CN113991715A - 非理想电网下中压直挂不对称混合储能***控制方法 - Google Patents

非理想电网下中压直挂不对称混合储能***控制方法 Download PDF

Info

Publication number
CN113991715A
CN113991715A CN202111254189.3A CN202111254189A CN113991715A CN 113991715 A CN113991715 A CN 113991715A CN 202111254189 A CN202111254189 A CN 202111254189A CN 113991715 A CN113991715 A CN 113991715A
Authority
CN
China
Prior art keywords
voltage
phase
energy storage
output
current
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
Application number
CN202111254189.3A
Other languages
English (en)
Inventor
魏星
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NR Electric Co Ltd
NR Engineering Co Ltd
NARI Group Corp
Original Assignee
NR Electric Co Ltd
NR Engineering Co Ltd
NARI Group Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NR Electric Co Ltd, NR Engineering Co Ltd, NARI Group Corp filed Critical NR Electric Co Ltd
Priority to CN202111254189.3A priority Critical patent/CN113991715A/zh
Publication of CN113991715A publication Critical patent/CN113991715A/zh
Pending legal-status Critical Current

Links

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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • H02J3/01—Arrangements for reducing harmonics or ripples
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/20—Active power filtering [APF]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/40—Arrangements for reducing harmonics

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

非理想电网下中压直挂不对称混合储能***控制方法，属于电能储能变换技术领域，解决电网电压中处于谐波污染时引起的级联储能变流器并网电流谐波含量高的问题以及当级联多电平储能变流器电池链节在运行过程中出现故障的问题；本发明的方法通过建立不对称混合储能***数学模型对储能***稳定工作范围分析，设计出储能***的分相控制策略，该控制策略既能快速有效的跟踪并网电流又能有效的抑制并网电流中的低次谐波，可以有效提高并网电流的电能质量。

