CN115616918A - 基于改进果蝇优化算法的并网逆变器控制方法及系统 - Google Patents

基于改进果蝇优化算法的并网逆变器控制方法及系统 Download PDF

Info

Publication number
CN115616918A
CN115616918A CN202211413653.3A CN202211413653A CN115616918A CN 115616918 A CN115616918 A CN 115616918A CN 202211413653 A CN202211413653 A CN 202211413653A CN 115616918 A CN115616918 A CN 115616918A
Authority
CN
China
Prior art keywords
grid
optimization algorithm
fruit fly
connected inverter
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
CN202211413653.3A
Other languages
English (en)
Other versions
CN115616918B (zh
Inventor
林其友
舒晓欣
徐通
葛愿
陈繁
吕根木
陈彦斌
余诺
汪石农
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.)
State Grid Anhui Electric Power Co Ltd Wuhu Fanchang District Power Supply Co
Anhui Polytechnic University
Original Assignee
State Grid Anhui Electric Power Co Ltd Wuhu Fanchang District Power Supply Co
Anhui Polytechnic 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 State Grid Anhui Electric Power Co Ltd Wuhu Fanchang District Power Supply Co, Anhui Polytechnic University filed Critical State Grid Anhui Electric Power Co Ltd Wuhu Fanchang District Power Supply Co
Priority to CN202211413653.3A priority Critical patent/CN115616918B/zh
Publication of CN115616918A publication Critical patent/CN115616918A/zh
Application granted granted Critical
Publication of CN115616918B publication Critical patent/CN115616918B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G05B13/041—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 variable is automatically adjusted to optimise the performance
    • 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
    • G05B11/00—Automatic controllers
    • G05B11/01—Automatic controllers electric
    • G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
    • G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
    • 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
    • H02M7/00—Conversion of ac power input into dc power output; Conversion of dc power input into ac power output
    • H02M7/42—Conversion of dc power input into ac power output without possibility of reversal
    • H02M7/44—Conversion of dc power input into ac power output without possibility of reversal by static converters
    • H02M7/48—Conversion of dc power input into ac power output without possibility of reversal by static converters using discharge tubes with control electrode or semiconductor devices with control electrode
    • H02M7/53—Conversion of dc power input into ac power output without possibility of reversal 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
    • H02M7/537—Conversion of dc power input into ac power output without possibility of reversal 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, e.g. single switched pulse inverters

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Power Engineering (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种基于改进果蝇优化算法的并网逆变器控制方法，采用电压外环和电流内环的双闭环控制对并网逆变器进行控制，其中电流内环控制器PI的参数Kp、Ki通过改进的果蝇优化算法求得的最优参数来实现控制。本发明的优点在于：可以对逆变器并网控制进行最优参数的自动计算，得到最优的控制参数，使得并网逆变器的控制更加准确可靠，相对应现有技术参数凑试法来说，参数计算更加快速准确，且能够适应于并网逆变器负载的变化，可以做到快速跟随获取对应的控制参数的目的，改善了逆变器参数整定困难的问题。

