本發(fā)明涉及新能源并網(wǎng)，具體涉及一種基于穩(wěn)態(tài)裕度預(yù)測(cè)的換流器自適應(yīng)混合同步控制方法。

背景技術(shù)：

1、換流器作為新能源與電網(wǎng)之間傳輸?shù)慕涌冢浞€(wěn)定性將直接關(guān)系到電網(wǎng)運(yùn)行的可靠性。目前的新能源并網(wǎng)控制技術(shù)中，換流器控制策略可大致分為兩種：跟網(wǎng)型控制和構(gòu)網(wǎng)型控制。兩者的主要差異在于實(shí)現(xiàn)電網(wǎng)電壓同步的方式不同。其中，跟網(wǎng)型換流器通過鎖相環(huán)節(jié)跟蹤電網(wǎng)信息；構(gòu)網(wǎng)型控制則通過模擬同步發(fā)電機(jī)特性的功率同步環(huán)節(jié)實(shí)現(xiàn)同步功能。同步方式的差異將導(dǎo)致兩種控制策略的振蕩失穩(wěn)特性存在顯著不同。具體表現(xiàn)為：跟網(wǎng)逆變器在弱電網(wǎng)條件下會(huì)由于鎖相環(huán)無法正常跟蹤電網(wǎng)信息而發(fā)生失穩(wěn)；構(gòu)網(wǎng)逆變器則在強(qiáng)網(wǎng)下因?yàn)槿狈ψ枘岫灰装l(fā)生同步；此外，在可再生能源的出力方面兩者的穩(wěn)定性能也展現(xiàn)出對(duì)偶的特性。因此，在可再生能源和電力負(fù)荷快速大幅波動(dòng)的情況下，采用單一的控制策略難以維持電網(wǎng)-換流器系統(tǒng)的穩(wěn)定，電力系統(tǒng)亟需一種新型的換流器控制策略。

2、自適應(yīng)混合同步控制是一種將鎖相環(huán)集成于功率同步環(huán)節(jié)的控制策略，兼具了跟網(wǎng)逆變器與構(gòu)網(wǎng)逆變器的特征，并可以通過調(diào)節(jié)自適應(yīng)系數(shù) k a實(shí)現(xiàn)輸出占比的調(diào)整。然而，現(xiàn)有的自適應(yīng)混合同步控制只根據(jù)短路比進(jìn)行調(diào)參，而忽略了新能源本身波動(dòng)帶來的穩(wěn)定性影響；另一方面，現(xiàn)有的短路比調(diào)參方式只給出了自適應(yīng)系數(shù)隨短路比的線性變化，而實(shí)際的系統(tǒng)穩(wěn)態(tài)裕度與短路比之間是具有非線性特征，并且與構(gòu)網(wǎng)型vsc換流器的各個(gè)控制環(huán)節(jié)的組成有關(guān)，故原有的調(diào)參方式并不能很好地與實(shí)際的穩(wěn)態(tài)裕度變化關(guān)系適配，同時(shí)也不具有普適性。此外，該調(diào)參方式只能實(shí)現(xiàn)對(duì)系統(tǒng)小干擾穩(wěn)定性的定性提升，并不能精準(zhǔn)定量實(shí)現(xiàn)對(duì)穩(wěn)態(tài)裕度的控制。事實(shí)上，盡管調(diào)節(jié)自適應(yīng)系數(shù) k a會(huì)使得電網(wǎng)-換流器系統(tǒng)的小干擾穩(wěn)定性提升，但也會(huì)使得功率環(huán)的比例系數(shù)下降進(jìn)而降低換流器的有功功率動(dòng)態(tài)跟蹤性能，而較高的自適應(yīng)系數(shù)也會(huì)使得構(gòu)網(wǎng)型換流器在弱電網(wǎng)下發(fā)生單調(diào)失穩(wěn)。

3、因此如何提供一種可調(diào)節(jié)的自適應(yīng)系數(shù)調(diào)參方法，使其具有普適性和高精確性，是本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、為此，本發(fā)明提供一種基于穩(wěn)態(tài)裕度預(yù)測(cè)的換流器自適應(yīng)混合同步控制方法，以解決現(xiàn)有技術(shù)中的問題。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、基于穩(wěn)態(tài)裕度預(yù)測(cè)的換流器自適應(yīng)混合同步控制方法，包括以下步驟：

4、步驟s1：構(gòu)建構(gòu)網(wǎng)型vsc換流器自適應(yīng)混合同步控制dq阻抗模型；

5、步驟s2：構(gòu)建基于深度神經(jīng)網(wǎng)絡(luò)(deep?neural?networks,dnn)的穩(wěn)態(tài)裕度預(yù)測(cè)模型；

