考虑母线电压波动的光伏混合储能控制策略

混合储能是保障光伏系统稳定运行的重要技术之一。为保证光储系统稳定运行,提出了一种考虑母线电压波动的控制策略。通过将母线电压波动大小分解为正向和反向两种反馈,对混合储能系统中的超级电容电流内环参考电流进行调节,进而将母线电压波动相关的量作为控制信号对超级电容功率进行调整,最后在Simulink中搭建了仿真平台。结果表明,相比传统控制策略,所提控制策略母线电压波动得到明显改善,同时蓄电池的输出功率也更加平滑,延长了蓄电池的使用寿命。

基于模糊自抗扰的光伏储能控制策略研究

针对光储系统使用传统比例微分控制自适应能力差、动态响应时间慢、超调量大以及受干扰时母线电压波动大等问题,提出基于模糊自抗扰的混合储能混合控制策略。采用模糊控制器思想对自抗扰控制参数进行在线整定,赋予自抗扰控制器自调节能力;用模糊自抗扰控制替换传统比例微分控制电压环,构成基于模糊自抗扰的共电压环的双闭环控制结构。将传统的比例微分控制和自抗扰控制进行仿真对比,结果表明,所提出的自抗扰控制在启动时几乎无超调,动态响应速度更快,母线电压波动更小。

基于多目标蛇优化算法的非侵入式负荷监测研究

随着经济社会的发展和节能环保的要求,负荷监测已成为一个研究重点,安装简单、经济安全的非侵入式负荷监测(Non-Intrusive Load Monitoring, NILM)更是成为近年研究的热门领域。该文针对NILM研究中存在的负荷分解准确率不高及实际应用所需时间较长的问题,通过将有功功率与稳态电流作为识别特征,引入了由Fatma A. Hashim和Abdelazim G. Hussien于2022年提出的多目标蛇优化算法(Multiple Objective Snake Optimizer, MOSO)并建立数学模型,经过选取家中最常见的电器进行实验测量并分析,得出该方法有效提升了负荷分解的准确率并大大缩减了实验时间的结论。通过与不同算法在同一数据上进行实验分析并对比实验结果,验证了该文算法在准确率及实验效率上有明显提升,证明了该文算法具有优越性。