CN113690926A - 一种改进烟花算法优化单相逆变器控制参数整定方法 - Google Patents

一种改进烟花算法优化单相逆变器控制参数整定方法 Download PDF

Info

Publication number
CN113690926A
CN113690926A CN202110778617.6A CN202110778617A CN113690926A CN 113690926 A CN113690926 A CN 113690926A CN 202110778617 A CN202110778617 A CN 202110778617A CN 113690926 A CN113690926 A CN 113690926A
Authority
CN
China
Prior art keywords
voltage
firework
algorithm
value
optimal
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
CN202110778617.6A
Other languages
English (en)
Other versions
CN113690926B (zh
Inventor
聂晓华
刘一丹
冯良瑞
彭亦伟
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.)
Nanchang University
Original Assignee
Nanchang University
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 Nanchang University filed Critical Nanchang University
Priority to CN202110778617.6A priority Critical patent/CN113690926B/zh
Publication of CN113690926A publication Critical patent/CN113690926A/zh
Application granted granted Critical
Publication of CN113690926B publication Critical patent/CN113690926B/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
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Power Engineering (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种改进烟花算法优化单相逆变器控制参数整定方法，涉及电力技术领域，包括：1、非线性负载电流iL与电压外环PI控制器流出的iref比较，得到差值送给电流内环PI控制器；2、将电压参考值uref与非线性负载的实际电压值u0的差值，输入到电压外环PI控制器中；3、设计算法优化的目标函数F；4、用SCFWA进行参数整定，找出Kp、Ki、Kp1的最优值分别赋给电压外环和电流内环PI控制器；5、将电流内环控制器的输出值进行SVPWM变换，输出控制信号g；6、输出控制信号g控制逆变器。本发明将SCFWA算法应用于单项逆变器控制系统参数整定中，保证负载反馈电压能很好跟踪指令电压信号，并保证该反馈电压波形谐波含量少，验证了SCFWA整定单相逆变器控制参数的可行性。

