CN110365045A - 一种基于估计与补偿控制的风光互补发电系统的网络延时抑制方法 - Google Patents
一种基于估计与补偿控制的风光互补发电系统的网络延时抑制方法 Download PDFInfo
- Publication number
- CN110365045A CN110365045A CN201910615626.6A CN201910615626A CN110365045A CN 110365045 A CN110365045 A CN 110365045A CN 201910615626 A CN201910615626 A CN 201910615626A CN 110365045 A CN110365045 A CN 110365045A
- Authority
- CN
- China
- Prior art keywords
- formula
- rule
- wind
- matrix
- network delay
- 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
- 238000000034 method Methods 0.000 title claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 47
- 230000005611 electricity Effects 0.000 claims description 13
- 230000000295 complement effect Effects 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 9
- 230000003416 augmentation Effects 0.000 claims description 6
- 239000003990 capacitor Substances 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 5
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000004804 winding Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 2
- 230000001629 suppression Effects 0.000 claims 3
- 230000006641 stabilisation Effects 0.000 claims 1
- 238000011105 stabilization Methods 0.000 claims 1
- 230000001360 synchronised effect Effects 0.000 claims 1
- 238000005312 nonlinear dynamic Methods 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 4
- 230000002401 inhibitory effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000005389 magnetism Effects 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
- 230000003094 perturbing effect Effects 0.000 description 1
Classifications
-
- H02J3/383—
-
- H02J3/386—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S10/00—PV power plants; Combinations of PV energy systems with other systems for the generation of electric power
- H02S10/10—PV power plants; Combinations of PV energy systems with other systems for the generation of electric power including a supplementary source of electric power, e.g. hybrid diesel-PV energy systems
- H02S10/12—Hybrid wind-PV energy systems
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/10—Photovoltaic [PV]
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Abstract
本发明提出一种基于估计与补偿控制的风光互补发电系统的网络延时抑制方法，首先建立风光互补发电系统，并采用物理学原理以及T‑S模型的方法表达风光互补发电系统的非线性动态，接着设计估计器去估计网络延时的信号摄动。在此基础上，采用基于补偿的反馈控制器，使得网络延时的信号摄动被抑制并实现稳定工作。
Description
技术领域
本发明涉及发电系统延时抑制领域，特别是一种基于估计与补偿控制的风光互补发电系统的网络延时抑制方法。
背景技术
太阳能和风能有着很好的互补特性，是国家提倡能源互联网战略中一种较为经济合理的供电方式，也是当前解决偏远地区未实现大面积电力互联的能源供应的方式。然而，这种互补特性使得太阳能与风能发电联合供电的本质是内在耦合的互联系统，并且在测量信号网络传输上普遍存在延时，影响到互联发电系统的稳定性。
发明内容
