针对光伏电力系统电压跌落时的高效低压穿越及电网稳定性提升的混合控制策略开发

《Energy》：Development of a Hybrid Control Strategy for Efficient Low Voltage Ride-Through During Voltage Sags and Grid Stability Enhancement in Photovoltaic Power Systems

　　摘要：随着并网光伏系统的日益普及，维持电压稳定以及在电压跌落时确保系统可靠运行面临着诸多挑战，因此具备有效的低电压穿越能力至关重要。本文提出了一种新的雪融优化器-有限元插值神经网络框架，该框架能够在统一架构中同时优化FO-3DOF-TID控制器的参数，并实现智能故障检测与分类。经过优化的控制器与级联多级逆变器相结合，可在不同运行条件下提升电压调节能力、抑制谐波以及增强电网稳定性。该方法在MATLAB中进行了仿真，并在不同的辐照度变化、辐照度与温度共同变化以及严重电压跌落条件下进行了测试。仿真结果显示，该方法的故障检测准确率为98.7%，总谐波失真率为1.1%，故障检测时间为2毫秒，计算时间为0.7秒。与基于RNN、FFNN和ANN的方法相比，所提出的框架的总谐波失真率降低了21.4%-52.2%，故障检测速度提升了60%-77.8%，计算时间减少了53.3%-82.5%，故障识别准确率提高了3.9%-9.7%。该方法能够保持直流链路稳定，在电压跌落时快速提供无功功率支持，从而提升低电压穿越能力、电能质量以及系统稳定性。

引言：全球向可再生能源的转型加速了并网光伏系统的应用，这得益于其在环境和经济方面的优势[1]、[2]。然而，光伏发电占比的上升也给电网在遭受干扰时的电压稳定性和电能质量维护带来了巨大挑战[3]、[4]。由于光伏系统是通过电力电子变换器与电网相连的，因此在故障情况下极易出现电压跌落、逆变器跳闸以及瞬态不稳定现象[5]。因此，现代电网规范要求系统必须具备低电压穿越能力，以确保在电压干扰期间仍能持续运行并提供无功功率支持[6]。近期研究强调了高比例可再生能源对配电网低电压穿越性能及电压跌落特性的影响[7]、[8]。尽管多级逆变器可以提高转换效率并降低总谐波失真率，但在不同故障条件下实现强大的低电压穿越性能仍然具有挑战性[9]。因此，基于智能优化的低电压穿越控制策略对于提升高光伏渗透率系统中的电压恢复能力、谐波抑制效果以及整体电网稳定性至关重要[10]。

本文介绍了若干关于并网光伏系统先进控制策略的研究工作，以下将对其中部分内容进行综述。

Babu等人[11]研究了自适应蚱蜢优化-循环神经网络控制器在各种环境条件下的并网光伏系统性能。虽然该控制器能够提升系统性能，但由于基于RNN，其计算复杂度高，且实时低电压穿越性能较差。

Hassan等人[12]开发了一种基于前馈神经网络和局部可解释模型无关解释的可解释深度学习模型，用于评估光伏系统的性能。该方法有助于提高可解释性，但需要大量的训练数据，且在电压跌落极为严重的情况下适应性较差。

Hajji等人[13]提出了一种基于机器学习和深度学习的故障检测与诊断系统，用于不同辐照度条件下的并网光伏系统。不过，该方法在处理实时电网同步故障、谐波干扰以及严重故障时的低电压穿越能力提升方面效果不佳。

Ibrahim等人[14]结合广义降梯度优化技术与基于ANN的最大功率点跟踪算法，用于提升并网光伏系统的电能质量。虽然该方案提高了能量采集效率，但优化过程依然较为复杂，且不太适用于运行条件变化较大的情况。

Q. Xie等人[15]提出了用于暂态电压干扰下LCC-HVDC系统的动态电压支撑优化模型。该模型是为HVDC系统量身定制的，未涉及光伏系统中的智能故障分类和低电压穿越控制。

L. Yuan等人[16]提出了一种基于端口控制的哈密顿量瞬态稳定性增强技术，用于电网形成逆变器。该技术虽能提升系统稳定性，但并非基于智能优化，也不具备故障诊断功能。

Adouairi等人[17]为并网光伏系统设计了模糊滑模控制方案，以提升电压调节能力和低电压穿越性能。不过，该控制器的参数调优要求较高，且容易受到电网强非线性干扰的影响。

