CN110768261A - 一种基于状态空间预测的储能型dvr控制方法 - Google Patents
一种基于状态空间预测的储能型dvr控制方法 Download PDFInfo
- Publication number
- CN110768261A CN110768261A CN201911216755.4A CN201911216755A CN110768261A CN 110768261 A CN110768261 A CN 110768261A CN 201911216755 A CN201911216755 A CN 201911216755A CN 110768261 A CN110768261 A CN 110768261A
- Authority
- CN
- China
- Prior art keywords
- dvr
- energy storage
- voltage
- control
- phase
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000005070 sampling Methods 0.000 claims description 9
- 239000003990 capacitor Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种基于状态空间预测的储能型DVR控制方法,该方法可根据控制目标选择最合适的控制行为,减少对精确模型的依赖;勿需检测电压跌落幅度,通过合理选取状态变量与状态空间方程,可快速的预测出储能型DVR的控制目标;具备模型误差反馈在线修正控制量的功能,大幅提高预测控制量的准确性。本发明将有效的改善储能型DVR的控制性能,简化控制算法。
Description
技术领域
本发明涉及一种动态电压恢复器的控制方法,更具体的说,涉及一种基于状态空间预测的储能型DVR控制方法。
背景技术
由于大量电力负荷的接入以及故障或雷击的频发,电网供电质量逐渐恶化。伴随着许多高精技术的出现,大量精密工业设备对电能质量的要求越来越高。在各种电能质量问题中,电压跌落是发生频率最高的电能质量问题。动态电压恢复器(Dynamic VoltageRestore,DVR)是目前公认的一种用于保持敏感负荷供电电压稳定的最有效串联补偿装置。它通过在***与负荷之间串联注入幅值和相位可调的电压,来保证敏感负荷的电压受到***电压肉冻时仍处于可接受的范围之内。若在DVR的直流侧添加电池储能装置,便可使得DVR兼容类似于不间断电源(Uninterruptible Power Supply,UPS)的功能。
针对DVR电压补偿控制需求,可将DVR的控制策略分为电压跌落检测方法以及电压补偿控制方法两部分。传统的电压跌落检测方法为基于对称分量法与同步坐标旋转变换的电压有效值检测法,通常是电压跌落后最快四分之一工频周期跌落现象才能被检测出,检测结果具有明显的延时性。常见的电压补偿控制如无功功率与有功功率解耦控制技术、同向补偿技术、完全补偿技术以及最小能量补偿技术等等,上述控制技术的控制效果比较依赖DVR的数学模型准确性。
储能型DVR本质上是一个时变、非线性的***,当发生电压跌落时,可视为储能型DVR***输入出现了较大扰动,基于精确建模的常规控制器在实际运行中将难以满足快速性和准确性的控制要求。采用状态空间预测控制,可根据控制目标选择最合适的控制行为,减少对精确模型的依赖,根据上一时刻的输入量与控制量,结合当前周期的输出反馈,预测得到下一时刻的控制量。通过模型误差反馈对控制量进行在线修正,将有效的改善储能型DVR的控制性能,并简化控制算法。
发明内容
传统DVR电压补偿控制方法存在受到DVR数学模型建模准确性直接影响等缺点,在实际运行中将难以满足快速性和准确性的控制要求,本发明的目的在于提出一种基于状态空间预测的储能型DVR控制方法,该方法可根据控制目标选择最合适的控制行为,减少对精确模型的依赖;根据上一时刻的输入量与控制量,结合当前周期的输出反馈,预测得到下一时刻的控制量;通过模型误差反馈对控制量进行在线修正,将有效的改善储能型DVR的控制性能,并简化控制算法。
本发明所采用的技术方案为:
一种基于状态空间预测的储能型DVR控制方法,该控制方法如下:
步骤1:记录t=kTs当前采样周期内DVR三相开关函数Si(k)(i=a,b,c)的数值,Si满足
采集DVR直流母线电压Vdc,依据式(2)计算DVR输出三相电压
通过乘以单位旋转矢量因子a=ej2π/3,得到DVR输出相电压矢量VO(k)
步骤2:采集DVR输出侧三相滤波电感电流值iLfi(k)以及滤波电容电压值VCfi(k)依据式(4)计算得到流过滤波电感的电流向量为
滤波电容电压向量为
步骤3:DVR输出电流io(k-1)根据式(6)计算得到
步骤4:根据步骤1~3得到的VO(k)、iLf(k)、VCf(k)以及io(k-1),通过式(7)的状态方程预测t=(k+1)Ts时刻DVR输出线电压矢量VC(k+1);
其中,x=[if VC]T,
步骤5:采集三相负载电流iLi(k)以及负载电压VLi(k),根据PQ瞬时计算理论得到负载瞬时有功功率PL以及无功功率QL,再根据储能电池SOC状态反馈,得到当前时刻有功功率充放电阀值Pth,与负载补偿有功功率进行比较;
步骤7:将控制量Vz作为调制信号,送入SPWM调制环节,得到t=(k+1)Ts时刻的三相开关函数Si(k+1),控制DVR各相功率器件导通与关断;
