System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及虚拟同步机的预测控制,尤其是一种基于无参数模型预测的虚拟同步机电流控制方法
技术介绍
1、随着以新能源为主体、源网荷储融合的新型电力系统的构建,高比例可再生能源和高比例电力电子设备(即“双高”)正成为新型电力系统发展的关键特征。在新型电力系统中占主导地位的新能源发电机组采用电力电子变流器接口并网不具备传统同步机组基于旋转动能的惯量响应特性必然导致电力系统惯量和阻尼逐渐降低,进而带来新的电力稳定性问题。为增强新能源对电网电压和频率支撑能力以及电网对新能源的接纳能力研究人员在主动支撑能力量化评估、系统需求量化评估、协同支撑控制技术等领域做了大量研究。
2、虚拟同步控制技术作为提高新能源对电网主动支撑能力的有效手段受到国内外学者的广泛关注。传统的虚拟同步控制技术采用功率-电压-电流三环控制结构。然而该系统结构复杂,动态响应有限,当系统受到扰动时,系统恢复的时间往往较长降低了系统的稳定性。模型预测控制(mpc)特别是有限集模型预测(fs-mpc),与线性控制相比,具有结构简单、固有的快速动态响应、灵活的多目标优化和约束处理能力。由于该方法避免了传统线性控制方案中的级联结构和复杂的参数整定过程且无需调制器直接操纵最优切换状态,降低了实现复杂度,产生了快速的动态响应。因此近年来,fs-mpc方案在逆变器中的应用受到了越来越多的关注。
3、传统模型预测是一种基于模型的控制方法,因此其控制性能与系统模型准确性高度度相关,当实际系统遭受外部干扰或运行工况发生改变,实际系统与预测模型之间失配时将直接影响系统的控
技术实现思路
1、本专利技术的目的是为了解决上述问题,设计了一种基于无参数模型预测的虚拟同步机电流控制方法。
2、实现上述目的本专利技术的技术方案为,一种基于无参数模型预测的虚拟同步机电流控制方法,该方法包括如下步骤:
3、步骤一,基于fs-mpc的虚拟同步机控制原理及结构推导目标函数,分析虚拟同步机参数的鲁棒性,并推导参数精确模型与参数失配模型之间电流的预测误差;
4、步骤二,基于虚拟同步机参数鲁棒性的分析并以超局部模型为基础,构建超螺旋滑模观测器,求得集总扰动观测值并确定滑模增益的取值范围;
5、步骤三,利用集总扰动观测值获得虚拟同步机的参考电流和预测电流,将参考电流和预测电流带入目标函数得到电压的最优矢量,实现对虚拟同步机电流的控制。
6、所述步骤一中目标函数的推导过程如下:
7、构建vsg的转子机械方程:
8、
9、式中,j为虚拟转动惯量,d为虚拟阻尼系数,pref、pe分别为有功功率设定值和输出有功功率,ωn为额定角频率,ω代表实际角频率。
10、根据无功-电压的调节曲线可得:
11、vref=vn+kq(qref-qe) (2)
12、式中,qref、qe分别为无功功率设定值和输出无功功率,vref和v分别表示励磁电势额定值和实际值,kq代表无功下垂系数。
13、lc滤波型并网逆变器在αβ坐标系中的数学模型可表示为:
14、
15、利用欧拉法对式(3)电感电压进行离散化,可以得到预测电流方程为:
16、
17、式中:ts为采样周期;
18、将逆变器的电压矢量代入式(4)得到目标函数g为:
19、g=[ilrefα(k+1)-iα(k+1)]2+[ilrefβ(k+1)-iβ(k+1)]2 (5)。
20、所述步骤一中推导电流的预测误差的过程如下:
21、当系统参数lf失配时式(4)可改写为:
22、
23、式中,δl是参数值与其真实值之间的误差;由式(4)和式(6)可得参数精确模型与参数失配模型之间电流的预测误差为:
24、
25、所述步骤二中构建超螺旋滑模观测器的过程如下:
26、建立一阶系统超局部模型,如式(8)所示:
27、
28、将式(8)与式(3)结合,将电感电流定义为超局部模型并得到式(9):
29、
30、其中:a为预设参数,其值为1/lf,fαβ为集总扰动,对式(9)进行变形得到式(10):
31、
32、将式(9)采用向前欧拉法进行离散化可得:
33、ilαβ(k+1)=[ts(fαβ+auαβ)]+ilαβ(k) (11)
34、构建传统stsm算法的表达式为:
35、
36、式中:w1、w2为滑模增益,x1、为状态变量与状态变量观测值,ρ为扰动量;
37、针对式(9)设计的超螺旋滑模观测器为:
38、
39、其中,为状态变量观测误差。
40、由式(9)减去式(13)得到观测误差方程为:
41、
42、当观测误差有限时间内趋近于0时,集总扰动fαβ观测值为:
43、
44、所述步骤二中求得集总扰动观测值并确定滑模增益的取值范围的过程为:
45、先将式(14)改写为状态方程的形式:
46、
47、χ=[χ1 χ2]t=[|e|1/2 sign(e) u]t
48、设计李雅普诺夫函数为:
49、v=χtpχ (17)
50、其中:
51、
52、对定义的新的状态变量χ求导得:
53、
54、其中:
55、
56、对李雅普诺夫函数求导得:
57、
58、其中:
59、
60、由于集总扰动fαβ全局有界,因此存在一常数ρ使得:
61、fαβ≤ρ|e|1/2 (23)
62、由式(21)可得:
63、
64、构造矩阵h:
65、
66、使得:
67、
68、因此:
69、
70、由李雅普诺夫稳定性定理可知为正定矩阵时超螺旋观测器能够在有限时间内达到稳定,此时滑模增益w1、w2的取值范围为:
71、
72、所述步骤三中求导电压的最优矢量的过程如下:
73、定义逆变器开关状态sx(x=a,b,c)如式(29)所示:
74、
75、则逆变器输出电压可以表示为:
76、uxn=sxudc (30)
77、从而可以定义逆变器输出电压为:
本文档来自技高网...【技术保护点】
1.一种基于无参数模型预测的虚拟同步机电流控制方法,其特征在于,该方法包括如下步骤:
2.根据权利要求1所述的一种基于无参数模型预测的虚拟同步机电流控制方法,其特征在于,所述步骤一中目标函数的推导过程为:
3.根据权利要求1所述的一种基于无参数模型预测的虚拟同步机电流控制方法,其特征在于,所述步骤一中推导电流的预测误差的过程为:
4.根据权利要求1所述的一种基于无参数模型预测的虚拟同步机电流控制方法,其特征在于,所述步骤二中构建超螺旋滑模观测器的过程为:
5.根据权利要求1所述的一种基于无参数模型预测的虚拟同步机电流控制方法,其特征在于,所述步骤二中求得集总扰动观测值并确定滑模增益的取值范围的过程为:
6.根据权利要求1所述的一种基于无参数模型预测的虚拟同步机电流控制方法,其特征在于,所述步骤三中求导电压的最优矢量的过程为:
【技术特征摘要】
1.一种基于无参数模型预测的虚拟同步机电流控制方法,其特征在于,该方法包括如下步骤:
2.根据权利要求1所述的一种基于无参数模型预测的虚拟同步机电流控制方法,其特征在于,所述步骤一中目标函数的推导过程为:
3.根据权利要求1所述的一种基于无参数模型预测的虚拟同步机电流控制方法,其特征在于,所述步骤一中推导电流的预测误差的过程为:
4.根据权利要求1所述的一种基...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。