LCL滤波光伏孤岛微网的振荡和交叉耦合效应的改进控制方法

工程科学与技术，国际期刊35（2022）101244完整文章LCL滤波光伏孤岛微网Dristi Dattaa，Zeros，Subrata K.马里兰州萨克湾Rafiqul Islam SheikhcaUttara大学电气电子工程系，达卡1230，孟加拉国b孟加拉国拉杰沙希工程技术大学机电工程系，拉杰沙希6204cRajshahi工程技术大学电气电子工程系，Rajshahi 6204，孟加拉国阿提奇莱因福奥文章历史记录：收到2021年2022年4月9日修订2022年8月16日接受2022年9月13日网上发售保留字：阻尼控制器振荡和交叉耦合效应LCL滤波器光伏微电网A B S T R A C T为了满足全球日益增长的电力需求，可再生能源最近成为焦点。由于由于微电网（MG）中能量的不可预测性，其在功率中产生振荡或谐波。LCL滤波器可以获得平滑的功率性能，但是，产生无阻尼谐振频率，显着降低系统性能。 针对基于LCL滤波光伏的孤岛微网系统，提出了一种改进的多输入多输出（MIMO）积分线性二次高斯（ILQG）控制方法。 在这项研究中，我们提出了一个统一的控制器，可以拒绝从系统的振荡和交叉耦合效应。所提出的控制器的架构是基于人工神经网络（ANN）的最大功率点跟踪（MPPT）算法。通过时域和频域响应验证了控制器的性能，结果表明，该控制器在带宽、阻尼、跟踪性能等方面都有较好的性能。以及LCL滤波的基于PV的孤岛MG的交叉耦合效应的减少。此外，还分析了通过改变电感和电容来改变LCL滤波器的谐振频率的控制器的鲁棒性。不同类型的负载结构也被认为是拟议的统一控制器的性能分析。此外，在带宽和定性内容方面的比较分析，在这里进一步研究，以明确所提出的统一控制器的高效率。开环和闭环系统的仿真结果也证明了该控制器在不同负载条件下的高效性。©2022 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍电力需求的高速增长和化石燃料的快速消耗使人们意识到要从太阳能、风能和沼气等绿色能源中开发更多的电力[1]。 光伏（PV）的普及不断增长，因为它很容易安装，几乎可以到达所有阳光充足的地区。光伏还提供了一种经济、高效和绿色的能源。 它通过在与主电网连接时注入高质量的电力来提高整个系统的可靠性[2]。然而，PV电池的输出不是恒定的，因为它直接取决于环境，并且通过增加或减少温度和辐照度而变化很大。因此，为了从PV电池中提取最大功率，开发了一系列关于PV面板的最大功率点跟踪（MPPT）的算法，其显著提高了基于PV的系统的效率[3，4]。*通讯作者。电子邮件地址：dristidatta@gmail.com（D. Datta）。基于光伏的微电网（MG）系统可以在偏远地区发挥重要作用，在这些地区，来自主发电源的电能分配面临许多困难。典型的微电网系统如图所示。1.一、它的作用就像一个携带几个分布式发电机组（DGU）的小电网，即，光伏和风力发电。在这里，DGU被认为是能源的重要来源之一，因为它很容易与逆变器连接。MG可在隔离模式或并网模式下运行。MG和主电网之间的电力传输通过公共耦合点执行电压源逆变器（VSI）是MG系统中使用的另一个重要元件，其导致产生谐波并导致电能质量降低因此，需要一个滤波器来抑制所产生的电力中的谐波[5]。对滤波器的设计进行了一些研究。LCL滤波器是许多研究人员的常用选择，因为其简单、尺寸、降低无功功率消耗率的能力，以及比L、C或LC型滤波器更好的动态特性[6基于PV的MG的范围可以从千瓦到几兆瓦。https://doi.org/10.1016/j.jestch.2022.1012442215-0986/©2022 Karabuk University.出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：www.elsevier.com/locate/jestchD. Datta，S.K.Sarker和MD。拉菲克尔·伊斯兰·谢赫工程科学与技术，国际期刊35（2022）1012442Fig. 1. 典型的微电网系统。对于小型MG系统，LCL滤波器提供更好的性能，因为它消耗低无功功率，并且与L和LC滤波器相比获得更少的损耗然而，它会产生无阻尼谐振模式，导致电压和电流不稳定[9]。