CN116961004B - 一种配电网电压智能调节方法、系统和可读存储介质 - Google Patents
一种配电网电压智能调节方法、系统和可读存储介质 Download PDFInfo
- Publication number
- CN116961004B CN116961004B CN202310906778.8A CN202310906778A CN116961004B CN 116961004 B CN116961004 B CN 116961004B CN 202310906778 A CN202310906778 A CN 202310906778A CN 116961004 B CN116961004 B CN 116961004B
- Authority
- CN
- China
- Prior art keywords
- voltage
- current
- distribution network
- compensation
- algorithm
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 239000002245 particle Substances 0.000 claims abstract description 79
- 230000000739 chaotic effect Effects 0.000 claims abstract description 49
- 230000033228 biological regulation Effects 0.000 claims abstract description 29
- 230000002068 genetic effect Effects 0.000 claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 230000007246 mechanism Effects 0.000 claims abstract description 16
- 230000002401 inhibitory effect Effects 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 13
- 230000009471 action Effects 0.000 claims description 8
- 230000036039 immunity Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 7
- 230000035755 proliferation Effects 0.000 claims description 7
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 230000008602 contraction Effects 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 6
- 239000013589 supplement Substances 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 22
- 239000003795 chemical substances by application Substances 0.000 description 14
- 238000005457 optimization Methods 0.000 description 13
- 238000004088 simulation Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 9
- 230000008901 benefit Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000010248 power generation Methods 0.000 description 3
- 238000010845 search algorithm Methods 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 210000004907 gland Anatomy 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000955 neuroendocrine Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000012549 training 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
-
- 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
- H02J3/01—Arrangements for reducing harmonics or ripples
-
- 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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种配电网电压智能调节方法、系统及可读存储介质。所述方法基于瞬时功率理论和基于混沌免疫遗传算法设计检测电路对系统电压进行检测；基于超短反馈控制算法对串/并联滤波器进行控制，并输出补偿电流对系统进行谐波补偿；基于滞环PWM比较器谐波控制算法对串/并联滤波器进行控制，对系统谐波进行补充，改善电压波形；依据直流侧电压波动机理构建新的直流拓扑电路，利用多智能混沌粒子群算法抑制直流电压参数波动减少直流电压扰动；以实现对配电网电压的智能调节。本发明可改善配电网电压不稳定性，减少配电网全网范围内无功负荷的供需失衡问题。促进农村低电压配电网的规范化管理，提高配电网的供电可靠性、安全性及智能管理水平。
Description
技术领域
