CN113595147B - 基于模型预测控制的虚拟同步发电机控制方法 - Google Patents
基于模型预测控制的虚拟同步发电机控制方法 Download PDFInfo
- Publication number
- CN113595147B CN113595147B CN202110861993.1A CN202110861993A CN113595147B CN 113595147 B CN113595147 B CN 113595147B CN 202110861993 A CN202110861993 A CN 202110861993A CN 113595147 B CN113595147 B CN 113595147B
- Authority
- CN
- China
- Prior art keywords
- current
- value
- inverter
- voltage
- synchronous generator
- 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 35
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 32
- 238000006243 chemical reaction Methods 0.000 claims description 22
- 239000013598 vector Substances 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 9
- 239000003990 capacitor Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000033001 locomotion Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000004804 winding Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 2
- 238000010248 power generation Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000005457 optimization Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 abstract description 4
- 230000035772 mutation Effects 0.000 abstract description 2
- 230000001052 transient effect Effects 0.000 abstract description 2
- 238000011217 control strategy Methods 0.000 description 6
- 230000003068 static effect Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000001131 transforming effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000013178 mathematical model Methods 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
- 230000035515 penetration Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- H02J3/40—Synchronising a generator for connection to a network or to another generator
-
- 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
- H02P21/22—Current control, e.g. using a current control loop
-
- 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
- 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
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明涉及一种基于模型预测控制的虚拟同步发电机控制方法,通过实时采集系统电流和电压,使用虚拟同步发电机控制方法生成参考电流,并建立预测优化模型,从预测优化模型得到电流预测值,将电流预测值和参考电流送入目标函数中,挑选出令目标函数最小的预测值,所对应的最优开关序列直接作用于逆变器中。在电网发生功率突变情况下,本发明方法适当降低功率波动,优化系统暂态过程;应用虚拟同步发电机技术与模型预测控制相结合,实现了对三相逆变器的有效控制,不仅减少了参数设置,优化了控制结构,而且为电网提供惯性支持方面发挥了重要作用。适合于太阳能发电、风力等新能源并网系统,并且可推广到其它单相或者三相并网逆变器的控制方法当中。
Description
技术领域
本发明涉及一种微电网控制技术,特别涉及一种基于模型预测控制的虚拟同步发电机控制方法。
