多母线微电网电压不平衡分层分区优化控制

在含多母线的孤岛微电网中,不同的区域和母线对电能质量的要求各不相同.为满足各母线对电能质量多样化的需求,需对多母线孤岛微电网电压质量进行分区控制.针对此问题,在电压不平衡补偿机理分析的基础上,提出一种电压不平衡分层分区优化补偿策略.该分层分区控制结构包括三层,其中,二次控制层主要生成电压不平衡补偿参考量(UCR),作为...     

基于预测控制的冷、热、电联产型微电网能量管理

由于可再生能源出力特性和微电网运行约束等限制,如何进一步提高微电网中可再生能源消纳量已成为研究热点。本文在冷、热、电联产型微电网中引入用于提高可再生能源消纳量并承担部分热、冷负荷的电锅炉、吸收式制冷机和压缩式电制冷机装置,提出了基于预测控制的微电网能量管理方法。综合考虑网内各单元的工作特性,建立满足实际运行约束的冷、热、电联产型微电网能量管理模型。在孤网运行模式下,兼顾储能装置容量期望以及各单元运行特性,构建微电网能量管理优化目标。利用预测控制滚动优化策略以及可再生能源输出和冷、热、电负荷需求的预测结果,建立带有逻辑变量的有限时域优化问题,实现基于预测控制的微电网最优能量管理。仿真结果表明:引入电锅炉、吸收式制冷机和压缩式电制冷机装置可以达到提高微电网中可再生能源的消纳量、减少燃料消耗、降低运行成本的目的,预测控制中的滚动优化策略能够有效消除可再生能源输出的不确定性和冷、热、电负荷需求波动性带来的影响。     

含混合储能的微电网能量优化管理

为抑制微电网中新能源出力的波动并降低微电网的经济成本,通过引入混合储能设备来平抑新能源出力波动。构建了一种含混合储能的微电网能量管理模型,采用超级电容器和蓄电池组成混合储能设备,并设定风、光、混储、网、柴的依次供电顺序,采用Tent混沌映射、择优选择搜索空间和捕食位置以及Lévy飞行等改进策略对秃鹰搜索算法进行改进,提高算法的收敛速度和全局搜索能力,并运用于微电网综合成本优化求解。选取某地区4种典型日进行算例分析。结果表明：所提出的微电网容量优化配置模型、混合储能设备、供能策略和改进秃鹰搜索算法(bald eagle search algorithm, BES)算法能有效增强微电网平抑新能源出力波动的能力,降低微电网经济成本,并且改进的BES算法具备较强的收敛速度和求解能力。     

分层多目标非线性预测控制

为避免加权系数方法和字典序方法各自在多目标动态优化中的缺点,提出了基于分层思想的多目标非线性预测控制器框架结构,并以改进的遗传算法实现了该控制器。为降低在线非线性多目标优化的计算量,控制器采用了阶梯式控制策略。以双容水箱为对象的仿真控制实验,结果验证了该控制器在多目标非线性控制中的性能。     

非线性系统的分层优化预测控制

提出了一种基于分层优化策略和动态最优控制解法的非线性系统预测控制算法,该方法大大减小了在线计算量,使实时控制成为可能.给出了详尽的理论推导,以一个仿真算例证明了算法的正确、可行与有效性.     

非线性系统的分层优化预测控制

提出了一种基于分层优化策略和动态最优控制解法的非线性系统预测控制算法，该方法大大减小了在线计算最，使实时控制成为可能，给出了详尽的理论推导，以一个仿真例证明了算法的正确，可行与有效性。     

含多微网系统的主动配电网分层能量优化管理

为实现含多微网系统的主动配电网的经济效益最优,通过引入自适应权重系数来进行动态优化.构建一种主动配电网层以发电机组运行成本最低,多微网系统层以经济成本和环境成本最低的分层能量优化管理模型.采用变异、杂交和竞争策略以及Lévy飞行策略改善麻雀搜索算法,提高算法的种群多样性和收敛精度.基于所设计的多微网系统混合配置运行策略...     

