技术特征：
1.基于ppo算法的光伏电站暂态模型构建与参数辨识方法，其特征在于，包括以下步骤：s1、采集光伏电站在其经受扰动时相关的电压和功率数据；s2、建立等值光伏逆变器模型，分别建立光伏阵列模型、boost电路模型和并网逆变器模型；s3、对等值光伏逆变器模型的参数进行灵敏度分析，筛选出对功率曲线拟合影响较显著的关键参数，将关键参数作为待辨识参数；等值光伏逆变器模型的参数包括电路参数和控制参数；s4、采用ppo深度强化学习算法进行参数辨识，当等值光伏逆变器模型的功率曲线与原始光伏电站的功率曲线的误差小于设定的范围时，将强化学习的状态向量作为参数辨识的结果。2.根据权利要求1所述的基于ppo算法的光伏电站暂态模型构建与参数辨识方法，其特征在于，所述光伏电站为两级式光伏逆变器构建的光伏电站；所述采集光伏电站在其经受扰动时相关的电压和功率数据包括：在光伏电站经受光照强度改变、短路故障、电压暂降扰动时，采集光伏电站的扰动前、完整扰动过程中和扰动后的并网点电压v、输出有功功率p和输出无功功率q。3.根据权利要求1所述的基于ppo算法的光伏电站暂态模型构建与参数辨识方法，其特征在于，所述步骤s2包括：建立光伏阵列模型，确定光伏电池的输出电流与光照强度、温度和端电压的关系；建立boost电路模型，确定boost电路在逆变器侧输出电流与光伏电池输出电流、占空比、直流侧电容和电感的关系；建立并网逆变器模型，确定逆变器的输出电流与逆变器控制参数和boost电路输出电流的关系。4.根据权利要求1所述的基于ppo算法的光伏电站暂态模型构建与参数辨识方法，其特征在于，所述步骤s3包括：根据光伏电站内逆变器的数量和单个逆变器的电路参数和控制参数，计算等值光伏逆变器模型中的电路参数的估计值和控制参数的估计值；令电路参数和控制参数在其估计值附近的设定区间内变动，根据影响程度指标y分析参数的取值变化对功率曲线拟合误差的影响程度，计算参数的灵敏度，选取灵敏度大的参数作为待辨识参数。5.根据权利要求4所述的基于ppo算法的光伏电站暂态模型构建与参数辨识方法，其特征在于，所述等值光伏逆变器模型的电路参数包括：直流侧电感l1、光伏侧电容c1、逆变器侧电容c2、滤波电感l、滤波电阻r和滤波电容c；所述等值光伏逆变器模型的控制参数包括：逆变器控制参数和直流侧mppt调节参数。6.根据权利要求4所述的基于ppo算法的光伏电站暂态模型构建与参数辨识方法，其特征在于，所述影响程度指标y为等值光伏逆变器模型仿真结果与原始光伏电站功率曲线的均方差，影响程度指标y计算公式为：
其中，n表示采样点个数，p
i
和q
i
表示等值光伏逆变器模型在第i个采样点的有功和无功功率，和表示光伏电站在第i个采样点的有功和无功功率，k1和k2是衡量指标时能够自由选择的系数。7.根据权利要求4所述的基于ppo算法的光伏电站暂态模型构建与参数辨识方法，其特征在于，所述计算参数的灵敏度包括：将参数θ
i
在其估计值附近的设定区间内等步长地取n个值，同时令剩余参数θ
j
(j≠i)等于估计值对这n个取值分别运行等值光伏逆变器模型，记录均方差其中k＝1,2
…
n，计算参数θ
i
的灵敏度，计算参数θ
i
的灵敏度的计算公式为：其中，来表示归一化后的灵敏度，为第k+1个取值的均方差，为参数θ
i
第k+1个采样点取值，为参数θ
i
第k个采样点取值，所述参数θ
i
包括电路参数和控制参数。8.根据权利要求1所述的基于ppo算法的光伏电站暂态模型构建与参数辨识方法，其特征在于，所述步骤s4包括：将光伏电站在扰动中产生的原始有功功率无功功率和待辨识参数的初值输入等值光伏逆变器模型，基于ppo强化学习算法使用连续步长对等值光伏逆变器模型的待辨识参数进行试凑和修正；运行等值光伏逆变器模型拟合出功率曲线，计算功率曲线拟合的均方差，如果拟合出的功率曲线与原始功率曲线的误差小于设定限值，则输出参数辨识的结果，否则将均方差的相反数作为环境反馈给智能体的奖励继续进行训练，同时更新深度强化学习的神经网络参数。9.根据权利要求8所述的基于ppo算法的光伏电站暂态模型构建与参数辨识方法，其特征在于，所述基于ppo强化学习算法使用连续步长对等值光伏逆变器模型的待辨识参数进行试凑和修正包括：将待辨识参数的当前值作为强化学习的状态量，将强化学习的动作量作为待辨识参数的修正量，将修正量叠加状态量得到修正后的待辨识参数，将修正后的待辨识参数输入等值光伏逆变器模型。10.根据权利要求8所述的基于ppo算法的光伏电站暂态模型构建与参数辨识方法，其特征在于，所述运行等值光伏逆变器模型拟合出功率曲线，计算功率曲线拟合的均方差的计算公式为：
其中，n表示采样点个数，p
i
、q
i
分别表示等值光伏逆变器模型在第i个采样点的有功和无功功率，分别表示光伏电站在第i个采样点的有功和无功功率。
技术总结
本发明涉及光伏发电技术领域，为基于PPO算法的光伏电站暂态模型构建与参数辨识方法。该方法包括：采集光伏电站在其经受扰动时相关的电压和功率数据；建立等值光伏逆变器模型，对等值光伏逆变器模型的参数进行灵敏度分析，筛选出对功率曲线拟合影响较显著的关键参数；采用PPO深度强化学习算法进行参数辨识，当等值光伏逆变器模型的功率曲线与原始光伏电站的功率曲线的误差小于设定的范围时，将强化学习的状态向量作为参数辨识的结果。本发明融合了机理模型建模和参数辨识的方法，降低了数据获取的难度，运用深度强化学习算法代替原有的粒子群算法，提高了模型参数辨识的效率，有助于分析光伏电站系统的动态特性，进而保障电网的安全稳定运行。的安全稳定运行。的安全稳定运行。
技术研发人员：龙云 卢有飞 梁雪青 吴任博 张扬 刘璐豪 赵宏伟 陈明辉 张少凡 邹时容 蔡燕春 刘璇 赖德翔 苏杰
受保护的技术使用者：广东电网有限责任公司广州供电局
技术研发日：2022.09.30
技术公布日：2023/1/19