郭慶，左曉陽(yáng)，李金發(fā)，劉人杰，黃成龍

（吉林化工學(xué)院，吉林吉林，132022）

0 引言

近年來(lái)，隨著能源消耗和環(huán)境治理的雙重壓力不斷上升，國(guó)家對(duì)能源的需求也在不斷演變。為解決能源結(jié)構(gòu)老化的問(wèn)題，尋求多元化的能源供應(yīng)勢(shì)在必行。微電網(wǎng)以其多樣的控制方式及持續(xù)提升的能源管理方案，可以在獨(dú)立運(yùn)作與聯(lián)網(wǎng)模式中保持穩(wěn)定地運(yùn)轉(zhuǎn)。此外，這種方式能夠減少隨機(jī)型分布式電源對(duì)電網(wǎng)產(chǎn)生的干擾，有效地提高可再生能源的使用效果。鑒于光伏、風(fēng)力發(fā)電機(jī)組、蓄電池設(shè)備以及氫能等各類分布式電源的大量涌現(xiàn)，許多國(guó)內(nèi)外的研究者對(duì)于分布式發(fā)電技術(shù)的關(guān)注度也在日益增長(zhǎng)[1～4]。近年來(lái)，隨著光伏、風(fēng)電、儲(chǔ)能系統(tǒng)和氫能等分布式電源的發(fā)展速度加快，微電網(wǎng)技術(shù)的研究進(jìn)步也十分迅速。這些分布式電源的廣泛應(yīng)用推動(dòng)了微電網(wǎng)的發(fā)展，為實(shí)現(xiàn)更加可持續(xù)和高效的能源系統(tǒng)提供了新的可能性。為了更好地實(shí)現(xiàn)微電網(wǎng)的穩(wěn)定運(yùn)行和高效管理，學(xué)者們正在不斷改進(jìn)和優(yōu)化微電網(wǎng)的控制策略，以適應(yīng)不斷變化的電力系統(tǒng)環(huán)境。在微電網(wǎng)中，下垂控制策略始終對(duì)分布式電源并聯(lián)起到一定的保護(hù)作用。通過(guò)利用下垂控制，能夠更有效地調(diào)整微電網(wǎng)內(nèi)各個(gè)分布式電源的運(yùn)行狀態(tài)，從而提升系統(tǒng)的全面性和穩(wěn)定性。下垂控制具有不依賴通信和“即插即用”的特點(diǎn)，使得微電網(wǎng)在各種條件下都能快速部署和運(yùn)行。下垂控制可以實(shí)現(xiàn)有功均衡，有效協(xié)調(diào)微電網(wǎng)內(nèi)部各個(gè)分布式電源的有功功率輸出，提高系統(tǒng)的能源利用效率。這為微電網(wǎng)的穩(wěn)定運(yùn)行提供了可靠的技術(shù)支持。然而，在無(wú)功功率均分方面，下垂控制存在一些問(wèn)題。換句話說(shuō)，由于未能全面考慮逆變器輸出電阻和線路電阻的作用，下垂控制在無(wú)功功率均分方面表現(xiàn)不佳。這導(dǎo)致母線電壓隨微電網(wǎng)運(yùn)行狀態(tài)而改變，這不僅對(duì)出口電力質(zhì)量造成了負(fù)面影響，還使得電力分配失衡。