有鉴于此，本发明的目的是提出一种基于估计与补偿控制的风光互补发电系统的网络延时抑制方法，能够使网络延时的信号摄动被抑制并实现稳定工作。
本发明提供一种基于估计与补偿控制的风光互补发电系统的网络延时抑制方法，具体包括以下步骤：
步骤S1：搭建风光互补发电系统；所述风光互补发电系统包括太阳能光伏、永磁同步发电机的风力发电系统、AC/DC整流器、第一DC/DC变换器、第二DC/DC变换器和负载；所述太阳能光伏与所述第一DC/DC变换器连接；所述风力发电与所述AC/DC整流器连接；所述AC/DC整流器还与所述第二DC/DC变换器连接；所述第一DC/DC变换器和所述第二 DC/DC变换器均与所述负载连接；
步骤S2：根据物理学原理以及T-S模型的表达方法，建立风光互补发电系统模型；
步骤S3：设计估计器去估计网络延时的信号摄动，用以使风光互补发电系统网络延时的信号变动被限定在界限内；
步骤S4：设计基于补偿的反馈控制器，用以使网络延时的信号摄动被抑制并实现稳定工作。
进一步地，所述步骤S2具体步骤如下：
步骤S21：建立采用DC/DC转换器的太阳能光伏即PV发电系统动态模型，如公式(1)所示：
式中，Vpv，iL，V0分别为PV的阵列电压、电感L上的电流、电容C0的电压；R0，RL，RM分别为电容C0、电感L、功率MOSFET上的内阻；VD是功率二极管的正向电压；i1是可测量的负载电流；
步骤S22：建立具有永磁同步发电机的风力发电系统的动态模型，由下式给出：
式中，Lq和Ld是d-q轴上的定子电感；iq和id是d-q轴上的定子电感；i2是可测负载电流；ψm是定子绕组磁链；Rs是定子电阻；P是极数；ρ是空气密度；v是风速的立方；Cp是功率系数；A是扫掠面积；ωe是电机角速度；J是旋转系统的惯性；
步骤S23：建立有PV和具有永磁同步发电机的风力发电系统的直流微电网模型；
通过戴维南定理得：
假设ipv＝1.1iL，0.8iL＝i1，0.8iq＝i2，v＝ωe，并由式(1)—(3)得直流微电网模型如下：
式中，ui(t)是控制信号输入，
并且，
通过如下的取值范围iL＝(1.1A，1.5A)，Vpv＝(10.3V，9.2V)，iq＝(1.3A，1.0A)，id＝ 0.4A，0.1A)，Vdc＝(13.9V，9.8V)来线性化非线性互连系统(4)，获得T-S模糊模型如下：
规则如果(iL，Vpv)是(1.1A，10.3V)，那么
规则如果(iL，Vpv)是(1.1A，9.2V)，那么
规则如果(iL，Vpv)是(1.5A，10.3V)，那么
规则如果(iL，Vpv)是(1.5A，9.2V)，那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
进一步地，所述步骤S3具体步骤如下：
步骤S31：建立T—S模糊动态模型，得到：
式中，
定义并假设未知的网络延时摄动是有界的，满足：
其中是正定的标量。
步骤S32：构建一个增广的观测器，用以估计直流微电网系统未知的网络延时摄动，使得误差估计在椭面内是有界的；令并引入一个辅助矩阵变量由式(7)得出：
式中，
增广的状态向量在式(9)中由系统状态xi(k)和未知的网络延时摄动ωi(k)组成；为了同步估计系统状态和延时摄动，引入一个增广的模糊观测器，如下所示：
式中，Li是一个非奇异矩阵；是一个辅助状态向量； 式中是要设计的观测器。
步骤S33：进一步令：
是一个非奇异矩阵，得：
由式(9)—(13)得出：
由于是非奇异的，式(10)中的系统模型表示为：
式中，
步骤S34：对观测器增益进行求解：
首先考虑以下Lyapunov函数：
式中，是正定矩阵；通过取V(k)的前向差，得：
式中，标量κ＞0。
定义正定对称矩阵矩阵乘积从式(1范) 得：
式中，
定义以下索引：
式中，α∈[0，1]。
结合式(16)—(20)，如果以下不等式成立，则满足J(k)<0；
式中，Θi和γij(μi)在式(30)中定义；将式(21)通过锥补定理得式(29)中的不等式；
由于J(k)<0，则有
则V(k+1)-1<α(V(k)-1). (23)
从式(23)得到：
V(k)<αk(V(0)-1)+1， (24)
令矩阵乘数如下，用以将非线性矩阵不等式(21)转换为线性矩阵不等式的凸优化问题，
式中，是一个非奇异矩阵；
通过把式(2范)代入到式(21)，定义并提取模糊前件变量得：
其中并且
当控制系统的初始条件为零时，得：
式中，
最后根据正定对称矩阵矩阵乘积 矩阵和正定标量α∈[0，1]。求解矩阵不等式，则闭环系统(1范)中系统状态的可达集是有界的：
式中，
并且，估计误差满足以下范围，
进一步地，所述步骤S4具体步骤如下：
步骤S41：构建一个分布式模糊补偿控制器如下，用以使未知的网络延时摄动ωi(k)能够被抑制；
式中， 和是要设计的模糊控制器增益；
将式(32)代入到(7)中产生以下闭环模糊控制系统：
式中，
步骤S42：根据以下Lyapunov函数：
式中，是正定矩阵；通过采取前向差分V(k)，得：
定义正定对称矩阵和矩阵乘数由式(33)得出：
式中，
由定义以下索引：
其中，β∈[0，1]。
结合式(35)—(37)，如果以下不等式成立，则满足J(t)<0；
其中在式(41)中已定义；
定义和通过对式(38) 使用锥补定理，并提取前件变量，得如下闭环控制系统的可达集求解：
给出正定对称矩阵矩阵乘数矩阵 和正定标量β∈[0，1]。如果以下矩阵不等式成立，则系统在公式(33)中状态的可达集是有界的：
式中，
并且，系统状态满足以下范围，
式中，
与现有技术相比，本发明有以下有益效果：
本发明采用可达集估计的方法，可以使得估计风光互补系统通讯网络的延时摄动误差被限定在一个有界限的范围内；在此基础上设计反馈补偿模糊控制器，使得网络延时摄动对发电系统的影响可以被消除或减小，保证了风光互补发电系统的稳定运行。
附图说明
图1为本发明实施例的光伏电力系统图。
图2为本发明实施例的具有永磁同步发电机的风力发电系统图。
图3为本发明实施例的带有PV和具有永磁同步发电机的风力发电系统的直流微电网系统图。
图4为本发明实施例的风光互补发电物理系统图.