背景技术
以可再生能源为主题的分布式发电已经获得相对广泛的应用。分布式发电可以实现能源的综合梯级利用,弥补大电网稳定性的不足,但具有不可控和随机波动性等缺点。
微电网控制技术可以有效解决分布式发电的缺点,因此得到了国内外学者的广泛关注。随着大规模可再生能源向电网的高度渗透,对并网逆变器容量、成本、效率及可靠性等方面的要求较高。
由于模型预测控制(MPC)具备灵活性好、鲁棒性强、实现简单等优点,所以现今很多学者对此进行了深入探究。在没有锁相环、脉宽调制或比例积分或比例谐振控制器的情况下,MPC通过将预测值和参考值与成本函数进行比较来输出转换器的最佳开关状态。可以减少参数的设计,大大减少研发所需要的时间。
绝大多数分布式能源接入电网时需要并网逆变器作为接口,而逆变器往往存在着过载能力差、输出阻抗小和几乎不存在惯性等缺点。传统电力系统中,多以大型同步发电机为主要电源。由于同步发电机的转子存在惯性,因此当电力系统发生负荷突变或发电机跳闸时,正常运行的同步发电机会通过释放转子动能缓慢弥补功率缺额,以抑制频率的快速变化,达到维持电网安全稳定的目的。然而,作为以逆变控制为核心的分布式发电系统,其惯性的缺失会导致在系统发生扰动时各电能参数的过快响应。其中系统频率的突变会影响配电网甚至电网的安全稳定运行。
发明内容
针对现有分布式发电系统配电稳定性问题,提出了一种基于模型预测控制的虚拟同步发电机控制方法,通过实时采集系统电流和电压等物理量,使用虚拟同步发电机控制方法生成参考电流,并建立预测优化模型,从预测优化模型得到电流预测值,将电流预测值和参考电流送入目标函数中,挑选出令目标函数最小的预测值,所对应的最优开关序列直接作用于逆变器中。当负荷功率发生变化时,为微网提供惯性和稳定性。
本发明的技术方案为:一种基于模型预测控制的虚拟同步发电机控制方法,直流电压源经过高频开关三相逆变器转换为交流电,再经过LCL滤波器后并入交流电网,控制方法具体步骤如下:
5)采样当前时刻所对应的逆变器侧电流i1abc,电容电压Ucabc,电网侧电流i2abc,电网电压Uabc;然后直流电压Udc、逆变器侧电流i1abc、电容电压Ucabc状态值进行Clark变换,送入模型预测控制进行计算,获得一个采样周期内每种逆变器输出电压矢量对应的预测电流值i1αβ(k+1);
6)电网侧电流i2abc、电网电压Uabc状态值进行Clark变换,送入虚拟同步发电机通过虚拟同步发电机控制方法生成电流参考值i1αβ_ref,将dq坐标系下的电流参考值送入代价函数;
7)从预测模型得到预测电流值,经Park变换后送入代价函数中;
8)挑选出令代价函数g最小的预测值gmin,所对应的最优开关序列直接作用于逆变器中。
进一步,所述步骤1)中预测电流值为:
其中Uinαβ(k)为逆变器k时刻输出的电压矢量;Ucαβ(k)为k时刻电容电压Ucabc状态值进行Clark变换后的电压值;Ts为采样时间;i1αβ(k)为k时刻逆变器侧电流i1abc状态值进行Clark变换后的电流值;L1为LCL滤波器滤波电感,R1为LCL滤波器滤波电阻;
其逆变器输出的电压矢量
进一步,所述步骤2)中通过虚拟同步发电机控制方法生成电流参考值i1αβ_ref由进行Clark变换获得,
其中,Eabc为定子绕组中的转子运动产生的反电动势;ω为电气的角速度或机械的角速度;
其中Em为逆变器的内电势有效值;θ为内电势的相角。
进一步,所述代价函数g计算公式如下:
其中,i1dq(k+1)、为i1αβ(k+1)、i1αβ_ref经Park变换后的预测电流值、电流参考值。
本发明的有益效果在于:本发明基于模型预测控制的虚拟同步发电机控制方法,在电网发生功率突变情况下,本发明所应用的控制策略可以适当降低功率波动,优化系统暂态过程;应用虚拟同步发电机技术与模型预测控制相结合,实现了对三相逆变器的有效控制,不仅减少了参数设置,优化了控制结构,而且为电网提供惯性支持方面发挥了重要作用。适合于太阳能发电、风力等新能源并网系统,并且可推广到其它单相或者三相并网逆变器的控制方法当中。
附图说明
图1为三相LCL型并网逆变器拓扑图;
图2为本发明基于模型预测控制的虚拟同步发电机控制系统结构框图;
图3为虚拟同步发电机控制框图;
图4为不同控制策略的功率控制仿真波形对比图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1、2所示三相LCL型并网逆变器拓扑以及本发明基于模型预测控制的虚拟同步发电机控制系统结构框图,直流电压源经过高频开关三相逆变器转换为交流电,再经过LCL滤波器后并入交流电网。控制系统包括用于检测入网电流和滤波电容电流的检测变送器、将三相静止坐标系下的三相电流转换成两相静止坐标系下两相电流的坐标变换单元(分别用于将电网侧的三相电流和滤波电容的三相电流进行坐标变换),将指令电流从两相旋转坐标系转换成两相静止坐标系的坐标变换单元,将内环比例控制器输出信号从两相静止坐标系转换成三相静止坐标系的坐标变换单元。
控制过程为:第一步需要采样当前时刻所对应的逆变器侧电流i1abc,电容电压Ucabc,电网侧电流i2abc,电网电压Uabc;然后直流电压Udc、逆变器侧电流i1abc、电容电压Ucabc状态值进行Clark变换,送入MPC预测模型进行计算,获得一个采样周期内每种逆变器输出电压矢量对应的预测电流值i1αβ(k+1);第二步电网侧电流i2abc、电网电压Uabc状态值进行Clark变换,送入虚拟同步发电机通过虚拟同步发电机控制方法生成电流参考值i1αβ_ref,将dq坐标系下的电流参考值送入代价函数(目标函数);第三步从预测模型得到预测电流值,经Park变换后送入代价函数中;第四步挑选出令代价函数g最小的预测值gmin,所对应的最优开关序列直接作用于逆变器中。
