《Electric Power Systems Research》：Enhanced power quality using wind energy based DSTATCOM with decoupled neural network control
编辑推荐：
•本文提出了一种风力驱动的DSTATCOM系统，用于解决配电网络中的电能质量问题，包括谐波失真和 reactive power 不平衡。•引入了一种解耦神经网络（DNN）控制策略，以高效地管理 reactive power 补偿和谐波抑制，提升系统性能。•该系统采用了一种基于
- •
本文提出了一种风力驱动的DSTATCOM系统，用于解决配电网络中的电能质量问题，包括谐波失真和 reactive power 不平衡。
- •
引入了一种解耦神经网络（DNN）控制策略，以高效地管理 reactive power 补偿和谐波抑制，提升系统性能。
- •
该系统采用了一种基于班级最优者优化（CTO）的PI控制器，用于稳定直流链路电压调节，以最小的过冲和纹波改善DSTATCOM的运行。
- •
DNN与CTO-PI控制器的组合被证明在减少谐波、稳定电压以及提高基于可再生能源系统的整体电能质量方面非常有效。
引言
电能质量（PQ）和可靠性是定义理想电力系统的核心特征。然而，现代电力系统由于大量发电站和复杂的网络互联的存在而变得高度复杂。电力行业的去管制化、非线性负荷的接入以及客户的增长进一步增加了其复杂性[1,2]。此外，21世纪见证了众多小型分布式发电单元的显著增加，包括风能、太阳能、燃料电池、燃气轮机和电池等分散式能源，这有助于应对温室气体排放的紧迫问题[3,4]。这种小规模发电单元的增长也引发了电力系统的大规模转型，从而再次强调了在客户接入点维护电能质量（PQ）的重要性[5]。因此，为了提升电能质量、输电能力、动态特性和稳定性裕度，柔性交流输电系统（FACTS）装置等电力电子网络控制器被广泛采用[6,7]。静态无功补偿器（SVC）[8]和静态同步串联补偿器（STATCOM）[9]是并联型FACTS装置，前者使用晶闸管阀，后者使用电压源变换器（VSC）。这些 reactive power 补偿器虽然能有效解决闪烁和电压波动等PQ问题，但在处理更广泛的PQ问题时效果不佳。此外，SVC的 reactive power 补偿范围有限，响应时间较慢，并会向电力系统引入谐波。同样，STATCOM的过载能力有限并会产生大量热量。晶闸管控制串联电容器（TCSC）[10]是串联型FACTS装置，通过解决电力系统中的某些动态问题来确保输电线路的稳定性。它主要通过增加阻尼和抑制次同步共振（SSR）来改善电能质量。然而，其有限的通用性被认为是其主要缺点。此外，电力系统中的任何故障都会导致晶闸管换相失败，从而引起TCSC控制的暂时中断[11]。FACTS装置主要应用于高压系统，而定制电力装置（CPDs）则专门用于解决配电网络中的PQ问题[12]。与FACTS装置不同，CPDs能有效处理更广泛范围的PQ问题，对于为敏感负荷维持最佳电力条件至关重要。动态电压恢复器（DVR）[13,14]是一种重要的CPD，可迅速补偿电压扰动。另一方面，DSTATCOM[15,16]是另一种CPD，在 reactive power 支持和电压稳定方面性能优于DVR。DSTATCOM具有极高的可靠性，响应时间更快，并解决更广泛的PQ问题，包括谐波抑制和功率因数（PF）校正[17]。
传统的ANN控制STATCOM相比经典控制器展现了更好的非线性映射能力；然而，其性能严重依赖于训练数据集。ANN控制器往往存在过拟合、收敛速度慢以及在未见过的运行条件下泛化能力差的问题[18]。同样，遗传算法（GA）-PI控制STATCOM优化PI增益，但优化过程通常需要大量迭代和重复适应度评估，导致计算成本高且收敛速度慢[19]。另一方面，粒子群优化（PSO）-PI控制STATCOM比基于GA的方法收敛更快，实现相对简单；然而，它们容易陷入局部最优，并且惯性权重和加速系数[20]对其性能影响较大。
