CN112688307B - 一种交直流混合微电网控制器及控制方法 - Google Patents
一种交直流混合微电网控制器及控制方法 Download PDFInfo
- Publication number
- CN112688307B CN112688307B CN202011398794.3A CN202011398794A CN112688307B CN 112688307 B CN112688307 B CN 112688307B CN 202011398794 A CN202011398794 A CN 202011398794A CN 112688307 B CN112688307 B CN 112688307B
- Authority
- CN
- China
- Prior art keywords
- axis
- module
- current
- converter
- voltage
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005070 sampling Methods 0.000 claims abstract description 27
- 238000012937 correction Methods 0.000 claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 238000005096 rolling process Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 230000003068 static effect Effects 0.000 claims abstract description 11
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 238000013528 artificial neural network Methods 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 239000003990 capacitor Substances 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 4
- 230000002457 bidirectional effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Abstract
本发明公开了一种交直流混合微电网控制器及控制方法，控制器包括外环控制、无功参考电流计算模块、采样周期模块、三相/两相静止坐标变换模块、内环控制和开关状态模块，外环控制包括外环反推控制模块，内环控制包括预测模块、反馈矫正模块和滚动优化模块；方法包括：采集信号；通过外环反推控制模块得到参考电流值；将d和q轴参考电流值、坐标变换后的采集信号送入到内环控制中，通过预测模块、反馈校正模块以及滚动优化模块输出AC/DC换流器最优的电压控制量在d轴和q轴的分量；通过开关状态模块输出AC/DC换流器开关的控制信号，控制AC/DC换流器的开关的通断，维持电压的稳定。本发明提高了系统的动态响应速度、稳定性和鲁棒性。
Description
技术领域
本发明涉及交直流微电网控制技术领域，具体涉及一种交直流混合微电网控制器及控制方法。
背景技术
随着我国经济的高速发展和城市供用电形式的深度变革，高可靠性供电、高渗透率分布式能源友好接入对配电网控制运行提出了更高要求。近年来，基于电压源AC/DC换流器(VSC)的双向交直流混合微电网技术得到快速发展。其中，风电、光伏等大规模可再生能源友好并网，有效提高配网清洁能源消纳能力；PQ四象限控制，可精确调控电网潮流分布，提高电网运行安全性和经济性。
维持直流电压稳定是功率稳定传输的前提，因此，改善电压稳定性和动态响应性是复杂的交直流混合微电网控制方法优化的主要指标。传统控制方法采用双闭环PI控制器，实现了系统PQ解耦控制，控制简单且便于实现，但动态响应速度和控制精度有待提高，传统外环PI控制中存在电压波动较大、PI参数难以整定、积分饱和等问题。
发明内容
