基于PSO的逆变器接口电源输出控制器的优化方法

张璐,苏海滨,高孟泽

摘  要： 随着我国电力需求的持续增加，微电网不断地接入电力系统。微电网将分布式电源、负荷、储能装置、能量变换设施和控制装置集成一个整体进行综合控制。由于其规模的不断扩大，其运行难度也在不断增加，难以满足用户越来越高的安全性和可靠性要求。提出了一种基于PSO算法的逆变器接口分布式电源控制方法，通过优化逆变器输出控制器参数，能够有效抑制存在于微电网中的电压、频率、操作模式转换等干扰。仿真实验验证了该智能控制方法的正确性与有效性。

关键词： 智能控制； PSO； 逆变器接口； 参数优化

中图分类号： TN710?34                       文献标识码： A                        文章编号： 1004?373X（2014）23?0136?03

PSO?based optimization method of output?controller for inverter interface power supply

ZHANG Lu， SU Hai?bin， GAO Meng?ze

（Electric Power School， North China University of Water Resources and Electric Power， Zhengzhou 450045， China）

Abstract： With the increasing demand of electricity， more and more micro?grids access to power systems. In micro?grid， distributed power， load， energy storage facilities， energy conversion facilities and control devices are integrated into an integral whole to make comprehensive control. Because its size is expanding and the operation difficulty is increasing， it is difficult to meet users′ increasing requirements of high safety and reliability. A PSO algorithm based control method for the distributed power supply of inverter interface is proposed in this paper. The interference of voltage， frequency， operating mode conversion existing in micro?grid can be efficiently suppressed by optimizing the parameters of the inverter output?controller. The simulation results show the correctness and effectiveness of the intelligent control method.

Keywords： intelligent control； PSO； inverter interface； parameter optimization

0  引  言

近年来，随着电力电子技术的不断发展，大多数分布式电源（DG）通过逆变器接口部署在电力系统中。它能够灵活地在不同用电时段对大电网功率进行削峰填谷，并提高电能质量。

如图1所示，往往在一个微电网中包含有多个DG。一般情况下，微电网和主电网并网运行，依靠主网支撑的微电网可以快速调整电压和频率[1]。当主网某馈线发生故障，微电网脱离主网作为不间断电源孤岛运行。孤岛模式下，下垂控制器为了匹配负载的变化和各DG之间功率的协调不断地调整母线的电压和频率[2?3]。由于微电网DG的小惯性特点，大的扰动容易引起电能质量下降，甚至微电网的崩溃解裂。为了保障孤岛模式下微电网的电能质量，需要一种快速、智能、有效的逆变器接口DG控制方法[4?5]。

<；E：＼2014年23期＼2014年23期＼Image＼41t1.tif>；

图1 微电网系统模型

粒子群优化算法（PSO）是一种基于群体协作的随机搜索算法。它不要求传递函数可导，并且对复杂系统有很好的避免局部最优能力和较快的收敛速度。它非常适合对微电网控制器参数进行实时优化。在控制器的优化过程中，还需要考虑控制性能、电能质量、稳定性等方面问题。

1  逆变器接口DG的控制策略

图2显示了DG的逆变器接口在d?q旋转坐标系中的控制方框图。d?q变换对有功和无功功率进行了解耦，作为逆变器d轴和q轴的基准电流的参考值。下垂控制器根据下垂特性产生有功和无功参考功率。逆变器输出控制器产生逆变器参考电压与比例积分（PI）控制器。本文中，使用三相脉宽调制（PWM）逆变器，其中包含很少的高次谐波。

<；E：＼2014年23期＼2014年23期＼Image＼41t2.tif>；

图2 DG逆变器接口控制框图endprint

逆变器输出控制器的方程为：

[ddt?d=id*inv-idinv]   （1）

[ddt?q=iq*inv-iqinv]  （2）

[vd*inv=Kp1?（id*inv-idinv）+Ki1??d-Xinvidinv+vdbus] （3）

[vq*inv=Kp2?（iq*inv-iqinv）+Ki2??q+Xinvidinv+vdbus] （4）

2  逆变器控制器的数学模型

该逆变器输出控制器是设备级的控制器，性能会受到逆变器输出电路、母线电压和系统频率的影响。该母线电压依赖于相应的DG和系统其余部分之间的相互作用。优化目标是使逆变器输出控制器在母线电压和频率变化的情况下关于扰动鲁棒。

