CN115912405A - 一种用于复杂振荡环境下虚拟同步发电机自适应控制策略 - Google Patents

Abstract

本发明公开一种用于复杂振荡环境下虚拟同步发电机自适应控制策略，首先对基于虚拟同步发电机的并网逆变器进行建模，得出并网逆变器系统输出角频率变化量与虚拟转动惯量及虚拟阻尼系数间的相关性；为保证系统的稳定性，确定虚拟同步发电机的虚拟转动惯量与虚拟阻尼系数的变化范围；之后对粒子群算法进行改进，并确定基于改进粒子群算法的虚拟转动惯量及虚拟阻尼系数自适应控制策略的适应度函数；以角频率偏移最小及系统稳定性为优化目标，得出虚拟转动惯量及虚拟阻尼系数的最优值，将其作为自适应控制理论中的稳定值；最后对自适应控制理论进行改进，并将其应用于有功功率‑频率控制环节，实现对于虚拟转动惯量及虚拟阻尼系数的自适应控制。

Description

一种用于复杂振荡环境下虚拟同步发电机自适应控制策略

技术领域

本发明属于智能电网及智能算法技术领域，涉及一种用于复杂振荡环境下虚拟同步发电机自适应控制策略。

背景技术

现如今，随着我国经济的不断发展，对能源的需求量也随之增大。新能源和储能系统的大规模开发和利用，使得提供虚拟惯量的电力电子集群高比例接入电力系统。随着含有产生虚拟惯量的电力电子集群并网容量持续增加，给电网的安全稳定运行带来重大挑战。电力电子集群通过对转动惯量的模拟，可提升电网转动惯量，然而，其从自身属性、控制器参数等多方面对现有电力系统低频振荡模式势必产生影响。

因此为解决上述问题，当前的技术是通过对同步发电机进行数学层次上的模拟，使得分布式发电所利用的逆变器能够具有与理想同步发电机一致的转动惯量与阻尼特性，从而使得逆变器所输出的电能质量得以提高。在深入对同步发电机惯量支撑原理展开研究之后，相关学者提出了虚拟同步发电机控制策略。虚拟同步发电机控制策略主要是通过引入虚拟转矩方程，通过人为将暂态过程变慢，使其能为可再生能源的接入提供虚拟转动惯量和阻尼，有利于改善系统抗扰动能力及稳定性。而在虚拟同步发电机控制策略中最为重要的参数即为虚拟转动惯量与虚拟阻尼系数，在大部分的虚拟同步发电机的控制技术研究中，相关技术方案主要集中于对虚拟同步控制策略中有功功率控制环的虚拟转动惯量的调节，而忽略了虚拟同步发电机控制策略有功功率环的虚拟阻尼系数对系统所产生的重要影响。而虚拟转动惯量与虚拟阻尼系数均会对系统的频率稳定性产生较为重要的影响：若虚拟转动惯量选择过小，会导致虚拟转子的角速度变化加快，使得系统的稳定性降低；反之，若选择较大，虽然在一定的范围内可使系统的稳定性得到保证，但若虚拟转动惯量选择过大，同样会使系统失稳。而虚拟阻尼系数选择不当，同样会导致系统频率偏移及稳态恢复时间产生变化，进而使得系统失稳。基于以上分析可知，适宜的虚拟转动惯量与虚拟阻尼系数能够抑制系统的频率振荡，进而提高系统稳定性。而现有的大部分方案中，虚拟转动惯量及虚拟阻尼系数的选择均为定值，无法根据系统的实时变化情况进行动态的自适应调节，因此本发明提出基于虚拟转动惯量与虚拟阻尼系数的自适应调节策略，以抑制电力系统频发的低频振荡问题。

近年来，由于智能算法的快速迭代，利用智能算法解决相关领域的问题已逐渐成为热点。而粒子群算法具有相对于其他算法所不能比拟的优势，粒子群算法的主要优势在于其算法本身易于实现且所需调整的参数较少，目前该算法已广泛地应用于神经网络参数优化，模糊系统的控制以及多目标参数优化等问题，而将粒子群算法与虚拟同步控制策略相结合的方法较少。通过对粒子群算法进行改进以实现对虚拟转动惯量与虚拟阻尼系数的优化，并可实现虚拟同步发电机有功功率控制环的虚拟转动惯量与虚拟阻尼系数能根据系统的实时变化情况自适应地进行调节，使得频率振荡被抑制及逆变器所输出的电能质量更高。