本发明的目的在于提供一种交直流混合微电网控制器及控制方法，能够解决交直流混合微电网系统电压波动较大以及动态响应慢等问题。
实现本发明目的的技术方案为：
一种交直流混合微电网控制器，包括外环控制、无功参考电流计算模块、采样周期模块、三相/两相静止坐标变换模块、内环控制以及开关状态模块，外环控制包括外环反推控制模块，内环控制包括预测模块、反馈矫正模块和滚动优化模块；其中：
外环反推控制模块采用外环反推控制算法，其输入为直流侧电压和设定的参考直流电压，输出为直流侧电流在d轴的参考电流值；
无功参考电流计算模块通过直流侧设定的无功功率计算直流侧电流在q轴的参考电流；
采样周期模块用于按照周期采集交直流混合微电网系统的电网侧电压、电网侧电流、AC/DC换流器交流侧电压和直流侧电压；
三相/两相静止坐标变换模块对采样周期模块采集的信号进行坐标变换得到采样信号在d轴和q轴的分量；
预测模块通过预测模型得到AC/DC换流器电流预测值在d轴和q轴的分量；
反馈矫正模块通过误差补偿优化预测模型，输出电流误差在d轴和q轴的分量；
外环反推控制模块的输出、无功参考电流计算模块的输出、预测模块输出和反馈矫正模块输出共同输入到滚动优化模块，得到AC/DC换流器最优的电压控制量在d轴和q轴的分量；
开关状态模块用于将滚动优化模块的输出转换为AC/DC换流器开关的控制信号。
进一步的，所述内环控制还包括参数辨识模块，其对预测模型中的电感进行在线参数辨识，得到AC/DC换流器在实际运行中电感的精确值。
一种交直流混合微电网控制方法，包括：
采样周期模块采集交直流混合微电网系统的电网侧电压、电网侧电流、AC/DC换流器交流侧电压和直流侧电压Udc；
将直流侧电压Udc和设定的参考直流电压Udcref通过外环反推控制模块输出直流侧电流在d轴的参考电流值idref；
通过三相/两相静止坐标变换模块获取电网侧电压、电网侧电流和AC/DC换流器交流侧电压在d轴和q轴的分量；
通过无功参考电流计算模块得到直流侧电流在q轴的参考电流iqref；
将得到的参考电流值idref和iqref、获取的电网侧电压、电网侧电流以及AC/DC换流器交流侧电压在d轴和q轴的分量作为参考信号送入到内环控制中，通过预测模块、反馈校正模块以及滚动优化模块输出AC/DC换流器最优的电压控制量在d轴和q轴的分量；
将AC/DC换流器最优的电压控制量在d轴和q轴的分量通过开关状态模块输出AC/DC换流器开关的控制信号；
将控制信号输入到AC/DC换流器，控制AC/DC换流器的开关的通断。
进一步的，所述外环反推控制模块输出直流侧电流在d轴的参考电流值idref具体为：
定义直流电压跟踪误差z1：
z1＝Udc-Udcref (1)多端柔直系统忽略AC/DC换流器损耗下的功率守恒式为：
其中：C为直流侧电容，Usdi是第i个AC/DC换流器电网侧电压d轴分量，idi是第i个AC/DC换流器电网侧电流d轴分量，n是AC/DC换流器的个数；
结合公式(1)、(2)，直流电压跟踪误差的导数为：
设正定Lyapunov函数V1为：
式(4)的导数为：
k1是可控参数且其值大于0，令式(5)右边括号内的式子为零，得到电流的虚拟控制量idref为：
进一步的，所述预测模块的预测模型为：
式中：Ts是采样周期；Urd(k-1)和Urq(k-1)是AC/DC换流器交流侧d轴和q轴在k-1时刻电压采样值；Usd(k)和Usq(k)是k时刻网侧电压d轴和q轴分量、id(k)和iq(k)是k时刻电流采样值在d轴和q轴分量；id(k+1)和iq(k+1)是k+1时刻电流预测值在d轴和q轴分量；ΔUrd(k)和ΔUrq(k)是k时刻AC/DC换流器输出电压增量在d轴和q轴分量，ω为电网角频率，R为AC/DC换流器中电阻的阻值，L为AC/DC换流器中电感的电感值。
进一步的，所述预测模型由参数辨识模块对模型中电感进行在线参数辨识。
进一步的，所述参数辨识模块采用神经网络算法对模型中电感进行在线参数辨识。
进一步的，所述采用神经网络算法对模型中电感进行在线参数辨识具体为：
神经网络算法的输出表达式为:
式中：n为网络输入信号的个数；wi为第i个神经网络权值；xi为第i个网络输入信号；o(wi,xi)为网络的输出激励函数；
网络最小均方算法的权值调整算法为：
wi(k+1)＝wi(k)+2ηxi(d(k)-O(k)) (10)
