基于神经网络的新能源并网系统在线稳定性分析方法与流程

本发明涉及新能源发电，特别是涉及一种基于神经网络的新能源并网系统在线稳定性分析方法、终端及计算机可读存储介质。

背景技术：

1、随着可再生能源的高速发展，大量电力电子设备的接入降低了系统的惯性和阻尼，对电力系统的稳定运行带来了严峻的考验。在针对新能源并网系统开展稳定性分析研究时，阻抗分析法通过分别建立并网逆变器的诺顿模型和电网系统的戴维南模型将并网系统划分为两个子系统，进一步由广义奈奎斯特判据对系统进行稳定性分析，降低了稳定性分析的难度，有利于通过阻抗分析并网系统的失稳机理，因此目前已成为新能源并网系统稳定性分析的主流方法之一。然而，实际的新能源并网系统往往为“黑箱”或“灰箱”模型，很难得到完整的控制结构和控制参数，这对并网系统稳定性分析带来了很大困难。同时，即便得到系统全部参数，阻抗模型的推导过程较为复杂，往往只能通过离线数据获取稳定性分析结果，对系统参数的设计指导存在较大的时间滞后性。因此，很有必要建立一个在线分析黑箱并网系统稳定性的方法。

2、通常采用数学推导的阻抗分析法对并网系统进行稳定性分析，利用不同的线性化方法可以得到并网逆变器和电网系统在dq域，序域下的阻抗及导纳模型，并通过广义奈奎斯特判据分析稳定性。该过程需要系统完整的控制结构和参数，推导过程复杂，计算速度较慢，只能通过已有数据对系统进行离线分析。基于神经网络的稳定性分析方法只需要将实测的数据输入至神经网络中，通过对神经网络的训练不断优化权重，最终得出黑箱系统的稳定性分析结果。但该方法训练模型的准确性取决于模型训练中使用的数据量，有限的测量数据量将导致模型过度拟合现象，进而影响稳定性分析的准确性。

3、cn114611676a专利申请《基于神经网络的新能源发电系统阻抗模型辨识方法及系统》，包括：利用扫频方法获得不同稳态工作点下新能源发电系统的训练数据集和测试数据集并归一化；利用训练数据集训练神经网络，得到具有新能源发电系统阻抗特性的神经网络；将测试数据集的输入数据输入到神经网络中得到阻抗辨识结果；结合测试数据集的输出数据求取均方误差，调整神经网络隐藏层数目及各隐藏层神经元数目，使得均方差小于设定阈值；向得到的神经网络中输入任意稳态工作点下的输入数据，得到对应工作点下的阻抗输出。该阻抗辨识方法将数据集进行归一化预处理并转换到同一取值区间，一定程度上加快了计算速度，但仍然存在以下缺陷：

4、该阻抗辨识方法依然依赖大量的数据集做支撑，数据集过少同样会引起所述均方误差不满足条件而引起计算量增大，不利于在线阻抗辨识。同时，该方法仅针对新能源送端，即逆变器侧进行阻抗辨识，而未对受端电网侧阻抗展开分析，不利于开展并网系统的稳定性分析。

技术实现思路

1、本发明的目的是针对现有技术的问题，提供一种基于神经网络的新能源并网系统在线稳定性分析方法，利用少数在线测量数据训练得到新能源并网系统在线稳定性分析模型，以进行新能源并网系统在线稳定性分析，解决了实际工程中工作点实时变化造成的离线稳定性分析存在滞后性的问题。

2、一种基于神经网络的新能源并网系统在线稳定性分析方法，包括步骤：

3、s1.利用离线数据下的预设新能源并网系统，推导出用于判定并网系统稳定性的数学模型，得到逆变器侧导纳、电网系统阻抗及回率矩阵与预设新能源并网系统稳态值及频率的函数关系；

4、s2.根据所述逆变器侧导纳、电网系统阻抗及回率矩阵与预设新能源并网系统稳态值及频率的函数关系重构神经网络；

5、s3.根据所述预设新能源并网系统建立目标新能源并网系统离线仿真模型，离线仿真得到目标新能源并网系统离线稳定性分析的数据集；

6、s4.将所述目标新能源并网系统离线稳定性分析数据集输入重构的所述神经网络进行训练，得到目标新能源并网系统离线稳定性分析模型；

7、s5.利用迁移学习，基于目标新能源并网系统离线稳定性分析模型训练得到目标新能源并网系统在线稳定性分析模型；

8、s6.将测量得到的待分析的新能源并网系统在线稳定性分析的数据集输入目标新能源并网系统在线稳定性分析模型中，得到待分析的新能源并网系统的在线并网逆变器导纳模型和在线回率矩阵；