針對(duì)以上問(wèn)題，文獻(xiàn)[7]提出一種改進(jìn)后的負(fù)荷功率分配控制策略，通過(guò)增加無(wú)功誤差補(bǔ)償，使微網(wǎng)內(nèi)部的無(wú)功功率能夠被合理分配，但該方法有它的局限性，其控制器的參數(shù)選取不便。在文章[8]中，給出了一種自適應(yīng)下垂控制方法。這個(gè)方法包括使用PI 控制器來(lái)自動(dòng)調(diào)整下垂參數(shù)，同時(shí)也采用另外一種自適應(yīng)的PI 控制器作為次級(jí)回路來(lái)調(diào)整直流微網(wǎng)總線電壓。然而，該控制方法在實(shí)際應(yīng)用中較為依賴通信。參考文獻(xiàn)[9]提出了一種直觀的測(cè)量線路數(shù)值的方式，通過(guò)在本地控制環(huán)境中使用監(jiān)測(cè)器來(lái)測(cè)量線路數(shù)值，突出了監(jiān)測(cè)器對(duì)線路數(shù)值的精確測(cè)量。該方法基于觀測(cè)值計(jì)算每個(gè)分布式發(fā)電機(jī)（DG）的壓降大小，并旨在通過(guò)對(duì)每個(gè)DG 進(jìn)行精確補(bǔ)償，合理分配系統(tǒng)中的無(wú)功功率。然而，這一方法在實(shí)際應(yīng)用中可能面臨一定困難，因?yàn)樗鼘?duì)微電網(wǎng)結(jié)構(gòu)的要求相對(duì)較高。文獻(xiàn)[10]采集了連接線路的阻抗角作為一個(gè)重要變量對(duì)下垂控制改進(jìn)，有助于在系統(tǒng)的暫態(tài)過(guò)程中減小振蕩。同時(shí)，為了進(jìn)一步優(yōu)化系統(tǒng)的動(dòng)態(tài)響應(yīng)，在控制中添加了一個(gè)微分控制環(huán)節(jié)，以更好地應(yīng)對(duì)系統(tǒng)運(yùn)行中的變化。但是該方法僅僅關(guān)注了功率的穩(wěn)定性輸出問(wèn)題，未充分考慮系統(tǒng)的電壓和頻率問(wèn)題。這一限制可能導(dǎo)致在電壓和頻率方面存在的不穩(wěn)定性。文獻(xiàn)[11]在逆變器控制中引入虛擬電阻，利用自適應(yīng)控制使其阻值可以跟蹤有功功率輸出偏差值并及時(shí)調(diào)整，但是未考慮到該方法與微網(wǎng)中并聯(lián)運(yùn)行的微型燃?xì)廨啓C(jī)兼容效果不好。文獻(xiàn)[12]采用的是一種融合了分段調(diào)控和頻率調(diào)制的自適應(yīng)控制來(lái)改進(jìn)其下的下垂控制；它采用了自動(dòng)調(diào)整下垂曲線的手段去改善功率分配效果。然而并未考慮到該方法下下垂系數(shù)過(guò)大的話會(huì)對(duì)該系統(tǒng)產(chǎn)生怎樣的影響。文獻(xiàn)[13]是關(guān)于使用了一種自調(diào)節(jié)改進(jìn)的下垂控制策略。該策略被應(yīng)用到傳統(tǒng)逆變器下垂控制中并且加入了一個(gè)具有比例及積分的模塊以提高無(wú)功電壓下垂控制的關(guān)系從而使得能更好地平衡出力情況。不過(guò)這個(gè)方案也存在一些缺點(diǎn)比如可能會(huì)降低整體運(yùn)行過(guò)程當(dāng)中的穩(wěn)定性和可行度而且也沒(méi)有提供任何有關(guān)選擇控制參數(shù)的方法等等的問(wèn)題都是存在的。文獻(xiàn)[14]提到了他們所開發(fā)的一種叫做自適應(yīng)模糊下垂控制 的先進(jìn)型自動(dòng)化管理方法，它的主要功能就是用一套有效的數(shù)學(xué)模型來(lái)自我調(diào)整的方式計(jì)算出來(lái)最適合當(dāng)前狀態(tài)的最優(yōu)值然后以此為基礎(chǔ)進(jìn)一步確定最佳的工作條件以便系統(tǒng)保持穩(wěn)定。文獻(xiàn)[15][16]采用新的控制技術(shù)，頻率設(shè)定值不變的情況下，可以對(duì)系統(tǒng)頻率提供支撐，并按預(yù)定比例分配負(fù)荷，但未提出確切的表達(dá)式確定該方法的相角下垂系數(shù)如何計(jì)算。文獻(xiàn)[17]在研究了包含儲(chǔ)存設(shè)備的光伏并聯(lián)網(wǎng)絡(luò)后，利用實(shí)時(shí)的光伏與電力系統(tǒng)的功率數(shù)據(jù)來(lái)調(diào)整光伏出力的峰值和谷值，以平滑電力輸出波動(dòng)的幅度，但是該文并未使用高魯棒性的控制方法來(lái)處理光伏的發(fā)電量，這可能使得控制效果受到外界環(huán)境變化的影響，如：當(dāng)光伏板的外部條件發(fā)生劇烈變動(dòng)時(shí)，可能會(huì)出現(xiàn)“錯(cuò)誤判斷”的現(xiàn)象，進(jìn)而破壞光儲(chǔ)微電網(wǎng)的平穩(wěn)運(yùn)作。文獻(xiàn)[18][19]提出了基于一致性的二級(jí)控制策略，通過(guò)利用通信網(wǎng)絡(luò)與系統(tǒng)節(jié)點(diǎn)進(jìn)行信息交流，減少系統(tǒng)電壓以及頻率的偏差，并有效提高了無(wú)功功率分配精度。