式中：wi(k+1)为第i个神经网络权值在k+1时刻预测值，wi(k)为在k时刻第i个神经网络权值，η为神经网络权值调整步长；d(k)、O(k)分别为在k时刻神经网络实际输出和目标输出；
由式(8)和(10)可得电感的辨识方程：
将式(11)的神经网络优化的电感带入到预测模型，得到优化的预测模型。
进一步的，所述反馈矫正模块具体为：
首先定义AC/DC换流器在k时刻，电流预测的误差在d轴和q轴分量ed(k)、eq(k)为：
式中：h1和h2是误差校正系数，id(k)和iq(k)是AC/DC换流器在k时刻电流的采样值在d轴和q轴分量，和/>是补偿以后k时刻预测电流值在d轴和q轴分量；
校正后的预测模型输出为：
其中，id(k+1)和iq(k+1)是AC/DC换流器在k+1时刻电流的采样值在d轴和q轴分量，和/>是k+1时刻预测电流值在d轴和q轴分量。
进一步的，所述滚动优化模块的优化控制目标函数为：
式中，λ1和λ2是d和q轴电流误差在目标函数中的权重系数，ξ1和ξ2是d和q轴控制电压增量误差在目标函数中的权重系数；idref和iqref是d和q轴参考电流；对目标函数J求偏导得到AC/DC换流器最优的电压控制量在d轴和q轴的分量。
与现有技术相比，本发明的有益效果是：(1)本发明采用反推控制取代传统外环PI控制，直接将虚拟控制量作为参考电流送入内环控制器，不仅避免了对虚拟控制量多次求导，而且降低了控制器设计的复杂度；(2)本发明在内环控制器中引入模型预测控制，并采用神经网络算法对不确定的电感参数进行在线辨识，提高了模型预测精度；(3)本发明使系统直流母线电压波动小，提高了动态响应速度、系统的稳定性和鲁棒性。
附图说明
图1为典型的交直流混合微电网系统拓扑图。
图2为图1中双向AC/DCAC/DC换流器拓扑结构图。
图3为本发明所提控制器的框图。
图4为本发明中的外环反推控制框图。
图5为本发明中的内环模型预测控制框图。
图6为本发明应用于交直流混合微电网系统在小扰动下的直流母线电压图。
图7为本发明应用于交直流混合微电网系统在大扰动下直流母线电压图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
图1为典型的交直流混合微电网系统拓扑图，交流子网中包括风力发电机、燃气轮机及交流负载，直流子网中包括储能电池、光伏发电单元等分布式电源和直流负载。微电网可通过静态开关STS与配电网互联。
系统中包含双向AC/DC换流器，其拓扑结构如图2所示，各AC/DC换流器以注入交流网络的功率为正方向；
为实现PQ独立解耦，根据图2列写AC/DC换流器dq坐标系下方程如下：
式中：Urd和Urq是AC/DC换流器交流侧电压的d轴和q轴分量，Usd和Usq是电网侧电压d轴和q轴分量、id和iq是电网侧电流d轴和q轴分量；ω为电网角频率；稳态下Usq＝0且阻值R较小其损耗可忽略不计，AC/DC换流器从交流侧吸收的有功和无功功率为：
多端柔直系统忽略AC/DC换流器损耗下的功率守恒式为：
式中：Udc为直流侧母线电压，C为直流侧电容，Usdi是第i个AC/DC换流器电网侧电压d轴分量，idi是第i个AC/DC换流器电网侧电流d轴分量，n为AC/DC换流器的个数。
基于所述的交直流混合微电网系统拓扑结构，以及建立的交直流AC/DC换流器数学模型，设计本发明的控制器，该控制器的控制策略框图如图3所示，外环控制采用电压反推控制，为提高系统的动态响应性，内环控制用模型预测控制设计，控制器包括外环控制、无功参考电流计算模块、采样周期模块、三相/两相静止坐标变换模块、内环控制以及开关状态模块，外环控制包括外环反推控制模块，内环控制包括预测模块、反馈矫正模块和滚动优化模块；该控制器用于控制AC/DC换流器的开关的通断，维持交直流混合微电网系统电压的稳定，其中：
外环反推控制模块采用外环反推控制算法，其输入为直流侧电压和设定的参考直流电压，输出为直流侧电流在d轴的参考电流值；
无功参考电流计算模块通过直流侧设定的无功功率计算直流侧电流在q轴的参考电流iqref；
采样周期模块用于按照周期采集交直流混合微电网系统的电网侧电压、电网侧电流、AC/DC换流器交流侧电压和直流侧电压；
三相/两相静止坐标变换模块对采样周期模块采集的信号进行坐标变换得到采样信号在d轴和q轴的分量；
预测模块通过预测模型得到AC/DC换流器电流预测值在d轴和q轴的分量；
