CN109980666A - 一种微网混合储能系统的自适应干扰补偿无源控制方法 - Google Patents
一种微网混合储能系统的自适应干扰补偿无源控制方法 Download PDFInfo
- Publication number
- CN109980666A CN109980666A CN201811339039.0A CN201811339039A CN109980666A CN 109980666 A CN109980666 A CN 109980666A CN 201811339039 A CN201811339039 A CN 201811339039A CN 109980666 A CN109980666 A CN 109980666A
- Authority
- CN
- China
- Prior art keywords
- storage system
- passive
- battery
- current
- control method
- 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 50
- 238000004146 energy storage Methods 0.000 title claims abstract description 40
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 30
- 239000003990 capacitor Substances 0.000 claims abstract description 42
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 10
- 238000013459 approach Methods 0.000 claims abstract description 5
- 238000007599 discharging Methods 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 10
- 230000005611 electricity Effects 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 description 12
- 238000013461 design Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 3
- 238000013016 damping Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 125000002619 bicyclic group Chemical group 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000001052 transient effect Effects 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及一种微网混合储能系统的自适应干扰补偿无源控制方法,所述储能系统包括超级电容和蓄电池,超级电容和蓄电池分别通过双向DC‑DC变换器并联到直流母线上,形成能量双向回路,所述控制方法具体为:采用内环电流无源控制、外环电压无源控制的双环控制方式获得双向DC‑DC变换器的控制信号,使得直流母线电压稳定,所述外环电压无源控制生成所述储能系统充放电的理论参考电流值,所述内环电流无源控制使储能系统充放电电流达到电流参考值,并生成变换器控制信号,所述电流参考值基于自适应干扰补偿修正获得。与现有技术相比,本发明保证了含有混合储能系统微网在建模参数不准确、系统参数变化及存在外部干扰情况下能够有很好的鲁棒性。
Description
技术领域
本发明涉及一种微网混合储能控制方法,尤其是涉及一种微网混合储能系统的自适应干扰补偿无源控制方法。
背景技术
为缓解能源供应紧张形势,减少温室气体排放,以光伏、风力发电为代表的分布式发电方式逐渐受到重视。但分布式电源本身存在的间歇性和不稳定性等问题,为实现在中低压范围内对DG进行灵活高效利用,将分布式电源、负荷、储能装置以及控制系统进行结合并通过可控接口与大电网进行连接的微网系统应运而生。
直流微网运行控制的主要目标为维持微网系统功率平衡,稳定直流母线电压。直流微网中常用的控制方法有主从控制方法、外特性下垂控制方法、以及多代理系统控制方法等。
