CN113193544A - 一种基于pwm模型预测的直流微网群功率优化策略 - Google Patents

一种基于pwm模型预测的直流微网群功率优化策略 Download PDF

Info

Publication number
CN113193544A
CN113193544A CN202110388449.XA CN202110388449A CN113193544A CN 113193544 A CN113193544 A CN 113193544A CN 202110388449 A CN202110388449 A CN 202110388449A CN 113193544 A CN113193544 A CN 113193544A
Authority
CN
China
Prior art keywords
formula
current
bus
subnet
model
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
CN202110388449.XA
Other languages
English (en)
Other versions
CN113193544B (zh
Inventor
张辉
张伟亮
支娜
曾成
王韩伟
杜明桥
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.)
Hebei Xiong'an Kunlun Xinyuan New Energy Technology Co ltd
Original Assignee
Xian 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 Xian University of Technology filed Critical Xian University of Technology
Priority to CN202110388449.XA priority Critical patent/CN113193544B/zh
Publication of CN113193544A publication Critical patent/CN113193544A/zh
Application granted granted Critical
Publication of CN113193544B publication Critical patent/CN113193544B/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
    • H02J1/00—Circuit arrangements for dc mains or dc distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • H02J1/00—Circuit arrangements for dc mains or dc distribution networks
    • H02J1/10—Parallel operation of dc sources
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M3/00—Conversion of dc power input into dc power output
    • H02M3/02—Conversion of dc power input into dc power output without intermediate conversion into ac
    • H02M3/04—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters
    • H02M3/10—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode
    • H02M3/145—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal
    • H02M3/155—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Dc-Dc Converters (AREA)

Abstract

本发明公开了一种基于PWM模型预测的直流微网群功率优化策略，为降低功率损耗，平衡因子网功率突变或母线故障引起的群级功率失衡，提出一种以最小损耗为目标，具有自适应分配系数的优化策略，通过对各子网预测功率的修正，实现直流微网群功率的协调与优化，为预测各子网功率变化情况，提出基于PWM模型预测，减少了遍历所有母联变换器状态过程，从而降低了在线运算量。