反馈矫正模块通过误差补偿优化预测模型，输出电流误差值在d轴和q轴的分量；
外环反推控制模块的输出、无功参考电流计算模块的输出、预测模块输出和反馈矫正模块输出共同输入到滚动优化模块，得到AC/DC换流器最优的电压控制量在d轴和q轴的分量；
开关状态模块用于将最优的电压控制量转换为AC/DC换流器开关的控制信号。
所述内环控制还包括参数辨识模块，其采用神经网络算法对预测模型中的电感进行在线参数辨识，得到双向AC/DCAC/DC换流器在实际运行中电感的精确值。
基于所述控制器，本发明提出交直流混合微电网控制方法，该方法用于交直流混合微电网控制，该方法包括：
采样周期模块采集交直流混合微电网系统的电网侧电压、电网侧电流、AC/DC换流器交流侧电压和直流侧电压Udc；
将直流侧电压Udc和设定的参考直流电压Udcref通过外环反推控制模块输出直流侧电流在d轴的参考电流值idref；
通过三相/两相静止坐标变换模块获取电网侧电压、电网侧电流和AC/DC换流器交流侧电压在d轴和q轴的分量；
通过无功参考电流计算模块得到直流侧电流在q轴的参考电流iqref；
将得到的参考电流值idref和iqref、获取的电网侧电压、电网侧电流以及AC/DC换流器交流侧电压在d轴和q轴的分量作为参考信号送入到内环控制中，通过预测模块、反馈校正模块以及滚动优化模块输出AC/DC换流器最优的电压控制量在d轴和q轴的分量；
将AC/DC换流器最优的电压控制量在d轴和q轴的分量通过开关状态模块输出AC/DC换流器开关的控制信号；
将控制信号输入到AC/DC换流器，控制AC/DC换流器的开关的通断，维持系统电压的稳定。
下面作进一步详细说明：
图4为外环反推控制模块框图，具体的控制策略设计步骤如下：
首先定义直流电压跟踪误差：
z1＝Udc-Udcref (5)
其中：Udc是采集的直流侧电压，Udcref是直流侧参考电压。
根据式(4)，(5)电压跟踪误差的导数可表示为：
设正定Lyapunov函数可以表示为：
式(7)的导数为：
其中：k1是AC/DC换流器的可调系数。
令式(8)右边括号内的式子为零，可得电流的虚拟控制量，虚拟控制量idref可以表示为：
k1是可控参数且其值大于0，将式(9)代入式(8)可知符合Lyapunov函数控制律。其中idref送入到内环作为d轴电流的参考值。
内环控制预测控制框图如图5所示，预测模块、反馈矫正模块和滚动优化模块具体设计如下：
(1)预测模块的预测模型
将公式(1)离散化并对其中电流的导数进行一阶欧拉法处理，重新排列方程后，得到以下离散模型：
式中：Ts是采样周期；Urd(k-1)和Urq(k-1)是AC/DC换流器交流侧d轴和q轴在k-1时刻电压采样值；Usd(k)和Usq(k)是k时刻网侧电压d轴和q轴分量、id(k)和iq(k)是电流采样值在d轴和q轴分量；id(k+1)和iq(k+1)是k+1时刻电流预测值在d轴和q轴分量；ΔUrd(k)和ΔUrq(k)是k时刻AC/DC换流器输出电压增量在d轴和q轴分量。
在目前的研究分析中，一般假设电感L是不变的常数。但在实际运行中，当大电流流过L时易造成电感饱和现象，导致电感值发生变化，将直接影响离散模型预测精度。为了获得L在实际运行中的精确值，采用神经网络算法对模型中电感进行在线参数辨识，提高模型预测精度。
神经网络系统的输出表达式:
式中：wi为神经网络权值；xi为网络输入信号；o(wi,xi)为网络的输出激励函数。
网络最小均方算法的权值调整算法为：
wi(k+1)＝wi(k)+2ηxi(d(k)-O(k)) (13)
式中：wi(k+1)为第i个神经网络权值在k+1时刻预测值，wi(k)为在k时刻第i个神经网络权值，η为神经网络权值调整步长；d(k)、O(k)分别为在k时刻神经网络实际输出和目标输出。
由式(11)和(13)可得电感的辨识方程：
将式(14)辨识到的电感代入公式(10)、(11)中进行模型预测。
(2)反馈校正模块
首先定义AC/DC换流器在k时刻，电流预测的误差在d轴和q轴分量ed(k)、eq(k)为：
式中：h1和h2是误差校正系数，id(k)和iq(k)是AC/DC换流器在k时刻电流的采样值在d轴和q轴分量，和/>是补偿以后k时刻预测电流值在d轴和q轴分量。
校正后的模型预测输出为：