实际情况下,由于存在材料、工艺、老化、外部环境变化、更换设备元件、运行方式改变等问题,微网系统参数可能有5%或更高的偏差,并随时间不断加剧。微网系统的干扰抑制能力主要取决于系统控制器的抗干扰性能,由于微网的无源控制是一种基于系统模型输出控制律的控制方法,对实际系统建模的精确性将直接影响无源控制器的最终控制效果。因此,需要对如何有效消除因微网系统参数变化对控制性能的影响、提高微网的鲁棒性进行进一步研究。
发明内容
本发明针对微网系统中存在不确定因素和随机因素干扰导致系统参数变化影响控制效果这一问题,提供一种微网混合储能系统的自适应干扰补偿无源控制方法。
本发明的目的可以通过以下技术方案来实现:
一种微网混合储能系统的自适应干扰补偿无源控制方法,所述储能系统包括超级电容和蓄电池,所述超级电容和蓄电池分别通过双向DC-DC变换器并联到直流母线上,形成能量双向回路,所述控制方法具体为:
采用内环电流无源控制、外环电压无源控制的双环控制方式获得双向DC-DC变换器的控制信号,使得直流母线电压稳定,所述外环电压无源控制生成所述储能系统充放电的理论参考电流值,所述内环电流无源控制使储能系统充放电电流达到电流参考值,并生成变换器控制信号,所述电流参考值基于自适应干扰补偿修正获得。
进一步地,所述储能系统的数学模型表示为:
其中,ibus是对外等效负荷电流;Cdc、udc分别是直流母线电容和电压;Lb、rb是蓄电池变换器的等效阻抗;Lsc、rsc是超级电容变换器的等效阻抗;ub、ib、α1分别是蓄电池电压、电流和占空比信号;usc、isc、α2分别是超级电容的电压、电流和占空比信号。
进一步地,所述外环电压无源控制中,生成的理论参考电流值满足以下闭环系统的能量函数Hd(X):
其中,分别为蓄电池和超级电容充放电的理论参考电流值,uref为直流母线参考电压。
进一步地,所述内环电流无源控制中,电流参考值由理论参考电流值与干扰补偿量叠加获得:
其中,ibref、iscref分别为蓄电池和超级电容的电流参考值,分别为蓄电池和超级电容充放电的理论参考电流值,ibmod、iscmod分别为蓄电池和超级电容的干扰补偿量。
进一步地,所述变换器控制信号的表达式为:
其中,α1、α2为控制信号,即占空比信号,用于实现对直流母线电压幅值的控制,r1、r2为系统注入阻尼系数,uref为直流母线参考电压,ibref、iscref分别为蓄电池和超级电容的电流参考值。
进一步地,所述自适应干扰补偿的具体过程为:
建立干扰估计方程,对干扰估计方程进行离散化,建立基于系统无源控制离散模型;
基于系统无源控制离散模型进行等效干扰补偿估计并经积分计算获得干扰补偿量。
进一步地,所述干扰估计方程的表达式为:
其中,δ1(t)、δ2(t)为系统参数不确定性的所引起的蓄电池和超级电容参考电流ibref、iscref的等效干扰值,r1、r2为系统注入阻尼系数,α1、α2为控制信号,uref为直流母线参考电压,ibref、iscref分别为蓄电池和超级电容的电流参考值。
进一步地,所述基于系统无源控制离散模型的建立过程包括:
令离散模型状态变量X(k)为:
其中,整数k≥0为离散模型的时间变量,为等效干扰估计值;
令系统输入向量S(k)为:
对干扰估计方程进行欧拉离散化,获得的系统无源控制离散模型如下:
进一步地,采用强跟踪滤波器基于系统无源控制离散模型在线估计获得等效干扰补偿估计值。
进一步地,所述经积分计算获得干扰补偿量为:
其中,k1、k2为蓄电池和超级电容参考电流ibref、iscref的补偿系数,ibmod、iscmod为ibref、iscref的干扰补偿量,为等效干扰补偿估计值。
与现有技术相比,本发明具有以如下有益效果:
1)本发明采用内环电流无源控制、外环电压无源控制双环控制方式对微网混合储能系统进行控制,可以有效维持母线电压稳定。
2)本发明在内环电流无源控制中,对电流参考值进行自适应干扰补偿修正,可以有效消除因微网混合储能系统参数变化对控制性能的影响,提高微网的鲁棒性。
3)本发明的自适应干扰补偿过程中,首先建立干扰估计方程,对干扰估计方程进行离散化建立基于系统无源控制的离散模型,然后由强跟踪滤波器基于系统无源控制离散模型利用输入输出实际数据估计并经过积分计算得到干扰补偿修正值,采用这种自适应干扰补偿的双环无源控制设计方法保证了微网混合储能系统在建模参数不准确、系统参数变化及存在外部干扰情况下能够有很好的鲁棒性。
附图说明
图1为本发明的结构示意图。
图2为无参数变化母线电压仿真图;