Description

基于改进果蝇优化算法的并网逆变器控制方法及系统
技术领域
本发明涉及并网逆变器领域，特别涉及一种基于改进果蝇优化算法的并网逆变器控制方法。
背景技术
在并网条件下，对并网逆变器的输出波形也有较高的要求。为得到高质量的输出电压和较好的功率因数，并网逆变器系统一般采用电压外环和电流内环的双闭环控制策略，决定双闭环控制效果的关键是其PI参数的确定。一般采用PI控制器对并网逆变器进行控制，PI控制器内部的参数Kp、Ki是至关重要的，这两个参数决定PI控制器的控制精度和准确性。
传统的双闭环控制方法，需要先建立精确的系统模型，再通过凑试法等得到较为适宜的PI参数，在该参数下可以准确的进行控制。但由于并网逆变器系统经常会发生负载变化，系统矩阵、闭环特征值及动态响应均会发生改变，造成已经确定的参数难以适合变化后的系统，如果以固定的PI参数进行电流内环控制，则控制系统输出会波动，无法满足并网逆变器的要求。尤其针对并网逆变器系统的非线性特性，若要PI参数随之改变，则采用参数凑试法比较困难，很难对已定参数进调整。如果不调整则会造成控制精度不足，而采用参数凑试法获取PI控制器参数又比较困难，无法快速准确的跟随并网逆变器负载的变化。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于改进果蝇优化算法的并网逆变器控制方法，用于解决现有技术并网逆变器负载发生变化后双闭环控制中PI参数无法根据调节，无法快速得到PI控制器参数的缺陷。
为了实现上述目的，本发明采用的技术方案为：一种基于改进果蝇优化算法的并网逆变器控制方法，采用电压外环和电流内环的双闭环控制对并网逆变器进行控制，其中电流内环控制器PI的参数Kp、Ki通过改进的果蝇优化算法求得的最优参数来实现控制。
采用时间与电流误差的绝对积分、总谐波畸变以及超调量建议目标函数作为果蝇优化算法的适应度函数，通过果蝇优化算法的迭代计算得到最优的PI控制参数。
采用的目标函数为：
Figure BDA0003938953520000021
其中，e(t)为并网电流iL2与参考电流iref的差值；ugn为并网电压各次谐波幅值；ug1为并网电压基波幅值；a、b和c为常量权系数，且满足a+b＝1,c>>a。
改进的果蝇优化算法求得的最优参数包括如下步骤：
(1)、首先对果蝇种群初始化；
(2)、首先运行一次FOA，分别利用Dirx和Diry记录每一只果蝇的步长，并记录味道浓度达到最大值时果蝇在x和y方向上的步长；
BestDirx＝Dirx[bestIndex]
BestDiry＝Diry[bestIndex]
其中，BestDirx和BestDiry是味道浓度达到最大值时果蝇在x和y方向上的步长，bestIndex是果蝇群体中味道浓度最优的个体；
(3)、给出改进的果蝇(x,y)的随机方向和距离(xi,yi)；
Figure BDA0003938953520000031
Figure BDA0003938953520000032
(4)、记录并保存此次果蝇在x和y方向上的移动步长；
Dirx＝xi-x
Diry＝yi-y
(5)、先计算出果蝇个体与原点的距离Di，继而得到味道浓度判定值Si；
Figure BDA0003938953520000033
Si＝1/Di
(6)、将得到的果蝇个体味道浓度判定值Si解码为PI控制器的控制参数Kp,Ki，进而运行simulink模型仿真模拟并网逆变器在该控制参数下的目标函数值，即为得到当前参数对应的最佳指标BestFi，并将上一步计算得到的性能指标作为果蝇个体的适应值赋值给Smelli；