因此，阻尼谐振模式对于稳定和良好的供电质量是必要的。为了抑制共振模式，可以采用两种类型的方法，例如被动阻尼和主动阻尼。通过增加一个额外的电阻串联和并联的电容器或电感器，无源阻尼可以实现[10]。然而，该过程对于低容量PV系统不是有效的。因此，已经进行了许多研究，通过采用主动阻尼技术来阻尼共振频率[11主动阻尼方法需要使用阻尼较差的复极点来最小化稳定裕度。它们还需要转换器谐振频率、多环控制系统和滤波器电路修改的数据。系统参数的不确定性可能导致系统的不稳定性，因此滤波器谐振频率可能从一个水平移动到另一个水平。一些研究人员提出了一种单回路主动阻尼[14，15]。研究表明，滤波器谐振频率限制了控制带宽，导致系统不稳定.因此，控制器应该对对象参数的变化具有鲁棒性，以实现稳定。在[12，16，17]中，作者提出了一种主动阻尼多回路控制技术，以提供对滤波器参数变化的稳定性然而，这些控制模型需要一个传感器或其他复杂的算法，正确的操作和优化性能。在谐振频率变化范围较宽的情况下，提出了[18]中提出的已经进行了几次早期尝试来开发反馈型主动阻尼控制器，以实现LCL滤波逆变器对参数不确定性和电网干扰的增强性能[19本文将电容电流作为反馈元件，采用多环反馈回路，在闭环反馈回路中加入两种独立的控制策略，以提高LCL型逆变器的鲁棒性。虽然该控制器能够显示增强的鲁棒性，在参数不确定性下的性能，它可能会遭受概括其响应，导致缺乏适当的参数调谐。此外，由于滤波器参数的变化而产生的不确定性，它无法处理稳定的响应。另一种类型的非线性反馈控制器开发，以提高逆变器的稳定性与LCL滤波器[24，25]。在这里，庞加莱映射被认为是分析的稳定性标准和探索更好的性能的系统。该控制器解决了可再生能源提出的问题。然而，它需要测量系统的整个状态，这限制了它的应用。在[26，27]中，已经设计了PI（比例积分）控制器用于控制具有LCL滤波器的PWM转换器的电流。该控制器结构简单，易于设计。PI控制器可以获得更好的瞬态响应，减小稳态误差。但由于控制器带宽较低，谐波抑制和跟踪能力较差。比例谐振（PR）控制器可以弥补PI控制器的缺点[28]。该控制器用于最小化谐波，也称为阻尼控制器。然而，该控制器在高谐振频率下提供低增益裕度。PR控制器的改进在[29]中开发。这种控制器的设计是通过直接替代的对象参数的调谐公式，这是所谓的准比例积分谐振（QPIR）。然而，这种控制器遭受概括其性能的不确定性。在[30，31]中，已经探索了H1H1控制器的结构控制器的阶数随着系统阶数的增加而增加。H1控制器能保证最佳的抗干扰性能. 然而，这种控制器的实现是相当困难的，因为控制器的阶数随着系统阶数的增加而增加，这需要控制领域的先进知识。一些作者提出了一种模型预测控制器（MPC），以确保最佳的跟踪性能和谐振阻尼，D. Datta，S.K.Sarker和MD。拉菲克尔·伊斯兰·谢赫工程科学与技术，国际期刊35（2022）1012443LCL滤波转换器的动态变化[32]。它是通过优化有限时域对象来完成的，并且该模型可以预测因变量的变化。同样，开发了自适应有源MPC框架，以减少可变开关频率下的电流谐波频谱[33]。然而，MPC不允许在考虑未来时隙的同时进行当前时隙优化。由于控制带宽低，它的响应速度有限。提出了一种线性二次型调节器（LQR），以实现LCL滤波并网逆变器的快速准确响应[34]。在这里，控制器的设计，考虑离散时间的状态空间模型的逆变器。LQR控制器的实现涉及从中值定理的线性化技术。然而，控制器遭受的采样频率和对象动态的变化的鲁棒性。在上述研究中发现的问题表明，主动阻尼控制框架，有能力提供高性能对无阻尼谐振频率和交叉耦合效应是必要的LCL滤波型逆变器供电的光伏发电系统。本研究背后的主要动机是通过开发有效的主动阻尼控制框架来实现平稳性能，该主动阻尼控制框架抑制共振频率并最小化来自LCL滤波的孤岛MG的交叉耦合效应。在本文中，作者设计了一个统一的阻尼控制框架，称为积分线性二次高斯（ILQG），用于解决现有技术中存在的局限性。一些研究人员它由于具有较高的控制裕度而成为控制行业的热门。该控制器融合了线性二次高斯（LQG）和积分控制器（IC）。利用LQG框架的IC为通过阻尼谐振频率来实现平滑性能铺平了道路。本文的主要研究结果如下：设计了一种适用于LCL滤波光伏孤岛微电网的统一有源阻尼控制器。