图5为本发明实施例的流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图5所示，本实施例提供了一种基于估计与补偿控制的风光互补发电系统的网络延时抑制方法，具体包括以下步骤：
步骤S1：请参照图4搭建风光互补发电系统；所述风光互补发电系统包括太阳能光伏、永磁同步发电机的风力发电系统、AC/DC整流器、第一DC/DC变换器、第二DC/DC变换器和负载；所述太阳能光伏与所述第一DC/DC变换器连接；所述风力发电与所述AC/DC整流器连接；所述AC/DC整流器还与所述第二DC/DC变换器连接；所述第一DC/DC变换器和所述第二DC/DC变换器均与所述负载连接；
步骤S2：根据物理学原理以及T-S模型的表达方法，建立风光互补发电系统模型；
步骤S3：针对在测量信号网络传输上普遍存在延时问题设计估计器去估计网络延时的信号摄动，使得风光互补发电系统网络延时的信号变动被限定在一定的界限内；
步骤S4：考虑到抑制信号网络传输的延时，对互联发电系统的稳定工作非常重要，针对风光互补发电系统的网络信号传输延时问题设计基于补偿的反馈控制器，使得网络延时的信号摄动被抑制并实现稳定工作。
在本实施例中，根据物理学原理以及T-S模型的表达方法，建立风光互补发电系统模型，具体步骤如下：
步骤S21：首先如图1所示建立采用DC/DC转换器的太阳能光伏(PV)电力系统动态模型，如公式(1)所示：
式中，Vpv，iL，V0分别为PV的阵列电压、电感L上的电流、电容C0的电压；R0，RL，RM分别为电容C0、电感L、功率MOSFET上的内阻；VD是功率二极管的正向电压；i1是可测量的负载电流；
步骤S22：接着如图2所示建立具有永磁同步发电机的风力发电系统的动态模型可由下式给出：
式中，Lq和Ld是d-q轴上的定子电感；iq和id是d-q轴上的定子电感；i2是可测负载电流；ψm是定子绕组磁链；Rs是定子电阻；P是极数；ρ是空气密度；v是风速的立方；Cp是功率系数；A是扫掠面积；ωe是电机角速度；J是旋转系统的惯性；
步骤S23：然后建立有PV和具有永磁同步发电机的风力发电系统的直流微电网，其中V0和VDC分别为PV和PMSG的输出电压；R1和R2分别是PV和PMSG的线路电阻，如图3所示：通过Thèvenin定理可得：
假设ipv＝1.1iL，0.8iL＝i1，0.8iq＝i2，v＝ωe，并由式(1)—(3)可得直流微电网模型如下：
式中，
和
表1微电网模型参数值
在本次仿真中，参数值如表1所示。通过取值范围iL＝(1.1A，1.5A)，Vpv＝ 10.3V，9.2V)，iq＝(1.3A，1.0A)，id＝(0.4A，0.1A)，Vdc＝(13.9V，9.8V)来线性化非线性互连系统，T-S模糊模型如下：
规则如果(iL，Vpv)是(1.1A，10.3V)，那么
规则如果(iL，Vpv)是(1.1A，9.2V)，那么
规则如果(iL，Vpv)是(1.5A，10.3V)，那么
规则如果(iL，Vpv)是(1.5A，9.2V)，那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
在本实施例中，在步骤S3中，针对在测量信号网络传输上普遍存在延时问题设计估计器去估计网络延时的信号摄动。使得风光互补发电系统网络延时的信号变动被限定在一定的界限内。具体步骤如下：
步骤S31：首先考虑建立T—S模糊动态模型，可得到：
式中，
定义并假设未知的测量噪声是有界的，满足：
其中是正定的标量。
步骤S32：接着构建一个增广的观测器，用于估计系统未知的网络延时摄动，使得误差估计在椭面内是有界的。定义并引入一个辅助矩阵变量 由式(7)可得出：
式中，
增广的状态向量在式(9)中由系统状态xi(k)和未知的网络延时摄动ωi(k)组成。为了同步估计系统状态和延时摄动，引入了一个增广的模糊观测器，如下所示：
式中，Li是一个非奇异矩阵；是一个辅助状态向量； 式中是要设计的观测器。
步骤S33：进一步定义：
是一个非奇异矩阵，可得：
由式(9)—(13)得出：
由于是非奇异的，式(10)中的系统模型可表示为：
式中，
步骤S34：对观测器增益进行求解：
进一步考虑以下Lyapunov函数：
式中，是正定矩阵。通过取V(k)的前向差，可得：
注意
式中，标量κ＞0。
定义正定对称矩阵矩阵乘积从式(1范) 可得：
式中，
现在，定义以下索引：
式中，α∈[0，1]。
结合式(16)—(20)，如果以下不等式成立，则可以满足J(k)<0。
式中，Θi和γij(μi)在式(30)中定义。将式(21)通过锥补定理可得式(29)中的不等式。
由于J(k)<0，则有
则，
V(k+1)-1<α(V(k)-1). (23)
从式(23)容易得到：
V(k)<αk(V(0)-1)+1， (24)
为了将非线性矩阵不等式(21)转换为线性矩阵不等式的凸优化问题，我们指定矩阵乘数如下：
式中，是一个非奇异矩阵。
通过把式(25)代入到式(21)，定义并提取模糊前件变量可得：
其中并且
可知，当控制系统的初始条件为零时，可得：
式中，