本文提出了一種基于混合智能算法的改進(jìn)下垂控制策略，在下垂控制的基礎(chǔ)上加入積分和微分環(huán)節(jié)，同時(shí)將PSO 與GA 算法結(jié)合顯著提高了算法的尋優(yōu)能力，設(shè)計(jì)誤差代價(jià)函數(shù)以功率輸出偏差及電壓偏差最小為目標(biāo)，尋求最優(yōu)控制參數(shù)，有效提高微電網(wǎng)工作狀態(tài)變化時(shí)系統(tǒng)功率均衡分配以及電壓恢復(fù)穩(wěn)定的能力，縮短系統(tǒng)恢復(fù)穩(wěn)定的時(shí)間，顯著提高了系統(tǒng)的魯棒性。

1 系統(tǒng)模型

■1.1 微網(wǎng)模型

現(xiàn)階段，我國(guó)的微型電力網(wǎng)絡(luò)主要包括分散的新能源發(fā)電設(shè)施(DG)與存儲(chǔ)裝置(DS)組成。本研究中，我們將使用兩種小型新能源發(fā)電機(jī)組—DG1 和DG2 作為并聯(lián)運(yùn)行，為突出本次仿真中的逆變器控制部分。因此，我們選擇用直流電源等效這兩個(gè)微型電源，并且設(shè)定它們的功率相近。此外，我們的實(shí)驗(yàn)還包含了兩個(gè)不同的用戶負(fù)載：L1 和L2。

圖1 微網(wǎng)結(jié)構(gòu)示意圖

■1.2 傳統(tǒng)下垂控制的功率分配分析

下面將兩臺(tái)逆變器并聯(lián)運(yùn)行的功率傳輸特性進(jìn)行分析。圖2 為其等效電路。

圖2 微網(wǎng)等效電路圖

Ui∠δi是微電源DG1 經(jīng)逆變器后輸出的電壓，母線θ和微電源與電壓的相角差是δi；微電源的公共母線電壓為U∠0°。

逆變器輸出的電流為：

上式中，θ_i為逆變器i等效輸出阻抗的相角。

第i臺(tái)微源到公共母線的等效輸出阻抗為：

逆變器輸出的復(fù)功率為：

上式中，為逆變器輸出電流的共軛復(fù)值。

將式(1)取共軛復(fù)值代入式(3)中，計(jì)算可得到第i臺(tái)（i=1,2）逆變器產(chǎn)生有功功率和無(wú)功功率為：

當(dāng)系統(tǒng)傳輸線路為理想情況下的高壓線路時(shí)，此時(shí)線路的傳輸阻抗是感性，電阻R可被忽略Zi≈jXi,θi≈90°。

負(fù)載阻抗相較于微源的輸出阻抗非常大，因此母線電壓相角與逆變器i 出口處電壓的相角之差很小，即cosδi≈ 1,sinθi≈δi。則對(duì)(4)式簡(jiǎn)化后得如下公式：

