一种基于虚拟同步发电机的风力混合系统稳定性优化方法技术方案

本发明专利技术涉及一种基于虚拟同步发电机的风力混合系统稳定性优化方法，其技术特点：搭建永磁直驱风力发电仿真系统，并设置系统仿真的参数；设置改进型蜜獾算法的初始参数；改进型蜜獾算法初始化；计算改进型蜜獾算法中种群个体的适应度值；改进型蜜獾算法开始迭代寻优；计算改进型蜜獾算法的时间控制函数；在改进型蜜獾算法的种群位置更新公式中引入高斯变异因子，以增加算法寻优过程中的种群多样性；在改进型蜜獾算法中引入差分变异策略，以提升算法的全局搜索能力；判断改进型蜜獾算法是否最大迭代次数；将改进型蜜獾算法寻优得到的最优个体位置输出，即为：有功

【技术实现步骤摘要】
一种基于虚拟同步发电机的风力混合系统稳定性优化方法


[0001]本专利技术的技术方案涉及新能源场站控制领域，具体地说是一种基于虚拟同步发电机的风力混合系统稳定性优化方法。

技术介绍

[0002]目前，全球面临的资源短缺和环境污染问题严重，新能源发电技术的研究和发展成为解决这一问题的重要途径。风力发电是应用最广泛的新能源发电技术之一，独立的风力发电系统可应用于无法连接大电网的偏远地区，提高新能源的渗透率。风能具有间歇性和非平稳性，风速的变化容易造成系统波动，影响风力发电系统的供电可靠性。为了提高风能利用效率，加速风电的普及，研究如何提高小型风电系统的抗干扰性具有重要意义。
[0003]在小型风力发电系统中，逆变器可以为交流负载提供能量，是必不可少的一部分。目前得到广泛应用的逆变器控制策略有双闭环控制、下垂控制和虚拟同步发电机控制。其中，虚拟同步发电控制在控制器中加入了惯性和阻尼系数，具有惯性支撑，对系统故障敏感。但是虚拟同步发电机的控制性能受控制器参数的影响较大，参数选取不当会造成明显的超调和振荡，影响系统稳定性。此外，在小型风力发电系统中，储能系统起着平衡发电需求，增强系统稳定性的关键作用。混合储能系统更是结合了多种储能方式的优点，如何使混合储能系统实现功率与能量的协调控制是当前要研究的重点。
[0004]鉴于当前对于混合储能系统和虚拟同步发电机的研究均处于无交集的状态，但在实际直流微电网中二者存在能量和功率的交互，为此，本专利技术提出了一种基于虚拟同步发电机的风力混合系统稳定性优化方法，实现混合储能系统与虚拟同步发电机间的协调控制，提高风力发电系统的抗干扰性和稳定性。