尽管各种FACTS装置连同DVR和DSTATCOM等CPD已被广泛用于改善现代配电系统中的电能质量，但仍然存在一些未解决的局限性。传统FACTS装置主要专注于 reactive power 补偿和电压调节，在抑制谐波、处理非线性负荷变化和适应动态变化的运行条件方面能力有限。现有的基于DSTATCOM的方法通常依赖于传统控制技术，如PI、SRF或模糊控制器，其在复杂负荷扰动、可再生能源间歇性和电网不确定性下的性能会下降。此外，大多数报道的DSTATCOM系统依赖外部电网支持的直流电源，导致运营成本增加且可再生能源利用率降低。此外，利用单一智能控制框架进行谐波电流和 reactive power 的协调补偿尚未受到充分关注，并且在波动的可再生能源发电下维持稳定的直流链路电压仍然是一个重大挑战。因此，亟需一种可再生能源辅助的DSTATCOM，配备先进的智能控制策略，能够同时实现谐波抑制。
本工作为可再生能源系统（RESs）中的DSTATCOM控制领域做出了多项重要贡献，特别聚焦于风能。这些贡献包括：
- •
与仅依赖电网供电或电池支持的直流电源的传统DSTATCOM不同，本系统利用双馈感应发电机（DFIG）为直流链路供电，从而减少对外部电网的依赖并提高可再生能源在电能质量提升中的利用率。
- •
开发了一种新的DNN框架，这种解耦结构减少了目标之间的计算耦合，与传统的单网络ANN控制器相比，在变化的负荷条件下提高了补偿精度。
- •
优化后的CTO-PI控制器能够维持稳定的直流链路电压，克服了手动调谐PI控制器的局限性。引入CTO-PI控制器提供稳健且稳定的直流链路电压控制。这种混合方法结合了传统PI控制器的优势与优化技术，确保性能一致并增强DSTATCOM的可靠性。
- •
DNN与CTO-PI控制的集成实现了对变化风速和负荷扰动的快速适应，从而实现了更快的暂态恢复和改善的系统稳定性，直流链路电压稳定在600 V，总谐波失真（THD）降低至0.93%。
尽管现有方法改善了电能质量，但通常依赖于单一控制结构，难以在快速变化的非线性负荷和可再生能源发电条件下独立且精确地解决多个PQ问题。此外，大多数现有DSTATCOM配置采用电网支持的直流链路或电池储能系统，增加了对外部能源的运营依赖。相比之下，本系统引入了一种基于DFIG发电单元的风能驱动DSTATCOM，从而直接利用可再生能源进行补偿。所提出的DNN从根本上不同于传统的基于ANN的控制器，因为它通过专用子网络分别处理谐波补偿和 reactive power 补偿，减少了控制耦合并提高了补偿精度。此外，与仅使用固定增益PI控制器或元启发式优化进行电流控制的现有研究不同，本方法采用专门用于直流链路电压调节的CTO-PI控制器，确保在风能和负荷需求波动下仍能稳定运行。可再生能源辅助补偿、解耦智能控制和基于CTO的最优电压调节的组合实施，提供了一种全面的电能质量提升方案，与最近报道的DSTATCOM控制策略相比，具有更优越的适应性、更快的动态响应、更低的谐波失真和更好的功率因数。
章节摘要
所提系统描述
所提系统将DSTATCOM集成到风能系统中，利用双馈感应发电机（DFIG）提升电能质量。该系统采用了一种新颖的DNN控制策略和CTO-PI控制器，用于高效管理 reactive power、谐波抑制和直流链路电压稳定，如图1所示。
班级最优者优化（CTO）
CTO[21]模拟了学生在学习过程中通过向同伴和最优学习者学习并逐步提高，最终收敛到最优解的过程。在该算法中，学生代表潜在解，这些学生被划分为若干班级，基本代表种群的子集。在每个班级中，学生通过与班级最优者（ST）学习来竞争提高自己的表现。
学生层级：在
结果与讨论
所提的采用CTO-PI控制器和DNN的DSTATCOM设计通过一系列MATLAB/Simulink仿真进行了充分测试。仿真模型基于利用DFIG为DSTATCOM运行提供所需电能的风能系统。通过测量各种性能指标，如总谐波失真（THD）和直流链路电压稳定性，验证了所提控制策略的有效性。本次评估所使用的仿真参数见表8。
由图7可见，它
结论
采用DNN和CTO-PI控制器的新型DSTATCOM控制技术通过MATLAB/Simulink和实际装置进行了全面评估。所提控制系统旨在通过有效管理 reactive power 补偿、减少谐波失真并通过直流链路调节确保电压稳定来改善配电系统中的电能质量。仿真结果清楚地表明，集成DNN控制器的DSTATCOM取得了显著的
CRediT作者贡献声明
P. Malathi：撰写 – 初稿，数据管理，概念构思。P. Subha Karuvelam：撰写 – 审阅与编辑，验证，监督，项目管理。C. Srisailam：撰写 – 审阅与编辑，验证，监督，项目管理。D. Karthikeyan：撰写 – 审阅与编辑，验证，监督，项目管理。
P. Malathi|P. Subha Karuvelam|C. Srisailam|D. Karthikeyan