根據(jù)式(5)，(6)，我們可知在高壓系統(tǒng)中，逆變器的等效輸出阻抗是感性，因此等效輸出阻抗相角差δi，與微電源逆變器出口處輸出的有功功率成正相關(guān)；在微電源逆變器的出口位置，輸出的無(wú)功功率與微源輸出電壓的幅度以及母線電壓的幅度之間的差值Ui-U是正相關(guān)的。

頻率與相角之間的關(guān)系如下式：

綜上所述，下垂控制表達(dá)式為：

傳統(tǒng)下垂控制有它本身的局限性，體現(xiàn)在追求電壓偏差更小和分流精度更高上。假定兩種輸出功率單元的輸入輸出電能是一樣的，且虛擬阻抗也是一樣的。然而，由于線纜的阻抗具有顯著差異，實(shí)際上，這兩種變換器運(yùn)行的 I-U 曲線并不是為同一條電壓電流曲線，如圖3 所示。

圖3 下垂控制曲線

圖4 下垂控制改進(jìn)框圖

觀察圖像后發(fā)現(xiàn)，如果選取較低的下垂曲線系數(shù)，雖然能減低電壓誤差，但是也會(huì)削弱分流準(zhǔn)確度；相反地，若采用較高的下垂曲線系數(shù)，則能夠提升分流精準(zhǔn)度，然而卻會(huì)導(dǎo)致更大的電壓誤差。因此我們可以得出結(jié)論：通過(guò)放棄對(duì)有差控制的精確度以換取負(fù)載電流均勻性的下垂控制方式是存在的。在傳統(tǒng)的下垂控制模式里，設(shè)定好的下垂系數(shù)并未充分考慮到蓄電池的特質(zhì)，這可能造成系統(tǒng)運(yùn)行時(shí)過(guò)量或不足地充電和放電現(xiàn)象，進(jìn)而損害了蓄電池的使用期限，并且無(wú)法實(shí)時(shí)調(diào)整蓄電池SOC 與下垂系數(shù)的對(duì)應(yīng)關(guān)系，這也使得系統(tǒng)的穩(wěn)定性變得困難。綜上，傳統(tǒng)下垂控制存在其不足之處，需要對(duì)它進(jìn)行改進(jìn)。

2 改進(jìn)下垂控制

■2.1 改進(jìn)下垂控制設(shè)計(jì)

為了應(yīng)對(duì)系統(tǒng)負(fù)荷投切時(shí)，由于線路阻抗的差異導(dǎo)致的功率分配和電壓波動(dòng)問(wèn)題，我們?cè)?P-V/Q-f 下垂控制方程式的基礎(chǔ)上增加了積分和微分環(huán)節(jié)，從而形成改進(jìn)后的下垂控制方程，如下：

因?yàn)樯鲜街衜 和n 的調(diào)整沒(méi)有相關(guān)理論作為參考。調(diào)整的過(guò)程，存在一定的隨機(jī)性，且需要一定的時(shí)間。這些參數(shù)之間的關(guān)系是相互影響的，有的情況下，需要使系統(tǒng)的動(dòng)態(tài)性能指標(biāo)達(dá)標(biāo)可能需要犧牲系統(tǒng)一定的超調(diào)量。因此，本文利用算法作為達(dá)到系統(tǒng)穩(wěn)定目的的手段，對(duì)這些參數(shù)進(jìn)行動(dòng)態(tài)尋優(yōu)調(diào)整。

在優(yōu)化和改進(jìn)過(guò)程中，我們需要關(guān)注系統(tǒng)的各個(gè)方面的性能，例如：控制效率、續(xù)航能力等。在其中核心的控制參數(shù)優(yōu)化問(wèn)題在于考慮由于微網(wǎng)全局的高維度以及非線性導(dǎo)致的系統(tǒng)的龐雜棘手。改進(jìn)后下垂控制的優(yōu)化目標(biāo)是保證整個(gè)系統(tǒng)的穩(wěn)定性以及電力質(zhì)量達(dá)標(biāo)。具體總結(jié)后，需要滿足以下目標(biāo)：微電網(wǎng)全局應(yīng)當(dāng)穩(wěn)定且高效地依托額定功率參考值或隨機(jī)負(fù)載的需求對(duì)DG 的輸出功率進(jìn)行優(yōu)化控制。

