《Computers and Electrical Engineering》：Nearest Kronecker product decomposition learning based control of renewable energy based electrolyser system with grid support and hydrogen production
编辑推荐：
绿氢制备的电网支持型光伏-电解槽系统采用邻近克罗内克积分解学习（NKPD）控制策略，优化了可再生能源与氢能生产的协同管理。实验表明系统谐波畸变为3.47%，响应时间4.87ms，产氢效率达70kg。该方案通过NKPD算法实现电网电流快速动态响应，消除传统LMS算法的收敛延迟问题，同时创新性地采用谐波预估计技术，有效抑制电压谐波并提升功率因数。系统架构包含光伏阵列、升压转换器、电压源换流器及电解槽，通过自适应滤波技术实现多目标协同控制。
Tanu Prasad | Shailendra Kumar | Shashank Kurm
印度比尔莱理工学院（Indian Institute of Technology, Bhilai）
摘要
本文介绍了一种基于最近克罗内克积分解学习（NKPD）控制技术的光伏（PV）系统，该系统与电解器集成在一起。电解器由光伏阵列和电网共同供电，用于生产工业用氢气。将电解器与电网集成需要先进的控制技术，以确保电力流动的稳定性和系统的可靠性。所提出的控制策略有效管理了无功功率补偿、谐波减少、负载平衡和功率因数校正。该系统包括光伏阵列、电解器和电压源转换器（VSC），并在不同条件下进行了测试。测试结果显示，电网电流的总谐波失真（THD）为3.47%，低于IEEE 519-2022标准的5%。系统具有4.87毫秒的快速响应时间，氢气产量约为70公斤。该系统能够提供高质量的电力，并支持可持续的氢基电动汽车充电基础设施。
引言
随着传统化石燃料系统对环境的负面影响以及其对全球变暖的显著贡献，基于可再生能源的系统日益重要。光伏（PV）系统是满足电力需求的关键组成部分，它可以独立运行，也可以集成到并网应用中。在并网模式下，光伏系统不仅向电网供电，还向负载供电。然而，可再生能源的间歇性和不可预测性对电力系统的稳定运行构成了严重威胁。为了解决这一问题，储能设备变得越来越重要。由于传统电池储能设备成本高昂且寿命有限，其使用受到限制[1]。氢气作为一种有前景的储能技术正在兴起，特别是在大规模和跨季节应用中。氢储能和能量存储系统在确保能源安全、提高电网稳定性、促进可再生能源整合以及提升经济效益方面具有显著优势。这些技术的必要性取决于多种因素，如可再生能源的整合程度、电网基础设施和特定的能源市场条件[2]。因此，电解器被用于氢气生产，产生的氢气可以储存在储罐中或直接用作燃料。质子交换膜（PEM）电解器因其60%至80%的效率而受到广泛认可，被认为是有效的氢气生产解决方案[3]。
电解器的动态响应取决于其类型。质子交换膜（PEM）电解器响应迅速[4]，而碱性电解器响应速度适中，固体氧化物电解器则运行较慢。关键控制参数包括电流密度、电压调节、温度控制和爬坡率限制，这些参数共同确保了系统在瞬态条件下的稳定和高效运行。在部分负载条件下，由于过电位较高和辅助损耗固定，效率通常会下降；然而，PEM电解器相比碱性系统表现出更好的性能。通过管理负载变化和减轻效率损失，采用了先进的控制策略来优化性能。这些特性使得电解器非常适合整合可再生能源并支持电网[5]。
并网可再生能源系统面临多个挑战，包括电能质量问题、谐波补偿、无功功率管理以及在动态条件下的性能不佳[6]。为了解决这些问题，所提出的控制策略协调了分布式发电资源、电网和负载需求在各种电力管理场景下的功率共享和流动[7]。文献中提出了多种用于跟踪光伏（PV）系统最大功率点（MPP）的算法，如扰动观察（P&O）、增量电导（INC）、分数短路电流（FSCC）、分数开路电压（FOCV）、模糊控制（FC）和神经网络控制（NNC）[8]。与简单的扰动观察（P&O）方法相比，增量电导（INC）MPPT算法在快速变化的辐照度下具有更好的跟踪精度和稳定性。INC算法能够最小化稳态振荡并实现快速动态响应，其适度的计算复杂度允许实时应用。比较研究进一步证实了INC在精度、速度和硬件可行性之间的最佳平衡[9]。
光伏阵列、升压转换器和电解器通过VSC连接到电网[10]，VSC同时还具有分布式静态补偿器（DSTATCOM）的功能[11]。已经提出了多种控制VSC的方法，如dq算法、基于Adaline的控制算法[12]、共振控制[13]、分布式观测器方法[14]、瞬时无功功率理论（IRPT）[15]、基于单元模板的控制[16]；因此，电解器-电网-PV系统可以实现多种功能。通过使用自适应滤波器来实现VSC的控制。自适应滤波器根据随时间变化的信号调整其传递函数，从而降低指定的误差或损失函数。自适应滤波器在VSC控制中起着重要作用，其中一些包括神经网络、最小均方（LMS）[17]、归一化最小均方（NLMS）[18]、递归最小均方（RLMS）、改进的拉普拉斯核滤波器（ILK）和基于LMS的其他高级控制方法[20]等。自适应算法的收敛速度与自适应滤波器的长度呈反比关系。所提出的最近克罗内克积分解（NKPD）方法将自适应权重向量的长长度脉冲响应（IR）识别问题分解为更小长度的子问题，从而提高了自适应算法的收敛性能。NKPD方法在动态场景下表现出良好的性能，具有快速收敛和适度的复杂性，同时具有鲁棒性和适应性，适用于多种应用。
与依赖线性误差最小化的传统LMS/NLMS算法不同，后者在强非线性和参数耦合情况下存在收敛限制，所提出的最近克罗内克积分解（NKPD）方法在核域内引入了非线性映射，以更高鲁棒性提取瞬时有功和无功分量。此外，传统的abc–dq变换需要同步参考帧操作，在不平衡和畸变的电网条件下效果较差。相比之下，NKPD直接在时间域内操作，无需锁相环，从而在动态电网变化下确保VSC的多功能特性（如谐波抑制、无功功率支持和直流链路调节）的精确解耦。在光伏-电解器-电网协调背景下，NKPD控制相比基于LMS/NLMS的控制器提供了更快的响应和更好的能量平衡。
研究空白
- ?