该控制器是在系统动力学扩展的基础上设计的，并采用积分控制器。所提出的统一控制器降低了LQR和LQG控制器目标函数的范数，使控制器能够提供更高的控制带宽。所提出的控制器的鲁棒性进行了测试下的参数不确定性的研究，通过改变植物动态。定性和定量比较所提出的和其他控制技术之间的竞争力与现有文献的控制器的性能。此外，所提出的控制框架引入了统一的控制回路，以同时对无阻尼频率和交叉耦合效应进行工作，而不是启用两个单独的控制回路，这也可能属于这项工作的新颖性。选择这种统一控制框架的原因是它的控制结构与系统的阶数无关。这种控制器受欢迎的另一个原因是它的范数最小化能力和积分作用，它拓宽了无阻尼频率的带宽。带宽的增加拓宽了增益和相位裕度的水平，并且证实了LCL滤波的孤岛MG系统在抑制无阻尼频率和交叉耦合效应的情况下增强的稳定和平滑性能。论文的其余部分设计如下：第2节介绍了LCL滤波PV的孤岛MG的动态建模第3节讨论了拟议的统一控制框架的发展在第4节中评估了所提出的统一控制框架对负载动态数量的有效性。最后，在第5节中对本文进行了总结。2. 基于光伏的孤岛微电网本节讨论了基于PV的孤岛MG系统的建模关于基于PV的微电网系统建模的基本概念取自[37]，并结合了一些参数值修改。图2示出了与电网连接的PV集成MG的单线图。利用Matlab Simulink对系统进行了仿真直流电源由40 kW光伏阵列与DC-DC升压转换器连接而成，DC-DC升压转换器通过使用比例积分（PI）控制器来控制。电容器C in用于抑制由PV阵列的输出电压V p v产生的高频纹波。基于人工神经网络的MPPT算法用于跟踪光伏电池产生的最大电压。LCL滤波器还用于补偿所产生电压的纹波下面将讨论光伏阵列的数学模型、光伏的MPPT以及LCL滤波MG的控制建模2.1. 光伏阵列PV电池将光能转换成电能。当阳光照射到光伏电池上时，它会产生自由电子，从而导致电流。发电量直接取决于太阳的温度和辐照度，以及光伏电池的串并联内阻的值。A single- gle diode PV model shownin Figure 3 is preferred because of its simplicity and accuracy thatcomprised of a current source and a diode with seriesresistance Rseriesand shunt resistance R shunt. A single-glediode PVmodel in Figure 3 is preferredbecause of its simplicity and accuracy thatcomprises a currentsource and a diode with series resistance R series and shuntresistanceRshunt.关于PV板的数学建模的详细解释可以在[2]中找到。本文利用该模型，通过修改一些参数值，使之满足输入侧的发电需求。在这项研究中，我们考虑了24个相等的字符串，每个字符串包括15个模块，这些模块串联在一起。表1中给出了单个PV模块的其余选定修改参数。选择这些参数以满足目标输出电压和电流。光伏阵列的非线性特性和环境效应影响其输出功率.因此，为了从光伏阵列中提取最大功率，使用了ANN MPPT算法。光伏阵列的输出通过LCL滤波逆变器馈入MG系统。2.2. 太阳能光伏发电系统最大功率点跟踪从太阳能电池板提取的功率直接取决于环境参数，例如太阳的温度和强度[38]。因此，在固定的温度和辐照度下，可以获得最大功率。这一点随着环境参数的变化而变化。光伏板的有效性显著降低与MPP的错误选择。此外，PV输出功率还取决于负载阻抗。然而，如果阻抗不是恒定的，则负载线的调节变得困难。因此，为了处理MPPT，我们使用了DC-DC转换器，其中通过启用MPPT算法来控制栅极脉冲，以预测来自PV源的输出功率一些研究人员在该方法中，瞬时电导●●●●D. Datta，S.K.Sarker和MD。拉菲克尔·伊斯兰·谢赫工程科学与技术，国际期刊35（2022）1012444KM2图二、研究了基于LCL滤波PV的孤岛MG系统的详细电路图，包括MPPT算法和统一控制器。dppvdvpv¼0;在MPP下为30秒dipvipvdvpv¼-vpv;在MPP下，dipvdipvdipvdvpv>-vpv 如果dvpv>0，迪PVipvdppv表1图三.