基于自适应虚拟电阻的低压微电网多阻性逆变器下垂控制策略

低压微电网线路阻抗以阻性为主的特点,影响了下垂控制策略的性能。为解决问题,首先通过电压、电流双闭环控制参数将逆变器等效输出阻抗设计成阻性,然后引入虚拟电阻,改善线路参数,以适应P-V、Q-f下垂控制。逆变器加入虚拟电阻之后,削减了功率之间的强耦合;但系统电压降落也会大为增加。因此,给虚拟电阻增加自适应环节,使其取值随母线电压幅值波动不断地调整,因而能够减小母线电压偏差,保证系统的稳定运行,提高微电网的供电质量;并有效抑制系统环流。最后,通过MATLAB/Simulink搭建仿真模型,仿真结果验证了所提控制方法的正确性和有效性。     

引入空载电压增益补偿的微网非同型逆变器协同控制

通过特性分析,提出非同型逆变器存在空载电压增益和等效输出阻抗的失配问题.推导阻性下垂控制下非同型逆变器并联的功率均分条件,进而提出一种引入空载电压增益补偿的改进下垂控制策略和虚拟阻抗法,提高非同型逆变器空载电压增益和等效输出阻抗的匹配程度.仿真结果表明:在非同型逆变器协同控制中,文中方法能够有效地提高系统的功率均分性能.     

基于微电网的DV-hop改进算法

针对微电网监控系统中海量信息数据处理时,大量数据的传输可能会导致无线传感器网络崩溃与数据丢失等问题,提出了一种基于微电网的无线传感器网络的改进DV-hop算法。首先,将边缘计算技术应用于微电网,改进微电网监控系统结构;其次,在改进微电网监控系统基础上,将基于平均加权方法与跳数加权方法的DV-hop算法有机结合,得到新的改进算法,使得无线传感器节点定位误差缩小至0.60。仿真结果表明:基于平均加权方法与跳数加权方法提高了传感器节点定位精度。     

基于改进自抗扰控制的微电网混合储能控制策略

储能系统在微电网保证电力系统运行稳定运行中起到了关键的作用.因可再生能源发电具有许多不确定因素,从而引发的随机性以及波动性对微电网并网运行产生恶劣的影响.针对以上问题,为提高微电网并网的电能质量,减小直流(direct current,DC)母线电压的波动和冲击,提出一种由超级电容与蓄电池组成的改进自抗扰控制(acti...     

基于虚拟阻抗的微电网分布式无功分配策略

交流微电网孤岛运行时,分布式电源因线路阻抗差异的问题,导致传统下垂控制输出无功功率不能合理分配。为此,提出了一种基于自适应虚拟阻抗的分布式无功分配策略。分布式控制中,利用动态一致性算法得到无功信息,构建自适应虚拟阻抗以降低因线路阻抗不同造成的功率耦合,实现各分布式电源输出无功功率按容量比例分配。针对下垂控制输出电压偏差问题,引入电压补偿环节,使得输出电压恢复到额定值。所提策略构建的分布式控制无需进行全局通信,仅通过本地控制器与相邻控制器交换信息,即可得到全局无功信息。最后通过不同的案例分析仿真实验,验证了所提控制策略的有效性。     

低压微网多逆变电源的综合控制策略设计

针对微电网通常是接入低压配电网的情况,分析了低压微电网输电线路与传统高压输电线路阻抗比的差异,对低压微网功率传输进行了理论修正.在此基础上采用不同的控制策略对低压微电网进行综合控制,联网模式下为了执行支撑本地电压和调节馈线潮流,微电源采用PQ控制策略;孤岛模式下为确保负荷能各自快速分担负载和电压频率稳定,微电源采用电压频率V/f下垂控制.为保证逆变器输出阻抗与线路阻抗相匹配,在逆变器控制策略中引入阻性虚拟阻抗,根据低压线路参数呈阻性的特点,对传统高压大电网下垂特性进行修正,通过旋转坐标正交变换矩阵,对电压频率V/f下垂控制进行了改进,使得传统的V/f下垂控制得以扩展应用于低压微网中.仿真验证分析,证明了低压微电网系统下设计的综合控制策略能够保证系统与运行的稳定性和可靠性.     

含多分布式电源的孤岛微电网改进下垂控制策略

含多分布式电源并联运行的孤岛微电网,由于各线路阻抗差异,采用下垂控制策略无法实现无功功率合 理分配。为此,提出一种自调节虚拟阻抗下垂控制策略,通过无功功率调整虚拟阻抗,在不检测线路阻抗参数 的情况下补偿阻抗差异引起的输出电压差异,使各逆变器输出无功功率均等分配或按容量比分配。在Matlab / Simulink 中搭建含有两个分布式电源并联运行的孤岛微电网仿真模型,在两种情况下验证了改进下垂控制策略 能实现无功功率均分和按容量比分配。     

微网中两种典型微型燃气轮机运行特性比较

为给微网中基于微型燃气轮机的冷热电联产设备选型提供参考,从多方面分析了两种不同结构的微型燃气轮机特点,并根据微型燃气轮机不同运行模式切换、不同负荷类型以及不同拓扑结构下的动态特性进行了研究．结果表明：微网运行模式切换过程中,单轴MT允许负荷变化的范围要比分轴MT大;单轴结构MT适用于负荷类型较多情况,而分轴结构的MT则受负荷类型影响相对大些;串联微网结构下MT对应的负荷允许变化范围比并联结构的小．     

Optimal Energy-Storage Configuration for Microgrids Based on SOH Estimation and Deep Q-Network

Energy storage is an important adjustment method to improve the economy and reliability of a power system. Due to the complexity of the coupling relationship of elements such as the power source, load, and energy storage in the microgrid, there are problems of insufficient performance in terms of economic operation and efficient dispatching. In view of this, this paper proposes an energy storage configuration optimization model based on reinforcement learning and battery state of health assessment. Firstly, a quantitative assessment of battery health life loss based on deep learning was performed. Secondly, on the basis of considering comprehensive energy complementarity, a two-layer optimal configuration model was designed to optimize the capacity configuration and dispatch operation. Finally, the feasibility of the proposed method in microgrid energy storage planning and operation was verified by experimentation. By integrating reinforcement learning and traditional optimization methods, the proposed method did not rely on the accurate prediction of the power supply and load and can make decisions based only on the real-time information of the microgrid. In this paper, the advantages and disadvantages of the proposed method and existing methods were analyzed, and the results show that the proposed method can effectively improve the performance of dynamic planning for energy storage in microgrids.     

采用风机限转矩控制的微电网一次调频方法

对风电主导的微电网一次调频方法进行研究.首先,提出双馈感应式风机(DFIG)限转矩惯性控制方法,使风机能在短时内提取大量转子动能,对微电网进行频率支撑;然后,提出附加桨距角调整的补偿方法,通过桨距角变化使风机捕获更多机械功率,减少电网频率二次跌落幅度;最后,在Matlab/Simulink环境下,构建微电网模型并进行仿真.仿真结果表明:在不同的风速下,文中方法能提升微电网频率调整的动态响应能力,有效地减少电网频率二次跌落幅度.