摘要：针对传统控制器存在的响应速度较慢、超调较大及鲁棒性较差等问题,提出一种基于串级PI-(1+PD)算法的含飞轮储能互联电网AGC控制器设计方法。首先,建立含飞轮储能的两区域互联电网AGC系统模型,模拟飞轮储能联合火电机组参与AGC的过程。然后,设计一种基于串级PI-(1+PD)算法的AGC控制器。外环采用PI控制,内环采用带滤波系数的(1+PD)控制。在保证系统稳态性能的前提下,提高动态响应速度和抗扰能力,并通过粒子群算法的迭代寻优获得最优的控制器参数。最后,基于Matlab/Simulink进行算例仿真分析。结果表明:与传统PID控制和PI-PD控制相比,所提方法不仅具有更快的响应速度与更小的超调量,而且增强了系统抵御内部参数摄动的鲁棒性。

摘要：微电网采用多交流电力弹簧(AC electric spring,ACES)分布式一致性控制可实现系统母线电压平稳,但非理想通信网络情形下传统矢量控制方法难以保持母线电压期望轨迹稳定跟踪。针对这一问题,设计形式简单的高斯观测器,以有功功率和无功功率牵制项形式与多ACES一致性控制器结合,动态调节各母线电压期望轨迹,在线补偿时变通信时延与噪声干扰造成的偏差;设计具有零动态特性的反馈线性化控制方法,采用简单的线性化控制器,即可实现存在不确定性扰动情形下系统母线电压期望轨迹准确跟踪;设计基于ACES开关模式的模型预测控制方法,完成滤波电感电流目标函数快速寻优与有功功率精确分配。依据Lyapunov稳定性定理,证明通信网络非理想情形下闭环控制系统可全局渐近收敛至期望工作点,并求取收敛时间上界。基于dSPACE的实验结果验证所提方法具有动态响应快、稳定域宽、鲁棒性强的特点。

摘要：电能质量问题日益严重,其中电压偏差的危害最为明显。本文提出一种基于改进集成聚类和BP神经网络的电压偏差预测方法。针对单一聚类算法的不足,将AP聚类算法与经典K-means聚类算法结合,形成改进集成聚类算法,实现两类算法的优势互补,该算法包括PCA降维、AP聚类、K-means聚类三步。选择与待预测点相似相近的样本数据集,采用改进集成聚类算法对数据集中的气象数据进行聚类,提取训练样本,最后采用BP神经网络算法建立预测模型。结果表明,该方法预测结果平均相对误差为2.987%,优于传统BP神经网络预测模型以及结合PCA降维的BP神经网络预测模型。

摘要：为缓解电动汽车快速充电对电网的冲击,研究在直流快速充电站(DC fast charging station,DC-FCS)应用永磁同步电机(permanent magnet synchronous motor,PMSM)式飞轮储能系统(flywheel energy storage system,FESS)。在传统PMSM双闭环控制的基础上提出基于负载电流补偿与转速反馈的控制策略。首先建立电动汽车直流快速充电站负荷数学模型,对其冲击特性进行分析。然后阐明所提飞轮储能系统控制策略,并设计配有PMSM-FESS的直流快速充电站控制系统。最后在Matlab/Simulink软件平台上搭建配有FESS的快速充电站系统仿真模型。仿真结果表明:所提PM SM-FESS控制策略可有效限制电网功率上升速率,补偿快速充电站母线电压跌落;即使面临多台电动汽车短时间连续接入的情形,所提控制策略仍可有效缓解直流快速充电站对电网的冲击,降低直流母线电压跌落幅度。

摘要：文中提出一种基于博弈论的电动汽车充电实时定价策略。该定价策略中电动汽车充电站为电价制定的博弈主导者,电动汽车用户为电价制定的博弈跟随者。首先,提出充电站调峰效果评价指标,以电动汽车充电价格和充电容量为约束条件,建立充电站-电动汽车用户收益模型;然后,分析充电站与电动汽车用户的博弈策略空间与动态博弈行为,利用遗传算法的寻优机制选择双方的博弈策略,对收益模型进行求解;最后,仿真验证该定价策略能够有效改善电网侧负荷水平,提高博弈双方的经济收益,为实时电价的制定奠定理论基础。

摘要：为提高区域综合能源系统的经济效益,提出了考虑需求侧响应的含储能的区域综合能源系统运行优化模型。首先建立包含储能、分布式能源、微型燃气轮机、燃气锅炉、蓄热槽等区域综合能源系统模型和可转移负荷、可削减负荷的模型。然后以系统的总运行成本最小为目标,构建区域综合能源系统运行优化模型;最后采用cplex求解器进行求解,通过算例验证。结果表明,需求侧响应和储能对提高系统经济性具有积极影响,可转移负荷、可削减负荷、储能在系统的调度中起到了移峰填谷的作用,需求侧响应的引入能有效降低系统总运行成本和峰谷差,验证了模型和方法的有效性。

摘要：针对电压偏差预测难度大的问题,文中提出一种新的电压偏差预测方法。该方法包括主成分分析法(principal component analysis,PCA)降维、亲和力传播(affinity propagation,AP)聚类、反向传播(back propagation,BP)神经网络预测3步。通过PCA对数据进行降维,获得数据主成分;为了弥补传统聚类方法的不足,提高聚类效果,文中引入AP聚类提取与待预测点同类的历史数据;最后选择BP神经网络建立电压偏差预测模型。将文中方法应用于实际电压偏差数据,结果表明该方法预测结果平均相对误差为3.06%,优于传统BP神经网络预测模型以及BP神经网络结合PCA降维的预测模型。

摘要：光伏最大功率点跟踪方法可以最大限度地利用光伏电池所能产生的电能,已成为提高光伏发电系统运行效率、降低光伏电能成本的研究热点。本文分析了扰动观察法和电导增量法存在收敛速度慢、稳态振荡、陷入局部最优等问题,提出了一种具有阈值判断和变步长功能的指数变步长电导增量法,该方法既具有电导增量法快速跟踪的优点,又能准确、稳定地跟踪到全局最大功率点。进行了不同运行工况下的仿真实验,验证了上述方法的可行性和适用性。