一种基于云计算的特高压交直流电压稳定性控制方法与流程

本发明涉及云计算分析的新能源技术领域，尤其涉及一种基于云计算的特高压交直流电压稳定性控制方法。

背景技术：

随着可再生能源发电技术的发展，电网中可再生能源发电比例不断增加，对于可再生能源发电丰富的西北地区，由于负荷较小，不能完全消纳可再生能源所产生的电能，因此采用特高压交直流外送的方式进行电能的传输，从而减少电能的损耗。由于可在生能源发电具有间歇性以及不确定性，因此出力波动会对电网电压产生一定影响，为解决以上问题，本发明对造成新能源发电波动的影响因素进行采集，通过相应的优化运算，得到出力模型，通过相应的调度以及控制多电平换流器从而提高特高压交直流电压稳定。

技术实现要素：

针对现有技术存在的问题，本发明提供一种基于云计算的特高压交直流电压稳定性控制方法，包括以下步骤：

步骤1：通过温度传感器、湿度传感器、风速传感器、光照强度传感器分别对环境温度t，对空气相对湿度g，对风速v，对光照强度s进行采集，同时对当前系统中电池储能以及电储热装置的容量q1、q2进行采集，并对采集信号进行神经网络计算；

神经网络计算的输入信号为x＝[x1,x2,x3,x4,x5,x6]＝[t,g,v,s,q1,q2]，通过云计算平台将数据进行存储分析以及计算，在通过云计算将数据进行存储分析以及计算，再通过云平台分析计算后输出信号为通过云计算后的预测未来一天内的数据，y＝[y1,y2,y3,y4,y5,y6]＝[t^*,g^*,v^*,s^*,q1^*,q2^*]；

其中输入信号相量与输出信号相量之间的映射关系为

其中，yi表示通过计算后的输出信号，ωj为在云计算过程中神经网络从隐层到输出层的权值，rj(x)表示基函数，m为云计算中隐层神经元的个数；

具体基函数表达式如下所示：

其中，x为输入信号组成的相量，cj为第j个高斯基函数的中心；σj为第j个基函数中心点的宽度，m为隐层神经元的个数，||x-cj||为输入向量到cj的欧氏距离，rj(x)在cj处服从高斯分布。

步骤2：针对不同出力的发电场进行并网的多电平换流器的控制，保证电压的稳定；

步骤3：通过步骤2计算得到的数据进行特高压交直流电网的控制，由于以上数据在计算过程与实际出力数据存在一定误差，所以需要对以上的计算结果进行误差修订，输出信号与期望信号的均方误差如下计算；

其中，yi表示通过计算后的输出信号，pi为为保证系统的电压平衡所期望的输出信号值，n为并网的发电站个数，ei＝yi-pi表示第i个发电站的输出误差；

步骤4：通过以上计算结果对多电平换流器进行控制，控制输出电压，确定触发角，根据新能源发电情况进行调整，并通过输出以上计算出的输出信号判断是否需要整定触发角，e＞0.1时许进行触发角的整定，确定触发igbt的触发时刻；

其中，ug为直流输电线路的额定电压，将u1＝ug，u3＝0，u5＝0，u7＝0，u9＝0，u11＝0，通过以上公式的计算可以得到触发角α1、α2、α3、α4、α5，此触发角分别为igbt在一个周期内的导通角；

步骤5：通过上式计算得到的触发角，进行触发时间的计算，从而保证特高压交直流系统的电压稳定；

采用上述技术方案所产生的有益效果在于：

通过本法明的云计算的特高压交直流电压稳定性控制方法，通过系统中可再生能源出力波动性，通过实时计算得到系统的波动情况，通过改变多电平换流器中电力电子器件的触发角，控制特高压直流输电的电压稳定性。

附图说明

图1为神经网络结构示意图；

图2为逆变器结构示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明提供一种基于云计算的特高压交直流电压稳定性控制方法，包括以下步骤：

步骤1：通过温度传感器、湿度传感器、风速传感器、光照强度传感器分别对环境温度t，对空气相对湿度g，对风速v，对光照强度s进行采集，同时对当前系统中电池储能以及电储热装置的容量q1、q2进行采集，并对采集信号进行神经网络计算；

本实施例中设在某天内环境温度t为20oc，空气相对湿度g为2％，风速v为6m/s，日照强度s为2kw/h，以及当前系统中电池储能以及电储热装置的容量q1为300mw、q2为150mw，对采集信号进行神经网络计算，输入信号为x＝[x1,x2,x3,x4,x5,x6]＝[t,g,v,s,q1,q2]＝[20,2,6,2,300,150]；

其中输入信号相量与输出信号相量之间的映射关系为

其中，yi表示通过计算后的输出信号，ωj为在云计算过程中神经网络从隐层到输出层的权值，rj(x)表示基函数，m为云计算中隐层神经元的个数；

具体基函数表达式如下所示：

其中，x为输入信号组成的相量，cj为第j个高斯基函数的中心；σj为第j个基函数中心点的宽度，m为隐层神经元的个数，||x-cj||为输入向量到cj的欧氏距离，rj(x)在cj处服从高斯分布。

步骤2：不同天气条件下新能源发电站所发出的功率不同，针对不同出力的发电场进行并网的多电平换流器的控制，保证电压的稳定，如图1所示，其中n表示新能源发电站的个数；

步骤3：通过步骤2计算得到的数据进行特高压交直流电网的控制，由于以上数据在计算过程与实际出力数据存在一定误差，所以需要对以上的计算结果进行误差修订，设在整个特高压交直流系统中，并网的发电站个数n＝15个，输出信号与期望信号的均方误差如下计算；

其中，yi表示通过计算后的输出信号，pi为为保证系统的电压平衡所期望的输出信号值，n为并网的发电站个数，ei＝yi-pi表示第i个发电站的输出误差；

将以上数据通过计算后得到均方误差e＝7.9；

步骤4：通过以上计算结果对多电平换流器进行控制，控制输出电压，如图2所示，输出电压由每个igbt的导通控制的，igbt的导通由对应的触发脉冲发生器控制，首先确定触发角，根据新能源发电情况进行调整，并通过输出以上计算结的输出信号确定触发igbt的触发时刻，e＞0.1时许进行触发角的整定，确定触发igbt的触发时刻；

其中，ug为直流输电线路的额定电压，将u1＝ug，u3＝0，u5＝0，u7＝0，u9＝0，u11＝0，通过以上公式的计算可以得到触发角此触发角分别为igbt在一个周期内的导通角；

步骤5：通过上式计算得到的触发角，进行触发时间的计算，从而保证特高压交直流系统的电压稳定；

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；因而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。