Smart Ride-Through Control of a PV Microgrid System under Voltage Faults

Abstract

The proliferation of photovoltaic low power distributed generators in modern grids raises concerns about grid stability. To address this, network operators must periodically update grid codes, especially with the widespread adoption of gridconnected photovoltaic systems (GCPVs). Integrating renewable energy sources, such as photovoltaic systems, into large-scale electrical grids faces challenges in withstanding low voltage phases (LVRT). Recent grid code advancements require distributed generation resources to withstand grid faults. This study investigates these destabilizing conditions of fault through different simulations of a PV microgrid system. It employs a dc-chopper circuit, that manages dc-link overvoltage and maintenance of current within acceptable limits per standards is also carried out. The primary contribution is a framwork of neural network (NN) control that detects voltage sags with improved efficiency, understands their characteristics, and injects reactive current to meet grid code requirements. This NN model is systematically developed using data from diverse simulation scenarios. Compared to the RMS fault detection method and conventional LVRT algorithm, the NN control approach demonstrates superior accuracy and robustness, particularly in challenging sag scenarios.|현대 그리드에서 저전력 광전지 분산 발전기의 확산은 그리드 안정성에 대한 우려를 불러일으킵니다. 이 문제를 해결하려면 네트워크 운영자는 특히 GCPV(그리드 연결 태양광 발전 시스템)가 널리 채택됨에 따라 그리드 코드를 정기적으로 갱신해야 합니다. 광전지 시스템과 같은 재생 가능 에너지원을 대규모 전력망에 통합하는 것은 저전압 Ride-Through(LVRT)를 견디는 데 어려움을 겪습니다. 최근의 그리드 코드 발전에는 그리드 고장을 견딜 수 있는 분산 발전 리소스가 필요합니다. 본 연구에서는 PV 마이크로그리드 시스템의 다양한 시뮬레이션을 통해 이러한 불안정한 결함 조건을 조사합니다. DC 초퍼 회로를 사용하여 DC 링크 과전압을 관리하고 표준에 따라 허용 가능한 한도 내에서 전류를 유지합니다. 주요 기여는 전압 강하를 효과적으로 감지하고 그 특성을 이해하며 그리드 코드 요구 사항을 충족하기 위해 무효 전류를 주입하는 신경망(NN) 제어 프레임워크입니다. 이 NN 모델은 다양한 시뮬레이션 시나리오의 데이터를 사용하여 체계적으로 개발되었습니다. RMS 결함 감지 방법 및 기존 LVRT 알고리즘과 비교하여 NN 제어 접근 방식은 특히 까다로운 새그 시나리오에서 뛰어난 정확성과 강인성을 보여줍니다.