基于BP神经网络的微电网蓄电池荷电状态估计

由于微电网蓄电池工作时的电力特性具有明显的非线性和不规则性,依靠传统数学方法难以准确估计其荷电状态(state of charge,SOC)。针对上述问题,构建了BP神经网络拓扑结构,并采用增强型学习率自适应算法对网络的传统学习模式加以改进,学习时神经网络模型中各神经元间权值得到合理调整,并且提高了误差收敛效率。仿真结果表明,估计结果在预设精度要求的范围之内,平均误差不超过4%,证明经过优化学习算法的BP神经网络模型对蓄电池荷电状态的精确估计是有效可行的。

应用于风力发电系统中的撬棒阻值整定新方法

在电网发生电压跌落故障的情况下,双馈异步发电机(Doubly-Fed Induction Generator,DFIG)多采用撬棒保护电路以实现低电压穿越(Low Voltage Ride Though,LVRT),而撬棒阻值的选择对机组的LVRT效果影响很大。从DFIG在电压跌落故障下的暂态数学模型出发,运用空间矢量分析和拉普拉斯变换的方法,推导出风电机组在电压跌落故障下的暂态电流时域表达式、转子侧故障电流的计算式。由此提出一种切合工程实际的撬棒阻值整定方法,解决了投入撬棒保护电路后转子侧出现过电流和直流母线过电压的问题。算例及仿真实验数据均表明,采用该方法可有效抑制暂态故障分量,显著提高风力发电系统的LVRT水平。

一种改进型频率正反馈孤岛检测方法研究

针对传统孤岛检测算法的检测时间较长问题,提出一种改进型频率正反馈孤岛检测方法。即以缩短孤岛检测时间为目的,在逆变器输出角频率时加入正反馈增益系数A和B,加快频率的偏移速率。探讨了A和B取不同值时逆变器输出电压角频率对应的反馈强度和检测效果。同时通过分析成功检测孤岛现象的临界条件,确定了有效缩短检测时间的A、B值。仿真得出的结论与理论分析结果相符合,从而验证了所提方法的有效性。

一种光伏并网逆变器的相位补偿控制方法研究

并网逆变器在光伏并网系统中占据核心的地位,其控制效果会对整个系统的性能产生极大的影响。提出一种带相位补偿的光伏并网逆变器控制方法,将滤波电感输出的正弦半波电流作为电流闭环控制的反馈量,通过幅值反向函数将此正弦半波变成为正弦全波,然后与设定的交流电流参考值相减,得到反馈量与参考量之间的偏差,将此偏差作为控制电路的参数,计算出相位补偿角θ,因此就能消去系统中固有的相位差,实现并网电流和电网电压相位同步,电能质量有明显改善。仿真、实验得出的结论与理论相符合。