发明内容

基于现有技术不能根据系统的实时变化情况自适应地对虚拟转动惯量和虚拟阻尼系数进行调节，本发明提出了一种用于复杂振荡环境下虚拟同步发电机自适应控制策略。通过本发明方法，对现有虚拟同步发电机参数自适应方程进行改进，并结合改进粒子群算法进行参数优化，逆变器系统可根据负载及电网的实时变化情况自适应地对虚拟转动惯量与虚拟阻尼系数进行调节，使得逆变器输出的频率偏差达到最小，且能够有效地应对复杂环境下电力系统频发的低频振荡问题。

本发明方法大致分为三个部分：

(1)确定系统参数范围：为保证系统的稳定性，并综合考虑系统的调节时间、响应速度等性能，需将虚拟同步发电机的虚拟转动惯量与虚拟阻尼系数的变化范围调整至合理的范围之内。

(2)基于改进粒子群算法的初始值选择：虚拟同步发电机的运行参数决定了系统的输出特性，因此在考虑系统的输出响应与电能质量的同时，本发明提出了采用改进粒子群算法对虚拟同步发电机的初始参数进行优化的方法，并选择逆变器输出角频率的偏差的绝对值与时间乘积的积分作为适应度函数，以得出可使逆变器输出角频率偏差达到最小的虚拟转动惯量与虚拟阻尼系数。

(3)改进自适应控制理论：传统的虚拟同步发电机系统的虚拟转动惯量与虚拟阻尼系数均为恒定值，无法对低频振荡问题进行最优抑制，本发明从虚拟同步发电机系统对参数的需求入手，对自适应控制理论进行改进，以实现对于系统的频率振荡的最优抑制。

为了达到上述目的，本发明采用了如下的技术方案：

一种用于复杂振荡环境下虚拟同步发电机自适应控制策略，包括如下步骤：

步骤(1)：搭建基于虚拟同步发电机的并网逆变器模型，并得到逆变器的输出频率与虚拟转动惯量J及虚拟阻尼系数D之间的相关性。

步骤(2)：确定考虑系统稳定性及阻尼比时的虚拟转动惯量与虚拟阻尼系数的取值范围。

步骤(3)：确定基于改进粒子群算法的虚拟同步发电机自适应控制策略的适应度函数，并以角频率的偏移达到最小及稳定性为优化目标，将改进粒子群算法应用于虚拟同步发电机的有功功率控制环节，根据迭代寻优得到可使角频率偏移达到最小的最佳虚拟转动惯量J₀和虚拟阻尼系数D₀。

步骤(4)：构建虚拟同步发电机的虚拟转动惯量J及虚拟阻尼系数D的自适应调节规律方程，并将步骤(2)所得到的考虑系统稳定性时虚拟转动惯量与虚拟阻尼系数的变化范围及步骤(3)所得到的虚拟转动惯量和虚拟阻尼系数的稳定值J₀、D₀作为自适应调节方程的参数，从而实现基于改进粒子群算法的虚拟转动惯量J和虚拟阻尼系数D的自适应控制。

进一步地，所述步骤(1)包括以下步骤：

(1.1)搭建基于虚拟同步发电机的并网逆变器模型；

所述虚拟同步发电机的控制策略是将同步发电机数学模型中的转矩方程应用于逆变器的外环控制中，进而控制逆变器输出的角频率；当将同步发电机的原动机和转子视为刚体时，同步发电机的输出单元的转矩方程如下公式所示：

其中，T_m为同步发电机的电磁转矩，T_e为同步发电机的输出转矩，ω为同步发电机的瞬时角频率，Δω为同步发电机的瞬时角频率与额定角频率的差值。

在虚拟同步发电机控制策略中，通过下垂方程独立地对逆变器输出的有功功率P及无功功率Q进行调整，进而对虚拟同步发电机逆变侧与电网侧的公共连接点(PointofCommon Coupling，PCC)的输出电压及频率进行调整；

所述下垂控制方程如下公式所示：

f-f₀＝K_f(P₀-P_ref)

U-U₀＝K_q(Q₀-Q)