其中，id(k+1)和iq(k+1)是AC/DC换流器在k+1时刻电流的采样值在d轴和q轴分量，和/>是k+1时刻预测电流值在d轴和q轴分量。
(3)滚动优化模块
使电流预测值和参考值差值最小是滚动优化的目标，控制目标函数取式(14)。
式中，λ1和λ2是d和q轴电流误差在目标函数中的权重系数、ξ1和ξ2是d和q轴控制电压增量误差在目标函数中的权重系数；idref和iqref是d和q轴参考电流；为使目标函数J值最小，可对目标函数J求偏导得到最优的控制量。
实施例
本实施例中控制器和控制方法同实施方式，在Matlab/Simulink中进行仿真，验证所提控制方法的优越性。网侧交流电压10kV，直流母线电压10kV，并网等值电阻均为60mΩ，并网等值电感均为8mH，直流母线电容为4500μF。
为验证所设计控制器和控制方法在维持直流电压稳定和动态响应性上的优越性，分别在系统出现小扰动和大扰动运行两种情况下进行仿真。
系统在小扰动运行时，分别在0.4s和0.72s时发生小扰动得到的直流母线电压响应曲线如图6所示，各控制器性能指标列于表1。
表1
由图6和表1可知，在小扰动情况下，双闭环PI控制器有较大的超调量和欠调量分别为0.33kV和0.23kV；MPC控制器超调量和欠调量次之，为0.27kV和0.18kV；反推控制器超调量为0.16kV，欠调量为0.15kV；而所设计控制器的超调和欠调量为0.09kV和0.08kV，并且动态响应时间最短，约为0.03s，且稳态误差百分比也最小。所设计的控制器在小扰动情况下的性能要优于其他控制方法。
系统在大扰动运行时，直流母线电压响应曲线如图7所示，各控制器性能指标列于表2。
表2
由图7和表2可知，在各控制器控制下，从0.45s开始系统的直流电压根据下垂特性最终稳定在9.7kV左右，在此过程中，双闭环PI，MPC和反推控制器直流电压的超调量和欠调量相对较大，恢复时间和稳态误差也较大，而本文所设计控制器的超调量和欠调量最小，分别为0.42kV和0.33kV，恢复时间和稳态误差也最小，分别为0.02s和18V。因此，所设计控制方法的鲁棒性最优，抗干扰能力较其他三种控制器最强，在响应时间，稳态误差，超调量及欠调量等方面显示出优良性能。
Claims (8)
1.一种交直流混合微电网控制器，其特征在于，包括外环控制、无功参考电流计算模块、采样周期模块、三相/两相静止坐标变换模块、内环控制以及开关状态模块，外环控制包括外环反推控制模块，内环控制包括预测模块、反馈校正模块和滚动优化模块；其中：
外环反推控制模块采用外环反推控制算法，其输入为直流侧电压和设定的参考直流电压，输出为直流侧电流在d轴的参考电流值；
无功参考电流计算模块通过直流侧设定的无功功率计算直流侧电流在q轴的参考电流；
采样周期模块用于按照周期采集交直流混合微电网系统的电网侧电压、电网侧电流、AC/DC换流器交流侧电压和直流侧电压；
三相/两相静止坐标变换模块对采样周期模块采集的信号进行坐标变换得到采样信号在d轴和q轴的分量；
预测模块通过预测模型得到AC/DC换流器电流预测值在d轴和q轴的分量；
反馈校正模块通过误差补偿优化预测模型，输出电流误差在d轴和q轴的分量；
外环反推控制模块的输出、无功参考电流计算模块的输出、预测模块输出和反馈校正模块输出共同输入到滚动优化模块，得到AC/DC换流器最优的电压控制量在d轴和q轴的分量；
开关状态模块用于将滚动优化模块的输出转换为AC/DC换流器开关的控制信号；
所述外环反推控制模块输出直流侧电流在d轴的参考电流值idref具体为：
定义直流电压跟踪误差z1：
z1＝Udc-Udcref (1)
Udc为直流侧电压，Udcref为设定的参考直流电压；
多端柔直系统忽略AC/DC换流器损耗下的功率守恒式为：
其中：C为直流侧电容，Usdi是第i个AC/DC换流器电网侧电压d轴分量，idi是第i个AC/DC换流器电网侧电流d轴分量，n是AC/DC换流器的个数；
结合公式(1)、(2)，直流电压跟踪误差的导数为：
设正定Lyapunov函数V1为：
式(4)的导数为：
k1是可控参数且其值大于0，令式(5)右边括号内的式子为零，得到电流的虚拟控制量idref为：
所述预测模块的预测模型为：