Description

一种改进烟花算法优化单相逆变器控制参数整定方法
技术领域
本发明涉及电力技术领域，具体涉及一种改进烟花算法优化单相逆变器控制参数整定方法。
背景技术
随着新能源发电的兴起与发展，其中起电能转换作用的逆变器性能也引起广泛学者关注。其中并网逆变器作为新能源发电与电网之间的接口，直接决定了新能源电站送出的电能能否可靠、高效地送入公用电网，同时也对电网的稳定性是否会受到新能源电站的负面影响有着很大关系；而离网逆变器作为新能源发电与用户负载之间的接口，为负载提供安全可靠电能，保证负载稳定运行。对于逆变器来说，控制环节是决定其输出电能质量的好坏的重要环节，其控制参数对控制性能起着决定性作用，合理选择控制参数至关重要。
单相逆变器采用传统的PI控制器，在选取控制器参数方面，参数的整定方法主要有传统参数整定方法和智能参数优化方法。其中传统参数整定方法有：Z-N法、临界比例度法、衰减曲线法等，这类方法都是根据工程经验公式进行近似整定，还需要在实际运行中最后调整和完善，整定精度不高，并且需要精确的对象模型，而工业控制中，许多实际对象的模型不容易建立。智能算法优化方法主要有：神经网络、模糊控制、遗传算法、粒子群优化算法等。神经网络的整定参数效果受初始值的影响较大；模糊控制则需要整定人具有丰富的先验知识进行模糊规则的编写；遗传算法中的交叉变异操作可能将更优解变差；粒子群优化算法是群体智能算法中最为经典的一种方法，但是存在容易陷入局部最优区域和收敛较慢的缺陷。
发明内容
为解决上述问题，本发明提出采用改进烟花算法优化单相逆变器控制参数整定方法，并且与传统粒子群算法优化结果进行对比，解决粒子群算法易陷入局部最优，收敛速度慢的缺点，提升电压侧PI控制器的控制性能。
本发明采用以下技术方案：
一种改进烟花算法优化单相逆变器控制参数整定方法，包括如下步骤：
步骤1，非线性负载电流iL与电压外环PI控制器流出的iref进行比较，得到的差值送给电流内环PI控制器；
步骤2，将电压参考值uref与非线性负载的实际电压值u0的差值，输入到电压外环PI控制器中；
步骤3，将步骤2中的差值进行绝对值乘以时间的积分，与电压谐波畸变率进行加权作为算法优化的目标函数F；
步骤4，用改进烟花算法SCFWA进行参数整定，找出Kp、Ki、Kp1的最优值分别赋给仿真模型中的电压外环和电流内环PI控制器；
步骤5，将电流内环控制器的输出值进行SVPWM变换，输出控制信号g；
步骤6，输出控制信号g控制逆变器使得负载反馈电压能很好跟踪指令电压信号，同时保证该反馈电压波形谐波含量少，从而使电压接近电压参考值。
进一步，所述步骤3中算法优化的目标函数F由如下方法计算得到：
电压参考值Ud *与实际电压值Ud的差值定义为e(t)，则
Figure BDA0003155302130000021
电压谐波畸变率
Figure BDA0003155302130000022
则
Figure BDA0003155302130000023
并且a+b＝1。
进一步，在步骤4中，改进烟花算法SCFWA包括以下步骤：
步骤4.1，初始化算法参数，在可行域随机生成初始烟花，并计算其适应度；
步骤4.2，按式(1)和式(2)确定烟花的爆炸半径和火花数量，最优烟花的火花数超过上限则取上限值；
Figure BDA0003155302130000024
Si＝S+rand(miS/M) (2)
式中，r和S为烟花初始爆炸半径和火花数量；mi为第i个烟花的自适应系数，其初值为0，上限为M，M为常数；rand(·)是根据四舍五入原则的取整函数；
mi的计算规则为：若第i个烟花为最优烟花，其爆炸产生更优子代时mi自减1，否则自加1，当mi小于0时，令mi等于0。最优烟花的mi不受上限M限制，但火花数有上限，若火花数超过上限则取上限值。若第i个烟花不是最优烟花，其爆炸产生更优子代时mi不变，否则自加1，mi超过上限M时，可认为其陷入局部最优，启动混沌映射使其跳出局部最优区域，并将mi置零；
步骤4.3，执行爆炸行为产生普通火花，并计算火花适应度。判断是否达到最大迭代次数，是则输出最优个体，结束算法；否则执行下一步；
步骤4.4，选择群落中最优个体作为子代烟花，并更新自适应系数；
步骤4.5，自适应系数超过上限且不为全局最优的烟花，采用混沌映射改变其位置，并将其自适应系数置零；
步骤4.6，更新烟花位置和自适应系数，继续进行第4.2～4.6步操作；
步骤4.7，判断是否满足终止条件，若满足则输出最优解，结束程序；否则，重复以上改进烟花算法流程继续进行寻优迭代处理；
步骤4.8，将改进烟花算法寻优得到的参数Kp、Ki、Kp1赋值给相应的PI控制器。