Description

非理想电网下中压直挂不对称混合储能***控制方法
技术领域
本发明属于电能储能变换技术领域，涉及一种非理想电网下中压直挂不对称混合储能***控制方法。
背景技术
随着社会和经济的快速发展，人类对能源的消耗也在不断增长。石油、天然气等化石能源的大量使用不仅使得其储量日益减少，更给自然环境带来了不可逆转的危害，面对如今资源匮乏、环境污染的现状，寻找新的能够满足人类需求的清洁可持续的能源已成为社会发展的关键。太阳能、风能等可再生能源由于其清洁性、可再生性，受到了世界各国政府的广泛关注，并在许多国家得到了支持与推广。
可再生能源的分布式发电***(Renewable Energy Based Distributed PowerGeneration System,RE-DPGS)的通常由发电设备、电力电子变换器、电网及相应的控制单元构成。其中电力电子变换器是RE-DPGS与电网之间能量变换的接口，负责对发电设备的电压电流进行变换、处理，在保证电能质量的基础上向电网输送能量，其性能将直接影响RE-DPGS的安全、稳定和高质量运行，其中级联H桥逆变器由于具有多电平的优势，使交流侧输出电压更接近正弦波，减小了滤波电感的体积，因此在储能并网逆变器中得到广泛应用并得到了国内外学者的广泛研究。
在分布式发电***中，电力电子变换器的稳定运行不仅取决于其自身的性能，电网条件也将对电力电子变换器的运行情况产生影响。随着大量太阳能、风能发电***接入电网、电气化铁路、变频调速装置以及各类电力电子负荷的不断增加，都会导致电网电压波形发生畸变，使电网含有丰富的低频谐波。另外，大功率单相负载的接入、负荷在三相***中的不均衡分配以及单相负载用电的随机性等因素，也会造成电网三相电压不对称。以上非理想的电网条件将对电力电子变换装置的正常运行产生严重影响，主要包括：1)畸变电网中的谐波分量会对电力电子变换器的输出电流造成谐波污染，影响电能质量。2)不对称的电网电压会向变换器输出电流中引入负序分量，使电流产生畸变，严重时甚至会造成过电流，烧毁功率器件，并引起并网设备非正常脱离电网。3)电网电压中负序分量以及谐波分量会引起电力电子变换器输出功率的脉动。
现有技术中，公布日期为2021年3月26日、公布号为CN112564149A的中国发明专利申请《一种中压直挂式储能***及其在线冗余控制方法》提出的中压直挂式储能***转换效率高，能满足大规模储能技术的快速发展需求；同时通过中压直挂式储能在线冗余模块的投入与切除，能够提高直挂式储能***的可靠性；但是该文献并未解决电网电压中处于谐波污染时引起的级联储能变流器并网电流谐波含量高的问题以及当级联多电平储能变流器电池链节在运行过程中出现故障的问题。
发明内容
本发明的目的在于如何设计一种非理想电网下中压直挂不对称混合储能***控制方法，以解决电网电压中处于谐波污染时引起的级联储能变流器并网电流谐波含量高的问题以及当级联多电平储能变流器电池链节在运行过程中出现故障的问题。
本发明是通过以下技术方案解决上述技术问题的：
非理想电网下中压直挂不对称混合储能***控制方法，包括以下步骤：
S1、建立不对称混合储能***数学模型；
S2、根据电池链节输出电压矢量以及***输出电流矢量，分析不对称混合储能***的稳定工作范围；
S3、根据不对称混合储能***的稳定工作范围设计分相控制方法，实现不对称情况下各相的功率分配；所述的分相控制方法包括：电池链节的开环电压控制和电容链节的分相电流控制，两类链节并网逆变器通过相位计算实现协同工作；所述的电容链节的分相电流控制采用BP神经网络进行控制器参数设计。
本发明的方法提出了采用基于BP神经网络准比例积分谐振控制器的不对称混合储能***的分相控制策略来对储能变流器的并网电流进行控制，通过建立不对称混合储能***数学模型对储能***稳定工作范围分析，设计出储能***的分相控制策略，该控制策略既能快速有效的跟踪并网电流又能有效的抑制并网电流中的低次谐波，可以有效提高并网电流的电能质量。
作为本发明技术方案的进一步改进，步骤S1中所述的不对称混合储能***数学模型为：
Figure BDA0003323320380000021
其中，
Figure BDA0003323320380000022
Figure BDA0003323320380000031
δ为
Figure BDA0003323320380000032
与
Figure BDA0003323320380000033
夹角，δ1为
Figure BDA0003323320380000034
与
Figure BDA0003323320380000035
夹角，
Figure BDA0003323320380000036
为电网电压矢量，
Figure BDA0003323320380000037
为电池、电容链节的输出电压向量合成矢量，
Figure BDA0003323320380000038
为并网电流矢量，
Figure BDA0003323320380000039
与
Figure BDA00033233203800000310
分别为电池链节和电容链节的输出电压矢量，
Figure BDA00033233203800000311
为滤波电感电压矢量，Vr1与Vr2分别为电池链节和电容链节的输出电压矢量的幅值，Vs为电网电压幅值，
Figure BDA00033233203800000312
为电网电压相位，K和L分别为电池链节与电容链节调制比。
作为本发明技术方案的进一步改进，步骤S2中所述的电池链节输出电压矢量
Figure BDA00033233203800000313
的相位δ的范围为：
Figure BDA00033233203800000314
由此可得，电池链节输出电压矢量
Figure BDA00033233203800000315
的幅值Vr1以及电池链节调制比的范围为：
Figure BDA00033233203800000316
其中，
Figure BDA00033233203800000317
作为本发明技术方案的进一步改进，步骤S2中所述的***输出电流矢量
Figure BDA00033233203800000322
