张 玉，杨宏万，王 鹏
(桂林理工大学机械与控制工程学院，广西 桂林 541004)
光伏直流微电网系统中，母线电压是衡量系统稳定的唯一标准，但受光伏发电功率的随机性和负荷动态变化的影响，会导致系统母线电压发生扰动，针对如何维持系统稳定的问题，主要通过由双向DC/DC变换器(BDC)与母线连接的储能装置充、放电，维持微网群系统母线电压稳定和功率平衡，当微网中能量不足时储能装置提供缺额的能量，当微网能量富余时储能装置储存盈余的能量[1-5]。
储能变换器一般采用双闭环控制，传统的双闭环控制以母线电压为外环控制，以变换器的电感电流为内环控制，应用经典控制理论，通过PI控制调节，使微电网稳定运行，但是双闭环控制的参数不可动态调整、动态响应较慢、对外界扰动抑制和自我恢复能力较差，不适合非线性时变的离网型微网控制[6]。文献[7，8]对储能变换器采用改进模型预测控制(MPC)的双闭环优化控制方法，它分别对电压外环和电流内环搭建预测模型从而构成双闭环结构，在一定程度上提高了系统的动态响应速度，但是MPC属于非线性控制方法，设计原理较为复杂，具有一定的局限性。文献[9]提出了一种模糊自适应双闭环控制，通过外界条件的变化来实时自整定电压外环的PI控制参数，提高了系统的动态响应速度，但是，模糊控制的模糊规则和控制参数不可以动态调整，导致系统陷入局部最优。
本文对微电网中储能装置采用了自适应遗传模糊双闭环控制，自适应遗传算法通过调节量化因子和比例因子，来实时优化PI控制参数得到全局最优解，增强了微网群的动态响应速度和对外界的抗干扰能力。
2.1 拓扑结构图
直流微电网的拓扑结构如下图1所示，微电网包含光伏电池、蓄电池和可变负载，其中光伏电池和蓄电池分别通过Boost变换器和双向DC-DC变换器与母线相连接，可变负载通过Buck变换器与母线相连。
图1 光伏微电网拓扑结构图
图2 光伏微电网电路结构图
图3 模糊双闭环控制结构图
2.2 电路结构图
储能装置在维持微电网功率平衡和母线电压稳定上起着重要作用，即可以作为补偿能量的电源，也可以作为储存能量的负载，本文中离网型光伏直流微电网的结构如图2所示。
上图2中ipv＿dc、iload和ib＿dc分别为微电网的光伏电池经Boost变换器输出电流、Buck变换器输入电流和蓄电池经BDC输出电流；
Lpv、L1和Lbat分别为微电网的Boost变换器、Buck变换器和BDC的储能电感；
udc和Cdc分别为微电网的母线电压和滤波电容。由基尔霍夫电流定律得出微电网的电流关系式如下式(1)。
(1)
式中，ib＿dc的正负与储能装置的工作状态有关，当ib＿dc为正值时，此时储能装置进行放电，充当电源的作用；
当ib＿dc为负值时，此时储能装置进行充电，充当负载的作用。本文主要对微电网中的储能变换器采用自适应遗传模糊双闭环控制，通过控制蓄电池的充放电抑制直流母线电压的波动，保证系统的安全稳定运行。
3.1 模糊双闭环控制
传统的微电网储能变换器一般采用模糊双闭环控制，模糊双闭环控制结构如图3所示。
(2)
模糊控制的设计主要在于确定好模糊规则和隶属函数，常用的隶属函数主要有Z形、S形、三角形、钟形、高斯型等，其中三角形隶属函数形式简单、灵敏度高、响应快。本文处e与ec和△Kp与△Ki的隶属函数都采用三角形，且模糊论域都是[-5，5]，e、ec、△Kp和△Ki的模糊子集都为{NB，NM，NS，Z，PS，PM，PB}，隶属函数如图4所示。
根据模糊控制隶属函数和控制理论，推理出△Kp和△Ki的模糊规则，如下表1和表2所示。
图4 e、ec、△Kp和△Ki的隶属函数图
表1 △Kp的模糊控制规则表
表2 △Ki的模糊控制规则表
本文中模糊输入e和ec与输出ΔKp和ΔKi的模糊规则曲面图如下图5所示。
图5 模糊输入与输出规则曲面图
图6 自适应遗传模糊双闭环的控制结构图
3.2 自适应遗传模糊双闭环控制
针对模糊双闭环控制中的比例因子和量化因子不可实时调整的情况，本文提出自适应遗传模糊双闭环控制，其控制结构如下图6所示。
图6中，自适应遗传算法直接优化量化因子ke与kec和比例因子dkp与dki，实时寻找全局最优Kp、Ki，具体步骤如下：
1)确定编码方案。遗传算法有二进制、Gray、排列和实数编码等多种编码，此处遗传算法编码采用{0，1}集所组成的二进制编码，ke、kec、dkp和dki都分别采用8位二进制编码，其中样本个数Size=40。
