【电池通过三相逆变器连接到电网】PI的控制器用于根据电网的线电压控制逆变器研究附Simulink仿真

✅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


 随着可再生能源技术的快速发展和电网现代化需求的日益增长,电池储能系统(BESS)在稳定电网、提供辅助服务以及提高电能质量方面的作用愈发凸显。将电池储能系统集成到电网中,通常通过电力电子变换器实现,其中三相逆变器扮演着关键角色。为了确保逆变器能够高效、稳定地运行并满足电网连接标准,精确的控制策略至关重要。本文深入研究了利用比例积分(PI)控制器对连接到电网的三相逆变器进行控制的方法,重点探讨了其在根据电网线电压进行控制方面的应用。文章详细阐述了系统拓扑结构、PI控制器的设计原理、控制策略的实现及其在电池并网应用中的优势和挑战。

关键词: 电池储能系统;三相逆变器;并网逆变器;PI控制器;电网线电压控制;电力电子;电能质量


1. 引言

全球能源格局正经历一场深刻的变革,可再生能源如太阳能和风能的渗透率持续提高。然而,这些间歇性电源的波动性对电网的稳定运行带来了严峻挑战。电池储能系统以其快速响应和灵活调度的特性,成为解决这一问题的理想方案。通过将电池储能系统连接到电网,不仅可以实现能量的削峰填谷,提高电网的可靠性,还能在电力市场中提供调频、调压等辅助服务。

电池与电网之间的接口通常由电力电子变换器构成,其中三相逆变器是实现直流到交流能量转换的核心设备。一个高性能的并网逆变器不仅需要有效地将电池存储的直流电能转换为与电网同步的交流电能,还需要能够根据电网状态主动调整其输出,以满足电网运行的要求。因此,开发 robust 和高效的逆变器控制策略是实现电池储能系统成功并网的关键。

在众多控制策略中,比例积分(PI)控制器因其结构简单、易于实现且在工业控制领域具有广泛应用而备受青睐。本文将聚焦于利用PI控制器对通过三相逆变器连接到电网的电池储能系统进行控制的研究,特别是探讨如何根据电网的线电压信息来优化逆变器的运行。

2. 电池并网逆变器系统概述

典型的电池并网逆变器系统主要由以下几个部分组成:

  • 电池储能系统:

     提供直流电能,并具有充放电管理功能。

  • DC/DC变换器(可选):

     用于调节电池电压,使其适应逆变器的输入要求,并实现最大功率点跟踪(MPPT,如果连接的是光伏电池)。在某些设计中,电池组的电压范围可以直接满足逆变器需求,此时可省略此环节。

  • 三相电压源型逆变器(VSC):

     将直流电能转换为交流电能,并通过PWM(脉冲宽度调制)技术控制输出电压的幅值、频率和相位。

  • LCL滤波器或L滤波器:

     用于滤除逆变器输出电压中的高频谐波分量,确保注入电网的电流满足电能质量标准。

  • 并网开关与保护单元:

     实现逆变器与电网的安全连接与断开,并提供过流、过压等保护功能。

  • 控制系统:

     本文研究的重点,负责监测系统状态,生成PWM控制信号,以实现逆变器与电网的稳定、高效交互。

该系统的主要目标是精确控制逆变器输出的交流电流或电压,使其与电网电压同步,并根据指令实现功率的注入或吸收。

3. PI控制器的设计原理

PI控制器是一种反馈控制器,其输出是误差信号的比例项(P)和积分项(I)的和。对于并网逆变器控制,PI控制器通常用于在旋转 d-q 同步坐标系下对电流或电压进行解耦控制。

3.1 d-q 坐标变换

为了简化三相交流系统的控制,通常采用Clarke变换和Park变换将三相静止坐标系下的量(a, b, c)转换为两相静止坐标系(α, β),再进一步转换为两相旋转同步坐标系(d, q)。在d-q坐标系下,交流量变为直流分量,从而可以使用经典的PI控制器进行独立控制,极大地简化了控制器的设计。其中,d轴通常与电网电压矢量对齐,q轴则垂直于d轴。

3.2 PI控制器结构

在d-q坐标系下,通常设计两个独立的PI控制器,分别控制d轴电流(或电压)和q轴电流(或电压)。

对于电流控制,PI控制器的输入是实际电流与参考电流之间的误差。PI控制器的输出则作为调制信号的参考电压分量。其数学表达式如下:

图片

图片

图片

3.3 调参方法

PI控制器的性能(如响应速度、超调量、稳态误差)在很大程度上取决于$K_p$和$K_i$的选取。常用的调参方法包括:

  • Ziegler-Nichols 法:

     基于系统的临界振荡周期和临界增益来确定$K_p$和$K_i$。

  • 试凑法:

     根据经验和仿真结果反复调整参数直至满意。

  • 根轨迹法或频率响应法:

     更为严谨的控制理论方法,通过分析系统的闭环极点或频率特性来优化参数。

在并网逆变器中,合理的PI参数能够确保逆变器输出电流快速准确地跟踪参考电流,并有效抑制电网扰动。

4. 基于电网线电压的PI逆变器控制策略

本研究的重点在于根据电网线电压信息来控制逆变器。这意味着电网电压不仅是逆变器同步的参考,也是控制策略制定和参数调整的依据。

4.1 同步与锁相环(PLL)

为了实现并网,逆变器必须与电网电压精确同步,包括频率和相位。锁相环(PLL)是实现这一目标的关键技术。PLL通过跟踪电网电压矢量,输出一个与电网电压同频同相的角频率信号,该信号用于Park变换,将电网侧的电压和电流转换到d-q同步旋转坐标系。一个高性能的PLL是并网逆变器稳定运行的基础。