Smelli＝BestFi
(7)、从果蝇群体中寻找味道浓度最优的浓度bestSmell和果蝇个体bestIndex；
[bestSmell bestIndex]＝min(Smelli)
(8)、将最优的味道浓度值Smellbest和坐标(xbest,ybest)记录并保存下来，此时果蝇利用视觉向坐标处飞去；
Smellbest＝bestSmell
xbest＝x(bestIndex)
ybest＝y(bestIndex)
(9)、循环步骤(2)-(7)进行迭代寻优，在最大迭代次数内，直到当前最佳浓度值相比前一次不再变化，则停止迭代，输出最优值(xbest,ybest)，其分别对应PI控制参数中Kp、Ki。
步骤(1)中，果蝇种群初始化包括：设定果蝇种群数量和迭代次数，对果蝇个体的初始位置进行一个随机的给定，表示为(x,y)，其由PI控制器中比例Kp和积分Ki这两个控制参数组成。
在步骤(9)中，若迭代次数达到最大迭代次数则停止迭代，输出最优值(xbest,ybest)，其分别对应PI控制参数中Kp、Ki。
步骤(9)中，在每一次迭代中若未达到最大迭代次数且当前最佳浓度值相比前一次最佳浓度值有变化，则以当前果蝇最优味道浓度对应的果蝇坐标形成新的果蝇群体返回步骤(2)中进行迭代循环。
一种基于改进果蝇优化算法的并网逆变器控制系统，所述控制系统采用PI控制器对并网逆变器进行控制，其中PI控制器的控制参数Kp、Ki采用如权利要求1-7任一所述的一种基于改进果蝇优化算法的并网逆变器控制方法求得。
PI控制器为并网逆变器双闭环控制中的电流内环控制器。
本发明的优点在于：可以对逆变器并网控制进行最优参数的自动计算，得到最优的控制参数，使得并网逆变器的控制更加准确可靠，相对应现有技术参数凑试法来说，参数计算更加快速准确，且能够适应于并网逆变器负载的变化，可以做到快速跟随获取对应的控制参数的目的，改善了逆变器参数整定困难的问题。
附图说明
下面对本发明说明书各幅附图表达的内容及图中的标记作简要说明：
图1为采用本双闭环控制对逆变器进行控制的原理图；
图2为PI控制器在实现电网电压全前馈双环控制图；
图3为本发明基于果蝇优化算法的Kp、Ki计算原理流程图。
具体实施方式
下面对照附图，通过对最优实施例的描述，对本发明的具体实施方式作进一步详细的说明。
本申请主要是针对现有技术中通过双闭环控制实现并网逆变器控制时控制参数的求解，现有技术的参数凑试法无法实现准确快速且跟随并网逆变器负载变化而快速计算得到对应的参数，计算也比较困难，因此申请人采用果蝇优化算法来实现参数的求取。
如图1所示，为现有技术中PI控制器实现双闭环控制的原理示意图，其通过PI控制器来实现闭环控制，而本申请则就在PI控制器上增加了果蝇优化算法IFAO来计算Kp、Ki，然后将Kp、Ki送入到PI控制器中，让其执行工作。其中IFAO的计算方式基于目标函数来实现。如图2所示为PI控制器的控制原理图，实现了闭环控制，保证并网逆变器的工作，只要有PI的参数就可以实现控制，本申请并不对并网逆变器的闭环控制进行改进，改进点仅在于其闭环控制的参数确定，本申请采用的是果蝇优化算法IFAO来计算Kp、Ki后给PI控制器执行即可。
基于改进果蝇优化算法的并网逆变器的控制方法，包括在逆变器基础上加上一种基于改进果蝇优化和PI算法相结合的逆变器控制算法，如图3所示，具体包括如下步骤：
S1、建立并网逆变器的数学模型，包括电路模型和控制模型，并应用Simulink建立LCL型单相并网逆变器仿真模型；