的工作范围为：
Figure BDA00033233203800000318
其中，
Figure BDA00033233203800000319
当
Figure BDA00033233203800000320
时，此时***输出电流矢量
Figure BDA00033233203800000321
的工作范围完全由电池链节和电网电压决定，容性模式与感性模式下工作范围相同，具体如下：
Figure BDA0003323320380000041
其中，
Figure BDA0003323320380000042
作为本发明技术方案的进一步改进，步骤S3中所述的相位计算的公式如下：
Figure BDA0003323320380000043
将采样所得电网电压vs与电池链节开环指令vr1代入，由正弦定理和余弦定理得到电容链节应输出电压的相位δ1。此相位即为输出电流is相对于电容链节的有功分量id_c的相位，其滞后90°则为感性模式下相应的无功分量iq_c的相位，超前90°则为容性模下iq_c的相位。
作为本发明技术方案的进一步改进，步骤S3中所述的电池链节的开环电压控制的方法为：将电池链节被等效为电压源变换器负责输出全部的有功功率和部分无功功率，通过锁相环分别获取每相电网电压的相位，输入电池链节调制比和相对与电网的相位，得到电池链节的总输出电压调制波。
作为本发明技术方案的进一步改进，步骤S3中所述的电容链节的分相电流控制的方法包括：有功电流计算环节、无功电流计算环节和电网电压前馈环节；
所述的有功电流计算通过比例积分控制得到各相电容链节所需的有功电流参考幅值I*d_cm；
所述的无功电流计算环节的无功电流参考幅值I*q_cm直接通过***期望的输出功率指令得到，具体如下：
Figure BDA0003323320380000044
所述的电网电压前馈环节用于计算得到电容链节总输出电压调制波vr2。
作为本发明技术方案的进一步改进，步骤S3中所述的采用BP神经网络进行控制器参数设计包括两个部分：比例控制器与PR控制器+谐波控制器和神经网络参数调节器；神经网络输出层的各神经元的输出分别对应比例控制器与PR+HR控制器的4个参数Kp1，Kp2，Kr，Kr1；***根据不对称混合级联储能变流器的实际输出电流、各相有功电流与无功电流参考值之和为输出电流参考值iref以及两者的误差和不对称混合级联储能变流器电容链节参考电压与实际采样电压作为BP神经网络的输入，然后BP神经网络通过正向传播和反向传播不断进行循环，调整各层神经元之间的权重系数ωij和ωjl，从而实现对输出Kp1，Kp2，Kr，Kr1的在线调整，使得输出误差不断减小。
作为本发明技术方案的进一步改进，所述的输出误差定义为下式：
Figure BDA0003323320380000051
其中λ1为并网电流调节能力权重系数，λ2为电容链节电压调节能力权重系数，根据需要得到的不同控制效果来调节λ1，λ2的取值，如若需要得到较好的并网电流能力，则通过调大λ1，调小λ2来实现控制效果，通过调节权重系数来调节不同目标对应的调节能力权重，实现不同的控制效果，最后使得输出误差收敛为止。
作为本发明技术方案的进一步改进，所述的BP神经网络的结构包括：输入层、隐含层、输出层，所述的隐含层的激活函数取正负对称的tanh函数，又由于输出层的参数Kp1，Kp2，Kr，Kr1的值为非负，所以输出层的激活函数取非负的Sigmoid函数，因此，可得隐含层与输出层的激活函数如下式：
Figure BDA0003323320380000052
由此可得BP神经网络在线调整控制器参数的步骤如下：
①结合BP神经网络的结构，初始化各层的权值系数，选取惯性系数α和学习速率η；
②计算得到参考电流ikref、采样得到实际输出电流ik、参考电容电压
Figure BDA0003323320380000053
实际电容电压nk·vcap；
③将得到的参考电流ikref、实际输出电流ik、参考电容电压
Figure BDA0003323320380000054
实际电容电压nk·vcap作为输入层输入到神经网络中；
④经过输入层、隐含层的计算输出控制器参数；
⑤通过反向传播进行权值学习，不断的调整权值系数，对控制器的参数进行整定；
⑥进入下一个采样周期，返回步骤②。
本发明的优点在于：
本发明的方法提出了采用基于BP神经网络准比例积分谐振控制器的不对称混合储能***的分相控制策略来对储能变流器的并网电流进行控制，通过建立不对称混合储能***数学模型对储能***稳定工作范围分析，设计出储能***的分相控制策略，该控制策略既能快速有效的跟踪并网电流又能有效的抑制并网电流中的低次谐波，可以有效提高并网电流的电能质量。
附图说明
图1为本发明实施例的不对称混合储能***结构图；
图2为本发明实施例的不对称混合储能***等效简化模型示意图；
图3为本发明实施例的单相***电压矢量关系示意图；
图4为本发明实施例的***稳定工作区域示意图；
图5为本发明实施例的vr1矢量分析图；
图6为本发明实施例的is矢量分析图；
图7为本发明实施例的控制***总体结构图；
图8为本发明实施例的开环电压控制框图；
图9为本发明实施例的分相电流控制框图；
图10为本发明实施例的基于BP神经网络控制器参数整定控制结构图；
图11为本发明实施例的BP神经网络结构图；
图12为传统PR控制器下分相控制仿真波形图；
图13为本发明实施例的基于BP神经网络的PR-HR控制器下分相控制仿真图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，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。基于本发明中的实施例，本领域普通技术人员在没有作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。
下面结合说明书附图以及具体的实施例对本发明的技术方案作进一步描述：
实施例一
非理想电网下中压直挂不对称混合储能***控制方法，包括以下步骤：
1、建立不对称混合储能***数学模型