该控制系统控制方法可归纳为:
1、如图3所示虚拟同步发电机控制,该控制策略包括三个部分:有功功率频率调节、无功功率电压调节和输出参考电流。
1.1、有功功率频率调节:虚拟同步发电机的机械扭矩方程如下所示,模拟了转子的运动特性,J为转动惯量;Dp为有功阻尼系数;Tset为转矩给定值;Te为VSG输出转矩;Pref为有功功率设定值;ω为假设极对数为1时,电气的角速度与机械的角速度相同;ω0为额定电气角速度。
1.2、无功功率电压调节:基于无功电压下垂关系以及发电机励磁调节器可调节VSG输出电压E;K为无功环的积分系数;Dq为无功电压下垂系数;Em为逆变器的内电势有效值;Ug为电网电压的有效值;U0为电网电压的参考值;Qref为无功功率设定值;Qe为入网瞬时无功功率测量值。
eα、eβ为网测电压Uabc状态值进行Clark变换后电压值;i2α、i2β为网测电流i2abc状态值进行Clark变换后电流值。
Pe=1.5(eαi2α+eβi2β)
Qe=1.5(eαi2α-eβi2β)
定子绕组中的转子运动产生的反电动势Eabc可通过下式所示:获得:
其中θ为内电势的相角。
1.3输出参考电流
在传统模型预测控制(MPC)中引入虚拟同步发电机(VSG)控制输出电流内环的参考值,使内环电流参考值可以随电网电压和频率变化,可以增加电网的惯性和稳定性。在VSG的虚电势Eabc和电容电压Ucabc之间有一个误差电压,用以产生一个模型预测控制参考电流。根据图2控制框图中的电压和电流之间的关系,模型预测控制参考电流为:
其中L1为LCL滤波器滤波电感,R1为LCL滤波器滤波电阻。
2、预测模型:
基于基尔霍夫定律,能够得到LCL型并网逆变器的数学模型,在对其Clark变换之后
其中Uinαβ为逆变器输出的电压矢量;Ucαβ为电容电压Ucabc状态值进行Clark变换后的电压值;i1αβ为逆变器侧电流i1abc状态值进行Clark变换后的电流值。
预测模型必须进行离散化处理,常用的离散化方法为前向差分法。
使用前向差分法离散化之后所得到的i1预测模型:
Uinαβ(k)为逆变器k时刻输出的电压矢量,Ts为采样时间。在每一个采样周期将8种逆变器输出电压矢量依次代入上式,通过目标函数,选取与参考值最接近的预测值所对应的开关状态矢量在下一时刻作用于电力开关器件。逆变器输出电压矢量和开关状态矢量对应关系如表1所示。
表1
3、从预测模型得到预测值,从虚拟同步发电机经Park变换后送入目标函数g中。
4、挑选出令目标函数g最小的预测值,所对应的最优开关序列直接作用于逆变器中。
为说明本发明的正确性和可行性,对一台LCL型三相并网逆变器系统进行仿真验证。仿真参数为:直流电压源电压700V,电网电压有效值220V,电网频率50Hz,LCL滤波器参数为L1=L2=5mH,C=3uF,R1=R2=10Ω。指令有功功率为19kv。
仿真时长设置为3s,初始时,VSG的有功功率设定值为0kW同时无功功率设定值为0kvar。为模拟负载功率不平衡,在t=1s时,Pref由0突变为10kv。以测试所提出的MPC-VSG方法的有功功率调节性能,所得的实验波形如附图4所示。传统的MPC控制策略,当有功功率突增时,调节时间极快,系统缺少同步发电机的惯性。当使用MPC-VSG控制,由于使用了VSG,增大了系统惯性,调节时间约为1s,提高了电网稳定性。
本发明提出一种VSG电流模型预测的优化控制策略。有效结合了两种控制策略的优势,不仅减少了参数设置,优化了控制结构,而且为电网提供惯性支持方面发挥了重要作用。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (2)
1.一种基于模型预测控制的虚拟同步发电机控制方法,直流电压源经过高频开关三相逆变器转换为交流电,再经过LCL滤波器后并入交流电网,其特征在于,控制方法具体步骤如下:
1)采样当前时刻所对应的逆变器侧电流i1abc,电容电压Ucabc,电网侧电流i2abc,电网电压Uabc;然后直流电压Udc、逆变器侧电流i1abc、电容电压Ucabc状态值进行Clark变换,送入模型预测控制进行计算,获得一个采样周期内每种逆变器输出电压矢量对应的预测电流值i1αβ(k+1);
所述预测电流值为:
其中Uinαβ(k)为逆变器k时刻输出的电压矢量;Ucαβ(k)为k时刻电容电压Ucabc状态值进行Clark变换后的电压值;Ts为采样时间;i1αβ(k)为k时刻逆变器侧电流i1abc状态值进行Clark变换后的电流值;L1为LCL滤波器滤波电感,R1为LCL滤波器滤波电阻;
其逆变器输出的电压矢量
2)电网侧电流i2abc、电网电压Uabc状态值进行Clark变换,送入虚拟同步发电机通过虚拟同步发电机控制方法生成电流参考值i1αβ_ref,将dq坐标系下的电流参考值送入代价函数g;
所述代价函数g计算公式如下:
其中,i1dq(k+1)、为i1αβ(k+1)、i1αβ_ref经Park变换后的预测电流值、电流参考值;
3)从预测模型得到预测电流值,经Park变换后送入代价函数g中;
4)挑选出令代价函数g最小的预测值gmin,所对应的最优开关序列直接作用于逆变器中。
2.根据权利要求1所述基于模型预测控制的虚拟同步发电机控制方法,其特征在于,所述步骤2)中通过虚拟同步发电机控制方法生成电流参考值i1αβ_ref由进行Clark变换获得,
