✅作者简介:热爱科研的Matlab仿真开发者,擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页:Matlab科研工作室
🍊个人信条:格物致知,完整Matlab代码及仿真咨询内容私信。
🔥 内容介绍
本研究聚焦于基于电压源换流器(VSC)的 ±10kV 中压直流(MVDC)微电网,研究转换器通过等效 RL 电缆模块实现互连的特性,并针对电缆侧引入的 P2P(极间)故障进行深入分析。通过搭建系统模型,分析正常运行时 VSC 转换器互连的功率传输与控制策略,建立 P2P 故障模型研究故障特性与影响。结果表明,等效 RL 电缆模块可有效模拟实际电缆传输特性,所提故障分析方法能准确评估故障对系统的影响,为 MVDC 微电网的稳定运行与故障保护设计提供理论依据与技术支持。
关键词
电压源换流器;MVDC 微电网;等效 RL 电缆模块;P2P 故障;故障分析
一、引言
(一)研究背景
随着新能源技术的快速发展与分布式电源的广泛接入,中压直流(MVDC)微电网因其高效、灵活、可控性强等优势,在智能电网、船舶电力系统、轨道交通等领域展现出巨大的应用潜力 。±10kV 作为 MVDC 微电网的典型电压等级,其系统的稳定运行对实现能源高效利用与可靠供电至关重要。电压源换流器(VSC)凭借其四象限运行、功率可双向流动、输出电压谐波含量低等特点,成为 MVDC 微电网中实现电能变换与传输的核心设备 。在 MVDC 微电网中,各分布式电源、储能装置及负荷通过 VSC 转换器实现互连,而连接线路通常采用电缆,其传输特性对系统性能有着重要影响 。同时,电缆侧的故障,尤其是极间(P2P)故障,会严重威胁系统的安全稳定运行,因此对基于 VSC 的 MVDC 微电网转换器互连及电缆侧 P2P 故障的研究具有重要的现实意义。
(二)研究目的与意义
本研究旨在深入分析基于 VSC 的 ±10kV MVDC 微电网中转换器通过等效 RL 电缆模块互连的运行特性,建立电缆侧 P2P 故障的准确模型并研究其故障特性与影响。通过研究,期望优化 VSC 转换器的控制策略,提高系统在正常运行时的功率传输效率与稳定性;同时,为电缆侧 P2P 故障的快速检测、隔离与系统恢复提供理论依据和技术支持,降低故障对系统的影响,保障 MVDC 微电网的可靠运行,推动 MVDC 微电网技术的进一步发展与应用。
(三)国内外研究现状
在 MVDC 微电网领域,国内外学者已开展了大量研究工作。在 VSC 转换器方面,研究主要集中于控制策略的优化,如基于矢量控制、直接功率控制等方法实现 VSC 的稳定运行与功率精确调节 。对于 MVDC 微电网中电缆传输特性的研究,部分学者采用分布参数模型或等效集中参数模型来模拟电缆,但如何更准确、高效地建立适用于工程分析的电缆模型仍在不断探索 。在故障研究领域,针对 MVDC 微电网的故障特性分析、故障检测与保护策略制定已有诸多成果 。然而,对于基于等效 RL 电缆模块实现 VSC 转换器互连的 ±10kV MVDC 微电网中电缆侧 P2P 故障的系统性研究相对较少,尤其在故障建模的准确性和故障对系统影响的全面评估方面仍有待进一步深入 。
二、基于 VSC 的 MVDC 微电网系统架构与原理
(一)系统架构
基于 VSC 的 ±10kV MVDC 微电网系统主要由分布式电源(如光伏、风电等)、储能装置(如锂电池、超级电容器等)、VSC 转换器、等效 RL 电缆模块以及各类直流负荷组成 。分布式电源和储能装置通过 VSC 转换器接入 MVDC 母线,各 VSC 转换器之间通过等效 RL 电缆模块实现互连,从而实现电能的传输与分配。直流负荷直接连接在 MVDC 母线上,获取稳定的直流电能。
(二)VSC 转换器原理
VSC 转换器通常采用三相全桥拓扑结构,由六个绝缘栅双极型晶体管(IGBT)和与之反并联的二极管组成 。通过控制 IGBT 的开关状态,VSC 可以实现交流侧与直流侧之间的电能双向转换。在正常运行时,VSC 可以根据系统需求,灵活控制有功功率和无功功率的传输 。例如,当分布式电源发电过剩时,VSC 可将多余电能转换为交流电能馈入交流电网;当系统功率不足时,VSC 可从交流电网吸收电能,为 MVDC 微电网提供功率支持 。其控制策略通常包括内环电流控制和外环功率 / 电压控制,内环电流控制用于快速跟踪参考电流,外环功率 / 电压控制用于调节系统的有功功率、无功功率或直流电压,以实现系统的稳定运行 。
(三)等效 RL 电缆模块原理
三、基于等效 RL 电缆模块的 VSC 转换器互连分析
四、电缆侧 P2P 故障建模与分析
(一)故障模型建立
在 MVDC 微电网中,电缆侧 P2P 故障是一种严重的故障类型,会导致系统短路电流急剧增大,直流电压严重下降 。为研究 P2P 故障特性,建立基于等效 RL 电缆模块的 P2P 故障模型 。当电缆发生 P2P 故障时,可将故障点视为一个短路节点,短路电阻近似为零 。此时,故障回路的等效电路可简化为电源、VSC 转换器、等效 RL 电缆模块以及短路点组成的回路 。通过分析该等效电路,结合基尔霍夫定律和电路元件的伏安特性,可以得到故障电流和电压的表达式,从而建立起准确的 P2P 故障模型 。
(二)故障特性分析
- 短路电流特性:在 P2P 故障发生瞬间,短路电流会迅速上升,其大小主要取决于系统电源的容量、VSC 转换器的限流能力以及电缆的参数 。由于 MVDC 微电网中没有交流系统的换相过程,短路电流的非周期分量较大,且持续时间较长 。通过对故障模型的仿真分析可知,短路电流的峰值可能达到正常运行电流的数倍甚至数十倍,这对系统中的设备和保护装置提出了严峻挑战 。