如图1所示为不对称三相混合储能***结构，串联在电网A相中的电池链节数量为mA、串联在电网B相中的电池链节数量为mB、串联在电网C相中的电池链节数量为mC，串联在电网A相中的电容链节数量为nA、串联在电网B相中的电容链节数量为nB、串联在电网C相中的电容链节数量为nC，vs为电网电压，isA、isB、isC分别为A相、B相、C相的并网电流，L为滤波电感，vbat和vcap分别为电池链节和电容链节直流侧电压，其额定电压均相等，在BMS故障发生前，各相的电池链节数量相等，各相的电容链节数量相等，即mA＝mB＝mC，nA＝nB＝nC；所述的电池链节包括一个单相全桥逆变器、单相全桥逆变器的直流侧并联一个电容、单相全桥逆变器的交流侧接电网；所述的电池链节包括一个单相全桥逆变器、电池模块、切换开关、电容，电容并联单相全桥逆变器的直流侧，电池模块通过切换开关连接在单相全桥逆变器的直流侧，单相全桥逆变器的交流侧接电网；发生不对称BMS故障后，通过切换开关切除电池链节直流侧的电池模块，故障的电池链节被转换为电容链节，此时每相的电池链节与电容链节数量均不相同，但每项的并网逆变器总数相等，即：
Figure BDA0003323320380000071
故障后的三相配置不同，各相不同链节并网逆变器间的功率分配情况亦不相同。不对称级联多电平拓扑可以被视为三个独立的单相***分别进行控制。此外，由于对混合式***的分析主要针对不同类型储能链节并网逆变器间的功率分配，因此在分析中可以假设同一类型的变换器链节并网逆变器完全相同。因此，对于含有多个链节并网逆变器的混合式储能***，每相均可等效为由一个电池链节与一个电容链节级联而成。对每一类等效链节并网逆变器的直流侧进行整合，将链节并网逆变器的总直流侧电压控制与相内同一类链节并网逆变器之间的充放电均衡控制进行分层，使混合式***的分析得以化简。对于稳定工作区域的分析均在此等效简化模型上进行，如图2所示，其中，MA表示故障后的A相中的电池链节的数量之和，NA表示故障后的A相中的电容链节的数量之和。
等效简化模型将不对称三相多链节并网逆变器的***等效为三个单相两链节并网逆变器的***，三相电池链节和电容链节具有不同的直流侧电压。对其中一单相***进行分析，各电压间的矢量关系如图3所示。不同于电池链节，电容链节需保证直流侧电压不变，实现实时的有功功率平衡。因此在忽略开关损耗的情况下，
Figure BDA0003323320380000072
与
Figure BDA0003323320380000073
应保持垂直，由以上分析得到等效简化模型的公式如下：
Figure BDA0003323320380000081
其中，
Figure BDA0003323320380000082
δ为
Figure BDA0003323320380000083
与
Figure BDA0003323320380000084
夹角，δ1为
Figure BDA0003323320380000085
与
Figure BDA0003323320380000086
夹角，
Figure BDA0003323320380000087
为电网电压矢量，
Figure BDA0003323320380000088
为电池、电容链节的输出电压向量合成矢量，
Figure BDA0003323320380000089
为并网电流矢量，
Figure BDA00033233203800000810
与
Figure BDA00033233203800000811
分别为电池链节和电容链节的输出电压矢量，
Figure BDA00033233203800000812
为滤波电感电压矢量，Vr1与Vr2分别为电池链节和电容链节的输出电压幅值，Vs为电网电压幅值，
Figure BDA00033233203800000813
为电网电压相位，K和L分别为电池链节与电容链节调制比。
2、储能***稳定工作范围分析
混合储能***能够四象限运行，但其输出范围不同于拥有完整四象限运行能力电池储能***。为避免选取不合适的电压、电流指令导致各链节并网逆变器过调制，需对***各相的稳定工作区域进行分析。如图4所示，C1为电池链节的有效输出范围，C3为电容链节与电感电压共同的有效输出范围。图中
Figure BDA00033233203800000814
矢量的终点即为
Figure BDA00033233203800000815
矢量的起点，定义该点为***的工作点。当***工作在P1，P2和P3时，
Figure BDA00033233203800000816
或
Figure BDA00033233203800000817
超出了链节并网逆变器的有效输出范围，此时链节并网逆变器出现过调制，输出电压谐波增加，电能质量随之下降。为避免过调制，***应工作在C1和C3的重叠区域。
感性模式下的工作范围与容性模式下的范围有所不同，如图4(b)所示，C2为电容链节的有效输出范围。感性模式下
Figure BDA00033233203800000818
与
Figure BDA00033233203800000819
同方向，C2被包含于C3范围内。由式(1.2)可知
Figure BDA00033233203800000820
与
Figure BDA00033233203800000821
的幅值成正比，因此当电流由is1变为is2时，C3范围随之缩小，此时P2不在稳定工作区域内。因此感性模式下***推荐工作在C1与C2的重叠区域，如P1所示，其工作范围的不受
Figure BDA00033233203800000828
的幅值影响。容性模式下
Figure BDA00033233203800000822
与
Figure BDA00033233203800000823
反方向，C2包含C3，该模式下***工作范围较感性模式下更小，且不可避免地受
Figure BDA00033233203800000824
的幅值影响。得到***的稳定工作区域后，还需对
Figure BDA00033233203800000825
和
Figure BDA00033233203800000826
的工作范围进行分析。
2.1、电池链节输出电压矢量分析