2)适应度函数的确定。遗传算法以个体的适应度值为依据进行算法优化搜索，在优化搜索中基本不利用外部环境信息，故在选取适应度函数时非常重要，它决定算法的收敛速度和算法是否能够搜索到最优解，为了优化控制系统的稳、快、准三要素，一般选取了如式(3)所示的性能指标函数
(3)
本文采用的优化算法设计了惩罚功能，当系统误差有超调时，超调量就是系统的一项最优指标，这样的目的可以有效地避免超调，此时最优指标函数表示如下式(4)
(4)
3)选择。选择过程是根据各个体适应度值的大小，将一些不符合要求的个体淘汰掉，而没有被淘汰的个体则可以遗传到下一代。此处采用比例选择法，相关表达式如下式(5)
(5)
式(5)中N为种群个体数；
fx为个体x的适应度值；
px为个体x被选中的概率。
本文在比例选择的基础上采用最优个体保留策略和最优个体群体外保存策略：某一代的最优个体直接复制到下一代参与进一步进化，同时将适应度值与群体外变量temp作比较，若大于temp则temp被该最优个体及其适应度值替换，否则保持不变。
4)交叉、变异。传统的遗传算法中控制参数不发生变化，系统容易“早熟”，减弱了算法的收缩效率，本文交叉概率Pc和变异概率Pm始终动态变化，如式(6)所示。
(6)
根据图2中光伏微电网结构图，在MATLAB/ Simulink中搭建仿真模型，仿真参数如下表3所示。
表3 系统仿真参数表
由表3可知光伏直流微电网的母线电压期望值为650V，此处对储能变换器分别采用了模糊双闭环控制和自适应模糊双闭环控制，研究微网系统在初始上电、负载突增和负载突减三个不同暂态过程中母线电压的波动情况，仿真图如下图7、8、9和10所示。
图7 母线电压图
图8 初始上电图
图9 负载突增图
图7为微电网在模糊双闭环和自适应遗传模糊双闭环的母线电压图。图8、9和10分别为母线电压在初始上电、负载突增、负载突减三部分的放大图。
图10 负载突减图
由图8知，初始上电时，储能变换器采用模糊双闭环控制时，母线电压的超调量为11.8V，经过振荡调整后，在0.73s左右稳定至650V；
储能变换器采用自适应遗传模糊双闭环控制时，母线电压的超调量为1.2V，没有发生振荡现象，在0.62s左右稳定至650V。负载突增时，母线电压跌落，储能变换器采用模糊双闭环控制时，母线电压跌落到644.9V，在恢复时存在超调现象，在1.9s左右稳定至650V；
储能变换器采用自适应遗传模糊双闭环控制时，母线电压跌落到647.3V，在恢复过程中不存在超调现象，且在1.8s左右稳定至650V。负载突减时，母线电压突增，储能变换器采用模糊双闭环控制时，母线电压的超调量为5.8V，经过振荡调整后，在2.93s左右稳定至650V；
储能变换器采用自适应遗传模糊双闭环控制时，母线电压的超调量为3.2V，在恢复过程中没有发生振荡现象，在2.8s左右稳定至650V。
针对光伏直流微电网中母线稳压问题，本文对微电网中储能变换器分别采用模糊双闭环和自适应遗传模糊双闭环控制，通过对稳定运行的微电网分别突加负载和突减负载，研究系统在初始上电、负载突增、负载突减三个暂态过程中，母线电压的动态性能，根据仿真分析，得出以下结论：
1)相对于模糊双闭环控制，自适应遗传模糊双闭环控制能动态的调节量化因子和比例因子，实时整定PI控制参数，优化控制效果。
2)在系统初始上电、负载突增、负载突减三个不同的暂态过程中，自适应遗传模糊控制相比模糊双闭环控制，系统不仅动态响应较快、超调量小、抗干扰能力强，而且鲁棒性好。
3)自适应遗传模糊双闭环控制的设计原理较为简单，适用于非线性的微电网系统。
猜你喜欢结构图闭环控制线电压中国共产党第二十届中央组织结构图浙江共产党员(2022年10期)2022-11-23基于LMI的过渡态主控回路闭环控制律优化设计北京航空航天大学学报(2022年5期)2022-06-06概率知识结构图中学生数理化·高一版(2019年3期)2019-04-15适用于厚度在线测量的水压闭环控制系统测控技术(2018年1期)2018-11-25智能车竞赛中的闭环控制算法应用分析电子制作(2018年11期)2018-08-04第十九届中共中央组织结构图浙江共产党员(2017年11期)2017-11-15微电网储能系统下垂协调控制与母线电压控制策略电测与仪表(2015年4期)2015-04-12SSSC的双闭环控制策略及仿真分析电测与仪表(2015年3期)2015-04-09基于ANN模型的在线电压稳定裕度评估电测与仪表(2015年5期)2015-04-09带有母线电压控制的异步电机矢量控制策略电机与控制应用(2013年9期)2013-11-21
