基于自适应神经模糊推理系统的孤立微电网虚拟惯量智能控制与优化

《IEEE Access》：Adaptive Virtual Inertia Control Synthesis Considering Battery Power and Energy Constraints

　　孤立微电网由于其内置逆变器电源占比较大而固有的低惯量特性，需要惯量支撑。通常通过虚拟惯量控制来提供惯量支撑。然而，传统方法依赖于固定参数，无法适应电网条件的随机性。本文提出了一种基于自适应神经模糊推理系统的智能控制器，该系统以采样频率和频率变化率作为输入，在暂态事件期间输出虚拟惯量增益。通过将虚拟惯量控制器综合表述为一个可行性问题并应用中间值定理，采用二分搜索程序来生成可行的虚拟惯量增益。以前定义的频率最低值率和频率变化率限制为指导，该搜索程序确定性地生成了控制器综合的训练数据。此外，利用非支配排序遗传算法，获得最优的虚拟阻尼系数，以最小化电池储能系统的使用，同时最大化频率稳定性指标。所综合的控制器采用由频率变化率触发的机制进行部署，并通过平均负载-频率控制和电磁暂态仿真进行验证。所提出的控制策略将惯量支撑限制在高暂态事件中，与传统控制器相比，显著减少了电池储能系统的利用率，同时使频率指标保持在可接受的阈值范围内。这种能量利用率的降低使得可用于虚拟惯量支撑的电池容量更小，并且通过减少峰值功率波动，减缓了接口逆变器的退化。