光伏电池的等效电路。dvpv<-vpv 如果dvpv0 6<虽然该方法在PV曲线的斜率附近跟踪MPP，但使用IC获得的结果不能准确，PV模块规范。描述值并联电池数量串联电池数量光子产生电流反向饱和电流- -电子电荷1： 602× 10- 19C理想常数1.5玻尔兹曼常数1： 38×10- 23J表面温度350K短路（SC）电流3.27A温度系数（SC电流）1：7 e参考温度301.18K太阳辐射范围0~1000WReverse saturation current atTref2： 0793e-6A [1ex]等于MPP下电导的变化。增量电导法的数学表达式描述如下：ppv<$vpvωipv1PV曲线的斜率可以描述如下：太阳辐射[40]。另一种广泛使用的关于MPPT的方法是扰动和观察[41]。这里，随着光伏组件功率的变化，被认为是跟踪MPP。然而，向最大功率点跟踪的缓慢收敛速度限制了该方法的使用由于上述传统MPPT算法的局限性，研究人员对智能MPPT技术的发展产生了兴趣。这方面的一些发展包括模糊逻辑（FL）方法[42]和人工神经网络（ANN）方法。与其它常规技术相比，FL的应用提供了一些不需要精确的系统数学模型，处理非线性和非输入值。然而，FL的设计依赖于设计者的知识。一些研究人员开发了一种基于非线性高斯二次学习器的MPPT模型来预测PV源的输出功率[43]。虽然该模型通过对非线性的处理可以提供更好的预测结果，但它需要更多的努力来找到最佳拟合和解释自变量的作用。相反，人工神经网络在MPPT中的出现为解决传统方法和FL方法的局限性铺平了道路。人工神经网络的一些优点，在广泛使用的传统和智能MPPT算法报告表2。2.2.1. 基于人工神经网络的MPP预测dppv迪PV人工神经网络（ANN）的动机是dvpvvipvvvvdvpv如果P-V曲线的斜率大于零，则它在MPP的左侧工作，否则它在MPP的右侧工作，这可以通过使用以下等式来观察形成动物大脑的复杂神经系统。就像动物大脑中数十亿和数万亿神经元之间的生物相互作用一样，ANN处理信息。作为输入的信息通过不同层的节点传输到输出。节点或神经元处理D. Datta，S.K.Sarker和MD。拉菲克尔·伊斯兰·谢赫工程科学与技术，国际期刊35（2022）1012445X不表2定性比较了ANN、FL、IC和P O四种MPPT方法。原因[41]第四十一话IC[39]佛罗里达州[42][44]第四十四话收敛速度平均低平均高支持可扩展性没有没有是的是的MPP附近振荡是的是的没有没有漂移问题是的没有是的没有部分脱落低介质平均高算法复杂度介质介质高低线性输入。因此，通过使用激活函数将非线性添加到ANN的输出。在所提出的系统中，使用ReLU激活函数，并将ANN的输入处理为：联系我们O神经元¼Wi×xia71/1这里，x表示输入，W表示权重。a表示学习率。这里放置了反向传播算法和adam优化器[46]具有输入、输出和隐藏层的ANN的结构在图4中描绘。该系统在各种不同的温度和辐射水平下训练。生成的总数据分为三个部分。其中，70%的数据用于训练神经网络，15%的数据用于验证训练模型，其余15%的数据用于测试网络。一旦用温度和辐射训练神经网络，为了观察基于人工神经网络的MPPT技术的动态响应，在不同的辐照和温度水平范围内研究了所开发的模型。太阳辐射在800至900W=m2的范围内变化，温度水平在22至25 °C之间变化，如图7（a）所示，图7（b）.来自ANN的预测电压和来自PV模块的提取功率在图7（c）和图7（d）中示出，其证实了所开发的ANN的稳定预测和跟踪能力。2.3. 三相孤岛MG的控制建模三相LCL滤波孤岛MG系统如图2所示。MG的状态空间模型进行了分析与ABC参考系I1和L1是逆变器侧电流和电感，而I2和L2表示MG侧电流和电感。滤波电容器和MG负载记为C f 和RL分别。通过应用KVL，我们得到以下方程：该系统可以准确地预测最大值时的电压dI1;abc¼-R1I-1V1Vð8Þ可以实现μ m功率。该系统的训练性能报告在图。5（a）和5（b）。从损失和赔偿，dtL11;abcL11;abcL1i;abcracy结果，观察到最佳验证性能dI2;abc¼-R2RLI1Vð9Þ系统在时期42为0.16035同样，图5（b）显示了开发的网络如何对输入数量评估表明，dt L2dVc;abc12;abc1L2c;abc目标与产出的贴近度在满意范围内（R = 0.99932）。