52、光伏 - 风电混合系统中基于遗传模糊逻辑控制器的分布式潮流控制器性能分析

光伏 - 风电混合系统中基于遗传模糊逻辑控制器的分布式潮流控制器性能分析

在当今能源领域，随着自然资源的减少、全球变暖问题的加剧、能源成本的不断攀升以及电力消耗的持续增长，部署混合非传统能源已成为必然趋势。太阳能和风能由于其免费且环保的特性，被视为偏远地区或农村供电的最佳选择。然而，光伏 - 风电混合系统虽然能避免能量波动，提供稳定的能源流，但也给电力系统的稳定性带来了挑战。工业负载大多由对电力系统干扰敏感的电力电子转换器控制，因此，改善电力质量成为电力供应行业的关键任务。

1. 引言

可再生能源电力系统正逐渐取代传统能源电力系统，其优势在于环保且发电过程中不产生温室气体。太阳能和风能是全球发展迅速的能源，但由于其间歇性，会导致电力系统出现频率和电压振荡，向电网注入波动的电力。

电力质量是微电网系统面临的主要问题，其问题类型包括电压、频率、中断、电压变化、闪烁、谐波和瞬变等。电压不平衡是导致电力质量不佳的主要原因。灵活交流输电系统（FACTS）控制器被认为是解决电力系统稳定性问题的有效方案，特别是在稳态控制方面。本文提出的分布式潮流控制器（DPFC）是统一潮流控制器（UPFC）的改进版本，其与 UPFC 的主要区别在于 DPFC 中转换器之间没有直流链路，而是通过三次谐波分量实现动态功率交换。

2. 提出的动态系统

当公共连接点（PCC）出现问题时，会影响输出和电网功率。因此，引入 DPFC 来改善负载下的电力质量问题，并采用 DPFC 和基于遗传的模糊逻辑控制器来调节转换器。

2.1 风能转换系统的概念

风能转换系统的主要组件包括风力涡轮机、永磁同步发电机和电力电子转换器。
- 风力涡轮机的数学设计 ：风力涡轮机将风能转化为机械能，其功率公式为：
[P_m = \frac{1}{2}\rho C_p A_r V_w^3]
其中，(C_p(\lambda, \beta) = 0.73\left(\frac{151}{\lambda_i}-0.58\beta - 0.002\beta^{2.14} - 13.2\right)e^{\frac{18.4}{\lambda_i}})，(\lambda_i = \frac{1}{ \frac{1}{\lambda - 0.02\beta} - \frac{0.003}{\beta^3 + 1}})，(TSR(\lambda) = \frac{\omega_r R_r}{V_w})。根据贝茨定律，(C_p)假设为 0.59，实际中性能系数 (C_p) 在 0.2 到 0.4 之间变化。
- 永磁同步发电机建模 ：为计算永磁同步发电机（PMSG）的动态模型，采用两相同步参考框架。其动态方程如下：
[V_{gd} = R_{sg}i_{gd} + L_{sg}\frac{di_{gd}}{dt} - \omega_e L_{sg}i_{gq}]
[V_{gq} = R_{sq}i_{gq} + L_{sg}\frac{di_{gq}}{dt} + \omega_e (L_{sg}i_{gd} + \lambda_m)]
电磁转矩为：
[T_e = \frac{3}{2}\frac{p}{2}\lambda_m i_{gq}]

2.2 太阳能光伏系统的概念

太阳能光伏模块通过电流源与二极管并联的等效电路将太阳能转化为电能。根据基尔霍夫电流定律：
[I_{ph} = I_d + I_{RP} + I]
[I = I_{ph} - (I_{RP} + I_d)]

2.3 分布式潮流控制器

DPFC 由并联和分布式静态串联补偿器组成，可补偿有功和无功功率，以及负序和零序电流分量。与 UPFC 相比，DPFC 中转换器可独立放置，使用多个单相转换器降低了组件额定值，并提供了更高的可靠性。DPFC 的控制方案包括中央、串联和并联控制器，中央控制器负责向其他控制器发送信号，串联和并联控制器用于补偿电流和电压谐波，同时还能检测和调查系统故障，提供逆变器门脉冲并吸收负谐波电流。

