《Computers and Electrical Engineering》：Nearest Kronecker product decomposition learning based control of renewable energy based electrolyser system with grid support and hydrogen production
編輯推薦：
綠氫制備的電網支持型光伏-電解槽系統采用鄰近克羅內克積分解學習（NKPD）控制策略，優化了可再生能源與氫能生產的協同管理。實驗表明系統諧波畸變為3.47%，響應時間4.87ms，產氫效率達70kg。該方案通過NKPD算法實現電網電流快速動態響應，消除傳統LMS算法的收斂延遲問題，同時創新性地采用諧波預估計技術，有效抑制電壓諧波并提升功率因數。系統架構包含光伏陣列、升壓轉換器、電壓源換流器及電解槽，通過自適應濾波技術實現多目標協同控制。
Tanu Prasad | Shailendra Kumar | Shashank Kurm
印度比爾萊理工學院（Indian Institute of Technology, Bhilai）
摘要
本文介紹了一種基于最近克羅內克積分解學習（NKPD）控制技術的光伏（PV）系統，該系統與電解器集成在一起。電解器由光伏陣列和電網共同供電，用于生產工業用氫氣。將電解器與電網集成需要先進的控制技術，以確保電力流動的穩定性和系統的可靠性。所提出的控制策略有效管理了無功功率補償、諧波減少、負載平衡和功率因數校正。該系統包括光伏陣列、電解器和電壓源轉換器（VSC），并在不同條件下進行了測試。測試結果顯示，電網電流的總諧波失真（THD）為3.47%，低于IEEE 519-2022標準的5%。系統具有4.87毫秒的快速響應時間，氫氣產量約為70公斤。該系統能夠提供高質量的電力，并支持可持續的氫基電動汽車充電基礎設施。
引言
隨著傳統化石燃料系統對環境的負面影響以及其對全球變暖的顯著貢獻，基于可再生能源的系統日益重要。光伏（PV）系統是滿足電力需求的關鍵組成部分，它可以獨立運行，也可以集成到并網應用中。在并網模式下，光伏系統不僅向電網供電，還向負載供電。然而，可再生能源的間歇性和不可預測性對電力系統的穩定運行構成了嚴重威脅。為了解決這一問題，儲能設備變得越來越重要。由于傳統電池儲能設備成本高昂且壽命有限，其使用受到限制[1]。氫氣作為一種有前景的儲能技術正在興起，特別是在大規模和跨季節應用中。氫儲能和能量存儲系統在確保能源安全、提高電網穩定性、促進可再生能源整合以及提升經濟效益方面具有顯著優勢。這些技術的必要性取決于多種因素，如可再生能源的整合程度、電網基礎設施和特定的能源市場條件[2]。因此，電解器被用于氫氣生產，產生的氫氣可以儲存在儲罐中或直接用作燃料。質子交換膜（PEM）電解器因其60%至80%的效率而受到廣泛認可，被認為是有效的氫氣生產解決方案[3]。
電解器的動態響應取決于其類型。質子交換膜（PEM）電解器響應迅速[4]，而堿性電解器響應速度適中，固體氧化物電解器則運行較慢。關鍵控制參數包括電流密度、電壓調節、溫度控制和爬坡率限制，這些參數共同確保了系統在瞬態條件下的穩定和高效運行。在部分負載條件下，由于過電位較高和輔助損耗固定，效率通常會下降；然而，PEM電解器相比堿性系統表現出更好的性能。通過管理負載變化和減輕效率損失，采用了先進的控制策略來優化性能。這些特性使得電解器非常適合整合可再生能源并支持電網[5]。
