CN110350582A - 基于模糊pid下垂控制的孤岛电网优化功率分配方法 - Google Patents
基于模糊pid下垂控制的孤岛电网优化功率分配方法 Download PDFInfo
- Publication number
- CN110350582A CN110350582A CN201910639351.XA CN201910639351A CN110350582A CN 110350582 A CN110350582 A CN 110350582A CN 201910639351 A CN201910639351 A CN 201910639351A CN 110350582 A CN110350582 A CN 110350582A
- Authority
- CN
- China
- Prior art keywords
- voltage
- fuzzy
- sagging
- frequency
- deviation
- 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
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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- 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
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于模糊PID下垂控制的孤岛电网优化功率分配方法,步骤包括构建加入模糊PID控制器的微电网模型、设定微电网模型中各个分布式电源参数、采集电网运行时各并联逆变器输出的电压及频率并构建模糊PID控制器的输入集、利用模糊规则对下垂控制模型的输入参数进行整定并获取新的输入参数、将新的输入参数输入下垂控制模型中并根据输出结果获取优化参数、根据优化参数调整微电网模型对应电力系统逆变器的电压和频率;本发明能够对输出功率能够合理分配,使电压和频率的偏差得到有效的解决,提高了系统的稳定性和可靠性。
Description
技术领域
本发明涉及微电网发电控制系统和电力电子控制技术领域,尤其涉及一种基于模糊PID 下垂控制的孤岛电网优化功率分配方法。
背景技术
下垂控制(Droop control)是通过模拟传统电力系统中同步发电机下垂外特性对逆变器实施控制的一种方法。系统在孤岛和并网两种模式下逆变器均采用下垂控制策略,在微网运行模式切换时不需要进行控制策略的切换,控制上具有连续性有利于微网运行模式的平滑切换。运行过程中逆变器输出的实际值与参考值比较,根据下垂特性调节使输出值逼近参考值。
如图1所示,目前,低压微电网分布式电源并联线路呈阻性。阻性线路导致系统会出现一定的电压偏差,电压与无功为线性关系且各DG之间的线路等效阻抗不同,从而影响系统的无功调节和分布式电源(Distributed Generation,简称DG)之间的无功分配。
下垂系数的选择对系统的有功功率和无功功率调节有较大影响,较大的下垂系数使功率调节时波动明显,有功分配会产生偏差;较小的下垂系数功率调节不会有明显波动,但对功率调节影响程度较弱,无法合理分配。
目前参数优化的算法有:模糊逻辑控制,神经网络算法,遗传算法,蚁群算法,粒子群算法等。模糊逻辑控制技术具有适用范围广、对时变负载具有一定的鲁棒性的特点,具有快速响应性并能够在极短时间内实现动态调节。模糊控制器包括四部分:
模糊化。主要作用是选定模糊控制器的输入量,并将其转换为系统可识别的模糊量,具体包含以下三步:第一,对输入量进行满足模糊控制需求的处理;第二,对输入量进行尺度变换;第三,确定各输入量的模糊语言取值和相应的隶属度函数。
规则库。根据人类专家的经验建立模糊规则库。模糊规则库包含众多控制规则,是从实际控制经验过渡到模糊控制器的关键步骤。
模糊推理。主要实现基于知识的推理决策。
解模糊。主要作用是将推理得到的控制量转化为控制输出。
但是,采用模糊控制器进行孤岛电网优化功率在微电网发电控制领域却鲜有研究。
发明内容
本发明的目的是提供一种基于模糊PID下垂控制的孤岛电网优化功率分配方法,能够对输出功率能够合理分配,使电压和频率的偏差得到有效的解决,提高了系统的稳定性和可靠性。
本发明采用的技术方案为:
基于模糊PID下垂控制的孤岛电网优化功率分配方法,包括以下步骤:
A、构建加入模糊PID控制器的微电网模型:微电网模型的下垂控制模型由功率环和电压电流双环构建并加入了频率补偿、电压补偿以及模糊PID控制器;
B、设定微电网模型中各个分布式电源的容量、线路参数、给定电压和给定频率;
