CN112886884A - 一种dfig多目标优化控制目标函数的设计方法 - Google Patents

一种dfig多目标优化控制目标函数的设计方法 Download PDF

Info

Publication number
CN112886884A
CN112886884A CN202110377168.4A CN202110377168A CN112886884A CN 112886884 A CN112886884 A CN 112886884A CN 202110377168 A CN202110377168 A CN 202110377168A CN 112886884 A CN112886884 A CN 112886884A
Authority
CN
China
Prior art keywords
active power
stator
control
reference value
objective function
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
Application number
CN202110377168.4A
Other languages
English (en)
Other versions
CN112886884B (zh
Inventor
李岚
杨旭
侯传羽
杨琦
赵楠
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.)
Taiyuan University of Technology
Original Assignee
Taiyuan University of Technology
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 Taiyuan University of Technology filed Critical Taiyuan University of Technology
Priority to CN202110377168.4A priority Critical patent/CN112886884B/zh
Publication of CN112886884A publication Critical patent/CN112886884A/zh
Application granted granted Critical
Publication of CN112886884B publication Critical patent/CN112886884B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P9/00—Arrangements for controlling electric generators for the purpose of obtaining a desired output
    • H02P9/007—Control circuits for doubly fed 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
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P9/00—Arrangements for controlling electric generators for the purpose of obtaining a desired output
    • H02P9/44—Control of frequency and voltage in predetermined relation, e.g. constant ratio
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P2103/00—Controlling arrangements characterised by the type of generator
    • H02P2103/10—Controlling arrangements characterised by the type of generator of the asynchronous type

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

本发明属于双馈风力发电机的有限集模型预测控制技术领域，具体为一种DFIG多目标优化控制目标函数的设计方法，解决了背景技术中的技术问题，其包括选择两个被控对象；基于有限集模型预测控制，给出传统分层控制目标函数；将传统分层控制目标函数中的非线性项进行更新，重新构造包括两个被控对象在内的目标函数；根据电机动态反馈的效果，系统动态切换被控对象的权重系数，同时根据被控对象参考值的变化情况调整控制力度，使两个被控对象的控制精度保持稳定。本发明在传统分层控制的基础上，通过进一步改写目标函数中的非线性项，在目标函数中引入相对误差控制思想，可在被控对象参考值变化较大的情况下，实现各被控对象控制精度基本不变的目的。