其中,Eabc为定子绕组中的转子运动产生的反电动势;ω为电气的角速度或机械的角速度;
其中Em为逆变器的内电势有效值;θ为内电势的相角。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110861993.1A CN113595147B (zh) | 2021-07-29 | 2021-07-29 | 基于模型预测控制的虚拟同步发电机控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110861993.1A CN113595147B (zh) | 2021-07-29 | 2021-07-29 | 基于模型预测控制的虚拟同步发电机控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113595147A CN113595147A (zh) | 2021-11-02 |
CN113595147B true CN113595147B (zh) | 2023-12-01 |
Family
ID=78251603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110861993.1A Active CN113595147B (zh) | 2021-07-29 | 2021-07-29 | 基于模型预测控制的虚拟同步发电机控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113595147B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013111968A1 (ko) * | 2012-01-25 | 2013-08-01 | Park In Gyu | 다상 전 브리지 전압원 인버터의 전류 제어 펄스 폭 변조 방법 |
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 |
CN109217363A (zh) * | 2018-08-28 | 2019-01-15 | 南京理工大学 | 一种基于模型电流预测的虚拟同步发电机控制方法 |
CN109995287A (zh) * | 2019-03-19 | 2019-07-09 | 淮海工学院 | 一种双逆变器开绕组感应电机的优化模型预测控制方法 |
CN110912431A (zh) * | 2019-12-12 | 2020-03-24 | 福州大学 | 基于模型预测虚拟电压矢量控制的逆变器环流抑制方法 |
-
2021
- 2021-07-29 CN CN202110861993.1A patent/CN113595147B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013111968A1 (ko) * | 2012-01-25 | 2013-08-01 | Park In Gyu | 다상 전 브리지 전압원 인버터의 전류 제어 펄스 폭 변조 방법 |
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 |
CN109217363A (zh) * | 2018-08-28 | 2019-01-15 | 南京理工大学 | 一种基于模型电流预测的虚拟同步发电机控制方法 |
CN109995287A (zh) * | 2019-03-19 | 2019-07-09 | 淮海工学院 | 一种双逆变器开绕组感应电机的优化模型预测控制方法 |
CN110912431A (zh) * | 2019-12-12 | 2020-03-24 | 福州大学 | 基于模型预测虚拟电压矢量控制的逆变器环流抑制方法 |
Non-Patent Citations (1)
Title |
---|
基于虚拟同步发电机的离网型三相逆变器控制研究;李浩然等;电机与控制应用(第12期);48-54 * |
Also Published As
Publication number | Publication date |
---|---|
CN113595147A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Amrane et al. | Design and implementation of high performance field oriented control for grid-connected doubly fed induction generator via hysteresis rotor current controller | |
Qiao et al. | Design of optimal PI controllers for doubly fed induction generators driven by wind turbines using particle swarm optimization | |
Khedher et al. | Wind energy conversion system using DFIG controlled by backstepping and sliding mode strategies | |