感性模式下电池链节输出电压
Figure BDA00033233203800000827
的工作范围如图5所示，在图5(a)中，***在P1和P2点工作时处于稳定工作区域的边界，δ分别到达工作范围的极限，由余弦定理可得式(2.1)，其中
Figure BDA0003323320380000091
为
Figure BDA0003323320380000092
和
Figure BDA0003323320380000093
的合成矢量。容性模式下的分析与感性模式类似，但由前文分析可知
Figure BDA0003323320380000094
取值不同。
Figure BDA0003323320380000095
其中，
Figure BDA0003323320380000096
Figure BDA0003323320380000097
确定
Figure BDA0003323320380000098
输出相位δ的范围后，其调制比K范围如图5(b)所示。***工作在Q1时处于电容链节过调制边界，在Q2时处于电池链节过调制边界，
Figure BDA0003323320380000099
分别到达调制比K的极限。由余弦定理可得式(2.2)。
Figure BDA00033233203800000910
其中，
Figure BDA00033233203800000911
2.2、***输出电流矢量分析
并网设备一般为电流源变换器，因此需对参考值
Figure BDA00033233203800000912
的取值范围进行分析。感性模式下输出电流is的工作范围如图6所示，根据
Figure BDA00033233203800000913
三者的幅值关系分为两种情况。忽略电容链节开关损耗，
Figure BDA00033233203800000914
需与
Figure BDA00033233203800000915
保持垂直以维持电容链节直流侧电压。当
Figure BDA00033233203800000916
时，如图6(a)所示，***在C1和C3的交点P1和P2点工作时处于稳定工作区域的边界，
Figure BDA00033233203800000917
分别到达工作范围α的极限，由余弦定理可得式(2.3)。容性模式下的分析与感性模式类似。
Figure BDA00033233203800000918
其中，
Figure BDA00033233203800000919
当
Figure BDA0003323320380000101
时，如图6(b)所示，过
Figure BDA0003323320380000102
矢量终点作C1的切线，切点为T1和T2。***在T1和T2点工作时处于稳定工作区域的边界，
Figure BDA0003323320380000103
分别到达工作范围的极限，由余弦定理可得式(2.4)。此时***输出电流范围α完全由电池链节和电网电压决定，容性模式与感性模式下工作范围相同。
Figure BDA0003323320380000104
其中，
Figure BDA0003323320380000105
3、储能***的分相控制策略
3.1、开环电压与分相电流控制
通过矢量分析得到三相***的工作范围后，设计合适的控制方法实现不对称情况下各相的功率分配。控制***总体结构如图7所示，分为电池链节的开环电压控制和电容链节的分相电流控制，两类链节并网逆变器通过相位计算实现协同工作。
开环电压控制如图8所示，电池链节被等效为电压源变换器(Voltage SourceConverter，VSC)，负责输出全部的有功功率和部分无功功率。通过锁相环分别获取每相电网电压的相位，输入电池链节调制比和相对与电网的相位，得到电池链节的总输出电压调制波。
相位计算如式(3.1)所示，将采样所得电网电压vs与电池链节开环指令vr1代入，由正弦定理和余弦定理得到电容链节应输出电压的相位δ1。此相位即为输出电流is相对于电容链节的有功分量id_c的相位，其滞后90°则为感性模式下相应的无功分量iq_c的相位，超前90°则为容性模下iq_c的相位。
Figure BDA0003323320380000106
分相电流控制如图9所示，分为有功电流计算，无功电流计算和电网电压前馈。将电池链节等效为电压源，则电容链节在三相链节并网逆变器对称状态下与级联多电平STATCOM具有相同的工作原理和控制方式。不对称故障发生后，由于三相电容链节总直流侧电压与开关损耗不同，用于补偿开关损耗的有功电流id_c也不同，因此需要用分相控制取代传统的dq解耦控制。有功电流通过比例积分(PI)控制得到各相电容链节所需的有功电流参考幅值I*d_cm。由于设备的开关损耗相对于***整体的功率输出可以忽略不计，id_c远远小于iq_c，因此无功电流参考幅值I*q_cm直接通过***期望的输出功率指令得到，如式(3.2)所示。结合相位计算得到的有功和无功分量的相位，将直流参考值转换为交流参考值。各相有功电流与无功电流参考值之和为输出电流参考值i*s，由于当电网处于谐波污染情况下时，传统的比例积分(PI)控制器与比例谐振控制器无法有效的抑制入网电流的低次谐波含量，因此本发明提出通过准比例谐振(PR)控制与谐波控制器相结合的方式不仅使***输出电流能够有效的跟踪正弦参考信号，还能有效的抑制入网电流中的低次谐波含量，进一步的经过电网电压前馈环节得到电容链节总输出电压调制波vr2。
Figure BDA0003323320380000111
3.2、基于BP神经网络的控制器参数设计
在分相电流控制中，其中有功电流控制环节中采用比例控制器来调节电容链节所需要的有功功率，各相有功电流与无功电流参考值之和得到输出电流参考值i*s与实际的采样电流比较经过PR-HR控制器使***输出电流能够有效的跟踪正弦参考信号。尽管基于比例控制器的有功电流控制环节以及基于PR控制器与谐波控制器相结合的输出电流控制方式在一定程度上加快了***的响应速度，抑制了电流的低次谐波含量，但大多数的控制器参数通常是根据经验给出的，即参数是固定的，但当电网参数波动时，固定的参数往往不能很好的满足***的性能要求，因此本发明提出了基于BP神经网络自适应的控制器参数整定方法，本发明的方法将电容链结的有功电流控制环节的比例控制器参数与输出电流环节中的PR-HR控制器参数联合整定，通过在输出误差函数中引入权值系数来调节两部分的权重。
