摘要:从维持微电网安全稳定运行,延长蓄电池使用寿命的角度出发,提出一种改进型混合储能控制策略,通过将待平抑功率分解为高、中、低频段 3 种分量,引入储能系统 SOC 的反馈来设计混合储能功率分配策略,减少蓄电池充放电次数,延长其使用寿命,同时防止储能系统出现过充/ 过放现象,使混合储能稳定安全响应电网能量调度。 实际算例证明,与传统控制策略相比,在相同工况下改进型控制策略使蓄电池充放电次数降低了 58. 3%,并且能够有效解决由于储能设备的过充/ 过放而导致系统不能正常稳定运行的问题。

摘要:针对车载微电网中电流频率成分丰富和电磁环境复杂的环境特征,为了实现车载微电网电流测试的问题,利用隧道磁阻传感器低频特性好和罗氏线圈中高频特性好的优点,研究了罗氏线圈与隧道磁阻复合的全封闭式电流测试方法。 采用Ansoft Maxwell 对屏蔽壳体的屏蔽效能进行了仿真分析,利用罗氏线圈和隧道磁阻传感器进行工频测试实验,并以钳形电流探头作为基准完成标定,将标定后的传感器及测试系统进行微电网储能并/ 离网过程中的尖峰脉冲电流测试实验,进行了数据复合处理。 实验结果表明,复合后的电流测试信号与钳形电流探头测量信号一致性好,特别是尖峰处误差减小,复合后脉冲电流峰值相对误差减少到 3. 67%。 罗氏线圈与隧道磁阻两种传感器数据复合的电流测试方法对于装备的电气化测试具有重要意义。

摘要:提出了一种基于卡尔曼滤波的同步并网控制策略，以解决微电网与大电网同步并网过程的各分布式电源间协调控制及平滑、快速并网的问题。通过计算微电网前一次状态和本次状态的差值，利用卡尔曼滤波算法预测下一状态是否达到并网要求，使微电网实现平滑、快速并网。仿真结果验证了该方案的有效性。

摘要:由于微电网蓄电池工作时的电力特性具有明显的非线性和不规则性，依靠传统数学方法难以准确估计其荷电状态(state of charge，SOC)。针对上述问题，构建了BP神经网络拓扑结构，并采用增强型学习率自适应算法对网络的传统学习模式加以改进，学习时神经网络模型中各神经元间权值得到合理调整，并且提高了误差收敛效率。仿真结果表明，估计结果在预设精度要求的范围之内，平均误差不超过4%，证明经过优化学习算法的BP神经网络模型对蓄电池荷电状态的精确估计是有效可行的。