图3为无参数变化蓄电池修正电流图;
图4为无参数变化SC修正电流图;
图5为有参数变化母线电压仿真图;
图6为有参数变化蓄电池修正电流图;
图7为有参数变化SC修正电流图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
本发明提供一种微网混合储能系统的自适应干扰补偿无源控制方法,所述储能系统包括超级电容和蓄电池,超级电容作为短暂功率调节装置,蓄电池作为长期能量存储装置,所述超级电容和蓄电池分别通过双向DC-DC变换器并联到直流母线上,形成能量双向回路;由于受可再生能源输出功率变化和负荷变化等因素影响,直流母线电压会因此发生波动,可通过对双向DC-DC变换器开关管的控制,控制混合储能系统的充放电,来平抑直流母线电压波动。
该控制方法采用内环电流无源控制、外环电压无源控制的双环控制方式获得双向DC-DC变换器的控制信号,使得直流母线电压稳定,且电流环的电流参考值基于自适应干扰补偿修正获得。根据变换器控制信号(即双向DC-DC变换器功率开关管的控制律)来控制混合储能系统的充放电,如图1所示,控制律的具体生成途径为:将母线电压、超级电容电压、蓄电池电压及母线上等效电流信号作为控制参量,输入到电压无源控制器中,经控制器运算,生成超级电容和蓄电池充放电的理论参考电流;将生成的理论参考电流值和自适应干扰补偿输出的补偿量进行叠加,合成修正后的电流参考值;修正后的电流参考值与实际电流值相比较输入到电流无源控制器中,经运算处理生成变换器功率开关管的控制律;其中的自适应干扰补偿过程:首先是建立的系统无源控制整体模型,并增加两个扰动补偿变量;然后建立扩展的离散化估计模型;结合实测的系统输出信号利用强跟踪滤波器估计出扰动补偿变量,再进行积分变换得到最后的修正值。
上述微网混合储能系统的自适应干扰补偿无源控制方法的设计过程如下:
1、建立微网混合储能系统数学模型
根据基尔霍夫电路定律及状态空间模型法,得混合储能系统数学模型为:
其中,ibus是对外等效负荷电流;Cdc、udc分别是直流母线电容和电压;Lb、rb是蓄电池变换器的等效阻抗;Lsc、rsc是超级电容变换器的等效阻抗;ub、ib、α1分别是蓄电池电压、电流、占空比信号;usc、isc、α2分别是超级电容的电压、电流、占空比信号。
2、电压无源控制器设计
令[ib,isc,udc]T=[x1,x2,x3]T=X,微网的系统能量函数定义为存储在电感元件Lb、Lsc和电容元件Cdc中能量总和,即:
根据无源控制理论和端口受控耗散哈密顿系统理论,则端口受控系统的哈密顿模型为:
其中:J(X)为互联矩阵,R(X)为阻尼矩阵,g(X)为输入矩阵,其具体构造分别如下:
为了使微网在稳态状态下收敛到期望的平衡点,定义闭环系统的能量函数Hd(X)为:
其中,uref为对应的蓄电池充放电的理论参考电流、超级电容充放电的理论参考电流、直流母线参考电压。
微网混合储能系统具体的闭环系统自然互联矩阵Ja(X)和注入阻尼矩阵Ra(X)如下:
式中:ri(i=1,2,3)为系统注入阻尼系数。
将上述J(X)、R(X)、g(X)、Hd(X)、Ja(X)和Ra(X)代入无源控制算法(9)进行计算:
经计算可得以下含控制率α的状态方程组:
考虑微网混合储能系统达到稳态时的情况,此时:
系统需要平衡的能量绝大部分由蓄电池提供,超级电容主要用于平衡暂态能量。因此令超级电容电流理论参考值和直流母线电压参考值uref为常数,代入状态方程组(10)得:
求解状态方程组(12),可得微网稳态运行时蓄电池需向负载提供的理论参考电流值为:
与此同时,蓄电池和超级电容修正参考电流ibref、iscref的干扰补偿量ibmod、iscmod通过前馈补偿器输出,并与进行叠加,实现干扰的修正补偿:
3、电流无源控制器设计
电流无源控制器是内环控制器,其根据电压无源外环控制器输出的理论参考电流值和修正值,计算双向DC-DC变换器所需要的占空比,使超级电容和蓄电池电流快速跟踪其设定电流参考值。将r3=0代入状态方程(10)得:
求解状态方程(15),则控制律为:
控制信号α1、α2输入PWM脉宽调制器,并与载波信号进行比较,控制DC-DC变换器中晶闸管的开断,调节蓄电池和超级电容的输出电流。
4、自适应干扰补偿设计
自适应干扰补偿环节采用强跟踪滤波器,将无源控制器的输出控制量和微网的电压电流状态量代入系统离散模型进行在线迭代运算,估计出由于参数不准确引起的等效干扰补偿估计值然后,采用积分方法将平滑转化为干扰补偿量并修正蓄电池和超级电容电流参考值,,实现系统自适应干扰补偿。