技术实现思路

[0005]本专利技术的目的在于弥补现有技术的不足，提出一种基于虚拟同步发电机的风力混合系统稳定性优化方法，即改进型蜜獾算法优化虚拟同步发电机的方法，提出基于母线电压的混合储能系统功率分配策略，利用改进型蜜獾算法以稳定直流母线电压为目标寻找最优的系统下垂参数和积分参数，进而实现对混合储能系统与虚拟同步发电机间的协调控制，以提高风电系统的抗干扰能力，增加系统稳定性，推动新能源产业的发展。
[0006]本专利技术解决其技术问题是采取以下技术方案实现的：
[0007]一种基于虚拟同步发电机的风力混合系统稳定性优化方法，包括以下步骤：
[0008]步骤1：搭建永磁直驱风力发电仿真系统，并设置系统仿真的参数；
[0009]步骤2：设置改进型蜜獾算法的初始参数；
[0010]步骤3：改进型蜜獾算法初始化；
[0011]步骤4：计算改进型蜜獾算法中种群个体的适应度值；
[0012]步骤5：改进型蜜獾算法开始迭代寻优；
[0013]步骤6：计算改进型蜜獾算法的时间控制函数；
[0014]步骤7：在改进型蜜獾算法的种群位置更新公式中引入高斯变异因子，以增加算法寻优过程中的种群多样性；
[0015]步骤8：在改进型蜜獾算法中引入差分变异策略，以提升算法的全局搜索能力；
[0016]步骤9：判断改进型蜜獾算法是否最大迭代次数，若达到，输出此时最优的个体位置及其适应度值，若没有，则返回步骤4；
[0017]步骤10：将改进型蜜獾算法寻优得到的最优个体位置输出，即为：有功
‑
频率下垂系数、无功
‑
电压下垂系数和积分系数；
[0018]步骤11：在外界环境变化下采用本专利技术所提出的方法对虚拟同步发电机进行控制，观察风力发电系统母线电压波形图。
[0019]该专利技术的具体实现方式为：
[0020]步骤1：搭建永磁直驱风力发电仿真系统，并设置系统仿真的参数；
[0021]在计算机上搭建永磁直驱风力发电仿真系统，并设置系统仿真的参数包括为：直流侧电容、滤波电感、扰动负载等。
[0022]步骤2：设置改进型蜜獾算法的初始参数；
[0023]设置改进型蜜獾算法的初始参数，其中包括：种群初始数量、最大迭代次数、有功
‑
频率下垂系数的取值范围、无功
‑
电压下垂系数的取值范围和积分系数的取值范围等。
[0024]步骤3：改进型蜜獾算法初始化；
[0025]按照下式初始化蜜獾种群位置：
[0026]x
i
＝lb
i
+r1×
(ub
i
‑
lb
i
)
ꢀꢀꢀꢀꢀꢀꢀ
(1)
[0027]式中，x
i
为第i个蜜獾的位置；lb
i
、ub
i
分别为第i个蜜獾个体搜索空间的上界和下界；r1为[0，1]间的随机值。
[0028]步骤4：计算改进型蜜獾算法中种群个体的适应度值；
[0029]考虑系统的稳态和动态性能，选定系统在稳态过程中母线电压偏差的平方和及动态过程中母线电压偏差的平方和，取二者的加权和，本专利技术的目标函数如下
[0030][0031]式中，l1和l2为加权系数，此处均取值0.5，t0为稳态开始时间，t
sim
为不包含暂态过程的总稳态时间，t1为暂态开始时间，t2为暂态结束时间。
[0032]故本专利技术的改进型蜜獾算法个体的适应度值按照公式(2)计算。
[0033]步骤5：改进型蜜獾算法开始迭代寻优；
[0034]蜂巢对蜜獾种群的吸引强度与它们之间的距离和蜂巢的集中强度有关，吸引强度的大小决定了蜜獾种群的运动速度，强度越高，运动越快，反之亦然。吸引强度I
i
由下式定义：
[0035][0036]式中，S为猎物的集中强度；x
prey
为蜂巢位置；d
i
为蜂巢与第i只蜜罐之间的距离；r2为[0，1]间的随机值。
[0037]密度因子α随迭代次数而减小，可以保证种群从探索到开发的平稳过渡，其表达式如下：
[0038][0039]式中，t为当前迭代次数；t
max
为最大迭代次数；C1为常数，值为2。
[0040]种群的位置更新方式包括挖掘模式和蜂蜜模式，由决策系数c决定，c为0到1间的随机数。当c＜0.5时，蜜獾处于挖掘模式；当c≥0.5时，蜜獾处于蜂蜜模式。蜜獾种群的位置更新公式如下
[0041][0042]式中，x
new
为蜜獾的新位置；x