并網可再生能源系統面臨多個挑戰，包括電能質量問題、諧波補償、無功功率管理以及在動態條件下的性能不佳[6]。為了解決這些問題，所提出的控制策略協調了分布式發電資源、電網和負載需求在各種電力管理場景下的功率共享和流動[7]。文獻中提出了多種用于跟蹤光伏（PV）系統最大功率點（MPP）的算法，如擾動觀察（P&O）、增量電導（INC）、分數短路電流（FSCC）、分數開路電壓（FOCV）、模糊控制（FC）和神經網絡控制（NNC）[8]。與簡單的擾動觀察（P&O）方法相比，增量電導（INC）MPPT算法在快速變化的輻照度下具有更好的跟蹤精度和穩定性。INC算法能夠最小化穩態振蕩并實現快速動態響應，其適度的計算復雜度允許實時應用。比較研究進一步證實了INC在精度、速度和硬件可行性之間的最佳平衡[9]。
光伏陣列、升壓轉換器和電解器通過VSC連接到電網[10]，VSC同時還具有分布式靜態補償器（DSTATCOM）的功能[11]。已經提出了多種控制VSC的方法，如dq算法、基于Adaline的控制算法[12]、共振控制[13]、分布式觀測器方法[14]、瞬時無功功率理論（IRPT）[15]、基于單元模板的控制[16]；因此，電解器-電網-PV系統可以實現多種功能。通過使用自適應濾波器來實現VSC的控制。自適應濾波器根據隨時間變化的信號調整其傳遞函數，從而降低指定的誤差或損失函數。自適應濾波器在VSC控制中起著重要作用，其中一些包括神經網絡、最小均方（LMS）[17]、歸一化最小均方（NLMS）[18]、遞歸最小均方（RLMS）、改進的拉普拉斯核濾波器（ILK）和基于LMS的其他高級控制方法[20]等。自適應算法的收斂速度與自適應濾波器的長度呈反比關系。所提出的最近克羅內克積分解（NKPD）方法將自適應權重向量的長長度脈沖響應（IR）識別問題分解為更小長度的子問題，從而提高了自適應算法的收斂性能。NKPD方法在動態場景下表現出良好的性能，具有快速收斂和適度的復雜性，同時具有魯棒性和適應性，適用于多種應用。
與依賴線性誤差最小化的傳統LMS/NLMS算法不同，后者在強非線性和參數耦合情況下存在收斂限制，所提出的最近克羅內克積分解（NKPD）方法在核域內引入了非線性映射，以更高魯棒性提取瞬時有功和無功分量。此外，傳統的abc–dq變換需要同步參考幀操作，在不平衡和畸變的電網條件下效果較差。相比之下，NKPD直接在時間域內操作，無需鎖相環，從而在動態電網變化下確保VSC的多功能特性（如諧波抑制、無功功率支持和直流鏈路調節）的精確解耦。在光伏-電解器-電網協調背景下，NKPD控制相比基于LMS/NLMS的控制器提供了更快的響應和更好的能量平衡。
研究空白
- ?
傳統方法（如基于dq的算法和LMS算法）在處理非線性負載時存在局限性，特別是在動態和穩態性能方面。由于濾波器設計中需要較低的截止頻率，dq方法導致動態響應不佳，而LMS算法引入延遲并表現出較差的響應特性[21]。
- ?
此外，在相位‘a’的負載斷開時，dq控制中會引入二次諧波分量，這是一個顯著缺點。相比之下，自適應技術能夠有效生成與負載電流幅度相匹配的基本有功分量，從而提高性能和精度[22]。
- ?
現有方法通常依賴于采樣保持邏輯或零交叉檢測器來估計基本負載分量的幅度，這在瞬態條件下增加了復雜性并降低了精度。
- ?