Description

一种基于PWM模型预测的直流微网群功率优化策略
技术领域
本发明属于直流微网群能量协调与优化技术领域，具体涉及一种基于PWM模型预测的直流微网群功率优化策略。
背景技术
直流微电网契合智能电网的发展需求，是未来电网的重要组成部分，但分布式电源固有的波动性和随机性等特点，无法完全实现与交流电网的友好并接。为改善直流微电网与交流配电网的友好对接，将地理位置归属一致的直流微电网互联，辅以储能形成直流微电网群，实现多个直流微电网的互联与能量互济，提高了单一直流微电网供电效率和可靠性，但多个直流子网的接入增加了微网群的功率协调控制的难度，同时也增加了能量损耗。为降低能量损耗，直流微网群能量的协调与优化通常转化为单目标、多约束或者多目标、多约束的优化问题，通过构建目标函数实现对能量优化的目的。
传统有限集模型预测具有良好的控制效果和鲁棒性，但需要遍历变换器的所有工作状态，根据寻优约束寻找最优控制矢量，因此传统模型预测在线计算量大，同时开关频率亦不固定。
发明内容
本发明的目的是提供一种基于PWM模型预测的直流微网群功率优化策略，解决了传统模型预测控制在线计算量大、频率不固定的问题。
本发明所采用的技术方案是，一种基于PWM模型预测的直流微网群功率优化策略，具体按照以下步骤实施：
步骤1、根据母联变换器的等值电路的工作状态，划分子网的运行模式，建立母联变换器电感电流增量与电感电流、参考值及其二次修正量的等价关系；
步骤2、计算下一时刻开关管的导通时间增量，推导出下一时刻开关管导通时，电压模型和电流模型对应的开关管导通占空比，列出同一预测模型下开关管占空比表达式；
步骤3、根据预测模型得到的电流量，计算各子网功率变化量，进而得到直流微网群总功率变化量；
步骤4、对微网群总功率变化量进行优化配置，以微网群最小损耗为目标对各子网功率变化量进行二次分配，根据二次分配的各子网功率变化量，求解各子网电压电流的二次修正量。
本发明的特点还在于，
步骤1中，具体为：
步骤1.1、根据母联变换器的等值电路中G1和G2两个开关管不同的导通状态，得到母联变换器的四种不同工作状态；从而将子网划分为两种运行模式，Boost模式和Buck模式；
步骤1.2、当IGBT开关管G2导通，IGBT开关管G1关断时，母联变换器工作在输出(Boost)模式，据此得到KVL方程，如式(1) 所示；
Figure BDA0003015951930000031
式(1)中，uj为j#子网母线电压；iLj为母联变换器电感电流； Lj为j#子网变换器等效电感，RL为j#子网变换器等效电阻；
由式(1)可得，Boost模式下，IGBT开关管G2导通所对应的母联变换器的电感电流增量ΔiLj，如式(2)所示；
Figure BDA0003015951930000032
式(2)中，Δtu为IGBT开关管G2导通时间增量；
步骤1.3、建立变换器电感电流增量ΔiLj与母联变换器电感电流 iLj、参考值iLjbref及其二次修正量Δij的等价关系，如式(3)所示；
ΔiLj＝iLjref-iLj-Δij (3)；
式(3)中，Δij为j#子网二次调节电流修正量。
步骤2中，具体为：
步骤2.1、结合式(2)、式(3)可得IGBT开关管G2在下一时刻的导通时间增量Δtu(k+1)，如式(4)所示；
Figure BDA0003015951930000033
由此预测得到Boost模式下，IGBT开关管G2导通时电压模型对应的占空比增量
Figure BDA0003015951930000034
如式(5)所示；
Figure BDA0003015951930000035
式(5)中，Ts为母联变换器的控制周期；
步骤2.2、根据KVL方程预测得到Boost模式电压模型对应的下一时刻IGBT开关管G2导通占空比
Figure BDA0003015951930000041
如式(6)所示；
Figure BDA0003015951930000042
式(6)中，
Figure BDA0003015951930000043
为Boost模式电压模型对应的当前时刻IGBT 开关管G2导通占空比；
同样预测得到电流模型对应的下一时刻IGBT开关管G2导通占空比
Figure BDA0003015951930000044
如式(7)所示；
Figure BDA0003015951930000045
式(7)中，
Figure BDA0003015951930000046
为Boost模式电流模型对应的当前时刻IGBT 开关管G2导通占空比，ubus与ubusref为直流母线电压及其参考值，ibus为母联变换器端口电流；
步骤2.3、当子网母线处于Buck模式时，预测得到电压模型对应的下一时刻IGBT开关管G1导通占空比
Figure BDA0003015951930000047
如式(10)所示；
Figure BDA0003015951930000048
式(10)中，
Figure BDA0003015951930000049
为Buck模式电压模型对应的当前时刻IGBT 开关管G1导通占空比，
Figure BDA00030159519300000410
为Buck模式IGBT开关管G1导通时电压模型对应的占空比增量；
由于IGBT开关管G1与IGBT开关管G2互补导通，所以可以得到Buck模式下电压模型对应的下一时刻IGBT开关管G2的导通占空比
Figure BDA00030159519300000411
如式(11)所示；
Figure BDA0003015951930000051
进一步分析得到，Buck和流出Boost模式下电流模型对应的下一时刻IGBT开关管G2导通占空比用同一模型预测得出，如式(12) 所示；
Figure BDA0003015951930000052
母联变换器Buck和Boost模式下IGBT开关管G2的导通占空比用同一预测模型表示，如式(13)及式(14)所示；
d2(k+1)＝δud2u(k+1)+δid2i(k+1) (13)；
Figure BDA0003015951930000053
其中，
Figure BDA0003015951930000054
步骤3中，具体为：
步骤3.1、根据各子网预测的下一周期和当前周期的电流，计算各子网功率变化量，如式(16)所示；
Figure BDA0003015951930000055
式中，ΔPj为子网j功率变化量，ij(k+1)为子网j预测下一周期电流， ij(k)为子网j当前周期电流，Rj为子网j等效阻值，j为子网序号；