本发明的有益效果：
(1)相比直流侧电压PI控制，或用PSO算法参数整定，本发明提出的采用SCFWA算法进行参数整定，逆变器负载电压稳定效果更好、补偿后负载电压的谐波畸变率THD值更小。
(2)本发明大大提高了谐波补偿的有效性和实时性，降低了稳态误差，验证了SCFWA整定单相逆变器控制参数的可行性。
附图说明
图1为本发明SCFWA算法优化单相逆变器的原理图；
图2为PSO算法优化迭代曲线；
图3为本发明SCFWA算法优化迭代曲线；
图4为本发明SCFWA算法优化后逆变器负载电压结果图；
图5为本发明SCFWA算法优化后逆变器负载电压谐波发分析图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
如图1，图3-5所示，本发明的一个实施算例，公开了一种改进烟花算法优化单相逆变器控制参数整定方法，包括如下步骤：
步骤1，非线性负载电流iL与电压外环PI控制器流出的iref进行比较，得到的差值送给电流内环PI控制器。
步骤2，将电压参考值uref与非线性负载的实际电压值u0的差值，输入到电压外环PI控制器中。
步骤3，将步骤2中的差值进行绝对值乘以时间的积分，与电压谐波畸变率进行加权作为算法优化的目标函数F。
步骤4，用改进烟花算法SCFWA进行参数整定，找出Kp、Ki、Kp1的最优值分别赋给仿真模型中的电压外环和电流内环PI控制器。
步骤5，将电流内环控制器的输出值进行SVPWM变换，输出控制信号g。
步骤6，输出控制信号g控制逆变器使得负载反馈电压能很好跟踪指令电压信号，同时保证该反馈电压波形谐波含量少，从而使电压接近电压参考值。
进一步，步骤3中算法优化的目标函数F由如下方法计算得到：
电压参考值Ud *与实际电压值Ud的差值定义为e(t)，则
Figure BDA0003155302130000031
电压谐波畸变率
Figure BDA0003155302130000032
则
Figure BDA0003155302130000033
并且a+b＝1。
进一步，在所述步骤4中，改进烟花算法SCFWA包括以下步骤：
步骤4.1，初始化算法参数，在可行域随机生成初始烟花，并计算其适应度。
步骤4.2，按式(1)和式(2)确定烟花的爆炸半径和火花数量，最优烟花的火花数超过上限则取上限值。
Figure BDA0003155302130000041
Si＝S+rand(miS/M) (2)
式中：其中，r和S为烟花初始爆炸半径和火花数量；mi为第i个烟花的自适应系数，其初值为0，上限为M，M为常数；rand(·)是根据四舍五入原则的取整函数。
mi的计算规则为：若第i个烟花为最优烟花，其爆炸产生更优子代时mi自减1，否则自加1，当mi小于0时，令mi等于0。最优烟花的mi不受上限M限制，但火花数有上限，若火花数超过上限则取上限值。若第i个烟花不是最优烟花，其爆炸产生更优子代时mi不变，否则自加1，mi超过上限M时，可认为其陷入局部最优，启动混沌映射使其跳出局部最优区域，并将mi置零。
步骤4.3，执行爆炸行为产生普通火花，并计算火花适应度。判断是否达到最大迭代次数，是则输出最优个体，结束算法；否则执行下一步。
步骤4.4，选择群落中最优个体作为子代烟花，并更新自适应系数。
步骤4.5，自适应系数超过上限且不为全局最优的烟花，采用混沌映射改变其位置，并将其自适应系数置零。
步骤4.6，更新烟花位置和自适应系数，继续进行第4.2～4.6步操作。
步骤4.7，判断是否满足终止条件，若满足则输出最优解，结束程序；否则，重复以上改进烟花算法流程继续进行寻优迭代处理。
步骤4.8，将改进烟花算法寻优得到的参数Kp、Ki、Kp1赋值给相应的PI控制器。
本实施算例中算法参数取值如下：
PSO算法：粒子群群体大小为SwarmSize＝10,维数Dim＝3，最大迭代次数MaxIter＝10。
SCFWA算法：总烟花数fireworkNum＝10，维数Dim＝3，种群总进化数Max_iter＝10，初始半径r＝5，初始火花数S＝10，混沌迭代次数hd＝5。
采用本发明提出的改进烟花算法(SCFWA)优化单相逆变器控制参数，并与粒子群算法(PSO)优化结果进行对比，通过图2至图5的结果可知，本发明相比传统PSO算法优化，收敛速度更快，寻优精度更高，负载电压稳定效果更好，谐波补偿效果更佳。
最后说明的是，以上仅对本发明具体实施例进行详细描述说明。但本发明并不限制于以上描述具体实施例。本领域的技术人员对本发明进行的等同修改和替代也都在本发明的范畴之中。因此，在不脱离本发明的精神和范围下所作的均等变换和修改，都涵盖在本发明范围内。

