基于自適應虛擬諧波阬的光儲VSG并網電流諧波抑制模型

“電氣仔推送”獲得資料(專享優惠)

模型簡介

此模型完全復現于《基于自適應虛擬阻抗的光儲并網系統諧波抑制策略》-程靜

此并網系統模型的核心控制為虛擬同步發電機(VSG)控制,采用基于混合廣義積分器的諧波信號提取方法合成虛擬諧阻抗,采用PI控制實現虛擬諧波阻抗自適應變化,可保證VSG逆變器在功率指令變化前后都擁有很好的諧波抑制能力,利于實現風、光等分布式能源的友好高質量并網。

模型質量非常高,非常值得入手學習!!建議有一點知識基礎的同學入手!!

虛擬諧波阻抗抑制諧波原理

虛擬諧波阻抗控制策略的原理的實際上是通過采集逆變器輸出電流中的諧波信號,用該信號與虛擬阻抗相乘可以得到虛擬諧波阻抗產生的諧波壓降,然后用VSG 控制輸出的電壓參考值* E 減去虛擬諧波阻抗上的電壓降,可以得到新的參考電壓,接著進行電壓電流雙環控制得到PWM 調制參考信號,最后將信號進行PWM調制控制逆變器輸出。

根據上圖,在沒有引入虛擬諧波阻抗補償環節時,s 域下逆變器的輸出電壓可表示為:

式中:Zg (s)表示電網側阻抗;Zo (s)為 VSG 逆變器等效輸出阻抗;G(s)表示VSG 逆變器的等效電壓增益。根據此式,VSG 并網逆變器的等效電路模型如下圖所示。

由上圖可以得出逆變器的輸出電流表達式:

可見,并網電流主要包含電壓給定值的作用分量以及電網電壓波動引起的擾動分量。為分析電網背景諧波對并網電流的影響,可做出VSG 并網系統的諧波域等效電路圖如下圖所示。因只考慮電網背景諧波的影響,所以并網逆變器等效電壓源充當短路。

上圖 中,下標h 表示該信號諧波分量。在沒有添加虛擬諧波阻抗時,VSG并網系統在諧波域下并網諧波電流 i gh可表示為:

可見,不考慮其他諧波源時,并網電流的諧波畸變主要由電網背景諧波導致。由式(4.4)可知,并網諧波電流igh與系統諧波阻抗Zoh (s) + Zgh (s)呈負相關;因此,可以通過增加 Z oh(s) + Zgh?(s)的模值,減小電網背景諧波對并網電流的影響。為增加 Z oh (s) + Z gh(s)的模值,可以通過諧波電壓反饋補償的形式增加h 次諧波電流對應的阻抗 Z oh(s) ,添加電壓反饋后的等效輸出阻抗為 Z*oh (s) = Z oh (s) + Z virh (s),如下圖所示。

定值虛擬諧波阻抗分析

根據電路疊加定理,得到VSG 逆變器并網系統電路等效圖,如下圖所示。

在只考慮電網背景諧波的情況下,設定VSG 逆變功率輸出指令為P ,則并網電流(線路傳輸電流)可表示為:

可見,在只考慮電網背景諧波的影響下,并網基波電流由VSG 逆變器輸出功率決定,并網諧波電流由電網背景諧波和線路阻抗決定。并網電流諧波含量百分比可表示為:

在某一時刻,調度指令降為Po?,電網背景諧波含量不變,則并網電流基波幅值減小,即Ioh %會增加。

自適應虛擬諧波阻抗控制

為了實現虛擬諧波阻抗的自適應調整,提出一種根據并網電流諧波含量變化自適應調整的虛擬諧波阻抗。自適應控制結構如下圖所示。

根據上圖所示,通過混合廣義積分器分離提取逆變器輸出電流的基波信號與n次諧波信號,然后通過遞歸離散傅里葉變換得到它們的幅值并計算出n次諧波含量百分數Iohn %。計算出的 Iohn %與諧波含量給定值I *ohn %作差,最后經過PI調節輸出n次虛擬諧波電感值。

經過上述分析,基于虛擬諧波阻抗的并網電流諧波抑制方法整體控制框圖如下圖所示,下標5、7h 表示電壓、電流的第5、7 次諧波分量。

仿真模型主體

參數取值如下

為了驗證本文所提并網諧波電流分離方法的可行性,在電網電壓中添加5、7次諧波分量,與SOGI 的分離效果進行對比。(a)、(c)為SOGI 的提取效果,(b)、(d)為混合廣義積分器的提取效果。可見,采用混合廣義積分器的分離效果明顯,有利于虛擬諧波阻抗的實現。

通過混合廣義積分器分離的諧波電流合成虛擬諧波阻抗,并結合電壓電流雙環控制對系統進行諧波補償。設置光儲并網系統調度指令在0.5s 時由30 kW降為20 kW,其并網電流波形圖如下圖(a)(b)所示。 在電網背景諧波的影響下,當VSG 逆變器向系統輸送30 kW 有功功率時,并網電流明顯畸變,THD 為4.81%;向系統輸送20 kW 有功功率時,并網電流幅值減小,其受電網背景諧波的影響更為嚴重,THD 升高為7.16%,上文分析一致。

