基于多项式Petri模糊神经网络的控制策略在微电网集群中的频率和电压稳定化应用

《IEEE Systems Journal》：Frequency and Voltage Stabilization With Polynomial Petri Fuzzy Neural Network Based Control Strategy for Microgrid Clusters

　　针对现代电力系统复杂性增加及微电网集群动态协调难题，本研究提出多项式Petri模糊神经网络（PPFNN）控制器。该控制器融合多项式理论、Petri网和模糊神经网络优势，有效提升微电网集群的电压稳定、频率调节及抗干扰能力，通过实时仿真验证其显著优于传统方法，为现代能源电网提供可靠解决方案。

　　

摘要：

随着现代电力系统复杂性的增加以及分布式能源资源整合程度的不断提高，微电网集群（MGCs）需要采用先进的控制策略。本研究探讨了在MGCs中采用基于多项式Petri模糊神经网络（PPFNN）的控制器来应对这些挑战。PPFNN控制器结合了多项式理论、Petri网和模糊神经网络的优点，为互联微电网之间的动态共识和协调提供了强大的框架。传统的控制方法在处理微电网系统的动态性和随机性方面往往显得力不从心。PPFNN控制器凭借其模糊逻辑的鲁棒性和神经网络的学习能力，为维持电压稳定性、频率调节和高效电力共享提供了更优的解决方案。研究表明，采用PPFNN控制器不仅提高了MGCs的运行韧性，还保持了电压和频率的稳定性，增强了系统对干扰的抵御能力。通过利用神经网络的自适应学习能力和Petri网的逻辑结构，PPFNN控制器为现代MGCs的实时运行需求提供了复杂的解决方案，确保了电力系统的韧性和高效性。通过实时仿真，研究展示了该控制器在处理各种场景中的有效性，从而为现代能源网格挑战提供了一种可扩展且可靠的方法。

引言

随着全球能源转型向分散式和可持续发电方向发展，微电网已成为一种关键技术解决方案。微电网是一种能够独立于主电网运行的局部能源系统，具有韧性强的优点，并且能够整合可再生能源[1]。然而，由多个互联微电网组成的微电网集群（MGCs）相比单个微电网具有更多优势。由于其互联设计中的冗余性，MGCs的韧性和可靠性显著提高。与容易发生局部故障的单个微电网不同，MGCs可以通过使相邻微电网共享资源并在系统故障或极端负载情况下提供相互支持来降低风险，从而提高可靠性[2]、[3]。此外，MGCs通过允许多个微电网共享太阳能板和储能系统等分布式能源资源（DERs），优化了这些资源的利用。这种互联配置有助于更好地平衡负载、削减峰值负荷并改善能源管理，从而减少对化石燃料的依赖并提高可再生能源的利用率[4]、[5]、[6]。