- 直流电压特性:P2P 故障会导致直流母线电压急剧下降 。故障发生后,直流电压会迅速降低到接近零值,影响系统中各设备的正常运行 。直流电压的下降速度和幅度与故障点的位置、电缆的长度以及系统的惯性等因素有关 。靠近电源端的故障会使直流电压下降更快、幅度更大;电缆长度越长,系统的惯性越大,直流电压下降相对较慢 。
- 对系统稳定性的影响:P2P 故障会严重破坏 MVDC 微电网的稳定性 。故障引起的短路电流和电压波动会导致分布式电源和储能装置的输出功率发生剧烈变化,可能引发系统振荡甚至崩溃 。同时,故障还会影响 VSC 转换器的正常运行,使其控制策略失效,进一步加剧系统的不稳定 。因此,及时准确地检测和隔离 P2P 故障,对于保障 MVDC 微电网的稳定运行至关重要 。
五、结论与展望
(一)研究结论
本研究成功构建了基于 VSC 的 ±10kV MVDC 微电网模型,深入分析了 VSC 转换器通过等效 RL 电缆模块互连的运行特性,并对电缆侧 P2P 故障进行了建模与研究 。研究表明,等效 RL 电缆模块能够有效模拟实际电缆的传输特性,基于此提出的控制策略优化方法可提高系统的功率传输效率和稳定性 。同时,建立的 P2P 故障模型能够准确反映故障特性,为故障分析与保护设计提供了可靠依据 。仿真实验结果验证了理论分析的正确性和模型的有效性 。
(二)研究展望
尽管本研究取得了一定成果,但仍有进一步改进的空间 。未来研究可考虑更复杂的电缆模型,如分布参数模型,以更精确地模拟电缆的传输特性 。在故障研究方面,可深入探索 P2P 故障的快速检测与隔离方法,结合智能算法提高故障检测的准确性和及时性 。此外,还可研究多 VSC 转换器互连的 MVDC 微电网在故障情况下的协调控制策略,提高系统的容错能力和可靠性 。通过不断完善研究内容,为 MVDC 微电网的发展提供更有力的技术支持 。
⛳️ 运行结果
🔗 参考文献
[1] 朱建萍,周建萍,时珊珊,等.光伏发电接入直流配电网DC-DC变换器的仿真研究[J].广东电力, 2015, 28(2):6.DOI:10.3969/j.issn.1007-290X.2015.02.05.
[2] 鄢寅宇,孙毅超,郭宛鑫,等.具备直流短路故障阻断能力的子模块桥臂复用型模块化多电平固态变压器[J].电网技术, 2024(003):048.
[3] 李钢,田杰,卢宇,等.无联结变压器MMC-MVDC配电网零序电压抑制策略[J].电力建设, 2018, 39(7):7.DOI:10.3969/j.issn.1000-7229.2018.07.007.
📣 部分代码
🎈 部分理论引用网络文献,若有侵权联系博主删除
👇 关注我领取海量matlab电子书和数学建模资料
🏆团队擅长辅导定制多种科研领域MATLAB仿真,助力科研梦:
🌈 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划(2E-VRP)、充电车辆路径规划(EVRP)、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位
🌈 机器学习和深度学习时序、回归、分类、聚类和降维
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
2.10 DBN深度置信网络时序、回归预测和分类
2.11 FNN模糊神经网络时序、回归预测
2.12 RF随机森林时序、回归预测和分类
2.13 BLS宽度学习时序、回归预测和分类
2.14 PNN脉冲神经网络分类
2.15 模糊小波神经网络预测和分类
2.16 时序、回归预测和分类
2.17 时序、回归预测预测和分类
2.18 XGBOOST集成学习时序、回归预测预测和分类
2.19 Transform各类组合时序、回归预测预测和分类
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
🌈图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
🌈 路径规划方面
旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划(EVRP)、 双层车辆路径规划(2E-VRP)、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻
🌈 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划
🌈 通信方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
🌈 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌈电力系统方面
微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电
🌈 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀
🌈 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别
🌈 车间调度
零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP
👇