Description

一种DFIG多目标优化控制目标函数的设计方法
技术领域
本发明属于不平衡电网电压下双馈风力发电机的控制技术领域，涉及双馈风力发电机的有限集模型预测控制技术，具体为一种DFIG多目标优化控制目标函数的设计方法。
背景技术
近年来，随着大气污染，温室效应等环境问题的出现，人们逐渐意识到清洁能源代替化石能源的重要性。在各种新能源中，风能是一种重要的能源形式，现如今的电气时代，我们希望将风能转化为电能服务于人类的生产和生活。双馈风力发电机因其宽广的转速运行范围，所需励磁变换器容量小等优点，成为风力发电的主流机型。
实际电网发生不对称故障的概率较大，为增强系统稳定运行的能力且保障电网的安全，需要双馈风力发电机具备一定的不对称故障穿越能力。因此，电网电压不对称条件下双馈风力发电机的运行能力控制成为国际风电技术发展的主要动向之一。
模型预测控制可以通过一个统一的目标函数将所有的控制目标和约束条件集中进行优化，从而便利地控制多个不同物理尺度的控制目标，而不需要大幅改变控制结构。但是模型预测控制需要给每一个控制目标设计一个合理的权重系数，如果系数不合理，会导致各个目标无法实现协调控制。目前，研究人员多是基于经验主义，通过多次尝试来获得较优的权重系数组合，时间成本较高且不一定是最优组合。对于权重系数的设计问题，现有的文献和研究主要集中在优化算法或者改变目标函数结构来避免权重系数的设计。但是，这些方法也暴露出了大量的缺点，优化算法的设计方法实施起来比较耗时，而且会大大加重计算负担。改变目标函数结构的设计方法可能会使目标函数复杂化，无法应用于其他控制目标，缺乏普适性。
综上所述，现有的权重系数设计方案不能根据用户自定义的准则进行明确的选择，避免权重系数的设计方案不够灵活，没有解决根本问题。
发明内容
本发明旨在解决传统分层控制策略中，因被控对象参考值变化而导致的控制侧重点严重偏移，使某个被控对象控制效果恶化的技术问题，提供了一种DFIG多目标优化控制目标函数的设计方法。所述方法在电网电压不平衡条件下，能够实现对双馈风力发电机多个目标的协调控制，且可以在被控对象参考值变化较大的情况下自动调节控制力度，保持各目标控制精度稳定。
本发明解决其技术问题采用的技术手段是：一种DFIG多目标优化控制目标函数的设计方法，包括以下步骤：
S1、选择转子电流，定子有功功率为被控对象；
S2、基于有限集模型预测控制，给出传统分层控制目标函数G如式(1)：
Figure BDA0003011560190000011
式(1)中，
Figure BDA0003011560190000021
表示在两相静止αβ坐标系下的转子电流矢量在k+1时刻的参考值；
Figure BDA0003011560190000022
表示在两相静止αβ坐标系下的转子电流矢量在k+1时刻的预测值；
Figure BDA0003011560190000023
是非线性函数，表示如式(2)：
Figure BDA0003011560190000024
式(2)中，Δp是指允许定子有功功率k+1时刻相对于其参考值上下波动Δp，
Figure BDA0003011560190000025
为定子有功功率k+1时刻的参考值，
Figure BDA0003011560190000026
为定子有功功率k+1时刻的预测值；
S3、将传统分层控制目标函数中的非线性函数
Figure BDA0003011560190000027
改进为
Figure BDA0003011560190000028
表示为式(3)：
Figure BDA0003011560190000029
式(3)中，δ是允许定子有功功率k+1时刻相对其参考值的预测误差范围；
Figure BDA00030115601900000210
为定子有功功率k+1时刻的预测值；
Figure BDA00030115601900000211
为定子有功功率k+1时刻的参考值；根据
Figure BDA00030115601900000212
重新构造包括转子电流和定子有功功率在内的目标函数g，重新构造的目标函数g表示为式(4)：
Figure BDA00030115601900000213
式(4)中，
Figure BDA00030115601900000214
表示在两相静止αβ坐标系下的转子电流矢量在k+1时刻的参考值；
Figure BDA00030115601900000215
表示在两相静止αβ坐标系下的转子电流矢量在k+1时刻的预测值；
S4、根据电机动态反馈的效果，控制系统根据逆变器的7种开关状态所对应的7个定子有功功率预测值的预测误差范围，动态切换目标函数中定子有功功率的权重系数；同时根据定子有功功率参考值的变化情况调整控制力度，使转子电流和定子有功功率的控制精度保持稳定。
本发明所述方法在电网电压不平衡条件下，能够实现对双馈风力发电机多个目标的协调控制，且可以在被控对象参考值变化较大的情况下自动调节控制力度，保持各目标控制精度稳定，能够根据用户自定义的准则进行明确的选择，权重系数的设计十分灵活。