prey
为蜂巢位置，即当前为止寻到的全局最优解；β为常数，表示蜜獾获得蜂蜜的能力；I为吸引强度；d
i
见式(2)，为蜂巢与蜜獾间的距离；r3、r4、r5、r6均为[0，1]间的随机数；F用于改变搜索方向，扩大搜索范围，可用下式表示：
[0043][0044]式中，r7为[0，1]间的随机数。
[0045]步骤6：计算改进型蜜獾算法的时间控制函数；
[0046]蜜獾群体的觅食模式由决策系数c决定，与迭代次数无关，具有很大的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于虚拟同步发电机的风力混合系统稳定性优化方法，其特征在于：包括以下步骤：步骤1：搭建永磁直驱风力发电仿真系统，并设置系统仿真的参数；步骤2：设置改进型蜜獾算法的初始参数；步骤3：改进型蜜獾算法初始化；步骤4：计算改进型蜜獾算法中种群个体的适应度值；步骤5：改进型蜜獾算法开始迭代寻优；步骤6：计算改进型蜜獾算法的时间控制函数；步骤7：在改进型蜜獾算法的种群位置更新公式中引入高斯变异因子，以增加算法寻优过程中的种群多样性；步骤8：在改进型蜜獾算法中引入差分变异策略，以提升算法的全局搜索能力；步骤9：判断改进型蜜獾算法是否最大迭代次数，若达到，输出此时最优的个体位置及其适应度值，若没有，则返回步骤4；步骤10：将改进型蜜獾算法寻优得到的最优个体位置输出，即为：有功
‑
频率下垂系数、无功
‑
电压下垂系数和积分系数；步骤11：在外界环境变化下采用本发明所提出的方法对虚拟同步发电机进行控制，观察风力发电系统母线电压波形图；该发明的具体实现方式为：步骤1：搭建永磁直驱风力发电仿真系统，并设置系统仿真的参数；在计算机上搭建永磁直驱风力发电仿真系统，并设置系统仿真的参数包括为：直流侧电容、滤波电感、扰动负载等；步骤2：设置改进型蜜獾算法的初始参数；设置改进型蜜獾算法的初始参数，其中包括：种群初始数量、最大迭代次数、有功
‑
频率下垂系数的取值范围、无功
‑
电压下垂系数的取值范围和积分系数的取值范围等；步骤3：改进型蜜獾算法初始化；按照下式初始化蜜獾种群位置：x
i
＝lb
i
+r1×
(ub
i
‑
lb
i
)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中，x
i
为第i个蜜獾的位置；lb
i
、ub
i
分别为第i个蜜獾个体搜索空间的上界和下界；r1为[0，1]间的随机值；步骤4：计算改进型蜜獾算法中种群个体的适应度值；考虑系统的稳态和动态性能，选定系统在稳态过程中母线电压偏差的平方和及动态过程中母线电压偏差的平方和，取二者的加权和，本发明的目标函数如下式中，l1和l2为加权系数，此处均取值0.5，t0为稳态开始时间，t
sim
为不包含暂态过程的总稳态时间，t1为暂态开始时间，t2为暂态结束时间；故本发明的改进型蜜獾算法个体的适应度值按照公式(2)计算；步骤5：改进型蜜獾算法开始迭代寻优；蜂巢对蜜獾种群的吸引强度与它们之间的距离和蜂巢的集中强度有关，吸引强度的大
小决定了蜜獾种群的运动速度，强度越高，运动越快，吸引强度I
i
由下式定义：S＝(x
i
‑
x
i+1
)2ꢀꢀꢀꢀꢀꢀ
(3)d
i
＝x
prey
‑
x
i
式中，S为猎物的集中强度；x
prey
为蜂巢位置；d
i
为蜂巢与第i只蜜罐之间的距离；r2为[0，1]间的随机值；密度因子α随迭代次数而减小，可以保证种群从探索到开发的平稳过渡，其表达式如下：式中，t为当前迭代次数；t
max
为最大迭代次数；C1为常数，值为2；种群的位置更新方式包括挖掘模式和蜂蜜模式，由决策系数c决定，c为0到1间的随机数，当c＜0.5时，蜜獾处于挖掘模式；当c≥0.5时，蜜獾处于蜂蜜模式，蜜獾种群的位置更新公式如下式中，x
new
为蜜獾的新位置；x
prey
为蜂巢位置，即当前为止寻到的全局最优解；β为常数，表示蜜獾获得蜂蜜的能力；I为吸引强度；...

【专利技术属性】
技术研发人员：李玲玲，刘佳琪，任琦瑛，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：