基于智能控制的單相DVR在微網中的運用

張捍東，劉龍舞

(安徽工業大學電氣信息學院，安徽馬鞍山 243002)

基于智能控制的單相DVR在微網中的運用

張捍東，劉龍舞

(安徽工業大學電氣信息學院，安徽馬鞍山 243002)

隨著可再生能源的利用越來越廣泛，以可再生能源為動力的微網也越來越受到世界各國的關注。闡述了一種新型動態電壓恢復器在微網中的運用，提出了基于神經網絡的檢測方法；對逆變器的控制采用模糊PI與常規PI相結合的控制方式，利用模糊推理方法實現PI參數的在線自整定，使控制器具有較好的自適應性。使用Matlab對系統進行仿真，仿真結果表明這種新型動態電壓恢復器具有良好的動靜態性能。

神經網絡；模糊PI；DVR；Matlab仿真

近年來，由于生物化石常規能源的不斷消耗趨于枯竭，以太陽能、風能、潮汐能等可再生的能源為動力發電的微網迅速發展。微網的并網運行，在一定程度上影響了主網的電壓質量，產生諸如電壓波動、閃變等[1]。然而隨著計算機技術和電力電子技術的快速發展，基于計算機、微處理器的管理、分析、檢測、控制的高性能、高度自動化的新型用電設備大量投入使用，這種設備往往對系統干擾比較敏感，我們稱這類設備為敏感性設備，它們比傳統用電設備對電能質量的要求苛刻得多，即使是幾個周期的電壓跌落都將影響這些設備的正常工作，造成巨大的經濟損失。

據統計，在電能質量的各種問題中，由電壓跌落造成電壓敏感設備不能正常工作的主要原因，約占各種原因的70%～90%。因此，抑制電壓跌落，保證電壓穩定就顯得尤為重要了。文獻[2]提出了基于SPLL的分時段電壓檢測和補償的模型，實現了電壓跌落的補償,但是需要歷史電壓狀況資料。文獻[3]提出了基于虛構三相系統的瞬時電壓p-q-r分解法的檢測方法，逆變電路采用前饋PD控制方式獲得了比較滿意的補償效果，但是無法準確補償發生最初60°相移時間段內的擾動。文獻[4]提出將模糊控制運用于DVR，該方法不需要對電力系統建立精確的數學模型，只需要對電力系統特征量進行模糊描述，從而大大降低了為獲取電力系統動態和靜態特征量所需付出的代價，但模糊控制存在穩態誤差，在工作點附近容易引起小范圍振蕩。本文采用基于神經網絡的檢測方法，實時準確地實現了電壓的跟蹤檢測，對DVR的控制采用將模糊控制與經典PI控制相結合的方法，更好地實現了電壓的跌落補償。

1 單相DVR結構和工作原理

圖1 典型單相動態電壓恢復器的結構圖

圖1所示為典型單相DVR結構圖[4]。該動態電壓恢復器由一個整流器、一個逆變器、直流電容儲存器、變壓器和一個低通濾波器及旁路保護系統構成，DVR進行補償時，控制單元控制逆變器產生串聯補償電壓，經串聯變壓器注入線路中。這里低通濾波器用來濾除高次諧波，旁路系統主要由機械斷路器和雙向可控硅構成，用于電壓浪涌和系統發生短路故障時的保護[5]。

根據檢測到的電網電壓，由標準信號產生模塊產生與電網電壓同步的標準正弦信號，用該信號與實際電網電壓進行比較；然后通過控制器調節得到需要實際補償的電壓給定信號，并利用控制環節生成逆變器所需要的PWM信號，通過驅動電路去控制逆變器功率開關的通斷，逆變器輸出電壓經濾波后通過串聯變壓器注入電網，產生補償電壓用于抵消電網側電壓的波動，從而確保負載側電壓的穩定性，提高整個電網的電壓質量。

2 基于神經網絡的檢測技術

實現電壓暫降特征量快速準確地檢測是電壓暫降補償的前提，因此電壓實時檢測技術是DVR中最為關鍵的技術之一。文獻[3]提出了基于虛構三相系統的瞬時電壓p-q-r分解法的檢測方法，但該方法所用的數據不具有同時性，無法正確分析擾動發生最初60度相移時間段內的、具有多個過渡段的擾動和短時擾動。文獻[6]提出了基于有效值計算的檢測方法，但是該方法需要取半個周期的采樣數據進行滑動平均處理，所以該方法至少也需要半個周期的時延，不能達到同步。文獻[7]提出了基于小波變換的檢測方法，提出將電壓信號分解到各子頻帶上，在時域和頻域方面同時具有良好的局部化特性，但是合適的小波母函數的選取是很難的。

本文采用基于反饋型神經網絡的電壓暫降檢測方法，該方法利用反饋神經網絡實現了在誤差最小條件下的電壓暫降檢測，建立了檢測模型，提高了檢測精度。

2.1 基于反饋神經網絡的檢測模型的提出

2.2 反饋神經網絡的學習算法

圖2 電壓暫降實時檢測模型

3 基于模糊控制的補償策略

3.1模糊自適應PI控制器的原理

自適應模糊控制的基本思想是根據誤差的狀態來適當地調整控制規則，使得控制規則能夠適應誤差的變化。在誤差較大的情況下，選用較為粗略的控制規則進行粗略控制；在誤差已經很小的情況下，選用較精確的控制規則進行精確控制。在變論域控制中，控制規則的調整是通過適當改變論域來實現的，其中論域緊縮相當于增加規則，論域放大相當于減少規則。模糊自適應PI控制器的結構圖如圖3。