本申请涉及电压调节技术领域，具体而言，涉及一种配电网电压智能调节方法、系统和可读存储介质。
背景技术
积极开展新型调压装置的研发可以更加有效的解决配电网用户侧的电压质量问题。包括智能化、高稳定性、减小线损、调压范围大的线路调压器及其配套技术对解决配网低电压问题具有重要的意义。同时为了更近一步提高配网的可靠性，加快农村线路的重建，开展智能电网电压控制系统及配套技术的研究，势在必行。此外，对于城镇结合电网供电可靠性、电压质量的提高以及智能管理具有重要的意义。致力于提升供电可靠性、电压质量、低压配网自动化。促进农村低压配电网的规范化管理，提高农村配电网的供电可靠性、安全性及智能管理水平，不断满足人民追求美好生活对电力需求，改善用电方面的供需矛盾，提升客户的满意度和供电企业的社会形象。
最近几年，电网低压现象越来越受到南方电网和其他相关电力部门的关注，相关数据表明，在正常情况下，中国的平均线损率约为8.48％，损失的电量367.75亿千瓦时，倘若平均线损率能降低两个百分点，那么每年就能降低86.7亿千瓦时。当半径和截面积相同的条件下，线路损耗和电压的平方成反比，也就是说，电压提高两个百分点，相应的线路损耗就会降低四个百分点，这样不仅电压质量有了提高，还降低了网损提高了经济效益，同时为农村的生产质量提供强有力的支撑。
为了进一步提高电网安全运行水平。大幅降低低电压问题的发生。改善配电网电压不稳定性，减少配电网全网范围内无功负荷的供需失衡问题。促进农村低电压配电网的规范化管理，提高配电网的供电可靠性、安全性及智能管理水平。所以，提供一种配电网电压智能调节方法是十分有必要的。
发明内容
本申请的目的在于提供一种配电网电压智能调节方法、系统和可读存储介质，通过改变对配电网电压调节的机制，改善配电网电压不稳定性，减少配电网全网范围内无功负荷的供需失衡问题。促进农村低电压配电网的规范化管理，提高配电网的供电可靠性、安全性及智能管理水平。
本申请提供了一种配电网电压智能调节方法，包括以下步骤：
基于瞬时功率理论和基于混沌免疫遗传算法设计检测电路对系统电压进行检测；
基于超短反馈控制算法对串/并联滤波器进行控制，并输出补偿电流对系统进行谐波补偿；
基于滞环PWM比较器谐波控制算法对串/并联滤波器进行控制，对系统谐波进行补充，改善电压波形；
依据直流侧电压波动机理构建新的直流拓扑电路，利用多智能混沌粒子群算法抑制直流电压参数波动减少直流电压扰动；以实现对配电网电压的智能调节。
可选地，所述基于混沌免疫遗传算法的PI控制器参数取值为：
参数的取值范围为[0，20]，混沌化因子为4，总种群规模选取为30，记忆库总群为10，混沌操作种群为4，增殖代数为20，免疫选择阂值为0.8，迭代次数为100，亲和力最高的抗体数为60，变异率为0.1，收缩因子为0.4，数取值为2。
可选地，基于超短反馈控制算法对串/并联滤波器进行控制，并输出补偿电流对系统进行谐波补偿，具体为：
将三相负载电流的基波分量输入至超短控制器，通过超短反馈PI控制后生成电流；超短反馈控制器分PI控制单元和超短反馈处理单元，常规PI控制单元的输出信号，经过超短反馈处理单元的非线性函数处理后，与PI控制单元的输出信号组合产生电流，再经过滞环控制输出PWM信号，由PAPF的功率驱动模块输出补偿电流进行谐波补偿。
可选地，所述基于滞环PWM比较器谐波控制算法对串/并联滤波器进行控制，对系统谐波进行补充，改善电压波形，具体为：
将滞环比较器固定环宽改变成可变环宽滞环比较器；然后在可变环宽的滞环比较器中加入了电压反馈与母线电压反馈构成环宽调节环节，使得滞环比较器的环宽成为一个变量。
可选地，所述可变环宽滞环比较器的基本原理为：
将误差值△i与通过可变环宽环节输出的环宽h进行运算与判断，将其比较的结果作为PWM信号输出，具体比较过程如下:
1)当△i<-h时，PWM信号输出高电平，实际补偿电流值上升；
2)当-h<△i<h时,PWM信号输出保持不变；
3)当△i>h时，PWM信号输出低电平，实际补偿电流值下降。
其中，△i须在环宽h的要求范围内，使得实际补偿电流对补偿电流信号进行跟踪，输出的波形无限逼近于补偿电流波形。
可选地，所述直流侧电压波动机理为；
对于低压配电网运行时，若电网电压u正常，PAPF通过无功补偿提高配电网的功率因数；若u发生跌落，SAPF则输出相应的补偿电压uc，确保敏感负荷端电压uL运行在标准范围内，此时PAPF需从电网中吸收有功功率，以保持直流母线电压udc恒定。
可选地，所述多智能混沌粒子群算法具体为：
把PSO中的每个粒子视为一个Agent，每个粒子不仅要执行PSO算法的更新进化原则，还与其邻居粒子的竞争和合作，再与全局最优粒子进行信息交互，改变自身的行动策略，不断更新当前粒子的速度和位置，提高种群的收敛速度和寻优能力；
在搜索过程中，根据全局最优和个体最优进行修正更新，以此进一步完善自身的状态，强化MAS的进化性能以及粒子群的种群多样性，使得PSD搜索更新速度更快。
本发明第二方面提供了一种配电网电压智能调节系统，所述系统包括检测电路、串/并联滤波器、直流拓扑电路；
所述系统可实现如下所述方法步骤：
基于瞬时功率理论和基于混沌免疫遗传算法设计检测电路对系统电压进行检测；
基于超短反馈控制算法对串/并联滤波器进行控制，并输出补偿电流对系统进行谐波补偿；
基于滞环PWM比较器谐波控制算法对串/并联滤波器进行控制，对系统谐波进行补充，改善电压波形；
依据直流侧电压波动机理构建新的直流拓扑电路，利用多智能混沌粒子群算法抑制直流电压参数波动减少直流电压扰动；以实现对配电网电压的智能调节。
可选地，所述基于混沌免疫遗传算法的PI控制器参数取值为：
参数的取值范围为[0，20]，混沌化因子为4，总种群规模选取为30，记忆库总群为10，混沌操作种群为4，增殖代数为20，免疫选择阂值为0.8，迭代次数为100，亲和力最高的抗体数为60，变异率为0.1，收缩因子为0.4，数取值为2；
基于超短反馈控制算法对串/并联滤波器进行控制，并输出补偿电流对系统进行谐波补偿，具体为：
将三相负载电流的基波分量输入至超短控制器，通过超短反馈PI控制后生成电流；超短反馈控制器分PI控制单元和超短反馈处理单元，常规PI控制单元的输出信号，经过超短反馈处理单元的非线性函数处理后，与PI控制单元的输出信号组合产生电流，再经过滞环控制输出PWM信号，由PAPF的功率驱动模块输出补偿电流进行谐波补偿；