最后根据正定对称矩阵矩阵乘积 矩阵和正定标量α∈[0，1]。求解矩阵不等式，则闭环系统(1范)中系统状态的可达集是有界的：
式中，
并且，估计误差满足以下范围，
在本实施例中，在步骤S4中，考虑到抑制信号网络传输的延时，对互联发电系统的稳定工作非常重要，针对风光互补发电系统的网络信号传输延时问题设计基于补偿的反馈控制器，使得网络延时的信号摄动被抑制并实现稳定工作。具体步骤如下：
步骤S41：首先构建一个分布式模糊补偿控制器如下，使未知的网络延时摄动ωi(k)可以被抑制。
式中， 和是要设计的模糊控制器增益。
将式(32)代入到(7)中产生以下闭环模糊控制系统：
式中，
步骤S42：考虑以下Lyapunov函数：
式中，是正定矩阵。通过采取前向差分V(k)，可得：
定义正定对称矩阵和矩阵乘数由式(33)得出：
式中，
由定义以下索引：
其中，β∈[0，1]。
结合式(35)—(37)，如果以下不等式成立，则满足J(t)<0。
其中在式(41)中已定义。
定义和通过对式(38) 使用锥补定理，并提取前件变量，可得如下闭环控制系统的可达集求解：
给出正定对称矩阵矩阵乘数矩阵 和正定标量β∈[0，1]。如果以下矩阵不等式成立，则系统在公式(33)中状态的可达集是有界的：
式中，
并且，系统状态满足以下范围，
式中，
较佳的，本实施例提出一种基于估计与补偿控制的风光互补发电系统的网络延时抑制方法。首先建立风光互补发电系统，并采用物理学原理以及T-S模型的方法表达风光互补发电系统的非线性动态，接着设计估计器去估计网络延时的信号摄动。在此基础上，采用基于补偿的反馈控制器，使得网络延时的信号摄动被抑制并实现稳定工作。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。
Claims (4)
1.一种基于估计与补偿控制的风光互补发电系统的网络延时抑制方法，其特征在于，具体包括以下步骤：
步骤S1：搭建风光互补发电系统；所述风光互补发电系统包括太阳能光伏、永磁同步发电机的风力发电系统、AC/DC整流器、第一DC/DC变换器、第二DC/DC变换器和负载；所述太阳能光伏与所述第一DC/DC变换器连接；所述风力发电与所述AC/DC整流器连接；所述AC/DC整流器还与所述第二DC/DC变换器连接；所述第一DC/DC变换器和所述第二DC/DC变换器均与所述负载连接；
步骤S2：根据物理学原理以及T-S模型的表达方法，建立风光互补发电系统模型；
步骤S3：设计估计器去估计网络延时的信号摄动，用以使风光互补发电系统网络延时的信号变动被限定在界限内；
步骤S4：设计基于补偿的反馈控制器，用以使网络延时的信号摄动被抑制并实现稳定工作。
2.根据权利要求1所述的一种基于估计与补偿控制的风光互补发电系统的网络延时抑制方法，其特征在于：所述步骤S2具体步骤如下：
步骤S21：建立采用DC/DC转换器的太阳能光伏即PV发电系统动态模型，如公式(1)所示：
式中，Vpv，iL，V0分别为PV的阵列电压、电感L上的电流、电容C0的电压；R0，RL，RM分别为电容C0、电感L、功率MOSFET上的内阻；VD是功率二极管的正向电压；i1是可测量的负载电流；
步骤S22：建立具有永磁同步发电机的风力发电系统的动态模型，由下式给出：
式中，Lq和Ld是d-q轴上的定子电感；iq和id是d-q轴上的定子电感；i2是可测负载电流；ψm是定子绕组磁链；Rs是定子电阻；P是极数；ρ是空气密度；v是风速的立方；Cp是功率系数；A是扫掠面积；ωe是电机角速度；J是旋转系统的惯性；
步骤S23：建立有PV和具有永磁同步发电机的风力发电的直流微电网模型；
通过戴维南定理得：
假设ipv＝1.1iL，0.8iL＝i1，0.8iq＝i2，v＝ωe，并由式(1)-(3)得直流微电网模型如下：
式中，ui(t)是控制信号输入，
和
通过如下的取值范围iL＝(1.1A，1.5A)，Vpv＝(10.3V，9.2V)，iq＝(1.3A，1.0A)，id＝(0.4A，0.1A)，Vdc＝(13.9V，9.8V)来线性化非线性互连系统(4)，获得T-S模糊模型如下：
规则如果(iL，Vpv)是(1.1A，10.3V)，那么
规则如果(iL，Vpv)是(1.1A，9.2V)，那么
规则如果(iL，Vpv)是(1.5A，10.3V)，那么
规则如果(iL，Vpv)是(1.5A，9.2V)，那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
规则如果(iq，id，ωe，Vdc)是那么
3.根据权利要求1所述的一种基于估计与补偿控制的风光互补发电系统的网络延时抑制方法，其特征在于：所述步骤S3具体步骤如下：
步骤S31：建立T-S模糊动态模型，得到：
式中，
定义 并假设未知的网络延时摄动是有界的，满足：
其中是正定的标量。
步骤S32：构建一个增广的观测器，用以估计直流微电网系统未知的网络延时摄动，使得误差估计在椭面内是有界的；令并引入一个辅助矩阵变量由式(7)得出：
式中，
