海上风电场自适应多目标无功优化控制策略

针对传统固定权重多目标无功优化在应对新型电力系统复杂多变的工况时无法针对实时工况做出最合适的控制决策的问题,提出一种自适应多目标无功优化控制策略。该策略以系统有功网损和并网点电压偏离量的加权最小作为目标函数,目标函数的权重系数根据并网点电压的偏离情况自适应调节。首先,分析海上风电场并网点电压波动与有功、无功输出的关系,建立相应的无功分配模型,并针对风电机组及静止无功发生器(static var ge nerator,SVG)的输入输出特性,建立相应的无功控制模型。此外,考虑海上运行的功率约束、安全运行约束等,采用变惯性权重粒子群优化算法对无功控制策略进行求解。最后,在MATLAB中搭建海上风电场模型进行仿真验证,仿真算例表明:相较于传统固定权重多目标无功优化,自适应多目标无功优化控制策略可以根据电网实时工况,迅速调整各优化目标的优先级,较好地实现有功网损和并网点电压的协调优化。

光伏发电-超级电容储能并网系统的直流母线电压稳定控制

光伏发电并网系统因太阳能的周期性和间歇性会对电网造成扰动,影响电网的安全稳定运行。针对双级式光伏并网发电系统,在直流母线侧增加超级电容储能可以平抑光伏发电功率的波动。从控制功能的角度,将光伏发电-超级电容储能并网系统分为光伏发电、逆变器和超级电容储能3个功能独立的子系统;建立了各子系统的数学模型,并在此基础上分析确定各子系统分别实现最大功率跟踪控制、恒功率控制和直流母线电压稳定控制的具体方案;针对直流母线电压的稳定控制,提出一种基于鲁棒渐近跟踪控制的方法。通过模拟不同辐照强度,不同电网有功-无功功率需求等多种工况进行仿真验证。结果表明,所提控制功能划分合理,控制方法有效且兼有较好性能。

基于确定性策略梯度深度强化学习和模仿学习的多源微电网经济优化调度策略

当前国家大力实施“双碳”战略,以新能源为主体的新型电力系统将呈现爆发式增长,风电、光伏等新能源机组逐渐成为主力电源,微电网得以提出并迅速发展,其调度与优化问题也成为研究的热点。传统的基于数学建模与求解的微电网有功优化调度方法计算量大且十分复杂,存在易陷入局部最优、模型修改困难等瓶颈问题,因此提出基于确定性策略梯度深度强化学习(DDPG)和模仿学习(XGBoost)的经济优化调度策略。首先构建微电网有功优化调度的统一预置数学模型,其次通过构建XGBoost模型学习得到初始宏观决策,最后再构建基于DDPG的微电网有功调度人工智能模型。通过进行XGBoost分类器和DDPG神经网络离线训练,得出基于确定性策略梯度深度强化学习和模仿学习的微电网优化调度在线决策模型,最后通过算例分析验证了模型和算法的有效性。

基于灰色预估PID控制的过热汽温控制

针对火电厂过热蒸汽温度被控对象具有大惯性,大迟延的特性,提出了一种基于灰色预估算法的PID控制策略。利用灰色预估算法能够有效地辨识出系统不确定部分的模型、估计出系统扰动参数,并对PID控制进行补偿。仿真结果研究表明:与传统的PID控制策略相比,在各种扰动情况下,新的控制策略不仅具有常规PID控制的特性,并且具有更高的控制品质,更强的抗干扰能力。