【摘 要】
:
随着新能源分布式发电的渗透率不断上升,其不确定性及并网逆变器的低惯性会影响电网的稳定性。由于虚拟同步发电机控制策略(VSG)能使并网逆变器模拟同步发电机对外输出特性,提升分布式发电并网的稳定性和可靠性,基于此,本文对VSG的拓扑电路及其控制方法进行了分析和研究。首先对课题研究的背景及意义进行介绍。对比分析了并网逆变器的相关控制策略,并归纳总结了各控制策略的优缺点和适用场景。根据同步发电机电气与机械
论文部分内容阅读
随着新能源分布式发电的渗透率不断上升,其不确定性及并网逆变器的低惯性会影响电网的稳定性。由于虚拟同步发电机控制策略(VSG)能使并网逆变器模拟同步发电机对外输出特性,提升分布式发电并网的稳定性和可靠性,基于此,本文对VSG的拓扑电路及其控制方法进行了分析和研究。首先对课题研究的背景及意义进行介绍。对比分析了并网逆变器的相关控制策略,并归纳总结了各控制策略的优缺点和适用场景。根据同步发电机电气与机械特性,设计了VSG功频控制器和励磁控制器,并通过仿真验证了所设计VSG理论正确性。同时建立了VSG并网小信号模型,由小信号模型特征方程绘制变参数根轨迹图,分析了VSG各关键参数改变时对系统稳定性的影响,为VSG控制参数选取提供理论依据。其次针对传统固定转动惯量的VSG中存在暂态过程长且动态性能差的问题,本文采用一种基于模糊控制的转动惯量自适应算法。根据同步发电机的功角曲线,分析了转动惯量和阻尼系数对VSG系统暂态下频率的影响,由此推导出合理的模糊逻辑规则。仿真结果分析表明,在相同情况下采用模糊自适应控制算法的VSG与传统VSG算法比较,能改善功率指令变化和负荷切换时的频率动态响应过程,提高系统的稳定性。再次针对目前VSG在独立运行的分布式发电情况下通常采用一次有差调频,难以保障负荷扰动时的调频要求且传统PI无差调频策略的抗扰能力弱,本文引入自抗扰控制器,采用双模式自抗扰VSG无差调频控制策略。该策略利用NLADRC和LADRC的控制特点,根据负荷扰动的情况自主切换两种控制模式,能有效减小无差调频时的频率超调并改善系统频率动态响应过程。通过仿真结果表明,在相同情况下采用双模式自抗扰控制策略VSG的抗干扰能力相比于传统的PI无差调频策略提高了5.5倍,且在不同大小扰动情况下均具有良好的抗扰性能。最后详细介绍了并网逆变器的软硬件设计方案,并搭建了一台以ARM+FPGA为主控方案的100k VA VSG硬件实验平台。实验结果表明,VSG在离网满载运行时输出谐波电压总畸变率THD值为2.38%,输出谐波电流总畸变率THD值为3.35%;在离网负荷切换时电压保持稳定且电流能快速跟踪负荷;在并网时能按指令向电网输出功率;验证了基于VSG并网逆变器控制方案的可行性。
其他文献
心血管疾病和呼吸系统疾病的发病率呈上升趋势,危害着人民健康。心音信号与肺音信号中包含了大量的心血管系统和呼吸系统的病理信息,能有效辅助医护人员进行诊断。听诊是常见的获取心音信号和肺音信号的手段,但采集的往往是心音信号和肺音信号互相混叠和干扰的心肺音信号。针对这一问题,本文进行了以下研究:1)提出了用于实现单通道心肺音信号分离的一种多重约束的非负矩阵分解算法(MCNMF)。本文研究了非负矩阵分解(N
近年来随着社会发展以及人们对生活和艺术的追求,音乐创作的需求量大幅增加,其生产、传播和消费途径均发生了较大的变化,这给传统的音乐创作带来了挑战,如何快速创作出一首满足特定需求的音乐,成为了近年来自动音乐生成的研究重点之一。本文以MIDI音乐为基础,设计了一种音乐数据的文本化表示方法,并将大型自然语言生成模型迁移到音乐生成中来,实现音乐的快速生成,最后设计出了一种融合数理统计和乐理知识的音乐评价模型
