基于DE-RBF混合优化算法的微电网自适应下垂控制策略

基于DE-RBF混合优化算法的微电网自适应下垂控制策略

TM273.4; 孤岛微电网因线路阻抗各异,采用传统下垂控制无法实现功率按分布式电源容量比例分配,会产生电压/频率偏差.为此,提出一种基于DE-RBF混合优化算法的自适应下垂控制策略.首先,构建下垂控制的两逆变器并联微电网系统动态模型,应用差分进化(differential evolution,DE)算法获得多个平衡点的优化下垂控制参数.为提高系统的动态响应速度与稳定性,通过训练径向基(radial basis function,RBF)神经网络,对每个平衡点参数进行校正.进而,通过增加RBF神经网络的隐含层数量,推广至多个逆变器并联微电网.以采集的有功功率和无功功率作为训练数据,输出最优下垂...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:全球能源互联网 2023-05, Vol.6 (3), p.266-274
Hauptverfasser: 吴丽珍, 魏建平, 丁安邦, 陈伟
Format: Artikel
Sprache:chi
Schlagworte:
差分进化算法
径向基神经网络
微电网
自适应下垂控制
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:TM273.4; 孤岛微电网因线路阻抗各异,采用传统下垂控制无法实现功率按分布式电源容量比例分配,会产生电压/频率偏差.为此,提出一种基于DE-RBF混合优化算法的自适应下垂控制策略.首先,构建下垂控制的两逆变器并联微电网系统动态模型,应用差分进化(differential evolution,DE)算法获得多个平衡点的优化下垂控制参数.为提高系统的动态响应速度与稳定性,通过训练径向基(radial basis function,RBF)神经网络,对每个平衡点参数进行校正.进而,通过增加RBF神经网络的隐含层数量,推广至多个逆变器并联微电网.以采集的有功功率和无功功率作为训练数据,输出最优下垂系数,实现微电网的自适应下垂控制.最后,搭建Matlab/Simulink仿真平台,验证了所提自适应下垂控制方法相比于传统下垂控制,系统响应速度快,功率按照分布式电源容量比例分配.
ISSN:2096-5125
DOI:10.19705/j.cnki.issn2096-5125.2023.03.005