其中，U₀、f₀、P₀及Q₀分别为逆变器的额定电压、额定频率、额定有功功率以及额定无功功率，f、U以及Q分别为逆变器系统的频率、输出电压以及无功功率，P_ref为逆变器系统给定的有功功率，K_f为频率调节系数，K_q为无功调节系数；

基于虚拟同步发电机的并网逆变器系统主要分为三个部分：逆变器侧、电网侧及控制电路，其中逆变器侧可等效为一个理想电压源与其输出阻抗串联，即Z＝Z_o+Z_g＝R+jX_s；

其中，Z_o为逆变器输出阻抗；Z_g为电网阻抗，R为逆变器输出阻抗与电网阻抗中的阻性分量，而X_s为逆变器输出阻抗与电网阻抗中的感性分量。定义逆变器桥臂中点电压基波相量为E∠δ，电网电压相量为U_g∠0，其中δ为逆变器桥臂中点电压基波相量与电网电压相量间的相位差，则相位差δ如下公式所示：

δ＝∫(ω-ω_g)dt

其中，ω_g为电网侧电压的角频率。

由于逆变器的输出电压与电网电压间一般为感性阻抗，则可通过调整逆变器控制环路，将其等效为一与线路电抗串联的电感，使得X_s远大于R，则并网逆变器馈入电网时的有功功率P_e与无功功率Q_e如下公式所示：

其中，X_s为逆变器输出阻抗与电网阻抗中的感性分量，E为逆变器桥臂中点电压基波相量的有效值，U_g为电网电压相量的有效值；

基于以上分析，基于虚拟同步发电机的并网逆变器系统在拉普拉斯域上的小信号模型如下公式所示：

其中，s为拉普拉斯变换中的复频率，

和

分别为系统输出角频率、给定转矩、电磁转矩、逆变器桥臂中点电压、给定无功功率、系统输出无功功率、功角及系统输出有功功率在其直流工作点附近的小扰动量，J为虚拟转动惯量，D为虚拟阻尼系数，K为惯性系数，D_q为无功-电压下垂调差系数，δ_n为虚拟同步发电机系统稳态工作时的功率因数角，E_n系统稳态工作时的逆变器桥臂中点电压。

(1.2)参数相关性分析

根据基于虚拟同步发电机的并网逆变器系统在拉普拉斯域上的小信号模型，若不考虑有功功率控制环与无功功率控制环之间的耦合，则有功功率控制环与无功功率控制环的闭环传递函数如下公式所示：

其中，ω_n为系统稳态时的角频率。

由上式并综合二阶系统时域分析的数学模型的标准形式，有功功率控制环节所表示的二阶系统的自然振荡频率ω_s和阻尼比ξ如下公式所示：

根据上式可知，自然振荡频率以及阻尼比大小主要取决于虚拟转动惯量J以及虚拟阻尼系数D，而自然振荡频率以及阻尼比又决定着系统的超调量和调节时间。因此有功功率控制环的稳定性分析应针对虚拟转动惯量J以及虚拟阻尼系数D展开研究。

进一步地，所述步骤(2)包括以下步骤：

(2.1)确定虚拟阻尼系数的变化范围；

若不考虑基于虚拟同步发电机系统的有功功率环与无功功率环间的耦合，则有功功率环的环路增益即有功功率环的开环传递函数G_p如下公式所示：

由上式可知，有功功率环的环路增益主要由三个部分组成，分别是：比例环节，积分环节以及一阶低通滤波环节；虚拟阻尼系数D决定有功功率环的开环增益系数，虚拟转动惯量J与虚拟阻尼系数D共同决定着一阶低通滤波器的转折频率。