下圖為加入5、7 次虛擬諧波阻抗補償后的并網電流波形圖。在5、7 次諧波域加入定值虛擬諧波阻抗后,功率指令改變前的并網電流的THD 由4.81%下降到了1.12%,電流正弦度良好;功率指令改變后的并網電流的THD 由7.16%下降到了1.65%,電流正弦度得到了改善,但仍存在失真,逆變器諧波抑制能力減弱。

自適應控制參數如下表所示。

下圖(a)(b)為加入自適應虛擬阻抗后的并網電流曲線,圖4-17(c)(d)為調度指令變化前后的電流諧波畸變率。相比于定值虛擬諧波阻抗,在5、7 次諧波頻次加入自適應虛擬阻抗后,調度指令變化前后的并網電流諧波畸變率分別降低到0.78%和0.97%,并網電流質量得到了明顯提高。5 次諧波含量小于1%,7 次諧波含量小于0.5%,與設定的電流諧波含量參考值一致。

由下圖可知,在調度指令變化后,并網電流基波幅值降低,5、7 次諧波含量百分比增加,自適應虛擬諧波阻抗控制算法增加了虛擬諧波電感值,實現了虛擬諧波電感的自適應調節,保證并網逆變器具備良好的諧波抑制能力。

參考文獻

《基于自適應虛擬阻抗的光儲并網系統諧波抑制策略》-程靜

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/908678.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/908678.shtml
英文地址,請注明出處:http://en.pswp.cn/news/908678.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

【RockeMQ】第2節|RocketMQ快速實戰以及核?概念詳解(二)

升級Dledger高可用集群 一、主從架構的不足與Dledger的定位 主從架構缺陷 數據備份依賴Slave節點,但無自動故障轉移能力,Master宕機后需人工切換,期間消息可能無法讀取。Slave僅存儲數據,無法主動升級為Master響應請求&#xff…

【會員專享數據】2017-2024年我國分省的10米精度土地覆蓋數據

土地覆蓋數據是我們在各項研究中都非常常用的數據,之前我們分享過2017-2024年全球范圍的10米精度土地覆蓋數據(均可查看之前的文章獲悉詳情)!該數據提供瓦片形式,也就是全球的數據沒有拼成一張圖,很多小伙伴…

通過css實現正方體效果

效果 <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><meta name"viewport" content"widthdevice-width, initial-scale1.0"><title>Document</title><style>/* css實…

Java并發編程-理論基礎

Java并發編程-理論基礎 1、什么是進程&#xff1f; 進程&#xff08;Process&#xff09;是計算機中的程序關于某數據集合上的一次運行活動&#xff0c;是系統進行資源分配的基本單位&#xff0c;是操作系統結構的基礎。在早期面向進程設計的計算機結構中&#xff0c;進程是程…

Tornado WebSocket實時聊天實例

在 Python 3 Tornado 中使用 WebSocket 非常直接。你需要創建一個繼承自 tornado.websocket.WebSocketHandler 的類&#xff0c;并實現它的幾個關鍵方法。 下面是一個簡單的示例&#xff0c;演示了如何創建一個 WebSocket 服務器&#xff0c;該服務器會接收客戶端發送的消息&a…

模塊化架構下的前端調試體系建設:WebDebugX 與多工具協同的工程實踐

隨著前端工程化的發展&#xff0c;越來越多的項目采用模塊化架構&#xff1a;單頁面應用&#xff08;SPA&#xff09;、微前端、組件化框架等。這類架構帶來了良好的可維護性和復用性&#xff0c;但也帶來了新的調試挑戰。 本文結合我們在多個模塊化項目中的真實經驗&#xff…

高考:如何合理選擇學科、專業以及職業

如何合理選擇學科、專業以及職業 一、自我認知&#xff1a;明確自身興趣與優勢&#xff08;一&#xff09;興趣探索&#xff08;二&#xff09;能力評估&#xff08;三&#xff09;價值觀與目標 二、外部調研&#xff1a;深入了解學科、專業與職業&#xff08;一&#xff09;學…

【新品解讀】一板多能,AXRF49 定義新一代 RFSoC FPGA 開發平臺

“硬件系統龐雜、調試周期長” “高頻模擬前端不穩定&#xff0c;影響采樣精度” “接收和發射鏈路難以同步&#xff0c;難以擴展更多通道” “數據流量大&#xff0c;處理與存儲跟不上” 這些是大部分客戶在構建多通道、高頻寬的射頻采樣鏈路時&#xff0c;面臨的主要問題。…

實現仿中國婚博會微信小程序

主要功能&#xff1a; 1、完成底部標簽導航設計、首頁海報輪播效果設計和宮格導航設計&#xff0c;如圖1所示 2、在首頁里&#xff0c;單擊全部分類宮格導航的時候&#xff0c;會進入到全部分類導航界面&#xff0c;把婚博會相關內容的導航集成到一個界面里&#xff0c;如圖2…