步骤3.2、由各子网功率变化量，得到直流微网群总功率变化量，如式(17)所示：
Figure BDA0003015951930000061
式中，ΔPΣ为微网群总功率变化量，hj为各子网二次自适应分配系数。
步骤4中，具体为：
步骤4.1、对直流微网群总功率变化量进行优化配置，以微网群最小损耗为目标对各子网功率变化量进行二次分配，如式(18)所示；
Figure BDA0003015951930000062
其中，Ps为各子网功率变化量进行二次分配后微网群的功率损耗， U为直流微网群母线电压，Rz,j为子网j到z号子网间的阻值；
由式(17)、(18)建立直流微网群最小损耗约束方程式，如式(19) 所示；
Figure BDA0003015951930000063
其中，Pj,SOC为子网j可参与调度功率；
步骤4.2、构建最小损耗目标函数，如式(20)所示；
Figure BDA0003015951930000064
求最小损耗目标函数的偏导数，如式(21)所示；
Figure BDA0003015951930000071
求解式(21)，得到子网j二次调节电压电流修正量，如式(22) 所示；
Figure BDA0003015951930000072
本发明的有益效果是，通过以最小损耗为目标，具有自适应分配系数的优化策略，对各子网预测功率的修正，实现功率损耗最小化，同时基于PWM模型预测控制，减少了遍历所有母联变换器状态的过程，从而降低了在线运算量，解决了传统模型预测控制在线计算量大，频率不固定的问题。
附图说明
图1是本发明一种基于PWM模型预测的直流微网群功率优化策略中环形直流微网群示意图；
图2是本发明一种基于PWM模型预测的直流微网群功率优化策略中母联变换器等值电路图；
图3是本发明一种基于PWM模型预测的直流微网群功率优化策略中母联变换器工作状态的等效电路图(一)；
图4是本发明一种基于PWM模型预测的直流微网群功率优化策略中母联变换器工作状态的等效电路图(二)；
图5是本发明一种基于PWM模型预测的直流微网群功率优化策略中母联变换器工作状态的等效电路图(三)；
图6是本发明一种基于PWM模型预测的直流微网群功率优化策略中母联变换器工作状态的等效电路图(四)；
图7是本发明一种基于PWM模型预测的直流微网群功率优化策略中PWM模型预测的控制框图；
图8是本发明一种基于PWM模型预测的直流微网群功率优化策略中各子网优化后修正功率框图；
图9是本发明一种基于PWM模型预测的直流微网群功率优化策略中直流微网群出现5kW功率缺额各子网输出电流波形；
图10是本发明一种基于PWM模型预测的直流微网群功率优化策略中直流微网群出现20kW功率缺额各子网输出电流波形。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种基于PWM模型预测的直流微网群功率优化策略，为降低功率损耗，平衡因子网功率突变或母线故障引起的群级功率失衡，提出一种以最小损耗为目标，具有自适应分配系数的优化策略，通过对各子网预测功率的修正，实现直流微网群功率的协调与优化；为预测各子网功率变化情况，提出基于脉宽调制的模型预测控制，预测变换器占空比与载波比较得到频率固定的PWM控制信号，降低了在线运算量。应用场合如图1所示，环形直流微网群落由多个子网辅以储能组成，子网由分布式微源、储能装置、交直流负载等组成，母联变换器连接子网母线和群级母线。各子网可在独立运行与互联运行自主切换，实现各子网的能量协同自律与互济。在独立运行时，其等效单独直流微电网运行在孤岛模式，与外界无能量交互；在互联运行时，各子网对外特性呈现双向能量交互，与储能工作状态相仿，本发明主要对各子网功率变化预测，优化各子网功率配置，降低微网群功率损耗的策略进行研究。
直流微网群母联变换器的等值电路，如图2所示，左侧和右侧分别是连接子网母线和微网群母线，子网母线正极连接电感L一端，电感L另一端连接电阻R一端，电阻R另一端分别连接IGBT开关管 G1、IGBT开关管G2，IGBT开关管G1还连接直流母线电容Cb一端、微网群母线负极，IGBT开关管G2还连接子网母线负极、直流母线电容Cb另一端、微网群母线负极；
uj、Ubus分别为子网母线电压和微网群母线电压；G1和G2分别代表母联变换器两个IGBT开关管；R、L分别为线路等值电阻和电感； Cb为直流母线电容。
本发明一种基于PWM模型预测的直流微网群功率优化策略，具体按照以下步骤实施：
步骤1、根据母联变换器的等值电路的工作状态，划分子网的运行模式，建立母联变换器电感电流增量与电感电流、参考值及其二次修正量的等价关系；具体如下：
步骤1.1、根据母联变换器的等值电路中G1和G2两个开关管不同的导通状态，得到母联变换器的四种不同工作状态；
如图3-图6所示，具体为：IGBT开关管G2导通，IGBT开关管 G1关断时，j#子网母线对母联变换器电感Lj充电；IGBT开关管G2关断，IGBT开关管G1导通时，j#子网母线通过母联变换器向微网群母线注入电能；IGBT开关管G1导通，IGBT开关管G2关断时，微网群母线通过母联变换器向j#子网母线注入电能；IGBT开关管G1关断， IGBT开关管G2导通，此时微网群母线向端口电容Cb充电，电感储存能量通过IGBT开关管G2注入j#子网母线。从而将子网划分为两种运行模式，输出功率(Boost)模式和注入功率(Buck)模式；
步骤1.2、当IGBT开关管G2导通，IGBT开关管G1关断时，母联变换器工作在输出(Boost)模式，其等效电路如图3所示，据此得到KVL方程，如式(1)所示；
Figure BDA0003015951930000101
式(1)中，uj为j#子网母线电压；iLj为母联变换器电感电流； Lj为j#子网变换器等效电感，RL为j#子网变换器等效电阻；
由式(1)可得，输出(Boost)模式下，IGBT开关管G2导通所对应的母联变换器的电感电流增量ΔiLj，如式(2)所示；
Figure BDA0003015951930000102
式(2)中，Δtu为IGBT开关管G2导通时间增量；
由于RL很小，在额定工况下iLj·RL相对于uj可忽略不计，由式(2)可知，改变Δtu即可改变母联变换器的电感电流增量ΔiLj；
步骤1.3、建立变换器电感电流增量ΔiLj与母联变换器电感电流 iLj、参考值iLjbref及其二次修正量Δij的等价关系，如式(3)所示；
ΔiLj＝iLjref-iLj-Δij (3)；