在有功功率控制环的截止频率处，系统的有功环路增益的幅值应为1，则可得到系统的虚拟转动惯量J如下公式所示：

其中，f_cp为有功功率控制环的截止频率。

为保证上式成立，截止频率f_cp应满足的条件如下公式所示：

其中，f_cpmax为有功功率控制环的截止频率的最大值。

本发明所述的虚拟同步发电机的调频原理为当频率变化1Hz时，逆变器输出的有功功率的相应变化范围应为额定容量的40％～100％，则虚拟阻尼系数D如下公式所示：

其中，ΔT为逆变器输出转矩偏移，ΔP为逆变器输出有功功率偏移，Δω_max为逆变器输出角频率最大偏移。

通过结合有功功率环路截止频率及虚拟同步发电机调频原理即可确定虚拟阻尼系数D的变化范围。

(2.2)确定虚拟转动惯量的变化范围；

在有功功率控制环的截止频率处，系统的有功环路增益的幅值应为1，则可得到系统的有功功率环路增益的幅值如下公式所示：

基于虚拟同步发电机的并网逆变器系统应考虑系统的稳定性要求，而频域的相对稳定性常用幅值裕度与相角裕度进行衡量，故系统的稳定裕度如下公式所示：

PM＝180°+∠G_p(j2πf_cp)≥PM_req

其中，PM_req为系统设定并满足稳定性要求的稳定裕度参考值，一般取30°～60°。

基于以上分析，系统考虑稳定性要求时的虚拟转动惯量的取值如下公式所示：

基于上式并综合考虑虚拟阻尼系数的取值范围即可得出在考虑系统稳定要求时的虚拟转动惯量的取值范围。

进一步地，所述步骤(3)包括以下步骤：

(3.1)确定基于改进粒子群算法的虚拟同步发电机自适应控制策略的适应度函数；

目前，对于虚拟同步发电机参数优化的目标主要有两种：(1)寻找低频振荡模态下的达到最优阻尼比或者给定阻尼比下的参数；(2)寻找可使系统输出响应(如角频率或频率偏差、机端电压、有功功率偏差等)达到最小的参数。第一种方法中最优阻尼比的选取没有统一的规定。而第二种方式，直接通过对系统输出响应的偏差进行处理，并同时考虑系统有功功率、角频率等状态量的振荡，能够在充分考虑系统综合性能指标的基础上，实现对于有功功率、角频率等状态量的振荡的抑制。而在相关的针对虚拟同步发电机的自适应控制技术方案中，一般将角频率偏移量作为反映系统稳定的衡量指标。

在针对参数优化的性能目标中，偏差绝对值时间积分(Integrated Time andAbsolute Error，ITAE)能够反映信号收敛时间的快慢，为能减少初始误差对于系统性能指标取值的干扰，一般采用ITAE来反映系统的动态响应速度。

根据步骤(1.1)中所述的同步发电机的输出单元的转子运动方程，将其视为以ω为变量的一阶齐次线性微分方程，则可解得：

其中，t为时间。

基于以上分析，基于改进粒子群算法的虚拟同步发电机自适应控制策略的适应度函数如下公式所示：

(3.2)对粒子群算法进行改进；

(3.2.1)惯性权重的改进：惯性权重是在粒子群算法中调整全局搜索与局部搜索能力中可控制的一个较为重要的参数。比较大的惯性权重有利于全局搜索，但是会降低搜索效率，而较小的惯性权重虽然可以增加算法的收敛速度，但会使粒子陷入局部最优。因此设置合理的权重，使得粒子避免陷入局部最优并高效搜索成为关键。

故本发明采用自适应惯性权重代替固定惯性权重，自适应惯性权重在算法进化前期主要对粒子搜索空间进行探索以便能够快速到达较优区域，在迭代后期主要对较优区域进行开发以便于能够快速得到最优解，最小值优化问题的自适应权重迭代公式如下所示：

其中，w_min与w_max分别为预先设置的最小与最大惯性系数，一般w_min取0.4，w_max取0.9；

为第d次迭代时所有粒子的最小适应度；

为第d次迭代时所有粒子的平均适应度；

为第d次迭代时第i个粒子的适应度。

(3.2.2)引入Logistic混沌映射：由于混沌具有遍历性，这使其能够不重复地历经一定范围内的所有状态，利用混沌变量进行优化搜索比盲目无秩序的随机搜索更加具有优越性。因此本发明将混沌理论引入粒子群算法，利用混沌理论所具有的遍历性，能够使算法避免陷入局部最优解。

