基于PSO的逆變器接口電源輸出控制器的優化方法

張璐,蘇海濱,高孟澤

摘 ?要： 隨著我國電力需求的持續增加，微電網不斷地接入電力系統。微電網將分布式電源、負荷、儲能裝置、能量變換設施和控制裝置集成一個整體進行綜合控制。由于其規模的不斷擴大，其運行難度也在不斷增加，難以滿足用戶越來越高的安全性和可靠性要求。提出了一種基于PSO算法的逆變器接口分布式電源控制方法，通過優化逆變器輸出控制器參數，能夠有效抑制存在于微電網中的電壓、頻率、操作模式轉換等干擾。仿真實驗驗證了該智能控制方法的正確性與有效性。

關鍵詞： 智能控制； PSO； 逆變器接口； 參數優化

中圖分類號： TN710?34 ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2014）23?0136?03

PSO?based optimization method of output?controller for inverter interface power supply

ZHANG Lu， SU Hai?bin， GAO Meng?ze

（Electric Power School， North China University of Water Resources and Electric Power， Zhengzhou 450045， China）

Abstract： With the increasing demand of electricity， more and more micro?grids access to power systems. In micro?grid， distributed power， load， energy storage facilities， energy conversion facilities and control devices are integrated into an integral whole to make comprehensive control. Because its size is expanding and the operation difficulty is increasing， it is difficult to meet users′ increasing requirements of high safety and reliability. A PSO algorithm based control method for the distributed power supply of inverter interface is proposed in this paper. The interference of voltage， frequency， operating mode conversion existing in micro?grid can be efficiently suppressed by optimizing the parameters of the inverter output?controller. The simulation results show the correctness and effectiveness of the intelligent control method.

Keywords： intelligent control； PSO； inverter interface； parameter optimization

0 ?引 ?言

近年來，隨著電力電子技術的不斷發展，大多數分布式電源（DG）通過逆變器接口部署在電力系統中。它能夠靈活地在不同用電時段對大電網功率進行削峰填谷，并提高電能質量。

如圖1所示，往往在一個微電網中包含有多個DG。一般情況下，微電網和主電網并網運行，依靠主網支撐的微電網可以快速調整電壓和頻率[1]。當主網某饋線發生故障，微電網脫離主網作為不間斷電源孤島運行。孤島模式下，下垂控制器為了匹配負載的變化和各DG之間功率的協調不斷地調整母線的電壓和頻率[2?3]。由于微電網DG的小慣性特點，大的擾動容易引起電能質量下降，甚至微電網的崩潰解裂。為了保障孤島模式下微電網的電能質量，需要一種快速、智能、有效的逆變器接口DG控制方法[4?5]。

<；E：＼2014年23期＼2014年23期＼Image＼41t1.tif>；

圖1 微電網系統模型

粒子群優化算法（PSO）是一種基于群體協作的隨機搜索算法。它不要求傳遞函數可導，并且對復雜系統有很好的避免局部最優能力和較快的收斂速度。它非常適合對微電網控制器參數進行實時優化。在控制器的優化過程中，還需要考慮控制性能、電能質量、穩定性等方面問題。

1 ?逆變器接口DG的控制策略

圖2顯示了DG的逆變器接口在d?q旋轉坐標系中的控制方框圖。d?q變換對有功和無功功率進行了解耦，作為逆變器d軸和q軸的基準電流的參考值。下垂控制器根據下垂特性產生有功和無功參考功率。逆變器輸出控制器產生逆變器參考電壓與比例積分（PI）控制器。本文中，使用三相脈寬調制（PWM）逆變器，其中包含很少的高次諧波。

<；E：＼2014年23期＼2014年23期＼Image＼41t2.tif>；

圖2 DG逆變器接口控制框圖endprint

逆變器輸出控制器的方程為：

[ddt?d=id*inv-idinv] ? （1）

[ddt?q=iq*inv-iqinv] ?（2）

[vd*inv=Kp1?（id*inv-idinv）+Ki1??d-Xinvidinv+vdbus] （3）

[vq*inv=Kp2?（iq*inv-iqinv）+Ki2??q+Xinvidinv+vdbus] （4）

2 ?逆變器控制器的數學模型

該逆變器輸出控制器是設備級的控制器，性能會受到逆變器輸出電路、母線電壓和系統頻率的影響。該母線電壓依賴于相應的DG和系統其余部分之間的相互作用。優化目標是使逆變器輸出控制器在母線電壓和頻率變化的情況下關于擾動魯棒。