如图10所示，BP神经网络下控制器参数设计包括两个部分：比例控制器与PR控制器+谐波控制器和神经网络参数调节器。神经网络输出层的各神经元的输出分别对应比例控制器与PR+HR控制器的4个参数Kp1，Kp2，Kr，Kr1。***根据不对称混合级联储能变流器的实际输出电流、各相有功电流与无功电流参考值之和为输出电流参考值iref以及两者的误差和不对称混合级联储能变流器电容链节参考电压与实际采样电压作为BP神经网络的输入，然后BP神经网络通过正向传播和反向传播不断进行循环，调整各层神经元之间的权重系数ωij和ωjl，从而实现对输出Kp1，Kp2，Kr，Kr1的在线调整，使得输出误差不断减小，输出误差定义为下式：
Figure BDA0003323320380000121
其中λ1为并网电流调节能力权重系数，λ2为电容链节电压调节能力权重系数，可根据需要得到的不同控制效果来调节λ1，λ2的取值，如若需要得到较好的并网电流能力，则可通过适当调大λ1，适当调小λ2来实现控制效果。进一步的通过调节权重系数来调节不同目标对应的调节能力权重，实现不同的控制效果，最后使得输出误差收敛为止。
经过神经网络整定的控制器参数可以使***运行在较为稳定的状态，进而可以提高电流的动态响应并在一定程度上降低并网电流的THD。
BP神经网络的具体结构如图11所示，i为输入层，j为隐含层，l为输出层。
本发明隐含层的激活函数取正负对称的tanh函数，又由于输出层的参数Kp1，Kp2，Kr，Kr1的值为非负，所以输出层的激活函数取非负的Sigmoid函数，因此，可得隐含层与输出层的激活函数如下式：
Figure BDA0003323320380000122
通过以上的叙述，BP神经网络在线调整控制器参数的步骤可以总结如下：
①结合BP神经网络的结构，初始化各层的权值系数，选取惯性系数α和学习速率η；
②计算得到参考电流ikref、采样得到实际输出电流ik、参考电容电压
Figure BDA0003323320380000123
实际电容电压nk·vcap；
③将得到的参考电流ikref、实际输出电流ik、参考电容电压
Figure BDA0003323320380000124
实际电容电压nk·vcap作为输入层输入到神经网络中；
④经过输入层、隐含层的计算输出控制器参数；
⑤通过反向传播进行权值学习，不断的调整权值系数，对控制器的参数进行整定；
⑥进入下一个采样周期，返回步骤②。
仿真分析
为了验证所提控制方法的有效性，搭建了基于MATLAB/SIMULINK的仿真模型，仿真模型采用三相两链节并网逆变器电路，仿真***参数如表1所示。A相由20个电池链节和25个电容链节组成，B相由16个电池链节和29个电容链节组成,C相由12个电池链节和33个电容链节组成。
表1不对称级联多电平混合储能***电路结构参数
Figure BDA0003323320380000131
仿真在感性模式下进行，并选用传统的PR控制器来与本发明提出的控制方法作为对照，仿真结果如图所示。
图12为传统PR控制器下分相控制仿真波形图，图13为采用本发明提出的控制方法的仿真波形图，由图12与图13的仿真波形图对比可以看出，采用本发明所提出的控制方法以及通过使用本发明提出的基于BP神经网络整定得到的控制器参数，不仅可以有效的抑制由电网电压引起的网侧电流中含有的5次与7次谐波分量，使网侧电流的THD降低到2.10％，还能使网侧电流的波形更接近于正弦化，进一步的改善了并网电流质量，由此可以看出本发明所提出的控制方法的有效性。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.非理想电网下中压直挂不对称混合储能***控制方法，其特征在于，包括以下步骤：
S1、建立不对称混合储能***数学模型；
S2、根据电池链节输出电压矢量以及***输出电流矢量，分析不对称混合储能***的稳定工作范围；
S3、根据不对称混合储能***的稳定工作范围设计分相控制方法，实现不对称情况下各相的功率分配；所述的分相控制方法包括：电池链节的开环电压控制和电容链节的分相电流控制，两类链节并网逆变器通过相位计算实现协同工作；所述的电容链节的分相电流控制采用BP神经网络进行控制器参数设计。
2.根据权利要求1所述的非理想电网下中压直挂不对称混合储能***控制方法，其特征在于，步骤S1中所述的不对称混合储能***数学模型为：
Figure FDA0003323320370000011
其中，
Figure FDA0003323320370000012
Figure FDA0003323320370000013
δ为
Figure FDA0003323320370000014
与
Figure FDA0003323320370000015
夹角，δ1为
Figure FDA0003323320370000016
与
Figure FDA0003323320370000017
夹角，
Figure FDA0003323320370000018
为电网电压矢量，
Figure FDA0003323320370000019
为电池、电容链节的输出电压向量合成矢量，
Figure FDA00033233203700000110
为并网电流矢量，
Figure FDA00033233203700000111
与
Figure FDA00033233203700000112
分别为电池链节和电容链节的输出电压矢量，
Figure FDA00033233203700000113
为滤波电感电压矢量，Vr1与Vr2分别为电池链节和电容链节的输出电压矢量的幅值，Vs为电网电压幅值，
Figure FDA00033233203700000114
为电网电压相位，K和L分别为电池链节与电容链节调制比。
3.根据权利要求2所述的非理想电网下中压直挂不对称混合储能***控制方法，其特征在于，步骤S2中所述的电池链节输出电压矢量
Figure FDA00033233203700000115
