在随机条件下，基于支持向量回归模型的鲁棒频率控制辅助系统用于海洋微电网，并实现实时验证

《IEEE Transactions on Industrial Electronics》：Support Vector Regression Model Assisted Robust Frequency Control for Marine Microgrids Under Stochastic Conditions With Real-Time Validation

针对海洋微电网高变负荷、可再生能源整合及环境随机性，提出融合传统规则调谐（Ziegler-Nichols、Cohen Coon）与SVR优化的混合控制框架，将MμG近似为FOPDT模型，通过RBF核函数实现非线性映射，并基于时域、频域及扰动分析验证性能，在OPAL-RT平台实时验证。

　　

摘要：

海洋微电网（MμG）中，负载变化较大、可再生能源（RESs）的集成以及随机环境条件的存在，都要求频率调节必须精确且有效。基于这些需求，本文提出了一种预测性与混合控制框架，该框架将传统的基于规则的调优方法与基于支持向量回归（SVR）的监督学习优化技术相结合。为简化分析，MμG模型被近似为一阶加死时间（FOPDT）模型。FOPDT模型提供了增益、延迟时间和时间常数的数值，这些数值随后被用于控制策略的制定。控制策略采用了比例-积分-微分（PID）控制器，并通过基于规则的方法（如Ziegler-Nichols（ZN）和Cohen-Coon（CC）方法进行初始参数调整，以获得基线控制器参数。在后续阶段，再利用基于SVR的框架（SVR-ZN和SVR-CC）对这些参数进行精细调整，以实现更适应性和精确的控制效果。为了准确映射输入特征与目标变量之间的非线性关系，采用了基于径向基函数（RBF）的核技巧。为了全面评估MμG的整体性能和控制精度，基于时域参数和误差指标进行了性能分析，并通过绘制Bode图和根轨迹图进行了稳定性分析。为了考察系统的鲁棒性，对可再生能源的发电量和负载进行了扰动测试，并分析了测试结果。此外，还针对不同的惯性常数和阻尼系数值绘制了频率偏差图。所有上述分析均在OPAL-RT平台上进行了实时验证。