摘 ?要:由于儲(chǔ)能虛擬同步發(fā)電機(jī)電力具有不規(guī)則性和非線性,對(duì)其功率協(xié)調(diào)控制具有一定難度。為此提出基于模糊PID的儲(chǔ)能虛擬同步發(fā)電機(jī)功率協(xié)調(diào)控制。利用人工智能神經(jīng)網(wǎng)絡(luò)模型對(duì)發(fā)電機(jī)運(yùn)行數(shù)據(jù)進(jìn)行計(jì)算學(xué)習(xí),判斷儲(chǔ)能虛擬同步發(fā)電機(jī)荷電狀態(tài)。利用模糊PID控制器向儲(chǔ)能虛擬同步發(fā)電機(jī)發(fā)送控制指令,調(diào)整儲(chǔ)能虛擬同步發(fā)電機(jī)荷電狀態(tài),使其功率始終處于穩(wěn)定狀態(tài)。經(jīng)實(shí)驗(yàn)證明,應(yīng)用此設(shè)計(jì)方法后功率波動(dòng)系數(shù)遠(yuǎn)小于傳統(tǒng)方法,具有一定的推廣意義。
關(guān)鍵詞:模糊PID;儲(chǔ)能虛擬同步發(fā)電機(jī);功率協(xié)調(diào)控制
中圖分類號(hào):TM614 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):2096-4706(2021)06-0051-03
Coordination Control of Power of Energy Storage Virtual Synchronous Generator Based on Fuzzy PID
WU Yuexiang
(Gansu Province Special Equipment Inspection and Testing Institute,Lanzhou ?730050,China)
Abstract:Due to the irregularity and nonlinearity of the electric power of energy storage virtual synchronous generator,it is difficult to coordination control its power. Therefore,a coordination control of power of energy storage virtual synchronous generator based on fuzzy PID is proposed. The artificial intelligence neural network model is used to calculate and learn the operation data of the generator,and judge the state of charge of the energy storage virtual synchronous generator. The fuzzy PID controller is used to send control commands to the energy storage virtual synchronous generator to adjust the state of charge of the energy storage virtual synchronous generator,so that its power is always in a stable state. The experimental results show that the power fluctuation coefficient after using this design method is far less than that of the traditional method,which has a certain popularization significance.
Keywords:fuzzy PID;energy storage virtual synchronous generator;coordination control of power
0 ?引 ?言
電能是人類生產(chǎn)、生活以及發(fā)展的重要因素,是生產(chǎn)活動(dòng)開展的主要?jiǎng)恿碓?。隨著社會(huì)的進(jìn)步和發(fā)展,對(duì)電能的需求逐漸增加,相關(guān)學(xué)者也在該方面開展了大量的研究,比如分布式能源儲(chǔ)存、能源控制以及能源開發(fā)等,并且在該方面取得了一定的研發(fā)成果。儲(chǔ)能虛擬同步發(fā)電就是當(dāng)前電力領(lǐng)域比較先進(jìn)的儲(chǔ)能技術(shù),由于其具有可持續(xù)性、清潔化等優(yōu)點(diǎn),已經(jīng)被廣泛應(yīng)用到電力領(lǐng)域中[1]。雖然在一定程度上改善了電力系統(tǒng)的存儲(chǔ)性能,但儲(chǔ)能虛擬同步發(fā)電機(jī)在運(yùn)行過程中會(huì)出現(xiàn)功率波動(dòng)異常。在接入電網(wǎng)時(shí)會(huì)因儲(chǔ)能虛擬同步發(fā)電機(jī)功率的波動(dòng)而引起電力事故,給系統(tǒng)的正常運(yùn)行和正常供電帶來嚴(yán)重的威脅[2]。同時(shí)也會(huì)造成電力資源的浪費(fèi),因此必須采取有效的措施,對(duì)儲(chǔ)能虛擬同步發(fā)電機(jī)的功率進(jìn)行協(xié)調(diào)控制,以解決目前存在的問題。
1 ?基于模糊PID的儲(chǔ)能虛擬同步發(fā)電機(jī)功率協(xié)調(diào)控制方法
1.1 ?建立儲(chǔ)能虛擬同步發(fā)電機(jī)模型
在建立儲(chǔ)能虛擬同步發(fā)電機(jī)模型時(shí),需要考慮發(fā)電機(jī)運(yùn)行期間隨外界溫度、濕度等因素變化的內(nèi)阻,并且儲(chǔ)能虛擬同步發(fā)電機(jī)自身存儲(chǔ)的電能有限,其集成電路值也并不是一個(gè)恒定常量。綜合以上分析,此次建立的儲(chǔ)能虛擬同步發(fā)電機(jī)動(dòng)態(tài)模型如圖1所示。
如圖1所示,儲(chǔ)能虛擬同步發(fā)電機(jī)動(dòng)態(tài)模型是由電源E0、電路串聯(lián)組成的主電路和由電流I1流經(jīng)的支路組成。該模型中的電路部分表示儲(chǔ)能虛擬同步發(fā)電機(jī)內(nèi)部發(fā)生的電極反應(yīng)和熱量損耗,而電流I1流經(jīng)的支路表示儲(chǔ)能虛擬同步發(fā)電機(jī)在長(zhǎng)時(shí)間發(fā)電過程中產(chǎn)生的析氣效應(yīng)。儲(chǔ)能虛擬同步發(fā)電機(jī)的電量變化和當(dāng)前剩余電量是其非常重要的特征參數(shù),同時(shí)也是儲(chǔ)能虛擬同步發(fā)電機(jī)功率協(xié)調(diào)控制的主要依據(jù)。假設(shè)儲(chǔ)能虛擬同步發(fā)電機(jī)的電流為I,其當(dāng)前剩余電量由電流I值表征,其公式為:
(1)
公式(1)中,H表示儲(chǔ)能虛擬同步發(fā)電機(jī)當(dāng)前剩余電量;It表示當(dāng)前時(shí)刻儲(chǔ)能虛擬同步發(fā)電機(jī)的電流量;Kmax表示儲(chǔ)能虛擬同步發(fā)電機(jī)最大容量。儲(chǔ)能虛擬同步發(fā)電機(jī)模型的建立是模擬出儲(chǔ)能虛擬同步發(fā)電機(jī)動(dòng)態(tài)運(yùn)行狀態(tài),后續(xù)所有功率控制指令均在該模型上操作。
1.2 ?儲(chǔ)能虛擬同步發(fā)電機(jī)荷電狀態(tài)估計(jì)
建立完動(dòng)態(tài)模型后,為了有效控制儲(chǔ)能虛擬同步發(fā)電機(jī)功率,必須要準(zhǔn)確了解儲(chǔ)能虛擬同步發(fā)電機(jī)荷電狀態(tài),也就是對(duì)儲(chǔ)能虛擬同步發(fā)電機(jī)的實(shí)時(shí)功率進(jìn)行準(zhǔn)確計(jì)算。正常情況下發(fā)電機(jī)的功率值可以通過端電壓值和額定電壓的比值計(jì)算得到,但是儲(chǔ)能虛擬同步發(fā)電機(jī)運(yùn)行過程比較復(fù)雜,其電力特性具有明顯的不規(guī)則性和非線性。因此對(duì)其計(jì)算具有一定的難度,此次采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)通過對(duì)大量樣本數(shù)據(jù)計(jì)算獲取到儲(chǔ)能虛擬同步發(fā)電機(jī)功率值[3],從而判斷發(fā)電機(jī)荷電狀態(tài),其計(jì)算過程如下。
假設(shè)人工神經(jīng)網(wǎng)絡(luò)模型的輸入維數(shù)為4,輸出維數(shù)為2,模型的輸入矢量為儲(chǔ)能虛擬同步發(fā)電機(jī)的電流、電壓以及剩余電量,輸出層的輸出矢量設(shè)定為儲(chǔ)能虛擬同步發(fā)電機(jī)的功率值。根據(jù)上述設(shè)定確定人工智能神經(jīng)網(wǎng)絡(luò)模型隱含層節(jié)點(diǎn)神經(jīng)元數(shù)量,其計(jì)算公式如下:
K=2T+1 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(2)
公式(2)中,K為人工智能神經(jīng)網(wǎng)絡(luò)模型隱含層節(jié)點(diǎn)神經(jīng)元數(shù)量;T為人工智能神經(jīng)網(wǎng)絡(luò)模型輸入信號(hào)維數(shù)。根據(jù)公式(2),確定人工智能神經(jīng)網(wǎng)絡(luò)模型隱含層神經(jīng)元數(shù)量為9。按照上述在MATLAB工具箱中建立人工智能神經(jīng)網(wǎng)絡(luò)模型,具體構(gòu)建的軟件界面如圖2所示。
為了減少儲(chǔ)能虛擬同步發(fā)電機(jī)功率值誤差,在工具箱中選定sigmoid傳遞函數(shù),并將計(jì)算精度設(shè)定為0.000 1。
將儲(chǔ)能虛擬同步發(fā)電機(jī)運(yùn)行數(shù)據(jù)輸入到上述模型中,利用sigmoid函數(shù)對(duì)樣本數(shù)據(jù)進(jìn)行訓(xùn)練和學(xué)習(xí),其過程如圖3所示。
如圖3所示,將儲(chǔ)能虛擬同步發(fā)電機(jī)運(yùn)行數(shù)據(jù)輸入到模型中,利用模型反復(fù)學(xué)習(xí)和計(jì)算出儲(chǔ)能虛擬同步發(fā)電機(jī)下一時(shí)刻的功率值,其計(jì)算公式為:
(3)
公式(3)中,?Rt+1為儲(chǔ)能虛擬同步發(fā)電機(jī)下一時(shí)刻的功率值;μ為人工智能神經(jīng)網(wǎng)絡(luò)模型迭代時(shí)的學(xué)習(xí)率;r表示為人工智能神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)迭代時(shí)權(quán)重的修正量;b為人工智能神經(jīng)網(wǎng)絡(luò)模型輸出誤差對(duì)權(quán)值的梯度下降向量[4]。根據(jù)輸出值的大小預(yù)估儲(chǔ)能虛擬同步發(fā)電機(jī)荷電狀態(tài),如果計(jì)算得到的功率值超出正常范圍則視為儲(chǔ)能虛擬同步發(fā)電機(jī)荷電狀態(tài)異常,需要根據(jù)計(jì)算的功率值對(duì)其進(jìn)行協(xié)調(diào)控制。
1.3 ?基于模糊PID協(xié)調(diào)控制儲(chǔ)能虛擬同步發(fā)電機(jī)功率
預(yù)估完發(fā)電機(jī)荷電狀態(tài)后,利用模糊PID控制器對(duì)發(fā)電機(jī)功率進(jìn)行協(xié)調(diào)控制,將模糊PID控制器與發(fā)電機(jī)一側(cè)串聯(lián)連接,如圖4所示。
模糊PID控制器根據(jù)人工智能神經(jīng)網(wǎng)絡(luò)模型計(jì)算結(jié)果,向發(fā)電機(jī)發(fā)送控制指令,使儲(chǔ)能虛擬同步發(fā)電機(jī)功率達(dá)到協(xié)調(diào)狀態(tài),其過程如下。假設(shè)儲(chǔ)能虛擬同步發(fā)電機(jī)功率的參考方向?yàn)榘l(fā)電為正,充電為負(fù),模糊PID定義發(fā)電機(jī)的荷電狀態(tài)如下:
(4)
公式(4)中,P為模糊PID對(duì)發(fā)電機(jī)荷電狀態(tài)的定義;Ft為發(fā)電機(jī)在某一時(shí)刻的最小電壓;Qmax為發(fā)電機(jī)在某一時(shí)刻的最大電壓[5]。如果在某一時(shí)刻發(fā)電機(jī)的荷電狀態(tài)有利于發(fā)電機(jī)功率出力時(shí),由模糊PID控制器承擔(dān)響應(yīng)發(fā)電機(jī)功率波動(dòng)的任務(wù)。并且由儲(chǔ)能虛擬同步發(fā)電機(jī)當(dāng)前荷電狀態(tài)映射一個(gè)功率指令修正值,模糊PID控制器將儲(chǔ)能虛擬同步發(fā)電機(jī)荷電狀態(tài)與功率之間的映射設(shè)定為一次線性關(guān)系。當(dāng)發(fā)電機(jī)的功率過高時(shí),模糊PID控制器向發(fā)電機(jī)的儲(chǔ)能單元發(fā)送指令,將多余的功率值由發(fā)電機(jī)的儲(chǔ)能單元全部吸收,并將儲(chǔ)能虛擬同步發(fā)電機(jī)的發(fā)電功率設(shè)定為參考值。當(dāng)發(fā)電機(jī)的功率低于常規(guī)參數(shù)設(shè)定值時(shí),模糊PID控制器向發(fā)電機(jī)的儲(chǔ)能單元發(fā)送控制指令,由發(fā)電機(jī)儲(chǔ)能單元為發(fā)電機(jī)功率進(jìn)行補(bǔ)償,功率補(bǔ)償值可通過上文人工智能網(wǎng)絡(luò)模型計(jì)算結(jié)果與發(fā)電機(jī)參考功率差計(jì)算得到。模糊PID控制器分以上兩種情況對(duì)儲(chǔ)能虛擬同步發(fā)電機(jī)功率進(jìn)行協(xié)調(diào)控制,保證發(fā)電機(jī)功率始終處于穩(wěn)定狀態(tài),以此實(shí)現(xiàn)了基于模糊PID的儲(chǔ)能虛擬同步發(fā)電機(jī)功率協(xié)調(diào)控制。
2 ?實(shí)驗(yàn)分析
為了驗(yàn)證此次設(shè)計(jì)的控制方法對(duì)儲(chǔ)能虛擬同步發(fā)電機(jī)功率波動(dòng)協(xié)調(diào)控制的正確性和可行性,以某儲(chǔ)能虛擬同步發(fā)電機(jī)為實(shí)驗(yàn)研究對(duì)象,該儲(chǔ)能虛擬同步發(fā)電機(jī)電容大小為20 kVA,實(shí)驗(yàn)利用此次設(shè)計(jì)方法與傳統(tǒng)方法對(duì)該儲(chǔ)能虛擬同步發(fā)電機(jī)功率進(jìn)行控制。實(shí)驗(yàn)中以光伏序列輸出功率階躍變化對(duì)儲(chǔ)能虛擬同步發(fā)電機(jī)進(jìn)功率進(jìn)行擾動(dòng),實(shí)驗(yàn)中儲(chǔ)能虛擬同步發(fā)電機(jī)波動(dòng)電感為2.45 mH,波動(dòng)電容為55 uF,儲(chǔ)能直流母線電壓為750 V,發(fā)電機(jī)阻抗為6.5 mH,交流電壓額定幅值為350 V,儲(chǔ)能虛擬同步發(fā)電機(jī)功率峰值為25.65 kW,功率谷值為5.14 kW。實(shí)驗(yàn)?zāi):齈ID控制器與儲(chǔ)能虛擬同步發(fā)電機(jī)采用完全主動(dòng)的并聯(lián)方式連接,并在儲(chǔ)能虛擬同步發(fā)電機(jī)與模糊PID控制器并聯(lián)側(cè)添加了一個(gè)GYHHKJ模塊。在實(shí)驗(yàn)時(shí)間分別為0.5 s、1.5 s、2.5 s、3.5 s、4.5 s、5.5 s、6.5 s時(shí)分別設(shè)置一個(gè)5 V、10 V、15 V、20 V、25 V、30 V的電壓突變量,觀察儲(chǔ)能虛擬同步發(fā)電機(jī)在母線電壓突變情況下功率波動(dòng)情況。