C、采集电网运行时各并联逆变器输出的电压及频率,将其与给定值对比形成偏差项和偏差率,构建模糊PID控制器的输入集:计算每个分布式电源的频率偏差ef(t)、频率偏差率ecf(t)、电压偏差ev(t)和电压偏差率ecv(t),每个分布式电源的偏差和偏差率计算公式如下:
公式(1)中,ev(t)表示电压偏差,ef(t)表示频率偏差,ecv(t)表示电压偏差率, ecf(t)表示频率偏差率,U表示输出电压,Uref表示给定电压,f表示输出频率,fref表示给定频率;
D、将步骤C所得输入集输入模糊PID控制器中,利用模糊规则对下垂控制模型的输入参数进行整定,获取新的输入参数;输入参数包括有功下垂系数Km、无功下垂系数Kn、积分系数KI和微分系数KD;
E、将步骤D所得新的输入参数输入下垂控制模型中并根据输出结果获取优化参数;
F:根据优化参数调整微电网模型对应电力系统逆变器的电压和频率。
进一步地,所述步骤A具体包括:
构建微电网控制模型,以电压型逆变器为接口实现系统分布式电源并联;
逆变器输出的有功功率和无功功率为:
公式(3)中,P表示逆变器有功功率,Q表示逆变器无功功率,U表示逆变器输出电压, Um表示公共母线电压,R表示线路的等效电阻,X表示线路的等效电抗;
传统下垂控制特性表示为:
公式(4)中,f表示输出频率;f0表示给定频率;P0表示给定有功功率;U表示输出电压;U0表示给定电压;Q0表示给定无功功率;
下垂控制模型由功率环、电压电流双环构建并加入频率补偿、电压补偿以及模糊PID控制器;下垂控制模型的下垂控制特性为:
公式(5)中,f′表示调节后的输出频率,P0表示给定有功功率,f表示实际输出频率, f0表示给定频率,P表示逆变器的有功功率;U′表示调节后的输出电压,U0表示给定电压, U表示实际输出电压,Q0表示给定无功功率,Q表示逆变器无功功率;Km表示有功下垂系数、 Kn表示无功下垂系数、KI表示积分系数和KD表示微分系数。
进一步地,所述步骤B中分布式电源容量的设定要求如下:
微电网在孤岛运行时,各个分布式电源在下垂系数一致时逆变器输出功率按照设定的容量成比例进行分配;分配公式为:
Km1P1=Km2P2=...=KmiPi
Kn1Q1=Kn2Q2=...=KniQi
Kmi为第i个分布式电源的有功下垂系数,Kni为第i个分布式电源的无功下垂系数,Pi为第i个分布式电源的有功功率,Qi为第i个电源的无功功率。
进一步地,所述步骤D中,模糊PID控制器利用模糊规则对输入参数进行整定得到新参数值,控制策略就以此方式识别输出值和给定值之间的偏差,修正后使输出值靠近给定值,从而减少差值;具体为:
模糊PID控制利用模糊规则进行模糊推理,查询模糊矩阵表进行参数调整,以适应随时间推移的系统中电压和频率的偏差和偏差率对Km,Kn,KI,KD整定的要求,取偏差e(t)和偏差率ec(t)并输出Km,Kn,KI,KD模糊子集为{NB,NM,NS,ZO,PS,PM,PB},偏差、偏差率和Km,Kn,KI,KD量化等级为{-3,-2,-1,0,1,2,3}。
进一步地,所述步骤E中,将整定得出的下垂系数、积分系数和微分系数输入到微电网下垂控制模型中,对模型参数进行相应调整并获取优化参数。
本发明具有以下有益效果:
本发明通过建立双电源并联逆变器的微电网模型,其中下垂控制模型由功率环,电压电流双环构建并加入了频率和电压的补偿以及模糊PID控制器,利用模糊逻辑控制对下垂系数、积分系数和微分系数进行整定,微电网模型在孤岛状态下运行,可以满足两个电源的要求,对输出功率能够合理分配,电压和频率的偏差得到有效的解决,提高了系统的稳定性和可靠性。
附图说明
图1为传统的微电网模型电路结构示意图;
图2为本发明的微电网模型中单个分布式电源的电路结构示意图;
图3模糊PID控制器的特性图;
图4为本发明中下垂控制模型的下垂控制特性图;
图5为隶属度函数波形图;
图6图6为传统微电网模型中两个分布式电源DG1和DG2的输出功率波形图;
图7为传统微电网模型中两个分布式电源DG1和DG2的输出频率波形图;
图8为传统微电网模型中两个分布式电源DG1和DG2的系统电压波形图;
图9为本发明微电网模型中两个分布式电源DG1和DG2的输出功率波形图;
图10为本发明微电网模型中两个分布式电源DG1和DG2的输出频率波形图;
图11为本发明微电网模型中两个分布式电源DG1和DG2的系统电压波形图。
具体实施方式
本发明包括以下步骤:
A、构建加入模糊PID控制器的微电网模型。
如图2所示,本发明微电网模型的下垂控制模型由功率环和电压电流双环构建并加入了频率补偿、电压补偿以及模糊PID控制器;
B、设定微电网模型中各个分布式电源的容量、线路参数、给定电压和给定频率;
C、采集电网运行时各并联逆变器输出的电压及频率,将其与给定值对比形成偏差项和偏差率,构建模糊PID控制器的输入集。