式(3)中，Δij为j#子网二次调节电流修正量；
输出(Boost)模式，通过改变IGBT开关管G2的导通时间增量Δtu即可减小或消除变换器电感电流iLj与其参考iLjref的差值，使其严格跟随给定参考值；
步骤2、计算下一时刻IGBT开关管G2的导通时间增量，推导出下一时刻IGBT开关管G2导通时，电压模型和电流模型对应的开关管导通占空比，列出同一预测模型下IGBT开关管G1占空比表达式；具体为：
步骤2.1、结合式(2)、式(3)可得IGBT开关管G2在下一时刻的导通时间增量Δtu(k+1)，如式(4)所示；
Figure BDA0003015951930000111
由此可预测得到输出(Boost)模式下，IGBT开关管G2导通时电压模型对应的占空比增量
Figure BDA0003015951930000112
如式(5)所示；
Figure BDA0003015951930000113
式(5)中，Ts为母联变换器的控制周期；
步骤2.2、根据KVL方程预测得到输出(Boost)模式电压模型对应的下一时刻IGBT开关管G2导通占空比
Figure BDA0003015951930000114
如式(6)所示；
Figure BDA0003015951930000121
式(6)中，
Figure BDA0003015951930000122
为输出(Boost)模式电压模型对应的当前时刻IGBT开关管G2导通占空比；
同样可预测得到电流模型对应的下一时刻IGBT开关管G2导通占空比
Figure BDA0003015951930000123
如式(7)所示；
Figure BDA0003015951930000124
式(7)中，
Figure BDA0003015951930000125
为输出(Boost)模式电流模型对应的当前时刻IGBT开关管G2导通占空比，ubus与ubusref为直流母线电压及其参考值，ibus为级联变换器端口电流。
在综合考虑电压模型与电流模型对系统控制效果影响的情况下，得到输出(Boost)模式下一时刻的IGBT开关管G2导通占空比，如式(8)所示；
Figure BDA0003015951930000126
式(8)中，δu、δi分别为电压项与电流项的权重，如式(9)所示；
δu+δi＝1 (9)；
步骤2.3、当子网母线处于注入功率(Buck)模式时，如图5对应的注入(Buck)模式等效电路，同理列写KVL方程，可预测得到电压模型对应的下一时刻IGBT开关管G1导通占空比
Figure BDA0003015951930000127
如式 (10)所示；
Figure BDA0003015951930000131
式(10)中，
Figure BDA0003015951930000132
为注入(Buck)模式电压模型对应的当前时刻IGBT开关管G1导通占空比，
Figure BDA0003015951930000133
为注入(Buck)模式IGBT开关管G1导通时电压模型对应的占空比增量；
由于IGBT开关管G1与IGBT开关管G2互补导通，所以可以得到注入(Buck)模式下电压模型对应的下一时刻IGBT开关管G2的导通占空比
Figure BDA0003015951930000134
如式(11)所示；
Figure BDA0003015951930000135
对比发现式(11)与式(6)相同，表明母联变换器在注入(Buck) 和流出(Boost)模式下，电压模型对应的下一时刻IGBT开关管G2导通占空比可用同一模型预测得出。
进一步分析发现，注入(Buck)和流出(Boost)模式下电流模型对应的下一时刻IGBT开关管G2导通占空比亦可用同一模型预测得出，如式(12)所示；
Figure BDA0003015951930000136
母联变换器注入(Buck)和流出(Boost)模式下IGBT开关管 G2的导通占空比用同一预测模型表示，如式(13)及式(14)所示；
d2(k+1)＝δud2u(k+1)+δid2i(k+1) (13)；
Figure BDA0003015951930000141
由此可见，所提基于脉宽调制的模型预测无需遍历变换器所有的开关状态，又因预测得到的是占空比，其与三角载波比较后得到的 PWM波的频率亦是固定的。
为防止一个周期内变换器开关器件出现全通现象，对预测得到的开关器件导通占空比进行限幅设置，如式(15)所示；
Figure BDA0003015951930000142
步骤3、根据PWM模型预测得到的电流量，计算各子网功率变化量，进而得到直流微网群总功率变化量；具体为：
步骤3.1、根据各子网预测的下一周期和当前周期的电流，计算各子网功率变化量，如式(16)所示；
Figure BDA0003015951930000143
式中，ΔPj为子网j功率变化量，ij(k+1)为子网j预测下一周期电流， ij(k)为子网j当前周期电流，Rj为子网j等效阻值，j为子网序号，其中j∈N。
步骤3.2、由各子网功率变化量，得到微网群总功率变化量，如式(17)所示：
Figure BDA0003015951930000144
式中，ΔPΣ为微网群总功率变化量，hj为各子网二次自适应分配系数；
步骤4、对微网群总功率变化量进行优化配置，以微网群最小损耗为目标对各子网功率变化量进行二次分配，根据二次分配的各子网功率变化量，求解各子网电压电流的二次修正量；具体为：
步骤4.1、对微网群总功率变化量进行优化配置，以微网群最小损耗为目标对各子网功率变化量进行二次分配，如式(18)所示；
Figure BDA0003015951930000151
其中，Ps为各子网功率变化量进行二次分配后微网群的功率损耗， U为微网群母线电压，Rz,j为子网j到z号子网间的阻值；
由式(17)、(18)建立直流微网群最小损耗约束方程式，如式(19) 所示；
Figure BDA0003015951930000152
其中，Pj,SOC为子网j可参与调度功率；
步骤4.2、构建最小损耗目标函数，如式(20)所示；
Figure BDA0003015951930000153
求最小损耗目标函数的偏导数，如式(21)所示；
Figure BDA0003015951930000161
求解式(21)，得到子网j二次调节电压电流修正量，如式(22) 所示；
Figure BDA0003015951930000162