可以简化图1，并得到其微电网等效模型以及闭环控制框图[6]，如图3所示。

从图3可以得到微电网电路的数学表达式，从而推出闭环小信号的状态空间模型为：

[x=Aclx（t）+Bclw（t），x（0）=0]  （5）

[y（t）=Cclx（t）+Dclw（t）]  （6）

式中：[x（t）=x（t）xc（t）T]表示闭环状态，并且：

[Acl=A+BuDcmCmBuCcBcmCmAc]  （7）

[Bcl=Bw+BuDcwBcw]    （8）

[Ccl=Cy+DyuDcmCmDyuCc]   （9）

[Dcl=DyuDcw+Dyu]               （10）

<；E：＼2014年23期＼2014年23期＼Image＼41t3.tif>；

图3 微电网等效模型及闭环控制框图

3  逆变器输出控制器的优化

3.1  PSO算法

PSO是一种基于概率规律的优化算法，它的灵感来自于自然模型。该算法属于直接搜索方法一类，用于一个给定的搜索空间中的优化问题里，找到一个最优解决方案。PSO算法与其他智能方法相比，其最大差异是PSO的实施更简单。

在该算法中，每只鸟被引入作为一个粒子，所有粒子形成一组或群。每个粒子是由两个向量[x（t）]和[v（t）]构成，分别代表在粒子在[t]时刻的位置和速度。每个粒子的位置[xi]可能会被认为作为一个问题的答案。其中：

[Vk+1i=ωVki+c1?rd1（Xpbki-Xki）+c2rd2（Xgbki-Xki）] （11）

[Xk+1i=Xki+Vk+1i]   （12）

所有粒子根据自己和其他粒子的飞行经验的基础上，调节它们的路线。但根据优化经验，算法很难找到边界附近的最优解，所以本文采用阻尼反射边界法，在一个[n]维搜索区域中，第[i]个粒子的第[j]个元素的速度和位置分别由以下矢量表示：

[Vk+1i=…vki（j-1）-rd?vkijvki（j+1）…]  （13）

[Xk+1i=…vki（j-1）-rd?vkijvki（j+1）…]  （14）

3.2  PSO优化参数以及其边界的确定

PSO算法优化DG中逆变器控制器中的4个PI控制器参数：[kp1，][kp2，][ki1，][ki2。]模型中共2个DG，分别进行优化。

本文使用基于L1理论的边界确定方法[7?9]：

[G21≤inf0≤α≤-2αR（Acl）σmax（CclQCTcl）+σmax（DclDTcl）] （15）

式中[αR（Acl）]为[Acl]的谱横坐标。

3.3  适应度函数的确定

本文设计的逆变器输出控制器优化标准如下：

首先，闭环系统（5）和（6）应该渐进稳定。其次，逆变器控制的带宽应该足够大，保证它能够跟随输出功率的快速变化。最后使用ITAE对控制器性能进行评价[10?11]。

为了满足逆变器输出控制器的三个设计标准，待优化函数如下：

[J=i=13ci?fi]  （16）

式中[ci]为权重因子。

[f1=0，Acl Hurwitz10 000，其他]     （17）

[f2=Real（λc）-1]   （18）

[f3=0∞te（t）dt]  （19）

式中：[λc]是闭环系统中的主要特征值；罚函数[f1]对系统在不稳定的情况下进行处罚；[f2]评价该控制器的带宽；[f3]为ITAE系统性能指标。最小化待优化函数[J]包括了这3个操作条件，在算法中对某粒子的位置[xi]进行综合评估。

4  仿真结果分析

该系统的仿真针对微电网两种模式切换过程中以及切换过后，在负载扰动下，微电网电能质量的变化情况。仿真序列如下：

（1） 0～0.3 s期间是微电网初始化时间。

（2） 从0.3 s开始，DG1和DG2开始产生有功、无功功率。

（3） 0.6 s时断开断路器，系统切换为孤岛模式。

（4） 0.9 s时下垂控制器接收到负载参考值，恢复额定电压和频率。

（5） 1.2 s时孤岛模式下本地用电负荷突然降低。

图4，图5分别为母线电压有效值和系统频率在仿真过程中的变化。在并网模式下，母线电压和频率良好地保持在标称值附近。切换到孤岛模式下，它们根据不同的瞬时功率的不匹配，进行下垂特性变化。在0.9 s时，电压和频率恢复到标称值附近。endprint