所述基于滞环PWM比较器谐波控制算法对串/并联滤波器进行控制，对系统谐波进行补充，改善电压波形，具体为：
将滞环比较器固定环宽改变成可变环宽滞环比较器；然后在可变环宽的滞环比较器中加入了电压反馈与母线电压反馈构成环宽调节环节，使得滞环比较器的环宽成为一个变量；
所述可变环宽滞环比较器的基本原理为：
将误差值△i与通过可变环宽环节输出的环宽h进行运算与判断，将其比较的结果作为PWM信号输出，具体比较过程如下:
1)当△i<-h时，PWM信号输出高电平，实际补偿电流值上升；
2)当-h<△i<h时,PWM信号输出保持不变；
3)当△i>h时，PWM信号输出低电平，实际补偿电流值下降。
其中，△i须在环宽h的要求范围内，使得实际补偿电流对补偿电流信号进行跟踪，输出的波形无限逼近于补偿电流波形；
所述直流侧电压波动机理为；
对于低压配电网运行时，若电网电压u正常，PAPF通过无功补偿提高配电网的功率因数；若u发生跌落，SAPF则输出相应的补偿电压uc，确保敏感负荷端电压uL运行在标准范围内，此时PAPF需从电网中吸收有功功率，以保持直流母线电压udc恒定；
所述多智能混沌粒子群算法具体为：
把PSO中的每个粒子视为一个Agent，每个粒子不仅要执行PSO算法的更新进化原则，还与其邻居粒子的竞争和合作，再与全局最优粒子进行信息交互，改变自身的行动策略，不断更新当前粒子的速度和位置，提高种群的收敛速度和寻优能力；
在搜索过程中，根据全局最优和个体最优进行修正更新，以此进一步完善自身的状态，强化MAS的进化性能以及粒子群的种群多样性，使得PSD搜索更新速度更快。
本发明第三方面提供一种计算机可读存储介质，所述计算机可读存储介质中包括配电网电压智能调节方法程序，所述配电网电压智能调节方法程序被处理器执行时，实现所述的配电网电压智能调节方法的步骤。
由上可知，本申请提供的一种配电网电压智能调节方法、系统及可读存储介质。通过改变对配电网电压调节的机制，对不同的模块进行不同的控制，然后再基于多智能体的动态协作控制实现对配电网电压的智能调节，改善配电网电压不稳定性，减少配电网全网范围内无功负荷的供需失衡问题。促进农村低电压配电网的规范化管理，提高配电网的供电可靠性、安全性及智能管理水平。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种配电网电压智能调节方法的流程图。
图2为本申请实施例提供的串联滤波仿真图。
图3为本申请实施例提供的基于混沌免疫遗传算法的电压压降检测仿真图。
图4为本申请实施例提供的基于传统PI算法的负载电压补偿波形图。
图5为本申请实施例提供的基于混沌免疫遗传算法的负载电压补偿波形图。
图6为本申请实施例提供的基于混沌免疫遗传和传统PI控制方法的负载电压补偿比较波形图。
图7为本申请实施例提供的超短反馈控制结构框图。
图8为本申请实施例提供的可变环宽的滞环控制图。
图9为本申请实施例提供的谐波电流改进方法图控制逻辑图。
图10为本申请实施例提供的直流拓扑电路图。
图11为本申请实施例提供的直流侧母线电压控制框图。
图12为本申请实施例提供的Boost电路原理图。
图13为本申请实施例提供的Boost电路控制图。
图14为本申请实施例提供的标准粒子群算法流程图。
图15为本申请实施例提供的直流电压控制仿真图
图16为本申请实施例提供的基于传统PI算法补偿的电流频谱图。
图17为本申请实施例提供的基于标准PSO算法补偿的电流波形图。
图18为本申请实施例提供的基于CPSO-MAS算法补偿的电流波形图。
图19为本申请实施例提供的一种配电网电压智能调节系统的框图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，为本申请一些实施例中的配电网电压智能调节方法的流程图。所述方法包括以下步骤：
S102：基于瞬时功率理论和基于混沌免疫遗传算法设计检测电路对系统电压进行检测；
S104：基于超短反馈控制算法对串/并联滤波器进行控制，并输出补偿电流对系统进行谐波补偿；
S106：基于滞环PWM比较器谐波控制算法对串/并联滤波器进行控制，对系统谐波进行补充，改善电压波形；
S108：依据直流侧电压波动机理构建新的直流拓扑电路，利用多智能混沌粒子群算法抑制直流电压参数波动减少直流电压扰动；以实现对配电网电压的智能调节。
根据本发明实施例，所述基于混沌免疫遗传算法的PI控制器参数取值为：
参数的取值范围为[0，20]，混沌化因子为4，总种群规模选取为30，记忆库总群为10，混沌操作种群为4，增殖代数为20，免疫选择阂值为0.8，迭代次数为100，亲和力最高的抗体数为60，变异率为0.1，收缩因子为0.4，数取值为2。
需要说明的是，本实施例所述方法基于一体化智能调节器实现，该调节器中中SAPF仿真模块如图2所示，SAPF直流侧提供直流电压，以及电压检测模块、PWM生成模块、IGBT模块和LC滤波等模块。
建立基于的电压检测仿真如图3所示，PI控制器参数优化采用混沌免疫遗传算法运用，根据混沌免疫遗传算法，采用S函数编写。
仿真过程中，对于基于混沌免疫遗传算法的PI控制器参数取值如下:参数的取值范围为[0，20]，混沌化因子为4，总种群规模选取为30，记忆库总群为10，混沌操作种群为4，增殖代数为20，免疫选择阂值为0.8，迭代次数为100。亲和力最高的抗体数为60，变异率为0.1，收缩因子为0.4,数取值为2。设置一体化智能电压调节器的相关参数如表1所示:
表1串联滤波其参数
针对负载电压，采用SAPF进行补偿，首先采用传统PI控制方法，以三相电路中的a相为例，其补偿后的负载电压如图，从图4中可看出，在0.05s开始时刻，第一个周期内电压压降未进行完全有效的补偿，仍有电压压降，而在0.3s补偿结束时刻，电压发生波动，表明采用传统PI控制方法难以有效的适应复杂动态变化的配电网情形。
采用基iop于混沌免疫遗传PI控制方法，其补偿后的负载电压如图5所示，在0.05s开始补偿时刻，可以快速检测电压的跌落，在开始补偿的第一个周期内，所补偿的电压基本没有跌落，而在0.3s补偿结束时刻，电压补偿波动也比采用传统PI控制方法小。
