CN110021960B - 一种基于模型预测控制的孤岛微电网电压频率控制方法 - Google Patents

一种基于模型预测控制的孤岛微电网电压频率控制方法 Download PDF

Info

Publication number
CN110021960B
CN110021960B CN201910328375.3A CN201910328375A CN110021960B CN 110021960 B CN110021960 B CN 110021960B CN 201910328375 A CN201910328375 A CN 201910328375A CN 110021960 B CN110021960 B CN 110021960B
Authority
CN
China
Prior art keywords
control
voltage
prediction
grid
current
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.)
Active
Application number
CN201910328375.3A
Other languages
English (en)
Other versions
CN110021960A (zh
Inventor
郭红霞
余天宝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201910328375.3A priority Critical patent/CN110021960B/zh
Publication of CN110021960A publication Critical patent/CN110021960A/zh
Application granted granted Critical
Publication of CN110021960B publication Critical patent/CN110021960B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H02J3/385—
    • 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]
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/388—Islanding, i.e. disconnection of local power supply from the network
    • 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
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Inverter Devices (AREA)

Abstract

本发明提出了一种基于模型预测控制的孤岛微电网电压频率控制方法，所述微电网包括：光伏发电单元、储能单元、电力变换器单元及负荷。控制系统包括有模型预测控制系统、蓄电池功率控制系统、光伏电池MPPT跟踪系统、逆变器控制器。该模型预测控制方法包括模型预测、滚动优化、反馈校正三个部分。其中，模型预测采用dq0坐标下的滤波器电压电流状态方程和负载电流预测，优化目标函数同时考虑了孤岛运行模式下的为微电网频率和电压，通过滚动优化找出预测步长内的满足网侧电压频率偏差最小的最优控制变量，反馈校正通过采样当前时刻的电网状态修正预测模型，防止模型失配和环境干扰引起的控制偏差。