计算每个分布式电源的频率偏差ef(t)、频率偏差率ecf(t)、电压偏差ev(t)和电压偏差率 ecv(t);每个分布式电源的偏差和偏差率计算公式如下:
公式(1)中,ev(t)表示电压偏差,ef(t)表示频率偏差,ecv(t)表示电压偏差率,ecf(t) 表示频率偏差率,U表示输出电压,Uref表示给定电压,f表示输出频率,fref表示给定频率;
D、将步骤C所得输入集输入模糊PID控制器中,利用模糊规则对下垂控制模型的输入参数进行整定,获取新的输入参数;输入参数包括有功下垂系数Km、无功下垂系数Kn、积分系数KI和微分系数KD;
E、将步骤D所得新的输入参数输入下垂控制模型中并根据输出结果获取优化参数;
F:根据优化参数调整微电网模型对应电力系统逆变器的电压和频率。
为了更好地理解本发明,下面结合附图对本发明的技术方案做进一步说明。
本发明包括以下步骤:
A、构建加入模糊PID控制器的微电网模型:微电网模型的下垂控制模型由功率环和电压电流双环构建并加入了频率补偿、电压补偿以及模糊PID控制器,以提高系统的鲁棒性;具体包括:
构建微电网控制模型,以电压型逆变器为接口实现系统分布式电源并联;
逆变器输出的有功功率和无功功率为:
公式(3)中,P表示逆变器有功功率,Q表示逆变器无功功率,U表示逆变器输出电压, Um表示公共母线电压,R表示线路的等效电阻,X表示线路的等效电抗;
传统下垂控制特性表示为:
公式(4)中,f表示输出频率;f0表示给定频率;P0表示给定有功功率;U表示输出电压;U0表示给定电压;Q0表示给定无功功率;
下垂控制模型由功率环、电压电流双环构建并加入频率补偿、电压补偿以及模糊PID控制器;
如图4所示,本发明的下垂控制模型的下垂控制特性为:
公式(5)中,f′表示调节后的输出频率,P0表示给定有功功率,f表示实际输出频率, f0表示给定频率,P表示逆变器的有功功率;U′表示调节后的输出电压,U0表示给定电压, U表示实际输出电压,Q0表示给定无功功率,Q表示逆变器无功功率;Km表示有功下垂系数、 Kn表示无功下垂系数、KI表示积分系数和KD表示微分系数。
相较于传统下垂控制模型,本发明中下垂控制模型改进的实质是将下垂系数Km,Kn作为比例系数在一定范围内经过模糊处理得到较好的值,相比原控制中固定下垂系数有更好的功率调节能力;频率差值和电压差值对时间求积分与积分系数KI相乘使频率和电压的动态调节能力增强;加入功率微分项,合理选取微分系数增强系统抗干扰性。频率、电压的反馈作为功率环的反馈,反馈环节使偏差量逐渐缩减,使输出值接近给定值。下垂特性由下垂系数 Km,Kn和积分系数KI以及微分系数KD共同调节,可以更好的随系统运行情况变化做出相应的调整。
B、设定微电网模型中各个分布式电源的容量、线路参数、给定电压和给定频率。分布式电源容量的设定要求如下:
微电网在孤岛运行时,各个分布式电源在下垂系数一致时逆变器输出功率按照设定的容量成比例进行分配;分配公式为:
Km1P1=Km2P2=...=KmiPi
Kn1Q1=Kn2Q2=...=KniQi
Kmi为第i个分布式电源的有功下垂系数,Kni为第i个分布式电源的无功下垂系数,Pi为第i个分布式电源的有功功率,Qi为第i个电源的无功功率。
C、采集电网运行时各并联逆变器输出的电压及频率,将其与给定值对比形成偏差项和偏差率,构建模糊PID控制器的输入集。
系统模糊PID控制器的作用是在系统发生负荷波动时,对电压和频率进行调节,因此选取电压和频率两者的偏差及偏差率作为输入量,同时设定Km,Kn,KI,KD为输出量。
计算每个分布式电源的频率偏差ef(t)、频率偏差率ecf(t)、电压偏差ev(t)和电压偏差率 ecv(t),每个分布式电源的偏差和偏差率计算公式如下:
公式(1)中,ev(t)表示电压偏差,ef(t)表示频率偏差,ecv(t)表示电压偏差率, ecf(t)表示频率偏差率,U表示输出电压,Uref表示给定电压,f表示输出频率,fref表示给定频率;
D、如图3所示,将步骤C所得输入集输入模糊PID控制器中,利用模糊规则对下垂控制模型的输入参数进行整定,获取新的输入参数;输入参数包括有功下垂系数Km、无功下垂系数Kn、积分系数KI和微分系数KD。
模糊PID控制器利用模糊规则对输入参数进行整定得到新参数值,控制策略就以此方式识别输出值和给定值之间的偏差,修正后使输出值靠近给定值,从而减少差值;具体为:
模糊PID控制利用模糊规则进行模糊推理,查询模糊矩阵表进行参数调整,以适应随时间推移的系统中电压和频率的偏差和偏差率对Km,Kn,KI,KD整定的要求,取偏差e(t)和偏差率ec(t)并输出Km,Kn,KI,KD模糊子集为{NB,NM,NS,ZO,PS,PM,PB},模糊子集中元素分别代表负大,负中,负小,零,正小,正中,正大,隶属度函数如图5所示,偏差、偏差率和Km,Kn,KI,KD量化等级为{-3,-2,-1,0,1,2,3}。