两种电压压降检测方法的补偿效果对比如图12所示，通过比较可看出，采用传统PI控制方法，其检测响应速度，补偿效果均不及采用基于混沌遗传检测方法，这是由于整定参数是固定的，在含微电网的配电网动态环境环境下，动态响应性能、鲁棒性能降低。采用混沌免疫遗传控制方法，根据的混沌变量的随机性、遍历性和规律性，结合混沌算法提高遗传算法的收敛速度，达到快速收敛，具有动态响应快，可靠性高特点，由图6可看出，基于混沌免疫遗传方法的SAPF电压压降检测中具有更快的检测速度与更好的补偿效果。
根据本发明实施例，基于超短反馈控制算法对串/并联滤波器进行控制，并输出补偿电流对系统进行谐波补偿，具体为：
将三相负载电流的基波分量输入至超短控制器，通过超短反馈PI控制后生成电流；超短反馈控制器分PI控制单元和超短反馈处理单元，常规PI控制单元的输出信号，经过超短反馈处理单元的非线性函数处理后，与PI控制单元的输出信号组合产生电流，再经过滞环控制输出PWM信号，由PAPF的功率驱动模块输出补偿电流进行谐波补偿。
需要说明的是，反馈控制理论与人体神经内分泌的功能调节原理非常类似，受腺体激素超短反馈机制启发，提出超短反馈控制器应用于谐波检测，如图8所示，根据三相负载电流的基波分量即表示三相负载电流即表示三相补偿电流，输入至超短控制器，通过超短反馈PI控制后生成电流。超短反馈控制器分PI控制单元和超短反馈处理单元，常规PI控制单元的输出信号，经过超短反馈处理单元的非线性函数处理后，与PI控制单元的输出信号组合产生电流，再经过滞环控制输出PWM信号，由PAPF的功率驱动模块输出补偿电流进行谐波补偿。
根据本发明实施例，所述基于滞环PWM比较器谐波控制算法对串/并联滤波器进行控制，对系统谐波进行补充，改善电压波形，具体为：
将滞环比较器固定环宽改变成可变环宽滞环比较器；然后在可变环宽的滞环比较器中加入了电压反馈与母线电压反馈构成环宽调节环节，使得滞环比较器的环宽成为一个变量。
根据本发明实施例，所述可变环宽滞环比较器的基本原理为：
将误差值△i与通过可变环宽环节输出的环宽h进行运算与判断，将其比较的结果作为PWM信号输出，具体比较过程如下:
1)当△i<-h时，PWM信号输出高电平，实际补偿电流值上升；
2)当-h<△i<h时,PWM信号输出保持不变；
3)当△i>h时，PWM信号输出低电平，实际补偿电流值下降。
其中，△i须在环宽h的要求范围内，使得实际补偿电流对补偿电流信号进行跟踪，输出的波形无限逼近于补偿电流波形。
从图8中可以看出，将误差值△i与通过可变环宽环节输出的环宽h进行运算与判断，将其比较的结果作为PWM信号输出，具体比较过程如下:
1)当△i<-h，PWM信号输出高电平，实际补偿电流值上升；
2)当-h<△i<h,PWM信号输出保持不变；
3)当△i>h，PWM信号输出低电平，实际补偿电流值下降。
△i须在环宽h的要求范围内，使得实际补偿电流对补偿电流信号进行跟踪，输出的波形无限逼近于补偿电流波形，确保PAPF实时补偿的效果更加完美。
根据本发明实施例，所述直流侧电压波动机理为；
对于低压配电网运行时，若电网电压u正常，PAPF通过无功补偿提高配电网的功率因数；若u发生跌落，SAPF则输出相应的补偿电压uc，确保敏感负荷端电压uL运行在标准范围内，此时PAPF需从电网中吸收有功功率，以保持直流母线电压udc恒定。
需要说明的是，由于直流侧母线在SAPF与PAPF之间的能量祸合作用降低了直流母线电压控制的稳定性，直接影响两者之间的能量交换，影响一体化智能电压调节器的补偿性能，因此，研究直流侧电压稳定控制具有十分重要意义。目前对于微电网中的电能质量问题没有做进一步的研究，尤其是利用微电网进行电能质量治理，由于串并联滤波器间的能量祸合作用降低了直流母线电压控制的稳定性，为保持电压稳定在其直流侧电模块，构建新的拓扑结构实现提供直流侧及重要交流负载电能的多种功能。针对直流侧容易引起母线电压不稳定问题，进一步提出基于多智能体的混沌粒子群优化算法的电压控制策略，将智能体的智能性应用于粒子群的群搜索，增强粒子群算法内部信息的多样性和传递性，同时结合混沌局部搜索算法在整个解空间中的寻优能力，提高粒子群的寻优速度，使得控制器参数能实现动态在线优化，解决新拓扑结构存在直流电压参数波动较大、扰动较多的缺陷。
对于低压配电网运行时，若电网电压u正常，PAPF通过无功补偿提高配电网的功率因数；若u发生跌落，SAPF则输出相应的补偿电压uc，确保敏感负荷端电压uL运行在标准范围内，此时PAPF需从电网中吸收有功功率，以保持直流母线电压udc恒定。采用PI控制的谐波电流改进方法如图9所示
在SAPF的直流侧，根据基尔霍夫电流定律
由于电网电流不会瞬变，直流侧电容电压受输出电压影响，直流侧母线在SAPF与PAPF之间的能量祸合作用也降低了直流母线电压控制的稳定性。此外，直流侧电压在负荷连接与切除，负载电压压降与骤升等引起的暂态过程中，其直流侧电压在暂态过程中会明显偏离基准，对补偿控制带来不小影响。故采用直流母线集成控制方案来控制直流侧电压稳定，构建新的拓扑结构实现一体化智能电压调节器提供直流侧及重要交流负载电能的多种功能，如图10所示:
供能模块V1并联接入配电网负载侧，为交流负载提供电能，供能模块V2通过升压电路接入直流侧母线，其优点在于直接给直流电容冲电，为SAPF提供电压补偿所需的电能，在配电网断电时，可以通过PAPF装置给关键负载供电，故该拓扑结构提高了一体化智能电压调节器的多功能性。
一体化智能电压调节器直流侧母线电压控制框图如图11所示，采用DSP作为主控系统，驱动模块采用IGBT模块。升压模块采用Boost电路，其原理图如图12所示。
由于直流侧容易引起母线电压不稳定，在DC/DC变换器通过Boost电路实现MPPT控制后，通过DC/AC变流器输出稳定电压，采用电压外环电流内环的双环控制策略，通过电压PI外环控制保证输出直流电压，控制框图如图13所示。
根据本发明实施例，所述多智能混沌粒子群算法具体为：
把PSO中的每个粒子视为一个Agent，每个粒子不仅要执行PSO算法的更新进化原则，还与其邻居粒子的竞争和合作，再与全局最优粒子进行信息交互，改变自身的行动策略，不断更新当前粒子的速度和位置，提高种群的收敛速度和寻优能力；
