始化粒子群，给定粒子个数、起始温度、终止温度和退火速度；
根据每个粒子的当前位置和速度产生每个粒子的新位置；
在迭代次数小于预设次数时，采用模拟退火粒子群优化算法进行迭代，直到达到系统全局最优点时，得到所述PI控制参数的整定量。
10.根据权利要求9所述的电压暂降补偿装置，其特征在于，所述整定模块采用模拟退火粒子群优化算法进行迭代，具体包括：
计算每个粒子的新位置的适应值，如果任一粒子的适应值优于原来的个体极值，则将该粒子的适应值作为该粒子当前的个体极值；
根据各个粒子的个体极值找出全局极值；
更新各个粒子的当前位置和速度；
根据粒子两个位置的适应值的变化量判断是否接受新位置；
如果接受，则进行降温，否则不进行降温。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810324262.1A CN108493947A (zh) | 2018-04-12 | 2018-04-12 | 电压暂降补偿方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810324262.1A CN108493947A (zh) | 2018-04-12 | 2018-04-12 | 电压暂降补偿方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108493947A true CN108493947A (zh) | 2018-09-04 |
Family
ID=63315802
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810324262.1A Pending CN108493947A (zh) | 2018-04-12 | 2018-04-12 | 电压暂降补偿方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108493947A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109301838A (zh) * | 2018-10-10 | 2019-02-01 | 国网四川省电力公司电力科学研究院 | 一种svc控制器pi参数优化方法 |
| CN109901383A (zh) * | 2019-03-01 | 2019-06-18 | 江苏理工学院 | 一种交流伺服电机驱动器控制方法 |
| CN110429807A (zh) * | 2019-08-12 | 2019-11-08 | 华北电力大学（保定） | 电压暂降抑制方法、装置及终端设备 |
| CN113258670A (zh) * | 2021-04-25 | 2021-08-13 | 国网江苏省电力有限公司营销服务中心 | 一种基于半监督学习的电网飞线状态判别方法 |
| CN114167172A (zh) * | 2021-11-25 | 2022-03-11 | 国网福建省电力有限公司莆田供电公司 | 一种基于马氏距离与支持向量机的电压暂降源定位方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102201672A (zh) * | 2010-03-26 | 2011-09-28 | 长沙理工大学 | 改进的模拟退火-粒子群优化算法 |
| CN104850891A (zh) * | 2015-05-29 | 2015-08-19 | 厦门大学 | 一种时间序列预测的智能优化递归神经网络方法 |
| CN106440844A (zh) * | 2016-07-20 | 2017-02-22 | 长春工业大学 | 一种篦冷机刮板速度控制方法 |
| US20170085085A1 (en) * | 2014-05-16 | 2017-03-23 | Siemens Aktiengesellschaft | Method and device for reducing voltage fluctuations in a supply network |
| CN106816877A (zh) * | 2017-03-10 | 2017-06-09 | 国网江苏省电力公司常州供电公司 | 一种含光伏的配电网电压跌落检测补偿方法 |
-
2018
- 2018-04-12 CN CN201810324262.1A patent/CN108493947A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102201672A (zh) * | 2010-03-26 | 2011-09-28 | 长沙理工大学 | 改进的模拟退火-粒子群优化算法 |
| US20170085085A1 (en) * | 2014-05-16 | 2017-03-23 | Siemens Aktiengesellschaft | Method and device for reducing voltage fluctuations in a supply network |
| CN104850891A (zh) * | 2015-05-29 | 2015-08-19 | 厦门大学 | 一种时间序列预测的智能优化递归神经网络方法 |
| CN106440844A (zh) * | 2016-07-20 | 2017-02-22 | 长春工业大学 | 一种篦冷机刮板速度控制方法 |
| CN106816877A (zh) * | 2017-03-10 | 2017-06-09 | 国网江苏省电力公司常州供电公司 | 一种含光伏的配电网电压跌落检测补偿方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陶胜超 等: "基于IPSO的PMSM矢量控制PI参数优化", 《计算机仿真》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109301838A (zh) * | 2018-10-10 | 2019-02-01 | 国网四川省电力公司电力科学研究院 | 一种svc控制器pi参数优化方法 |
| CN109901383A (zh) * | 2019-03-01 | 2019-06-18 | 江苏理工学院 | 一种交流伺服电机驱动器控制方法 |
| CN110429807A (zh) * | 2019-08-12 | 2019-11-08 | 华北电力大学（保定） | 电压暂降抑制方法、装置及终端设备 |
| CN113258670A (zh) * | 2021-04-25 | 2021-08-13 | 国网江苏省电力有限公司营销服务中心 | 一种基于半监督学习的电网飞线状态判别方法 |
| CN113258670B (zh) * | 2021-04-25 | 2023-12-19 | 国网江苏省电力有限公司营销服务中心 | 一种基于半监督学习的电网飞线状态判别方法 |
| CN114167172A (zh) * | 2021-11-25 | 2022-03-11 | 国网福建省电力有限公司莆田供电公司 | 一种基于马氏距离与支持向量机的电压暂降源定位方法 |
| CN114167172B (zh) * | 2021-11-25 | 2024-01-12 | 国网福建省电力有限公司莆田供电公司 | 一种基于马氏距离与支持向量机的电压暂降源定位方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108493947A (zh) | 电压暂降补偿方法和装置 | |
| Subudhi et al. | Variable leaky least mean-square algorithm-based power system frequency estimation | |
| Liu et al. | Adaptive fractional sliding mode control of active power filter based on dual RBF neural networks | |
| CN104639001B (zh) | 融合滑模控制和分数阶神经网络控制的伺服电机控制方法 | |
| CN107294527A (zh) | 同步旋转坐标系锁相环及其测试方法、装置 | |
| Vignesh et al. | An experimental study on the load modelling using PMU measurements | |
| CA2993352A1 (en) | Method and device for detecting an electrical voltage in a supply network | |
| CN108155643B (zh) | 一种基于滑模观测器的单相电网电压参数的鲁棒估计方法 | |
| CN111679582B (zh) | 双向充电机前端整流器的有限时间反步控制系统及方法 | |
| CN105259414A (zh) | 一种基于逆变器的电网阻抗在线检测方法 | |
| CN110350540B (zh) | 一种基于在线估计负荷频率特性的精细切负荷方法 | |
| CN107317337B (zh) | 交直流混合微网潮流控制器的分散协调控制方法 | |
| CN111766781A (zh) | 基于复合学习和dob的多机电力系统自适应动态面控制器 | |
| CN113919430A (zh) | 电压暂降监测判别方法及装置 | |
| Yin et al. | A speed estimation method for induction motors based on strong tracking extended Kalman filter | |
| Dash et al. | Power quality monitoring using an integrated Fourier linear combiner and fuzzy expert system | |
| CN105406492A (zh) | 一种三相电负荷自动平衡算法 | |
| CN104701851B (zh) | 维持电力系统电压稳定的分区倒负荷配合方法 | |
| CN111163543A (zh) | 一种基于负载特性的感应加热控制方法及装置 | |
| Das et al. | Application of artificial intelligence techniques for improvement of power quality using hybrid filters | |
| Weckesser et al. | Early prediction of transient voltage sags caused by rotor swings | |
| CN107800145A (zh) | 基于二自由度内模控制的statcom控制系统 | |
| CN114552653A (zh) | 基于智能算法的并网逆变器系统控制参数多目标优化方法 | |
| CN112152532A (zh) | 一种关节电机参数在线估计的方法、系统和装置 | |
| CN110313125A (zh) | 控制力矩电机的方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180904 |
|
| RJ01 | Rejection of invention patent application after publication |