混沌搜索的主要思想是通过某种迭代方式产生混沌序列，一般多采用Logistic方程，Logistic方程如下公式所示：

y(k+1)＝μy(k)(1-y(k))k＝1,2,...,n

其中，μ为分叉参数，Logistic映射在分叉参数μ(3.57<μ≤4)时处于混沌状态，在此区间方程运动轨迹呈现混沌特征，当μ取4时能够取得较好的效果。

(3.2.3)引入耦合中心游移初始化策略：粒子群算法的种群初始化方式是随机生成的，该方法会使种群个体数量降低，导致算法求解速度受到影响。而对立学习策略是提高随机优化算法初始解质量的一个重要策略，其通过生成对立点，进行初始解的择优选择；但是此方法仅在搜索空间较小时，才会有较好的处理效果，当搜索空间较大时，该方法会大范围地搜索空间点，导致处理效果被大大降低。故本发明通过中心游移公式对初始解进行随机偏移，以此确定寻优空间，并实现当前粒子个体最优位置的多点同步搜索，从而使得粒子种群多样性被大大提升。中心游移公式如下所示：

其中，

为第t次迭代对立学习生成的第i个个体；up为搜索空间上限，down为搜索空间下限；

为初始解；

为第t次迭代中心游移生成的第i个个体；σ为游移系数，取0.618。

(3.2.4)引入耦合边界邻域更新修正策略：在迭代过程中，需要对粒子位置进行约束，而常规方法会降低种群的多样性及寻优效率，故本发明采用边界邻域更新对粒子位置进行修正，该方法是通过在边界内一段邻域内生成随机且均匀的点，以保持种群的多样性。具体修正公式如下所示：

其中，U表示在区间上的均匀分布。

(3.3)将步骤(3.1)所得到的适应度函数作为步骤(3.2)所提出的改进粒子群算法的优化目标，并将改进粒子群算法应用于虚拟同步发电机的有功功率控制环节，根据迭代寻优得到可使角频率偏移达到最小的最佳虚拟转动惯量J₀和虚拟阻尼系数D₀；

进一步地，所述步骤(4)包括以下步骤：

(4.1)构建虚拟同步发电机的虚拟转动惯量J及虚拟阻尼系数D的自适应调节规律方程；

在确定参数初始值后，需要对参数协调优化方法进行确定。在虚拟同步发电机目标功率出现变化之初，为达到加快调节速度的效果，需降低系统的阻尼比，即增大系统的虚拟转动惯量，减小系统的虚拟阻尼系数。为了防止超调，一旦角频率达到极值，便需增大系统的虚拟阻尼系数，减小系统的虚拟转动惯量，以实现对于系统超调量的抑制。本发明基于以上叙述提出一种参数协调优化方法，虚拟转动惯量J的取值如下公式所示：

其中，J₀为虚拟同步发电机系统未受扰动时的虚拟转动惯量；k_J为虚拟同步发电机系统受扰动时虚拟转动惯量J的调节系数；T₁为自适应算法的初始阈值；α为虚拟转动惯量J的指数调节系数；J_min、J_max为维持系统稳定的虚拟转动惯量的取值范围中的最小值和最大值。

虚拟阻尼系数D的取值如下公式所示：

其中，D₀为虚拟同步发电机系统未受扰动时的虚拟阻尼系数；k_d为虚拟同步发电机系统受扰动时虚拟阻尼系数D的调节系数；T₂为自适应算法的初始阈值；β为虚拟阻尼系数D的指数调节系数；D_min、D_max分别为维持系统稳定的虚拟阻尼系数的取值范围中的最小值和最大值。

(4.2)将步骤(2)所得到的考虑系统稳定性时虚拟转动惯量与虚拟阻尼系数的变化范围J_min、J_max、D_min及D_max分别代入步骤(4.1)中的参数协同优化方程；

(4.3)将步骤(3)中利用改进粒子群算法所得到的虚拟转动惯量和虚拟阻尼系数的稳定值J₀、D₀分别代入步骤(4.1)中的参数协同优化方程。

本发明的有益效果：

本发明所提供的用于一种复杂振荡环境下虚拟同步发电机自适应控制策略，相较于传统的虚拟同步发电机控制策略，不仅充分利用虚拟转动惯量与虚拟阻尼系数的特性，并引入角频率偏差与角加速度，使得逆变器输出的角频率偏差更小。设计新的适应度函数并对粒子群算法进行改进，在考虑系统稳定性的基础上，使得逆变器能够根据系统及所带负载的实时变化情况对虚拟转动惯量及虚拟阻尼系数进行最优自适应调整，有效的对负载环境下电力系统频发的低频振荡进行抑制，并使得逆变器系统输出的电能质量更高。

