本发明涉及微电网控制领域,具体涉及一种新能源微电网控制方法及装置。
背景技术:
随着经济的飞速发展,电力需求与日俱增,学者们根据社会实际需求提出微电网概念,由此引起了研究微网的热潮。由于化石能源等不可再生能源的枯竭,风电,光伏发电等绿色清洁型新能源融入到微电网中,解决了传统电网远距离输电与调控的环节。
由于科技的不断进步,人们不再满足于传统微网控制方法。传统控制方法不仅计算过程复杂,而且不能将能量合理并有效地利用,使得输出能量丢失了部分,这对能源稀缺的地方极为不利的。综上考虑,本发明提出一种新能源微电网控制方法及装置,该方法中计算过程较于传统方法简便,合理有效地利用能量,使得输出精准,系统运行稳定。
技术实现要素:
本发明的目的是设计一种新能源微电网控制方法及装置,解决微电网输出信号不稳定的问题,其具有鲁棒性强,容错能力强及较强的稳定性的特点。
本发明设计的一种新能源微电网控制方法,包括如下步骤:
步骤1:初始化设定参数;
步骤2:数据采样模块以周期t对微电网的逆变电路模块输出电压和输出电流进行采样,把采集的电压和电流传给微处理器模块运算得到逆变电路模块输出功率信号y(t);
步骤3:把设定的期望输出功率参考信号y与输出功率信号y(t)进行差值比较,得到得到误差信号e*;
步骤4:通过改进型logistic混沌映射通过迭代n次得到一维伪随机矩阵pn,n为正整数;
步骤5:将迭代生成的伪随机矩阵pn带入误差公式计算得到误差矩阵en;
步骤6:从误差矩阵en中选取伪随机数δp';
步骤7:根据伪随机数δp'算出比例增量δp;
步骤8:根据比例增量δp算出比例因子p(t);
步骤9:把比例因子p(t)带入误差量更新算式中得到误差量e(t);
步骤10:根据误差量e(t)算出误差变化率δe,把误差量e(t)和误差变化率δe代入模糊化算式中进行运算,解模糊化得到积分项i(t);
步骤11:把比例因子p(t)和积分项i(t)代入pi控制器计算,产生对逆变电路的控制信号和预期的输出功率信号y(t);
步骤12:根据控制信号对逆变电路模块的开关管进行控制,完成单周控制,返回步骤2。
所述步骤1中设定参数的参数包括初始期望输出功率参考信号y、误差量阀值eref、误差信号阀值eref*、比例因子阀值pref、积分因子阀值iref、初始比例因子p(0)和初始积分因子i(0)。
本发明还进一步包括当步骤9中的更新得到的误差量e(t)的绝对值比误差量阀值eref大时,丢弃误差量e(t),返回步骤2。
所述步骤4中改进型logistic混沌映射的迭代方程为,
其中μ∈[2.6,4]、
所述步骤5中的误差公式为:
en=y-pn*y(t)
其中,y为期望输出功率参考信号,pn为伪随机矩阵,y(t)为输出功率信号,en为误差矩阵。
所述步骤7中算出比例增量δp的过程为:
δp=p(t-1)*δp'
其中,δp'为伪随机数,p(t-1)为上次算出的比例因子,当为初次运算时,取设定的p(0),δp为比例增量。
所述步骤8中,算出比例因子p(t)的过程为:
当步骤2中的误差信号e*大于零时
p(t)=p(t-1)+δp
当步骤2中的误差信号e*小于零时
p(t)=p(t-1)-δp
其中,p(t-1)为上次算出的比例因子,当为初次运算时,取设定的p(0),δp为比例增量。
所述步骤9中的误差量更新算式为:
e(t)=y-p(t)*y(t)
其中,y为期望输出功率参考信号,p(t)为比例因子,y(t)为输出功率信号,e(t)为误差量。
一种新能源微电网控制方法的装置,包括逆变电路模块、数据采样模块、微处理器算法模和pwm调制驱动电路模块,所述数据采样模块的采集端与逆变电路模块连接;所述数据采样模块的输出端与微处理器算法模连接;所述微处理器算法模经pwm调制驱动电路模块与逆变电路模块连接;
所述微处理器算法模包括模糊化控制电路和pi控制器;所述pi控制器的输入端与数据采样模块连接,输出端与pwm调制驱动电路模块连接;所述模糊化控制电路与pi控制器连接。
与现有技术相比,本发明一种新能源微电网控制方法及装置具有如下优点:
1、采用logistic映射产生随机数矩阵选取比例因子的方法,提高了系统的自主选择性和动态响应速度,能使调制过程更加稳定,不出现崩溃现象,尽可能降低谐波失真度;
2、采用模糊化控制生成积分因子,解决计算过程的非线性问题,有较强的容错性,且鲁棒性强,使得本发明在稳定性能上具有更大的优势。