4.2 控制回路设计

基于电网线电压的控制策略通常采用双闭环控制结构:

  • 外环(电压环或功率环):

     负责控制直流母线电压或输出有功/无功功率。例如,如果目标是维持电池的充电状态或向电网注入特定功率,外环会根据直流母线电压或功率误差生成d轴电流参考。

  • 内环(电流环):

     负责精确控制逆变器的输出电流,使其跟踪外环生成的参考电流。这是PI控制器发挥作用的核心环节。在d-q坐标系下,d轴电流与有功功率相关,q轴电流与无功功率相关。因此,通过控制d轴电流可以控制有功功率的流动,通过控制q轴电流可以控制无功功率的流动。

4.3 根据电网线电压调整控制策略

在实际运行中,电网电压可能会出现波动或跌落。基于电网线电压的控制策略可以根据这些变化对逆变器进行调整:

  • 故障穿越能力(FRT):

     当电网电压跌落时,逆变器需要具备低电压穿越(LVRT)能力,即在一定时间内保持并网运行,并向电网注入无功电流以支持电网电压恢复。此时,控制系统会根据电网线电压的跌落程度,调整q轴电流的参考值,优先向电网提供无功功率支撑。

  • 无功功率补偿:

     当电网电压过高或过低时,逆变器可以通过注入或吸收无功功率来调节电网电压。通过监测电网线电压,控制系统可以实时调整q轴电流的参考,实现电网电压的动态支撑。

  • 电网电压支持:

     在一些高级控制策略中,逆变器甚至可以作为虚拟同步发电机运行,模拟传统同步发电机的惯性和阻尼特性,主动参与电网电压和频率的稳定。

PI控制器在这些场景中通过快速响应误差信号,调整逆变器输出,从而实现对电网电压变化的有效响应。

5. 优势与挑战

5.1 优势

  • 简单易实现:

     PI控制器结构简单,参数易于理解和整定,在微控制器或DSP上实现成本较低。

  • 鲁棒性好:

     在一定范围内,PI控制器对系统参数变化和外部扰动具有较好的鲁棒性。

  • 稳态误差小:

     积分项的存在可以消除稳态误差,确保输出精确跟踪参考值。

  • 广泛应用:

     PI控制器在电力电子变换器控制领域有成熟的应用经验和理论基础。

5.2 挑战

  • 参数整定复杂性:

     在不同运行工况下,PI参数可能需要重新调整以达到最优性能。不当的参数可能导致振荡或响应缓慢。

  • 对电网扰动的瞬态响应:

     尽管PI控制器具有一定的鲁棒性,但在电网电压发生剧烈瞬态变化(如短路故障)时,其响应速度可能不够快,导致输出电流畸变或过冲。

  • 非线性问题:

     逆变器系统本身具有一定的非线性,而PI控制器是线性控制器,这可能限制其在某些极端条件下的性能。

  • 耦合问题:

     在d-q坐标系下,虽然理论上d轴和q轴是解耦的,但在实际系统中仍然存在一定的耦合,需要采取前馈补偿等措施来进一步改善控制性能。

  • 谐波抑制能力:

     PI控制器主要针对基波分量进行控制,对高次谐波的抑制能力有限,需要结合LCL滤波器等硬件措施。

6. 结论与展望

本文对电池通过三相逆变器连接到电网的PI控制器研究进行了深入探讨,特别是其在根据电网线电压进行控制方面的应用。研究表明,PI控制器作为一种成熟且有效的控制策略,能够实现对并网逆变器的稳定控制,并具备一定的电网适应性。通过在d-q同步旋转坐标系下对电流进行解耦控制,并结合锁相环技术,PI控制器能够确保逆变器与电网的精确同步,并实现有功和无功功率的独立控制。

尽管PI控制器在并网逆变器中取得了广泛成功,但随着电网复杂性和可再生能源渗透率的提高,对逆变器控制性能提出了更高的要求。未来的研究方向可以包括:

  • 自适应PI控制:

     开发能够根据电网运行状态和系统参数自动调整PI参数的自适应控制算法,以提高控制器的鲁棒性和动态性能。

  • 模型预测控制(MPC):

     利用系统模型预测未来行为,并通过优化算法选择最优控制动作,以实现更优的动态响应和对约束条件的满足。

  • 滑模控制(SMC):

     一种非线性控制方法,对系统参数变化和外部扰动具有较强的鲁棒性,适用于高动态性能要求。

  • 基于人工智能的控制:

     探索将机器学习和深度学习等人工智能技术应用于逆变器控制,以实现更智能化的电网交互和故障诊断。

  • 多功能逆变器控制:

     开发能够同时提供多种电网辅助服务(如电压支持、频率调节、谐波抑制)的集成控制策略。

通过不断创新和完善控制技术,电池储能系统与电网的集成将更加紧密、高效和可靠,为构建清洁、智能、可持续的能源未来贡献力量。


⛳️ 运行结果

图片

图片

图片

图片

🔗 参考文献

[1] 朱晓亮.基于电网电压定向三相并网逆变器的研究[D].南京航空航天大学,2010.DOI:10.7666/d.y1811140.

[2] 何蛟,徐艺绯,张德华.基于电网电压定向的三相光伏并网逆变器并网控制策略研究[J].机电工程, 2015, 32(3):5.DOI:10.3969/j.issn.1001-4551.2015.03.026.

[3] 何蛟,徐艺绯,张德华.基于电网电压定向的三相光伏并网逆变器并网控制策略研究[J].机电工程, 2015.DOI:JournalArticle/5b3b8b44c095d70f007c6c4d.

📣 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

👇

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值