附图说明

图1为本发明实施例提供的微网逆变器电路拓扑图；

图2为本发明实施例提供的虚拟同步发电机虚拟转动惯量与虚拟阻尼系数自适应控制策略的流程图；

图3为本发明实施例提供的有功功率-频率控制器的控制框图；

图4为本发明实施例提供的无功功率-电压控制器的控制框图；

图5为本发明实施例提供的改进的自适应粒子群算法的流程图；

图6为本发明实施例提供的将改进的粒子群算法应用于虚拟转动惯量与虚拟阻尼系数自适应控制的框图。

具体实施方式

以下结合附图和技术方案，进一步说明本发明的具体实施方式。

本实施例以图1所示的微网逆变器电路拓扑结构为例，使用本发明所提出的一种用于复杂振荡环境下虚拟同步发电机自适应控制策略，对该逆变器系统进行控制。

一种用于复杂振荡环境下虚拟同步发电机自适应控制策略如图2所示，包括以下步骤：

步骤(1)：对基于虚拟同步发电机的并网逆变器进行建模。当将同步发电机的原动机和转子视为刚体时，结合同步发电机的输出单元的转矩方程与下垂控制方程对虚拟同步发电机的控制电路部分进行建模，搭建的有功功率-频率控制器及无功功率-电压控制器建模后的框图如图3及图4所示，在此基础上基于所建立的逆变器模型确立其输出的角频率变化与虚拟转动惯量J及虚拟阻尼系数D之间的相关性。

步骤(2)：在综合考虑系统稳定性及阻尼比的情况下，通过对系统功率控制环的闭环传递函数及开环传递函数进行分析可确定出考虑系统虚拟转动惯量与虚拟阻尼系数时的取值范围。

步骤(3)：确定基于改进粒子群算法的虚拟同步发电机自适应控制策略的适应度函数，并以角频率的偏移达到最小及稳定性为优化目标，将改进粒子群算法应用于虚拟同步发电机的有功功率控制环节，根据迭代寻优得到可使角频率偏移达到最小的最佳虚拟转动惯量J₀和虚拟阻尼系数D₀。粒子群算法的改进主要体现在对于惯性权重进行自适应更新、引入Logistic混沌算子以提高种群多样性以及利用中心游移策略和耦合边界更新策略对粒子的初始化策略和位置进行修正，基于改进粒子群算法的流程图如图5所示。

步骤(4)：构建虚拟同步发电机的虚拟转动惯量J及虚拟阻尼系数D的自适应调节规律方程，并将步骤(2)所得到的考虑系统稳定性时虚拟转动惯量与虚拟阻尼系数的变化范围及步骤(3)所得到的虚拟转动惯量和虚拟阻尼系数的稳定值J₀、D₀，从而实现基于改进粒子群算法的虚拟转动惯量J和虚拟阻尼系数D的自适应控制。将改进的粒子群算法应用于虚拟转动惯量与虚拟阻尼系数自适应控制的框图如图6所示。

使用本发明所提出的一种用于复杂振荡环境下虚拟同步发电机自适应控制策略，对该逆变器系统进行控制，可使系统逆变器输出的角频率偏移量较传统方法降低35.66％，并且能够应对负载环境下的由于系统环境突变所产生的低频振荡，使得输出电能质量更高。

Claims (5)

1.一种用于复杂振荡环境下虚拟同步发电机自适应控制策略，其特征在于：包括以下步骤：

步骤(1)：搭建基于虚拟同步发电机的并网逆变器模型，并得到逆变器的输出频率与虚拟转动惯量J及虚拟阻尼系数D之间的相关性；

步骤(2)：确定考虑系统稳定性及阻尼比时的虚拟转动惯量与虚拟阻尼系数的取值范围；

步骤(3)：确定基于改进粒子群算法的虚拟转动惯量J与虚拟阻尼系数D自适应控制策略的适应度函数，并以角频率的偏移达到最小及稳定性为优化目标，将改进粒子群算法应用于虚拟同步发电机的有功功率控制环节，根据迭代寻优得到可使角频率偏移达到最小的最佳虚拟转动惯量J₀和虚拟阻尼系数D₀；

