Aller au contenu principal
Accès ouvert déclaré 2025 article

A Dual‐Loop Coordinated Control Strategy for PV‐Storage VSG With Cascaded Model Predictive Control and Adaptive Inertia‐Damping Mechanism

5Citations signalées, ce qui n’est pas une note de qualité
4Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

ABSTRACT Conventional photovoltaic‐storage virtual synchronous generators (VSG) often suffer from active power overshoot, frequency oscillations, and limited stability during grid‐connected operation. This paper proposes a dual‐loop coordinated optimization strategy. First, in the outer loop, a radial basis function (RBF) neural network adaptively tunes virtual inertia and damping, while a staged variable‐weight model predictive control (MPC) introduces real‐time power compensation to suppress frequency deviations and enhance dynamic recovery. Second, in the inner loop, a delay‐compensated finite control set MPC (FCS‐MPC) selects optimal switching vectors to achieve accurate current tracking and improve power quality. Simulations show that, compared with conventional MPC‐VSG, the proposed method reduces the maximum frequency deviation from 0.445 Hz to 0.297 Hz, shortens the recovery time from 0.393 to 0.164 s, eliminates active power overshoot from 16.2% to 0%, and decreases the current total harmonic distortion (THD) from 5.53% to 2.97%, achieving a 46.3% reduction. These results confirm that the strategy effectively suppresses frequency and power fluctuations, accelerates transient recovery, and strengthens grid‐connected stability, demonstrating strong potential for engineering applications.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
A Dual‐Loop Coordinated Control Strategy for PV‐Storage VSG With Cascaded Model Predictive Control and Adaptive Inertia‐Damping Mechanism
Date Crossref
16/11/2025
Éditeur
Wiley
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Xinjiang University Key Laboratory of Renewable Energy Power Generation and Grid-Connected Technology in the Autonomous Region pays non établi dans la notice
    Université ou école supérieure
  • Xinjiang Institute of Engineering pays non établi dans la notice
    Université ou école supérieure
  • Xinjiang New Energy Research Institute (China) pays non établi dans la notice
    Entreprise
  • Shanghai Electric (China) pays non établi dans la notice
    Entreprise
  • School of Energy Engineering pays non établi dans la notice
    Université ou école supérieure
  • Changzhou Power Supply Company pays non établi dans la notice
    Entreprise

Key Laboratory of Renewable Energy Power Generation and Grid-Connected Technology in the Autonomous Region — Xinjiang University, Xinjiang Institute of Engineering et Xinjiang New Energy Research Institute (China), avec 3 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Microgrid Control and OptimizationPhotovoltaic System Optimization TechniquesWind Turbine Control Systems

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.