摘要：考虑电池储能系统(BESSs)规划与运行之间的联系,建立兼顾经济性和技术性要求的BESSs多目标优化配置模型并进行双层架构,保证BESSs规划的有效性和运行的高效性.内层以BESSs运营收益最大为目标,提出孔雀优化算法求解BESSs充放电运行策略的最优解;外层以BESSs投资运维成本、配电网电压波动和负荷波动最小为目标,设计多目标孔雀优化算法求解选址定容规划方案的Pareto非支配解集.考虑配电网运行条件的不确定性,采用聚类算法获得典型场景集,并基于IEEE-33节点系统进行仿真.结果表明:所提算法实现了局部探索和全局搜索的平衡,有效获得高质量解;与传统多目标优化算法相比,其能够获得分布更广泛且均匀的Pareto前沿,实现BESSs投资效益最优,显著提升配电网电压质量和功率稳定性.

摘要：针对脉宽调制电流源型换流器(pulse-width modulated current source converter,PWM-CSC)的超导磁储能(superconducting magnetic energy storage,SMES)系统,设计了一款自适应分数阶滑模控制(adaptive fractional-order sliding-mode control,AFOSMC)策略。首先,将SMES系统的非线性、参数不确定性、未建模动态、以及外部扰动聚合成一个广义扰动,并利用滑模状态扰动观测器(sliding-mode state and perturbation observer,SMSPO)在线估计该扰动值。随后,通过分数阶滑模控制(fractional-order sliding-mode control,FOSMC)实时地对该扰动进行完全补偿,从而显著提高SMES系统的鲁棒性并获得全局一致的控制性能。同时,AFOSMC仅需测量SMES系统的d-q轴电流,并且采用扰动的实时估计值替代上限值进行补偿,因而其易于实现且具有更为合理的控制成本。该文进行了4种算例研究,即:1)有功功率和无功功率调节;2)电网故障下的系统恢复;3)新能源接入的功率波动平抑;4)参数不确定时的鲁棒性。仿真结果表明,AFOSMC相较于其他算法,具有最强的鲁棒性和最佳的动态响应性能。最后,基于dSpace的硬件在环(hardware-in-loop,HIL)实验验证了其硬件可行性。

摘要：简单介绍了馈线自动化技术,论述了馈线终端单元的总体设计。方案中CPU采用了32位单片机MC68332,并且由可编程逻辑器件负责所有输入输出的逻辑功能,提高了系统的可靠性。软件设计采用了嵌入式实时操作系统,实现了对系统资源的合理利用,提高了系统运行的实时性。最后,对馈线自动化模式进行了探讨。

摘要：该文提出一种基于贪婪搜索的神经网络(GSNN)算法,以实现非均匀温差分布下集中式温差发电系统的最大功率跟踪(MPPT)。首先,以DC-DC升压变换器占空比为输入,系统输出功率为输出,建立双层前馈神经网络模型。然后,采用Levenberg-Marquardt法训练神经网络,得到系统的输入-输出(I/O)拟合曲线,以准确区分局部最大功率点(LMPP)和全局最大功率点(GMPP)。同时,基于拟合的曲线,设计压缩范围的贪婪策略快速逼近GMPP。恒定温度、阶跃温度和灵敏度分析三种算例下的仿真结果表明,与扰动观测法、粒子群算法和灰狼算法相比,GSNN能在非均匀温差分布下快速、稳定地输出最大功率。最后,基于dSpace的硬件在环(HIL)实验验证了所提算法的硬件可行性。