在搜索过程中，根据全局最优和个体最优进行修正更新，以此进一步完善自身的状态，强化MAS的进化性能以及粒子群的种群多样性，使得PSD搜索更新速度更快。
粒子群优化(particle swarm optimization,PSO)是一种受群体智能启发的进化计算技术，在PSO算法中，多个粒子组成一个群体，先进行初始化计算适应度值，然后在搜索时可以利用群体之间的共享信息和自身经验来改变自己的行动策略，重新更新速度和位移，从而不断向最优值方向前进。标准PSO的流程图如图14所示。
与遗传算法相比，PSO具有记忆性，而且原理更简单参数更少，更容易实现。PSO算法己被成功应用于函数优化、神经网络训练、模糊系统控制以及其它工程领域。由于粒子群算法搜索的随机性，收敛速度减慢，收敛稳定性变差，通过采用基于多智能体的混沌粒子群优化算法，可使得PSO将搜索过程对应为混沌轨道的遍历过程，将智能体的智能性应用于粒子群的群搜索，增强粒子群算法内部信息的多样性和传递性，同时结合混沌局部搜索算法在整个解空间中的寻优能力，提高粒子群的寻优速度，从而避免陷入局部最小值的可能性。
在CPSO-MAS算法中，把PSO中的每个粒子视为一个Agent，每个粒子不仅要执行PSO算法的更新进化原则，还与其邻居粒子的竞争和合作，再与全局最优粒子进行信息交互，改变自身的行动策略，不断更新当前粒子的速度和位置，提高种群的收敛速度和寻优能力。在搜索过程中，根据全局最优和个体最优进行修正更新，以此进一步完善自身的状态，强化MAS的进化性能以及粒子群的种群多样性，使得PSD搜索更新速度更快，算法的求解效率也更高，相对于混沌免疫算法，具有更优越的性能。
CPSO-MAS结合了PSO算法的快速迭代性，CLS的局部遍历特性以及MAS的智能性于一体的新型算法。每个粒子在拥有PSO中追踪个体极值和全局极值时，将每个粒子视为一个Agent，则MAS中的Agent可以不断积累自身学习经验，每个粒子都不断地更新自身速度和位置趋向全局最优，同时充分利用引入的混沌序列遍历局部最优解的许多邻域，使其快速达到系统全局最优值，提高算法的精度与速度。相对于混沌免疫算法，充分利用MAS技术，提高全局寻优能力与速度。
根据提出的直流侧母线发电控制方案，运用Simulink搭建配电网仿真模型，直流电压控制仿真图如图15所示，基于CPSO-MAS算法的控制算法采用S函数编写。
利用PowerGUI模块对整个仿真系统进行离散化，采样周期是1μs，仿真时间为0.25秒。设置在0.05s接入该配电网，设置负载2在0.ls时与负载1并联接入配电网。
针对直流侧母线发电电压的电压环控制器参数优化问题，分别采用基于传统PI控制，基于标准PSO优化控制和基于IPSO-MAS优化控制三种控制方法进行仿真效果验证对比。对应的直流母线发电控制电压波形分别如下图所示，其中，图16为基于传统控制时的直流母线电压波形，在0.05sPAPF接入配电网瞬间，直流电压有较大波动，产生了尖峰电压，说明采用传统PI控制方法，由于控制参数固定，不能跟随动态变化的参数变化而调整，影响其动态性能，导致直流电压波形变差。图17基于标准PSO优化控制的直流母线电压波形，相对于传统控制方法，有效的改善了PAPF接入时刻电压波动情形。但由于粒子群算法搜索的随机性，容易陷入局部最小值，导致PI控制效果仍不够理想。
图18为基于CPSO-MAS优化控制的直流母线电压波形，相比较前两种方法的直流电压控制波形图，进一步降低接入时刻的电压波动，通过该方法，由图18可看出直流电压以更快的速度接近600V，主要是采用基于CPSO-MAS算法，将智能体的智能性应用于PSO群搜索，结合混沌局部搜索算法在整个解空间中的寻优能力，克服标准PSO算法易陷入局部最优的缺点，使该控制系统具备响应速度快、鲁棒性强的特点，表明利用该方法对电压环控制器参数进行优化能够实现直流侧电压的快速稳定控制，满足一体化智能电压调节器对直流侧电压的要求。
请参照图19，为本申请一些实施例中的配电网电压智能调节系统的框图。所述系统包括检测电路191、串/并联滤波器192、直流拓扑电路193；
所述系统可实现如下所述方法步骤：
基于瞬时功率理论和基于混沌免疫遗传算法设计检测电路191对系统电压进行检测；
基于超短反馈控制算法对串/并联滤波器192进行控制，并输出补偿电流对系统进行谐波补偿；
基于滞环PWM比较器谐波控制算法对串/并联滤波器192进行控制，对系统谐波进行补充，改善电压波形；
依据直流侧电压波动机理构建新的直流拓扑电路193，利用多智能混沌粒子群算法抑制直流电压参数波动减少直流电压扰动；以实现对配电网电压的智能调节。
根据本发明实施例，所述基于混沌免疫遗传算法的PI控制器参数取值为：
参数的取值范围为[0，20]，混沌化因子为4，总种群规模选取为30，记忆库总群为10，混沌操作种群为4，增殖代数为20，免疫选择阂值为0.8，迭代次数为100，亲和力最高的抗体数为60，变异率为0.1，收缩因子为0.4，数取值为2；
基于超短反馈控制算法对串/并联滤波器进行控制，并输出补偿电流对系统进行谐波补偿，具体为：
将三相负载电流的基波分量输入至超短控制器，通过超短反馈PI控制后生成电流；超短反馈控制器分PI控制单元和超短反馈处理单元，常规PI控制单元的输出信号，经过超短反馈处理单元的非线性函数处理后，与PI控制单元的输出信号组合产生电流，再经过滞环控制输出PWM信号，由PAPF的功率驱动模块输出补偿电流进行谐波补偿；
所述基于滞环PWM比较器谐波控制算法对串/并联滤波器进行控制，对系统谐波进行补充，改善电压波形，具体为：
将滞环比较器固定环宽改变成可变环宽滞环比较器；然后在可变环宽的滞环比较器中加入了电压反馈与母线电压反馈构成环宽调节环节，使得滞环比较器的环宽成为一个变量；
所述可变环宽滞环比较器的基本原理为：
将误差值△i与通过可变环宽环节输出的环宽h进行运算与判断，将其比较的结果作为PWM信号输出，具体比较过程如下:
1)当△i<-h时，PWM信号输出高电平，实际补偿电流值上升；
2)当-h<△i<h时,PWM信号输出保持不变；
3)当△i>h时，PWM信号输出低电平，实际补偿电流值下降。
其中，△i须在环宽h的要求范围内，使得实际补偿电流对补偿电流信号进行跟踪，输出的波形无限逼近于补偿电流波形；
所述直流侧电压波动机理为；