式中：Ts是采样周期；Urd(k-1)和Urq(k-1)是AC/DC换流器交流侧d轴和q轴在k-1时刻电压采样值；Usd(k)和Usq(k)是k时刻网侧电压d轴和q轴分量、id(k)和iq(k)是k时刻电流采样值在d轴和q轴分量；id(k+1)和iq(k+1)是k+1时刻电流预测值在d轴和q轴分量；ΔUrd(k)和ΔUrq(k)是k时刻AC/DC换流器输出电压增量在d轴和q轴分量，ω为电网角频率，R为AC/DC换流器中电阻的阻值，L为AC/DC换流器中电感的电感值。
2.根据权利要求1所述的一种交直流混合微电网控制器，其特征在于，所述内环控制还包括参数辨识模块，其对预测模型中的电感进行在线参数辨识，得到AC/DC换流器在实际运行中电感的精确值。
3.一种交直流混合微电网控制方法，其特征在于，包括：
采样周期模块采集交直流混合微电网系统的电网侧电压、电网侧电流、AC/DC换流器交流侧电压和直流侧电压Udc；
将直流侧电压Udc和设定的参考直流电压Udcref通过外环反推控制模块输出直流侧电流在d轴的参考电流值idref；
通过三相/两相静止坐标变换模块获取电网侧电压、电网侧电流和AC/DC换流器交流侧电压在d轴和q轴的分量；
通过无功参考电流计算模块得到直流侧电流在q轴的参考电流iqref；
将得到的参考电流值idref和iqref、获取的电网侧电压、电网侧电流以及AC/DC换流器交流侧电压在d轴和q轴的分量作为参考信号送入到内环控制中，通过预测模块、反馈校正模块以及滚动优化模块输出AC/DC换流器最优的电压控制量在d轴和q轴的分量；
将AC/DC换流器最优的电压控制量在d轴和q轴的分量通过开关状态模块输出AC/DC换流器开关的控制信号；
将控制信号输入到AC/DC换流器，控制AC/DC换流器的开关的通断；
所述外环反推控制模块输出直流侧电流在d轴的参考电流值idref具体为：
定义直流电压跟踪误差z1：
z1＝Udc-Udcref (1)
多端柔直系统忽略AC/DC换流器损耗下的功率守恒式为：
其中：C为直流侧电容，Usdi是第i个AC/DC换流器电网侧电压d轴分量，idi是第i个AC/DC换流器电网侧电流d轴分量，n是AC/DC换流器的个数；
结合公式(1)、(2)，直流电压跟踪误差的导数为：
设正定Lyapunov函数V1为：
式(4)的导数为：
k1是可控参数且其值大于0，令式(5)右边括号内的式子为零，得到电流的虚拟控制量idref为：
所述预测模块的预测模型为：
式中：Ts是采样周期；Urd(k-1)和Urq(k-1)是AC/DC换流器交流侧d轴和q轴在k-1时刻电压采样值；Usd(k)和Usq(k)是k时刻网侧电压d轴和q轴分量、id(k)和iq(k)是k时刻电流采样值在d轴和q轴分量；id(k+1)和iq(k+1)是k+1时刻电流预测值在d轴和q轴分量；ΔUrd(k)和ΔUrq(k)是k时刻AC/DC换流器输出电压增量在d轴和q轴分量，ω为电网角频率，R为AC/DC换流器中电阻的阻值，L为AC/DC换流器中电感的电感值。
4.根据权利要求3所述的一种交直流混合微电网控制方法，其特征在于，所述预测模型由参数辨识模块对模型中电感进行在线参数辨识。
5.根据权利要求4所述的一种交直流混合微电网控制方法，其特征在于，所述参数辨识模块采用神经网络算法对模型中电感进行在线参数辨识。
6.根据权利要求5所述的一种交直流混合微电网控制方法，其特征在于，所述采用神经网络算法对模型中电感进行在线参数辨识具体为：
神经网络算法的输出表达式为:
式中：n′为网络输入信号的个数；wi为第i个神经网络权值；xi为第i个网络输入信号；o(wi,xi)为网络的输出激励函数；
网络最小均方算法的权值调整算法为：
wi(k+1)＝wi(k)+2ηxi(d(k)-O(k)) (10)
式中：wi(k+1)为第i个神经网络权值在k+1时刻预测值，wi(k)为在k时刻第i个神经网络权值，η为神经网络权值调整步长；d(k)、O(k)分别为在k时刻神经网络实际输出和目标输出；
由式(8)和(10)可得电感的辨识方程：
。
7.根据权利要求3所述的一种交直流混合微电网控制方法，其特征在于，所述反馈校正模块具体为：
首先定义AC/DC换流器在k时刻，电流预测的误差在d轴和q轴分量ed(k)、eq(k)为：
式中：h1和h2是误差校正系数，id(k)和iq(k)是AC/DC换流器在k时刻电流的采样值在d轴和q轴分量，和/>是补偿以后k时刻预测电流值在d轴和q轴分量；