的相位δ的范围为：
Figure FDA00033233203700000116
由此可得，电池链节输出电压矢量
Figure FDA00033233203700000117
的幅值Vr1以及电池链节调制比的范围为：
Figure FDA0003323320370000021
其中，
Figure FDA0003323320370000022
4.根据权利要求2所述的非理想电网下中压直挂不对称混合储能***控制方法，其特征在于，步骤S2中所述的***输出电流矢量
Figure FDA0003323320370000023
的工作范围为：
Figure FDA0003323320370000024
Figure FDA0003323320370000025
其中，
Figure FDA0003323320370000026
当
Figure FDA0003323320370000027
时，此时***输出电流矢量
Figure FDA0003323320370000028
的工作范围完全由电池链节和电网电压决定，容性模式与感性模式下工作范围相同，具体如下：
Figure FDA0003323320370000029
其中，
Figure FDA00033233203700000210
5.根据权利要求2所述的非理想电网下中压直挂不对称混合储能***控制方法，其特征在于，步骤S3中所述的相位计算的公式如下：
Figure FDA00033233203700000211
将采样所得电网电压vs与电池链节开环指令vr1代入，由正弦定理和余弦定理得到电容链节应输出电压的相位δ1。此相位即为输出电流is相对于电容链节的有功分量id_c的相位，其滞后90°则为感性模式下相应的无功分量iq_c的相位，超前90°则为容性模下iq_c的相位。
6.根据权利要求5所述的非理想电网下中压直挂不对称混合储能***控制方法，其特征在于，步骤S3中所述的电池链节的开环电压控制的方法为：将电池链节被等效为电压源变换器负责输出全部的有功功率和部分无功功率，通过锁相环分别获取每相电网电压的相位，输入电池链节调制比和相对与电网的相位，得到电池链节的总输出电压调制波。
7.根据权利要求6所述的非理想电网下中压直挂不对称混合储能***控制方法，其特征在于，步骤S3中所述的电容链节的分相电流控制的方法包括：有功电流计算环节、无功电流计算环节和电网电压前馈环节；
所述的有功电流计算通过比例积分控制得到各相电容链节所需的有功电流参考幅值I*d_cm；
所述的无功电流计算环节的无功电流参考幅值I*q_cm直接通过***期望的输出功率指令得到，具体如下：
Figure FDA0003323320370000031
所述的电网电压前馈环节用于计算得到电容链节总输出电压调制波vr2。
8.根据权利要求7所述的非理想电网下中压直挂不对称混合储能***控制方法，其特征在于，步骤S3中所述的采用BP神经网络进行控制器参数设计包括两个部分：比例控制器与PR控制器+谐波控制器和神经网络参数调节器；神经网络输出层的各神经元的输出分别对应比例控制器与PR+HR控制器的4个参数Kp1，Kp2，Kr，Kr1；***根据不对称混合级联储能变流器的实际输出电流、各相有功电流与无功电流参考值之和为输出电流参考值iref以及两者的误差和不对称混合级联储能变流器电容链节参考电压与实际采样电压作为BP神经网络的输入，然后BP神经网络通过正向传播和反向传播不断进行循环，调整各层神经元之间的权重系数ωij和ωjl，从而实现对输出Kp1，Kp2，Kr，Kr1的在线调整，使得输出误差不断减小。
9.根据权利要求8所述的非理想电网下中压直挂不对称混合储能***控制方法，其特征在于，所述的输出误差定义为下式：
Figure FDA0003323320370000032
其中λ1为并网电流调节能力权重系数，λ2为电容链节电压调节能力权重系数，根据需要得到的不同控制效果来调节λ1，λ2的取值，如若需要得到较好的并网电流能力，则通过调大λ1，调小λ2来实现控制效果，通过调节权重系数来调节不同目标对应的调节能力权重，实现不同的控制效果，最后使得输出误差收敛为止。
10.根据权利要求9所述的非理想电网下中压直挂不对称混合储能***控制方法，其特征在于，所述的BP神经网络的结构包括：输入层、隐含层、输出层，所述的隐含层的激活函数取正负对称的tanh函数，又由于输出层的参数Kp1，Kp2，Kr，Kr1的值为非负，所以输出层的激活函数取非负的Sigmoid函数，因此，可得隐含层与输出层的激活函数如下式：
Figure FDA0003323320370000041
由此可得BP神经网络在线调整控制器参数的步骤如下：
①结合BP神经网络的结构，初始化各层的权值系数，选取惯性系数α和学习速率η；
②计算得到参考电流ikref、采样得到实际输出电流ik、参考电容电压
Figure FDA0003323320370000042
实际电容电压nk·vcap；
③将得到的参考电流ikref、实际输出电流ik、参考电容电压
Figure FDA0003323320370000043
实际电容电压nk·vcap作为输入层输入到神经网络中；
④经过输入层、隐含层的计算输出控制器参数；
⑤通过反向传播进行权值学习，不断的调整权值系数，对控制器的参数进行整定；
⑥进入下一个采样周期，返回步骤②。
CN202111254189.3A 2021-10-27 2021-10-27 非理想电网下中压直挂不对称混合储能***控制方法 Pending CN113991715A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111254189.3A CN113991715A (zh) 2021-10-27 2021-10-27 非理想电网下中压直挂不对称混合储能***控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111254189.3A CN113991715A (zh) 2021-10-27 2021-10-27 非理想电网下中压直挂不对称混合储能***控制方法