Description

一种基于模型预测控制的孤岛微电网电压频率控制方法
技术领域
本发明是涉及电力系统领域的控制方法，尤其涉及一种基于模型预测控制的孤岛微电网电压频率控制方法。
背景技术
微电网是一种将分布式电源、负载、储能装置以及电力变换器以及监测控制系统结合在一起的小型系统。通过对微电网的运行控制，可以实现并网或孤岛运行。目前，微电网在孤岛运行条件下，由于具有很强的不确定性、时变性以及非线性，想要得到精确的数学模型是相当困难的，经典控制理论和现代控制理论虽然具有精确的理论设计方法和高的控制精度，但是都需要有控制对象的精确模型，所以控制效果不理想。因此微电网的电压频率控制对于孤岛微电网的经济性和稳定性都具有重要意义。
发明内容
本发明的在于克服现有技术存在的不足，提供一种微电网在孤岛运行方式下的交流侧电压和频率的稳定控制方法。
本发明的目的至少通过如下技术方案之一实现。
一种基于模型预测控制的孤岛微电网电压频率控制方法，所述微电网包括控制单元、光伏发电单元、蓄电池储能单元、DC/DC变换器单元、逆变器单元和区域负荷；
其包括如下步骤：
(1)选取控制步长Nc*Ts，预测步长Np*Ts，其中，Ts为预测周期。
(2)控制单元接收微电网当前的状态变量值；
(3)控制单元中的反馈校正模块根据当前状态变量值，进行修正预测模型和目标函数中的加权系数；
(4)取k＝1；
(5)通过预测模型利用测得的状态变量预测第k个预测周期Ts的微电网状态变量；
(6)判断k值，若k≤Nc，选择第k个预测周期的控制变量值，若k＞Nc，沿用第Nc个预测周期的控制变量值；
(7)将所取的控制变量和预测的状态变量代入预测模型预测第k+1个预测周期的微电网状态变量；
(8)将k值加1，即k＝k+1；判断k值，若k＞Np，停止预测；若k≤Np，跳转至步骤(5)；
(9)确定出最优控制变量取值向量；其中最优控制变量取值确定要求如下：
在各时间节点状态变量满足规定约束的条件下目标函数最小；
(10)将最优控制变量下配至DC/DC变换器单元、逆变器单元执行；
下一个预测周期，由步骤(1)开始，重复以上步骤。
进一步地，步骤(2)所述状态变量值包括：微电网LC滤波器的电压电流。
进一步地，步骤(3)中，预测模型利用LC滤波器的电压电流状态方程，根据网侧电流电压修正负载等效阻抗，通过LC滤波器的电感和电容建立dq0坐标系下的电压电流状态方程，并将状态方程按控制步长离散化，实现了根据当前的LC滤波器的电压电流值预测下一个控制步长的网侧电压电流。
进一步地，步骤(3)述目标函数是电网频率偏差和电压偏差的加权和，加权系数根据上一时刻的偏差值确定，变量偏差越大加权系数越大，按偏差调整加权系数兼顾电压和频率的稳定。
进一步地，步骤(3)中，每次预测所取的控制变量为蓄电池功率和逆变器调制电压；蓄电池参考功率发至蓄电池储能单元，逆变器幅值调制比发至逆变器；蓄电池储能单元采用双向DC/DC功率变换器，蓄电池储能单元通过PI控制跟踪所输送的参考功率，使得微电网能够满足直流侧和交流侧的功率平衡，稳定交流侧的频率。
进一步地，所述控制步长为预测周期Ts的Nc倍的时间长，控制步长内的每隔一个预测周期的时间节点选择控制量，故控制步长内共有Nc个控制量组。预测步长为预测周期Ts的Np倍的时间长，预测步长内的每隔一个预测周期的时间节点都有预测的状态量，故预测步长内共有Nc个预测所得的状态量组。其中，Np＞Nc。在NpTs＞t＞NeTs的时间段内的节点，不改变控制量。
进一步地，所述逆变器的拓扑为三相全桥拓扑，通过跟踪优化系统的幅值调制比，使逆变器交流侧输出电压满足电压要求。
进一步地，所述约束包括蓄电池电量、充电电流、网侧电压电流。
与现有技术相比，本发明具有如下优点和技术效果：
本发明的模型预测采用dq0坐标下的滤波器电压电流状态方程和负载电流预测，优化目标函数同时考虑了孤岛运行模式下的为微电网频率和电压，通过滚动优化找出预测步长内的满足网侧电压频率偏差最小的最优控制变量，反馈校正通过采样当前时刻的电网状态修正预测模型，防止模型失配和环境干扰引起的控制偏差。
其中，接收的变量为当前微电网LC滤波器的交流电压电流dq0变换后的值。通过接收的网侧工作状态修正网侧等效阻抗，通过LC滤波器的电感和电容建立dq0坐标系下的电压电流状态方程，并将状态方程按控制步长离散化。其效果是能够实现了根据当前的LC滤波器的电压电流值预测下一个控制步长的网侧电压电流。
每次预测所取的控制变量为蓄电池功率和逆变器调制电压。蓄电池参考功率发至蓄电池储能单元，逆变器幅值调制比发至逆变器。蓄电池储能单元采用双向DC/DC功率变换器，通过PI控制跟踪所输送的参考功率，其效果是微电网能够满足直流侧和交流侧的功率平衡，稳定交流侧的频率。
逆变器拓扑为三相全桥拓扑，通过跟踪优化系统的幅值调制比，其效果是逆变器交流侧输出电压满足电压要求。
目标函数是电网频率偏差和电压偏差的加权和，加权系数根据上一时刻的偏差值确定，变量偏差越大加权系数越大，其效果是可以按偏差调整加权系数兼顾电压和频率的稳定。
附图说明
图1为模型预测控制算法流程图。
图2为光伏阵列MPPT原理图。
图3为蓄电池双向功率控制系统结构图。