P. Salyani等人[18]建立了数学模型，用于评估电压跌落事件发生时可再生能源配电网的低电压穿越性能。但该研究仅侧重于低电压穿越分析，未包含自适应控制器优化或智能故障检测内容。

S. Li等人[19]提出了一种利用电流注入法定位可再生能源系统中多个电压跌落故障源的方法。不过，该方法主要用于故障诊断，未能提供低电压穿越控制策略。

T. Xia等人[20]设计了一种改进型的有源中性点钳位变换器，用于在电网干扰时实现动态电压恢复。该拓扑结构虽有利于电压补偿，但需要额外的硬件，增加了系统复杂度和实施成本。表1总结了近期相关研究的内容。

现有文献表明，随着并网光伏系统占比的不断提升，提升低电压穿越能力变得越来越重要，因为高比例的可再生能源接入使得电力系统在电网干扰时更容易出现电压跌落、频率偏差、同步故障以及电能质量下降等问题。尽管近期有一些研究探讨了含可再生能源的配电网的低电压穿越特性，以及基于DVR的补偿方法，并分析了电压跌落事件的发生原因和定位方式，但这些研究大多侧重于系统层面的干扰分析，而非提供一个集成式的框架来实现自适应控制器优化和智能故障分类。目前基于RNN、FFNN和ANN的智能方法也存在诸多局限性，如计算复杂度高、收敛速度慢、需要大量训练数据、适应性较差，以及在辐照度、温度和故障条件快速变化时泛化能力较弱。此外，大多数现有方法将控制器优化和故障诊断视为独立的任务，这限制了它们在实时提升低电压穿越能力、抑制谐波、调节电压以及提供无功功率支持方面的效果。为解决这些问题，本文提出的SAO-FEINN框架将基于SAO的分数阶三自由度倾斜积分微分控制器优化与基于FEINN的智能故障检测分类功能整合到统一的架构中，从而在所研究的运行条件下提升低电压穿越能力、减轻计算负担并改善系统稳定性。

该方法的创新之处在于构建了一种统一的智能混合框架，将SAO与FEINN相结合，用于提升并网光伏系统的低电压穿越能力。与那些主要侧重于低电压穿越响应分析、电压跌落特征描述或故障源定位，以及基于DVR的补偿方法的不同，也与传统的基于ANN、FFNN和RNN的、分别独立进行控制器优化和故障诊断的方法不同，所提出的SAO-FEINN框架能够在单一统一架构中同时优化FO-3DOF-TID控制器的参数，并实现智能的多故障检测与分类。SAO负责优化控制器参数，以提升电压调节能力和无功功率支持能力，而FEINN则能实现快速故障识别。该框架提升了并网光伏系统在电网干扰时的低电压穿越能力，降低了总谐波失真率，提高了故障检测精度，增强了系统的稳定性。

本研究的主要贡献如下：
• 提出了一种新的SAO-FEINN框架，可实现控制器优化与智能故障检测的统一处理，从而提升并网光伏系统的低电压穿越能力。
• 将SAO与FO-3DOF-TID控制器相结合，提升了电压调节能力、无功功率支持能力以及计算效率。
• 开发了FEINN算法，可精准检测并分类多种电网故障类型。
• 通过提高故障检测精度，增强了并网光伏系统的低电压穿越性能，提升了系统的稳定性和可靠性。
• 通过MATLAB仿真在不同辐照度、温度和电压跌落条件下验证了该框架的有效性。

本文的结构如下：第2节介绍系统配置，第3节阐述所提出的SAO-FEINN方法，第4节分析仿真结果，第5节对全文进行总结。

并网光伏系统配置与FO-3DOF-TID控制器
图1展示了所提出的并网光伏系统的整体结构。光伏阵列根据辐照度和温度产生直流电，该直流电经直流-直流变换器升压后，在直流链路中进行调节，之后再通过级联多级逆变器转换为交流电。电压和电流传感器持续监测系统状态，并将反馈信息传递给FO-3DOF-TID控制器以及所提出的SAO-FEINN框架。基于这些测量信号，SAO-FEINN...

基于SAO-FEINN的并网光伏系统
本研究提出了一种混合控制方法，利用多层逆变器提升并网太阳能系统的控制性能。SAO-FEINN方法的核心目标是通过高效检测电网故障并为电网提供无功功率支持，从而在电网电压跌落时实现低电压穿越功能。SAO用于最大化系统的控制效能，而FEINN则负责精准检测和分类故障。所提出的SAO-FEINN的流程图如下...

结果与讨论
通过MATLAB R2023a软件进行仿真，评估了所提出的SAO-FEINN框架的性能，并与基于RNN、FFNN和ANN的方法进行了比较。所有仿真均在配备3.30 GHz频率的Intel(R) Core(TM) i3-3220处理器和4 GB内存的系统中完成。该策略的性能在三种运行场景下进行了评估：案例1分析辐照度变化情况，案例2考虑辐照度与温度的同时变化，案例3则用于评估存在严重电压跌落情况（Vpu < 0.5 pu）下的不平衡电网故障。所提出的方法能够确保系统稳定运行...

人类与动物伦理问题：不适用
出版许可：不适用
材料与方法：不适用
结果与讨论：不适用
CRediT作者贡献说明：Santosh Mani：指导工作；E. Latha Mercy：指导工作；Soundra Devi G：撰写原始稿件；A. S Wincy Pon Annal：指导工作

声明：不适用
利益冲突/竞争性利益：不适用
伦理审批与参与同意：本文作者均未开展任何涉及人类受试者的研究。
支持数据的可用性：由于本研究未创建或分析新的数据，因此无需进行数据共享。
资金支持：本研究未获得公共部门、商业机构或非营利组织提供的任何资助。
利益冲突声明：?作者声明不存在可能影响本文研究结果的已知竞争性财务利益或个人关系。

致谢：不适用
G. Soundra Devi | Santosh Mani | E. Latha Mercy | A..S. Wincy Pon Annal
印度泰米尔纳德邦卡里亚帕蒂-626115，塞图理工学院电气与电子工程系