新型弹性势能储能系统储能过程强鲁棒控制策略研究

【目的】为实现新型弹性势能储能系统平稳高效储能,首先需要建立精确的数学模型揭示储能箱运行特性,完成其容量和功率的计算配置模型搭建;其次需要一种强鲁棒性控制算法,在实现转矩快速响应的同时能有效抑制扰动。【方法】建立了储能系统精确数学模型,结合反推控制算法,设计了永磁同步电机直接转矩自适应控制方法,形成了新型弹性势能储能系统储能过程强鲁棒控制策略。【结论】通过实验证明该控制策略有较快的转矩响应速度,能够迅速匹配储能箱迅速增大的反转矩且脉动较小,同时能有效抑制储能系统特有的转动惯量参数扰动,能实现系统平稳高效储能。

考虑复杂出行链基于双链马尔科夫的电动汽车负荷建模方法

为解决电动汽车(electric vehicle,EV)负荷建模困难且精度低的问题,提出了考虑复杂出行链基于双链马尔科夫的电动汽车负荷建模方法。首先,对5种状态下EV的荷电状态进行划分;其次,对出行时间、停驻时长等与EV出行相关的内部因素以及道路拥堵、天气状况、空调启停等外部因素进行分析,并据此构建考虑内外部因素的EV复杂出行链模型;最后,在确定主链和辅链的状态转移概率矩阵基础上,推导双链马尔科夫的一步转移概率矩阵,建立不同状态下考虑复杂出行链的EV负荷模型。对所提EV负荷模型进行仿真验证,并与典型日EV负荷数据及其他建模方法进行对比,结果表明,所提负荷模型的精度更高,能够更加准确地描述EV充放电负荷。

一种基于实时负荷的变压器电抗优化控制方法

为保证变电站内中低压母线的短路电流水平,需要选择合理的变压器电抗参数,防止过大的三相短路电流对相关设备选型造成困难。而限制电网短路电流水平增加变压器阻抗也将增加变压器损耗,不利于电网的经济运行。针对上述问题,在综合考虑电网运行可靠性和经济性的基础上,提出一种基于实时负荷的变压器电抗优选方法。该方法根据变压器实时负荷,以三相短路电流、电压调整率及无功损耗为约束条件,选出变压器当前负荷下电抗的最优值,并与变压器实际电抗值比较得到电抗偏差值,通过可控串补技术进行电感电容的补偿,使变压器单元整体电抗值为最优值。仿真结果表明,所提方法可有效协调用户对供电可靠性与经济性的要求。

基于自然选择的改进粒子群优化MPPT算法

光伏阵列在非均匀光照条件下的输出具有非线性、多峰值的特点。针对目前传统粒子群优化MPPT算法(PSO算法)易陷入早熟收敛及在迭代后期搜寻能力下降的缺陷,首次提出将基于自然选择机理的改进粒子群算法运用到光伏最大功率点寻优当中。新算法通过对迭代过程中适应度低的粒子进行淘汰和替换,使粒子群在迭代过程中具有更佳的寻优能力和求解速度,并大大减少了算法早熟收敛的情况。经过Matlab建模仿真及实验验证,验证了基于自然选择的改进粒子群算法比传统PSO算法拥有更好的最大功率点追踪效果。

双向隔离型DC-DC变换器的双移相优化控制

针对双向隔离型DC-DC变换器采用双移相控制策略时会减小开关管实现"软开关"的范围,使系统效率降低的问题,提出了一种优化控制算法。该控制算法以抑制系统回流功率和扩大开关管软开关范围为约束条件,优选出系统的最优运行点。搭建了硬件电路,对所提控制策略进行验证,可知系统在该最优运行点下,回流功率仅为传输有功功率的1%,同时系统效率也达到了最高。实验结果表明,采用所提的优化控制算法能够协调系统对开关管"软开关"的范围和回流功率的要求,使系统在满足桥臂功率管"软开关"条件的同时,得到更小的回流功率。

基于AEPSO-BPNN的光伏阵列多场景参数辨识

针对光伏阵列内部机理较为复杂、参数难以快速准确辨识的问题,提出了一种自适应进化粒子群算法优化BP神经网络(AEPSO-BPNN)的模型建立和参数辨识方法。通过引入自适应、进化和重构等改进策略,可以提高粒子群算法的收敛性能,并将其对BP神经网络的初始权值和阈值进行优化,使神经网络算法在迭代后期不易陷入局部最优解,以提高参数辨识的精确度和速度。根据光伏阵列的实测输出电流和理论计算电流的差值,并考虑环境变化对内部参数的影响,构造均方根误差函数作为算法的适应度函数,从而将复杂的多参数辨识问题转化为带约束条件的非线性多变量最优化问题。最后采用多场景法,验证算法在不同光照强度和温度下的适用性和效果,并与其他算法进行对比,仿真结果表明该算法在误差、收敛速度和运行时间上有较大优势。

计及变速充电机制的含光伏换电站经济优化调度模型

换电站是电动汽车补充能源的重要方式之一。以含光伏的换电站为研究对象,站在运营商的角度,在考虑电池退化与充电速度关系的基础上,设计了考虑光伏和交通预测的变速充电机制,构建了考虑变速充电机制的换电站经济收益模型。该模型可根据交通流量和光照强度灵活调整电池的充电速度,优化各类电源的出力和充电功率的分布。通过算例对模型有效性进行验证,结果表明,相比于传统的恒功率充电模型,该模型能更加高效地利用光伏资源,减少换电站的购电成本,降低电池的平均充电速度,减少电池的损耗成本,实现了系统的经济效益最大化。