模糊控制的架构包含了五个主要部分,即:定义变量、模糊化、知识库、逻辑判断及反模糊化。
定义变量,也就是决定程序被观察的状况及考虑控制的动作,例如在一般控制问题上,输入变量有输出误差e与输出误差变化率ec,而模糊控制还将控制变量作为下一个状态的输入E。其中e、ec、E统称为模糊变量。
模糊化,是将输入值以适当的比例转换到论域的数值,利用口语化变量来描述测量物理量的过程,根据适合的语言值求该值相对的隶属度,此口语化变量称为模糊子集合,如图5 所示,本实施例中求取隶属度时,满足偏差和偏差率要求后输出参数值Kp,Ki,Kd,隶属度数值越接近于数值1则性能越好。
知识库,包括数据库与规则库两部分,其中数据库提供处理模糊数据的相关定义;而规则库则藉由一群语言控制规则描述控制目标和策略。
逻辑判断,模仿人类判断时的模糊概念,运用模糊逻辑和模糊推论法进行推论,得到模糊控制讯号。
反模糊化,是将推论所得到的模糊值转换为明确的控制讯号,做为系统的输入值。
模糊控制的规则基本结构为条件语句If A and B then C,以本实施例中一组参数为例: If e(t)and ec(t)then KI。
E、将步骤D所得新的输入参数输入下垂控制模型中并根据输出结果获取优化参数。
将整定得出的下垂系数、积分系数和微分系数输入到微电网下垂控制模型中,对模型参数进行相应调整并获取优化参数,使其更好的调节系统,使各分布式电源的功率输出达到合理分配并减小频率和电压的偏差。
F:根据优化参数调整微电网模型对应电力系统逆变器的电压和频率。
下面以具体实验数据验证本发明的效果:
设定的系统参数具体为:
直流电源电压Udc=800V,频率f0=50Hz,滤波电感Lf=0.4mH,寄生电阻Rf=0.01Ω,滤波电容Cf=l 500μF,DGl额定有功20kW,无功Q1=0kVA,DG2额定有功P2=20kW,无功Q2=0kVA;
本地负载:P1=30kW,Q1=10kVA,P2=30kW,Q2=10kVA,公共负载:P3=20kW,Q3=10kVA;
下垂系数m=1e-5,n=3e-4。线路电阻和电感R1=0.8Ω,R2=0.6Ω;L1=0.015H,L2=0.012H。频率给定值50Hz;
电压给定值311V。
设定的模糊PID控制器参数如表1所示:
表1:
模糊规则表如表2所示(其中,KP为Km,Kn的统称):
表2:
图6为传统微电网模型中两个分布式电源DG1和DG2的输出功率波形图,图7为传统微电网模型中两个分布式电源DG1和DG2的输出频率波形图,图8为传统微电网模型中两个分布式电源DG1和DG2的系统电压波形图;图9为本发明加入模糊PID控制器的微电网模型中两个分布式电源DG1和DG2的输出功率波形图,图10为本发明加入模糊PID控制器的微电网模型中两个分布式电源DG1和DG2的输出频率波形图,图11为本发明加入模糊PID控制器的微电网模型中两个分布式电源DG1和DG2的系统电压波形图。
根据图6与图9的对比可以看出,本发明采用模糊PID控制器进行偏差和偏差率控制后,两个分布式电源之间的额功率偏差量得到明显减小;根据图7和图10对比可以看出,本发明中两个分布式电源频率偏差明显减小,波动减小;根据图8和图11对比可以看出,本发明中系统电压无较大波动鲁棒性增强。
采用传统微电网模型和本发明微电网模型所得误差对比如表3所示:
表3:
由表3对比结果可以看出,相较于传统微电网模型,经过本发明优化后,微电网模型输出的有功功率、无功功率、频率和电压的误差均大大减小,电压和频率的偏差得到了有效解决,大大提高了电网系统的稳定性和可靠性。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解,其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换,而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的范围。
Claims (5)
1.一种基于模糊PID下垂控制的孤岛电网优化功率分配方法,其特征在于:包括以下步骤:
A、构建加入模糊PID控制器的微电网模型:微电网模型的下垂控制模型由功率环和电压电流双环构建并加入了频率补偿、电压补偿以及模糊PID控制器;
B、设定微电网模型中各个分布式电源的容量、线路参数、给定电压和给定频率;
C、采集电网运行时各并联逆变器输出的电压及频率,将其与给定值对比形成偏差项和偏差率,构建模糊PID控制器的输入集:计算每个分布式电源的频率偏差ef(t)、频率偏差率ecf(t)、电压偏差ev(t)和电压偏差率ecv(t),每个分布式电源的偏差和偏差率计算公式如下:
公式(1)中,ev(t)表示电压偏差,ef(t)表示频率偏差,ecv(t)表示电压偏差率,ecf(t)表示频率偏差率,U表示输出电压,Uref表示给定电压,f表示输出频率,fref表示给定频率;
D、将步骤C所得输入集输入模糊PID控制器中,利用模糊规则对下垂控制模型的输入参数进行整定,获取新的输入参数;输入参数包括有功下垂系数Km、无功下垂系数Kn、积分系数KI和微分系数KD;
E、将步骤D所得新的输入参数输入下垂控制模型中并根据输出结果获取优化参数;
F:根据优化参数调整微电网模型对应电力系统逆变器的电压和频率。
2.根据权利要求1所述的基于模糊PID下垂控制的孤岛电网优化功率分配方法,其特征在于:所述步骤A具体包括:
构建微电网控制模型,以电压型逆变器为接口实现系统分布式电源并联;
逆变器输出的有功功率和无功功率为:
公式(3)中,P表示逆变器有功功率,Q表示逆变器无功功率,U表示逆变器输出电压,Um表示公共母线电压,R表示线路的等效电阻,X表示线路的等效电抗;
传统下垂控制特性表示为:
公式(4)中,f表示输出频率;f0表示给定频率;P0表示给定有功功率;U表示输出电压;U0表示给定电压;Q0表示给定无功功率;
下垂控制模型由功率环、电压电流双环构建并加入频率补偿、电压补偿以及模糊PID控制器;下垂控制模型的下垂控制特性为:
公式(5)中,f′表示调节后的输出频率,P0表示给定有功功率,f表示实际输出频率,f0表示给定频率,P表示逆变器的有功功率;U′表示调节后的输出电压,U0表示给定电压,U表示实际输出电压,Q0表示给定无功功率,Q表示逆变器无功功率;Km表示有功下垂系数、Kn表示无功下垂系数、KI表示积分系数和KD表示微分系数。
3.根据权利要求1所述的基于模糊PID下垂控制的孤岛电网优化功率分配方法,其特征在于:所述步骤B中分布式电源容量的设定要求如下:
微电网在孤岛运行时,各个分布式电源在下垂系数一致时逆变器输出功率按照设定的容量成比例进行分配;分配公式为:
Km1P1=Km2P2=...=KmiPi
Kn1Q1=Kn2Q2=...=KniQi
Kmi为第i个分布式电源的有功下垂系数,Kni为第i个分布式电源的无功下垂系数,Pi为第i个分布式电源的有功功率,Qi为第i个电源的无功功率。
4.根据权利要求1所述的基于模糊PID下垂控制的孤岛电网优化功率分配方法,其特征在于:所述步骤D中,模糊PID控制器利用模糊规则对输入参数进行整定得到新参数值,控制策略就以此方式识别输出值和给定值之间的偏差,修正后使输出值靠近给定值,从而减少差值;具体为:
模糊PID控制利用模糊规则进行模糊推理,查询模糊矩阵表进行参数调整,以适应随时间推移的系统中电压和频率的偏差和偏差率对Km,Kn,KI,KD整定的要求,取偏差e(t)和偏差率ec(t)并输出Km,Kn,KI,KD模糊子集为{NB,NM,NS,ZO,PS,PM,PB},偏差、偏差率和Km,Kn,KI,KD量化等级为{-3,-2,-1,0,1,2,3}。
5.根据权利要求1所述的基于模糊PID下垂控制的孤岛电网优化功率分配方法,其特征在于:所述步骤E中,将整定得出的下垂系数、积分系数和微分系数输入到微电网下垂控制模型中,对模型参数进行相应调整并获取优化参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910639351.XA CN110350582A (zh) | 2019-07-16 | 2019-07-16 | 基于模糊pid下垂控制的孤岛电网优化功率分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910639351.XA CN110350582A (zh) | 2019-07-16 | 2019-07-16 | 基于模糊pid下垂控制的孤岛电网优化功率分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110350582A true CN110350582A (zh) | 2019-10-18 |
Family
ID=68175425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910639351.XA Pending CN110350582A (zh) | 2019-07-16 | 2019-07-16 | 基于模糊pid下垂控制的孤岛电网优化功率分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110350582A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110824906A (zh) * | 2019-11-28 | 2020-02-21 | 北京北广科技股份有限公司 | 一种基于模糊控制策略的快速整定电路 |