實(shí)驗(yàn)中將儲(chǔ)能虛擬同步發(fā)電機(jī)的初始荷電狀態(tài)設(shè)定為0.5,額定工作電壓設(shè)定為110 V,額定電容參數(shù)設(shè)定為170 V/
5.5 Ah,發(fā)電機(jī)電容器電感設(shè)定為0.05 H。實(shí)驗(yàn)利用UGG軟件采集到儲(chǔ)能虛擬同步發(fā)電機(jī)功率數(shù)據(jù),并計(jì)算出電壓突變時(shí)儲(chǔ)能虛擬同步發(fā)電機(jī)功率波動(dòng)系數(shù)。波動(dòng)系數(shù)用于檢驗(yàn)協(xié)調(diào)控制方法的有效性和可行性、執(zhí)行的協(xié)調(diào)控制指令是否取得良好的控制效果,波動(dòng)系數(shù)越大說明協(xié)調(diào)控制方法效果越差,反之儲(chǔ)能虛擬同步發(fā)電機(jī)功率波動(dòng)系數(shù)越小則說明協(xié)調(diào)控制方法效果越好。實(shí)驗(yàn)根據(jù)設(shè)計(jì)方法和傳統(tǒng)方法兩種控制方法應(yīng)用下功率波動(dòng)系數(shù)進(jìn)行對(duì)比分析,實(shí)驗(yàn)結(jié)果如表1所示。
從表1中數(shù)據(jù)可以看出,采用了基于模糊PID的儲(chǔ)能虛擬同步發(fā)電機(jī)功率協(xié)調(diào)控制方法后,儲(chǔ)能虛擬同步發(fā)電機(jī)功率波動(dòng)系數(shù)明顯比實(shí)驗(yàn)前小很多。并且最大波動(dòng)系數(shù)僅為0.036,對(duì)儲(chǔ)能虛擬同步發(fā)電機(jī)影響較小,基本可以忽略不計(jì)。而應(yīng)用傳統(tǒng)方法后,儲(chǔ)能虛擬同步發(fā)電機(jī)功率波動(dòng)系數(shù)雖然也有了明顯的減小,但是仍然比較大,遠(yuǎn)大于設(shè)計(jì)方法。因此實(shí)驗(yàn)證明設(shè)計(jì)方法可以有效控制儲(chǔ)能虛擬同步發(fā)電機(jī)功率波動(dòng)問題,能夠有效保證儲(chǔ)能虛擬同步發(fā)電機(jī)正常運(yùn)行。
3 ?結(jié) ?論
由于儲(chǔ)能虛擬同步發(fā)電機(jī)本身具有自然特性,其內(nèi)部功率具有一定的隨機(jī)性和突發(fā)性,因此有必要采取有效的手段對(duì)其進(jìn)行協(xié)調(diào)控制。此次在原有控制理論基礎(chǔ)上進(jìn)行了完善與優(yōu)化,采用了模糊PID控制技術(shù),改善了儲(chǔ)能虛擬同步發(fā)電機(jī)功率波動(dòng)問題,降低了其功率波動(dòng)系數(shù),為儲(chǔ)能虛擬同步發(fā)電機(jī)穩(wěn)定運(yùn)行提供了有效的控制技術(shù)支撐。同時(shí)也解決了儲(chǔ)能虛擬同步發(fā)電機(jī)能耗問題,在一定程度上實(shí)現(xiàn)了儲(chǔ)能虛擬同步發(fā)電機(jī)的節(jié)能降耗。
參考文獻(xiàn):
[1] 劉振烜,易映萍,石偉.基于VSG的并網(wǎng)逆變器功率控制研究 [J].電子科技,2020,33(10):6-14.
[2] 陳中穎,胡傳意,黃明明.基于多環(huán)虛擬同步發(fā)電機(jī)的功率控制 [J].廣東電力,2018,31(12):33-40.
[3] 張福民,白松,李占凱,等.基于VSG技術(shù)的微電網(wǎng)儲(chǔ)能荷電狀態(tài)控制策略 [J].電網(wǎng)技術(shù),2019,43(6):2109-2116.
[4] 楊巧玲,包廣清,張海平.太陽能斯特林直線發(fā)電機(jī)控制策略研究 [J].中國(guó)設(shè)備工程,2019(21):226-227.
[5] 高長(zhǎng)偉,劉曉明,孟昭軍.分布式光伏發(fā)電系統(tǒng)改進(jìn)虛擬同步發(fā)電機(jī)控制 [J].太陽能學(xué)報(bào),2021,42(2):376-382.
作者簡(jiǎn)介:吳越翔(1990—)男,漢族,陜西子長(zhǎng)人,工程師,本科,研究方向:機(jī)電一體化。