6、步驟s3：收集訓(xùn)練數(shù)據(jù)，結(jié)合步驟s1中建立的dq阻抗模型計(jì)算訓(xùn)練數(shù)據(jù)對(duì)應(yīng)工況下的換流器穩(wěn)態(tài)裕度，作為步驟s2中穩(wěn)態(tài)裕度預(yù)測(cè)模型的輸出標(biāo)簽，利用收集到的訓(xùn)練數(shù)據(jù)訓(xùn)練步驟s2中的穩(wěn)態(tài)裕度預(yù)測(cè)模型，得到訓(xùn)練完成的穩(wěn)態(tài)裕度預(yù)測(cè)模型；

7、步驟s4：基于步驟s3中的穩(wěn)態(tài)裕度預(yù)測(cè)模型，在給定穩(wěn)態(tài)裕度的條件下利用內(nèi)點(diǎn)法求解自適應(yīng)系數(shù) k a的最優(yōu)解；

8、步驟s5：基于步驟s3中的穩(wěn)態(tài)裕度預(yù)測(cè)模型，實(shí)時(shí)輸入電網(wǎng)的短路比和有功功率的參考值生成換流器穩(wěn)態(tài)裕度動(dòng)態(tài)預(yù)測(cè)結(jié)果，并結(jié)合步驟s4的優(yōu)化方法得到自適應(yīng)系數(shù) k a的最優(yōu)解進(jìn)行調(diào)參，實(shí)現(xiàn)換流器的自適應(yīng)小干擾穩(wěn)定控制。

9、進(jìn)一步的，所述步驟s1中，構(gòu)建構(gòu)網(wǎng)型vsc換流器自適應(yīng)混合同步控制dq阻抗模型的方法，具體包括以下步驟：

10、步驟s101：搭建自適應(yīng)混合同步控制的換流器物理模型；

11、步驟s102：在考慮鎖相環(huán)和功率同步環(huán)節(jié)的動(dòng)態(tài)過程基礎(chǔ)上，根據(jù)物理模型采用小信號(hào)dq阻抗建模方法構(gòu)建混合同步環(huán)節(jié)、無功-電壓下垂控制環(huán)節(jié)、電壓控制環(huán)節(jié)、電流控制環(huán)節(jié)、坐標(biāo)變換環(huán)節(jié)和物理電路的小信號(hào)方程；

12、步驟s103：將步驟s102建立的小信號(hào)方程聯(lián)立消元，得到換流器dq阻抗傳遞函數(shù)。

13、進(jìn)一步的，所述步驟s2中，構(gòu)建基于dnn穩(wěn)態(tài)裕度預(yù)測(cè)模型的方法，具體包括以下步驟：

14、步驟s201：分析影響電網(wǎng)-換流器系統(tǒng)小干擾穩(wěn)定性的關(guān)鍵因素，篩選影響電網(wǎng)-換流器系統(tǒng)小干擾穩(wěn)定性的關(guān)鍵特征，利用特征工程構(gòu)建穩(wěn)態(tài)裕度預(yù)測(cè)模型的輸入標(biāo)簽xi；

15、步驟s202：考慮輸入標(biāo)簽和輸出標(biāo)簽的個(gè)數(shù)，確定穩(wěn)態(tài)裕度預(yù)測(cè)模型的dnn結(jié)構(gòu)，選取損失函數(shù)l用于優(yōu)化步驟s3中的穩(wěn)態(tài)裕度預(yù)測(cè)模型的權(quán)值與偏置；

16、步驟s203：將步驟s1中求解的穩(wěn)態(tài)裕度作為輸出標(biāo)簽yi，結(jié)合s201中的輸入標(biāo)簽xi構(gòu)建樣本數(shù)據(jù)集合di={xi，yi}，用于步驟s3中的穩(wěn)態(tài)裕度預(yù)測(cè)模型的回歸訓(xùn)練。

17、進(jìn)一步的，所述步驟s201中穩(wěn)態(tài)裕度預(yù)測(cè)模型的輸入標(biāo)簽xi表示為：

18、；

19、其中， k ai為樣本數(shù)據(jù)中的換流器自適應(yīng)系數(shù)，prefi為樣本數(shù)據(jù)中的換流器工況特征有功功率參考值，scri為樣本數(shù)據(jù)中的電網(wǎng)側(cè)短路比。

20、進(jìn)一步的，所述步驟s202中的穩(wěn)態(tài)裕度預(yù)測(cè)模型的dnn結(jié)構(gòu)為四層結(jié)構(gòu)，具體包括一個(gè)輸入層、一個(gè)輸出層和兩個(gè)隱藏層，其中，隱藏層神經(jīng)元的激活函數(shù)類型選擇為 sigmoid函數(shù)，而輸出層神經(jīng)元的激活函數(shù)則為線性函數(shù)，各層神經(jīng)元的輸出由以下公式表示：

