本发明涉及电力电子变换器,尤其涉及一种并网逆变器系统稳定性在线监测方法及系统。
背景技术:
1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
2、随着可再生能源的快速发展,并网逆变器在电网中的渗透率(即占比)显著提高,同时,电网呈现出电网阻抗不可忽略的弱电网特性。大多数应用都追求稳定鲁棒的电网性能,而本领域公知,电网阻抗越大,电网强度越弱,逆变器也更容易失稳。ieee标准规定了短路比(short-circuit ratio,scr)与电网强度之间的关系,即:当2<scr<3时,电网呈弱电网特性;当scr<2时,电网呈极弱电网特性。电网阻抗和逆变器等效输出阻抗这两者之间相互作用会产生谐振,从而导致逆变器稳定裕度不足,严重影响并网逆变器系统的稳定性。
3、目前用于分析并网逆变器系统稳定性的方法主要包括建模分析法和设备测量法。其中,以状态空间建模和阻抗建模为代表的建模分析法,这一方法推理过程复杂且十分耗时,无法应对拓扑结构复杂、电力电子设备数量繁多的现代电网,更适用于产品设计阶段与离线稳定性分析;以扫频法为代表的设备测量法,这一方法虽然能够实现并网逆变器系统的在线稳定性分析,但是该方法单次分析需要数秒时间,耗时较长。在可再生能源飞速发展、电网波动更频繁、更易失稳的当下,亟待一种更快更有效的用于并网逆变器系统稳定性在线监测诊断的方式。
技术实现思路
1、为解决上述现有技术的不足,本发明提供了一种并网逆变器系统稳定性在线监测方法及系统,采用机器学习算法,实现更准确、更快速的并网逆变器系统稳定性在线监测,为后续增稳调控策略的实施提高响应速度。
2、第一方面,本公开提供了一种并网逆变器系统稳定性在线监测方法。
3、一种并网逆变器系统稳定性在线监测方法,包括:
4、采集并网逆变器系统在公共耦合点处的输出电流信号;
5、将采集的输出电流信号作为初始数据,对初始数据进行数据预处理;
6、将预处理后的数据输入至训练完成的基于神经网络的稳定性在线监测模型中,输出并网逆变器系统稳定性的预测结果;
7、其中,以不同电网强度下并网逆变器系统的输出电流信号为样本数据,基于奈奎斯特准则确定不同电网强度下并网逆变器系统的状态标签;根据样本数据及其对应的状态标签,训练所述稳定性在线监测模型。
8、进一步的技术方案,所述基于神经网络的稳定性在线监测模型的训练过程,包括:
9、构建模拟并网逆变器系统的仿真模型,获取不同电网强度下的并网逆变器系统在公共耦合点处的输出电流信号;
10、将采集的输出电流信号作为初始数据,对初始数据进行数据预处理,得到样本数据;
11、建立并网逆变器系统序阻抗模型,基于奈奎斯特准则,构建不同电网强度下的并网逆变器系统的状态标签;
12、构建基于神经网络的稳定性在线监测模型,基于样本数据及对应的状态标签,训练神经网络模型,通过反复调试模型参数和迭代训练,直至获取性能最优的模型参数,完成模型的训练。
13、第二方面,本公开提供了一种并网逆变器系统稳定性在线监测系统。
14、一种并网逆变器系统稳定性在线监测系统,包括:
15、数据获取模块,用于采集并网逆变器系统在公共耦合点处的输出电流信号;
16、数据预处理模块,用于将采集的输出电流信号作为初始数据,对初始数据进行数据预处理;
17、稳定性监测模块,用于将预处理后的数据输入至训练完成的基于神经网络的稳定性在线监测模型中,输出并网逆变器系统稳定性的预测结果;
18、其中,以不同电网强度下并网逆变器系统的输出电流信号为样本数据,基于奈奎斯特准则确定不同电网强度下并网逆变器系统的状态标签;根据样本数据及其对应的状态标签,训练所述稳定性在线监测模型。
19、第三方面,本公开还提供了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成第一方面所述方法的步骤。
20、第四方面,本公开还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成第一方面所述方法的步骤。
21、以上一个或多个技术方案存在以下有益效果:
22、本发明提供了一种并网逆变器系统稳定性在线监测方法及系统,采用机器学习算法,构建四层神经网络模型,以并网逆变器系统的输出电流信号和状态标签数据库作为训练集,通过多次迭代训练,调试神经网络模型的参数,获取预测精度最高的模型参数,利用训练完成的模型实现更快更准的并网逆变器系统稳定性在线监测,提高了稳定性在线监测的准确性和效率,为后续的增稳调控策略实施提高响应速度。
1.一种并网逆变器系统稳定性在线监测方法,其特征是,包括:
2.如权利要求1所述的并网逆变器系统稳定性在线监测方法,其特征是,所述基于神经网络的稳定性在线监测模型的训练过程包括:
3.如权利要求1所述的并网逆变器系统稳定性在线监测方法,其特征是,所述预处理包括:
4.如权利要求1所述的并网逆变器系统稳定性在线监测方法,其特征是,所述基于奈奎斯特准则确定不同电网强度下并网逆变器系统的状态标签,包括:
5.如权利要求4所述的并网逆变器系统稳定性在线监测方法,其特征是,当正负序阻抗比的奈奎斯特图均不包围(-1,j0)点时,并网逆变器系统处于稳定状态,反之则处于失稳状态。
6.如权利要求1所述的并网逆变器系统稳定性在线监测方法,其特征是,根据样本数据及其对应的状态标签,训练所述稳定性在线监测模型,在训练的过程中,采用梯度下降法对模型参数进行优化。
7.一种并网逆变器系统稳定性在线监测系统,其特征是,包括:
8.如权利要求7所述的并网逆变器系统稳定性在线监测系统,其特征是,所述基于神经网络的稳定性在线监测模型的训练过程包括:
9.一种电子设备,其特征是,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成如权利要求1-6中任一项所述的一种并网逆变器系统稳定性在线监测系统方法的步骤。
10.一种计算机可读存储介质,其特征是,用于存储计算机指令,所述计算机指令被处理器执行时,完成如权利要求1-6中任一项所述的一种并网逆变器系统稳定性在线监测系统方法的步骤。