改進(jìn)后的優(yōu)化算法通過(guò)不斷迭代來(lái)尋找控制最優(yōu)解，這就需要通過(guò)目標(biāo)函數(shù)來(lái)反映系統(tǒng)的狀態(tài)是否穩(wěn)定以及電能質(zhì)量是否達(dá)標(biāo)。在這里引入微網(wǎng)狀態(tài)誤差積分代價(jià)函數(shù)，通過(guò)改進(jìn)控制算法調(diào)整M 和N 參數(shù)，不停迭代尋找最優(yōu)解，找到目標(biāo)函數(shù)的最小值，即可使該系統(tǒng)達(dá)到穩(wěn)態(tài)誤差較小的穩(wěn)定狀態(tài)。

目標(biāo)代價(jià)函數(shù)可設(shè)計(jì)為：

其中，W是權(quán)重矩陣；E(k)是絕對(duì)誤差矩陣，定義為：

△P(k)和 △Q(k)是有功和無(wú)功參考功率及測(cè)量出的實(shí)際值之間的誤差?！鱒(k)是以標(biāo)幺值(1.0p.u)表示的電壓偏差。因此代價(jià)函數(shù)越小，代表有功無(wú)功及電壓偏差越小，即系統(tǒng)此時(shí)的工作狀態(tài)越穩(wěn)定，電能質(zhì)量越高。

■2.2 混合智能算法優(yōu)化

2.2.1 粒子群算法和遺傳算法原理

粒子群算法中，假定在某個(gè)D 維度的目標(biāo)搜索領(lǐng)域里，存在N 個(gè)微粒構(gòu)成的集群，其中第i 個(gè)微粒代表了某個(gè)D維向量：

第i 個(gè)質(zhì)點(diǎn)的運(yùn)動(dòng)速率就是一條d 維向量，我們將其標(biāo)記為：

在第t代的第i個(gè)粒子向第t+1代進(jìn)化時(shí)，根據(jù)以下式子更新：

式中，vij(t)粒子的速度，xij(t)粒子的位置，pij(t)粒子的最優(yōu)解，pgj(t)群體的最優(yōu)解，c1、c2學(xué)習(xí)因子。

基本的粒子群算法和遺傳算法流程如圖5 所示。

圖5 PSO 與GA 算法原理流程圖

2.2.2 混合智能優(yōu)化算法設(shè)計(jì)

利用遺傳算法模仿生物學(xué)中的DNA 復(fù)制過(guò)程以尋找最佳解決方案，該方法具備強(qiáng)大的全局優(yōu)化特性，能高效地處理離散優(yōu)化問(wèn)題的集合，然而它的局部?jī)?yōu)化性能相對(duì)較差，這可能導(dǎo)致在實(shí)際應(yīng)用過(guò)程中受到限制，難以獲得最優(yōu)結(jié)果。相比之下，傳統(tǒng)的粒子群算法則依賴于跟蹤單個(gè)實(shí)例的最大值來(lái)尋求最優(yōu)解，這種方式對(duì)于處理非線性和連續(xù)型優(yōu)化問(wèn)題非常實(shí)用，效率高且收斂速度快，但在多次迭代之后可能會(huì)陷入局部最優(yōu)狀態(tài)。為克服這兩者在處理多元化優(yōu)化任務(wù)時(shí)的缺陷，本研究提出了一種新型的融合了粒子群算法與基因算法的混合粒子群算法，此法綜合了兩種算法的長(zhǎng)處并揚(yáng)長(zhǎng)避短，因?yàn)樵趥鹘y(tǒng)的粒子群算法中，粒子的移動(dòng)方向是由個(gè)體最大值決定的，存在一定的局限性，但是在加入GA 后，我們采用粒子與其自身及整個(gè)族群的最小值交互以及隨機(jī)粒子突變的方法來(lái)搜尋最優(yōu)答案，從而擴(kuò)大種群的可能范圍，提升整體搜索的能力。