图4为三相逆变器控制系统控制结构图。
具体实施方式
下面结合附图对本发明的具体实施作进一步说明，但本发明的实施和保护不限于此，需指出是，以下若有未特别详细说明之过程或符号，均是本领域技术人员可参照现有技术理解或实现的。
本实施例所述的微电网设置可再生发电单元(本实施例以光伏发电为例说明)、控制单元、蓄电池储能单元、DC/DC变换器单元、逆变器单元、区域负荷、输送线路。光伏发电单元通过MPPT控制实现光伏功率最大输出，控制单元通过模型预测控制法调节DC/DC变换器单元输出功率和逆变器单元调制波，实现微电网的电压和频率在额定值附近的相对稳定。流程图如附图1所示。
本实施例提供的一种基于模型预测控制的孤岛微电网电压频率控制方法，所述微电网包括光伏发电单元、蓄电池储能单元、DC/DC变换器单元、逆变器单元和区域负荷；
所述控制方法包括如下步骤：
(1)选取控制步长Nc*Ts，预测步长Np*Ts，其中，Ts为预测周期。
(2)控制单元接收微电网当前的状态变量值；
(3)控制单元中的反馈校正模块根据当前状态变量值，进行修正预测模型和目标函数中的加权系数；
(4)取k＝1；
(5)通过预测模型利用测得的状态变量预测第k个预测周期Ts的微电网状态变量；
(6)判断k值，若k≤Nc，选择第k个预测周期的控制变量值，若k＞Nc，沿用第Nc个预测周期的控制变量值；
(7)将所取的控制变量和预测的状态变量代入预测模型预测第k+1个预测周期的微电网状态变量；
(8)将k值加1，即k＝k+1；判断k值，若k＞Np，停止预测；若k≤Np，跳转至步骤(5)；
(9)确定出最优控制变量取值向量；其中最优控制变量取值确定要求如下：
在各时间节点状态变量满足规定约束的条件下目标函数最小；
(10)将最优控制变量下配至DC/DC变换器单元、逆变器单元执行；
下一个预测周期，由步骤(1)开始，重复以上步骤。
直流侧的光伏发电采用MPPT跟踪技术，使用扰动跟踪法计算得到当前工作温度和光照条件下光伏最大可能的输出功率，并得出对应的最优工作电压Upref，将光伏端口电压的测量值与Upref取差得到误差信号，并通过映入PI控制实现最优电压的闭环跟踪，调节boost变换器的占空比改变光伏系统的等效输出阻抗，以使光伏工作在最大功率的对应的工作电压下，向直流母线输出最大功率。控制结构如附图2所示。
蓄电池储能单元主要用于直流侧和交流侧的功率平衡，蓄电池通过双向DCDC变换器与直流侧进行功率交换。
蓄电池的双向DC/DC拓扑和控制系统如附图3所示，当参考功率为正时，仅VT1和VD2工作，变换器工作在Buck模式，蓄电池向直流母线放电；当参考功率为负时，仅VT2和VD1工作，变换器工作在Boost模式，直流母线向蓄电池充电。(图3中，VT1与VD1反向并联，VT2与VD2反向并联)。
双向DC/DC变换器采用PI控制对给定功率进行跟踪，通过参考功率值除以测量所得的蓄电池电压值得到蓄电池电流的参考值，与电流测量值相减得到误差信号，并通过PI控制利用电流误差信号控制DC/DC变换器占空比，所得占空比通过与锯齿波信号比较后得到控制脉冲，控制开关管的通断，整个功率闭环使得电感电流跟踪参考电流值。控制器通过判断参考功率的正负来判断功率的方向，进而生成对应开关管的控制信号使得变换器工作在相应的功率传输模式，当参考功率为负时，关断VT2，只对VT1输出工作脉冲；当参考功率为正时，关闭VT1，只对VT2输出工作脉冲。储能单元变换器由此实现了对模型预测控制所求出的蓄电池输出功率最优值Ps的有效跟踪。
交流侧变换器采用预测模型控制，预测步骤如下：
预测模型通过对LC滤波器建模，在abc坐标下的状态方程如下
Figure BDA0002036935450000051
Figure BDA0002036935450000052
其中，eabc为三相逆变器的等效输出电压[ea，eb，ec]，uabc为滤波电容电压[ua，ub，uc]；iabc为滤波电感电流[ia，ib，ic]，iLabc为负载电流[iLa，iLb，iLc]，L表示每相的滤波电感值，C表示每相的滤波电容的值。
通过Park变换后，得到交流侧dq0坐标下的电压电流预测模型。模型结构如下
Figure BDA0002036935450000053
Figure BDA0002036935450000054
其中，P表示Park变换矩阵，P-1为Park逆变换矩阵，idq0表示iabc进行Park变换后的值[id，iq，i0]，udq0表示uabc进行Park变换后的值[ud，uq，u0]，edq0表示eabc进行Park变换后的值[ed，eq，e0]，iLdq0表示iLabc进行Park变换后的值[iLd，iLq，iL0]。ud与电压向量轴重合，即uq＝0。
将上述dq0方程离散化，得到
Figure BDA0002036935450000055
Figure BDA0002036935450000056
其中，Ts为预测周期；idq0(k)表示第k个预测周期的电感电流dq0分量值，即
[id(k)，iq(k)，i0(k)]；edq0(k)表示第k个预测周期的三相逆变器等效电压dq0分量值，即