本发明一种基于PWM模型预测的直流微网群功率优化策略，子网功率预测控制框图，如图7所示，首先根据母联变换器工作状态等值电路列写KVL方程，得到变换器电感电流对时间的导数
Figure BDA0003015951930000163
当时间增量Δt→0时，变换器电感电流增量
Figure BDA0003015951930000164
建立母联变换器电感电流增量ΔiLj与母联变换器电感电流iLj、参考值iLjbref及其二次修正量Δij的等价关系，可推出IGBT开关管G2的导通时间增量Δtu，通过延时环节得到下一时刻的导通时间增量Δtu(k+1)。IGBT开关管G2导通时电压模型对应的占空比增量Δd2u(k)可以通过导通时间增量比上变换器控制周期给出，则下一时刻IGBT开关管G2导通占空比 d2u(k+1)等于当前时刻IGBT开关管G2导通占空比加上下一时刻占空比增量Δd2u(k+1)。最后，根据占空比实时值产生PWM脉冲波从而控制开关管的导通与关断。
同理，通过列写KCL方程重复上述步骤可以电流模型下对应的下一时刻开关管占空比d2i(k+1)。其中，uLjref、ubus、Δubus、Δuj分别为电感电压参考值、直流母线电压及偏差值和直流母线电压修正值；ibus和ibusref为级联变换器端口电流及参考值；Δd2i(k+1)和d2i(k)为电流模型下对应的下一时刻开关管占空比增量和当前时刻的占空比。
本发明一种基于PWM模型预测的直流微网群功率优化策略，各子网修正功率框图，如图8所示，首先根据各子网预测的下一周期和当前周期的电流以及子网等效电阻Rj，计算各子网功率变化量ΔPj，由各子网功率变化量求得微网群总功率变化量ΔPΣ，根据各子网二次自适应分配系数hj，解得各子网的修正功率ΔP′j。
为验证基于PWM模型预测的直流微网群功率优化策略的有效性，图9和图10分别为子网4出现5kW和20kW的功率缺额，优化后注入环网的电流波形。其中子各子网额定容量均为网30kW，其中子网1和子网3最大可调用功率16kW，子网2最大可调用功率20kW，各段线路阻值为：R12＝0.12Ω，R23＝0.1Ω，R34＝0.08Ω，R14＝0.04Ω。
图9在初始时刻，各子网功率平衡，环网线路无功率流动，0.01 s时子网4功率出现5kW功率缺额，根据一种基于PWM模型预测的直流微网群功率优化策略的公式(21)，求解子网4在5kW功率缺额时对应的自适应分配系数hj，h1＝0.67，h2＝0，h3＝0.33，由公式(22)可解得各子网优化后的功率分配：
ΔP1＝5×0.67＝3.35kW；i14＝3.35/0.4＝8.33A；
ΔP2＝5×0＝0kW；i12＝0A，i23＝0A；
ΔP3＝5×0.33＝1.65kW；i34＝1.65/0.4＝4.12A。
在0.04s时，F1短路，故障切除后，架构重组，解得分配系数： h1＝0，h2＝0，h3＝1，由公式(22)可解得各子网优化后的功率分配：
ΔP1＝0kW；i14＝0A；
ΔP2＝0kW；i12＝0A，i23＝0A；
ΔP3＝5kW；i34＝5/0.4＝12.5A。
图10同理，初始时刻，各子网功率平衡，环网线路无功率流动， 0.01s时子网4功率出现20kW功率缺额，根据一种基于PWM模型预测的直流微网群功率优化策略的公式(21)，求解子网4在20kW功率缺额时对应的自适应分配系数hj，h1＝0.666，h2＝0，h3＝0.334，由公式(22)可解得各子网优化后的功率分配：
ΔP1＝20×0.666＝13.4kW；i14＝1.34/0.4＝33.3A；
ΔP2＝5×0＝0kW；i12＝0A，i23＝0A；
ΔP3＝20×0.334＝6.6kW；i34＝6.6/0.4＝16.7A。
在0.04s时，F1短路，故障切除后，架构重组，解得分配系数： h1＝0，h2＝0.25，h3＝0.75，由公式(22)可解得各子网优化后的功率分配：
ΔP1＝0kW；i14＝0A；
ΔP2＝4kW；i12＝0A，i23＝10A；
ΔP3＝16kW；i34＝i23+16/0.4＝50A。
仿真电流结果与一种基于PWM模型预测的直流微网群功率优化策略理论计算电流一致。
为验证一种基于PWM模型预测的直流微网群功率优化策略可降低功率损耗，分别推导计算了相同工况下基于容量比分配策略各子网功率及电流，如下：
基于容量比分配策略，功率缺额5kW时，各子网功率分配：
ΔP1＝5×0.33＝1.67kW；i14＝1.67/0.4+i12＝6.25A；
ΔP2＝5×0.33＝1.67kW；i12＝i23＝0.5(1.67/0.4)＝2.087A；
ΔP3＝5×0.33＝1.67kW；i34＝i14＝6.25A。
在0.04s时，F1短路，故障切除后，各子网功率分配：
ΔP1＝5×0.33＝1.67kW；i14＝0A；i12＝(1.67/0.4)＝4.17A；
ΔP2＝5×0.33＝1.67kW；i23＝(1.67/0.4)+i12＝8.34A；
ΔP3＝5×0.33＝1.67kW；。i34＝(1.67/0.4)+i23＝12.5A。
基于容量比分配策略，功率缺额20kW时，各子网功率分配：
ΔP1＝20×0.33＝6.67kW；i14＝6.67/0.4+i12＝16.65A；
ΔP2＝20×0.33＝6.67kW；i12＝i23＝0.5(6.67/0.4)＝8.33A；
ΔP3＝20×0.33＝6.67kW；i34＝i14＝16.65A。
在0.04s时，F1短路，故障切除后，各子网功率分配：
ΔP1＝20×0.33＝6.67kW；i14＝0A；i12＝(6.67/0.4)＝16.67A；
ΔP2＝20×0.33＝6.67kW；i23＝(6.67/0.4)+i12＝33.3A；
ΔP3＝20×0.33＝6.67kW；。i34＝(6.67/0.4)+i23＝49.95A。
依据本发明一种基于PWM模型预测的直流微网群功率优化策略和按容量比分配两种优化策略各子网功率和电流，计算直流微网群总的网络损耗和能量损耗比，如表1所示，表1是一种基于PWM 模型预测的直流微网群功率优化策略和按容量比分配两种优化策略在子网4出现5kW和20kW功率缺额时，各子网功率分配、总的网络损耗和能量损耗比。从表1结果可以看出：一种基于PWM模型预测的直流微网群功率优化策略相比按容量比分配策略，具有更低的网络损耗和更高的传输效率。
表1
Figure BDA0003015951930000201
注：Sj/SΣ表示基于客里比的优化策略；Ps表示在基于最小损耗的优化策略；ΔP表示环网母线损耗功率；η表示母线损耗。