CN111463798A (zh) * | 2020-04-08 | 2020-07-28 | 长园深瑞继保自动化有限公司 | 用于储能协调控制装置的电网电压模糊控制方法 |
CN111682590A (zh) * | 2020-07-17 | 2020-09-18 | 四川大学 | 基于模糊pi-pd下垂控制的孤岛电网优化功率分配方法 |
CN112564455A (zh) * | 2020-11-13 | 2021-03-26 | 国网新源张家口风光储示范电站有限公司 | 一种多台储能变流器并联离网运行控制方法及系统 |
CN115498684A (zh) * | 2022-09-16 | 2022-12-20 | 山东大学 | 孤岛微电网下垂控制参数的多阶段优化方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106300342A (zh) * | 2016-08-30 | 2017-01-04 | 上海交通大学 | 一种基于模糊pi控制的孤岛微电网运行方法 |
CN106712559A (zh) * | 2016-12-30 | 2017-05-24 | 华南理工大学 | 一种基于ups光伏离网逆变器并联的控制方法 |
CN106953365A (zh) * | 2017-05-05 | 2017-07-14 | 云南电网有限责任公司 | 一种逆变器并联运行优化控制方法 |
CN109768569A (zh) * | 2018-12-27 | 2019-05-17 | 陕西科技大学 | 一种多台并网逆变器并联运行系统 |
-
2019
- 2019-07-16 CN CN201910639351.XA patent/CN110350582A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106300342A (zh) * | 2016-08-30 | 2017-01-04 | 上海交通大学 | 一种基于模糊pi控制的孤岛微电网运行方法 |
CN106712559A (zh) * | 2016-12-30 | 2017-05-24 | 华南理工大学 | 一种基于ups光伏离网逆变器并联的控制方法 |
CN106953365A (zh) * | 2017-05-05 | 2017-07-14 | 云南电网有限责任公司 | 一种逆变器并联运行优化控制方法 |
CN109768569A (zh) * | 2018-12-27 | 2019-05-17 | 陕西科技大学 | 一种多台并网逆变器并联运行系统 |
Non-Patent Citations (3)
Title |
---|
WEN TONG: "A New Control Method for Inverters Parallel Operation in Microgrid", 《2016 3RD INTERNATIONAL CONFERENCE ON INFORMATION SCIENCE AND CONTROL ENGINEERING (ICISCE)》 * |
杨志淳: "基于多智能体的虚拟发电厂模式下配电网电压协调控制研究", 《中国博士学位论文全文数据库(电子期刊)工程科技II辑》 * |
杨志淳等: "孤岛运行微电网中模糊PID下垂控制器设计", 《电力系统自动化》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110824906A (zh) * | 2019-11-28 | 2020-02-21 | 北京北广科技股份有限公司 | 一种基于模糊控制策略的快速整定电路 |
CN110824906B (zh) * | 2019-11-28 | 2023-02-10 | 北京北广科技股份有限公司 | 一种基于模糊控制策略的快速整定电路 |
CN111463798A (zh) * | 2020-04-08 | 2020-07-28 | 长园深瑞继保自动化有限公司 | 用于储能协调控制装置的电网电压模糊控制方法 |
CN111463798B (zh) * | 2020-04-08 | 2024-02-13 | 长园深瑞继保自动化有限公司 | 用于储能协调控制装置的电网电压模糊控制方法 |
CN111682590A (zh) * | 2020-07-17 | 2020-09-18 | 四川大学 | 基于模糊pi-pd下垂控制的孤岛电网优化功率分配方法 |
CN111682590B (zh) * | 2020-07-17 | 2024-04-05 | 四川大学 | 基于模糊pi-pd下垂控制的孤岛电网优化功率分配方法 |