[ed(k)，eq(k)，e0(k)]；表示第k个预测周期的负载电流dq0分量值，即[iLd(k)，iLq(k)，iL0(k)]；表示第k个预测周期的电容电压的dq0分量值，即[ud(k)，uq(k)，u0(k)]。
负载电流按照恒阻抗负载进行预测，即将负载等效为在预测步长内保持很定的阻抗。由于uq＝0，所以
Figure BDA0002036935450000061
与
Figure BDA0002036935450000062
为定值，设
Figure BDA0002036935450000063
则
Figure BDA0002036935450000064
其中，
Figure BDA0002036935450000065
所以，将式(7)代入式(5)和(6)得到
Figure BDA0002036935450000066
Figure BDA0002036935450000067
用矩阵表示为
Figure BDA0002036935450000068
其中，
Figure BDA0002036935450000069
E为三阶单位矩阵
Figure BDA00020369354500000610
设
Figure BDA00020369354500000611
则式(8)可改写为
λ(k+1)＝M*λ(k)+N*e(k)   (9)
由式(9)可得
λ(k+2)＝M*λ(k+1)+N*e(k+1)＝M2*λ(k)+MN*e(k)+N*e(k+1)
以此类推，可得
Figure BDA00020369354500000612
Figure BDA0002036935450000071
其中，Λp(k)＝(λ(k+1)λ(k+2)....λ(k+p-1)λ(k+p))T
Λ(k)＝(λ(k)λ(k)....λ(k)λ(k))T
E(k)＝(e(k+1)e(k+2)....e(k+p-1)e(k+p))T
通过式(10)即可得到预测步长内的状态变量预测值。
该离散模型实现了对下一个步长的网侧电流电压的预测，并通过上述离散模型可以还可得到微电网的其他状态变量。
PL(k+1)＝id(k+1)ud(k+1)+iq(k+1)uq(k+1)
＝udq0(k+1)T*idq0(k+1)   (11)
uabc(k+1)＝P-1udq0(k+1)   (12)
Figure BDA0002036935450000072
f(k+1)＝f0-w*(PL(k+1)-Pmppt(k+1)-Ps(k+1))   (14)其中，edq0(k+1)为第k+1个预测周期的为逆变器等效的输出电压值，udq0(k+1)为第k+1个预测周期的LC滤波器的电容电压，idq0(k+1)为第k+1个预测周期的滤波器电感电流[id(k+1)，iq(k+1)，i0(k+1)]，f(k+1)为第k+1个预测周期的网侧频率，fo为微电网额定频率，SOC(k+1)为第k+1个预测周期的蓄电池电荷量，Ps(k+1)为第k+1个预测周期的蓄电池输出功率，Pmppt(k+1)为第k+1个预测周期的光伏板输出功率，PL(k+1)为第k+1个预测周期内负载功率，w为下垂系数。频率按照下垂原理进行预测估计。Ps与eabc为模型预测中的控制变量。
模型预测控制的目标函数如下：
Figure BDA0002036935450000073
其中，Un为微电网额定电压，fo为额定频率，Np为预测步长与预测周期的时间比，a和b为加权系数，加权系数计算公式如下：
Figure BDA0002036935450000074
Figure BDA0002036935450000075
其中，a0和b0为加权系数基值，k和m为偏移系数。因此，当上次对应优化量的偏差大时，对应的目标函数权重系数会增大，起到了反馈的作用。
将目标函数式(15)用二次型矩阵表示为
J＝(ρ-1)TA(ρ-1)   (18)
其中，ρ为标幺值向量，A为权重矩阵
Figure BDA0002036935450000081
A＝diag(a，a，..，a，b，b，..，b)
其中，U(k)表示预测步长内第k个预测周期时间点的网侧电压有效值，f(k)表示预测步长内第k个预测周期时间点的网侧频率值。
f(k+i)可由式(14)求得，u(k+i)可由式(12)求得，a与b可由式(16)与式(17)求得。
优化的约束条件如下：
fmax≥f≥fmin Uomax≥Uo≥Uomin
SOCmax≥SOC≥SOCmin Udcmax≥Udc≥Udcmin
Figure BDA0002036935450000082
其中，ICmax和ICmin分别为蓄电池充电电流的上下限。
每次滚动优化的参考输出执行结束后，反馈校正部分采集网侧状态变量校正负载等效模型和目标函数权重矩阵。
如附图4所示，在指定时间内滚动寻优，得到控制步长内Np个时间节点下的满足约束条件的目标函数的蓄电池参考功率与参考调制波的最优取值。
DC/AC逆变器的拓扑如图所示，为三相全桥逆变器，模型预测控制所求解得出的逆变器输出等效电压最优值，通过与所测得的直流母线电压相除，求解出电压幅值调制比，以此输出对应的逆变器等效电压值。