传统方法（如基于dq的算法和LMS算法）在处理非线性负载时存在局限性，特别是在动态和稳态性能方面。由于滤波器设计中需要较低的截止频率，dq方法导致动态响应不佳，而LMS算法引入延迟并表现出较差的响应特性[21]。
- ?
此外，在相位‘a’的负载断开时，dq控制中会引入二次谐波分量，这是一个显著缺点。相比之下，自适应技术能够有效生成与负载电流幅度相匹配的基本有功分量，从而提高性能和精度[22]。
- ?
现有方法通常依赖于采样保持逻辑或零交叉检测器来估计基本负载分量的幅度，这在瞬态条件下增加了复杂性并降低了精度。
- ?
由于估计的负载电流振荡增加，参考电网电流中的高频纹波分量导致电网运行中的谐波失真严重，传统算法无法充分缓解这一问题。
解决这些空白的研究方向
?所提出的算法有效解决了传统方法在动态和稳态条件下的性能限制。通过在确定基本分量之前估计主要谐波，控制器确保了快速收敛和更高的精度。
?与传统算法不同，所提出的控制器消除了对零交叉检测器和采样保持逻辑的需求，从而简化了设计，并在各种运行场景下提高了性能。
?采用先进的NKPD和谐波估计技术显著减少了参考电网电流中的纹波分量，从而最小化了谐波失真并提高了电网性能。
?将所提出的控制算法与滞后电流控制器集成在一起，展示了良好的动态性能和鲁棒性，使其适用于实际电力应用，这一点已在[23]中得到验证。
?来自并网光伏系统的绿色氢气用于生产。光伏电力支持电网，进而用于氢气生产。
?通过有效管理可再生能源、电解器和电网之间的功率流动，基于NKPD的控制最大化了可再生能源的利用率并减少了能量损失。
?前馈光伏电力增强了控制算法提供的动态性能。测试结果证实了系统的功能性。
?通过有效管理来自可再生能源的功率输入，电解器高效运行并最大化了氢气产量。
?根据系统的实时硬件在环（HIL）仿真结果，IEEE 519-2022标准要求电网电流和电压的总谐波失真（THDs）保持在5%以下。
?其他正在解决的电能质量问题包括无功功率补偿、负载平衡、功率因数提升和谐波消除。
本文的其余部分安排如下：第二部分介绍设计和系统配置；第三部分描述了所提出的基于NKPD的控制策略及其实现；第四部分讨论了仿真结果；第五部分展示了实时HIL仿真结果；最后，第六部分总结了本文并指出了未来的研究方向。
设计与系统配置
设计与系统配置
光伏阵列与升压转换器以及VSC共同支持电解器、电网和非线性负载。非线性负载的配置包括连接到电阻器和电感器的二极管桥。图1展示了并网光伏电解器系统的示意图。
A. 光伏阵列参数的规格和选择
表I显示了光伏电解器系统的规格。
计算了最大功率点（MPP）处的电压和电流
基于NKPD的学习控制算法
光伏-电解器系统集成到电网中。电压源转换器（VSC）使光伏升压转换器和电解器与电网集成，而升压转换器管理光伏阵列的MPPT操作。
本研究采用基于最近克罗内克积分解的学习控制方法来获取电网电流参考值。此外，该算法还承担了负载平衡、谐波补偿以及利用光伏阵列供电等功能
仿真结果与讨论
本节分析了在所提出的VSC控制下运行的光伏系统（包括电解器和非线性负载）的仿真结果。系统在各种条件下的行为进行了评估，包括稳态和动态场景、太阳辐照度变化以及电解器断开等情况。
模型中使用的参数详细列在附录I中。图4表示了电网电压、电网电流和负载电流的谐波分析。
实时HIL仿真结果
使用OP4510 OPAL-RT平台上的实时硬件在环（HIL）仿真评估了所提出的基于NKPD的控制策略的性能。该设置不涉及物理电力硬件；相反，植物模型实时运行，而控制器通过HIL接口与其交互。OPAL-RT（OP4510）实时仿真器通过RT-LAB软件与MATLAB接口连接。仿真内容包括并网光伏-电解器系统、非线性负载和VSC
结论
本研究提出了一种基于电解器的电网支持型光伏（PV）系统，采用最近克罗内克积分解（NKPD）控制策略来增强电力流动管理、电能质量和电网稳定性。所提出的架构集成了光伏阵列、电压源转换器（VSC）、电解器和非线性负载，实现了可再生能源的高效利用，同时支持氢气生产和电网服务。
Tanu Prasad正在比尔莱理工学院攻读电气工程博士学位。她于2016年从Raipur的DIMAT（CSVTU）获得学士学位，2020年从NIT Raipur获得硕士学位。她曾在比尔莱理工学院担任项目助理。她的研究兴趣包括电能质量、绿色氢气生产和可再生能源。