优选的，步骤S4中，定子有功功率预测值允许的预测误差范围表达为式(5):
Figure BDA00030115601900000216
式(5)中，δ是允许定子有功功率k+1时刻相对其参考值的预测误差范围。采用相对于定子有功功率的相对误差作为控制标准，可以根据定子有功功率参考值的变化情况自动调节控制力度，以保证转子电流和定子有功功率控制精度保持稳定。
优选的，步骤S4中，动态切换目标函数中定子有功功率的权重系数方法为：当7个定子有功功率预测值均在预测误差范围内时，系统只对转子电流进行控制，此时定子有功功率的权重系数为0；当7个定子有功功率预测值均超过预测误差范围时，系统只对定子有功功率进行控制，此时定子有功功率的权重系数为正无穷大；当7个定子有功功率预测值中的部分超过预测误差范围，部分在预测误差范围内时，系统从未超过预测误差范围的开关状态中选择一个使转子电流和定子有功功率总体误差最小的开关状态，此时定子有功功率的权重系数为0，但其优先受到控制。这样，用户可以根据被控对象的重要程度，对控制精度自行定义。
优选的，步骤S4中，系统根据定子有功功率参考值的变化情况调整控制力度的方法为：当定子有功功率参考值降低时，对定子有功功率的控制力度升高，以防止定子有功功率的控制效果恶化；当定子有功功率参考值升高时，对定子有功功率的控制力度降低，以防止转子电流的控制效果恶化。这样，控制系统的整体控制效果更加协调，各个被控对象的控制精度保持稳定，不会出现控制效果失衡的现象。
本发明的有益效果是：采用改进的分层控制思想，在参考值发生变化时，控制系统自动调节控制力度以保证控制精度不发生改变，使被控对象的控制精度可以在用户自定义的误差范围之内；本发明综合考虑了优化控制算法和提高协调控制能力两方面内容；通过在两相静止αβ坐标系建立系统模型，简化了控制结构；通过用户自定义设置被控对象的误差范围，避免了重要程度较高的控制目标因权重系数设计不合理而控制效果变差的缺陷；目标函数的设计方法可实现多目标协调控制，增强了双馈风力发电机穿越不对称故障的能力。
附图说明
图1为本发明的改进分层控制策略非线性项的设计流程图。
图2为本发明中改进的目标函数进行多目标控制的控制逻辑流程图。
图3为传统分层控制策略下定子有功功率的仿真波形(有功功率参考值降低)。
图4为改进分层控制策略下定子有功功率的仿真波形(有功功率参考值降低)。
图5为传统分层控制策略下转子A相电流仿真波形(有功功率参考值降低)。
图6为改进分层控制策略下转子A相电流仿真波形(有功功率参考值降低)。
图7为传统分层控制策略下定子有功功率的仿真波形(有功功率参考值升高)。
图8为改进分层控制策略下定子有功功率的仿真波形(有功功率参考值升高)。
图9为传统分层控制策略下转子A相电流仿真波形(有功功率参考值升高)。
图10为改进分层控制策略下转子A相电流仿真波形(有功功率参考值升高)。
具体实施方式
参照图1至图10，对本发明所述的一种DFIG多目标优化控制目标函数的设计方法进行详细说明。
一种DFIG多目标优化控制目标函数的设计方法，如图1和图2所示，包括以下步骤：
S1、选择转子电流和定子有功功率为被控对象；
S2、基于有限集模型预测控制，给出传统分层控制目标函数G如式(1)：
Figure BDA0003011560190000041
式(1)中，
Figure BDA0003011560190000042
表示在两相静止αβ坐标系下的转子电流矢量在k+1时刻的参考值；
Figure BDA0003011560190000043
表示在两相静止αβ坐标系下的转子电流矢量在k+1时刻的预测值；
Figure BDA0003011560190000044
是非线性函数，表示如式(2)：
Figure BDA0003011560190000045
式(2)中，Δp＝90，是指允许定子有功功率预测值在k+1时刻相对其参考值上下波动90W，
Figure BDA0003011560190000046
为定子有功功率在k+1时刻的参考值，
Figure BDA0003011560190000047
为定子有功功率在k+1时刻的预测值；
要求定子有功功率的控制误差在其参考值上下7％的范围内波动；
S3、则将传统分层控制目标函数中的非线性函数
Figure BDA0003011560190000048
改进为
Figure BDA0003011560190000049
表示为式(3)：
Figure BDA00030115601900000410
式(3)中，δ＝7％，是允许定子有功功率预测值在k+1时刻相对其参考值的预测误差范围，
Figure BDA00030115601900000411
为定子有功功率在k+1时刻的预测值，
Figure BDA00030115601900000412
为定子有功功率在k+1时刻的参考值；根据
Figure BDA00030115601900000413
重新构造包括转子电流和定子有功功率在内的目标函数g，重新构造的目标函数g表示为式(4)：
