构网型并网逆变器状态空间建模及稳定性分析

随着“双碳”目标的提出与逐步实施,作为新能源发电单元接入电力网络的重要接口元件的并网逆变器稳定性问题凸显。目前,电网大部分采用跟网型并网逆变器,然而弱电网中跟网型并网逆变器与锁相环、电网间存在耦合,严重影响系统稳定性。构网型并网逆变器在弱电网中较跟网型并网逆变器表现出更强的适应性,但现阶段构网型并网逆变器状态空间模型的相关论述较少,基于状态空间模型的构网型并网逆变器稳定性分析也不够深入。针对这一空缺,首先详细呈现构网型并网逆变器状态空间建模的相关细节,包括功率控制环、电压控制环、时滞环节和LCL滤波环节;然后,复现构网型并网逆变器失稳现象,并基于所提模型开展参与因子分析,验证模型有效性;其次,基于模型对构网型并网逆变器主要环节参数变化引起的失稳问题进行分析;最后,在Matlab/Simulink中搭建改进的IEEE 4节点三相平衡电网系统进行仿真,进一步验证模型有效性和实用性。

基于DBN-ELM的构网型并网逆变器控制参数自适应调整方法

“双高”电力系统中电网阻抗呈现宽范围时变特性,构网型并网逆变器控制参数缺乏自适应调整能力,存在失稳风险。对此,提出一种基于深度置信网络-极限学习机的构网型并网逆变器控制参数自适应调整方法。建立闭环极点映射模型,利用深层架构对控制参数与关键极点之间的映射关系进行训练;通过训练好的闭环极点映射模型预测得到相应的关键极点,识别出关键极点最接近参考极点时构网型并网逆变器的控制参数;通过自适应调整控制参数,确保系统在电网阻抗变化时跟踪参考极点,实现自适应稳定控制。理论分析和仿真结果均表明,所提方法能够实现控制参数的自适应调整,有效提高构网型并网逆变器对电网阻抗变化的适应性。

结合数字延时补偿的并网逆变器阻抗重塑方法

首先建立并网逆变器阻抗模型,探究数字延时导致系统稳定性降低的原因,然后提出一种结合数字延时补偿的并网逆变器阻抗重塑方法,包括牛顿插值预测的延时补偿策略和逆变器阻抗重塑策略。该方法可有效削弱数字延时对逆变器输出阻抗的不利影响,提高阻抗相交点频率处的相位裕度,拓宽并网系统适应电网阻抗变化的范围。最后,基于半实物仿真平台RT-LAB,搭建并网逆变器模型进行实验,验证该方法的有效性。

分析谐波劣化机理的逆变器灰箱宽频域矩阵模型及求解方法

大量参数未知的商用逆变器接入电网,宽频域谐波劣化问题严重,影响自身及其他设备正常运行。基于在线数据和数值分析方法,建立和求解逆变器谐波源和谐波耦合导纳的矩阵模型是解决该问题的关键步骤。文中提出一种灰箱宽频域矩阵模型,并提出基于数值回归拟合的求解方法:首先,利用端口电压、电流频域关系对矩阵模型的具体形式进行推导;然后,将逐步回归算法推广到复数域以求解矩阵模型参数;最后,通过MATLAB/Simulink的逆变器并网仿真系统验证所提模型和算法的有效性。结果表明:所提灰箱宽频域矩阵模型及求解方法可量化逆变器自身谐波源作用、背景谐波电压与并网谐波电流之间的直接耦合及交叉耦合关系,为分析谐波劣化机理提供参考,其精度及求解用时均优于其他模型及其他复数域多元回归算法。

基于知识和数据联合驱动的并网逆变器多工况阻抗获取方法

当大量逆变器接入电网时,会发生谐波不稳定问题。并网逆变器dq阻抗的准确获取是分析该问题的关键前提之一。仅基于知识驱动的白箱建模方法难以适应工程现场信息保密的实际情况,黑箱或灰箱测量方法会向实际系统持续注入谐波扰动;仅基于数据驱动的方法难以合理确定输入变量。针对这些缺陷,提出了一种基于知识和数据联合驱动的并网逆变器多工况dq阻抗获取方法。首先,基于知识驱动建立小信号模型以选取输入变量;然后,结合数据驱动具有较好拟合输入输出变量间非线性关系的优点,采用基于遗传算法的核极限学习机获取多工况dq阻抗;最后,借助RT-LAB搭建半实物实时仿真平台,验证所提方法的有效性及优越性。