如图6所示，通过在各种温度和辐照度下跟踪MPP来验证该结果，以确保开发的ANN的有效性。dt<$CfI1;abc-CfI2;abc10 Ω电流通过升压转换器，然后通过逆变器和LCL滤波器操作提供给负载端子。经过计算和变换，根据状态空间公式，可以得到具有LCL滤波器的PV隔离MG的控制模型为，x =0.000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000碘2 VC;abc]dI1;dR11 1DT1/4-L1I1;d-L1Vc;d-L1VI; d-L 1 V I ;d-xmgrI1;q-12dI1;qR 11 1DT 1/4-L1I1;q-L1Vc;q-L1VI;q-xmgrI1;d-13 VdI2;dR21DT¼-L2I2;dL2Vc;dxmgrI2;q 14dI2;qR21DT 1/4-L2I2;q=L2Vc;q=xmgrI2;d= 15mAdVc;d1 1DT¼CfI1;d-CfI2;dxmgrVc;q16dVc;q1 1见图4。人工神经网络的结构与反向传播。DT1/4CfI1;q-CfI2;q-xmgrVc;d= 170D. Datta，S.K.Sarker和MD。拉菲克尔·伊斯兰·谢赫工程科学与技术，国际期刊35（2022）10124462-L1640--52706L0¼不A¼6DTL200-x管理员-R2L2017CF1CFCf01CFx管理器-x管理器0B6-17;C¼00010 0L17L10073;在[47，48]中找到。手推车是一个整体行动与线性的组合图五. 所提出的ANN的训练性能（a）损失曲线和（b）回归性能。见图6。 使用人工神经网络R1x管理器00-103L1L1通过选择电容器电流作为控制元件，然后通过反馈路径向电容器电流馈送细节6 -x管理器-R10 0 0-170 0-R2x管理器1电容器电流的技术范围背后的解释可以是6100L2L210710 0016L1双排本节探讨了逐步设计拟议的统一控制框架，以补偿阻尼，00- 1个000100 0研究系统的交叉耦合效应建议的Con-64000L275二次高斯（LQG）控制器。设计过程中，0 0 0 0这里，xmgr是MG角频率，A、B、C和D分别是控制矩阵、控制输入、输出和转换矩阵当的状态的的系统是考虑作为xt1dI1 qI2 dI2 qVCDV cq]T，输入矢量u不超过1/2V idV iq]T 和输出矢量y1/2I2dI2 q]。 所选控制可以分为三个不同的步骤，下图：第1步：这个过程从设计线性二次高斯（LQG）控制器开始，采用上一节中显示的矩阵。考虑给定设备的状态空间表示：表3中报告了所有系统参数的值。这里，电容器电流被认为是控制器中的反馈元件。这样做是为了使控制器成为主动阻尼抑制控制器。基于电容电流的主动阻尼抑制控制器可以有效地解决开环传递函数中固有谐振频率引起的稳定性和谐波问题。我们推导了开环传递函数dxts1wt 18最后一个问题是，如果你想让我知道你的名字，其中，x表示状态向量，u表示框架的贡献，y表示设备的输出，w是高斯扰动。 系统矩阵、输入矩阵和输出3.拟议控制框架200 0，D0。0D. Datta，S.K.Sarker和MD。拉菲克尔·伊斯兰·谢赫工程科学与技术，国际期刊35（2022）1012447ð Þ ð ÞR半]SBb2xtf3C00C我xtQxt u t Rutdt：2000¼不þð Þ我的天啊;0FK见图7。 (a)输入辐照水平;（b）输入温度水平;（c）ANN预测电压;（d）提取的最大功率。表3三相微电网参数值。描述C在转换器电感VDC直流电转换器频率MG频率L1CFL2负载R1¼R 2值163lF8.24mH660V100lF20 kHz60 Hz0.324MH85LF0.0044MH1.5X0.005X矩阵分别由A、B、C表示。S1和S2是噪声矩阵。LQG控制器的设计采用zftCfxftv：22在此，v/Vw/Vw]T和增广的状态向量和输出向量当量19，20其中w t和w t分别描述过程噪声和测量噪声在理想LQG控制器的反馈控制，以限制伴随的二次成本作用：xfxydtT和zf1/2z1z2]T。