基于MD3QN算法的微电网能量协调优化

可再生能源出力的波动性、间歇性、用户电力负荷的随机不确定性,使微电网的能量调度极具挑战性.为此,该文提出激励竞争双深度Q网络(motivation dueling double deep Q-network,简称MD3QN)算法,对微电网能量进行协调优化.仿真分析结果表明：采用MD3QN算法对微电网进行能量调度,能实现削峰填谷,使微电网的经济效益最大化;相对于其他4种算法,MD3QN算法具有更高的综合性能.因此,MD3QN算法具有有效性.     

基于蓄电池SOC控制的智能微电网能量管理策略研究

设计了一款基于蓄电池SOC的智能微电网能量管理系统,应用于6kW风光储微电网系统,实现对整个微电网系统的保护、测控、模式切换、分布式电源控制、负荷控制、储能管理。通过实验验证了该能量管理策略的可行性。     

基于AEPSO优化的神经网络多步预测控制

为提高神经网络预测控制的性能,提出了基于自适应扩展粒子群优化的神经网络预测控制方案。基本PSO算法中,每个粒子的更新受粒子个体极值和局部极值的影响,为了提高其全局收敛性,采用多粒子策略,使每个粒子的更新受更多其他粒子的影响;为提高收敛速度,采用自适应策略,对参数c0进行自适应调整,使c0随着迭代次数的增加而逐渐减小,这样,在PSO算法的搜索过程中,随着迭代次数的增加,搜索区域会越来越小,从而加快PSO算法收敛速度。运用该算法实现神经网络预测控制中的滚动优化,在有限时域内对控制序列进行寻列,给出基于粒子群优化的神经网络预测控制系统的稳定性证明。仿真结果表明,基于粒子群优化的神经网络预测控制系统具有良好的跟踪性能。     

微电网中分布式电源的能量管理

提出了微网中分布式电源在不同情况下的工作模式。采用风能、太阳能等可再生能源发电的分布式电源的发电能力受环境状况的影响很大,因而其发电能力不是恒定不变的,这一点与传统发电机有很大不同。另外处于微网中的分布式电源又要满足微网在并网和孤岛运行模式下工作的要求,因而微网中分布式电源要能够适应这些变化,保持正常工作。基于改进的下垂控制模式和分布式电源的功率输出情况,分别介绍了微网中电源在并网及孤岛运行期间的工作模式,并通过PSCAD仿真验证了所提出方法的有效性。     

直流微电网能量管理控制系统的研究

以光伏发电、储能装置、网侧变换器、直流负荷构成的小型直流微电网为研究对象,考虑孤岛和并网运行,设计系统4种工作模式,研究该小型微电网的能量管理控制系统.提出分层的控制策略,上层控制和下层控制,上层控制主要完成4种工作模式之间的切换,下层控制为各部分具体的控制策略,其包括了DC-AC整流/逆变控制算法、光伏MPPT升压DC-DC控制算法、蓄电池充放电控制算法.系统以STM32+FPGA控制板作为控制核心,实现了单位功率因数PWM整流、并网逆变发电、输入侧的MPPT最大功率跟踪、离网运行模式下的母线稳压功能以及系统数据在显示终端上的处理和实时刷新显示等功能.通过PSIM仿真和实验验证了上述控制策略的正确性.     

基于混沌粒子群优化的微电网短期负荷预测

针对粒子群算法(Particle Swarm Optimization,PSO)优化最小二乘支持向量机(Least Square Support Vector Machine,LSSVM)时存在非最优解问题,提出了一种基于混沌理论(Chaos theory)的粒子群优化LSSVM参数的短期负荷预测的方法.该预测模型首先引入混沌理论,对粒子群算法加以改进;然后让结合混沌理论的PSO对LSSVM回归估计进行参数优化,得到CPSO-LSSVM;最后将该方法应用于短期负荷预测,通过Matlab仿真训练得到预测结果.仿真实验结果表明该方法不仅可以降低算法陷入局部极值的可能性,还提高了学习能力,从而提高了预测的精准度.     