CN112564455A (zh) * | 2020-11-13 | 2021-03-26 | 国网新源张家口风光储示范电站有限公司 | 一种多台储能变流器并联离网运行控制方法及系统 |
CN115498684A (zh) * | 2022-09-16 | 2022-12-20 | 山东大学 | 孤岛微电网下垂控制参数的多阶段优化方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110350582A (zh) | 基于模糊pid下垂控制的孤岛电网优化功率分配方法 | |
CN109687526B (zh) | 一种基于一致性理论的孤岛微电网分层分布式控制策略 | |
Lou et al. | Optimal design for distributed secondary voltage control in islanded microgrids: Communication topology and controller | |
Ilic | From hierarchical to open access electric power systems | |
CN110190599B (zh) | 一种基于有限时间一致性理论的孤岛微电网控制方法 | |
CN105226664B (zh) | 一种主动配电网无功电压分层分布协调控制方法 | |
CN107579543A (zh) | 一种基于分层控制策略的孤岛微电网分布式协调控制方法 | |
CN105391094B (zh) | 孤立微电网分布式控制方法 | |
CN107294085A (zh) | 基于临界特征根跟踪的微电网延时裕度计算方法 | |
CN108767869B (zh) | 一种基于人工神经网络的静态无功补偿器电压调节方法 | |
CN110867848B (zh) | 一种用于直流微电网群落的能量管理预测控制方法 | |
CN101106273A (zh) | 统一电能质量调节控制方法及装置 | |
CN110890768A (zh) | 一种低压交流微电网孤岛模式下的功率分配方法 | |
CN113541146B (zh) | 计及分布式电源的电力系统潮流计算优化方法 | |
CN110783966B (zh) | 一种分布式发电单元协同控制方法及系统 | |
CN113078645B (zh) | 一种考虑延时与拓扑切换的微电网参数自适应控制方法 | |
Zhang et al. | Distributed secondary control for island microgrids with expected dynamic performance under communication delays | |
Zhang et al. | Distributed secondary control of islanded micro-grid based on adaptive fuzzy-neural-network-inherited total-sliding-mode control technique | |
Shi et al. | Design of droop controller in islanded microgrids using multi‐objective optimisation based on accurate small‐signal model | |
CN113054648B (zh) | 基于改进鲸鱼算法的直流微电网下垂系数优化方法及系统 | |
CN110601246A (zh) | 基于径向基神经网络预测的直流微电网均流方法 | |
CN112152268B (zh) | 一种交、直流子微网控制方法及子微网群间控制方法 | |
CN107230982B (zh) | 一种微电网线性化潮流计算方法 | |
Benedito et al. | Port-Hamiltonian based Optimal Power Flow algorithm for multi-terminal DC networks | |
Shan et al. | Distributed Secondary Frequency Control for AC Microgrids Using Load Power Forecasting Based on Artificial Neural Network |
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: 20191018 |
|
RJ01 | Rejection of invention patent application after publication |