3. DPFC 的控制策略

为减少谐波、电压骤降和骤升等问题，本文采用了基于模糊逻辑和基于遗传的模糊逻辑控制器的 DPFC，并使用 MATLAB/Simulink 软件观察系统性能。

3.1 基于模糊逻辑控制器的 DPFC

模糊逻辑控制器（FLC）基于模糊集理论和人类认知处理。其结构包括模糊化、规则库接口和去模糊化三个核心模块。本文研究了七个模糊集：NGL、NGM、NGS、ZER、PSS、PSM 和 PLG，并使用三角形隶属函数进行简化。去模糊化采用质心方法，使用 Mamdani 模糊接口使系统输出达到期望值。在 DPFC 中，将电压评估为固定值，差值输入 FLC 调节并联控制器，通过比较参考值和滤波电流生成逆变器脉冲。FLC 的规则表如下：
| e (\Delta e) | NGL | NGM | NGS | ZER | PSS | PSM | PSL |
| — | — | — | — | — | — | — | — |
| NGL | NGL | NGL | NGL | NGL | NGM | NGM | ZER |
| NGM | NGL | NGL | NGL | NGM | NGM | ZER | PSS |
| NGS | NGL | NGL | NGM | NGS | ZER | PSS | PSM |
| ZER | NGL | NGM | NGS | ZER | PSS | PSM | PSL |
| PSS | NGM | NGS | ZER | PSS | PSM | PLG | PLG |
| PSM | NGS | ZER | PSS | PSM | PLG | PLG | PLG |
| PSL | ZER | PSS | PSM | PLG | PLG | PLG | PLG |

3.2 基于遗传的模糊逻辑控制器的 DPFC

遗传算法（GA）可用于优化 FLC 的规则库（RB）和数据库（DB）。FLC 可以手动或自动设计，手动设计时，GA 通过一组训练场景调整知识库（KB）。优化过程基于自然选择，通过不断生成和选择个体解决方案来实现。本文中，随机创建二进制编码 GA 的初始种群，使用线性映射规则获取输入和输出变量的实值，计算所有训练场景的预测偏差绝对值和每个字符串的适应度，然后通过繁殖、交叉和变异等操作修改种群。基于遗传的模糊逻辑控制器（GA - FLC）的流程图如下：

graph LR
    classDef startend fill:#F5EBFF,stroke:#BE8FED,stroke-width:2px;
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    classDef decision fill:#FFF6CC,stroke:#FFBC52,stroke-width:2px;

    A([开始]):::startend --> B(确定初始种群):::process
    B --> C(Gen = 0):::process
    C --> D(解码输入和输出变量):::process
    D --> E(随机选择):::process
    E --> F(解释每个字符串的适应度值):::process
    F --> G(交叉):::process
    G --> H(变异):::process
    H --> I(打开并运行模拟):::process
    I --> J(确定适应度函数):::process
    J --> K{是否达到最大迭代次数?}:::decision
    K -->|是| L([优化结果]):::startend
    K -->|否| E
    L --> M([停止]):::startend

三角形隶属函数公式为：
[\mu(x) = \max\left(\min\left(\frac{x - x_1}{x_2 - x_1}, \frac{x_3 - x}{x_3 - x_2}\right), 0\right)]

通过以上内容，我们对光伏 - 风电混合系统中 DPFC 的原理、控制策略有了初步了解。在下半部分，我们将详细介绍不同控制器下 DPFC 的仿真结果和比较分析。

光伏 - 风电混合系统中基于遗传模糊逻辑控制器的分布式潮流控制器性能分析

4. 仿真结果与讨论

本部分将呈现采用模糊逻辑控制器（FLC）和基于遗传算法的模糊逻辑控制器（GA - FLC）的分布式潮流控制器（DPFC）的性能。使用 MATLAB/Simulink 软件构建模型，先搭建无 DPFC 装置的光伏 - 风电混合系统并连接到电网，再将配备 FLC 和 GA - FLC 的 DPFC 装置应用于混合系统。在系统负载点的不同时刻引入各种电能质量问题，观察不同控制器下 DPFC 装置的仿真结果。