增广矩阵系统定义为。A fA0;B fB，C fC 0。这里，量w; w和w是高斯白噪声1991年，TT T不01 2 3传感器噪声和加到传感器输出积分的高斯白噪声。这个更新的工厂是通过定义这里，Qp>0和R>0是对称加权矩阵，E：是使状态最小化的期望值，并且二次成本函数的形式JlimE1ZT.x TQxf y T Q f yu TRu23成本函数中的框架Q和R的作用依赖于框架的理想执行其中，f_y_R_T_y_s_d_s、Q_P_0、Q_i_P_0和R>0是加权的矩阵LQG控制器的设计没有正确解决针对工厂动态的鲁棒性问题。此外，单独的LQG控制器不能处理高带宽，导致显示较低的性能。步骤2：积分控制器与成本函数（20）提高带宽。所提出的混合控制器的框图如图所示。 其中G（s）是被控对象的传递函数，1是积分控制器I的传递函数(s)C（s）是LQG控制器。更新后的设备P（s）与设备的积分控制器可以写为：步骤3：考虑更新的对象来设计所提出的统一控制器，并且可以表示为bdt 1/4A fbxftBfutK。zf-Cfbxf24ut-Lxf：25这里，xf是卡尔曼滤波器估计的增广状态向量，卡尔曼增益K的值通过求解dxK¼PK CT R-1ð26Þdt<$Af xftBf utBf w121其中PK被定义为Riccati条件：¼ð Þ ð Þ ð Þ ð ÞJlim ET！þ1输入，分别。项x t T Qx t和ut T Ru t 从等式21比较控制输入的限值和大小决定因素-T！þ10ÞD. Datta，S.K.Sarker和MD。拉菲克尔·伊斯兰·谢赫工程科学与技术，国际期刊35（2022）1012448¼C¼DTFFKCF 0qdtffC表4建议的控制器参数。设计参数W1W2W3QR值1 ×1081 ×1041× 10-21 ×1051× 10-2dPK¼Af PKPK AT-PK CT R-1Cf PKQ：127元通过LCL滤波器证明了该控制器的高效性这里，QKP 0和RK> 0是过程和测量噪声矩阵，定义为：情况2：在本研究中，我们将电阻负载增加了20%（即情况1中考虑的负载），图11中给出了开环和闭环。 从图11，它是QK¼W1;和RKW200W3Σð28Þ可以看出，随着时间t0： 3秒处负载的增加，开环电压、电流以及功率更加失真（25）中的反馈增益矩阵L由下式给出：L¼R-C1BfPC29mm其中PC定义为Riccati条件dPCAfPCPC AT-PC CT R-1Cf PCQ 30与案例1相比。然而，通过添加控制器，闭环响应更加稳定，并且在时间t处稍微波动之后很快恢复稳定0： 3秒从而再次证明了该控制器情况3：在这种情况下，我们考虑了100 kW的纯阻性负载加上在时间t = 0.08秒时从0到100 K- var变化的感性负载开环和闭环响应如图12所示。从图中可以看出，这里，RC^r是控制器加权矩阵，Q1/4°Cð31Þ开环响应高度失真，而闭环响应更平滑和稳定。因此，所提出的控制器的有效性是更明显的电压，电流，租金和权力随着电感参数的变化，所有系统参数的选定值见表4。4. 绩效评价在本节中已证明了所提出的控制器的性能评估所提出的统一控制器进行了研究，以探索一个可靠的解决方案，抑制交叉耦合效应。时域和频域性能分析表明，控制器的有效性。开环和闭环频率响应如图8所示，表明所提出的控制器可以最大限度地减少交叉耦合效应，具有更高的带宽。三种不同的情况下，也被研究，以证明控制器的鲁棒性能。情况1：在这项研究中，我们考虑了100千瓦的电阻性负载，以显示基于PV的MG的性能。图9和图10分别表示开环和闭环性能。从图9可以看出，电压和电流包含高动态，因为它包含LCL滤波器谐振峰值，并且类似地，有功功率高度失真。与此相反，与所提出的控制器的添加，系统的性能更好，以减少交叉耦合效应显着。此外，控制器可以电压、电流和功率在非常短的时间内被设置到新的平衡点。4.1. 鲁棒性分析本节研究了所提出的控制器在不同类型的不确定性下的鲁棒性能。在这里，MG的滤波电容和线路电感被认为是移动LCL滤波MG框架的谐振频率的不确定性参数4.1.1. 滤波器-电容变化所提出的控制器的鲁棒性下的滤波器电容器的品种。滤波电容的值已从0%变为100%。由于滤波电容的这种多样性，它在电压、电流和功率曲线中产生谐振峰为了评估所提出的控制器的鲁棒性能，开环和闭环系统之间的比较研究在图中给出。 