Claims (3)

1.一种改进烟花算法优化单相逆变器控制参数整定方法，其特征在于，包括以下步骤：
步骤1，非线性负载电流iL与电压外环PI控制器流出的iref进行比较，得到的差值送给电流内环PI控制器；
步骤2，将电压参考值uref与非线性负载的实际电压值u0的差值，输入到电压外环PI控制器中；
步骤3，将步骤2中的差值进行绝对值乘以时间的积分，与电压谐波畸变率进行加权作为算法优化的目标函数F；
步骤4，用改进烟花算法SCFWA进行参数整定，找出Kp、Ki、Kp1的最优值分别赋给仿真模型中的电压外环和电流内环PI控制器；
步骤5，将电流内环控制器的输出值进行SVPWM变换，输出控制信号g；
步骤6，输出控制信号g控制逆变器使得负载反馈电压能很好跟踪指令电压信号，同时保证该反馈电压波形谐波含量少，从而使电压接近电压参考值。
2.根据权利要求1所述的一种改进烟花算法优化单相逆变器控制参数整定方法，其特征在于，所述步骤3中算法优化的目标函数F由如下方法计算得到：
电压参考值Ud *与实际电压值Ud的差值定义为e(t)，则
Figure FDA0003155302120000011
电压谐波畸变率
Figure FDA0003155302120000012
则
Figure FDA0003155302120000013
并且a+b＝1。
3.根据权利要求1所述的一种改进烟花算法优化单相逆变器控制参数整定方法，其特征在于，在所述步骤4中，所述改进烟花算法SCFWA包括以下步骤：
步骤4.1，初始化算法参数，在可行域随机生成初始烟花，并计算其适应度；
步骤4.2，按式(1)和式(2)确定烟花的爆炸半径和火花数量，最优烟花的火花数超过上限则取上限值，
Figure FDA0003155302120000014
Si＝S+rand(miS/M) (2)
式中，r和S为烟花初始爆炸半径和火花数量；mi为第i个烟花的自适应系数，其初值为0、上限为M，M为常数；rand(·)是根据四舍五入原则的取整函数；
mi的计算规则为：若第i个烟花为最优烟花，其爆炸产生更优子代时mi自减1，否则自加1，当mi小于0时，令mi等于0，最优烟花的mi不受上限M限制，但火花数有上限，若火花数超过上限则取上限值；若第i个烟花不是最优烟花，其爆炸产生更优子代时mi不变，否则自加1，mi超过上限M时，可认为其陷入局部最优，启动混沌映射使其跳出局部最优区域，并将mi置零；
步骤4.3，执行爆炸行为产生普通火花，并计算火花适应度。判断是否达到最大迭代次数，是则输出最优个体，结束算法；否则执行下一步；
步骤4.4，选择群落中最优个体作为子代烟花，并更新自适应系数；
步骤4.5，自适应系数超过上限且不为全局最优的烟花，采用混沌映射改变其位置，并将其自适应系数置零；
步骤4.6，更新烟花位置和自适应系数，继续进行第4.2～4.6步操作；
步骤4.7，判断是否满足终止条件，若满足则输出最优解，结束程序；否则，重复以上改进烟花算法流程继续进行寻优迭代处理；
步骤4.8，将改进烟花算法寻优得到的参数Kp、Ki、Kp1赋值给相应的PI控制器。
CN202110778617.6A 2021-07-09 2021-07-09 一种改进烟花算法优化单相逆变器控制参数整定方法 Active CN113690926B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110778617.6A CN113690926B (zh) 2021-07-09 2021-07-09 一种改进烟花算法优化单相逆变器控制参数整定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110778617.6A CN113690926B (zh) 2021-07-09 2021-07-09 一种改进烟花算法优化单相逆变器控制参数整定方法

Publications (2)

Publication Number Publication Date
CN113690926A true CN113690926A (zh) 2021-11-23
CN113690926B CN113690926B (zh) 2023-08-29

Family

ID=78577012

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110778617.6A Active CN113690926B (zh) 2021-07-09 2021-07-09 一种改进烟花算法优化单相逆变器控制参数整定方法

Country Status (1)