21、；

22、；

23、其中，w和b分別代表權(quán)重和偏置； n代表了神經(jīng)元所處的層數(shù)，且規(guī)定輸入層為第0層； p代表 n-1層中第 p個(gè)神經(jīng)元； q代表 n層中第 q個(gè)神經(jīng)元； k代表 n-1層對(duì)應(yīng)神經(jīng)元的個(gè)數(shù)； m代表 n層對(duì)應(yīng)神經(jīng)元的個(gè)數(shù)； h q代表了 n隱藏層中第 q個(gè)神經(jīng)元的輸出； w p,q代表了 n-1層中第 p個(gè)神經(jīng)元和 n層中第 q個(gè)神經(jīng)元之間的權(quán)重； x p是 n-1層第 p個(gè)神經(jīng)元的輸出； b q是 n-1層偏置節(jié)點(diǎn)與n層中第 q個(gè)神經(jīng)元之間的偏置； f(xi)代表了輸出層神經(jīng)元的輸出。

24、進(jìn)一步的，所述步驟s202中的損失函數(shù)l表示為：

25、；

26、其中，mse為均方誤差，n表示樣本的數(shù)量，i表示第i個(gè)樣本數(shù)據(jù)，yi為步驟s1中求解的穩(wěn)態(tài)裕度， f(xi)代表了輸出層神經(jīng)元的輸出。

27、進(jìn)一步的，所述步驟s203中的輸出標(biāo)簽yi表示為：

28、；

29、其中，gmi為樣本數(shù)據(jù)中的穩(wěn)態(tài)裕度。

30、進(jìn)一步的，所述步驟s4中，求解自適應(yīng)系數(shù)ka最優(yōu)解的方法，具體包括以下步驟：

31、步驟s401：確定電網(wǎng)-換流器系統(tǒng)的穩(wěn)態(tài)裕度參考值gmref，設(shè)計(jì)優(yōu)化目標(biāo)函數(shù)f(ka)為所述步驟s2中穩(wěn)態(tài)裕度預(yù)測(cè)模型預(yù)測(cè)值和穩(wěn)態(tài)裕度參考值gmref的平方差，其計(jì)算公式為：

32、；

33、其中， f(xi)代表了輸出層神經(jīng)元的輸出，具體為步驟s2中穩(wěn)態(tài)裕度預(yù)測(cè)模型的預(yù)測(cè)值，，xi是對(duì)應(yīng)的輸入標(biāo)簽；

34、步驟s402：設(shè)定換流器自適應(yīng)系數(shù)ka的尋優(yōu)初始值ka0，并給設(shè)定上下限閾值，該閾值對(duì)應(yīng)最優(yōu)問題的不等式約束；

35、步驟s403：設(shè)定迭代次數(shù)和目標(biāo)函數(shù)閾值，采用內(nèi)點(diǎn)法求解換流器自適應(yīng)系數(shù)ka在該工況下的最優(yōu)解。

36、進(jìn)一步的，所述步驟s3中的訓(xùn)練數(shù)據(jù)包括電網(wǎng)側(cè)的短路比、有功功率的參考值、pcc點(diǎn)電壓dq軸分量、pcc點(diǎn)電流dq軸分量、換流器橋臂電壓dq軸分量和換流器橋臂電流dq軸分量。

37、本發(fā)明具有如下優(yōu)點(diǎn)：

38、1、本發(fā)明構(gòu)建的構(gòu)網(wǎng)型vsc換流器自適應(yīng)混合同步控制dq阻抗模型，考慮了鎖相環(huán)和功率同步環(huán)節(jié)對(duì)控制角θ的動(dòng)態(tài)影響，推導(dǎo)了系統(tǒng)坐標(biāo)系和控制坐標(biāo)系下電氣量的變換方程，得到了精確的全階阻抗傳遞函數(shù)表達(dá)式，提高了穩(wěn)態(tài)裕度的計(jì)算精度。

39、2、本發(fā)明構(gòu)建的基于dnn穩(wěn)態(tài)裕度預(yù)測(cè)模型，在考慮短路比變化的基礎(chǔ)上計(jì)及了新能源場(chǎng)站出力變化對(duì)穩(wěn)態(tài)裕度的影響，完成訓(xùn)練后的穩(wěn)態(tài)裕度預(yù)測(cè)模型能夠反應(yīng)系統(tǒng)穩(wěn)態(tài)裕度與換流器多工況間的非線性特征，可以實(shí)現(xiàn)換流器大范圍工況下快速準(zhǔn)確的穩(wěn)態(tài)裕度估計(jì)。

40、3、本發(fā)明構(gòu)建的自適應(yīng)混合同步控制方法，能夠基于已有的穩(wěn)態(tài)裕度預(yù)測(cè)模型通過求解自適應(yīng)系數(shù)ka最優(yōu)解的方式實(shí)現(xiàn)穩(wěn)態(tài)裕度的定量控制，可以根據(jù)系統(tǒng)的需要提升小干擾穩(wěn)定性或有功功率動(dòng)態(tài)跟蹤性能。