基于海豹胡须优化与可解释广义加性神经网络的并网光伏系统电能质量提升研究

《International Transactions on Electrical Energy Systems》:Power Quality Enhancement in Grid-Connected Photovoltaic Systems Using Hybrid Harbor Seal Whiskers Optimization and Interpretable Generalized Additive Neural Networks

【字体: 大 中 小 】 时间:2026年04月26日 来源:International Transactions on Electrical Energy Systems 1.9

编辑推荐:

  本研究聚焦于光伏并网系统带来的谐波畸变、电压暂降/暂升等电能质量(PQ)挑战。为应对可再生能源系统(RESs)中的PQ问题,研究团队提出了一种新颖的混合控制策略,将可解释广义加性神经网络(IGANN)与海豹胡须优化算法(HSWOA)相结合,并采用增强型倾斜积分分数阶导数滤波器加分式导数(TIFDNFD)控制器的统一电能质量调节器(UPQC)进行补偿。结果表明,所提方法在降低总谐波畸变(THD)、维持电压稳定方面性能卓越,为智能电网的稳定可靠运行提供了高效、快速收敛的解决方案。

  
随着太阳能等可再生能源(RESs)大规模接入现代电网,人们在享受可持续性与能效提升红利的同时,也面临着日益严峻的电能质量(PQ)挑战。光伏(PV)系统出力受光照、温度等因素影响而波动,加之逆变器等电力电子设备的广泛使用,导致并网点处谐波畸变、电压暂降、电压暂升等问题频发,这不仅威胁电网稳定运行,也影响了敏感、关键负荷的可靠供电。现有的PQ改善技术,如传统控制器(如PI、模糊逻辑)和基于人工智能的方法(如人工神经网络ANN),往往存在收敛慢、计算成本高、在动态电网条件下适应性差等问题。那么,能否找到一种既快速、灵活,又易于理解解释的混合方法来精准管理并网光伏系统的电能质量呢?这正是发表在《International Transactions on Electrical Energy Systems》期刊上的这项研究所要回答的核心问题。
为了攻克这一难题,研究人员设计并验证了一种创新的混合控制框架。其核心是结合了可解释广义加性神经网络(IGANN)的预测能力和海豹胡须优化算法(HSWOA)的寻优能力,共同用于优化一个高级控制器——倾斜积分分数阶导数滤波器加分式导数(TIFDNFD)控制器的增益参数。该控制器被集成到统一电能质量调节器(UPQC)中,UPQC是一种能同时补偿电压和电流扰动的关键设备。简单来说,IGANN像一个“先知”,根据系统实时状态(如电压偏差、谐波水平)预测出控制器增益的初始值;HSWOA则像一个“精调师”,在此基础上进一步优化这些参数,目标是最小化总谐波畸变(THD)和电压偏差。这套被命名为HSWOA-IGANN的方案在MATLAB/Simulink平台上实现,并与多种现有方法进行了性能对比。
主要研究结果如下:
  • •
    谐波抑制效果显著:在非线性负载补偿场景下,所提HSWOA-IGANN方法控制下的电网电流呈现出近乎完美的正弦波形,瞬态冲击极小。具体数据表明,该方法实现了最低至0.42%的总谐波畸变(THD),相较于对比方法SC-ANN(THD约0.83%-1.01%),改善幅度达到49.40%-58.42%,充分证明了其卓越的谐波治理能力。
  • •
    电压扰动补偿能力优异:在电压暂降、暂升及电压畸变等多种故障条件下,HSWOA-IGANN控制的UPQC能够注入精确的补偿电压。例如,在电压暂降期间,该方法能将负载电压稳定维持在±220 V,偏差被限制在0.09–0.11 V的极低范围内,远优于SC-ANN、IBatMFOA和POA等方法。在电压暂升期间,它同样展现出最佳的电压抑制和恢复性能,确保了负荷侧电压的高质量。
  • •
    算法高效收敛:HSWOA算法本身具有更快的收敛速度。研究设定了种群规模为30个搜索代理,最大迭代次数为100次。优化过程以最小化公共连接点(PCC)处的总谐波畸变为目标函数。结果表明,该混合方法通过IGANN提供良好的初始预测,显著缩小了HSWOA的搜索空间,从而实现了更快的参数优化和系统响应。
结论与讨论
本研究成功地提出并验证了一种用于提升并网光伏系统电能质量的混合智能控制策略。该策略创新性地将可解释广义加性神经网络(IGANN)的预测学习能力与海豹胡须优化算法(HSWOA)的鲁棒优化能力相结合,用于动态优化TIFDNFD控制器的参数,进而驱动统一电能质量调节器(UPQC)进行精准补偿。
研究结果表明,所提出的HSWOA-IGANN方法在多个关键性能指标上均显著优于现有的SC-ANN、IBatMFOA和POA等方法。它不仅实现了极低的总谐波畸变(THD)(最低0.42%),而且在电网发生电压暂降、暂升等扰动时,能 exceptional 地将负载电压稳定在设定值附近(偏差仅0.09-0.11 V)。这得益于IGANN模型良好的可解释性和对非线性关系的捕捉能力,以及HSWOA算法高效的全局寻优特性。两者协同工作,使得整个控制系统兼具快速自适应性和高精度。
这项研究的意义重大。首先,它为解决高比例可再生能源接入电网带来的电能质量顽疾提供了一条新的技术路径。其次,所提出的混合框架有效克服了传统方法收敛慢、计算复杂、黑箱不可解释等缺点,为开发下一代智能、透明、高效的电网控制算法提供了有价值的参考。最后,该研究通过详尽的仿真对比,验证了方案的优越性和可行性,为后续的硬件在环(HIL)测试乃至实际工程应用奠定了坚实的理论基础。总之,这项工作朝着构建更稳定、更可靠、更高效的未来智能电网迈出了坚实的一步。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号