9、s7.根据广义奈奎斯特判据对所述在线回率矩阵进行在线稳定性分析。

10、其中，所述根据广义奈奎斯特判据对所述在线回率矩阵进行在线稳定性分析，包括：

11、计算输出当前时刻待分析的在线新能源并网系统的相角裕度；若所述相角裕度小于阈值，则输出在线逆变器导纳模型，对在线逆变器导纳模型进行频域分析，修正逆变器控制框架或控制参数，返回步骤s6重新进行待分析的新能源并网系统在线稳定性分析；反之，输出待分析的在线新能源并网系统相角裕度后结束。

12、本发明的提供的基于神经网络的新能源并网系统在线稳定性分析方法，利用离线数据下的新能源并网系统结构，推导出用于判定并网系统稳定性的数学模型，根据新能源并网系统数学模型对神经网络框架进行重构，利用少量在线测量数据实现新能源并网系统的在线稳定性分析，解决了实际工程中数据集数量较少带来的模型输出不准确或为了得到足够数据集而增大计算时间的问题。

13、本发明提供的基于神经网络的新能源并网系统在线稳定性分析方法，利用通用新能源并网系统建立神经网络模型，基于离线仿真建立新能源并网系统离线稳定性分析模型，并利用迁移学习训练得到新能源并网系统在线稳定性分析模型，对该稳态工作点下的并网系统进行稳定性分析，解决了实际工程中工作点变化情况下黑箱系统稳定性分析困难或不准确的问题。

技术特征：

1.基于神经网络的新能源并网系统在线稳定性分析方法，其特征在于，包括步骤：

2.根据权利要求1所述基于神经网络的新能源并网系统在线稳定性分析方法，其特征在于，所述根据广义奈奎斯特判据对所述在线回率矩阵进行在线稳定性分析，包括：

3.根据权利要求1所述基于神经网络的新能源并网系统在线稳定性分析方法，其特征在于，所述逆变器侧导纳表示为稳态值的函数，定义如下：

4.根据权利要求3所述基于神经网络的新能源并网系统在线稳定性分析方法，其特征在于，所述神经网络由三个隐藏层，一个输入层，，一个输出层组成，所述输入层输入系统稳态值及频率f，将所述神经网络输入内容分为两部分同时进行训练；其中，第一部分包含两层相连接的隐藏层，第一层隐藏层对应函数r1(s),r2(s),r3(s),r4(s),r5(s)，s＝j2πf，第二层隐藏层对应函数gy；第二部分包括一层隐含层对应函数gz，所述第一部分的第二层隐藏层输出得到离线并网逆变器导纳模型yinv，dq(s)，所述第二部分隐藏层输出得到zg,dq(s)，输出层对所述两部分的输出进行计算，对应函数gl，最终输出回率矩阵ldq(s)，同时所述离线并网逆变器导纳模型vinv，dq(s)作为第二输出结果。

5.根据权利要求1所述基于神经网络的新能源并网系统在线稳定性分析方法，其特征在于，所述的根据所述预设新能源并网系统建立目标新能源并网系统离线仿真模型，离线仿真得到目标新能源并网系统离线稳定性分析的数据集，包括：

6.根据权利要求1所述基于神经网络的新能源并网系统在线稳定性分析方法，其特征在于，所述的将所述目标新能源并网系统离线稳定性分析数据集输入重构的所述神经网络进行训练，得到目标新能源并网系统离线稳定性分析模型，包括：

7.根据权利要求1所述基于神经网络的新能源并网系统在线稳定性分析方法，其特征在于，所述的待分析的新能源并网系统在线稳定性分析的数据集，通过以下步骤测量得到：

8.根据权利要求1所述基于神经网络的新能源并网系统在线稳定性分析方法，其特征在于，所述的利用迁移学习，基于目标新能源并网系统离线稳定性分析模型训练得到目标新能源并网系统在线稳定性分析模型，包括：

9.根据权利要求1所述基于神经网络的新能源并网系统在线稳定性分析方法，其特征在于，所述修正逆变器框架和/或控制参数包括：调整锁相环比例积分参数，减小锁相环带宽；调整电流环比例积分参数，减小电流环带宽；附加稳定性控制。

技术总结
本发明公开了基于神经网络的新能源并网系统在线稳定性分析方法。利用离线数据下的预设新能源并网系统结构，推导出判定并网系统稳定性的数学模型，得到逆变器侧导纳、电网系统阻抗及回率矩阵与预设新能源并网系统稳态值及频率的函数关系并据此对神经网络框架重构；利用预设新能源并网系统建立神经网络离线仿真模型，基于仿真得到的数据集输入重构的神经网络得到新能源并网系统离线稳定性分析模型，利用迁移学习训练得到新能源并网系统在线稳定性分析模型，基于少量在线测量数据，利用新能源并网系统在线稳定性分析模型对稳态工作点下的并网系统进行稳定性分析。本发明利用少量在线测量数据实现新能源并网系统的在线稳定性分析。

技术研发人员：马俊清,胡丽蕊,王佰淮,刘俊灼,霍明亮,纪宇辉,任肖久,马琳琦,刘健
受保护的技术使用者：国网天津市电力公司培训中心
技术研发日：
技术公布日：2024/1/15