一种利用 RBFNN-阶级优胜算法的智能控制用于混合独立微电网稳定性增强

在偏远地区保持电力供应

许多偏远村庄、岛屿和离网社区开始用太阳能电池板、小型风力机和电池的组合为自己供电。但当云层经过或风速下降时，保持电力稳定比看起来更困难。本文提出了一种新的“智能”控制方法，帮助这些称为独立微电网的小型电力网络提供平稳、可靠的电力，减少闪烁、降低电气噪声并更好地利用清洁能源。

小型电力网络如何运行

研究考察了一个紧凑的电力系统，该系统将三部分关键组件结合在一起：光伏阵列、风力发电机和一组大容量电池，全部连接在一条公共直流（DC）母线上。从这条共享干线，通过一种称为逆变器的电子装置产生家庭和设备使用的常规三相交流（AC）。太阳能和风能本质上不稳定——日照和风力快速变化——因此电池用于储存多余能量或弥补缺口。整个系统必须不断协调这些能量流动，以保持直流母线接近目标电压，并确保供给负载的交流电保持清洁且稳定。

传统控制为何不足

此类系统中的传统控制器使用固定参数并人工调谐。它们在某一工作点附近能运行良好，但在条件快速变化时会遇到困难：需求突然跳增、乌云掠过或阵风来袭时。这些方法常常允许明显的电压波动并产生失真电流波形，可能加剧设备应力并浪费能量。基于模糊逻辑或复杂预测模型的更高级方法适应性更强，但往往需要大量计算和复杂规则集，使其难以在廉价硬件上实时运行。

两层智能控制方法

作者提出了一种两层控制方案，将快速响应的神经网络与较慢的监督优化器结合。下层采用径向基函数神经网络（RBFNN），这是一种擅长处理非线性行为的机器学习模型。它监测直流电压和逆变器电流相对于目标值的偏差，然后快速调整变流器和逆变器的命令以校正这些误差。在此之上，“阶级优胜优化算法”扮演教练的角色。该算法受学生向班级中表现最好的同学学习的启发，定期评估系统运行情况——查看电压偏差和电流的正弦性——并在安全范围内温和地调整关键控制增益和学习率。将快速学习与较慢优化分离使系统保持响应性，同时避免不稳定。

对智能控制器的测试

为了检验新方法的性能，研究人员对一个微电网进行了仿真：10 千瓦光伏阵列、20 千瓦风力机和 60 千瓦时电池。他们使系统经受剧烈的光照、风速和负载变化，包括从低到满载的阶跃变化以及通常会引入强烈电气噪声的非线性负载。与标准的比例-积分（PI）控制器和更基础的神经网络控制器相比，新方案使直流电压更接近目标，从扰动中恢复的速度约快两倍，并减少了不期望的脉动。送至负载的电流几乎变得非常平滑，谐波畸变被控制在远低于常用 IEEE 电能质量限值的水平。

这对未来微电网为何重要

对非专业读者而言，主要结论是：这种智能控制框架有助于基于小型可再生能源的电力系统表现得更像坚固的传统电网：灯光保持稳定、电机运行平顺、敏感电子设备得到更好保护，即使在天气和需求快速变化时也是如此。由于该方法计算开销小且模块化，可在实际数字控制器上实现，并可扩展到更大或多区域微电网而无需从头重新训练。简而言之，这项工作为更可靠、更清洁的本地电力系统指明了一条有前景的路径，可将高质量电力带到远离传统电力线路的地区。

引用: Myla, A., Gorantla, S. A novel intelligent control using RBFNN-class topper optimization for stability enhancement in hybrid standalone microgrid. Sci Rep 16, 14008 (2026). https://doi.org/10.1038/s41598-026-44798-6

关键词: 微电网, 可再生能源控制, 神经网络控制器, 电池储能, 电能质量