Figure BDA00030115601900000414
式(4)中，
Figure BDA00030115601900000415
表示在两相静止αβ坐标系下的转子电流矢量在k+1时刻的参考值，
Figure BDA00030115601900000416
表示在两相静止αβ坐标系下的转子电流矢量在k+1时刻的预测值；
S4、如图2所示，根据电机动态反馈的效果，控制系统根据逆变器的7种开关状态所对应的7个定子有功功率预测值的预测误差范围，动态切换目标函数中定子有功功率的权重系数，其中定子有功功率预测值允许的预测误差范围表达为式(5):
Figure BDA00030115601900000417
式(5)中，δ是允许定子有功功率预测值在k+1时刻相对其参考值的误差范围，本实施例中，取δ＝7％，采用相对于定子有功功率参考值的相对误差作为控制标准，可以根据定子有功功率参考值的变化情况自动调节控制力度，以保证转子电流和定子有功功率控制精度保持稳定；具体的，动态切换目标函数中定子有功功率的权重系数方法为：当7个定子有功功率预测值均在预测误差范围7％内时，系统只对转子电流进行控制，此时定子有功功率的权重系数为0；当7个定子有功功率预测值均超过预测误差范围7％时，系统只对定子有功功率进行控制，此时定子有功功率的权重系数为正无穷大；当7个定子有功功率预测值中的部分超过预测误差范围7％，部分在预测误差范围7％内时，系统从未超过预测误差范围的开关状态中选择一个使转子电流和定子有功功率总体控制误差最小的开关状态，此时定子有功功率的权重系数为0，但其优先受到控制；同时根据定子有功功率参考值的变化情况调整控制力度，使转子电流和定子有功功率的控制精度保持稳定；其中系统根据有功功率参考值的变化情况调整控制力度的方法为：当定子有功功率参考值降低时，对定子有功功率的控制力度升高，以防止定子有功功率的控制效果恶化；当定子有功功率参考值升高时，对定子有功功率的控制力度降低，以防止转子电流的控制效果恶化。
进一步的，作为本发明所述的一种DFIG多目标优化控制目标函数的设计方法的一种具体实施方式，被控对象还可替换为定子无功功率和定子电流。
实施例1：A相电网电压在t＝0.35s时单独降低至0.8pu。
如图3和图4所示，在t＝0s到t＝0.55s，定子有功功率参考值为1147W，两种控制策略下定子有功功率波动范围为1015W—1210W，定子有功功率控制精度均为8.5％。如图5和图6所示，两种控制策略下转子电流THD分别为2.37％和2.31％，此时两种控制策略的控制精度基本相同。
当t＝0.55s时，定子有功功率参考值突变为734W。如图3所示，传统分层控制策略下定子有功功率波动范围为570W—800W，定子有功功率控制精度为15.67％。如图4所示，改进分层控制策略下定子有功功率波动范围为600W—750W，定子有功功率控制精度为10.22％如图5和图6所示，两种控制策略下转子电流THD分别为0.91％和2.62％。可以看出，当定子有功功率参考值降低时，改进分层控制策略下定子有功功率和转子电流控制精度基本不变，而传统分层控制策略下控制侧重点发生严重偏移。
结合图2至图6可以看出，在降低定子有功功率参考值后，传统分层控制策略下转子电流几乎无畸变，造成定子有功功率控制精度过低，转子电流控制精度过高的后果。而此时改进的分层控制策略在功率参考值降低前后定子有功功率和转子电流控制精度无过大变化，有更好的协调控制能力。
实施例2：A相电网电压在t＝0.25s时单独降低至0.8pu。
如图7和图8所示，在t＝0s到t＝0.4s，定子有功功率参考值为734W，两种控制策略下定子有功功率波动范围为623W—788W，定子有功功率控制精度均为11.24％。如图9和图10所示，两种控制策略下转子电流THD分别为2.69％和2.82％。
当t＝0.4s时，定子有功功率参考值突变为1473W。如图7所示，传统分层控制策略下定子有功功率波动范围为1300W—1520W，定子有功功率控制精度为7.45％。如图8所示，改进分层控制策略下定子有功功率波动范围为1270W—1590W，定子有功功率控制精度为10.86％。如图9和图10所示，两种控制策略下转子电流THD分别为4.38％和2.68％。可以看出，当定子有功功率参考值升高时，改进分层控制策略下定子有功功率和转子电流控制精度基本不变，而传统分层控制策略下控制侧重点发生严重偏移。
结合图7至图10可以看出，在升高有功功率参考值后，传统分层控制策略下有功功率控制精度过高，转子电流控制精度过低。而此时改进的分层控制策略在功率参考值升高前后定子有功功率和转子电流控制精度无过大变化，有更好的协调控制能力
以上具体结构是对本发明的较佳实施例进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或者替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (5)