可以簡化圖1，并得到其微電網等效模型以及閉環控制框圖[6]，如圖3所示。

從圖3可以得到微電網電路的數學表達式，從而推出閉環小信號的狀態空間模型為：

[x=Aclx（t）+Bclw（t），x（0）=0] ?（5）

[y（t）=Cclx（t）+Dclw（t）] ?（6）

式中：[x（t）=x（t）xc（t）T]表示閉環狀態，并且：

[Acl=A+BuDcmCmBuCcBcmCmAc] ?（7）

[Bcl=Bw+BuDcwBcw] ? ?（8）

[Ccl=Cy+DyuDcmCmDyuCc] ? （9）

[Dcl=DyuDcw+Dyu] ? ? ? ? ? ? ? （10）

<；E：＼2014年23期＼2014年23期＼Image＼41t3.tif>；

圖3 微電網等效模型及閉環控制框圖

3 ?逆變器輸出控制器的優化

3.1 ?PSO算法

PSO是一種基于概率規律的優化算法，它的靈感來自于自然模型。該算法屬于直接搜索方法一類，用于一個給定的搜索空間中的優化問題里，找到一個最優解決方案。PSO算法與其他智能方法相比，其最大差異是PSO的實施更簡單。

在該算法中，每只鳥被引入作為一個粒子，所有粒子形成一組或群。每個粒子是由兩個向量[x（t）]和[v（t）]構成，分別代表在粒子在[t]時刻的位置和速度。每個粒子的位置[xi]可能會被認為作為一個問題的答案。其中：

[Vk+1i=ωVki+c1?rd1（Xpbki-Xki）+c2rd2（Xgbki-Xki）] （11）

[Xk+1i=Xki+Vk+1i] ? （12）

所有粒子根據自己和其他粒子的飛行經驗的基礎上，調節它們的路線。但根據優化經驗，算法很難找到邊界附近的最優解，所以本文采用阻尼反射邊界法，在一個[n]維搜索區域中，第[i]個粒子的第[j]個元素的速度和位置分別由以下矢量表示：

[Vk+1i=…vki（j-1）-rd?vkijvki（j+1）…] ?（13）

[Xk+1i=…vki（j-1）-rd?vkijvki（j+1）…] ?（14）

3.2 ?PSO優化參數以及其邊界的確定

PSO算法優化DG中逆變器控制器中的4個PI控制器參數：[kp1，][kp2，][ki1，][ki2。]模型中共2個DG，分別進行優化。

本文使用基于L1理論的邊界確定方法[7?9]：

[G21≤inf0≤α≤-2αR（Acl）σmax（CclQCTcl）+σmax（DclDTcl）] （15）

式中[αR（Acl）]為[Acl]的譜橫坐標。

3.3 ?適應度函數的確定

本文設計的逆變器輸出控制器優化標準如下：

首先，閉環系統（5）和（6）應該漸進穩定。其次，逆變器控制的帶寬應該足夠大，保證它能夠跟隨輸出功率的快速變化。最后使用ITAE對控制器性能進行評價[10?11]。

為了滿足逆變器輸出控制器的三個設計標準，待優化函數如下：

[J=i=13ci?fi] ?（16）

式中[ci]為權重因子。

[f1=0，Acl Hurwitz10 000，其他] ? ? （17）

[f2=Real（λc）-1] ? （18）

[f3=0∞te（t）dt] ?（19）

式中：[λc]是閉環系統中的主要特征值；罰函數[f1]對系統在不穩定的情況下進行處罰；[f2]評價該控制器的帶寬；[f3]為ITAE系統性能指標。最小化待優化函數[J]包括了這3個操作條件，在算法中對某粒子的位置[xi]進行綜合評估。

4 ?仿真結果分析

該系統的仿真針對微電網兩種模式切換過程中以及切換過后，在負載擾動下，微電網電能質量的變化情況。仿真序列如下：

（1） 0～0.3 s期間是微電網初始化時間。

（2） 從0.3 s開始，DG1和DG2開始產生有功、無功功率。

（3） 0.6 s時斷開斷路器，系統切換為孤島模式。

（4） 0.9 s時下垂控制器接收到負載參考值，恢復額定電壓和頻率。

（5） 1.2 s時孤島模式下本地用電負荷突然降低。

圖4，圖5分別為母線電壓有效值和系統頻率在仿真過程中的變化。在并網模式下，母線電壓和頻率良好地保持在標稱值附近。切換到孤島模式下，它們根據不同的瞬時功率的不匹配，進行下垂特性變化。在0.9 s時，電壓和頻率恢復到標稱值附近。endprint

