【技术实现步骤摘要】
一种基于鲁棒自适应评价设计的静止无功补偿器控制方法
本专利技术涉及电力系统非线性控制
,特别是涉及一种基于鲁棒自适应评价设计的静止无功补偿器控制方法。
技术介绍
在过去的几十年中,电力系统和大面积互联电网的规模迅速发展,使得发电机、输电线路和柔性交流输电设备等电力系统结构高度非线性和复杂化。由于传统的线性控制方法和集中控制方案只能应对工作点附近的极小的外部干扰,并且具有较差的经济因素,因此衍生出多种多样的非线性控制方法,以使电力系统安全、稳定地运行。静止无功补偿器是柔性交流输电设备系列中最受欢迎的成员之一,并且已成为以节约成本的方式来调节母线电压和无功功率的显著有效的工具。静态无功补偿器可以连接到电网以执行不同的功能。它提供了经济、快速、连续的无功控制,比传统的系统控制方法具有更高的效率。它可以维持系统电压,平衡三相负荷,增加输电系统现有的输电能力和系统的暂态稳定极限。此外,静止无功补偿器还具有抑制次同步谐振和降低瞬态过电压的作用。然而,现有的静止无功补偿器控制方法没有充分考虑含有静止无功补偿器的电力系统存在的模型不确定性和受外部未知干扰影响的问题,所设计的控制器不能够实现含有静止无功补偿器的电力系统的安全、稳定控制,鲁棒性较差,在收敛速度和超调量方面均表现较差。
技术实现思路
针对现有技术存在的问题,本专利技术提供一种基于鲁棒自适应评价设计的静止无功补偿器控制方法,充分考虑了含有静止无功补偿器的电力系统存在的模型不确定性和受外部未知干扰影响的问题,能够实现含有静止无功补偿器的电力系统的安全、稳定控制,且具有良好的鲁棒性能。本专利技术的技术方案为:一种基 ...
【技术保护点】
1.一种基于鲁棒自适应评价设计的静止无功补偿器控制方法,其特征在于,包括下述步骤:步骤1:建立含有静止无功补偿器的单机无穷大电力系统的数学模型为
【技术特征摘要】
1.一种基于鲁棒自适应评价设计的静止无功补偿器控制方法,其特征在于,包括下述步骤:步骤1:建立含有静止无功补偿器的单机无穷大电力系统的数学模型为其中,分别为x1、x2、x3沿时间t的导数,x1=δ-δ0,x2=ω-ω0,x3=BSVC-BSVC0,k1=ω0/H,k2=ω0E'qVs/H,k3=1/Tc,θ=-D/H;δ为发电机转子功率角,ω为发电机转子角速度,BSVC为电力系统等效电纳,δ0为发电机转子功率角稳态值,ω0为发电机转子角速度稳态值,BSVC0为电力系统等效电纳稳态值,Pm为发电机机械输入功率,w1为第一外部干扰,w2为第二外部干扰,H为发电机惯性时间常数,E'q为发电机q轴瞬态电势,Vs为电力系统无限大母线端电压,Tc为静止无功补偿器惯性时间常数,θ为系统不确定参数,D为发电机阻尼系数;并做出如下假设:(1)发电机q轴瞬态电势E'q以及发电机机械输入功率Pm是恒定的;(2)输电线路上的电磁暂态过程和变压器输电线路电阻上的有功损耗可以忽略不计;(3)外部未知干扰信号满足扩展L2空间的假设;步骤2:根据含有静止无功补偿器的单机无穷大电力系统的数学模型,设计基于神经网络自适应评价的鲁棒自适应反步控制方案:步骤2.1:从距离实际控制输入最远的一阶子系统开始反步控制过程:从式(1)的第一个子系统开始设计:状态量x2被认为是虚拟控制输入,稳定第一个子系统的反馈控制律为其中,m1为待设计的常数且m1>0;定义系统误差为e1=x1(3)对式(3)两边沿时间t求导,得到定义第一Lyapunov函数为对式(6)两边沿时间t求导,得到定义第二Lyapunov函数为对式(8)两边沿时间t求导,得到对式(2)两边沿时间t求导,得到对式(4)两边沿时间t求导,得到将式(11)代入到式(9)中,得到令f1=θx2-k2BSVC0sin(x1+δ0)+w1,则式(12)可以转化为将f1看成非线性函数,引入第一神经网络来近似f1,即将第一神经网络作为近似神经网络;其中,W1、ε分别为第一神经网络的权值矩阵、激活函数、近似误差,ε是有界的,且|ε|≤ε*;步骤2.2:从二阶子系统继续反步控制过程:从式(1)的第二个子系统继续设计:状态量x3被认为是虚拟控制输入,稳定第二个子系统的反馈控制律为其中,m2为待设计的常数且m2>0,为f1的估计值,为W1的估计值;其中,0<δ<π,从而sin(x1+δ0)≠0;定义系统误差为令将式(14)、式(15)代入式(13),得到对式(14)两边沿时间t求导,得到对式(15)两边沿时间t求导后代入式(1)、式(17),得到令则式(18)可以转化为将f2看成非线性函数,引入第二神经网络来消除非线性函数f2,即f2=W2Tσ+η,将第二神经网络作为动作神经网络;其中,W2、σ、η分别为第二神经网络的权值矩阵、激活函数、近似误差,η为有界的,且|η|≤η*;步骤2.3:设计自适应评价中的控制单元:令vB=k3KCuB,则式(19)可转化为设计控制动作为vB=-va+vr+vs(21)其中,va为部分控制信号,va用来近似f2,vr为鲁棒项用来消除由神经网络和外部未知干扰引起的近似误差,vs为保留项;将部分控制信号va作为动作神经网络的输出,得到其中,为W2的估...
【专利技术属性】
技术研发人员:罗艳红,赵胜楠,杨东升,周博文,张馨文,
申请(专利权)人:东北大学,
类型:发明
国别省市:辽宁,21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。