基于下垂控制的孤岛双机并联逆变器环流抑制模型附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

摘要: 孤岛微电网的可靠性和效率是其发展的重要保障。而逆变器并联是提高孤岛微电网容量和可靠性的有效手段。然而,由于逆变器参数的不对称性、线路阻抗的差异以及控制策略的不足,并联逆变器之间容易产生环流,导致系统效率下降、功率分配不均,甚至威胁系统的稳定性。本文针对基于下垂控制的孤岛双机并联逆变器系统,深入分析了环流产生的原因,并提出了一种基于虚拟阻抗和环流补偿相结合的环流抑制模型。该模型通过在控制回路中引入虚拟阻抗,有效降低了输出阻抗差异带来的影响;同时,利用环流观测器估计环流大小,并通过前馈补偿的方式消除环流,从而实现精确的功率分配和系统稳定运行。通过仿真验证,本文提出的环流抑制模型能够显著降低孤岛双机并联逆变器的环流,提高系统运行效率,并保证良好的功率分配特性。

关键词: 孤岛微电网;逆变器并联;下垂控制;环流;虚拟阻抗;环流补偿

1. 引言

随着全球能源危机和环境问题的日益严峻,分布式发电技术得到广泛应用。孤岛微电网作为一种由分布式电源、储能装置、负荷和控制系统组成的微型电网,能够有效利用可再生能源,提高能源利用效率,增强供电可靠性,并为偏远地区提供独立的电力供应。在孤岛微电网中,为了提高系统的容量和可靠性,通常采用多个逆变器并联运行的方式。然而,由于各种实际因素的影响,例如逆变器输出参数的差异、线路阻抗的不平衡以及控制策略的不完善,并联逆变器之间容易产生环流。环流不仅会增加逆变器的损耗,降低系统运行效率,还会导致功率分配不均,严重时甚至会引发系统谐振,影响系统的稳定性。因此,研究孤岛微电网逆变器并联的环流抑制问题具有重要的理论和工程应用价值。

2. 孤岛双机并联逆变器环流产生的原因分析

基于下垂控制的逆变器并联是孤岛微电网中常用的并联控制策略。下垂控制通过模拟传统同步发电机的下垂特性,使得逆变器能够自主地调节输出电压和频率,实现功率的自动分配,无需复杂的通信和控制协调。然而,下垂控制策略本身存在一些固有的缺陷,容易导致环流的产生。

2.1 输出阻抗差异引起的环流

在理想情况下,所有并联逆变器的输出阻抗应完全相同,但实际情况往往并非如此。由于制造工艺的误差、器件参数的离散性以及线路阻抗的差异,并联逆变器的输出阻抗存在不可避免的差异。在下垂控制下,逆变器的输出电压与有功功率成反比,频率与无功功率成反比。当并联逆变器的输出阻抗存在差异时,即使输出电压和频率相同,也会导致各逆变器输出的有功和无功功率不一致,从而产生环流。例如,如果一个逆变器的输出阻抗较小,它将会输出更多的有功和无功功率,而另一个逆变器的输出功率相对较小,从而形成功率流动回路,产生环流。

2.2 下垂系数设置不当引起的环流

下垂系数是下垂控制中的关键参数,决定了逆变器输出电压和频率随功率变化的速率。如果各个并联逆变器的下垂系数设置不当,例如设置过小,则逆变器的电压和频率对功率变化的敏感度降低,导致功率分配的精度下降,从而产生环流。此外,如果各个逆变器的下垂系数存在差异,也会导致功率分配的不均匀,进一步加剧环流的产生。

2.3 线路阻抗不平衡引起的环流

在实际的孤岛微电网中,连接逆变器到公共母线的线路阻抗往往存在不平衡现象。线路阻抗的不平衡会导致各逆变器输出电压的相位和幅值出现差异,从而在并联逆变器之间产生环流。尤其是在线路阻抗中的感性分量较大时,环流的幅值会更加显著。

3. 基于虚拟阻抗和环流补偿的环流抑制模型

为了有效地抑制基于下垂控制的孤岛双机并联逆变器的环流,本文提出了一种基于虚拟阻抗和环流补偿相结合的环流抑制模型。该模型的核心思想是:首先,通过引入虚拟阻抗,减小逆变器输出阻抗差异带来的影响;然后,利用环流观测器估计环流大小,并通过前馈补偿的方式消除环流,从而实现精确的功率分配和系统稳定运行。

3.1 虚拟阻抗的引入

虚拟阻抗是一种通过软件算法实现的阻抗,可以有效地改善逆变器的输出特性,降低输出阻抗差异带来的影响。通过在逆变器的电压控制回路中引入虚拟阻抗,可以使得逆变器的输出阻抗表现出期望的特性,从而减小并联逆变器之间的阻抗差异,降低环流。虚拟阻抗可以通过以下公式实现:

 

vbnet

V_ref' = V_ref - Z_v * I_o  

其中,V_ref'是加入虚拟阻抗后的电压参考值,V_ref是原始的电压参考值,Z_v是虚拟阻抗,I_o是逆变器的输出电流。通过合理地选择虚拟阻抗的大小和类型,可以有效地改善逆变器的输出特性,降低输出阻抗差异带来的影响,从而降低环流。

3.2 环流观测器的设计

为了实现环流的精确补偿,需要对环流的大小进行准确的估计。本文采用一种基于状态观测器的环流观测器,该观测器能够根据逆变器的输出电压和电流,实时地估计环流的大小。环流观测器的状态方程可以表示为:

 

ini

x_dot = A * x + B * u  
y = C * x  

其中,x是状态变量,包括环流的大小和相位;u是输入变量,包括逆变器的输出电压和电流;y是输出变量,即逆变器的输出电流;ABC是系统矩阵,可以根据逆变器的参数和控制策略进行设计。通过设计合适的观测器增益,可以使得观测器能够快速准确地估计环流的大小。

3.3 环流补偿策略

在获得环流的估计值后,可以通过前馈补偿的方式消除环流。具体的补偿策略是将环流的估计值乘以一个比例系数,然后将其加到逆变器的电压参考值上,从而抵消环流的影响。环流补偿公式可以表示为:

 

bash

V_ref'' = V_ref' - K * I_circulation  

其中,V_ref''是经过环流补偿后的电压参考值,V_ref'是经过虚拟阻抗补偿后的电压参考值,K是环流补偿系数,I_circulation是环流的估计值。通过合理地选择环流补偿系数,可以有效地消除环流,实现精确的功率分配。

4. 仿真验证

为了验证本文提出的环流抑制模型的有效性,采用MATLAB/Simulink平台搭建了一个基于下垂控制的孤岛双机并联逆变器系统。仿真参数如下:逆变器额定功率为5kW,额定电压为220V,额定频率为50Hz,下垂系数分别为m1 = 0.002m2 = 0.0025,线路阻抗分别为Z1 = 0.1 + j0.3 Ohm和Z2 = 0.15 + j0.35 Ohm。

仿真结果表明:

  • 环流抑制效果显著:

     在未采用环流抑制模型时,并联逆变器之间存在明显的环流,环流幅值较大,导致逆变器的损耗增加,功率分配不均。采用本文提出的环流抑制模型后,环流幅值显著降低,几乎可以忽略不计,有效地改善了并联逆变器的运行状态。

  • 功率分配精度提高:

     在未采用环流抑制模型时,由于环流的存在,各逆变器输出的有功和无功功率分配不均匀,导致系统运行效率降低。采用本文提出的环流抑制模型后,各逆变器输出的有功和无功功率分配更加均匀,有效地提高了系统的运行效率。

  • 系统稳定性增强:

     在未采用环流抑制模型时,由于环流的存在,系统容易出现谐振,影响系统的稳定性。采用本文提出的环流抑制模型后,环流幅值显著降低,抑制了系统的谐振,提高了系统的稳定性。

5. 结论

本文针对基于下垂控制的孤岛双机并联逆变器系统,深入分析了环流产生的原因,并提出了一种基于虚拟阻抗和环流补偿相结合的环流抑制模型。该模型通过在控制回路中引入虚拟阻抗,有效降低了输出阻抗差异带来的影响;同时,利用环流观测器估计环流大小,并通过前馈补偿的方式消除环流,从而实现精确的功率分配和系统稳定运行。仿真结果验证了本文提出的环流抑制模型能够显著降低孤岛双机并联逆变器的环流,提高系统运行效率,并保证良好的功率分配特性。

6. 未来展望

未来研究可以进一步拓展以下几个方面:

  • 多机并联系统的环流抑制:

     本文主要针对双机并联系统,未来可以研究多机并联系统的环流抑制策略,例如基于分布式控制的环流抑制方法。

  • 自适应虚拟阻抗控制:

     虚拟阻抗的参数选择对环流抑制效果有较大影响,未来可以研究自适应虚拟阻抗控制策略,根据系统运行状态自动调整虚拟阻抗的参数,以获得更好的环流抑制效果。

  • 考虑通信延迟的环流抑制:

     在一些分布式并联控制系统中,需要通过通信网络进行信息交互,通信延迟可能会影响环流抑制的效果,未来可以研究考虑通信延迟的环流抑制策略。

  • 硬件在环仿真验证:

     将本文提出的环流抑制模型应用于实际的逆变器硬件平台,进行硬件在环仿真验证,进一步验证模型的有效性和可靠性

⛳️ 运行结果

🔗 参考文献

📣 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

打赏作者

matlab科研助手

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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