<；E：＼2014年23期＼2014年23期＼Image＼41t4.tif>；

圖4 微電網系統母線電壓

5 ?結 ?論

本文在微電網多DG模型基礎上，設計并優化了逆變器輸出控制器。在仿真實驗中檢驗了本系統能夠有效抑制存在于微電網中的電壓、頻率、操作模式轉換等干擾，使系統具有較好魯棒性，并且具有超調小、響應速度快等優點。

<；E：＼2014年23期＼2014年23期＼Image＼41t5.tif>；

圖5 微電網系統頻率

參考文獻

[1] 時珊珊，魯宗相，閔勇，等.微電網孤網運行時的頻率特性分析[J].電力系統自動化，2011，35（9）：36?41.

[2] 鄭永偉，陳民鈾，李闖，等.自適應調節下垂系數的微電網控制策略[J].電力系統自動化，2013，37（7）：6?11.

[3] 吳志，顧偉.孤島方式下基于多代理系統的微電網有功?頻率控制[J].電力自動化設備，2009，29（11）：57?61.

[4] 楊璽.基于遺傳算法的模糊控制器規則優化[J].電氣傳動自動化，2010，32（5）：41?44.

[5] 楊鵬，代冀陽，趙文龍.基于遺傳算法的參數優化在控制器設計中的應用[J].南昌航空工業學院學報：自然科學版，2004，18（4）：24?27.

[6] MAKRIDOU G， ATSALAKIS G S， ZOPOUNIDIS C， et al. Gold price forecasting with a neuro?fuzzy?based inference system [J]. International Journal of Financial Engineering and Risk Management， 2013， 1（1）： 35?54.

[7] PENANGSANG O， ABDILLAH M， WIBOWO R S， et al. Optimal design of photovoltaic–battery systems using interval type?2 fuzzy adaptive genetic algorithm [J]. 2013， 5（1）：50?55.

[8] KUMAR S， CHATURVEDI D K. Optimal power flow solution using fuzzy evolutionary and swarm optimization [J]. Internatio?nal Journal of Electrical Power &； Energy Systems， 2013， 47： 416?423.

[9] KARUPPANAN P， MAHAPATRA K K. PI and fuzzy logic controllers for shunt active power filter. ISA Transactions. 2012， 51（1）：234?243.

[10] PHADKE A R， FOZDAR M， NIAZI K R. A new multi?objective fuzzy?GA formulation for optimal placement and sizing of shunt FACTS controller[J]. International Journal of Electrical Power &； Energy Systems， 2012， 40（1）： 46?53.

[11] CHELLABOINA V S， HADDAD W M， OH J H. Fixed?order dynamic compensation for linear systems with actuator amplitude and rate saturation constraints [J]. International Journal of Control， 2000， 73（12）： 1087?1103.endprint

<；E：＼2014年23期＼2014年23期＼Image＼41t4.tif>；

圖4 微電網系統母線電壓

5 ?結 ?論

本文在微電網多DG模型基礎上，設計并優化了逆變器輸出控制器。在仿真實驗中檢驗了本系統能夠有效抑制存在于微電網中的電壓、頻率、操作模式轉換等干擾，使系統具有較好魯棒性，并且具有超調小、響應速度快等優點。

<；E：＼2014年23期＼2014年23期＼Image＼41t5.tif>；

圖5 微電網系統頻率

參考文獻

[1] 時珊珊，魯宗相，閔勇，等.微電網孤網運行時的頻率特性分析[J].電力系統自動化，2011，35（9）：36?41.

[2] 鄭永偉，陳民鈾，李闖，等.自適應調節下垂系數的微電網控制策略[J].電力系統自動化，2013，37（7）：6?11.

[3] 吳志，顧偉.孤島方式下基于多代理系統的微電網有功?頻率控制[J].電力自動化設備，2009，29（11）：57?61.

[4] 楊璽.基于遺傳算法的模糊控制器規則優化[J].電氣傳動自動化，2010，32（5）：41?44.