步骤(4)：构建虚拟同步发电机的虚拟转动惯量J及虚拟阻尼系数D的自适应调节规律方程，并将步骤(2)所得到的考虑系统稳定性时虚拟转动惯量与虚拟阻尼系数的变化范围及步骤(3)所得到的虚拟转动惯量和虚拟阻尼系数的稳定值J₀、D₀作为自适应调节方程的参数，从而实现基于改进粒子群算法的虚拟转动惯量J和虚拟阻尼系数D的自适应控制。

2.根据权利要求1所述的一种用于复杂振荡环境下虚拟同步发电机自适应控制策略，其特征在于：所述步骤1的具体方法为：

(1.1)搭建基于虚拟同步发电机的并网逆变器模型；

当将同步发电机的原动机和转子视为刚体时，同步发电机的输出单元的转矩方程如下公式所示：

其中，T_m为同步发电机的电磁转矩，T_e为同步发电机的输出转矩，ω为同步发电机的瞬时角频率，Δω为同步发电机的瞬时角频率与额定角频率的差值；

在虚拟同步发电机控制策略中，通过下垂方程独立地对逆变器输出的有功功率P及无功功率Q进行调整，所述下垂控制方程如下公式所示：

f-f₀＝K_f(P₀-P_ref)

U-U₀＝K_q(Q₀-Q)

其中，U₀、f₀、P₀及Q₀分别为逆变器的额定电压、额定频率、额定有功功率以及额定无功功率，f、U以及Q分别为逆变器系统的频率、输出电压以及无功功率，P_ref为逆变器系统给定的有功功率，K_f为频率调节系数，K_q为无功调节系数；

并网逆变器馈入电网时的有功功率P_e与无功功率Q_e如下公式所示：

其中，X_s为逆变器输出阻抗与电网阻抗中的感性分量，E为逆变器桥臂中点电压基波相量，U_g为电网电压相量的有效值；

基于以上分析，基于虚拟同步发电机的并网逆变器系统在拉普拉斯域上的小信号模型如下公式所示：

其中，s为拉普拉斯变换中的复频率，

和

分别为系统输出角频率、给定转矩、电磁转矩、逆变器桥臂中点电压、给定无功功率、系统输出无功功率、功角及系统输出有功功率在其直流工作点附近的小扰动量，J为虚拟转动惯量，D为虚拟阻尼系数，K为惯性系数，D_q为无功-电压下垂调差系数，δ_n为虚拟同步发电机系统稳态工作时的功率因数角，E_n系统稳态工作时的逆变器桥臂中点电压；

