当前位置: 首页 > news >正文

不平衡电网电压下 VSG 如何控制三相电流平衡

不平衡电网电压下虚拟同步发电机VSG---控制三相电流平衡,送相关文档。 VSG控制,正负序分离,正负序控制,电压电流双环控制。

在电力系统运行中,电网电压不平衡是一个常见且棘手的问题,它会导致诸如三相电流不平衡、电机发热等一系列不良影响。虚拟同步发电机(VSG)技术近年来备受关注,它能够模拟传统同步发电机的运行特性,为电力系统稳定运行提供支持。今天咱们就来唠唠在不平衡电网电压下,VSG 是如何实现三相电流平衡控制的。

VSG 控制基础

VSG 控制旨在模仿传统同步发电机的机电暂态特性,通过引入虚拟惯性和阻尼环节,使得逆变器具备类似同步发电机的调频调压能力。简单的 VSG 控制原理代码示意如下(以 Python 伪代码为例,便于理解逻辑):

# 定义一些基本参数 omega_n = 2 * 3.14 * 50 # 额定角频率 P_n = 1000 # 额定功率 E_n = 380 # 额定电压 # 模拟惯性环节 def inertia_governor(P_ref, P_out, omega, H): # H 为惯性时间常数 domega = (P_ref - P_out) / (2 * H * omega_n) omega = omega + domega return omega # 模拟阻尼环节 def damping_controller(omega, omega_n, D): # D 为阻尼系数 P_damp = D * (omega - omega_n) return P_damp

上述代码简单模拟了 VSG 的惯性和阻尼环节。惯性环节根据功率偏差调整角频率,阻尼环节通过角频率偏差产生阻尼功率,共同维持系统稳定。

正负序分离

在不平衡电网电压下,为了实现三相电流平衡控制,首先要进行正负序分离。电网电压不平衡时,可以将其分解为正序和负序分量。常用的正负序分离方法有基于瞬时对称分量法。以三相电压为例,假设三相电压为 $ua$, $ub$, $u_c$,通过如下变换可得到正负序分量:

\[

\begin{bmatrix}

u_{d +} \\

u_{q +} \\

u_{d -} \\

u_{q -}

\end{bmatrix}

=

\frac{2}{3}

\begin{bmatrix}

\cos(\theta) & \cos(\theta - \frac{2\pi}{3}) & \cos(\theta + \frac{2\pi}{3}) \\

-\sin(\theta) & -\sin(\theta - \frac{2\pi}{3}) & -\sin(\theta + \frac{2\pi}{3}) \\

\cos(\theta) & \cos(\theta + \frac{2\pi}{3}) & \cos(\theta - \frac{2\pi}{3}) \\

\sin(\theta) & \sin(\theta + \frac{2\pi}{3}) & \sin(\theta - \frac{2\pi}{3})

\end{bmatrix}

\begin{bmatrix}

u_a \\

u_b \\

u_c

\end{bmatrix}

不平衡电网电压下虚拟同步发电机VSG---控制三相电流平衡,送相关文档。 VSG控制,正负序分离,正负序控制,电压电流双环控制。

\]

这里 $\theta$ 为同步旋转坐标系的角度。用代码实现简单的正负序分离功能(Python 伪代码):

import numpy as np def sequence_separation(u_a, u_b, u_c, theta): T = (2 / 3) * np.array([ [np.cos(theta), np.cos(theta - (2 * np.pi / 3)), np.cos(theta + (2 * np.pi / 3))], [-np.sin(theta), -np.sin(theta - (2 * np.pi / 3)), -np.sin(theta + (2 * np.pi / 3))], [np.cos(theta), np.cos(theta + (2 * np.pi / 3)), np.cos(theta - (2 * np.pi / 3))], [np.sin(theta), np.sin(theta + (2 * np.pi / 3)), np.sin(theta - (2 * np.pi / 3))] ]) u_matrix = np.array([u_a, u_b, u_c]) result = np.dot(T, u_matrix) u_dp, u_qp, u_dn, u_qn = result return u_dp, u_qp, u_dn, u_qn

这段代码根据给定的三相电压和角度,计算出正负序分量在 dq 坐标系下的值。

正负序控制

分离出正负序分量后,就需要对正负序分别进行控制。正序分量主要用于跟踪有功和无功功率参考值,负序分量则用于抑制三相电流不平衡。

正序控制可以采用经典的电压电流双环控制策略。以电流内环为例,其控制目标是使得实际电流快速跟踪参考电流。假设参考电流为 $i{dref +}$, $i{qref +}$,实际电流为 $i{d +}$, $i{q +}$,电流内环控制器输出为:

\[

\begin{cases}

u{d +}^* = K{pci} (i{dref +} - i{d +}) + K{ici} \int (i{dref +} - i{d +}) dt + \omega L i{q +} \\

u{q +}^* = K{pci} (i{qref +} - i{q +}) + K{ici} \int (i{qref +} - i{q +}) dt - \omega L i{d +}

\end{cases}

\]