Publications (1)

Publication Number Publication Date
CN113991715A true CN113991715A (zh) 2022-01-28

Family

ID=79742379

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111254189.3A Pending CN113991715A (zh) 2021-10-27 2021-10-27 非理想电网下中压直挂不对称混合储能***控制方法

Country Status (1)

Country Link
CN (1) CN113991715A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114448228A (zh) * 2022-04-11 2022-05-06 南京力骏新能源储能研究院有限公司 基于端口电压状态判别的直挂式储能变流器冗余控制方法及***
CN116667407A (zh) * 2023-05-17 2023-08-29 南通国轩新能源科技有限公司 并网级联多电平变换器多模式解耦控制方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114448228A (zh) * 2022-04-11 2022-05-06 南京力骏新能源储能研究院有限公司 基于端口电压状态判别的直挂式储能变流器冗余控制方法及***
CN114448228B (zh) * 2022-04-11 2022-06-17 南京力骏新能源储能研究院有限公司 基于端口电压状态判别的直挂式储能变流器冗余控制方法及***
CN116667407A (zh) * 2023-05-17 2023-08-29 南通国轩新能源科技有限公司 并网级联多电平变换器多模式解耦控制方法
CN116667407B (zh) * 2023-05-17 2023-12-29 南通国轩新能源科技有限公司 并网级联多电平变换器多模式解耦控制方法

Similar Documents

Publication Publication Date Title
Kumar et al. Power quality improvement for grid-connected PV system based on distribution static compensator with fuzzy logic controller and UVT/ADALINE-based least mean square controller
CN109347351B (zh) 一种模块化多电平换流器的模型预测控制方法
CN113991715A (zh) 非理想电网下中压直挂不对称混合储能***控制方法
Debdouche et al. Robust integral backstepping control microgrid connected photovoltaic System with battery energy storage through multi-functional voltage source inverter using direct power control SVM strategies
Sahri et al. Performance improvement of Hybrid System based DFIG-Wind/PV/Batteries connected to DC and AC grid by applying Intelligent Control
Ayachi Amor et al. Fuzzy logic enhanced control for a single‐stage grid‐tied photovoltaic system with shunt active filtering capability
Sultana et al. Performance analysis of real-time PSO tuned PI controller for regulating voltage and frequency in an AC microgrid
Abdelkader et al. Integration of renewable energy sources in the dynamic voltage restorer for improving power quality using ANFIS controller
Li et al. A grid frequency support control strategy of the three phase cascaded H-bridge based photovoltaic generation system
Guo et al. A self-adaptive fuzzy PI controller of power conditioning system for hybrid fuel-cell/turbine power plant
CN112701727A (zh) 一种基于半周期重复控制的模拟电池并网电流控制策略
Ramesh et al. Microgrid design and control using a discrete proportional resonant controller
Hafez et al. Power quality issues of grid connected wind energy system focus on DFIG and various control techniques of active harmonic filter: A review
Vinothkumar et al. Enhancing controller efficiency in hybrid power system using interval type 3 fuzzy controller with bacterial foraging optimization algorithm
Zuo et al. Suppression strategy of circulating current in MMC-HVDC based on quasi-PR controller
CN109980689A (zh) 光伏并网***的控制方法、***、装置及可读存储介质
Reddy et al. Hybrid renewable energy sources based four leg inverter for power quality improvement
Vanti et al. Single-stage PV system with multi-objective predictive control approach
Mustafa et al. Harmonic Suppression Compensation of Photovoltaic Generation Using Cascaded Active Power Filter
Chaithanya et al. Power Quality Enhancement Based on a Recursive Digital Filter by Using Cascaded Distributed Grid-Solar PV System
CN114944777B (zh) 基于改进模型预测控制的并网逆变器控制方法
Gargoom et al. Voltage and frequency stabilizer based on fuzzy logic control for three-level NPC converters in stand-alone wind energy systems
Afkar et al. Complete Load Compensation in a Distribution Network with a Single-Stage PV Grid Interface Converter
Li et al. Research on Medium Voltage MMC Power Control and Circulating Current Suppression
Li et al. Wind-solar-storage hybrid micro grid control strategy based on SVPWM converter

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication