基于改進比例諧振的綠色建筑電能系統(tǒng)最大功率預測

摘 要：

針對綠色建筑電能系統(tǒng)在氣象變化、外界環(huán)境變動以及系統(tǒng)內(nèi)部擾動等因素的影響下出現(xiàn)的系統(tǒng)輸出功率達不到期望值等問題，設(shè)計了一種結(jié)合比例諧振控制和模型預測控制的改進比例諧振控制。根據(jù)綠色建筑系統(tǒng)的拓撲結(jié)構(gòu)，建立綠色建筑系統(tǒng)的輸出功率預測方程，并引入比例諧振控制，以輸出功率為控制變量，構(gòu)建以比例諧振為核心的閉環(huán)控制環(huán)路。在比例諧振的反饋環(huán)路中引入模型預測控制，對比例諧振控制中期望變量與輸出變量之間的誤差進行自適應調(diào)節(jié)以滿足誤差要求。最后，在MATLAB/Simulink數(shù)字實驗平臺中搭建綠色建筑電能系統(tǒng)的數(shù)字實驗模型，并設(shè)計以改進比例諧振控制為主要策略的控制環(huán)路，對改進比例諧振控制、比例諧振控制以及其他控制策略進行最大功率輸出的對比，驗證了所設(shè)計的改進比例諧振控制提升了綠色建筑電能系統(tǒng)的輸出功率。

關(guān)鍵詞：

綠色建筑電能系統(tǒng); 比例諧振控制; 模型預測控制; 功率輸出

中圖分類號： TU852

文獻標志碼： A

文章編號： 1674-8417（2024）12-0001-05

DOI：

10.16618/j.cnki.1674-8417.2024.12.001

0 引 言

隨著全球氣候變化和環(huán)境可持續(xù)性的日益關(guān)注，綠色建筑作為減少能源消耗和環(huán)境影響的關(guān)鍵策略，正受到越來越多的關(guān)注和推廣。綠色建筑系統(tǒng)通過整合先進的技術(shù)和設(shè)計理念，旨在最大限度地提高能源利用效率，并減少對環(huán)境的負面影響。其中，電能系統(tǒng)作為綠色建筑的核心組成部分，其穩(wěn)定性和效率直接影響到整體建筑的能源性能和環(huán)境友好性［1-3］。

然而，綠色建筑電能系統(tǒng)面臨著諸如氣象變化、外界環(huán)境變動以及系統(tǒng)內(nèi)部擾動等多種復雜因素的挑戰(zhàn)，導致系統(tǒng)輸出功率未能達到預期水平，從而影響建筑的能效表現(xiàn)和可持續(xù)性。針對此類問題，文獻［4］提出了一種基于自適應模糊比例積分微分控制（PID）的閉環(huán)控制策略，但自適應模糊PID控制缺乏對系統(tǒng)動態(tài)變化的適應能力，特別對氣象變化和外界環(huán)境波動的響應較為有限;文獻［5］設(shè)計了一種融合BP神經(jīng)網(wǎng)絡和傳統(tǒng)比例積分控制的自適應比例積分控制，但比例積分控制難以有效預測和調(diào)節(jié)系統(tǒng)輸出功率，因此無法應對動態(tài)能源需求和環(huán)境條件變化帶來的挑戰(zhàn);文獻［6］設(shè)計了一種魯棒滑?？刂?，雖然滑模控制具有較強的魯棒性，但對于系統(tǒng)內(nèi)部的負載變化或設(shè)備故障引起的輸出功率波動難以做出迅速的反應;文獻［7］引入無窮優(yōu)化控制，但無窮優(yōu)化控制忽略

了實際系統(tǒng)的復雜性和動態(tài)特性，導致控制效果不佳，尤其在面對實際工作條件下的復雜反饋機制和非線性特性時更加難以應對;文獻［8］融合了滑?？刂婆c自抗擾控制，使用滑模控制代替自抗擾控制中的線性反饋環(huán)節(jié)控制器，雖提升了系統(tǒng)的擾動抵抗能力，但自抗擾控制中的跟蹤微分器降低了輸出功率的響應速度，不符合實際工程需要。