其中 $K{pci}$, $K{ici}$ 为电流环比例积分控制器参数,$\omega$ 为角频率,$L$ 为滤波电感。

负序控制类似,但目标是使负序电流为零。简单代码示意电流内环控制(Python 伪代码):

# 定义电流环参数 K_pci = 0.5 K_ici = 0.1 omega = 2 * 3.14 * 50 L = 0.01 # 电流内环控制 def current_inner_loop(i_dref, i_qref, i_d, i_q): u_d_star = K_pci * (i_dref - i_d) + K_ici * (i_dref - i_d) * dt + omega * L * i_q u_q_star = K_pci * (i_qref - i_q) + K_ici * (i_qref - i_q) * dt - omega * L * i_d return u_d_star, u_q_star

这段代码模拟了电流内环控制的计算过程,根据参考电流和实际电流计算出电压指令。

电压电流双环控制

电压电流双环控制是 VSG 控制的核心部分。电压外环根据功率偏差计算出参考电流,然后将参考电流送入电流内环进行跟踪控制。电压外环以有功功率和无功功率为输入,通过 PI 控制器计算出 dq 轴参考电流。假设有功功率偏差为 $\Delta P$,无功功率偏差为 $\Delta Q$,电压外环输出参考电流为:

\[

\begin{cases}

i{dref} = i{d0} + K{pv} \Delta P + K{iv} \int \Delta P dt \\

i{qref} = i{q0} + K{qv} \Delta Q + K{iv} \int \Delta Q dt

\end{cases}

\]

其中 $i{d0}$, $i{q0}$ 为初始参考电流,$K{pv}$, $K{iv}$, $K_{qv}$ 为电压环比例积分控制器参数。

完整的电压电流双环控制需要将前面的正负序控制、VSG 基本控制等环节结合起来,形成一个完整的控制体系,以实现不平衡电网电压下三相电流的平衡控制。

在不平衡电网电压条件下,通过 VSG 的正负序分离、正负序控制以及电压电流双环控制等一系列策略,可以有效实现三相电流的平衡,保障电力系统稳定可靠运行。

很抱歉,暂时无法直接提供相关文档,你可以通过知网、IEEE Xplore 等学术数据库,以“不平衡电网电压下虚拟同步发电机三相电流平衡控制”为关键词进行搜索,能找到许多相关的专业论文和研究报告。

http://www.jsqmd.com/news/478933/

相关文章:

  • 【2026年最新600套毕设项目分享】springboot“校园淘”二手交易平台(14127)
  • 【2026年最新600套毕设项目分享】springboot数字博物馆系统(14128)
  • AI写论文必备,精选4款AI论文生成工具搞定各类学术论文!
  • 从硬件抽象到意图对齐:论 AI 时代操作系统演进的逻辑必然与 OpenClaw 的范式价值
  • 2026年高校AI率标准汇总:本科30%硕士15%博士10%怎么达标 - 还在做实验的师兄
  • 【调试心法】撕烂 printf 的虚伪面具!消灭“海森堡 Bug”,用 C++ 构建零开销的异步日志引擎 (Async Logger)
  • 【2026年最新600套毕设项目分享】基于SpringBoot的电力集团职称评定系统(14129)
  • 嘎嘎降AI双引擎到底是什么?和普通降AI工具有啥区别 - 还在做实验的师兄
  • 精通类器官培养
  • OpenClaw,如果我想让它帮我盯盘或抢购,该怎么设置?
  • 2026嘎嘎降AI实测:知网AIGC检测4.0算法下还能稳过吗? - 还在做实验的师兄
  • 实战案例七:Claude Code 构建完整的 Web 应用
  • 导师推荐 9个降AIGC平台:MBA降AI率必看测评与推荐
  • cookie机制 以及session和token
  • 【面试核心】Redis 深度面试核心考点全解析
  • 硕士论文AI率要求15%以下,用嘎嘎降AI一次过的经验 - 还在做实验的师兄
  • CO11N报工使用BAPI_PRODORDCONF_CREATE_TT时无法返回配置错误消息CK466
  • pycharm打包whl
  • 《ShardingSphere解读》01 从理论到实践:如何让分库分表真正落地?
  • 视频监控烟火识别技术
  • 理工科论文降AI用什么工具?公式多术语多也能降到位 - 还在做实验的师兄
  • DeepSeek降AI指令怎么写?附10个实测有效的Prompt模板 - 还在做实验的师兄
  • 毕业设计实战:基于SSM的宠物健康咨询系统设计与实现全攻略
  • 如何正确使用OpenClaw?关于OpenClaw
  • 【实战】构建OpenClaw“防内鬼”防线:基于PowerShell的高危命令审批与全链路审计系统
  • 去AI味提示词大全:Kimi豆包DeepSeek通用的降AI指令 - 还在做实验的师兄
  • 积分商城的兑换架构设计(二):复杂场景金额计算与对账
  • USB接口防烧毁秘籍:硬件工程师必看的端口保护全攻略
  • 卖出认沽期权策略的权利金收入最大化定价模型与市场情绪的协同效应
  • 降AI工具千字4.8元贵不贵?嘎嘎降AI性价比全面分析 - 还在做实验的师兄