13岁从图中可以看出，所提出的控制器能够从电压、电流、见图8。PV MG与LCL滤波器的开环和闭环频率响应比较。Σ¼KFD. Datta，S.K.Sarker和MD。拉菲克尔·伊斯兰·谢赫工程科学与技术，国际期刊35（2022）1012449¼见图9。具有LCL滤波器的PV MG系统的开环性能（a）电压，（b）电流和（c）功率。见图10。具有LCL滤波器的PV MG系统的闭环性能（a）电压，（b）电流和（c）功率。见图11。具有LCL滤波器的PV MG系统在增加的负载功率（a）开环电压、（b）开环电流、（c）开环功率、（d）闭环电压、（e）闭环电流、（f）闭环功率下的性能。和功率，证明了控制器在电容器变化值的宽范围内的鲁棒性能。4.1.2. 线路电感变化为了评估所提出的控制器在电感变化方面的鲁棒性考虑L1mH电感，这导致位于低频区的谐振曲线，驱动MG电压和电流高度失真，如图所示。 十四岁该图比较了电厂电压、电流和有功功率波动的开环和闭环响应。随着MG系统线感值的增大，谐振向左移动，产生低谐振模式。在本研究中，所提出的控制器可以阻尼共振峰，并减少交叉耦合的影响，确保控制器的鲁棒性能。D. Datta，S.K.Sarker和MD。拉菲克尔·伊斯兰·谢赫工程科学与技术，国际期刊35（2022）10124410图12个。具有LCL滤波器的PV MG系统随无功功率（a）开环电压、（b）开环电流、（c）开环功率、（d）闭环电压、（e）闭环电流、（f）闭环功率的增加的性能图十三.具有LCL滤波器的PV MG系统在电容器变化（a）电压、（b）电流和（c）功率下的开环和闭环性能。图14.具有LCL滤波器的PV MG系统在电感变化（a）电压、（b）电流和（c）功率下的闭环性能。4.2. 比较分析本节讨论了所提出的统一控制器与现有控制框架的竞争性能由于系统参数、运行模式和控制器设计准则的差异，所设计的控制器与现有的控制器性能的比较结果并不一致然而，在LCL过滤MG系统研究中获得的控制裕度的定量比较记录在表5中。这是从自由度来衡量的。频率响应使用建议的统一控制器。从记录的结果中，注意到所设计的统一控制器实现了比其他算法高至少10倍的带宽，这使得控制器更能够阻尼谐振频率并抑制交叉耦合效应。转移到控制框架的应用，表6报告了另一项关于拟议控制器和其他控制器之间定性内容的比较研究。结果表明，所提出的控制器具有较好的控制范围，既能抑制谐振频率，又能减小耦合效应。D. Datta，S.K.Sarker和MD。拉菲克尔·伊斯兰·谢赫工程科学与技术，国际期刊35（2022）10124411表5在控制带宽（dB）方面，对所提出的控制器和其他现有控制器进行定量比较标准提出参考文献[20个]参考文献[28]参考文献[49]输入1输入24.43×1041.34×1059.1×1022.41×1031.45×1041.2×1048.78×1039.8×103表6所提出的控制器和其他现有的控制器之间的定性比较。标准提出参考文献[50]参考文献[20个]参考文献[28日]参考文献[21日]控制裕度高低高介质介质阻尼共振频率高低高介质高功率解耦控制完全脱钩没有没有没有没有复杂性低介质中或低中或低高消除交叉耦合效应是的没有没有没有没有表7在总谐波失真（THD）的百分比方面，建议和其他现有的控制器之间的比较。标准提出参考文献[47个]参考文献[51]参考文献[五十二]使用电流1.62%2.67%2.08%百分之一点九九设计了统一的控制器。为了评估所提出的框架的控制性能，在时域和频域方面的一组案例研究进行了模拟。从频域研究中获得的结果清楚地表明，该控制器实现了高水平的控制裕度，其至少是现有方法的10倍在时域仿真中，控制器的控制裕度增大，说明了控制器在阻尼和抑制共振频率及耦合效应时的高效性。从这两个模拟，它被注意到，统一的控制器提供了一个增强的控制响应，在光伏为基础的孤岛MG接口与LCL滤波器。设计一个倾斜的基础控制框架可能是未来的工作方向。图15.案例1的电网电流THD百分比。衡量所提出的控制器的有效性的另一个指标是调节网侧电流的总谐波失真（THD）这里，THD是针对100 KW注入功率的电网侧电流测量的，如图所示。 十五岁值得注意的是，所提出的控制器提供了一个平衡的操作，通过maintaining在较低的水平与1.62%的值在功率注入THD。