針對上述研究方法存在的不足，本文設(shè)計了一種基于比例諧振控制和模型預測控制相結(jié)合的改進比例諧振控制，在比例諧振反饋控制回路中引入模型預測控制，提升了系統(tǒng)對于外界擾動的抵抗能力，提升了系統(tǒng)的抗擾性。與其他的控制策略進行對比，驗證了所設(shè)計的基于改進比例諧振控制策略的正確性和優(yōu)異性。

1 融合改進比例諧振控制器的綠色建筑電能系統(tǒng)最大輸出功率預測方法設(shè)計

建筑電能系統(tǒng)輸出功率預測方法主要以建筑電能系統(tǒng)歷史數(shù)據(jù)作為依據(jù)，對將來的用電能耗以及發(fā)電功率進行預測，從而建立系統(tǒng)在不同狀態(tài)下與輸出功率之間的映射特征。建筑電能的使用和輸出功率的高峰低谷受環(huán)境影響較大，在不同季節(jié)電能消耗率各不同，同時，輸出功率預測存在失穩(wěn)現(xiàn)象。因此，按照不同時間段的用電量來判斷系統(tǒng)不同狀態(tài)的矩陣表達式為

2 實驗驗證

為驗證所設(shè)計的基于改進比例諧振控制策略的綠色建筑電能系統(tǒng)最大輸出功率預測方法的正確性，在MATLAB/Simulink數(shù)字仿真實驗平臺中搭建綠色建筑電能系統(tǒng)的實驗模型，并設(shè)計以比例諧振控制為主要控制策略的控制環(huán)路，與比例諧振控制、比例積分控制進行對比。實驗參數(shù)如表1所示。干擾因素引起的功率輸出值對比如表2所示。

由表2可知，設(shè)計期望功率為40 kW，在3類

擾動的影響下，改進比例諧振控制下的綠色建筑電能系統(tǒng)輸出功率位于38 kW左右，與期望功率之間的誤差較小。然而傳統(tǒng)比例諧振控制、比例積分控制以及文獻［4］所設(shè)計的策略，系統(tǒng)的輸出功率與期望功率之間的誤差較大，因此與其他3類策略相比，改進比例諧振控制提升了系統(tǒng)的魯棒性，改善了系統(tǒng)對外部擾動的抵抗能力。

實際輸出功率與期望功率之間的誤差趨勢如圖6所示。

由圖6可知，在模型預測算法迭代次數(shù)增加的同時，改進比例諧振控制下實際輸出功率與期望功率之間的誤差不斷減小，且呈線性趨勢減小，在迭代次數(shù)為80次時降低為2.5%。而其余

3類策略雖也在減小，但在任意迭代次數(shù)下的減小程度均小于改進比例諧振控制，因此模型預測控制對比例諧振控制的誤差進行自適應調(diào)節(jié)，成功減小了系統(tǒng)的輸出功率與期望功率之間的誤差。

3 結(jié) 語

針對綠色建筑電能系統(tǒng)在氣象變化、外界環(huán)境變動以及系統(tǒng)內(nèi)部擾動等因素的影響下出現(xiàn)的系統(tǒng)輸出功率達不到期望值等問題，設(shè)計了一種結(jié)合比例諧振控制和模型預測控制的改進比例諧振控制，與比例積分控制、傳統(tǒng)比例諧振控制進行對比，可得如下結(jié)論。

（1） 改進比例諧振控制在傳統(tǒng)比例諧振控制中引入了模型預測控制，對比例諧振控制的誤差進行調(diào)節(jié)，提升了系統(tǒng)對功率的預測能力，提高了系統(tǒng)的抗擾性。

（2） 改進比例諧振控制保證了綠色建筑電能系統(tǒng)在外界擾動等因素影響下的功率輸出能力，提升了輸出功率對期望功率的跟蹤性。

［1］ LI Z H，SHANG Y X，JIAO Z X，et al.Analysis of the dynamic performance of an electro-hydrostatic actuator and improvement methods［J］.Chinese Journal of Aeronautics，2018，31（12）：2312-2320.

［2］ 張峻濤.高壓直流電機驅(qū)動系統(tǒng)電磁兼容設(shè)計改進技術(shù)研究［J］.航空科學技術(shù)，2020，31（3）：59-67.

［3］ 王宏喆，甘醇，倪鍇，等.基于SMO和RLS的航空電推進永磁電機驅(qū)動系統(tǒng)［J］.航空科學技術(shù)，2023，34（1）：97-104.

［4］ 韓復振.襟縫翼EMA高功率密度驅(qū)動系統(tǒng)研究［D］.西安：西北工業(yè)大學，2016.

［5］ 劉春強.基于自抗擾的機電作動系統(tǒng)高動態(tài)控制研究［D］.西安：西北工業(yè)大學，2020.

［6］ 余廷芳，張浩杰.基于SVM和RBF神經(jīng)網(wǎng)絡的CFB NOx生成預測模型［J］.計算機仿真，2020，37（9）：209-213.

［7］ 倫智梅，張振京，宋業(yè)棟，等.基于回歸神經(jīng)網(wǎng)絡的柴油機NOx排放預測及影響分析［J］.山東理工大學學報（自然科學版），2021，35（3）：81-86.

［8］ 陳駿嚎，張娜，劉廣忱，等.基于EOSSA-ELM的光伏短期輸出功率預測［J］.可再生能源，2022，40（7）：890-898.

［9］ 譚增強，牛擁軍，李元昊，等.基于麻雀算法和深度極限學習機的NOx預測研究［J］.中國電機工程學報，2022，42（S1）：187-192.

［10］ 黃治軍.基于EEMD和卷積神經(jīng)網(wǎng)絡的電站NOx排放預測［J］.熱能動力工程，2022，37（10）：96-103.

［11］ 武新章，梁祥宇，朱虹諭，等.基于CEEMDAN-GRA-PCCATCN的短期風電功率預測［J］.山東大學學報（工學版），2022，52（6）：146-156.

［12］ 許壯，康英偉.基于隨機森林的火電機組SCR脫硝反應器建模［J］.動力工程學報，2020，40（6）：486-491.

［13］ 楊國田，劉凱，王英男.基于門控循環(huán)單元神經(jīng)網(wǎng)絡的NOx排放量預測［J］.控制工程，2022，29（7）：1204-1209.

［14］ 肖白，邢世亨，王茂春，等.基于改進KDE法和GA-SVM的多風電場聚合后輸出功率長期波動特性預測方法［J］.電力自動化設(shè)備，2022，42（2）：77-84.

［15］ 鮑長庚，閆貽鵬，黃一楠，等.基于多元自適應回歸樣條的光伏并網(wǎng)系統(tǒng)日輸出功率預測［J］.電力系統(tǒng)保護與控制，2021，49（5）：124-131.

收稿日期： 2024-06-20

Maximum Power Prediction of Green Building Energy System

Based on Improved Proportional Resonance

WANG Ping， MA Xinru

（State Grid Hebei Electric Power Co.， Ltd.， Handan Power Supply Branch， Handan 056004， China）

Abstract：

A modified proportional resonance control combining proportional resonance control and model predictive control is designed to address the issue of the system output power not reaching the expected value under the influence of meteorological changes，external environmental changes，and internal disturbances in green building power systems.Based on the topology of the green building system，establish a predictive equation for the output power of the green building system，and introduce proportional resonance control.Using output power as the control variable，construct a closed-loop control loop with proportional resonance as the core.Introduce model predictive control in the feedback loop of proportional resonance，and adaptively adjust the error between the expected and output variables in the comparative resonant control to meet the error requirements.Finally，a digital experimental model of the green building power system was built on the MATLAB/Simulink digital experimental platform，and a control loop with improved proportional resonance control as the main strategy was designed.The maximum power output of the improved proportional resonance control，proportional resonance control，and other control strategies was compared，and it was verified that the designed improved proportional resonance control improved the output power of the green building power system.

Key words：

green building energy system; proportional resonance control; model predictive control; power output