MySQL強化關鍵_020_SQL 優化

目 錄 一、order by 優化 1.未添加索引 2.添加索引 3.復合索引默認升序排列 4.復合索引降序排列 5.復合索引升序降序排列并用 6.總結 二、group by 優化 1.未添加索引 2.添加索引 3.添加復合索引 三、limit 優化 四、主鍵優化 1.主鍵設計原則 五、insert 優化…

湖北理元理律師事務所視角:企業債務優化的三維平衡之道

核心提示&#xff1a;債務優化的本質不是消滅債務&#xff0c;而是在法律框架內重建財務可持續性。 一、企業債務危機的典型誤區 某制造企業主曾向我坦言&#xff1a;“用新貸還舊貸3年&#xff0c;債務從200萬滾到500萬。”這類案例暴露出企業債務處置的共性痛點&#xff1a…

【Ragflow】27.RagflowPlus(v0.4.1):小版本迭代,問題修復與功能優化

概述 RagflowPlus v0.4.0 在發布后&#xff0c;收到了積極的反饋&#xff0c;同時也包含一些問題。 本次進行一輪小版本更新&#xff0c;發布 v0.4.1 版本&#xff0c;對已知問題進行修復&#xff0c;并對部分功能進行進一步優化。 開源地址&#xff1a;https://github.com/…

【hadoop】Flink安裝部署

一、單機模式 步驟&#xff1a; 1、使用XFTP將Flink安裝包flink-1.13.5-bin-scala_2.11.tgz發送到master機器的主目錄。 2、解壓安裝包&#xff1a; tar -zxvf ~/flink-1.13.5-bin-scala_2.11.tgz 3、修改文件夾的名字&#xff0c;將其改為flume&#xff0c;或者創建軟連接…

Linux 下 ChromeDriver 安裝

個人博客地址&#xff1a;Linux 下 ChromeDriver 安裝 | 一張假鈔的真實世界 Selenium 是一個用于 Web 應用程序測試的工具。可以通過它驅動瀏覽器執行特定的操作&#xff0c;如點擊、下滑、資源加載與渲染等。該工具在爬蟲開發中也非常有幫助。Selenium 需要通過瀏覽器驅動操…

Canal環境搭建并實現和ES數據同步

作者&#xff1a;田超凡 日期&#xff1a;2025年6月7日 Canal安裝&#xff0c;啟動端口11111、8082&#xff1a; 安裝canal-deployer服務端&#xff1a; https://github.com/alibaba/canal/releases/1.1.7/canal.deployer-1.1.7.tar.gz cd /opt/homebrew/etc mkdir canal…

STM32使用土壤濕度傳感器

1.1 介紹&#xff1a; 土壤濕度傳感器是一種傳感裝置&#xff0c;主要用于檢測土壤濕度的大小&#xff0c;并廣泛應用于汽車自動刮水系統、智能燈光系統和智能天窗系統等。傳感器采用優質FR-04雙料&#xff0c;大面積5.0 * 4.0厘米&#xff0c;鍍鎳處理面。 它具有抗氧化&…

鎖的藝術:深入淺出講解樂觀鎖與悲觀鎖

在多線程和分布式系統中&#xff0c;數據一致性是一個核心問題。鎖機制作為解決并發沖突的重要手段&#xff0c;被廣泛應用于各種場景。樂觀鎖和悲觀鎖是兩種常見的鎖策略&#xff0c;它們在設計理念、實現方式和適用場景上各有特點。本文將深入探討樂觀鎖和悲觀鎖的原理、實現…

Jinja2深度解析與應用指南

1. 概念與用途 1.1 核心概念 Jinja2是Python生態中功能強大的模板引擎&#xff0c;采用邏輯與表現分離的設計思想&#xff1a; 模板&#xff1a;包含靜態內容和動態占位符的文本文件&#xff08;.j2后綴&#xff09;渲染&#xff1a;將模板與數據結合生成最終文本的過程上下…

Ubuntu20.04中 Redis 的安裝和配置

Ubuntu20.04 中 Redis 的安裝和配置 Ubuntu 安裝 MySQL 及其配置 1. Redis 的安裝 更新系統包列表并安裝 Redis &#xff1a; # 更新包管理工具 sudo apt update# -y&#xff1a;自動確認所有提示&#xff08;非交互式安裝&#xff09; sudo apt install -y redis-server測…

Sklearn 機器學習 缺失值處理 填充數據列的缺失值

??親愛的技術愛好者們,熱烈歡迎來到 Kant2048 的博客!我是 Thomas Kant,很開心能在CSDN上與你們相遇~?? 本博客的精華專欄: 【自動化測試】 【測試經驗】 【人工智能】 【Python】 ??使用 Scikit-learn 處理數據缺失值的完整指南 在機器學習項目中,數據缺失是不可避…