对于低压配电网运行时，若电网电压u正常，PAPF通过无功补偿提高配电网的功率因数；若u发生跌落，SAPF则输出相应的补偿电压uc，确保敏感负荷端电压uL运行在标准范围内，此时PAPF需从电网中吸收有功功率，以保持直流母线电压udc恒定；
所述多智能混沌粒子群算法具体为：
把PSO中的每个粒子视为一个Agent，每个粒子不仅要执行PSO算法的更新进化原则，还与其邻居粒子的竞争和合作，再与全局最优粒子进行信息交互，改变自身的行动策略，不断更新当前粒子的速度和位置，提高种群的收敛速度和寻优能力；
在搜索过程中，根据全局最优和个体最优进行修正更新，以此进一步完善自身的状态，强化MAS的进化性能以及粒子群的种群多样性，使得PSD搜索更新速度更快。
本发明第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括配电网电压智能调节方法程序，所述配电网电压智能调节方法程序被处理器执行时，实现所述的配电网电压智能调节方法的步骤。
由上可知，本申请提供的一种配电网电压智能调节方法、系统及可读存储介质。通过改变对配电网电压调节的机制，对不同的模块进行不同的控制，然后再基于多智能体的动态协作控制实现对配电网电压的智能调节，改善配电网电压不稳定性，减少配电网全网范围内无功负荷的供需失衡问题。促进农村低电压配电网的规范化管理，提高配电网的供电可靠性、安全性及智能管理水平。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (3)
1.一种配电网电压智能调节方法，其特征在于，所述方法包括以下步骤：
基于瞬时功率理论和基于混沌免疫遗传算法设计检测电路对系统电压进行检测；
基于超短反馈控制算法对串/并联滤波器进行控制，并输出补偿电流对系统进行谐波补偿；
基于滞环PWM比较器谐波控制算法对串/并联滤波器进行控制，对系统谐波进行补充，改善电压波形；
依据直流侧电压波动机理构建新的直流拓扑电路，利用多智能混沌粒子群算法抑制直流电压参数波动减少直流电压扰动；以实现对配电网电压的智能调节；
所述基于混沌免疫遗传算法的PI控制器参数取值为：
参数的取值范围为[0，20]，混沌化因子为4，总种群规模选取为30，记忆库总群为10，混沌操作种群为4，增殖代数为20，免疫选择阂值为0.8，迭代次数为100，亲和力最高的抗体数为60，变异率为0.1，收缩因子为0.4，数取值为2；
基于超短反馈控制算法对串/并联滤波器进行控制，并输出补偿电流对系统进行谐波补偿，具体为：
将三相负载电流的基波分量输入至超短控制器，通过超短反馈PI控制后生成电流；超短反馈控制器分PI控制单元和超短反馈处理单元，常规PI控制单元的输出信号，经过超短反馈处理单元的非线性函数处理后，与PI控制单元的输出信号组合产生电流，再经过滞环控制输出PWM信号，由PAPF的功率驱动模块输出补偿电流进行谐波补偿；
所述基于滞环PWM比较器谐波控制算法对串/并联滤波器进行控制，对系统谐波进行补充，改善电压波形，具体为：
将滞环比较器固定环宽改变成可变环宽滞环比较器；然后在可变环宽的滞环比较器中加入了电压反馈与母线电压反馈构成环宽调节环节，使得滞环比较器的环宽成为一个变量；
所述可变环宽滞环比较器的基本原理为：
将误差值△i与通过可变环宽环节输出的环宽h进行运算与判断，将其比较的结果作为PWM信号输出，具体比较过程如下:
1)当△i <-h时，PWM信号输出高电平，实际补偿电流值上升;
2)当-h<△i <h时,PWM信号输出保持不变;
3)当△i> h时，PWM信号输出低电平，实际补偿电流值下降；
其中，△i须在环宽h的要求范围内，使得实际补偿电流对补偿电流信号进行跟踪，输出的波形无限逼近于补偿电流波形；
所述直流侧电压波动机理为；
对于低压配电网运行时，若电网电压u正常，PAPF通过无功补偿提高配电网的功率因数；若u发生跌落，SAPF则输出相应的补偿电压uc，确保敏感负荷端电压uL运行在标准范围内，此时PAPF需从电网中吸收有功功率，以保持直流母线电压udc恒定；
所述多智能混沌粒子群算法具体为：
把PSO中的每个粒子视为一个Agent，每个粒子不仅要执行PSO算法的更新进化原则，还与其邻居粒子的竞争和合作，再与全局最优粒子进行信息交互，改变自身的行动策略，不断更新当前粒子的速度和位置，提高种群的收敛速度和寻优能力；
在搜索过程中，根据全局最优和个体最优进行修正更新，以此进一步完善自身的状态，强化MAS的进化性能以及粒子群的种群多样性，使得PSD搜索更新速度更快。
2.一种配电网电压智能调节系统，其特征在于，所述系统包括检测电路、串/并联滤波器、直流拓扑电路；
所述系统可实现如下方法步骤：
基于瞬时功率理论和基于混沌免疫遗传算法设计检测电路对系统电压进行检测；
基于超短反馈控制算法对串/并联滤波器进行控制，并输出补偿电流对系统进行谐波补偿；
基于滞环PWM比较器谐波控制算法对串/并联滤波器进行控制，对系统谐波进行补充，改善电压波形；
依据直流侧电压波动机理构建新的直流拓扑电路，利用多智能混沌粒子群算法抑制直流电压参数波动减少直流电压扰动；以实现对配电网电压的智能调节；
所述基于混沌免疫遗传算法的PI控制器参数取值为：
参数的取值范围为[0，20]，混沌化因子为4，总种群规模选取为30，记忆库总群为10，混沌操作种群为4，增殖代数为20，免疫选择阂值为0.8，迭代次数为100，亲和力最高的抗体数为60，变异率为0.1，收缩因子为0.4，数取值为2；
基于超短反馈控制算法对串/并联滤波器进行控制，并输出补偿电流对系统进行谐波补偿，具体为：
将三相负载电流的基波分量输入至超短控制器，通过超短反馈PI控制后生成电流；超短反馈控制器分PI控制单元和超短反馈处理单元，常规PI控制单元的输出信号，经过超短反馈处理单元的非线性函数处理后，与PI控制单元的输出信号组合产生电流，再经过滞环控制输出PWM信号，由PAPF的功率驱动模块输出补偿电流进行谐波补偿；
所述基于滞环PWM比较器谐波控制算法对串/并联滤波器进行控制，对系统谐波进行补充，改善电压波形，具体为：
将滞环比较器固定环宽改变成可变环宽滞环比较器；然后在可变环宽的滞环比较器中加入了电压反馈与母线电压反馈构成环宽调节环节，使得滞环比较器的环宽成为一个变量；
所述可变环宽滞环比较器的基本原理为：