4.1干扰估计模型
强跟踪滤波器中的离散模型根据无源控制算法,从内环到外环建立统一的系统参数变化干扰估计模型。由内环电流控制环的输出方程(16)可得:
电压外环控制器设计(12)代入控制率α状态方程组(10),消去注入阻尼和占空比变量,经计算可得蓄电池电流ib的表达式如下:
把蓄电池电流表达式(18)代入状态方程组(17),求出含有补偿干扰项的状态方程为:
其中,δ1(t)、δ2(t)为系统参数不确定性的所引起的蓄电池和超级电容电流参考值ibref、iscref的等效干扰补偿值。系统实际运行时,通过强跟踪滤波器(STF)在线估计出的值。
4.2模型离散化
为便于强跟踪滤波器在线滤波估计,将干扰方程(19)离散化,把δi(t)(i=1,2)扩展为系统状态量。令离散模型状态变量X(k)为:
其中,整数k≥0为离散模型的时间变量,为等效干扰补偿估计值。令系统输入向量S(k)为:
对干扰估计方程(19)进行欧拉离散化,离散化后的状态方程如下:
4.3强跟踪滤波器估计步骤
对一类非线性系统进行欧拉离散化,并考虑实际系统中过程噪声和观测噪声的影响,可得一类离散非线性系统如下:
其中:k为离散非线性系统离散时间变量;X(k)为离散非线性系统状态变量;Y(k)为离散非线性系统观测变量;S(k)为离散非线性系统输入控制变量;G(k)为离散非线性系统过程噪声变换矩阵;w(k)和e(k)为离散非线性系统过程白噪声和观测噪声;f(·)为非线性过程函数;v(·)为非线性观测函数。
针对一类离散非线性系统(23)可采用如下STF离散数学模型进行滤波估计:
状态一步预测:
一步预测协方差阵:
Γ(k+1|k)=ξ(k+1)F(k+1|k)Γ(k|k)FT(k+1|k)+G(k)Q(k)GT(k) (25)
滤波增益矩阵更新:
Z(k+1)=Γ(k+1|k)VT(k+1)(V(k+1)Γ(k+1|k)VT(k+1)+R(k+1))-1 (26)
状态更新:
协方差阵更新:
Γ(k+1)=(I-Z(k+1)V(k+1))Γ(k+1|k) (28)
次优渐消因子:
ξ(k+1)=diag(a1c(k+1),a2c(k+1),...,anc(k+1)) (29)
其中:F(·)为f(·)对X的一阶偏导数;V(·)为v(·)对X的一阶偏导数;Γ(k+1)为协方差矩阵;Z(k+1)为滤波增益矩阵;ξ(k+1)为次优渐消因子,用以减弱历史数据对当前滤波值的影响。
由于微网电压电流值可直接测得,而干扰需要在线滤波估计。因此,令v(k)=diag(1,0,1,0),Y(k)=[x1(k+1),x3(k+1)]T,N(k)、Q(k)为单位矩阵。最后,把式(22)代入公式(24)-(29)中进行迭代运算,实现干扰的STF在线估计。
4.4积分变换输出修正值
考虑到实际工程中蓄电池和超级电容电流突变会影响器件寿命,并影响控制算法的稳定性。因此,采用积分方法将平滑转化补偿到蓄电池和超级电容参考电流中,即:
其中:ki(i=1,2)为蓄电池和超级电容电流参考值ibref、iscref的补偿系数。若稳态时的值为0,表明系统干扰已被完全补偿。
将本发明自适应干扰补偿无源控制方法(记为EID-APBC)与传统无源控制方法进行实现比较,比较结果如图2-图7所示,在有参数变化仿真中,设3s时,PEMFC的线路电阻从12mΩ变为75mΩ,设20s时,SC的线路电阻由20mΩ变为85mΩ。由实验结果可知,本发明方法在系统有参数变化时具有较好的鲁棒性。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种微网混合储能系统的自适应干扰补偿无源控制方法,所述储能系统包括超级电容和蓄电池,所述超级电容和蓄电池分别通过双向DC-DC变换器并联到直流母线上,形成能量双向回路,其特征在于,所述控制方法具体为:
采用内环电流无源控制、外环电压无源控制的双环控制方式获得双向DC-DC变换器的控制信号,使得直流母线电压稳定,所述外环电压无源控制生成所述储能系统充放电的理论参考电流值,所述内环电流无源控制使储能系统充放电电流达到电流参考值,并生成变换器控制信号,所述电流参考值基于自适应干扰补偿修正获得。
2.根据权利要求1所述的微网混合储能系统的自适应干扰补偿无源控制方法,其特征在于,所述储能系统的数学模型表示为:
其中,ibus是对外等效负荷电流;Cdc、udc分别是直流母线电容和电压;Lb、rb是蓄电池变换器的等效阻抗;Lsc、rsc是超级电容变换器的等效阻抗;ub、ib、α1分别是蓄电池电压、电流和占空比信号;usc、isc、α2分别是超级电容的电压、电流和占空比信号。