在混合算法粒子收斂的過(guò)程中，慣性權(quán)重至關(guān)重要，傳統(tǒng)PSO 的慣性權(quán)重ω通常是固定不變的，但ω設(shè)置的大小，嚴(yán)重影響粒子的收斂速度，想要準(zhǔn)確達(dá)到系統(tǒng)最優(yōu)解很難。因此，本文對(duì)ω的設(shè)置如下，使ω與t 成反比：

式中：ωs是初始慣性權(quán)重系數(shù)，ωe是結(jié)束慣性權(quán)重系數(shù)，t表現(xiàn)在的迭代次數(shù)，M是總的迭代次數(shù)。

粒子的迭代次數(shù)越多，c 越大。在搜索前期為增強(qiáng)粒子的全局尋優(yōu)能力，c1和c2相對(duì)小。后期為增強(qiáng)粒子的局部尋優(yōu)能力，c1和c2相對(duì)較大，該思路有利于精確得到最優(yōu)解。本文對(duì)學(xué)習(xí)因子c1、c2的設(shè)置如下：

式中：c1s、c1e是c1的起始值和結(jié)束值，c2s、c2e是c2的起始值和結(jié)束值。

在PSO 中引入GA 的交叉和變異，可以提高隨機(jī)性，使粒子種群更多樣。此外，這種算法還能增強(qiáng)其局部隨機(jī)搜索的功能，從而能更快地找到最優(yōu)解。當(dāng)算法將要得到最優(yōu)解時(shí)，此時(shí)應(yīng)使變異的概率減小，避免損失最優(yōu)解。本文對(duì)交叉和變異概率r、p的設(shè)置如下：

式中：ps是起始變異概率，pe是結(jié)束變異概率。

圖6 混合算法原理流程圖

整個(gè)改進(jìn)算法優(yōu)化控制參數(shù)的過(guò)程如下：

(1) 初始化粒子位置xi與速度vi，初始化個(gè)體和全局適應(yīng)度值最佳。

(2) 開始迭代，根據(jù)公式(19)，(20)，(21)得到ω、c1和c2。由于交叉操作，計(jì)算得到交叉臨界值r。每次迭代后，粒子必須更新自身位置和速度，并對(duì)越界的粒子修整，得到暫時(shí)的各個(gè)粒子的適應(yīng)值f。

(3) 對(duì)得到的f進(jìn)行排序，為后續(xù)的交叉和變異做準(zhǔn)備。當(dāng)交叉條件概率達(dá)標(biāo)時(shí)進(jìn)行交叉操作。交叉概率由固定概率變?yōu)閯?dòng)態(tài)設(shè)定，它會(huì)隨著當(dāng)前迭代次數(shù)不斷改變，并修正越界變量。

(4) 交叉結(jié)束后更新各個(gè)粒子適應(yīng)度值f，下一步變異操作做準(zhǔn)備。

(5) 對(duì)粒子進(jìn)行變異操作。根據(jù)式(23)，得到p。同交叉概率一樣，它不是固定不變的，是隨機(jī)數(shù)。

(6) 更新個(gè)體和全局最優(yōu)值。若fi＜fibest，則fibest=fi，pi=xi；若fp＜fibest，則fibest=fp，pg=xi。其中，pi為粒子i經(jīng)歷過(guò)的最好位置，pg所有粒子經(jīng)歷過(guò)的歷史最好位置。

(7) 如未能達(dá)到結(jié)束條件，返回步驟(2)。

接下來(lái)我們將對(duì)比分析本研究提倡的混合優(yōu)化算法、傳統(tǒng)的PSO(粒子群)以及GA(遺傳算法)對(duì)多目標(biāo)測(cè)試問(wèn)題ZDT3 的解決效果，其優(yōu)化成果以圖形形式展示在圖7 上?？梢钥吹剑?dāng)使用GA 時(shí)，它在經(jīng)過(guò)了500 輪迭代之后仍未找到合適的最優(yōu)解；而PSO 則在約275 輪迭代后停滯并呈現(xiàn)出局部最優(yōu)狀態(tài)，并未實(shí)現(xiàn)全局最優(yōu)的目標(biāo)。由此可以看出混合算法對(duì)比PSO 能夠跳出局部最優(yōu)，對(duì)比GA 能成功收斂，尋優(yōu)能力更強(qiáng)，效果更好。