将误差值△i与通过可变环宽环节输出的环宽h进行运算与判断，将其比较的结果作为PWM信号输出，具体比较过程如下:
1)当△i <-h时，PWM信号输出高电平，实际补偿电流值上升;
2)当-h<△i <h时,PWM信号输出保持不变;
3)当△i> h时，PWM信号输出低电平，实际补偿电流值下降；
其中，△i须在环宽h的要求范围内，使得实际补偿电流对补偿电流信号进行跟踪，输出的波形无限逼近于补偿电流波形；
所述直流侧电压波动机理为；
对于低压配电网运行时，若电网电压u正常，PAPF通过无功补偿提高配电网的功率因数；若u发生跌落，SAPF则输出相应的补偿电压uc，确保敏感负荷端电压uL运行在标准范围内，此时PAPF需从电网中吸收有功功率，以保持直流母线电压udc恒定；
所述多智能混沌粒子群算法具体为：
把PSO中的每个粒子视为一个Agent，每个粒子不仅要执行PSO算法的更新进化原则，还与其邻居粒子的竞争和合作，再与全局最优粒子进行信息交互，改变自身的行动策略，不断更新当前粒子的速度和位置，提高种群的收敛速度和寻优能力；
在搜索过程中，根据全局最优和个体最优进行修正更新，以此进一步完善自身的状态，强化MAS的进化性能以及粒子群的种群多样性，使得PSD搜索更新速度更快。
3.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括配电网电压智能调节方法程序，所述配电网电压智能调节方法程序被处理器执行时，实现权利要求1所述的配电网电压智能调节方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310906778.8A CN116961004B (zh) | 2023-07-24 | 2023-07-24 | 一种配电网电压智能调节方法、系统和可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310906778.8A CN116961004B (zh) | 2023-07-24 | 2023-07-24 | 一种配电网电压智能调节方法、系统和可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116961004A CN116961004A (zh) | 2023-10-27 |
| CN116961004B true CN116961004B (zh) | 2024-01-26 |
Family
ID=88445741
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310906778.8A Active CN116961004B (zh) | 2023-07-24 | 2023-07-24 | 一种配电网电压智能调节方法、系统和可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116961004B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117613925B (zh) * | 2023-11-29 | 2024-06-21 | 重庆酷泓精典科技有限公司 | 针对电压异常的设备智能控制方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1832289A (zh) * | 2006-03-24 | 2006-09-13 | 武汉大学 | 中性线谐波电流治理装置及其控制方法 |
| CN101106273A (zh) * | 2007-06-04 | 2008-01-16 | 天津大学 | 统一电能质量调节控制方法及装置 |
| CN106816877A (zh) * | 2017-03-10 | 2017-06-09 | 国网江苏省电力公司常州供电公司 | 一种含光伏的配电网电压跌落检测补偿方法 |
-
2023
- 2023-07-24 CN CN202310906778.8A patent/CN116961004B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1832289A (zh) * | 2006-03-24 | 2006-09-13 | 武汉大学 | 中性线谐波电流治理装置及其控制方法 |
| CN101106273A (zh) * | 2007-06-04 | 2008-01-16 | 天津大学 | 统一电能质量调节控制方法及装置 |
| CN106816877A (zh) * | 2017-03-10 | 2017-06-09 | 国网江苏省电力公司常州供电公司 | 一种含光伏的配电网电压跌落检测补偿方法 |
Non-Patent Citations (1)
| Title |
|---|
| 《变电站谐波抑制和无功综合补偿技术的研究》;李乾坤等;《电工技术》;第165-168页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116961004A (zh) | 2023-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rehman et al. | An advanced virtual synchronous generator control technique for frequency regulation of grid-connected PV system | |
| Benhalima et al. | Real‐time experimental implementation of an LMS‐adaline‐based ANFIS controller to drive PV interfacing power system | |
| CN116961004B (zh) | 一种配电网电压智能调节方法、系统和可读存储介质 | |
| CN108736519B (zh) | 一种光伏电站的虚拟同步发电机自适应控制方法及装置 | |