3.根据权利要求2所述的微网混合储能系统的自适应干扰补偿无源控制方法,其特征在于,所述外环电压无源控制中,生成的理论参考电流值满足以下闭环系统的能量函数Hd(X):
其中,分别为蓄电池和超级电容充放电的理论参考电流值,uref为直流母线参考电压。
4.根据权利要求2所述的微网混合储能系统的自适应干扰补偿无源控制方法,其特征在于,所述内环电流无源控制中,电流参考值由理论参考电流值与干扰补偿量叠加获得:
其中,ibref、iscref分别为蓄电池和超级电容的电流参考值,分别为蓄电池和超级电容充放电的理论参考电流值,ibmod、iscmod分别为蓄电池和超级电容的干扰补偿量。
5.根据权利要求2所述的微网混合储能系统的自适应干扰补偿无源控制方法,其特征在于,所述变换器控制信号的表达式为:
其中,α1、α2为控制信号,即占空比信号,用于实现对直流母线电压幅值的控制,r1、r2为系统注入阻尼系数,uref为直流母线参考电压,ibref、iscref分别为蓄电池和超级电容的电流参考值。
6.根据权利要求1所述的微网混合储能系统的自适应干扰补偿无源控制方法,其特征在于,所述自适应干扰补偿的具体过程为:
建立干扰估计方程,对干扰估计方程进行离散化,建立基于系统无源控制离散模型;
基于系统无源控制离散模型进行等效干扰补偿估计并经积分计算获得干扰补偿量。
7.根据权利要求6所述的微网混合储能系统的自适应干扰补偿无源控制方法,其特征在于,所述干扰估计方程的表达式为:
其中,δ1(t)、δ2(t)为系统参数不确定性的所引起的蓄电池和超级电容参考电流ibref、iscref的等效干扰补偿值,r1、r2为系统注入阻尼系数,α1、α2为控制信号,uref为直流母线参考电压,ibref、iscref分别为蓄电池和超级电容的电流参考值。
8.根据权利要求7所述的微网混合储能系统的自适应干扰补偿无源控制方法,其特征在于,所述基于系统无源控制离散模型的建立过程包括:
令离散模型状态变量X(k)为:
其中,整数k≥0为离散模型的时间变量,为等效干扰估计值;
令系统输入向量S(k)为:
对干扰估计方程进行欧拉离散化,获得的系统无源控制离散模型如下:
9.根据权利要求6所述的微网混合储能系统的自适应干扰补偿无源控制方法,其特征在于,采用强跟踪滤波器基于系统无源控制离散模型在线估计获得等效干扰补偿估计值。
10.根据权利要求6所述的微网混合储能系统的自适应干扰补偿无源控制方法,其特征在于,所述经积分计算获得干扰补偿量为:
其中,k1、k2为蓄电池和超级电容参考电流ibref、iscref的补偿系数,ibmod、iscmod为ibref、iscref的干扰补偿量,为等效干扰补偿估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811339039.0A CN109980666A (zh) | 2018-11-12 | 2018-11-12 | 一种微网混合储能系统的自适应干扰补偿无源控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811339039.0A CN109980666A (zh) | 2018-11-12 | 2018-11-12 | 一种微网混合储能系统的自适应干扰补偿无源控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109980666A true CN109980666A (zh) | 2019-07-05 |
Family
ID=67076073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811339039.0A Pending CN109980666A (zh) | 2018-11-12 | 2018-11-12 | 一种微网混合储能系统的自适应干扰补偿无源控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109980666A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110676836A (zh) * | 2019-08-30 | 2020-01-10 | 北方工业大学 | 基于扰动观测器的buck变流器并联动态补偿方法以及系统 |