1.一种DFIG多目标优化控制目标函数的设计方法，其特征在于，包括以下步骤：
S1、选择转子电流，定子有功功率为被控对象；
S2、基于有限集模型预测控制，给出传统分层控制目标函数G如式(1)：
Figure FDA0003011560180000011
式(1)中，
Figure FDA0003011560180000012
表示在两相静止αβ坐标系下的转子电流矢量在k+1时刻的参考值；
Figure FDA0003011560180000013
表示在两相静止αβ坐标系下的转子电流矢量在k+1时刻的预测值；
Figure FDA0003011560180000014
是非线性函数，
Figure FDA0003011560180000015
表示如式(2)：
Figure FDA0003011560180000016
式(2)中，Δp是指允许定子有功功率k+1时刻相对于其参考值上下波动Δp，
Figure FDA0003011560180000017
为定子有功功率k+1时刻的参考值，
Figure FDA0003011560180000018
为定子有功功率k+1时刻的预测值；
S3、将传统分层控制目标函数中的非线性函数
Figure FDA0003011560180000019
改进为
Figure FDA00030115601800000110
Figure FDA00030115601800000111
表示为式(3)：
Figure FDA00030115601800000112
式(3)中，δ是允许定子有功功率k+1时刻相对其参考值的预测误差范围；
Figure FDA00030115601800000113
为定子有功功率k+1时刻的预测值；
Figure FDA00030115601800000114
为定子有功功率k+1时刻的参考值；根据
Figure FDA00030115601800000115
重新构造包括转子电流和定子有功功率在内的目标函数g，重新构造的目标函数g表示为式(4)：
Figure FDA00030115601800000116
式(4)中，
Figure FDA00030115601800000117
表示在两相静止αβ坐标系下的转子电流矢量在k+1时刻的参考值；
Figure FDA00030115601800000118
表示在两相静止αβ坐标系下的转子电流矢量在k+1时刻的预测值；
S4、根据电机动态反馈的效果，控制系统根据逆变器的7种开关状态所对应的7个定子有功功率预测值的预测误差范围，动态切换目标函数中定子有功功率的权重系数；同时根据定子有功功率参考值的变化情况调整控制力度，使转子电流和定子有功功率的控制精度保持稳定。
2.根据权利要求1所述的一种DFIG多目标优化控制目标函数的设计方法，其特征在于，步骤S4中，定子有功功率预测值允许的预测误差范围表达为式(5):
Figure FDA00030115601800000119
式(5)中，δ是允许定子有功功率k+1时刻相对其参考值的预测误差范围。
3.根据权利要求1所述的一种DFIG多目标优化控制目标函数的设计方法，其特征在于，步骤S4中，动态切换目标函数中定子有功功率的权重系数方法为：当7个定子有功功率预测值均在预测误差范围内时，系统只对转子电流进行控制，此时定子有功功率的权重系数为0；当7个定子有功功率预测值均超过预测误差范围时，系统只对定子有功功率进行控制，此时定子有功功率的权重系数为正无穷大；当7个定子有功功率预测值中的部分超过预测误差范围，部分在预测误差范围内时，系统从未超过预测误差范围的开关状态中选择一个使转子电流和定子有功功率总体误差最小的开关状态，此时定子有功功率的权重系数为0，但其优先受到控制。
4.根据权利要求1所述的一种DFIG多目标优化控制目标函数的设计方法，其特征在于，步骤S4中，系统根据定子有功功率参考值的变化情况调整控制力度的方法为：当定子有功功率参考值降低时，对定子有功功率的控制力度升高；当定子有功功率参考值升高时，对定子有功功率的控制力度降低。
5.根据权利要求1-4任一项所述的一种DFIG多目标优化控制目标函数的设计方法，其特征在于，被控对象还可替换为定子无功功率和定子电流。
CN202110377168.4A 2021-04-08 2021-04-08 一种dfig多目标优化控制目标函数的设计方法 Active CN112886884B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110377168.4A CN112886884B (zh) 2021-04-08 2021-04-08 一种dfig多目标优化控制目标函数的设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110377168.4A CN112886884B (zh) 2021-04-08 2021-04-08 一种dfig多目标优化控制目标函数的设计方法