Claims (5)

1.一种基于PWM模型预测的直流微网群功率优化策略，基于直流微网群母联变换器的等值电路，左侧和右侧分别连接子网母线和微网群母线，子网母线正极连接电感L一端，电感L另一端连接电阻R一端，电阻R另一端分别连接IGBT开关管G1、IGBT开关管G2，IGBT开关管G1还连接直流母线电容Cb一端、微网群母线负极，IGBT开关管G2还连接子网母线负极、直流母线电容Cb另一端、微网群母线负极；其特征在于，具体按照以下步骤实施：
步骤1、根据母联变换器的等值电路的工作状态，划分子网的运行模式，建立母联变换器电感电流增量与电感电流、参考值及其二次修正量的等价关系；
步骤2、计算下一时刻开关管的导通时间增量，推导出下一时刻开关管导通时，电压模型和电流模型对应的开关管导通占空比，列出同一预测模型下开关管占空比表达式；
步骤3、根据预测模型得到的电流量，计算各子网功率变化量，进而得到直流微网群总功率变化量；
步骤4、对微网群总功率变化量进行优化配置，以微网群最小损耗为目标对各子网功率变化量进行二次分配，根据二次分配的各子网功率变化量，求解各子网电压电流的二次修正量。
2.根据权利要求1所述的一种基于PWM模型预测的直流微网群功率优化策略，其特征在于，所述步骤1中，具体为：
步骤1.1、根据母联变换器的等值电路中G1和G2两个开关管不同的导通状态，得到母联变换器的四种不同工作状态；从而将子网划分为两种运行模式，Boost模式和Buck模式；
步骤1.2、当IGBT开关管G2导通，IGBT开关管G1关断时，母联变换器工作在输出(Boost)模式，据此得到KVL方程，如式(1)所示；
Figure FDA0003015951920000021
式(1)中，uj为j#子网母线电压；iLj为母联变换器电感电流；Lj为j#子网变换器等效电感，RL为j#子网变换器等效电阻；
由式(1)可得，Boost模式下，IGBT开关管G2导通所对应的母联变换器的电感电流增量ΔiLj，如式(2)所示；
Figure FDA0003015951920000022
式(2)中，Δtu为IGBT开关管G2导通时间增量；
步骤1.3、建立变换器电感电流增量ΔiLj与母联变换器电感电流iLj、参考值iLjbref及其二次修正量Δij的等价关系，如式(3)所示；
ΔiLj＝iLjref-iLj-Δij (3)；
式(3)中，Δij为j#子网二次调节电流修正量。
3.根据权利要求2所述的一种基于PWM模型预测的直流微网群功率优化策略，其特征在于，所述步骤2中，具体为：
步骤2.1、结合式(2)、式(3)可得IGBT开关管G2在下一时刻的导通时间增量Δtu(k+1)，如式(4)所示；
Figure FDA0003015951920000023
由此预测得到Boost模式下，IGBT开关管G2导通时电压模型对应的占空比增量
Figure FDA0003015951920000031
如式(5)所示；
Figure FDA0003015951920000032
式(5)中，Ts为母联变换器的控制周期；
步骤2.2、根据KVL方程预测得到Boost模式电压模型对应的下一时刻IGBT开关管G2导通占空比
Figure FDA0003015951920000033
如式(6)所示；
Figure FDA0003015951920000034
式(6)中，
Figure FDA0003015951920000035
为Boost模式电压模型对应的当前时刻IGBT开关管G2导通占空比；
同样预测得到电流模型对应的下一时刻IGBT开关管G2导通占空比
Figure FDA0003015951920000036
如式(7)所示；
Figure FDA0003015951920000037
式(7)中，
Figure FDA0003015951920000038
为Boost模式电流模型对应的当前时刻IGBT开关管G2导通占空比，ubus与ubusref为直流母线电压及其参考值，ibus为母联变换器端口电流；
步骤2.3、当子网母线处于Buck模式时，预测得到电压模型对应的下一时刻IGBT开关管G1导通占空比
Figure FDA0003015951920000039
如式(10)所示；
Figure FDA00030159519200000310
式(10)中，
Figure FDA00030159519200000311
为Buck模式电压模型对应的当前时刻IGBT开关管G1导通占空比，
Figure FDA0003015951920000041
为Buck模式IGBT开关管G1导通时电压模型对应的占空比增量；
由于IGBT开关管G1与IGBT开关管G2互补导通，所以可以得到Buck模式下电压模型对应的下一时刻IGBT开关管G2的导通占空比
Figure FDA0003015951920000042
如式(11)所示；
Figure FDA0003015951920000043
进一步分析得到，Buck和流出Boost模式下电流模型对应的下一时刻IGBT开关管G2导通占空比用同一模型预测得出，如式(12)所示；
Figure FDA0003015951920000044
母联变换器Buck和Boost模式下IGBT开关管G2的导通占空比用同一预测模型表示，如式(13)及式(14)所示；
d2(k+1)＝δud2u(k+1)+δid2i(k+1) (13)；
Figure FDA0003015951920000045
其中，
Figure FDA0003015951920000046
4.根据权利要求3所述的一种基于PWM模型预测的直流微网群功率优化策略，其特征在于，所述步骤3中，具体为：
步骤3.1、根据各子网预测的下一周期和当前周期的电流，计算各子网功率变化量，如式(16)所示；
Figure FDA0003015951920000051
式中，ΔPj为子网j功率变化量，ij(k+1)为子网j预测下一周期电流，ij(k)为子网j当前周期电流，Rj为子网j等效阻值，j为子网序号；
步骤3.2、由各子网功率变化量，得到直流微网群总功率变化量，如式(17)所示：
Figure FDA0003015951920000052
式中，ΔPΣ为微网群总功率变化量，hj为各子网二次自适应分配系数。
5.根据权利要求4所述的一种基于PWM模型预测的直流微网群功率优化策略，其特征在于，所述步骤4中，具体为：
步骤4.1、对直流微网群总功率变化量进行优化配置，以微网群最小损耗为目标对各子网功率变化量进行二次分配，如式(18)所示；
Figure FDA0003015951920000053
其中，Ps为各子网功率变化量进行二次分配后微网群的功率损耗，U为直流微网群母线电压，Rz,j为子网j到z号子网间的阻值；
由式(17)、(18)建立直流微网群最小损耗约束方程式，如式(19)所示；
Figure FDA0003015951920000054
其中，Pj,SOC为子网j可参与调度功率；
步骤4.2、构建最小损耗目标函数，如式(20)所示；
Figure FDA0003015951920000061
求最小损耗目标函数的偏导数，如式(21)所示；
Figure FDA0003015951920000062
求解式(21)，得到子网j二次调节电压电流修正量，如式(22)所示；
Figure FDA0003015951920000063
CN202110388449.XA 2021-04-12 2021-04-12 一种基于pwm模型预测的直流微网群功率优化策略 Active CN113193544B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110388449.XA CN113193544B (zh) 2021-04-12 2021-04-12 一种基于pwm模型预测的直流微网群功率优化策略