增广的状态向量在式(9)中由系统状态xi(k)和未知的网络延时摄动ωi(k)组成；为了同步估计系统状态和延时摄动，引入一个增广的模糊观测器，如下所示：
式中，Li是一个非奇异矩阵；是一个辅助状态向量；
式中是要设计的观测器。
步骤S33：进一步令：
是一个非奇异矩阵，得：
由式(9)-(13)得出：
由于是非奇异的，式(10)中的系统模型表示为：
式中，
步骤S34：对观测器增益进行求解：
首先考虑以下Lyapunov函数：
式中，是正定矩阵；通过取V(k)的前向差，得：
式中，标量κ＞0。
定义正定对称矩阵矩阵乘积从式(15)得：
式中，
定义以下索引：
式中，α∈[0，1]。
结合式(16)-(20)，如果以下不等式成立，则满足J(k)＜0；
式中，Θi和γij(μi)在式(30)中定义；将式(21)通过锥补定理得式(29)中的不等式；
由于J(k)＜0，则有
则V(k+1)-1＜α(V(k)-1). (23)
从式(23)得到：
V(k)＜αk(V(0)-1)+1， (24)
令矩阵乘数如下，用以将非线性矩阵不等式(21)转换为线性矩阵不等式的凸优化问题，
式中，是一个非奇异矩阵；
通过把式(25)代入到式(21)，定义并提取模糊前件变量得：
其中并且
当控制系统的初始条件为零时，得：
式中，
最后根据正定对称矩阵矩阵乘积矩阵和正定标量α∈[0，1]。求解矩阵不等式，则闭环系统(15)中系统状态的可达集是有界的：
式中，
并且，估计误差满足以下范围，
4.根据权利要求1所述的一种基于估计与补偿控制的风光互补发电系统的网络延时抑制方法，其特征在于：所述步骤S4具体步骤如下：
步骤S41：构建一个分布式模糊补偿控制器如下，用以使未知的网络延时摄动ωi(k)能够被抑制；
式中， 和是要设计的模糊控制器增益；
将式(32)代入到(7)中产生以下闭环模糊控制系统：
式中，
步骤S42：根据以下Lyapunov函数：
式中，是正定矩阵；通过采取前向差分V(k)，得：
定义正定对称矩阵和矩阵乘数由式(33)得出：
式中，
由定义以下索引：
其中，β∈[0，1]。
结合式(35)-(37)，如果以下不等式成立，则满足J(t)＜0；
其中在式(41)中已定义；
定义和通过对式(38)使用锥补定理，并提取前件变量，得如下闭环控制系统的可达集求解：
给出正定对称矩阵矩阵乘数矩阵和正定标量β∈[0，1]。如果以下矩阵不等式成立，则系统在公式(33)中状态的可达集是有界的：
式中，
并且，系统状态满足以下范围，
式中，
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910615626.6A CN110365045B (zh) | 2019-07-09 | 2019-07-09 | 一种基于估计与补偿控制的风光互补发电系统的网络延时抑制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910615626.6A CN110365045B (zh) | 2019-07-09 | 2019-07-09 | 一种基于估计与补偿控制的风光互补发电系统的网络延时抑制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110365045A true CN110365045A (zh) | 2019-10-22 |
| CN110365045B CN110365045B (zh) | 2020-09-04 |
Family
ID=68218771
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910615626.6A Active CN110365045B (zh) | 2019-07-09 | 2019-07-09 | 一种基于估计与补偿控制的风光互补发电系统的网络延时抑制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110365045B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111244942A (zh) * | 2020-01-20 | 2020-06-05 | 闽江学院 | 基于差分算子离散的光伏发电系统动态输出反馈控制方法 |
| CN112486019A (zh) * | 2020-11-17 | 2021-03-12 | 九江学院 | 不确定风力发电机系统的最大功率跟踪模糊控制方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105119322A (zh) * | 2015-09-30 | 2015-12-02 | 西安交通大学 | 一种改善并网电压源型逆变器系统稳定性的控制方法 |
| CN107769244A (zh) * | 2017-08-31 | 2018-03-06 | 南京邮电大学 | 计及多种柔性负荷模型的多储能风电调度方法 |