由于估計的負載電流振蕩增加，參考電網電流中的高頻紋波分量導致電網運行中的諧波失真嚴重，傳統算法無法充分緩解這一問題。
解決這些空白的研究方向
?所提出的算法有效解決了傳統方法在動態和穩態條件下的性能限制。通過在確定基本分量之前估計主要諧波，控制器確保了快速收斂和更高的精度。
?與傳統算法不同，所提出的控制器消除了對零交叉檢測器和采樣保持邏輯的需求，從而簡化了設計，并在各種運行場景下提高了性能。
?采用先進的NKPD和諧波估計技術顯著減少了參考電網電流中的紋波分量，從而最小化了諧波失真并提高了電網性能。
?將所提出的控制算法與滯后電流控制器集成在一起，展示了良好的動態性能和魯棒性，使其適用于實際電力應用，這一點已在[23]中得到驗證。
?來自并網光伏系統的綠色氫氣用于生產。光伏電力支持電網，進而用于氫氣生產。
?通過有效管理可再生能源、電解器和電網之間的功率流動，基于NKPD的控制最大化了可再生能源的利用率并減少了能量損失。
?前饋光伏電力增強了控制算法提供的動態性能。測試結果證實了系統的功能性。
?通過有效管理來自可再生能源的功率輸入，電解器高效運行并最大化了氫氣產量。
?根據系統的實時硬件在環（HIL）仿真結果，IEEE 519-2022標準要求電網電流和電壓的總諧波失真（THDs）保持在5%以下。
?其他正在解決的電能質量問題包括無功功率補償、負載平衡、功率因數提升和諧波消除。
本文的其余部分安排如下：第二部分介紹設計和系統配置；第三部分描述了所提出的基于NKPD的控制策略及其實現；第四部分討論了仿真結果；第五部分展示了實時HIL仿真結果；最后，第六部分總結了本文并指出了未來的研究方向。
設計與系統配置
設計與系統配置
光伏陣列與升壓轉換器以及VSC共同支持電解器、電網和非線性負載。非線性負載的配置包括連接到電阻器和電感器的二極管橋。圖1展示了并網光伏電解器系統的示意圖。
A. 光伏陣列參數的規格和選擇
表I顯示了光伏電解器系統的規格。
計算了最大功率點（MPP）處的電壓和電流
基于NKPD的學習控制算法
光伏-電解器系統集成到電網中。電壓源轉換器（VSC）使光伏升壓轉換器和電解器與電網集成，而升壓轉換器管理光伏陣列的MPPT操作。
本研究采用基于最近克羅內克積分解的學習控制方法來獲取電網電流參考值。此外，該算法還承擔了負載平衡、諧波補償以及利用光伏陣列供電等功能
仿真結果與討論
本節分析了在所提出的VSC控制下運行的光伏系統（包括電解器和非線性負載）的仿真結果。系統在各種條件下的行為進行了評估，包括穩態和動態場景、太陽輻照度變化以及電解器斷開等情況。
模型中使用的參數詳細列在附錄I中。圖4表示了電網電壓、電網電流和負載電流的諧波分析。
實時HIL仿真結果
使用OP4510 OPAL-RT平臺上的實時硬件在環（HIL）仿真評估了所提出的基于NKPD的控制策略的性能。該設置不涉及物理電力硬件；相反，植物模型實時運行，而控制器通過HIL接口與其交互。OPAL-RT（OP4510）實時仿真器通過RT-LAB軟件與MATLAB接口連接。仿真內容包括并網光伏-電解器系統、非線性負載和VSC
結論
本研究提出了一種基于電解器的電網支持型光伏（PV）系統，采用最近克羅內克積分解（NKPD）控制策略來增強電力流動管理、電能質量和電網穩定性。所提出的架構集成了光伏陣列、電壓源轉換器（VSC）、電解器和非線性負載，實現了可再生能源的高效利用，同時支持氫氣生產和電網服務。
Tanu Prasad正在比爾萊理工學院攻讀電氣工程博士學位。她于2016年從Raipur的DIMAT（CSVTU）獲得學士學位，2020年從NIT Raipur獲得碩士學位。她曾在比爾萊理工學院擔任項目助理。她的研究興趣包括電能質量、綠色氫氣生產和可再生能源。