Country Link
CN (1) CN113690926B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115455721A (zh) * 2022-09-23 2022-12-09 国网安徽省电力有限公司淮北供电公司 一种并网三相逆变器控制参数整定方法及系统
CN115616918A (zh) * 2022-11-11 2023-01-17 国网安徽省电力有限公司芜湖市繁昌区供电公司 基于改进果蝇优化算法的并网逆变器控制方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104965981A (zh) * 2015-06-18 2015-10-07 温州大学 一种可逆变流岸电网侧控制器多参数优化方法
CN105279570A (zh) * 2015-06-19 2016-01-27 电子科技大学 一种基于烟花算法的复杂机械产品装配序列规划方法
CN107704319A (zh) * 2017-10-18 2018-02-16 哈尔滨工程大学 改进烟花算法的cmp任务调度方法
WO2018157272A1 (zh) * 2017-02-28 2018-09-07 江南大学 一种基于改进的烟花算法进行图像处理的方法
CN108631361A (zh) * 2018-05-07 2018-10-09 上海电力学院 一种lc型三相并网逆变器控制方法
CN110365014A (zh) * 2019-07-19 2019-10-22 合肥工业大学 一种考虑电压灵敏度时变特性的电压分区方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104965981A (zh) * 2015-06-18 2015-10-07 温州大学 一种可逆变流岸电网侧控制器多参数优化方法
CN105279570A (zh) * 2015-06-19 2016-01-27 电子科技大学 一种基于烟花算法的复杂机械产品装配序列规划方法
WO2018157272A1 (zh) * 2017-02-28 2018-09-07 江南大学 一种基于改进的烟花算法进行图像处理的方法
CN107704319A (zh) * 2017-10-18 2018-02-16 哈尔滨工程大学 改进烟花算法的cmp任务调度方法
CN108631361A (zh) * 2018-05-07 2018-10-09 上海电力学院 一种lc型三相并网逆变器控制方法
CN110365014A (zh) * 2019-07-19 2019-10-22 合肥工业大学 一种考虑电压灵敏度时变特性的电压分区方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115455721A (zh) * 2022-09-23 2022-12-09 国网安徽省电力有限公司淮北供电公司 一种并网三相逆变器控制参数整定方法及系统
CN115616918A (zh) * 2022-11-11 2023-01-17 国网安徽省电力有限公司芜湖市繁昌区供电公司 基于改进果蝇优化算法的并网逆变器控制方法及系统
CN115616918B (zh) * 2022-11-11 2023-10-03 国网安徽省电力有限公司芜湖市繁昌区供电公司 基于改进果蝇优化算法的并网逆变器控制方法及系统

Also Published As

Publication number Publication date
CN113690926B (zh) 2023-08-29

Similar Documents

Publication Publication Date Title
CN113690926B (zh) 一种改进烟花算法优化单相逆变器控制参数整定方法
Niknam et al. Enhanced adaptive particle swarm optimisation algorithm for dynamic economic dispatch of units considering valve-point effects and ramp rates
CN113363963B (zh) 一种改进麻雀搜索算法优化三相sapf直流侧控制方法
CN110888317A (zh) 一种pid控制器参数智能优化方法
CN105896575B (zh) 基于自适应动态规划的百兆瓦储能功率控制方法及系统
CN106887858B (zh) 一种接入新能源发电的储能系统跟踪计划出力方法及装置
CN112636396B (zh) 光伏配电网控制方法及终端
CN112670984A (zh) 一种基于改进鲸鱼算法的电力系统经济负荷分配方法
CN110838590A (zh) 一种质子交换膜燃料电池气体供应控制系统及方法
CN116610029A (zh) 基于鲸鱼算法的模糊pid控制的逆变器控制方法
Bana et al. Adaptive vector control of grid-tied vsc using multilayer perceptron-recurrent neural network
CN116232132A (zh) 一种电动汽车无刷直流电机的转速控制方法
CN115549095A (zh) 一种改进蜜獾算法优化sapf直流侧电压控制方法
CN115842468A (zh) 一种基于改进搜索算法的谐波主动抑制优化方法
CN112488442B (zh) 基于深度强化学习算法及源荷不确定性的配电网重构方法
CN115313510A (zh) 一种自适应无功补偿的光伏逆变器控制方法与系统
CN112018808B (zh) 一种基于多逆变器通信的光伏电压协同控制方法
CN110365020B (zh) 基于集成学习的无功优化方法
CN111864782A (zh) 柔性直流配电网的mmc控制系统中的pi参数优化方法及其系统
CN114204613A (zh) 一种海上风电场接入电力系统的无功补偿方法和系统
CN112688354B (zh) 一种同步调相机励磁系统多目标优化控制方法及系统
Syed et al. A genetic algorithm optimized fuzzy logic controller for shunt active power filter
CN116937624B (zh) 构网光伏阻尼和电压协调的振荡抑制器设计方法及系统
CN113411006B (zh) 一种基于鲸鱼算法的并网模式下储能双向变流器充放电控制方法
CN114139957B (zh) 一种基于XGBoost算法的农村台区电压和线损影响的评估方法

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
GR01 Patent grant