Zou et al. | Generalized Clarke transformation and enhanced dual-loop control scheme for three-phase PWM converters under the unbalanced utility grid | |
Xing et al. | Pre-synchronization control method of virtual synchronous generator with alterable inertia | |
Wu et al. | Influence of induction motor starting on microgrid | |
Hua et al. | Research on power point tracking algorithm considered spinning reserve capacity in gird-connected photovoltaic system based on VSG control strategy | |
CN115764989A (zh) | 一种基于构网型换流器的虚拟同步发电机系统 | |
Xie et al. | Improved fractional-order damping method for voltage-controlled DFIG system under weak grid | |
Zhang et al. | An improved adaptive inertia and damping control strategy for virtual synchronous generator | |
Hua et al. | Research on grid-connected control and simulation of microgrid inverter based on VSG | |
CN113595147B (zh) | 基于模型预测控制的虚拟同步发电机控制方法 | |
Wang et al. | A novel low voltage ride through control strategy based on virtual synchronous generator | |
Wu et al. | Current and power quality multi-objective control of virtual synchronous generators under unbalanced grid conditions | |
Li et al. | Influence of high proportion of renewable energy on the inertia level of bulk power system | |
Kortabarria et al. | Maximum power extraction algorithm for a small wind turbine | |
Roy et al. | HT-PLL-Based Seamless Transition Strategy for DFIG With Power Quality Enhancement Through Fractional-Order Adaptive Filter | |
Li et al. | Simulation Research on Virtual Synchronization Control Strategy of Optical Storage Integration Based on DIgSILENT Platform | |
Ji et al. | Improved Three-Vector-Based Model Predictive Current Control for Energy Storage Converter | |
Zhang et al. | Microgrid Inverter control strategy based on virtual synchronous generator | |
Wang et al. | Fault through technique of synchronverter based on voltage feedforward compensation | |
Abulizi et al. | Study on Current Controller of Doubly-Fed Induction Generator with Variable Parameters | |
Arshad et al. | Overview and Impedance-Based Stability Analyses of Bison Wind Farm: A PRACTICAL EXAMPLE | |
Abdelhamid et al. | Optimizing the Dynamic Performance of a Wind Driven Standalone DFIG Using an Advanced Control Algorithm | |
Sun et al. | Improvement Control Scheme and Stability Analysis of VSG Under Asymmetrical Grid Conditions |
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 |