Claims (3)

1.一种基于模型预测控制的孤岛微电网电压频率控制方法，所述微电网包括控制单元、光伏发电单元、蓄电池储能单元、DC/DC变换器单元、逆变器单元和区域负荷；
其特征在于包括如下步骤：
(1)选取控制步长Nc*Ts，预测步长Np*Ts，其中，Ts为预测周期；
(2)控制单元接收微电网当前的状态变量值；所述状态变量值包括：微电网LC滤波器的电压电流；预测模型利用LC滤波器的电压电流状态方程，根据网侧电流电压修正负载等效阻抗，通过LC滤波器的电感和电容建立dq0坐标系下的电压电流状态方程，并将状态方程按控制步长离散化，实现了根据当前的LC滤波器的电压电流值预测下一个控制步长的网侧电压电流；
(3)控制单元中的反馈校正模块根据当前状态变量值，进行修正预测模型和目标函数中的加权系数；所述目标函数是电网频率偏差和电压偏差的加权和，加权系数根据上一时刻的偏差值确定，变量偏差越大加权系数越大，按偏差调整加权系数兼顾电压和频率的稳定；
(4)取预测周期的初始值k＝1；
(5)通过预测模型利用测得的状态变量预测第k个预测周期Ts的微电网状态变量；
(6)判断k值，若k≤Nc，选择第k个预测周期的控制变量值，若k＞Nc，沿用第Nc个预测周期的控制变量值；每次预测所取的控制变量为蓄电池功率和逆变器调制电压；蓄电池参考功率发至蓄电池储能单元，逆变器幅值调制比发至逆变器；蓄电池储能单元采用双向DC/DC功率变换器，蓄电池储能单元通过PI控制跟踪所输送的参考功率，使得微电网能够满足直流侧和交流侧的功率平衡，稳定交流侧的频率；
(7)将所取的控制变量和预测的状态变量代入预测模型预测第k+1个预测周期的微电网状态变量；
(8)将k值加1，判断k值，若k＞Np，停止预测；若k≤Np，跳转至步骤(5)；
(9)确定出最优控制变量取值向量；其中最优控制变量取值确定要求如下：
在各时间节点状态变量满足规定约束的条件下目标函数最小；
(10)将最优控制变量下配至DC/DC变换器单元、逆变器单元执行；
下一个预测周期，由步骤(1)开始，重复以上步骤。
2.根据权利要求1一种基于模型预测控制的孤岛微电网电压频率控制方法，其特征在于所述逆变器的拓扑为三相全桥拓扑，通过跟踪优化系统的幅值调制比，使逆变器交流侧输出电压满足电压要求。
3.根据权利要求1一种基于模型预测控制的孤岛微电网电压频率控制方法，其特征在于所述约束包括蓄电池电量、充电电流和网侧电压电流。
CN201910328375.3A 2019-04-23 2019-04-23 一种基于模型预测控制的孤岛微电网电压频率控制方法 Active CN110021960B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910328375.3A CN110021960B (zh) 2019-04-23 2019-04-23 一种基于模型预测控制的孤岛微电网电压频率控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910328375.3A CN110021960B (zh) 2019-04-23 2019-04-23 一种基于模型预测控制的孤岛微电网电压频率控制方法

Publications (2)

Publication Number Publication Date
CN110021960A CN110021960A (zh) 2019-07-16
CN110021960B true CN110021960B (zh) 2023-04-21

Family

ID=67192209

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910328375.3A Active CN110021960B (zh) 2019-04-23 2019-04-23 一种基于模型预测控制的孤岛微电网电压频率控制方法

Country Status (1)