基于MLD的微电网多逆变器并联组态的建模及优化控制

针对现有微网逆变器并联系统建模精度不高、控制方案复杂、控制效果不理想等问题,文中提出了一种基于混合逻辑动态(MLD)的光伏微网多并联逆变器的建模和优化控制方法。该方法将每个开关周期分为多个子周期,同时引入逻辑变量来判断系统运行的动态模式;然后用HYSDEL工具编程得到MLD模型;最后根据系统的自然约束及系统控制目标设计预测控制器,并通过求解相应的整数线性规划问题达到减少输出电压跟踪误差及各逆变器之间的环流的目标。相较传统的建模与控制方法,该方法具有模型精度高、控制方案简便、控制效果好的特点。仿真结果验证了模型的正确性和控制器性能的优越性。     

基于NLJ优化算法的多变量预测函数控制

基于差分方程模型推导了多变量预测函数控制算法,使其具有更加广泛的适用性.利用NLJ算法处理预测函数控制中的约束问题,简单明了,没有繁琐的数学公式推导,仿真结果证明了该算法的有效性,为预测控制约束问题的处理提供了一种新的途径.     

基于多目标遗传算法的混合动力汽车能量管理优化

混合动力技术是实现汽车节能减排的有效途径。以P2混合动力汽车为研究对象,考虑电池荷电状态(state of charge, SOC)分别为高、中、低3种不同的电量模式时,设计不同的能量管理策略,以实现混合动力汽车节能减排的同时维持SOC的平衡的目的。该策略在基于规则的基础上采用Isight软件中的多目标遗传算法对门限值进行优化,以提高能量管理策略中门限值的可靠性和有效性。仿真结果表明,该能量管理策略对降低车辆油耗的效果显著,并且能很好地维持电池SOC的平衡。     

并网模式下基于多代理技术的微电网多目标优化

微电网的经济运行是一个多目标、多约束问题。传统方法将多目标转化为单目标的求解策略往往难以迅速收敛,且在权重的选取上具有很强的主观性。本文提出了一种基于多代理技术的多目标求解策略,考虑微网的整体经济性问题,分别建立发电侧目标代理(PowerAgent)以及需求侧目标代理(LoadAgent),从而避免了权重的选择。虚拟电价信息作为发电侧代理的协商参数,负荷调度信息作为需求侧代理的协商参数。利用JADE平台提供的Agent通信功能,目标代理之间传递协商参数,优化自身子目标问题,迭代协商,最终达到目标均衡。协商过程保证了微网的整体经济性要求,且两个子目标通过目标代理分布式求解,能够快速收敛。最后通过算例讨论了各代理的行为特征,验证了本文方法的可行性。     

基于生物地理学算法的微电网多目标优化调度

针对含风力发电机、光伏电池、微型燃气轮机、柴油发电机、蓄电池组成的微电网系统优化调度问题,设置系统相关约束条件,建立以运行成本最小、用户停电损失费用最小及环保成本最低的微电网多目标优化调度模型,采用生物地理学算法对模型进行求解;对某独立型微电网算例的单目标优化调度与多目标优化调度的仿真结果进行对比。结果表明:单目标下的微电网优化调度,虽然可以在单一方面达到最优,但是以其他目标的增加为代价;多目标优化调度综合考虑了微电网的经济性、节能型、可靠性之间关系,实现了运行成本、用户停电损失费用、环保成本下的全局最优,可根据用户的实际需求提供一种更合理的微电网优化调度方案。     

酸性废水pH值的分层优化非线性预测控制

钢铁厂废酸处理中pH中和反应是一个具有滞后和严重非线性的过程,一般的线性控制器无法对它进行控制.该文采用分层优化的非线性系统预测控制算法来解决这一难题,对系统硬件配置和参数做出了具体说明,并给出了仿真结果.