并网逆变器dq阻抗灰箱辨识方法与应用

为实现“双碳”目标,并网逆变器大量接入配电网,与弱电网间形成复杂交互,谐波劣化问题凸显。并网逆变器dq阻抗的准确获取是进行谐波劣化分析的关键之一。现有阻抗测量方法存在无法适应并网逆变器运行工作点时变,加窗快速傅里叶变换(fast Fourier transform,FFT)频域计算存在差异的缺陷。针对这些缺陷,提出一种以白箱建模结果为目标,以黑箱算法为求解途径的灰箱辨识方法,基于并网逆变器端口电压、电流时域数据,对不同运行工作点下的dq阻抗进行在线辨识。首先,在逆变器并网点串联注入多正弦波电压扰动,获取辨识模型所需数据;然后,建立灰箱辨识模型,通过递推最小二乘算法对并网逆变器dq阻抗进行在线辨识;最后,基于RT-LAB搭建半实物实时仿真平台,验证所提方法的有效性。基于阻抗辨识结果,绘制回率矩阵特征函数奈奎斯特曲线,对不同运行工作点下系统相角裕度进行求解,实现所提方法在谐波劣化风险在线评估中的应用。

基于Stacking融合的短期风速预测组合模型

大规模风电并网时,准确的风速预测对电网稳定运行具有重要意义。为提高风速预测精度及预测模型泛化能力,提出基于改进Stacking算法的风速组合预测模型。首先建立基于不同核函数的核岭回归模型;然后利用改进的萤火虫算法对模型关键参数进行选取,通过引入自适应参数、全局搜索及Levy飞行提高算法的全局搜索能力及收敛速度;最后通过Stacking算法将相互独立的各模型进行融合,以增强模型泛化性,并采用交叉验证进一步提高预测精度。选择不同风场、不同季节的实测数据对所提模型的预测效果进行仿真,通过对比分析验证了所提模型的预测精度和泛化能力。

LCL型并网逆变器大小信号模型比较与分析

为了研究应用LCL型并网逆变器大、小信号两种模型在分析并网系统稳定性的相关问题,着重比较两种模型的特点,探讨其应用范围:首先总结了LCL型并网逆变器系统大、小信号模型的搭建过程,归纳了系统参数与控制参数变化对系统稳定性影响;然后比较两模型的复杂程度、精确程度及异同点:其中大信号模型较小信号模型,未考虑PWM控制的影响以及PLL环节使得模型更为简单,输出导纳阶数较低,而二者得到的影响系统稳定性结论具有一致性;并针对多逆变器并网谐振失稳问题,提出大信号模型的适用性;最后,通过仿真验证与理论分析的一致性,探讨了大信号模型在多逆变器并网及不同控制类型逆变器并网应用,以及该模型分析确定谐振失稳点的有效性。

用于谐波劣化分析的并网逆变器阻抗灰箱拟合方法

大规模分布式新能源经逆变器接入配电网,并网逆变器与弱电网间形成复杂交互,谐波劣化问题凸显。谐波劣化分析的关键之一是并网逆变器阻抗模型的建立。白箱阻抗建模需要结构、参数、控制方式等内部信息,黑箱阻抗建模结果一般无物理意义,两种建模方法均存在应用缺陷。为弥补二者的不足,该文以白箱阻抗建模的结果为求解目标,以黑箱阻抗建模的方法为求解途径,通过有理函数逼近算法灰箱拟合并网逆变器阻抗传递函数。首先通过双模式扰动获取离散阻抗数据;然后利用矩阵束改进矢量匹配法,实现初始参数的自动获取,缩短迭代计算耗时;再次基于RT-Lab搭建半实物实时仿真平台,通过对比实验验证该文方法的有效性和优势;最后基于阻抗拟合结果开展谐波劣化分析,验证该文方法的实用性。

多并网逆变器系统灰箱阻抗辨识与阻抗聚合分析方法

新能源发电网络谐波振荡问题凸显,阻抗分析法分析该问题的关键是聚合路径的正确选择。对此,提出了一种考虑零极点对消现象的多并网逆变器系统阻抗聚合方法。说明新能源发电网络及其对应阻抗网络的建立过程,并对新能源发电阻抗网络的聚合过程进行展现;基于“灰箱”背景利用矢量匹配算法对并网逆变器、电抗器和电容器的阻抗模型进行获取;对阻抗聚合路径中可能存在的零极点对消现象进行理论基础分析。在MATLAB/Simulink中搭建多并网逆变器系统进行仿真,分别选择不同的阻抗聚合路径,利用阻抗分析法进行系统稳定性分析,进一步验证所提聚合方法的有效性和实用性。

基于双重Q学习的动态风速预测模型

准确的风速预测对新能源并网稳定运行具有重要意义。为提高风速预测精度,该文构建基于双重Q学习的动态风速预测模型。首先,构建由五种基础预测算法组成的风速Q学习模型集,充分考虑风速波动情况和属性因素,通过Q学习强化学习算法选取出每时段的最佳预测模型,得到初步的风速预测结果;然后,基于风速预测结果计算预测误差,构建第二阶段的误差Q学习模型库,筛选该模型库中的最佳模型,以修正初步预测值,对误差进行校正,得到最终的预测结果;最后,通过对实际风场不同季节的风速进行预测,验证所提方法的有效性。

办公自动化云助手管理系统

在现有网络设备基础上建立办公自动化云助手平台,把企业内部各管理子系统和相关专业子系统有机地整合在一起,监控多个系统动态任务或信息变化,并根据各子系统用户信息分发和聚合当前网络平台中的数据,实现云端数据的有效传输。