附图说明
图1是本发明微控制器算法流程图;
图2是本发明系统执行流程图;
图3是本发明装置处理框图;
图4是本发明改进型logistic混沌映射图像;
图5是本发明装置整体框图。
具体实施方式
以下参照实施例和附图,进一步详细叙述本发明的具体实施方案。
本一种新能源微电网控制方法实施例电路结构如图1-4中所示。包括如下步骤:
步骤1:初始化设定参数,设定参数的参数包括初始期望输出功率参考信号y、误差量阀值eref、误差信号阀值
步骤2:数据采样模块以周期t对微电网的逆变电路模块输出电压和输出电流进行采样,把采集的电压和电流传给微处理器模块运算得到逆变电路模块输出功率信号y(t)。
步骤3:把设定的期望输出功率参考信号y与输出功率信号y(t)进行差值比较,得到得到误差信号e*。得到误差信号e*=y-y(t),用期望输出功率参考信号y减去输出功率信号y(t)得到误差信号e*。
步骤4:通过改进型logistic混沌映射通过迭代n次得到一维伪随机矩阵pn,n为正整数。
改进型logistic混沌映射的迭代方程为,
其中μ∈[2.6,4]、
步骤5:将迭代生成的伪随机矩阵pn带入误差公式计算得到误差矩阵en。误差公式为:
en=y-pn*y(t)
其中,y为期望输出功率参考信号,pn为伪随机矩阵,y(t)为输出功率信号,en为误差矩阵。
步骤6:从误差矩阵en中选取伪随机数δp'。从误差矩阵en中选取与期望功率信号y最为契合的伪随机数δp'。
步骤7:根据伪随机数δp'算出比例增量δp。算出比例增量δp的过程为:
δp=p(t-1)*δp'
其中,δp'为伪随机数,p(t-1)为上次算出的比例因子,当为初次运算时,取设定的p(0),δp为比例增量。
步骤8:根据比例增量δp算出比例因子p(t)。算出比例因子p(t)的过程为:
当步骤2中的误差信号e*大于零时
p(t)=p(t-1)+δp
当步骤2中的误差信号e*小于零时
p(t)=p(t-1)-δp
其中,p(t-1)为上次算出的比例因子,当为初次运算时,取设定的p(0),δp为比例增量。
步骤9:把比例因子p(t)带入误差量更新算式中得到误差量e(t)。当更新得到的误差量e(t)的绝对值比误差量阀值eref大时,丢弃误差量e(t),返回步骤2。误差量更新算式为:
e(t)=y-p(t)*y(t)
其中,y为期望输出功率参考信号,p(t)为比例因子,y(t)为输出功率信号,e(t)为误差量。
步骤10:根据误差量e(t)算出误差变化率δe,把误差量e(t)和误差变化率δe代入模糊化算式中进行运算,解模糊化得到积分项i(t)。根据模糊规则对积分项进行实时调整,解模糊得到积分项i(t)。将比例因子与积分因子带入pi控制器计算,进而产生对逆变电路的控制信号,产生预期的输出信号。误差变化率δe等于前一个的误差量减去后一个误差量。
步骤11:把比例因子p(t)和积分项i(t)代入pi控制器计算,产生对逆变电路的控制信号和预期的输出功率信号y(t)。预期的输出功率信号y(t)为最终的功率信号信号。
步骤12:根据控制信号对逆变电路模块的开关管进行控制,完成单周控制,返回步骤2。最终实现逆变电路输出稳定并精确输出,达到精准控制的目的。
如图5所示,一种新能源微电网控制方法的装置,其特征在于:包括逆变电路模块、数据采样模块、微处理器算法模和pwm调制驱动电路模块。所述数据采样模块的采集端与逆变电路模块连接。所述数据采样模块的输出端与微处理器算法模连接。所述微处理器算法模经pwm调制驱动电路模块与逆变电路模块连接。逆变电路模块为开关电源的逆变部分,主要是对开关电源起到主导的作用。数据采样模块为a/d采样电路或者电压电流传感器。pwm调制驱动电路模块主要是输出pwm信号对逆变电路模块的开关管进行控制。
所述微处理器算法模包括模糊化控制电路和pi控制器。所述pi控制器的输入端与数据采样模块连接,输出端与pwm调制驱动电路模块连接。所述模糊化控制电路与pi控制器连接。模糊化控制电路为现有的模糊化运算电路,进行模糊化运算处理。pi控制器主要包括微处理器和时钟电路,时钟电路与微处理器连接,微处理器为stm32系列的单片机芯片。
以上已对本发明创造的较佳实施例进行了具体说明,但本发明并不限于实施例,熟悉本领域的技术人员在不违背本发明创造精神的前提下还可作出种种的等同的变型或替换,这些等同的变型或替换均包含在本申请的范围内。