再次，所提出的和其他控制技术之间的比较是在THD的百分比方面，以涵盖控制器的增强性能。由于文献中出现了不同的系统参数和操作条件，因此使用所提出的控制策略所获得的结果与其他现有的控制方法没有进行彻底的比较。表7中报告了比较结果，其清楚地表明，与其他控制器相比，所提出的控制器更能够降低电网电流的THD。5. 结论本文针对光伏发电机并联微机电系统的振荡和交叉耦合问题，设计了一种统一的控制器，用于抑制微机电系统的振荡和交叉耦合。该控制器是将积分作用与LQG控制器相结合而成的。利用积分控制器的系统动力学的扩展被认为是-竞争利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作。引用[1] F.R. 巴达尔山口Das，S.K.Sarker，S.K.Das，可再生能源集成和微电网控制问题调查，现代电力系统的保护和控制4（1）（2019）1-27。[2] D. Datta，S. Fahim，S. Sarker，S. M.I. Muyeen Sheikh，S.基于光伏的交直流混合微电网二次网络电压阻尼和跟踪的鲁棒控制方法。前 ，能源研究7（2020）580840。[3] J.P. Ram，T.S. Babu，N. Rajasekar，对太阳能光伏最大功率点跟踪技术的全面审查，更新。坚持住。Energy Rev. 67（2017）826-847。[4] M. Kavya，S.Jayalalitha，提高光伏系统最大功率点跟踪（mppt）效率的一种新的粗精控制算法，ISATrans.121（2022）180-190。[5] 上 午 Bouzid ， J.M.Guerrero ， A.Cheriti ， M.Bouhamida ， P.Sicard ，M.Benghanem，微电网应用的电力分布式发电系统控制调查，更新。坚持住。Energy Rev.44（2015）751-766.[6] S. Adak，使用lc无源滤波器的独立光伏系统的谐波缓解，J. Electr. Eng. Technol. 16（5）（2021）2389-2396。[7] Y.蔡，Y.他，H.周军，刘俊，基于粒子群优化和筛选法的并网逆变器lcl滤波器设计方法，IEEETrans. 电力电子 36（9）（2021）10097-10113.[8] R. Errouissi，H. Shareef，F. Awwad，基于扰动消除器的三相并网逆变器控制，IEEE Trans. Ind. Appl. 57（5）（2021）5411-5424。[9] O. Hernández，J. Mina，J.H. Calleja，A.C. Pérez，S.E. de León，并网电压源逆变器lcl滤波器的多目标优化设计D. Datta，S.K.Sarker和MD。拉菲克尔·伊斯兰·谢赫工程科学与技术，国际期刊35（2022）10124412考虑到分立元件，Int. 译电动能源系统 31（10）（2021）e12908.[10] W. Wu，Y.Liu，Y.他，H.S.-H. 钟，M。Liserre，F.Blaabjerg，基于lcl滤波器的电流控制并网逆变器引起的谐振的阻尼方法：概述，IEEE Trans. 印第安纳电子学。64（9）（2017）7402-7413。[11] W. Chen，Y. Zhang， Y. Tu，K.沈军，刘建，仅具有逆变器侧电流反馈的lcl滤波器的有源阻尼控制，IEEE Trans. 电力电子[12] M.A. Azghandi，M.S. Barakati，A. Yazdani，基于无源性设计的分数阶虚拟电容器用于多个并联电网连接的电流源逆变器的有源阻尼，IEEE电力电子。[13] E. 马蒂耶维奇河夏尔马角，澳-地Zare，D.Kumar，有源前端转换器中电网和转换器电流反馈的统一有源阻尼，IEEE访问。[14] D.平移X。阮，X. Wang，H. Yu，Z. Xing，基于通用数学模型的lcl型并网逆变器电流控制方案的分析与设计，IEEE Trans. 电力电子 32（6）（2016）4395-4410。[15] X. Wan，X.Ding，H.胡，一种改进的基于单回路逆变器电流控制的有源阻尼方法用于并网逆变器中的lcl谐振，数学问题工程。（2021年）。[16] S. Jiang，P.Wang，Z