(1.2)参数相关性分析

若不考虑有功功率控制环与无功功率控制环之间的耦合，则有功功率控制环与无功功率控制环的闭环传递函数如下公式所示：

其中，ω_n为系统稳态时的角频率；

有功功率控制环节所表示的二阶系统的自然振荡频率ω_s和阻尼比ξ如下公式所示：

3.根据权利要求1所述的一种用于复杂振荡环境下虚拟同步发电机自适应控制策略，其特征在于：所述步骤2的具体方法为：

(2.1)确定虚拟阻尼系数的变化范围；

有功功率环的环路增益即有功功率环的开环传递函数如下公式所示：

在有功功率控制环的截止频率处，系统的有功环路增益的幅值应为1，则得到系统的虚拟转动惯量J如下公式所示：

其中，f_cp为有功功率控制环的截止频率；

为保证上式成立，截止频率f_cp应满足的条件如下公式所示：

其中，f_cpmax为有功功率控制环的截止频率的最大值；

所述的虚拟同步发电机的调频原理为当频率变化1Hz时，逆变器输出的有功功率的相应变化范围为额定容量的40％～100％，则虚拟阻尼系数D如下公式所示：

其中，ΔT为逆变器输出转矩偏移，ΔP为逆变器输出有功功率偏移，Δω_max为逆变器输出角频率最大偏移；

(2.2)确定虚拟转动惯量的变化范围；

在有功功率控制环的截止频率处，系统的有功环路增益的幅值应为1，则可得到系统的有功功率环路增益的幅值如下公式所示：

系统的稳定裕度如下公式所示：

PM＝180°+∠G_p(j2πf_cp)≥PM_req

其中，PM_req为系统设定并满足稳定性要求的稳定裕度参考值；

基于以上分析，考虑稳定性要求时的虚拟转动惯量的取值如下公式所示：

4.根据权利要求1所述的一种用于复杂振荡环境下虚拟同步发电机自适应控制策略，其特征在于：所述步骤3的具体方法为：

(3.1)确定基于改进粒子群算法的虚拟同步发电机自适应控制策略的适应度函数；

根据步骤(1.1)中所述的同步发电机的输出单元的转子运动方程，将其视为以ω为变量的一阶齐次线性微分方程，则可解得：

其中，t为时间；

基于以上分析，基于改进粒子群算法的虚拟同步发电机自适应控制策略的适应度函数如下公式所示：

(3.2)对粒子群算法进行改进；

(3.2.1)惯性权重的改进：采用自适应惯性权重代替固定惯性权重，最小值优化问题的自适应权重迭代公式如下所示：

其中，w_min与w_max分别为预先设置的最小与最大惯性系数；

为第d次迭代时所有粒子的最小适应度；

为第d次迭代时所有粒子的平均适应度；

为第d次迭代时第i个粒子的适应度；

(3.2.2)引入Logistic混沌映射：将混沌理论引入粒子群算法，利用混沌理论所具有的遍历性，使算法避免陷入局部最优解；

Logistic方程如下公式所示：

y(k+1)＝μy(k)(1-y(k))k＝1,2,...,n

其中，μ为分叉参数，Logistic映射在分叉参数μ时处于混沌状态，在此区间方程运动轨迹呈现混沌特征，当μ取4时能够取得较好的效果；

(3.2.3)引入耦合中心游移初始化策略：中心游移公式如下所示：

其中，

为第t次迭代对立学习生成的第i个个体；up为搜索空间上限，down为搜索空间下限；

为初始解；

为第t次迭代中心游移生成的第i个个体；σ为游移系数；

(3.2.4)引入耦合边界邻域更新修正策略：本发明采用边界邻域更新对粒子位置进行修正，该方法是通过在边界内一段邻域内生成随机且均匀的点，以保持种群的多样性；具体修正公式如下所示：

其中，U表示在区间上的均匀分布；

(3.3)将步骤(3.1)所得到的适应度函数作为步骤(3.2)所提出的改进粒子群算法的优化目标，并将改进粒子群算法应用于虚拟同步发电机的有功功率控制环节，根据迭代寻优得到可使角频率偏移达到最小的最佳虚拟转动惯量J₀和虚拟阻尼系数D₀。

5.根据权利要求1所述的一种用于复杂振荡环境下虚拟同步发电机自适应控制策略，其特征在于：所述步骤4的具体方法为：

(4.1)构建虚拟同步发电机的虚拟转动惯量J及虚拟阻尼系数D的自适应调节规律方程；

为达到加快调节速度的效果，需降低系统的阻尼比；为了防止超调，一旦角频率达到极值，需增大系统的虚拟阻尼系数，减小系统的虚拟转动惯量，以实现对于系统超调量的抑制；提出一种参数协调优化方法，虚拟转动惯量J的取值如下公式所示：

其中，J₀为虚拟同步发电机系统未受扰动时的虚拟转动惯量；k_J为虚拟同步发电机系统受扰动时虚拟转动惯量J的调节系数；T₁为自适应算法的初始阈值；α为虚拟转动惯量J的指数调节系数；J_min、J_max为维持系统稳定的虚拟转动惯量的取值范围中的最小值和最大值；

虚拟阻尼系数D的取值如下公式所示：

其中，D₀为虚拟同步发电机系统未受扰动时的虚拟阻尼系数；k_d为虚拟同步发电机系统受扰动时虚拟阻尼系数D的调节系数；T₂为自适应算法的初始阈值；β为虚拟阻尼系数D的指数调节系数；D_min、D_max分别为维持系统稳定的虚拟阻尼系数的取值范围中的最小值和最大值；

(4.2)将步骤(2)所得到的考虑系统稳定性时虚拟转动惯量与虚拟阻尼系数的变化范围J_min、J_max、D_min及D_max分别代入步骤(4.1)中的参数协同优化方程；

(4.3)将步骤(3)中利用改进粒子群算法所得到的虚拟转动惯量和虚拟阻尼系数的稳定值J₀、D₀分别代入步骤(4.1)中的参数协同优化方程。

Images