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110388449.XA CN113193544B (zh) 2021-04-12 2021-04-12 一种基于pwm模型预测的直流微网群功率优化策略

Publications (2)

Publication Number Publication Date
CN113193544A true CN113193544A (zh) 2021-07-30
CN113193544B CN113193544B (zh) 2023-07-14

Family

ID=76975402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110388449.XA Active CN113193544B (zh) 2021-04-12 2021-04-12 一种基于pwm模型预测的直流微网群功率优化策略

Country Status (1)

Country Link
CN (1) CN113193544B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105391299A (zh) * 2015-12-24 2016-03-09 西安理工大学 Buck变换器单一策略模型预测控制方法
US20170133845A1 (en) * 2014-07-22 2017-05-11 Abb Schweiz Ag Model predictive control of a modular multilevel converter
CN111725798A (zh) * 2020-07-24 2020-09-29 安徽工业大学 一种用于直流微电网集群的分布式经济调度预测控制方法
CN111817570A (zh) * 2020-07-17 2020-10-23 国网辽宁省电力有限公司电力科学研究院 一种基于多模式模型预测的dab变换器宽范围调控方法
CN111864723A (zh) * 2020-07-21 2020-10-30 浙江大学 一种新型直流微网群拓扑及其分散式功率协同控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170133845A1 (en) * 2014-07-22 2017-05-11 Abb Schweiz Ag Model predictive control of a modular multilevel converter
CN105391299A (zh) * 2015-12-24 2016-03-09 西安理工大学 Buck变换器单一策略模型预测控制方法
CN111817570A (zh) * 2020-07-17 2020-10-23 国网辽宁省电力有限公司电力科学研究院 一种基于多模式模型预测的dab变换器宽范围调控方法
CN111864723A (zh) * 2020-07-21 2020-10-30 浙江大学 一种新型直流微网群拓扑及其分散式功率协同控制方法
CN111725798A (zh) * 2020-07-24 2020-09-29 安徽工业大学 一种用于直流微电网集群的分布式经济调度预测控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WENZHE SU ET AL.: "An MPC-Based Dual-Solver Optimization Method for DC Microgrids With Simultaneous Consideration of Operation Cost and Power Loss", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 *
陈东等: "混合多端直流输电系统的损耗优化控制", 《电力系统自动化》 *