步骤8:令Si(k)=Si(k+1),执行步骤1。
进一步,在步骤5中,若PL≤Pth,则DVR有功补偿指令PL *=PL;若PL>Pth,则DVR有功补偿指令PL *=Pth,将PL *与QL作为DVR有功功率与无功功率的补偿目标值。
进一步,步骤4中需基于负载电流的变化率相对于采样速度而言是比较缓慢的假设,得到io(k)=io(k-1)。
进一步,步骤6中误差ec的求取依据公式(8)得到
其中,与分别为步骤6中三相电压控制目标值的α轴分量与β轴分量,由经过abc坐标系到αβ坐标系变换得到;Vcα与Vcβ分别为步骤4中三相电压控制预测值VC的α轴分量与β轴分量,由VC经过abc坐标系到αβ坐标系变换得到。
进一步,Ts为采样周期。
本发明有益效果:
(1)控制方法对储能型DVR的精确数学模型依赖程度低;
(2)勿需检测电压跌落幅度,通过合理选取状态变量与状态空间方程,可快速的预测出储能型DVR的控制目标;
(3)具备模型误差反馈在线修正控制量的功能,大幅提高预测控制量的准确性。
附图说明
图1是基于状态空间预测的储能型DVR控制方法流程图;
图2是储能型DVR拓扑结构示意图;
图3是储能型DVR等效电路示意示意图;
图4是LC滤波器传递函数模型示意图;
图5是基于状态空间预测的储能型DVR控制框图示意。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行更加详细的描述。在附图中,自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例,而不是全部的实施例。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。下面结合附图对本发明的实施例进行详细说明。
本发明以图2所示的储能型DVR拓扑结构为例,对一种基于状态空间预测的储能型DVR控制方法的具体实时方式进行介绍。如图2所示,储能型DVR通过变压器串接至电网与敏感负荷之间。采用三相逆变电路作为主电路,其直流侧设置电池储能单元,一定数量的电池单元通过串并联组合,再经过DC/DC单元后并联至三相逆变电路直流侧。DVR的输出侧设置LC滤波环节。由于储能型DVR直流侧设置了储能单元,使得传统DVR兼具了UPS的功能,可以达到电压短时跌落时为敏感负荷提供稳定供电的目的。
如图3所示为储能型DVR的等效电路示意,其中LC滤波环节可进一步等效为图中所示结构,Cf为滤波电容值,Rf为等效电阻值,Lf为滤波电感值。
DVR未经过LC滤波环节的输出电压Vo、流经滤波电感电流iLf、滤波电容电压VCf以及DVR经过滤波环节后的输出电流的io关系可由式(1)表示
根据式(1)可绘出LC滤波环节的传递函数模型如图4所示。选取iLf与Vcf为状态变量,列出状态空间表达式
其中,x=[iLf Vcf]T,
如图1、图5所示,一种基于状态空间预测的储能型DVR控制方法:
步骤1:记录t=kTs(Ts为采样周期)当前采样周期内DVR三相开关函数Si(k)(i=a,b,c)的数值,Si满足
采集DVR直流母线电压Vdc,依据式(3)计算DVR输出三相电压
通过乘以单位旋转矢量因子a=ej2π/3,根据式(5)得到DVR输出电压矢量VO(k)
步骤2:采集DVR输出侧三相滤波电感电流值iLfi(k)以及滤波电容电压值VCfi(k),根据式(6)计算得到流过滤波电感的电流向量为
根据式(7)计算得到滤波电容电压向量为
步骤3:DVR输出电流io(k-1)根据式(8)计算得到
步骤4:根据前面计算得到的VO(k)、iLf(k)、VCf(k)以及io(k),通过式(2)的状态方程预测t=(k+1)Ts时刻DVR输出线电压矢量VC(k+1)。
步骤5:采集三相负载电流iLi(k)以及负载电压VLi(k),根据PQ瞬时计算理论得到负载瞬时有功功率PL以及无功功率QL,再根据储能电池SOC状态反馈,得到当前时刻有功功率充放电阀值Pth,与负载补偿有功功率进行比较,若PL≤Pth,则DVR有功补偿指令PL *=PL;若PL>Pth,则DVR有功补偿指令PL *=Pth,将PL *与QL作为DVR有功功率与无功功率的补偿目标值。
步骤6:将PL *与QL转换为当前周期的DVR三相电压控制目标值与步骤4得到的预测值VC相减求误差ec,经过PI调节器后,得到最终的控制量Vz。
误差ec的求取依据公式(8)得到
其中,与分别为步骤6中三相电压控制目标值的α轴分量与β轴分量,由经过abc坐标系到αβ坐标系变换得到;Vcα与Vcβ分别为步骤4中三相电压控制预测值VC的α轴分量与β轴分量,由VC经过abc坐标系到αβ坐标系变换得到
步骤7:将控制量Vz作为调制信号,送入SPWM调制环节,得到t=(k+1)Ts时刻的三相开关函数Si(k+1),控制DVR各相功率器件导通与关断。
步骤8:执行完上述过程后,令Si(k)=Si(k+1),循环继续执行计算。
综上,本发明公开了一种基于状态空间预测的储能型DVR控制方法,该方法可根据控制目标选择最合适的控制行为,减少对精确模型的依赖;勿需检测电压跌落幅度,通过合理选取状态变量与状态空间方程,可快速的预测出储能型DVR的控制目标;具备模型误差反馈在线修正控制量的功能,大幅提高预测控制量的准确性。本发明将有效的改善储能型DVR的控制性能,简化控制算法。