| CN108054784A (zh) * | 2018-01-09 | 2018-05-18 | 河海大学常州校区 | 一种海岛微电网多源协调优化控制方法 |
| CN109240088A (zh) * | 2018-10-24 | 2019-01-18 | 闽江学院 | 一种电力网络通信延时的估计与补偿有限时间控制方法 |
-
2019
- 2019-07-09 CN CN201910615626.6A patent/CN110365045B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105119322A (zh) * | 2015-09-30 | 2015-12-02 | 西安交通大学 | 一种改善并网电压源型逆变器系统稳定性的控制方法 |
| CN107769244A (zh) * | 2017-08-31 | 2018-03-06 | 南京邮电大学 | 计及多种柔性负荷模型的多储能风电调度方法 |
| CN108054784A (zh) * | 2018-01-09 | 2018-05-18 | 河海大学常州校区 | 一种海岛微电网多源协调优化控制方法 |
| CN109240088A (zh) * | 2018-10-24 | 2019-01-18 | 闽江学院 | 一种电力网络通信延时的估计与补偿有限时间控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| ZHIXIONG ZHONG等: "Decentralized Event-Triggered Control for Large-Scale Networked Fuzzy Systems", 《IEEE TRANSACTION ON FUZZY SYSTEMS》 * |
| 腾昌鹏等: "含恒功率负载的直流微网大信号稳定性分析", 《电工技术学报》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111244942A (zh) * | 2020-01-20 | 2020-06-05 | 闽江学院 | 基于差分算子离散的光伏发电系统动态输出反馈控制方法 |
| CN111244942B (zh) * | 2020-01-20 | 2021-07-27 | 闽江学院 | 基于差分算子离散的光伏发电系统动态输出反馈控制方法 |
| CN112486019A (zh) * | 2020-11-17 | 2021-03-12 | 九江学院 | 不确定风力发电机系统的最大功率跟踪模糊控制方法 |
| CN112486019B (zh) * | 2020-11-17 | 2022-06-07 | 九江学院 | 不确定风力发电机系统的最大功率跟踪模糊控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110365045B (zh) | 2020-09-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Valenciaga et al. | Power control of a solar/wind generation system without wind measurement: A passivity/sliding mode approach | |
| Chishti et al. | Development of wind and solar based AC microgrid with power quality improvement for local nonlinear load using MLMS | |
| Chishti et al. | Robust normalized mixed-norm adaptive control scheme for PQ improvement at PCC of a remotely located wind–solar PV-BES microgrid | |
| Siraj et al. | Modeling and control of a doubly fed induction generator for grid integrated wind turbine | |
| CN106708163A (zh) | 以最大功率点旋转备用容量跟踪的光伏发电系统控制方法 | |
| Singh et al. | Robust control strategies for SyRG-PV and wind-based islanded microgrid | |
| Husain et al. | Modeling and study of a standalone PMSG wind generation system using MATLAB/SIMULINK | |
| CN110365045A (zh) | 一种基于估计与补偿控制的风光互补发电系统的网络延时抑制方法 | |