S2、采用时间与电流误差的绝对积分、总谐波畸变(THD)以及超调量作为目标函数；
S3、应用改进的果蝇优化算法对逆变器控制模型的电流内环控制器参数进行求解，得到最优的控制参数Kp,Ki。
S4、将得到的最优控制器参数Kp,Ki送回PI控制器，实现对逆变器电流内环的控制效果。
进一步的，所述步骤S1具体包括如下步骤：
S11、建立逆变器中电路各个单元的数学模型以及控制电路的控制模型；
S12、根据建立的逆变器数学模型在Simulink中搭建相应的仿真模块。
进一步的，所述步骤S11中，所述逆变器中电路各个单元包括DC/AC逆变桥、LCL滤波器、直流电压源；所述控制电路包括信号采集单元、锁相环控制单元以及逆变桥控制单元；
进一步的，所述步骤S2中，建立的目标函数为：
Figure BDA0003938953520000061
其中，e(t)为并网电流iL2与参考电流iref的差值；ugn为并网电压各次谐波幅值；ug1为并网电压基波幅值；a、b和c为常量权系数，且满足a+b＝1,c>>a。
进一步的，所述步骤S3中，具体包括以下步骤：
S31、首先对果蝇种群初始化。设定果蝇种群数量和迭代次数，对果蝇个体的初始位置进行一个随机的给定，表示为(x,y)，由比例和积分这两个控制参数组成；
S32、首先运行一次FOA，分别利用Dirx和Diry记录每一只果蝇的步长，并记录味道浓度达到最大值时果蝇在x和y方向上的步长；
BestDirx＝Dirx[bestIndex]
BestDiry＝Diry[bestIndex]
其中，BestDirx和BestDiry是味道浓度达到最大值时果蝇在x和y方向上的步长，bestIndex是果蝇群体中味道浓度最优的个体。
S33、给出改进的果蝇(x,y)的随机方向和距离(xi,yi)；
Figure BDA0003938953520000071
Figure BDA0003938953520000072
其中rand(0，4)为随机在0～4之间取值。
S34、记录并保存此次果蝇在x和y方向上的移动步长；
Dirx＝xi-x
Diry＝yi-y
S35、因为食物的位置并不能确定，所以需要先计算出果蝇个体与原点的距离Di，继而得到味道浓度判定值Si；
Figure BDA0003938953520000073
Si＝1/Di
S36、将得到的果蝇个体味道浓度判定值Si解码为PI控制器的控制参数Kp,Ki，进而运行simulink模型对并网逆变器进行仿真模拟获取目标函数计算所需的数值进而计算得到目标函数的数值，即得到当前参数对应的最佳指标BestFi，并将上一步计算得到的性能指标作为果蝇个体的适应值赋值给Smelli；
Smelli＝BestFi
S37、从果蝇群体中寻找味道浓度最优的浓度bestSmell和果蝇个体bestIndex；
[bestSmell bestIndex]＝min(Smelli)
S38、将最优的味道浓度值Smellbest和坐标(xbest,ybest)记录并保存下来，此时果蝇利用视觉向坐标处飞去；
Smellbest＝bestSmell
xbest＝x(bestIndex)
ybest＝y(bestIndex)
S39、循环步骤S32-S37进行迭代寻优，在最大迭代次数内，直到当前最佳浓度值相比前一次不再变化，则停止迭代，输出最优值(xbest,ybest)对应的控制参数(Kp,Ki)。
显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，均在本发明的保护范围之内。