| CN111291978A (zh) | 一种基于Benders分解的两阶段储能方法及系统 | |
| Debdouche et al. | Robust integral backstepping control microgrid connected photovoltaic System with battery energy storage through multi-functional voltage source inverter using direct power control SVM strategies | |
| Ramirez et al. | Fast model-based predictive control (FMPC) for grid connected modular multilevel converters (MMC) | |
| Tan et al. | Droop controlled microgrid with DSTATCOM for reactive power compensation and power quality improvement | |
| Guo et al. | Optimal PID tuning of PLL for PV inverter based on aquila optimizer | |
| Barker et al. | Efficient ANFIS-driven power extraction and control strategies for PV-bess integrated electric vehicle charging station | |
| Zhu et al. | Active power control for grid-connected photovoltaic system: A review | |
| Rawa et al. | Dynamic voltage restorer under different grid operating conditions for power quality enhancement with the deployment of a PI controller using gorilla troops algorithm | |
| Chaudhary et al. | Intelligent approach‐based hybrid control algorithm for integration of solar photovoltaic system in smart grid environment | |
| Khairalla et al. | Enhanced control strategy and energy management for a photovoltaic system with hybrid energy storage based on self-adaptive bonobo optimization | |
| Bakhoda et al. | Fuzzy logic controller vs. PI controller for MPPT of three-phase grid-connected PV system considering different irradiation conditions | |
| Boopathi et al. | Solar photovoltaic‐interfaced shunt active power filter implementation for power quality enhancement in grid‐connected systems | |
| CN113991715A (zh) | 非理想电网下中压直挂不对称混合储能系统控制方法 | |
| CN102820653A (zh) | 一种电能质量综合控制器模糊-神经网络双闭环控制方法 | |
| Zhang et al. | The Voltage Stabilizing Control Strategy of Off‐Grid Microgrid Cluster Bus Based on Adaptive Genetic Fuzzy Double Closed‐Loop Control | |
| Manohara et al. | Power quality improvement of solar PV system with shunt active power filter using FS-MPC method | |
| Hongfei et al. | Optimal control virtual inertia of optical storage microgrid based on improved sailfish algorithm | |
| CN111769570B (zh) | 计及暂态电压约束的日前两阶段动态无功储备优化方法、系统、存储介质 | |
| Najafzadeh et al. | Improved DC-Link Voltage Transient Response and Stability Issues in Energy Router with Fuzzy Logic Control Method | |
| Zhang et al. | Grid-forming inverter primary control using robust-residual-observer-based digital-twin model | |
| Vanaja et al. | Interval type-2 fuzzy controller-based power quality enhancement in HSES grid-Integrated 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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |