基于LADRC自抗扰控制的VSG三相逆变器预同步并网控制策略附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: 虚拟同步发电机(VSG)作为一种模拟传统同步发电机运行特性的逆变器控制策略,在分布式电源并网领域展现出巨大的潜力。然而,VSG在并网过程中,尤其是在弱电网环境下,容易受到电网电压波动、频率变化以及谐波干扰等因素的影响,导致并网冲击和并网失败。本文提出一种基于线性自抗扰控制(LADRC)的VSG三相逆变器预同步并网控制策略,该策略利用LADRC强大的扰动抑制能力和快速跟踪能力,有效提高VSG的同步性能,降低并网冲击,确保逆变器的安全稳定并网。

关键词: 虚拟同步发电机;线性自抗扰控制;预同步;三相逆变器;并网控制

1. 引言

随着能源结构的转型,分布式电源(DG)如光伏、风电等在电力系统中的比例日益提高。然而,DG的间歇性和波动性给电网的稳定运行带来挑战。为了模拟传统同步发电机的惯性响应和阻尼特性,虚拟同步发电机(VSG)技术应运而生。VSG通过模拟同步发电机的数学模型,赋予逆变器类似同步发电机的运行特性,从而提高DG并网后的电网稳定性和可靠性。

然而,VSG在并网过程中面临着严峻的挑战。传统的VSG并网控制方法,如基于锁相环(PLL)的同步控制,在弱电网或存在谐波干扰的情况下,容易出现锁相失败或同步速度慢的问题,导致较大的电压和电流冲击,甚至造成并网失败。因此,如何提高VSG的同步精度和速度,降低并网冲击,成为当前VSG技术研究的关键问题之一。

自抗扰控制(ADRC)作为一种无需精确模型信息的控制策略,以其强大的扰动抑制能力和良好的鲁棒性而备受关注。线性自抗扰控制(LADRC)作为ADRC的一种简化形式,不仅保留了ADRC的核心思想,而且具有参数整定简单、易于工程实现的优点。

本文针对VSG并网过程中存在的同步困难和并网冲击问题,提出一种基于LADRC的VSG三相逆变器预同步并网控制策略。该策略利用LADRC对电网电压的实时跟踪能力和扰动补偿能力,实现VSG电压与电网电压的精确同步,从而降低并网冲击,提高并网成功率,确保逆变器的安全稳定运行。

2. VSG基本原理与数学模型

VSG的核心思想是模拟传统同步发电机的电气和机械特性。一个典型的VSG模型包括有功功率环、无功功率环、电压环和电流环。

2.1 有功功率环

有功功率环主要模拟同步发电机的功频特性,其表达式为:

 

scss

Jω̇ = P_ref - P_e - D(ω - ω_grid)  

其中:

  • J:虚拟转动惯量;

  • ω:VSG输出电压的角频率;

  • P_ref:有功功率参考值;

  • P_e:VSG输出的有功功率;

  • D:阻尼系数;

  • ω_grid:电网电压的角频率。

该环节通过调节VSG的输出频率来响应有功功率的变化,模拟同步发电机的功频特性。

2.2 无功功率环

无功功率环主要模拟同步发电机的压频特性,其表达式为:

 

perl

E = V_ref + K_q(Q_ref - Q_e)  

其中:

  • E:VSG内部电势幅值;

  • V_ref:电压参考值;

  • K_q:无功功率调节系数;

  • Q_ref:无功功率参考值;

  • Q_e:VSG输出的无功功率。

该环节通过调节VSG的内部电势幅值来响应无功功率的变化,模拟同步发电机的压频特性。

2.3 电压环和电流环

电压环和电流环主要负责控制VSG的输出电压和电流,通常采用传统的PI控制器或更高级的控制算法。电压环的输出作为电流环的参考值,电流环直接控制逆变器的开关状态,从而实现VSG的电压和电流控制。

3. LADRC控制器的设计

LADRC的核心思想是将系统总扰动估计出来并进行补偿,从而将复杂的非线性系统转化为线性系统,进而采用简单的线性控制策略进行控制。LADRC主要包括跟踪微分器(TD)、扩张状态观测器(ESO)和线性状态反馈控制率(LSEF)三个部分。

3.1 跟踪微分器 (TD)

跟踪微分器的作用是安排过渡过程,提取信号的微分信号。本文采用二阶线性TD:

 

scss

{  
x_1(k+1) = x_1(k) + h*x_2(k)  
x_2(k+1) = x_2(k) + h*fhan(x_1(k) - v(k), x_2(k), r, h_0)  
}  

其中:

  • x_1:跟踪信号;

  • x_2:跟踪信号的微分;

  • v:输入信号;

  • r:快速因子;

  • h:采样周期;

  • h_0:滤波因子;

  • fhan:最速控制综合函数。

TD能够快速跟踪输入信号,并提供输入信号的微分信息,为后续ESO的设计提供依据。

3.2 扩张状态观测器 (ESO)

ESO是LADRC的核心组成部分,其作用是估计系统的状态变量和总扰动。本文采用二阶线性ESO:

 

ini

{  
e = z_1 - y  
z_1̇ = z_2 - β_1 * e  
z_2̇ = -β_2 * e + b*u  
z_3̇ = -β_3 * e  
}  

其中:

  • y:系统输出;

  • z_1:状态变量估计值;

  • z_2:状态变量微分估计值;

  • z_3:总扰动估计值;

  • β_1, β_2, β_3:观测器增益;

  • b:补偿因子;

  • u:控制输入。

ESO能够实时估计系统的状态变量和总扰动,并将其用于控制器的设计中。

3.3 线性状态反馈控制率 (LSEF)

LSEF的作用是利用ESO估计的状态变量和总扰动,设计线性状态反馈控制器,实现对系统的精确控制。本文采用二阶线性状态反馈控制器:

 

ini

u_0 = k_1 * (r - z_1) - k_2 * z_2  
u = u_0 - z_3 / b  

其中:

  • r:参考输入;

  • k_1, k_2:控制器增益;

  • u_0:线性控制输出;

  • u:最终控制输出。

LSEF通过对状态变量进行线性反馈,并对总扰动进行补偿,实现对系统的精确控制。

4. 基于LADRC的VSG预同步并网控制策略

本文提出的基于LADRC的VSG预同步并网控制策略主要包括三个步骤:电网电压跟踪、VSG电压同步和并网投切。

4.1 电网电压跟踪

在并网之前,首先需要对电网电压进行精确跟踪。本文利用LADRC对电网电压的幅值、频率和相位进行实时估计,作为后续VSG电压同步的参考。具体实现方式是,将电网电压的dq坐标系下的分量作为LADRC的输入信号,利用ESO估计电网电压的幅值和频率,利用TD提取电网电压的相位信息。

4.2 VSG电压同步

在获得电网电压的幅值、频率和相位信息后,需要将VSG的输出电压同步到电网电压。本文采用基于LADRC的电压跟踪控制策略,使VSG的输出电压幅值、频率和相位与电网电压保持一致。具体实现方式是,将LADRC应用于VSG的电压环控制,利用LADRC对VSG的输出电压进行精确控制,使其跟踪电网电压的参考值。

4.3 并网投切

当VSG的输出电压与电网电压达到同步要求后,即可进行并网投切操作。为了降低并网冲击,本文采用软启动并网策略。具体实现方式是,在并网投切瞬间,缓慢增加VSG的输出功率,直至达到额定功率。

5. 仿真结果与分析

为了验证本文所提出的控制策略的有效性,利用MATLAB/Simulink搭建了VSG三相逆变器并网仿真模型。仿真结果表明,基于LADRC的VSG预同步并网控制策略能够有效地降低并网冲击,提高并网成功率,确保逆变器的安全稳定运行。

5.1 并网冲击分析

仿真结果显示,采用本文提出的控制策略,在并网瞬间,电压和电流冲击明显降低。相较于传统的基于PLL的同步控制策略,本文提出的控制策略能够更快地实现电压同步,从而减少并网冲击,提高并网的可靠性。

5.2 抗扰动性能分析

仿真结果还表明,在电网电压存在谐波干扰或电压波动的情况下,本文提出的控制策略依然能够保持良好的同步性能。这是因为LADRC具有强大的扰动抑制能力,能够有效地补偿电网电压的扰动,从而保证VSG的输出电压与电网电压保持同步。

6. 结论

本文提出一种基于LADRC的VSG三相逆变器预同步并网控制策略,该策略利用LADRC对电网电压的实时跟踪能力和扰动补偿能力,实现VSG电压与电网电压的精确同步,从而降低并网冲击,提高并网成功率,确保逆变器的安全稳定运行。仿真结果表明,本文提出的控制策略具有良好的同步性能和抗扰动性能,能够有效地提高VSG在弱电网环境下的并网可靠性。

7. 未来研究方向

未来的研究方向可以包括:

  • 优化LADRC的参数整定方法:

     研究更加有效的LADRC参数整定方法,提高LADRC的控制性能。

  • 考虑电网阻抗的影响:

     在控制策略设计中,考虑电网阻抗的影响,进一步提高VSG的并网稳定性。

  • 与其他控制策略相结合:

     将LADRC与其他先进的控制策略相结合,例如模型预测控制(MPC),进一步提高VSG的控制性能。

  • 在实际系统中进行验证:

     将本文提出的控制策略应用于实际的VSG并网系统中,进行验证和改进。

⛳️ 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