CN111313401A (zh) * | 2019-12-06 | 2020-06-19 | 国网天津市电力公司电力科学研究院 | 一种基于哈密顿控制原理的非车载充放电控制系统及方法 |
CN112383075A (zh) * | 2020-11-13 | 2021-02-19 | 太原理工大学 | 一种共直流母线多机运行储能系统能量管理控制装置 |
CN112477690A (zh) * | 2020-11-13 | 2021-03-12 | 太原理工大学 | 一种新能源汽车驱动系统能量动态分配与优化控制装置 |
CN114221367A (zh) * | 2022-01-21 | 2022-03-22 | 国网湖南省电力有限公司 | 一种储能变流器运行优化控制方法、装置及储能变流器 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106058845A (zh) * | 2016-06-13 | 2016-10-26 | 上海电力学院 | 基于混合储能的直流母线电压有限时间无源控制方法 |
CN106451470A (zh) * | 2016-12-05 | 2017-02-22 | 上海电力学院 | 电网电压不平衡时双馈电机的网侧变流器控制方法 |
CN106786492A (zh) * | 2017-01-25 | 2017-05-31 | 上海电力学院 | 含有变系数负载观测器的混合储能控制系统及其设计方法 |
-
2018
- 2018-11-12 CN CN201811339039.0A patent/CN109980666A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106058845A (zh) * | 2016-06-13 | 2016-10-26 | 上海电力学院 | 基于混合储能的直流母线电压有限时间无源控制方法 |
CN106451470A (zh) * | 2016-12-05 | 2017-02-22 | 上海电力学院 | 电网电压不平衡时双馈电机的网侧变流器控制方法 |
CN106786492A (zh) * | 2017-01-25 | 2017-05-31 | 上海电力学院 | 含有变系数负载观测器的混合储能控制系统及其设计方法 |
Non-Patent Citations (2)
Title |
---|
杨帆等: "独立直流微电网中燃料电池与超级电容的功率协调控制", 《电力自动化设备》 * |
杨帆等: "直流微电网基于等价输入干扰的自适应无源控制", 《高电压技术》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110676836A (zh) * | 2019-08-30 | 2020-01-10 | 北方工业大学 | 基于扰动观测器的buck变流器并联动态补偿方法以及系统 |
CN111313401A (zh) * | 2019-12-06 | 2020-06-19 | 国网天津市电力公司电力科学研究院 | 一种基于哈密顿控制原理的非车载充放电控制系统及方法 |
CN111313401B (zh) * | 2019-12-06 | 2023-08-15 | 国网天津市电力公司电力科学研究院 | 一种基于哈密顿控制原理的非车载充放电控制系统及方法 |
CN112383075A (zh) * | 2020-11-13 | 2021-02-19 | 太原理工大学 | 一种共直流母线多机运行储能系统能量管理控制装置 |
CN112477690A (zh) * | 2020-11-13 | 2021-03-12 | 太原理工大学 | 一种新能源汽车驱动系统能量动态分配与优化控制装置 |
CN112383075B (zh) * | 2020-11-13 | 2022-06-03 | 太原理工大学 | 一种共直流母线多机运行储能系统能量管理控制装置 |
CN114221367A (zh) * | 2022-01-21 | 2022-03-22 | 国网湖南省电力有限公司 | 一种储能变流器运行优化控制方法、装置及储能变流器 |
CN114221367B (zh) * | 2022-01-21 | 2024-04-19 | 国网湖南省电力有限公司 | 一种储能变流器运行优化控制方法、装置及储能变流器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109980666A (zh) | 一种微网混合储能系统的自适应干扰补偿无源控制方法 | |