Country Link
CN (1) CN110021960B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111224427A (zh) * 2020-02-27 2020-06-02 上海电机学院 一种微电网自适应反孤岛扰动负载阻抗值预测方法及装置
CN111525612B (zh) * 2020-04-28 2021-08-24 东南大学 适用于新能源并网系统的实时稳定控制装置
CN112366735B (zh) * 2020-12-01 2022-06-07 合肥工业大学 一种基于自适应在线模型辨识的微电网二次调频方法
CN112821448B (zh) * 2021-01-05 2023-06-09 国网辽宁省电力有限公司经济技术研究院 一种将深度学习应用于微电网孤岛检测方法
CN113485126B (zh) * 2021-08-23 2023-05-12 安徽工业大学 一种用于直流微电网集群的改进型动态矩阵控制三次控制方法
CN113949096B (zh) * 2021-10-13 2024-04-09 国网江苏省电力有限公司连云港供电分公司 一种基于反推模型预测控制的储能系统控制器设计方法
CN116774768B (zh) * 2023-08-22 2024-02-06 深圳市德兰明海新能源股份有限公司 一种通道复用的储能电源的功率追踪方法及其系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104865479B (zh) * 2015-06-15 2018-06-01 江苏方天电力技术有限公司 一种孤岛检测方法
CN104979849A (zh) * 2015-06-30 2015-10-14 华南理工大学 一种适用于用户侧微电网的并网运行控制方法
CN104993478B (zh) * 2015-06-30 2017-06-23 华南理工大学 一种适用于用户侧微电网的离网运行控制方法
FR3046304B1 (fr) * 2015-12-23 2019-05-31 Schneider Electric Industries Sas Procede de controle d'un micro reseau de distribution electrique
CN106385194B (zh) * 2016-11-26 2018-09-18 温州大学 微网离网模式下逆变器分数阶电压和频率高效控制方法
CN108539797B (zh) * 2018-03-14 2021-05-28 广州环保投资集团有限公司 一种考虑经济性的孤岛微电网二次频率和电压控制方法
CN108923465A (zh) * 2018-08-03 2018-11-30 国网福建省电力有限公司 混合下垂控制与模型预测电压控制的微网孤岛控制方法
CN109617082B (zh) * 2019-01-23 2022-07-01 南京邮电大学 一种抑制微电网电压频率越限的暂态稳定控制方法

Also Published As

Publication number Publication date
CN110021960A (zh) 2019-07-16

Similar Documents

Publication Publication Date Title
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
CN108512452B (zh) 一种直流微电网并网变换器电流的控制系统及控制方法
CN102185533B (zh) 储能型准-z源光伏发电控制系统和控制方法
US20150021998A1 (en) Stabilized power generation
CN106230257A (zh) 一种双向直流变换器反馈线性化反步滑模控制方法
Bengourina et al. PSO based direct power control for a multifunctional grid connected photovoltaic system
CN106786485B (zh) 用于不平衡负载下直流微电网的电压脉动抑制方法
CN105656022B (zh) 一种分布式光储直流供电系统非线性微分平滑控制方法
CN112688307A (zh) 一种交直流混合微电网控制器及控制方法
CN116742698A (zh) 一种考虑联络线功率冲击的配电网主动预防控制方法
Yasmine et al. Grid connected photovoltaic system efficiency and quality improvement using fuzzy-incond MPPT
Solanki et al. Power smoothing techniques to mitigate solar intermittency
Yu et al. Multi-step predictive current control for NPC grid-connected inverter
Abdulelah et al. Improve Lifespan of Battery Energy Storage in Remote Area Power System
CN117498429A (zh) 一种基于虚拟同步发电机的光伏逆变器控制方法及系统
CN110445177B (zh) 基于切换观测器控制的光伏逆变系统控制方法
CN110518625A (zh) 一种可变学习率bp-pid控制的并网逆变器直流分量抑制方法
Aryanezhad Fuzzy-decision-making predictive power control approach to on-grid photovoltaic panel
Traiki et al. Multi-objective control strategy of PV conversion system with storage energy management
Kumar et al. Anfis Based MPPT and Cascaded H-Bridge 31-Level MLI With High Gain Landsman Converter In Single-Phase SPV Power With Grid Connectivity For Improving Power Quality
Sharma et al. A novel control methodology for stand-alone photovoltaic systems utilizing maximum power point tracking
Sunny et al. Sliding Mode Control of Bidirectional DC-DC Converter for Stand Alone PV Applications
Arjun et al. A power electronic controller for PV-tied Grid-connected system with single parameter sensing for mppt using boost converter and line-commutated inverter
Meshram et al. Performance Analysis of Zeta Converter for Photovoltaic Powered Micromobility Charging Station
Lee et al. Development of BESS with PV Output Characteristics for Direct PV String DC Coupling Using Half-Bridge Bidirectional DC-DC Converter

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
GR01 Patent grant
GR01 Patent grant