以上所述实施例仅表达了本发明的一种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思及原理的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种基于状态空间预测的储能型DVR控制方法,其特征在于:
步骤1:记录t=kTs当前采样周期内DVR三相开关函数Si(k)(i=a,b,c)的数值,Si满足
采集DVR直流母线电压Vdc,依据式(2)计算DVR输出三相电压
通过乘以单位旋转矢量因子a=ej2π/3,得到DVR输出相电压矢量VO(k)
步骤2:采集DVR输出侧三相滤波电感电流值iLfi(k)以及滤波电容电压值VCfi(k)依据式(4)计算得到流过滤波电感的电流向量为
滤波电容电压向量为
步骤3:DVR输出电流io(k-1)根据式(6)计算得到
步骤4:根据步骤1~3得到的VO(k)、iLf(k)、VCf(k)以及io(k-1),通过式(7)的状态方程预测t=(k+1)Ts时刻DVR输出线电压矢量VC(k+1);
其中,x=[if VC]T,
步骤5:采集三相负载电流iLi(k)以及负载电压VLi(k),根据PQ瞬时计算理论得到负载瞬时有功功率PL以及无功功率QL,再根据储能电池SOC状态反馈,得到当前时刻有功功率充放电阀值Pth,与负载补偿有功功率进行比较;
步骤6:将PL *与QL转换为当前周期的DVR三相电压控制目标值与步骤4得到的预测值VC相减求误差ec,经过PI调节器后,得到最终的控制量Vz;
步骤7:将控制量Vz作为调制信号,送入SPWM调制环节,得到t=(k+1)Ts时刻的三相开关函数Si(k+1),控制DVR各相功率器件导通与关断;
步骤8:令Si(k)=Si(k+1),执行步骤1。
2.根据权利要求1所述的一种基于状态空间预测的储能型DVR控制方法,其特征在于:在步骤5中,若PL≤Pth,则DVR有功补偿指令PL *=PL;若PL>Pth,则DVR有功补偿指令PL *=Pth,将PL *与QL作为DVR有功功率与无功功率的补偿目标值。
3.根据权利要求1所述的一种基于状态空间预测的储能型DVR控制方法,其特征在于:步骤4中需基于负载电流的变化率相对于采样速度而言是比较缓慢的假设,得到io(k)=io(k-1)。
5.根据权利要求1所述的一种基于状态空间预测的储能型DVR控制方法,其特征在于:Ts为采样周期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911216755.4A CN110768261A (zh) | 2019-12-02 | 2019-12-02 | 一种基于状态空间预测的储能型dvr控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911216755.4A CN110768261A (zh) | 2019-12-02 | 2019-12-02 | 一种基于状态空间预测的储能型dvr控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110768261A true CN110768261A (zh) | 2020-02-07 |
Family
ID=69340710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911216755.4A Pending CN110768261A (zh) | 2019-12-02 | 2019-12-02 | 一种基于状态空间预测的储能型dvr控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110768261A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022227401A1 (zh) * | 2021-04-30 | 2022-11-03 | 北京天诚同创电气有限公司 | 微电网群同期控制方法和*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR200390534Y1 (ko) * | 2005-04-16 | 2005-07-25 | 마스타씨스템(주) | 전기이중층콘덴서가 적용된 순시전압강하동적전압보상장치의 고효율 충방전 시스템 |
CN103872690A (zh) * | 2014-03-31 | 2014-06-18 | 昌华电气设备集团有限公司 | 一种基于hht 检测法和pfc 的动态电压恢复器控制方法 |
CN110011316A (zh) * | 2019-03-15 | 2019-07-12 | 南京工程学院 | 基于瞬时空间矢量和双p-q理论的能量控制方法 |
CN110048438A (zh) * | 2019-05-09 | 2019-07-23 | 武汉大学 | 一种基于模型预测控制的配电网馈线级负荷功率控制方法 |
-
2019
- 2019-12-02 CN CN201911216755.4A patent/CN110768261A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR200390534Y1 (ko) * | 2005-04-16 | 2005-07-25 | 마스타씨스템(주) | 전기이중층콘덴서가 적용된 순시전압강하동적전압보상장치의 고효율 충방전 시스템 |