<；E：＼2014年23期＼2014年23期＼Image＼41t4.tif>；

图4 微电网系统母线电压

5  结  论

本文在微电网多DG模型基础上，设计并优化了逆变器输出控制器。在仿真实验中检验了本系统能够有效抑制存在于微电网中的电压、频率、操作模式转换等干扰，使系统具有较好鲁棒性，并且具有超调小、响应速度快等优点。

<；E：＼2014年23期＼2014年23期＼Image＼41t5.tif>；

图5 微电网系统频率

参考文献

[1] 时珊珊，鲁宗相，闵勇，等.微电网孤网运行时的频率特性分析[J].电力系统自动化，2011，35（9）：36?41.

[2] 郑永伟，陈民铀，李闯，等.自适应调节下垂系数的微电网控制策略[J].电力系统自动化，2013，37（7）：6?11.

[3] 吴志，顾伟.孤岛方式下基于多代理系统的微电网有功?频率控制[J].电力自动化设备，2009，29（11）：57?61.

[4] 杨玺.基于遗传算法的模糊控制器规则优化[J].电气传动自动化，2010，32（5）：41?44.

[5] 杨鹏，代冀阳，赵文龙.基于遗传算法的参数优化在控制器设计中的应用[J].南昌航空工业学院学报：自然科学版，2004，18（4）：24?27.

[6] MAKRIDOU G， ATSALAKIS G S， ZOPOUNIDIS C， et al. Gold price forecasting with a neuro?fuzzy?based inference system [J]. International Journal of Financial Engineering and Risk Management， 2013， 1（1）： 35?54.

[7] PENANGSANG O， ABDILLAH M， WIBOWO R S， et al. Optimal design of photovoltaic–battery systems using interval type?2 fuzzy adaptive genetic algorithm [J]. 2013， 5（1）：50?55.

[8] KUMAR S， CHATURVEDI D K. Optimal power flow solution using fuzzy evolutionary and swarm optimization [J]. Internatio?nal Journal of Electrical Power &； Energy Systems， 2013， 47： 416?423.

[9] KARUPPANAN P， MAHAPATRA K K. PI and fuzzy logic controllers for shunt active power filter. ISA Transactions. 2012， 51（1）：234?243.

[10] PHADKE A R， FOZDAR M， NIAZI K R. A new multi?objective fuzzy?GA formulation for optimal placement and sizing of shunt FACTS controller[J]. International Journal of Electrical Power &； Energy Systems， 2012， 40（1）： 46?53.

[11] CHELLABOINA V S， HADDAD W M， OH J H. Fixed?order dynamic compensation for linear systems with actuator amplitude and rate saturation constraints [J]. International Journal of Control， 2000， 73（12）： 1087?1103.endprint

<；E：＼2014年23期＼2014年23期＼Image＼41t4.tif>；

图4 微电网系统母线电压

5  结  论

本文在微电网多DG模型基础上，设计并优化了逆变器输出控制器。在仿真实验中检验了本系统能够有效抑制存在于微电网中的电压、频率、操作模式转换等干扰，使系统具有较好鲁棒性，并且具有超调小、响应速度快等优点。

<；E：＼2014年23期＼2014年23期＼Image＼41t5.tif>；

图5 微电网系统频率

参考文献

[1] 时珊珊，鲁宗相，闵勇，等.微电网孤网运行时的频率特性分析[J].电力系统自动化，2011，35（9）：36?41.

[2] 郑永伟，陈民铀，李闯，等.自适应调节下垂系数的微电网控制策略[J].电力系统自动化，2013，37（7）：6?11.

[3] 吴志，顾伟.孤岛方式下基于多代理系统的微电网有功?频率控制[J].电力自动化设备，2009，29（11）：57?61.

[4] 杨玺.基于遗传算法的模糊控制器规则优化[J].电气传动自动化，2010，32（5）：41?44.