校正后的预测模型输出为：
其中，id(k+1)和iq(k+1)是AC/DC换流器在k+1时刻电流的采样值在d轴和q轴分量，和/>是k+1时刻预测电流值在d轴和q轴分量。
8.根据权利要求3所述的一种交直流混合微电网控制方法，其特征在于，所述滚动优化模块的优化控制目标函数为：
式中，λ1和λ2是d和q轴电流误差在目标函数中的权重系数，ξ1和ξ2是d和q轴控制电压增量误差在目标函数中的权重系数；idref和iqref是d和q轴参考电流；对目标函数J求偏导 得到AC/DC换流器最优的电压控制量在d轴和q轴的分量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011398794.3A CN112688307B (zh) | 2020-12-04 | 2020-12-04 | 一种交直流混合微电网控制器及控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011398794.3A CN112688307B (zh) | 2020-12-04 | 2020-12-04 | 一种交直流混合微电网控制器及控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112688307A CN112688307A (zh) | 2021-04-20 |
| CN112688307B true CN112688307B (zh) | 2024-04-12 |
Family
ID=75445800
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011398794.3A Active CN112688307B (zh) | 2020-12-04 | 2020-12-04 | 一种交直流混合微电网控制器及控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112688307B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113629780B (zh) * | 2021-08-11 | 2023-03-24 | 山东大学 | 微电网功率转换器控制方法、系统、存储介质及设备 |
| 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 |
| CN114884057B (zh) * | 2022-07-11 | 2022-09-09 | 华东交通大学 | 一种自适应步长双闭环mpc优化调度方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104617593A (zh) * | 2014-12-03 | 2015-05-13 | 浙江大学 | 一种并网变换器的反推直接功率控制方法 |
| WO2019165701A1 (zh) * | 2018-02-28 | 2019-09-06 | 东南大学 | 一种交直流混联微网的随机鲁棒耦合型优化调度方法 |
| CN110535147A (zh) * | 2019-07-31 | 2019-12-03 | 华北电力大学（保定） | 一种交直流混合微网h∞频率控制方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10651654B2 (en) * | 2017-11-07 | 2020-05-12 | State Grid Corporation Of China | Model predictive controller for autonomous hybrid microgrids |
-
2020
- 2020-12-04 CN CN202011398794.3A patent/CN112688307B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104617593A (zh) * | 2014-12-03 | 2015-05-13 | 浙江大学 | 一种并网变换器的反推直接功率控制方法 |