Also Published As

Publication number Publication date
CN113193544B (zh) 2023-07-14

Similar Documents

Publication Publication Date Title
Tao et al. Transformer-coupled multiport ZVS bidirectional DC–DC converter with wide input range
Verma et al. Grid to vehicle and vehicle to grid energy transfer using single-phase bidirectional AC-DC converter and bidirectional DC-DC converter
CN105162350B (zh) 一种高效率宽负载范围的三相微逆变器及其控制方法
CN107547019B (zh) 一种开关磁阻发电机主动型升压变换器及其控制方法
Jafari et al. A magnetically coupled multi-port, multi-operation-mode micro-grid with a predictive dynamic programming-based energy management for residential applications
Rodriguez-Rodrıguez et al. The Proportional-Values Modulation (PVM), a technique for improving efficiency and power density of bidirectional DAB converters
Akar A fuel-cell/battery hybrid DC backup power system via a new high step-up three port converter
Danyali et al. A novel multi-input medium-gain DC-DC boost converter with soft-switching performance
EP2568594A1 (en) DC time-multiplexed power converter and its modulation technique
Ziane et al. Proposed power factor correction circuit based on the single-ended primary-inductor converter controlled by sliding mode control strategy used in an electric vehicle charging station
Liao et al. Lagrange-multiplier-based control method to optimize efficiency for four-switch buck–Boost converter over whole operating range
Zahin et al. An alternative dual active bridge modulation to minimize RMS current and extend ZVS range
Kushwaha et al. An EV battery charger based on PFC Sheppard Taylor Converter
CN113193544B (zh) 一种基于pwm模型预测的直流微网群功率优化策略
CN113794393B (zh) 一种基于模组解耦控制的混合型mmc器件损耗优化方法
Oggier et al. High efficiency switching sequence and enhanced dynamic regulation for DAB converters in solid-state transformers
Dogga et al. Boost Derived Hybrid Converter implementation using fuzzy controller
CN112993967B (zh) 一种基于脉宽调制的直流微网群母联变换器模型预测方法
Jin et al. Asymmetric trapezoidal wave modulation of modular multilevel resonant dc/dc converter for current stress optimization
CN114583957A (zh) 一种三电平变换器及其控制方法、控制装置
Jiang et al. Multiple voltage vectors model predictive current control for single-phase cascaded H-bridge rectifiers
Kaiwart et al. Modeling of dual active bridge with extended phase shift and dual phase shift modulation technique using reduced order model method
CN113452250B (zh) 一种单电源驱动的多电平双逆变器拓扑结构及其控制方法
Pipolo et al. Feed-forward control of a ZVT Full Bridge DC-DC Converter
Wang et al. Single-Phase Bridgeless Three-Level Power Factor Correction Topologies Based on the Embedded Construction Scheme

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230620

Address after: 518000 1002, Building A, Zhiyun Industrial Park, No. 13, Huaxing Road, Henglang Community, Longhua District, Shenzhen, Guangdong Province

Applicant after: Shenzhen Wanzhida Technology Co.,Ltd.

Address before: 710048 Shaanxi province Xi'an Beilin District Jinhua Road No. 5

Applicant before: XI'AN University OF TECHNOLOGY

Effective date of registration: 20230620

Address after: 063000 No. 10, Guo'an Road, comprehensive free trade zone, Caofeidian Industrial Zone, Tangshan City, Hebei Province

Applicant after: TANGSHAN JIDONG PETROLEUM MACHINERY Co.,Ltd.

Address before: 518000 1002, Building A, Zhiyun Industrial Park, No. 13, Huaxing Road, Henglang Community, Longhua District, Shenzhen, Guangdong Province

Applicant before: Shenzhen Wanzhida Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20240608

Address after: 071799 Third Floor, No. 2 Jinhai Street, Rongcheng County, Xiong'an New District, Baoding City, Hebei Province (self declared)

Patentee after: Hebei Xiong'an Kunlun Xinyuan New Energy Technology Co.,Ltd.

Country or region after: China

Address before: 063000 No. 10, Guo'an Road, comprehensive free trade zone, Caofeidian Industrial Zone, Tangshan City, Hebei Province

Patentee before: TANGSHAN JIDONG PETROLEUM MACHINERY Co.,Ltd.

Country or region before: China