Hajizadeh et al. | Control of hybrid fuel cell/energy storage distributed generation system against voltage sag | |
Thounthong et al. | Performance investigation of linear and nonlinear controls for a fuel cell/supercapacitor hybrid power plant | |
CN110011296B (zh) | 一种基于自抗扰控制技术的直流微电网分布式下垂控制方法 | |
CN109149620B (zh) | 一种自储能多端柔直系统控制方法及系统 | |
Hu et al. | Optimization of battery energy storage system with super-capacitor for renewable energy applications | |
CN110021960B (zh) | 一种基于模型预测控制的孤岛微电网电压频率控制方法 | |
CN109617105B (zh) | 一种基于下垂控制的分布式复合储能协同控制方法 | |
CN111817326B (zh) | 一种交流微网孤岛模式下的分散式储能soc控制及整合方法 | |
CN110137971B (zh) | 一种三相交流电力弹簧的电压平稳控制方法 | |
Yamashita et al. | Distributed control of a user-on-demand renewable-energy power-source system using battery and hydrogen hybrid energy-storage devices | |
CN106340892B (zh) | 用于平抑风电输出功率的储能系统的控制设备 | |
CN110323749A (zh) | Lcl滤波器并网逆变器的干扰抑制方法 | |
CN112688307B (zh) | 一种交直流混合微电网控制器及控制方法 | |
CN109617127A (zh) | 新型微网系统及其逆变器控制策略和小信号建模方法 | |
CN105896520B (zh) | 分布式光储直流供电系统功率平滑控制方法 | |
CN114709807A (zh) | 一种基于储能变换器的直流微网灵活虚拟惯性控制方法 | |
Khan et al. | Hybrid energy storage system for voltage stability in a DC microgrid using a modified control strategy | |
Rezkallah et al. | Power quality in smart grids | |
Hajizadeh et al. | Intelligent robust control of hybrid distributed generation system under voltage sag | |
CN116632991A (zh) | 基于混合储能装置的分布式无通信功率协调分配系统及方法 | |
Zhang et al. | Deadbeat control with power sharing for supercapacitor/battery-based hybrid energy storage systems in DC microgrids | |
Su et al. | A decentralized power allocation strategy for dynamically forming multiple hybrid energy storage systems aided with power buffer | |
Reddy et al. | Enhancement of power quality with fuzzy based UPQC in grid integrated and battery assisted PV system | |
CN105990853A (zh) | 一种基于模糊控制的并网逆变器控制方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190705 |