基于自适应补偿的智能微电网电能质量优化与谐波抑制研究

【编辑推荐】针对可再生能源并网导致的电能质量(PQ)问题，研究人员创新性地提出结合冠豪猪优化算法(CPO)与双流多依赖图神经网络(DMGNN)的智能微电网系统，通过并联有源电力滤波器(SAPF)和晶闸管控制串联电容器(TCSC)实现谐波抑制(THD降至0.1%)与动态电压稳定，系统效率达98.7%，为低惯量系统提供了突破性解决方案。

　　

可再生能源系统因其环境友好特性正被广泛采用，但并网引发的电能质量(Power Quality, PQ)问题亟待解决。这项研究构建了革命性的智能微电网(Smart-Microgrid, SMG)系统，其核心是融合冠豪猪优化算法(Crested Porcupine Optimization, CPO)与双流多依赖图神经网络(Dual-stream Multidependency Graph Neural Network, DMGNN)的协同控制策略。

系统采用自适应电能质量补偿器(Adaptive Power Quality Compensator, APQC)，创新性地将晶闸管控制串联电容器(Thyristor-Controlled Series Capacitor, TCSC)与并联有源电力滤波器(Shunt Active Power Filter, SAPF)组合使用。TCSC像"电网稳压器"般有效抑制瞬态电压波动，而SAPF则如同"谐波吸尘器"，将总谐波畸变(Total Harmonic Distortion, THD)压制到惊人的0.1%，同时提升功率因数。

研究团队开发的DMGNN算法能精准预测比例-积分-微分(Proportional–Integral–Derivative, PID)控制器最优参数，使系统效率飙升至98.7%。与改良水波优化(Modified Water Wave Optimization, MWWO)、多目标灰狼优化(Multiobjective Grey Wolf Optimizer, MOGWO)等传统方法相比，该方案展现出碾压性优势，为构建高弹性低碳电网提供了全新范式。