Claims (9)

1.一种基于改进果蝇优化算法的并网逆变器控制方法，其特征在于：采用电压外环和电流内环的双闭环控制对并网逆变器进行控制，其中电流内环控制器PI的参数Kp、Ki通过改进的果蝇优化算法求得的最优参数来实现控制。
2.如权利要求1所述的一种基于改进果蝇优化算法的并网逆变器控制方法，其特征在于：采用时间与电流误差的绝对积分、总谐波畸变以及超调量建议目标函数作为果蝇优化算法的适应度函数，通过果蝇优化算法的迭代计算得到最优的PI控制参数。
3.如权利要求2所述的一种基于改进果蝇优化算法的并网逆变器控制方法，其特征在于：采用的目标函数为：
Figure FDA0003938953510000011
其中，e(t)为并网电流iL2与参考电流iref的差值；ugn为并网电压各次谐波幅值；ug1为并网电压基波幅值；a、b和c为常量权系数，且满足a+b＝1,c>>a。
4.如权利要求1或2所述的一种基于改进果蝇优化算法的并网逆变器控制方法，其特征在于：
改进的果蝇优化算法求得的最优参数包括如下步骤：
(1)、首先对果蝇种群初始化；
(2)、首先运行一次FOA，分别利用Dirx和Diry记录每一只果蝇的步长，并记录味道浓度达到最大值时果蝇在x和y方向上的步长；
BestDirx＝Dirx[bestIndex]
BestDiry＝Diry[bestIndex]
其中，BestDirx和BestDiry是味道浓度达到最大值时果蝇在x和y方向上的步长，bestIndex是果蝇群体中味道浓度最优的个体；
(3)、给出改进的果蝇(x,y)的随机方向和距离(xi,yi)；
Figure FDA0003938953510000021
Figure FDA0003938953510000022
(4)、记录并保存此次果蝇在x和y方向上的移动步长；
Dirx＝xi-x
Diry＝yi-y
(5)、先计算出果蝇个体与原点的距离Di，继而得到味道浓度判定值Si；
Figure FDA0003938953510000023
Si＝1/Di
(6)、将得到的果蝇个体味道浓度判定值Si解码为PI控制器的控制参数Kp,Ki，进而运行simulink模型仿真模拟并网逆变器在该控制参数下的目标函数值，即为得到当前参数对应的最佳指标BestFi，并将上一步计算得到的性能指标作为果蝇个体的适应值赋值给Smelli；
Smelli＝BestFi
(7)、从果蝇群体中寻找味道浓度最优的浓度bestSmell和果蝇个体bestIndex；
[bestSmell bestIndex]＝min(Smelli)
(8)、将最优的味道浓度值Smellbest和坐标(xbest,ybest)记录并保存下来，此时果蝇利用视觉向坐标处飞去；
Smellbest＝bestSmell
xbest＝x(bestIndex)
ybest＝y(bestIndex)
(9)、循环步骤(2)-(7)进行迭代寻优，在最大迭代次数内，直到当前最佳浓度值相比前一次不再变化，则停止迭代，输出最优值(xbest,ybest)，其分别对应PI控制参数中Kp、Ki。
5.如权利要求4所述的一种基于改进果蝇优化算法的并网逆变器控制方法，其特征在于：
步骤(1)中，果蝇种群初始化包括：设定果蝇种群数量和迭代次数，对果蝇个体的初始位置进行一个随机的给定，表示为(x,y)，其由PI控制器中比例Kp和积分Ki这两个控制参数组成。
6.如权利要求1-5任一所述的一种基于改进果蝇优化算法的并网逆变器控制方法，其特征在于：
在步骤(9)中，若迭代次数达到最大迭代次数则停止迭代，输出最优值(xbest,ybest)，其分别对应PI控制参数中Kp、Ki。
7.如权利要求6所述的一种基于改进果蝇优化算法的并网逆变器控制方法，其特征在于：步骤(9)中，在每一次迭代中若未达到最大迭代次数且当前最佳浓度值相比前一次最佳浓度值有变化，则以当前果蝇最优味道浓度对应的果蝇坐标形成新的果蝇群体返回步骤(2)中进行迭代循环。
8.一种基于改进果蝇优化算法的并网逆变器控制系统，其特征在于：所述控制系统采用PI控制器对并网逆变器进行控制，其中PI控制器的控制参数Kp、Ki采用如权利要求1-7任一所述的一种基于改进果蝇优化算法的并网逆变器控制方法求得。
9.如权利要求8所述的一种基于改进果蝇优化算法的并网逆变器控制系统，其特征在于：PI控制器为并网逆变器双闭环控制中的电流内环控制器。
CN202211413653.3A 2022-11-11 2022-11-11 基于改进果蝇优化算法的并网逆变器控制方法及系统 Active CN115616918B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211413653.3A CN115616918B (zh) 2022-11-11 2022-11-11 基于改进果蝇优化算法的并网逆变器控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211413653.3A CN115616918B (zh) 2022-11-11 2022-11-11 基于改进果蝇优化算法的并网逆变器控制方法及系统

Publications (2)

Publication Number Publication Date
CN115616918A true CN115616918A (zh) 2023-01-17
CN115616918B CN115616918B (zh) 2023-10-03

Family

ID=84877865

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211413653.3A Active CN115616918B (zh) 2022-11-11 2022-11-11 基于改进果蝇优化算法的并网逆变器控制方法及系统

Country Status (1)