| Said et al. | Wave-to-grid (W2G) control of a wave energy converter | |
| Parida et al. | Integrated DFIG–SCIG‐based wind energy conversion system equipped with improved power generation capability | |
| Elaadouli et al. | An improved control for a stand-alone WEC system involving a Vienna rectifier with battery energy storage management | |
| Hussein et al. | Simple maximum power extraction control for permanent magnet synchronous generator based wind energy conversion system | |
| Al Tahir | Semi-global output feedback nonlinear stabilization of variable speed grid connected direct drive wind turbine generator systems | |
| Sadamoto et al. | Dynamic modeling, stability, and control of power systems with distributed energy resources | |
| Rigatos et al. | DFIG control using differential flatness theory and extended Kalman filtering | |
| Bechouat et al. | Particle Swarm Optimization Backstepping Controller for a Grid-Connected PV/Wind Hybrid System. | |
| Nouali et al. | Multi-layer neural network for sensorless MPPT control for wind energy conversion system using doubly fed twin stator induction gnenerator | |
| Mesbahi et al. | Extended Kalman Filter for characterizing a wind energy conversion system based onvariable speed permanent magnet synchronous generator | |
| Fu et al. | MPPT control based fuzzy for wind energy generating system | |
| El Azzaoui et al. | Sensorless fuzzy MPPT technique of solar PV and DFIG based wind hybrid system | |
| Chandran et al. | Power management and control of PMSG based hydro-PV-BES using CSTOGI control algorithm for autonomous micro-grid | |
| Venkatachalam et al. | Performance evaluation and load demand management of grid connected hybrid wind-solar-battery system | |
| Zou | Modeling, control and maximum power point tracking (MPPT) of Doubly-Fed Induction Generator (DFIG) wind power system | |
| Berkoune et al. | Control and operating point optimization of hybrid excitation synchronous generator applied for wind application | |
| Makrygiorgou et al. | Dynamic analysis of induction machine driven electric vehicles based on the nonlinear accurate model |
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 |