基于功率预测的光储系统最优控制策略研究

有效的光伏发电调控方法,不但能够提升光伏发电的效率,而且能够有效抑制光伏发电的波动,提升光伏发电的质量。在此基础上,对光伏电站进行了研究,提出了一种新的基于跟踪学习的BP神经网络模型,并采用自适应学习方法对其权重和门限进行优化。此外,提出一种基于最优模型的光伏发电系统模型,对未来一段时间内的发电功率变化进行预估,并对其进行判定,以判定其是否发生变化,从而对其进行调整。最后,利用Matlab模型对该方案进行了模拟,结果表明该方法可以较好地抑制系统的发电波动。

基于环路增益的直流微网母线阻抗在线估计和阻尼方法

直流微网通常由多个含反馈控制的电力电子变换器连接到普通直流母线上构成。虽然每个单独的变换器的控制回路设计具有良好的稳定裕度,但由于潜在的相互作用,多个电源和负载变换器的互连会导致稳定性问题。因此,为了确保互连电力转换器系统的动态性能,一个值得研究的方法就是对直流母线进行在线稳定性监测,并适当地阻尼直流母线阻抗。首先,根据源侧变换器的电压或下垂环路增益推导了直流母线阻抗的表达式。其次,基于相位裕度的系统动态行为的指标给出母线阻抗峰值的估计。接着,提出只需在电压(或下垂)回路中注入一个正弦信号,即可连续监测母线阻抗峰值。然后,根据监测的值自动调整电压调节器,以保持母线阻抗在一个众所周知的允许阻抗区域。最后,通过仿真和实验验证了所提方法的有效性和优越性。