Country Link
CN (1) CN115616918B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107367937A (zh) * 2017-08-07 2017-11-21 陕西科技大学 一种基于自适应果蝇优化算法的pid参数优化方法
CN113364316A (zh) * 2021-05-08 2021-09-07 南昌大学 一种基于鲸鱼优化算法的单相并网逆变器控制参数整定方法
CN113381441A (zh) * 2021-05-19 2021-09-10 南昌大学 一种基于哈里斯鹰算法的三相并网逆变器控制参数整定方法
CN113410864A (zh) * 2021-05-08 2021-09-17 南昌大学 一种基于改进人工蜂群算法的三相逆变器控制方法
CN113690926A (zh) * 2021-07-09 2021-11-23 南昌大学 一种改进烟花算法优化单相逆变器控制参数整定方法
CN114552653A (zh) * 2022-03-21 2022-05-27 合肥工业大学 基于智能算法的并网逆变器系统控制参数多目标优化方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107367937A (zh) * 2017-08-07 2017-11-21 陕西科技大学 一种基于自适应果蝇优化算法的pid参数优化方法
CN113364316A (zh) * 2021-05-08 2021-09-07 南昌大学 一种基于鲸鱼优化算法的单相并网逆变器控制参数整定方法
CN113410864A (zh) * 2021-05-08 2021-09-17 南昌大学 一种基于改进人工蜂群算法的三相逆变器控制方法
CN113381441A (zh) * 2021-05-19 2021-09-10 南昌大学 一种基于哈里斯鹰算法的三相并网逆变器控制参数整定方法
CN113690926A (zh) * 2021-07-09 2021-11-23 南昌大学 一种改进烟花算法优化单相逆变器控制参数整定方法
CN114552653A (zh) * 2022-03-21 2022-05-27 合肥工业大学 基于智能算法的并网逆变器系统控制参数多目标优化方法

Also Published As

Publication number Publication date
CN115616918B (zh) 2023-10-03

Similar Documents

Publication Publication Date Title
CN114944663B (zh) 一种基于构网型变流器的储能系统控制方法及系统
CN111766777B (zh) 一种pid控制器及pid控制方法
CN113489014B (zh) 一种快速灵活全纯嵌入式电力系统最优潮流评估方法
CN109638881B (zh) 电网强度自适应优化的储能逆变器虚拟同步方法及系统
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
CN108696210A (zh) 基于参数辨识的直流电机电流环控制器参数自整定方法
CN109149620A (zh) 一种自储能多端柔直系统控制方法及系统
CN111007716A (zh) 基于预测函数的交流伺服电机变论域模糊pi控制方法
CN112953286B (zh) 基于Q-Learning算法同容量三相逆变器并联环流抑制方法
CN103618486A (zh) 一种模糊控制的直流电机调速方法
CN116031887B (zh) 一种电网仿真分析算例数据生成方法、系统、设备及介质
CN106773652A (zh) 一种pid系统及其参数自动调整方法
CN113094936A (zh) 一种适用于次同步振荡分析的改进直驱风电场奇异摄动降阶方法
CN112054782A (zh) 一种lms自适应滤波的可变步长因子构建方法
CN115616918A (zh) 基于改进果蝇优化算法的并网逆变器控制方法及系统
CN114759575A (zh) 一种虚拟同步双馈风机次同步振荡抑制方法及系统
Islam et al. Fuzzy logic enhanced speed control system of a VSI-fed three phase induction motor
CN110518625B (zh) 一种可变学习率bp-pid控制的并网逆变器直流分量抑制方法
CN111948946A (zh) 一种基于hji理论的鲁棒评价逆变控制系统及其设计方法
CN109165474B (zh) 一种基于神经网络的逆变器重复控制设计方法
CN109245644B (zh) 一种永磁同步电机的鲁棒两自由度控制器的实现方法
CN114614490A (zh) 无功电压控制方法和装置、介质以及计算装置
CN113494416A (zh) 一种基于lstm的变桨距控制方法设计
CN112398358B (zh) 一种基于迭代结构参数的并网逆变器控制方法
CN113803217A (zh) 风电机组的风速预估方法和装置

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