Publications (2)

Publication Number Publication Date
CN112886884A true CN112886884A (zh) 2021-06-01
CN112886884B CN112886884B (zh) 2022-03-22

Family

ID=76040185

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110377168.4A Active CN112886884B (zh) 2021-04-08 2021-04-08 一种dfig多目标优化控制目标函数的设计方法

Country Status (1)

Country Link
CN (1) CN112886884B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105375804A (zh) * 2015-12-17 2016-03-02 福州大学 一种不对称电压下基于npc拓扑并网逆变器的模型预测电流控制方法
CN105914744A (zh) * 2016-05-11 2016-08-31 宝鸡文理学院 电压不对称跌落下双馈风力发电机多目标优化控制方法
CN106953570A (zh) * 2017-04-25 2017-07-14 南京福致通电气自动化有限公司 基于矩阵变换器的能量回馈型电梯牵引驱动系统控制方法
CN107565837A (zh) * 2017-07-31 2018-01-09 江苏大学 一种多代价函数降频模型预测直接功率控制方法
CN109687524A (zh) * 2019-03-01 2019-04-26 合肥工业大学 双馈风力发电机组的多目标模型预测控制方法
CN111130121A (zh) * 2019-11-14 2020-05-08 广东电网有限责任公司 一种dg和ev环境下配电网无功补偿系统的模糊协调控制计算方法
CN111221253A (zh) * 2020-03-11 2020-06-02 国网江苏省电力有限公司泗洪县供电分公司 适用于三相并网逆变器的鲁棒模型预测控制方法
CN111244966A (zh) * 2020-01-20 2020-06-05 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 一种基于双层模型预测控制的双馈风机调压方法
CN111656673A (zh) * 2017-09-15 2020-09-11 安德烈斯·贝洛大学 针对两个或更多个控制目标，首先求解成本函数，然后求解第二成本函数的顺序预测控制方法
CN111725837A (zh) * 2020-06-18 2020-09-29 浙江大学 Dfig虚拟同步机低电压穿越方法、装置、电子设备及介质
US20200328709A1 (en) * 2019-04-11 2020-10-15 Hamilton Sundstrand Corporation Model predictive control for matrix converter operating in current control mode with load current estimation
CN112019113A (zh) * 2020-09-01 2020-12-01 合肥工业大学 基于多目标模型预测的风电机组优化控制方法
CN112165271A (zh) * 2020-10-09 2021-01-01 河南科技大学 一种并网变流系统及其模型预测控制方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105375804A (zh) * 2015-12-17 2016-03-02 福州大学 一种不对称电压下基于npc拓扑并网逆变器的模型预测电流控制方法
CN105914744A (zh) * 2016-05-11 2016-08-31 宝鸡文理学院 电压不对称跌落下双馈风力发电机多目标优化控制方法
CN106953570A (zh) * 2017-04-25 2017-07-14 南京福致通电气自动化有限公司 基于矩阵变换器的能量回馈型电梯牵引驱动系统控制方法
CN107565837A (zh) * 2017-07-31 2018-01-09 江苏大学 一种多代价函数降频模型预测直接功率控制方法
CN111656673A (zh) * 2017-09-15 2020-09-11 安德烈斯·贝洛大学 针对两个或更多个控制目标，首先求解成本函数，然后求解第二成本函数的顺序预测控制方法
CN109687524A (zh) * 2019-03-01 2019-04-26 合肥工业大学 双馈风力发电机组的多目标模型预测控制方法
US20200328709A1 (en) * 2019-04-11 2020-10-15 Hamilton Sundstrand Corporation Model predictive control for matrix converter operating in current control mode with load current estimation
CN111130121A (zh) * 2019-11-14 2020-05-08 广东电网有限责任公司 一种dg和ev环境下配电网无功补偿系统的模糊协调控制计算方法
CN111244966A (zh) * 2020-01-20 2020-06-05 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 一种基于双层模型预测控制的双馈风机调压方法
CN111221253A (zh) * 2020-03-11 2020-06-02 国网江苏省电力有限公司泗洪县供电分公司 适用于三相并网逆变器的鲁棒模型预测控制方法
CN111725837A (zh) * 2020-06-18 2020-09-29 浙江大学 Dfig虚拟同步机低电压穿越方法、装置、电子设备及介质
CN112019113A (zh) * 2020-09-01 2020-12-01 合肥工业大学 基于多目标模型预测的风电机组优化控制方法
CN112165271A (zh) * 2020-10-09 2021-01-01 河南科技大学 一种并网变流系统及其模型预测控制方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
DANIEL LEGRAND MON-NZONGO，等: "不对称电压下基于NPC拓扑并网逆变器的模型预测控制研究", 《中国测试》 *
TIANQI SI, ET AL.: "Model predictive control for DFIG-based wind power generation under unbalanced network condition", 《2015 34TH CHINESE CONTROL CONFERENCE (CCC)》 *
ZHENBIN ZHANG, ET AL.: "Direct model predictive control of three-level NPC back-to-back power converter PMSG wind turbine systems under unbalanced grid", 《2015 IEEE INTERNATIONAL SYMPOSIUM ON PREDICTIVE CONTROL OF ELECTRICAL DRIVES AND POWER ELECTRONICS (FRECEDE)》 *
沈坤，等: "双馈风力发电系统模型预测控制算法研究", 《电力电子技术》 *
谢震，等: "不平衡电网电压下双馈发电机多目标模型预测控制", 《中国电机工程学报》 *