圖7 三種算法適應(yīng)度測(cè)試對(duì)比圖

3 仿真驗(yàn)證與分析

本研究擬利用MATLAB/Simulink模擬構(gòu)建實(shí)證模型。我們計(jì)劃創(chuàng)建三種模型：一種是基于P-V/Q-f 下的下垂控制方法；另一種是根據(jù)本文創(chuàng)新方法改進(jìn)后的下垂控制方法。我們將比較這兩種方案在不同負(fù)載變動(dòng)及開關(guān)狀態(tài)下的電力分配效果和電壓調(diào)整情況，第三種是由傳統(tǒng)的PSO算法與本文提出的改進(jìn)下垂控制結(jié)合，以實(shí)現(xiàn)后兩者間的比照分析，以此來(lái)證明我們提出的新型混合算法的優(yōu)越性和實(shí)用性。

■3.1 微網(wǎng)仿真模型

本研究以MATLAB/Simulink 為平臺(tái)構(gòu)建了一個(gè)微電網(wǎng)模擬系統(tǒng)，并對(duì)其中的獨(dú)立運(yùn)行狀態(tài)下的微電網(wǎng)逆變器的性能特征通過(guò)仿真方式進(jìn)行了研究。該模擬系統(tǒng)的核心組件包括三相電壓源型的逆變器(DG1)與(DG2)及當(dāng)?shù)刎?fù)荷構(gòu)成的微電網(wǎng)，其主要結(jié)構(gòu)分為兩個(gè)部分：功率主回路和控制回路。

圖8 微網(wǎng)主電路Simulink 仿真模型

從整體架構(gòu)角度來(lái)看，使用了下垂控制策略下的三相全橋逆變器被描繪在了圖9 中。逆變器輸出電壓為濾波電容端電壓vo，流入微網(wǎng)母線的逆變器輸出電流為io。這個(gè)系統(tǒng)的主要調(diào)控環(huán)路由兩個(gè)組成部分構(gòu)成，一個(gè)是功率環(huán)另一個(gè)則是電壓電流雙閉環(huán)。其中功率環(huán)控制器會(huì)根據(jù)對(duì)逆變器輸出的電壓電流采集后得出對(duì)應(yīng)的結(jié)果并以此推算出來(lái)逆變器輸出的有功功率P 和無(wú)功功率Q 并且依照 P-f 和 Q-V下垂特性的公式去調(diào)整參與內(nèi)環(huán)控制相應(yīng)的設(shè)定值參考電壓V 和參考頻率f；內(nèi)環(huán)控制器采用電壓電流雙閉環(huán)控制它旨在確保整個(gè)控制過(guò)程中的良好的電壓源外特性，進(jìn)一步提高了高效響應(yīng)系統(tǒng)調(diào)整的能力。

■3.2 參數(shù)設(shè)計(jì)

具體仿真參數(shù)如表1 所示。

表1 仿真參數(shù)表

設(shè)定模擬流程：初始階段，DG1、DG2 和L1 開始運(yùn)作，L2 在0.3s 時(shí)啟動(dòng)，而在0.6s 時(shí)L1 停止工作。

■3.3 仿真結(jié)果對(duì)比

觀察圖10～圖12 可知，當(dāng)采用傳統(tǒng)的P-V/Q-f 下垂控制方法時(shí)，當(dāng)時(shí)間在0.3s 處，DG1 與DG2 的有功功率分別提升至20kW 及10kW，而其無(wú)功功率為10kW；而在時(shí)間到0.6s 的時(shí)候，兩者的有功功率均降低為10kW，同時(shí)他們的無(wú)功功率亦相應(yīng)地減少到了5kW。盡管如此，我們發(fā)現(xiàn)DG1 和DG2 之間的有功功率差異相對(duì)較小，但他們間的無(wú)功功率并未得到合理的分配合理化處理，導(dǎo)致兩者間存在著明顯的輸送失衡現(xiàn)象，并且它們的輸出電壓也有了顯著的變化，這主要是受到線路阻抗不同所帶來(lái)的影響。