| WO2019165701A1 (zh) * | 2018-02-28 | 2019-09-06 | 东南大学 | 一种交直流混联微网的随机鲁棒耦合型优化调度方法 |
| CN110535147A (zh) * | 2019-07-31 | 2019-12-03 | 华北电力大学（保定） | 一种交直流混合微网h∞频率控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于扰动跟踪的交直流微电网互联变流器自适应反推控制策略;陈冰;刘子文;简翔浩;周钰;汤清权;张勇军;;电力自动化设备(第06期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112688307A (zh) | 2021-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112688307B (zh) | 一种交直流混合微电网控制器及控制方法 | |
| Fei et al. | Fuzzy double hidden layer recurrent neural terminal sliding mode control of single-phase active power filter | |
| CN106230257B (zh) | 一种双向直流变换器反馈线性化反步滑模控制方法 | |
| CN103023058B (zh) | 一种向无源网络供电的柔性直流输电系统控制方法 | |
| CN103472885B (zh) | 应用于多级式光伏并网发电系统的最大功率点追踪方法 | |
| CN104184355B (zh) | 三相pwm电压型逆变器的双闭环控制装置及控制方法 | |
| CN101969210A (zh) | 一种基于自抗扰控制技术的光伏发电系统的并网控制方法 | |
| CN103603767B (zh) | 一种基于滑模的极值搜索控制参数自适应调整方法 | |
| CN103972922B (zh) | 基于改进型准谐振控制加重复控制的光伏并网控制方法 | |
| CN204615631U (zh) | 一种功率因数校正电路的母线电压纹波补偿控制电路 | |
| CN110247419B (zh) | 一种适用于多端背靠背柔直的控制方法 | |
| CN101895125A (zh) | 海上风电场轻型直流输电系统变流器的控制方法 | |
| CN111725840B (zh) | 一种直驱风电机组控制器参数辨识方法 | |
| CN104617593A (zh) | 一种并网变换器的反推直接功率控制方法 | |
| CN110061504A (zh) | 一种基于准比例谐振复合控制的从电源功率控制方法 | |
| CN103513693A (zh) | 基于单变量电流法光伏发电最大功率跟踪控制系统及方法 | |
| CN114123225B (zh) | 一种基于双预测控制的三相无功补偿器的控制方法 | |
| CN114024340B (zh) | 一种海上风电装置控制系统及模型预测控制方法 | |
| CN112510710B (zh) | 分布式潮流控制器注入电压模式定值换算方法及系统 | |
| CN115498616A (zh) | 一种柔性直流输电系统高频振荡主导环节快速识别方法 | |
| CN109378847B (zh) | 一种微电网储能pcs控制系统和方法 | |
| CN113422396A (zh) | 用于光伏电站无功补偿时逆变器与svg配合的方法及装置 | |
| Genwang et al. | Single-phase sinusoidal inverter based on fuzzy PID control for small wind power system | |
| CN113452068B (zh) | 一种连接风电场的vsc整流站多步模型预测控制方法 | |
| CN107769594A (zh) | 一种单相脉冲整流器电流内环控制器的优化方法 |
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 | ||
| GR01 | Patent grant |