4.1 无 DPFC 装置的光伏/风电混合系统仿真结果

无 DPFC 时，光伏/风电混合系统的电流和电压波形如图 10 和图 11 所示，负载点的发电功率如图 12 所示。在 0.2 - 0.4 秒和 0.6 - 0.8 秒分别出现电压骤降和骤升，负载电压谐波频谱如图 13 所示。在 t = 0.2 秒（电压骤降谐波）和 t = 0.6 秒（电压骤升谐波）时，总谐波失真（THD）百分比分别为 6.26 和 4.17。
|时间（s）|电压情况|THD 百分比|
| — | — | — |
|0.2|电压骤降|6.26|
|0.6|电压骤升|4.17|

4.2 配备模糊逻辑控制器的 DPFC 装置仿真结果

配备 FLC 的 DPFC 装置有效补偿了系统干扰引起的电压骤降和骤升，如图 14 和图 15 所示。负载所需的有功功率如图 16 所示，在 t = 0.5 秒之前为 150 KW，之后为 200 KW。负载电压谐波频谱如图 17 所示，在 t = 0.2 秒和 t = 0.6 秒时，THD 百分比分别为 0.31 和 0.30。
|时间（s）|电压情况|THD 百分比|
| — | — | — |
|0.2|电压骤降|0.31|
|0.6|电压骤升|0.30|

4.3 配备基于遗传的模糊逻辑控制器的 DPFC 装置仿真结果

负载区域的电流和电压如图 18 和图 19 所示。负载在时间零之前需要 150 KW 的有功功率，之后需要 200 KW，如图 20 所示。负载电压在不同时间点的谐波频谱如图 21 所示，在 t = 0.2 秒（电压骤降谐波）和 t = 0.6 秒（电压骤升谐波）时，THD 百分比均为 0.03。
|时间（s）|电压情况|THD 百分比|
| — | — | — |
|0.2|电压骤降|0.03|
|0.6|电压骤升|0.03|

4.4 比较分析

通过对上述三种情况的仿真结果进行比较，可得到以下表格：
|系统情况|t = 0.2s THD 百分比|t = 0.6s THD 百分比|
| — | — | — |
|无 DPFC 装置|6.26|4.17|
|DPFC 装置 + FLC|0.31|0.30|
|DPFC 装置 + GA - FLC|0.03|0.03|

从表格数据可以清晰看出，在不同控制器的作用下，DPFC 装置对电能质量的改善效果有显著差异。无 DPFC 装置时，系统的 THD 百分比很高，存在严重的电能质量问题；配备 FLC 的 DPFC 装置能有效降低 THD 百分比，改善电能质量；而配备 GA - FLC 的 DPFC 装置效果最佳，将 THD 百分比进一步大幅降低，使系统的电能质量得到极大提升。

以下是三种系统情况的性能比较流程图：

graph LR
    classDef startend fill:#F5EBFF,stroke:#BE8FED,stroke-width:2px;
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;

    A([开始]):::startend --> B(无 DPFC 装置):::process
    A --> C(DPFC 装置 + FLC):::process
    A --> D(DPFC 装置 + GA - FLC):::process
    B --> E(高 THD 百分比):::process
    C --> F(较低 THD 百分比):::process
    D --> G(极低 THD 百分比):::process
    E --> H([结束]):::startend
    F --> H
    G --> H

综上所述，在光伏 - 风电混合系统中，DPFC 装置结合 GA - FLC 能显著改善电能质量，有效降低电压骤降和骤升时的谐波失真，为电力系统的稳定运行提供有力保障。在实际应用中，可以优先考虑采用这种组合方式来优化光伏 - 风电混合系统的性能。