随着无人驾驶技术飞速发展,无人驾驶汽车需要感知行驶环境完成自主驾驶,实现全面数字化。对此,本文提出基于交警姿态估计下的8个交通信号手势的识别。目的是发生道路堵塞、信号灯损坏时,无人驾驶汽车可识别交警信号手势做出相应措施。文中先对斑马线进行语义分割、二值化处理,通过统计连通区域个数(设定区域数大于1为交叉路口)判断当前路口是否为交叉路口。接着对交警站立朝向识别:其先利用Faster R-CNN识别交
机器人应用在人们生产生活的各个领域,代替人进行一些复杂和危险的任务。因此,机器人的位置跟踪控制需要较高的精度。但是,由于机器人系统是一个非线性、强耦合的系统,受到各种不确定性的影响,如未建模动力学、测量噪声、负载变化、外部干扰、非线性摩擦、输入死区等。因此,需要一种结构简单同时又能确保跟踪性能良好的控制方法来控制机器人。时延控制以其结构简单、不依赖于系统模型的优点可以估计复杂未知动力学及难处理的非
叠加信道估计方法由于具有高的频谱效率,得到了世界范围内专家学者的广泛关注。然而,训练序列与数据序列的叠加不可避免地引起叠加干扰,大大降低信道估计与数据检测的准确性。为消除叠加干扰,数据依赖叠加训练(Data-Dependent Superimposed Training,DDST)和数据空叠加导引(Data-NullingSuperimposed Pilot,DNSP)方法相继被提出,这些叠加方法
自然图像的识别和处理在视觉语义分析领域有十分重要的意义,目标检测是自然图像识别和处理最关键的技术之一。现有自然图像目标检测方法主要建立在深度学习算法基础上,围绕更快、更新的深度模型训练展开研究。但是以效率网络为代表的现阶段深度学习检测模型在拓展模型深度和精度的同时,忽视了对模型结构和参数的优化,且未对不同检测对象的特点展开分析,存在检测不规则目标时精度低的问题。因此,有必要对现有效率网络检测自然图
氢气作为一种清洁、高效且储量丰富的新型能源,因其可以解决化石燃料储量告急、气候变化和环境污染等问题受到了人们的广泛研究。截止目前,氢能广泛地使用在航空航天、汽车交通、化工生产等领域。氢气具有低的密度(0.0899 kg/m~3)和沸点(20.4 K),与空气混合时容易发生爆炸,其爆炸浓度范围为4~75 vt.%,并且扩散速率非常快。在开发使用氢气的过程中,必须对其浓度进行实时监测,以确保生产、储存
随着现代无线电通信技术的发展与应用、无线电信号特征与电磁环境变得更加复杂,这给调制识别技术带来了许多新的技术难题。深度学习在语音、图像等领域展现了优异的特征提取能力,并且有很强的泛化能力和鲁棒性。将深度学习强大的特征提取能力应用到通信信号的调制识别中,无疑能更好地应对日益复杂的电磁环境带来的问题和挑战。近年来,深度学习已经在调制识别领域取得了较好的识别效果,本文将继续研究深度学习在信号调制类型识别
机器人系统是一个具有多变量、高度非线性和强耦合等特点的复杂非线性系统,目前机器人系统已经广泛应用到各个场景,包括航天航空、工业生产、医疗以及日常生活。但由于工作环境的复杂性和多变性,机器人系统容易出现执行器故障,这会导致生产效率和产品质量降低。为了解决这一问题,容错控制技术已经被广泛运用来提高机器人系统的稳定性和可靠性。本文主要针对受执行器故障情形下的机器人系统,研究几种不同的容错控制方法去补偿执
转台是一种复杂的集光学、机械学、电机学等多学科于一体的现代化军事设备,在航天航空领域、雷达通信、模拟飞行器运动系统、制导系统中都发挥了极其重要的作用。转台系统的伺服控制性能对上述设备性能有主要的影响,为此,研究高精度的转台系统伺服控制技术对我国军工业的发展具有重大意义。目前,我国的陆地边防监控设备布控还不够完善,伺服跟踪转台产品需求量大,传统以人工手段的边防监控无法满足现实需求,亟需研制新一代高精