圖10 傳統(tǒng)下垂控制下有功功率輸出

圖11 PSO 改進(jìn)下垂控制下有功功率輸出

圖12 本文改進(jìn)下垂控制下有功功率輸出

在采用本文所提出的改進(jìn)下垂控制以及PSO 改進(jìn)下垂控制策略后，從圖13～圖15 及圖16～圖18 中可以看出，在改進(jìn)下垂控制的作用下在0.3s 時(shí)，DG1 和 DG2 的有功功率由10kw 增加到20kw，無(wú)功功率由5kw 增加到10kw；0.6s 時(shí)，DG1 和 DG2 的有功功率由20kw 下降到10kw，無(wú)功功率由10kw 下降到5kw，系統(tǒng)總體的工作狀態(tài)大致相同，但DG1 和 DG2 之間輸出偏差大幅減小了，同時(shí)即時(shí)輸出電壓出現(xiàn)高度的重合現(xiàn)象，說(shuō)明均達(dá)到了合理均分的目的。

圖13 傳統(tǒng)下垂控制下無(wú)功功率輸出

圖14 PSO 改進(jìn)下垂控制下無(wú)功功率輸出

圖15 本文改進(jìn)下垂控制下無(wú)功功率輸出

圖16 傳統(tǒng)下垂控制下輸出電壓

圖17 PSO 改進(jìn)下垂控制下輸出電壓

圖18 本文改進(jìn)下垂控制下輸出電壓

同時(shí)，由于所采用的算法不同，2 種改進(jìn)策略的結(jié)果亦有差異。從圖19～圖20 中可以看出，在0～0.3s 及0.6s 以后，本文改進(jìn)下垂控制下系統(tǒng)的有功功率輸出偏差在85W左右，無(wú)功功率輸出偏差在95W 左右；PSO 改進(jìn)下垂控制下系統(tǒng)的有功功率輸出偏差在225W 左右，無(wú)功功率輸出偏差在235W左右；從圖21～圖22中可以看出，在0.3s～0.6s，本文改進(jìn)下垂控制下系統(tǒng)的有功功率輸出偏差在145W 左右，無(wú)功功率輸出偏差在155W 左右；PSO 改進(jìn)下垂控制下系統(tǒng)的有功功率輸出偏差在420W 左右，無(wú)功功率輸出偏差在430W 左右；由此可見(jiàn)混合優(yōu)化算法比傳統(tǒng)PSO 算法的尋優(yōu)能力強(qiáng)，系統(tǒng)更穩(wěn)定，誤差更小。

圖19 本文改進(jìn)下垂控制下有功無(wú)功功率輸出

圖20 PSO 算法改進(jìn)下垂控制下有功無(wú)功功率輸出

圖21 本文算法改進(jìn)下垂控制下有功無(wú)功功率輸出

圖22 PSO 算法改進(jìn)下垂控制下有功無(wú)功功率輸出

4 結(jié)論

文中對(duì)傳統(tǒng)下垂控制未考慮到逆變器輸出阻抗、線路阻抗的影響導(dǎo)致的功率分配不均的問(wèn)題開展了研究，提出了一種基于混合智能算法的改進(jìn)下垂控制策略，現(xiàn)將主要工作和結(jié)論總結(jié)如下：分析了傳統(tǒng)下垂控制的局限性，對(duì)此提出了加入積分微分環(huán)節(jié)的改進(jìn)方法，又由于控制參數(shù)選取上的困難，同時(shí)由于PSO 與GA 都有各自的缺點(diǎn)，提出利用PSO與GA 相結(jié)合的混合算法對(duì)本文控制參數(shù)進(jìn)行優(yōu)化，并在MATLAB/Simulink 搭建仿真，用傳統(tǒng)下垂控制與基于PSO的改進(jìn)下垂控制與本文提出的基于混合算法的改進(jìn)下垂控制策略作對(duì)比，得出本文所提出的基于混合算法的改進(jìn)下垂控制策略在線路阻抗不平衡時(shí)，可以改善功率分配不均以及電壓幅值跌落的能力，提高系統(tǒng)的魯棒性。