[5] 楊鵬，代冀陽，趙文龍.基于遺傳算法的參數優化在控制器設計中的應用[J].南昌航空工業學院學報：自然科學版，2004，18（4）：24?27.

[6] MAKRIDOU G， ATSALAKIS G S， ZOPOUNIDIS C， et al. Gold price forecasting with a neuro?fuzzy?based inference system [J]. International Journal of Financial Engineering and Risk Management， 2013， 1（1）： 35?54.

[7] PENANGSANG O， ABDILLAH M， WIBOWO R S， et al. Optimal design of photovoltaic–battery systems using interval type?2 fuzzy adaptive genetic algorithm [J]. 2013， 5（1）：50?55.

[8] KUMAR S， CHATURVEDI D K. Optimal power flow solution using fuzzy evolutionary and swarm optimization [J]. Internatio?nal Journal of Electrical Power &； Energy Systems， 2013， 47： 416?423.

[9] KARUPPANAN P， MAHAPATRA K K. PI and fuzzy logic controllers for shunt active power filter. ISA Transactions. 2012， 51（1）：234?243.

[10] PHADKE A R， FOZDAR M， NIAZI K R. A new multi?objective fuzzy?GA formulation for optimal placement and sizing of shunt FACTS controller[J]. International Journal of Electrical Power &； Energy Systems， 2012， 40（1）： 46?53.

[11] CHELLABOINA V S， HADDAD W M， OH J H. Fixed?order dynamic compensation for linear systems with actuator amplitude and rate saturation constraints [J]. International Journal of Control， 2000， 73（12）： 1087?1103.endprint

<；E：＼2014年23期＼2014年23期＼Image＼41t4.tif>；

圖4 微電網系統母線電壓

5 ?結 ?論

本文在微電網多DG模型基礎上，設計并優化了逆變器輸出控制器。在仿真實驗中檢驗了本系統能夠有效抑制存在于微電網中的電壓、頻率、操作模式轉換等干擾，使系統具有較好魯棒性，并且具有超調小、響應速度快等優點。

<；E：＼2014年23期＼2014年23期＼Image＼41t5.tif>；

圖5 微電網系統頻率

參考文獻

[1] 時珊珊，魯宗相，閔勇，等.微電網孤網運行時的頻率特性分析[J].電力系統自動化，2011，35（9）：36?41.

[2] 鄭永偉，陳民鈾，李闖，等.自適應調節下垂系數的微電網控制策略[J].電力系統自動化，2013，37（7）：6?11.

[3] 吳志，顧偉.孤島方式下基于多代理系統的微電網有功?頻率控制[J].電力自動化設備，2009，29（11）：57?61.

[4] 楊璽.基于遺傳算法的模糊控制器規則優化[J].電氣傳動自動化，2010，32（5）：41?44.

[5] 楊鵬，代冀陽，趙文龍.基于遺傳算法的參數優化在控制器設計中的應用[J].南昌航空工業學院學報：自然科學版，2004，18（4）：24?27.

[6] MAKRIDOU G， ATSALAKIS G S， ZOPOUNIDIS C， et al. Gold price forecasting with a neuro?fuzzy?based inference system [J]. International Journal of Financial Engineering and Risk Management， 2013， 1（1）： 35?54.

[7] PENANGSANG O， ABDILLAH M， WIBOWO R S， et al. Optimal design of photovoltaic–battery systems using interval type?2 fuzzy adaptive genetic algorithm [J]. 2013， 5（1）：50?55.

[8] KUMAR S， CHATURVEDI D K. Optimal power flow solution using fuzzy evolutionary and swarm optimization [J]. Internatio?nal Journal of Electrical Power &； Energy Systems， 2013， 47： 416?423.

[9] KARUPPANAN P， MAHAPATRA K K. PI and fuzzy logic controllers for shunt active power filter. ISA Transactions. 2012， 51（1）：234?243.

[10] PHADKE A R， FOZDAR M， NIAZI K R. A new multi?objective fuzzy?GA formulation for optimal placement and sizing of shunt FACTS controller[J]. International Journal of Electrical Power &； Energy Systems， 2012， 40（1）： 46?53.

[11] CHELLABOINA V S， HADDAD W M， OH J H. Fixed?order dynamic compensation for linear systems with actuator amplitude and rate saturation constraints [J]. International Journal of Control， 2000， 73（12）： 1087?1103.endprint