CN103872690A (zh) * | 2014-03-31 | 2014-06-18 | 昌华电气设备集团有限公司 | 一种基于hht 检测法和pfc 的动态电压恢复器控制方法 |
CN110011316A (zh) * | 2019-03-15 | 2019-07-12 | 南京工程学院 | 基于瞬时空间矢量和双p-q理论的能量控制方法 |
CN110048438A (zh) * | 2019-05-09 | 2019-07-23 | 武汉大学 | 一种基于模型预测控制的配电网馈线级负荷功率控制方法 |
Non-Patent Citations (1)
Title |
---|
HAMED HEYDARI-DOOSTABAD等: "State Space Predictive Control System Design to Improve Power Quality Issues in Distributed Power System using DVR", 《ELECTRICAL ENGINEERING (ICEE),IRANIAN CONFERENCE ON》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022227401A1 (zh) * | 2021-04-30 | 2022-11-03 | 北京天诚同创电气有限公司 | 微电网群同期控制方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103036462B (zh) | 电网电压不平衡时电压源型整流器模型预测控制方法 | |
CN104734545B (zh) | 基于模型预测和电压平方控制的pwm整流器的控制方法 | |
CN105391271B (zh) | 应用于电力电子***的低频快速有限集模型预测控制方法 | |
Najafi et al. | A novel current mode controller for a static compensator utilizing Goertzel algorithm to mitigate voltage sags | |
CN107147120A (zh) | 有源电力滤波器rbf双神经网络自适应滑模控制方法 | |
CN108429286A (zh) | 一种基于自抗扰控制的并网电流调节器 | |
CN112688587B (zh) | 一种阻抗源逆变器的鲁棒预测控制方法 | |
CN104065077A (zh) | 串联电压补偿装置的控制方法 | |
CN105071403A (zh) | 基于双h桥模块化多电平拓扑的无功补偿装置及控制方法 | |
Liao et al. | Robust dichotomy solution-based model predictive control for the grid-connected inverters with disturbance observer | |
CN108923430A (zh) | 有源电力滤波器神经网络全局快速终端滑模控制方法及计算设备 | |
Zhang et al. | Large-signal stability analysis of islanded DC microgrids with multiple types of loads | |
CN104269852A (zh) | 一种无串联变压器型动态电压恢复器复合控制方法 | |
CN110266044B (zh) | 一种基于储能变流器的微电网并网控制***及方法 | |
Zhou et al. | Hybrid prediction-based deadbeat control for a high-performance shunt active power filter | |
CN110768261A (zh) | 一种基于状态空间预测的储能型dvr控制方法 | |
CN203339701U (zh) | 多目标降损装置 | |
CN117353379A (zh) | 基于虚拟双机并联技术的高阶并网变流器控制方法及*** | |
CN109888824B (zh) | 一种基于预测控制的光伏并网逆变控制方法 | |
CN204858577U (zh) | 基于双h桥模块化多电平换流器的无功补偿装置 | |
CN104868483B (zh) | 一种基于dsp的磁控电抗器控制方法及*** | |
CN103414190A (zh) | 多目标降损装置 | |
Yao et al. | Research on VIENNA rectifier based on active disturbance rejection control | |
Ahmed et al. | Fuzzy Based Active Filter For Power Quality Mitigation | |
CN105375490A (zh) | 一种节能输电电压补偿方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200207 |
|
RJ01 | Rejection of invention patent application after publication |