圖3 模糊自適應PI控制器結構圖

3.2 基于雙模控制的DVR設計方案

由于模糊控制器本身消除系統穩態誤差的能力比較差，而常規PI或PID控制器則可以克服在偏差趨于零時模糊控制器可能產生振蕩及穩態誤差，本文采用雙模控制方案。

文獻[8]分析比較了單相PWM逆變器電感電流內環電壓外環和電容電流內環電壓外環兩種雙環控制方式，重點研究了電容電流內環電壓外環雙環控制。依據電流內環所采用調節器的不同,分別討論了電流內環采用P調節器、電壓外環為PI調節器和電流內環、電壓外環均為PI調節器兩種雙環控制方式。采用了極點配置的方法設計控制器參數，驗證了上述兩種雙環控制方式均能達到較好的動、靜態特性。本文提出單相DVR逆變器采用電流電壓雙閉環控制策略，其中電壓環采取雙模控制，電流內環采用常規PI調節方式。

表1 Kp模糊控制規則表

表2 KI模糊控制規則表

3.3 模糊控制器的設計

模糊PI控制器的參數在線修正表達式為:

基于if and then規則的模糊蘊含關系及實際操作經驗和專家經驗，可以得出以下關于Δp和ΔI的模糊規則控制表，如表1、表2所示。

4 仿真分析

4.1 基于反饋型神經網絡檢測的仿真分析

圖4 神經網絡檢測的仿真波形圖

4.2 基于雙模控制逆變器的DVR仿真分析

為了驗證雙模控制的理論分析，在Matlab/Simulink軟件中對單臺DVR系統做了仿真實驗。系統參數為：電網電壓s()=220 sin(100 π)在0.2～0.3 s時刻電源電壓為s()= 176 sin(100 π)；逆變器采用通用橋；PWM信號發生器載波頻率20 kHz；串聯變壓器變比為1∶1；濾波電感為9 mH，濾波電容為0.001 2 F；電流內環調節器p的值為0.75，I的值為2；電壓外環常規PI調節器p的值為8，I的值為0.5，模糊PI調節器p、I的初值為8和0.5，比例因子e的值為0.4，量化因子p'為2.5，比例因子c的值為5 000，量化因子I'為0.000 2，由模糊PI向常規PI轉換的門檻值為1.2。其中DVR補償輸出電壓波形如圖5(a)，雙模控制下DVR補償后電網的輸出電壓波形如圖5(b)。

5 結論

針對目前電力電子器件的大量使用，不可避免地給電網帶來了諧波及電壓波動問題。將智能控制技術應用于電力電子器件的控制中，使控制系統的抗干擾能力和精確性都有了一定的提高。本文提出運用神經網絡實現電網公共連接處檢測，通過Matlab仿真，驗證了該方法的正確性和可行性；把傳統PI調節器和模糊PI調節器相結合提出雙模控制結構并運用到DVR逆變器的控制當中，通過Matlab仿真驗證了控制補償策略的正確性。

[1]孫濤，王偉勝，戴慧珠，等.風力發電引起的電壓波動和閃變[J].電網技術，2003，27(12)：62-66，70．

[2]周暉，齊智平，何飚，等.單相DVR快速電壓補償控制的實現[J].電力系統自動化，2007,31(6):61-65,98.

[3]談萌，王球保，楊仁剛.三單相結構的動態電壓恢復器的研究[J].沈陽農業大學學報，2005,36(6):679-682.

[4]JURADO F,VALVERDE M.Operation of the dynamic voltage restorer with fuzzy logic control[C]//Proceedings of the 4th International Power Electronics and Motion Control Conference.Xi'an (China):Xi'an Jiaotong University Press,2004:891-895．

[5]PIRES V F,MARQUES G,MARTINS J F,et al.Dynamic voltage restorer using a new compensation voltage control and converter based input-output linearization[C]//IEEE REGION 8 International Conference on Computational Technologies in Electrical and Electronics Engineering,Russia：SIBIRCON，2008:139-144.

[6]肖湘寧，徐永海，劉昊.電壓凹陷特征量檢測算法研究[J].電力自動化設備，2002,22(1)：19-22.

[7]周雪松，張智勇，馬幼捷，等.動態電壓恢復器檢測方法與補償策略的研究[J].電力電子技術，2006,40(3):123-125.

[8]何俊，彭力，康勇.PWM逆變器雙環控制技術研究[J].通信電源技術，2007,24(3):1-3.

Application of single-phase DVR in microgrid based on intelligent control

ZHANG Han-dong,LIU Long-wu

With the growing need of the energy worldwide,the microgrid which taken renewable energy as the motivation were paid attention by more and more countries.The application of the new type DVR in microgrid was mainly elaborated.A new test method based on neural network was presented.The combination of the fuzzy control and normal control strategy was adopted to control the inverter.The self-regulation of the PI parameters was realized by using the fuzzy inference.A sound self-adaption was achieved by the controller.The Matlab simulation shows that this new DVR has a good dynamic and static performance.

neural network;fuzzy PI;DVR;MATLAB simulation

圖5 基于雙模控制的DVR仿真圖

TM 571

A

1002-087 X(2014)02-0363-04

2013-06-17

微型電網與公共電網能量交換技術研究(2007-AA05Z242)

張捍東(1963—)，男，安徽省人，教授，碩士生導師，博士，主要研究方向為機器人運動控制、動態聯盟的合作與競爭、智能控制理論與應用、射頻識別技術及應用等。