[5] 杨鹏，代冀阳，赵文龙.基于遗传算法的参数优化在控制器设计中的应用[J].南昌航空工业学院学报：自然科学版，2004，18（4）：24?27.

[6] MAKRIDOU G， ATSALAKIS G S， ZOPOUNIDIS C， et al. Gold price forecasting with a neuro?fuzzy?based inference system [J]. International Journal of Financial Engineering and Risk Management， 2013， 1（1）： 35?54.

[7] PENANGSANG O， ABDILLAH M， WIBOWO R S， et al. Optimal design of photovoltaic–battery systems using interval type?2 fuzzy adaptive genetic algorithm [J]. 2013， 5（1）：50?55.

[8] KUMAR S， CHATURVEDI D K. Optimal power flow solution using fuzzy evolutionary and swarm optimization [J]. Internatio?nal Journal of Electrical Power &； Energy Systems， 2013， 47： 416?423.

[9] KARUPPANAN P， MAHAPATRA K K. PI and fuzzy logic controllers for shunt active power filter. ISA Transactions. 2012， 51（1）：234?243.

[10] PHADKE A R， FOZDAR M， NIAZI K R. A new multi?objective fuzzy?GA formulation for optimal placement and sizing of shunt FACTS controller[J]. International Journal of Electrical Power &； Energy Systems， 2012， 40（1）： 46?53.

[11] CHELLABOINA V S， HADDAD W M， OH J H. Fixed?order dynamic compensation for linear systems with actuator amplitude and rate saturation constraints [J]. International Journal of Control， 2000， 73（12）： 1087?1103.endprint

<；E：＼2014年23期＼2014年23期＼Image＼41t4.tif>；

图4 微电网系统母线电压

5  结  论

本文在微电网多DG模型基础上，设计并优化了逆变器输出控制器。在仿真实验中检验了本系统能够有效抑制存在于微电网中的电压、频率、操作模式转换等干扰，使系统具有较好鲁棒性，并且具有超调小、响应速度快等优点。

<；E：＼2014年23期＼2014年23期＼Image＼41t5.tif>；

图5 微电网系统频率

参考文献

[1] 时珊珊，鲁宗相，闵勇，等.微电网孤网运行时的频率特性分析[J].电力系统自动化，2011，35（9）：36?41.

[2] 郑永伟，陈民铀，李闯，等.自适应调节下垂系数的微电网控制策略[J].电力系统自动化，2013，37（7）：6?11.

[3] 吴志，顾伟.孤岛方式下基于多代理系统的微电网有功?频率控制[J].电力自动化设备，2009，29（11）：57?61.

[4] 杨玺.基于遗传算法的模糊控制器规则优化[J].电气传动自动化，2010，32（5）：41?44.

[5] 杨鹏，代冀阳，赵文龙.基于遗传算法的参数优化在控制器设计中的应用[J].南昌航空工业学院学报：自然科学版，2004，18（4）：24?27.

[6] MAKRIDOU G， ATSALAKIS G S， ZOPOUNIDIS C， et al. Gold price forecasting with a neuro?fuzzy?based inference system [J]. International Journal of Financial Engineering and Risk Management， 2013， 1（1）： 35?54.

[7] PENANGSANG O， ABDILLAH M， WIBOWO R S， et al. Optimal design of photovoltaic–battery systems using interval type?2 fuzzy adaptive genetic algorithm [J]. 2013， 5（1）：50?55.

[8] KUMAR S， CHATURVEDI D K. Optimal power flow solution using fuzzy evolutionary and swarm optimization [J]. Internatio?nal Journal of Electrical Power &； Energy Systems， 2013， 47： 416?423.

[9] KARUPPANAN P， MAHAPATRA K K. PI and fuzzy logic controllers for shunt active power filter. ISA Transactions. 2012， 51（1）：234?243.

[10] PHADKE A R， FOZDAR M， NIAZI K R. A new multi?objective fuzzy?GA formulation for optimal placement and sizing of shunt FACTS controller[J]. International Journal of Electrical Power &； Energy Systems， 2012， 40（1）： 46?53.

[11] CHELLABOINA V S， HADDAD W M， OH J H. Fixed?order dynamic compensation for linear systems with actuator amplitude and rate saturation constraints [J]. International Journal of Control， 2000， 73（12）： 1087?1103.endprint