Also Published As

Publication number Publication date
CN112886884B (zh) 2022-03-22

Similar Documents

Publication Publication Date Title
CN111682587B (zh) 一种风力发电机低电压穿越控制方法及系统
Ganthia et al. Shunt connected FACTS devices for LVRT capability enhancement in WECS
CN112886884B (zh) 一种dfig多目标优化控制目标函数的设计方法
Salem et al. New analytical assessment for fast and complete pre-fault restoration of grid-connected FSWTs with fuzzy-logic pitch-angle controller
Guediri et al. Modeling and comparison of fuzzy-PI and genetic control algorithms for active and reactive power flow between the stator (DFIG) and the grid
Cui et al. Dynamic Sequential Model Predictive Control of Three-Level NPC Back-to-Back Power Converter PMSG Wind Turbine Systems
Sathish Babu et al. SOFC-Supported hybrid PSOGSA-Optimized dynamic voltage restorer for power quality enhancement
CN115940672A (zh) 具备电压快速调节能力的电解制氢整流器及其控制方法
CN112199822B (zh) 一种用于寻求最优系统阻抗值的外点罚函数方法
Wang et al. Research on Adaptive Droop Control Strategy of DC Active Power and Voltage in DC Microgrid
Zhang et al. Optimization method of under frequency load shedding schemes for systems with high permeability new energy
Zaragoza et al. Comparison of speed control strategies for maximum power tracking in a wind energy conversion system
CN111682584B (zh) 一种基于电压调节器和多光伏系统的配电网电压管理方法
Nicy et al. Isolated wind-hydro hybrid system using permanent magnet synchronous generator and battery storage with fuzzy logic controller
Zanjani et al. Study and simulation of wind farms based on squirrel cage induction generator in electrical distribution system
CN113410847B (zh) 一种异步化调相机的励磁控制方法
Yu et al. A novel sorting-based multi-objective model predictive control for PMSG wind turbines
CN116154809B (zh) 基于自适应控制的电解制氢控制方法
CN113217275B (zh) 一种基于策略迭代的风电机组变桨距控制方法
Li et al. Dynamic Sequential Model Predictive Control of Doubly Fed Asynchronous Wind Power System
CN111900710B (zh) 一种并网型直流微电网协调控制方法
CN110867859B (zh) 一种固态断路器实时控制方法
Anand Simulation of PEM fuel cell integrated DVR using SRF-ANFIS controller for power quality enhancement
Center Study and Simulation of Wind Farms Based on Squirrel Cage Induction Generator in Electrical Distribution System
Mohamed et al. Grid Integration Improvement of the Wind Energy for a Hybrid Systems based FACTS

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