新能源并网逆变器的灰箱阻抗辨识方法、系统及介质与流程

本公开涉及灰箱阻抗辨识，具体涉及一种新能源并网逆变器的灰箱阻抗辨识方法、系统及介质。

背景技术：

1、随着新型电力系统深入建设，新能源发电装机大幅增长，电力电子设备高比例接入，电力系统生产结构、运行机理、功能形态等发生深刻变化，电力供需失衡引发频率、电压等稳定问题的风险增加，为电网系统安全运行带来严峻挑战。其中，大规模应用于新能源发电设备并网侧的并网逆变器与电网之间的交互越来越频繁，并网逆变器的并网电流中包含易受电网背景谐波电压激励放大的谐波分量，易产生谐波劣化现象，影响并网电能质量及电网的安全稳定运行。阻抗分析法对并网侧及电网侧分别构建阻抗辨识模型，是谐波劣化分析的主要手段之一。因此，研究新能源并网阻抗辨识模型至关重要。

2、新能源并网阻抗辨识模型通常包含三类方法：白箱模型，已知并网逆变器结构、参数、控制方式等内部信息，通过dq轴线性化或谐波线性化，将并网逆变器阻抗等效为阻抗传递函数的形式；黑箱模型，已知并网逆变器功能，并拟合系统输入输出关系；灰箱模型，以白箱模型的结果为求解目标，以黑箱模型的建模思路及数值计算为求解途径。在实际工程中，现场存在大量已运行但内部信息未知的并网逆变器，白箱模型不再适用。而黑箱模型的计算结果无物理意义，难以开展谐波劣化分析。灰箱模型不仅适用于并网逆变器内部信息保密的实际工程场景，且其求解结果具有实际物理意义。因此，灰箱模型成为新能源并网阻抗辨识的主流方法之一。

技术实现思路

1、为了解决相关技术中的问题，本公开实施例提供一种新能源并网逆变器的灰箱阻抗辨识方法、系统及介质。

2、第一方面，本公开实施例中提供了一种新能源并网逆变器的灰箱阻抗辨识方法，包括：

3、获取预先训练得到的灰箱阻抗辨识神经网络，所述灰箱阻抗辨识神经网络的输入、输出以及网络结构根据构建的并网逆变器复数阻抗传递函数确定；

4、将给定频率输入至所述预先训练得到的灰箱阻抗辨识神经网络，输出所述并网逆变器的阻抗幅度以及阻抗相角。

5、在本公开的一种实现方式中，所述并网逆变器复数阻抗传递函数为根据以白箱阻抗建模的多项式阻抗传递函数推导得到；

6、所述灰箱阻抗辨识神经网络的输入为频率，输出为阻抗幅度以及阻抗相角，网络结构为全连接神经网络，包括输入层、隐藏层以及输出层；其中，所述隐藏层包括第一隐藏层，包括p个神经元；第二隐藏层，包括2p个神经元；第三隐藏层，包括第一流隐藏层和第二流隐藏层，所述第一流隐藏层和第二流隐藏层各包括p个神经元；其中，数值p为多项式阻抗传递函数中多项式系数的最大幂次。

7、在本公开的一种实现方式中，还包括：

8、训练所述灰箱阻抗辨识神经网络。

9、在本公开的一种实现方式中，所述训练所述灰箱阻抗辨识神经网络的步骤，包括：

10、确定初始灰箱阻抗辨识神经网络；

11、获取并网逆变器的离散阻抗数据，其中，所述离散阻抗数据包括：给定频率以及给定频率下的阻抗幅度、阻抗相角；

12、将所述离散阻抗数据分为训练集以及测试集；

13、将所述离散阻抗数据中的训练集作为训练数据，对于所述初始灰箱阻抗辨识神经网络进行训练，并利用所述测试集测试训练得到的所述初始灰箱阻抗辨识神经网络，输出测试集损失函数值；

14、若所述测试集损失函数值大于预设损失阈值，则递增所述数值p并重复训练与测试步骤，直至所述测试集损失函数值小于预设损失阈值，得到灰箱阻抗辨识神经网络。

15、在本公开的一种实现方式中，所述获取并网逆变器的离散阻抗数据之后，还包括：

16、对所述离散阻抗数据进行归一化处理。

17、在本公开的一种实现方式中，所述训练集为离散阻抗数据的偶数项，测试集为离散阻抗数据的奇数项。

18、在本公开的一种实现方式中，所述获取并网逆变器的离散阻抗数据包括：

19、采用双模式扰动方式对并网逆变器离散阻抗进行测量，获取预定频率范围内并网逆变器的离散阻抗数据。

20、在本公开的一种实现方式中，所述采用双模式扰动方式对并网逆变器离散阻抗进行测量，获取预定频率范围内并网逆变器的离散阻抗数据包括：

21、将给定频率下的扰动电压注入连接点，采集并网逆变器侧及电网侧的频率响应数据，并计算得到给定频率下的并网逆变器侧阻抗以及电网侧阻抗；

22、若所述并网逆变器侧阻抗大于电网侧阻抗，则保留该给定频率下的并网逆变器侧阻抗；

23、若所述并网逆变器侧阻抗小于电网侧阻抗，则将相同频率下的扰动电流注入连接点，重新采集并网逆变器侧的频率响应数据，并将重新计算得到的并网逆变器侧阻抗作为该给定频率下的并网逆变器侧阻抗；

24、重复上述步骤，得到预定频率范围内并网逆变器的离散阻抗数据。

25、第二方面，本公开实施例中提供了一种新能源并网逆变器的灰箱阻抗辨识系统，包括：

26、获取模块，被配置为获取预先训练得到的灰箱阻抗辨识神经网络，所述灰箱阻抗辨识神经网络的输入、输出以及网络结构根据构建的并网逆变器复数阻抗传递函数确定；

27、输出模块，被配置为将给定频率输入至所述预先训练得到的灰箱阻抗辨识神经网络，输出所述并网逆变器的阻抗幅度以及阻抗相角。

28、在本公开的一种实现方式中，所述并网逆变器复数阻抗传递函数为根据以白箱阻抗建模的多项式阻抗传递函数推导得到；

29、所述灰箱阻抗辨识神经网络的输入为频率，输出为阻抗幅度以及阻抗相角，网络结构为全连接神经网络，包括输入层、隐藏层以及输出层；其中，所述隐藏层包括第一隐藏层，包括p个神经元；第二隐藏层，包括2p个神经元；第三隐藏层，包括第一流隐藏层和第二流隐藏层，所述第一流隐藏层和第二流隐藏层各包括p个神经元；其中，数值p为多项式阻抗传递函数中多项式系数的最大幂次。

30、在本公开的一种实现方式中，还包括：

31、训练模块，被配置为训练所述灰箱阻抗辨识神经网络。

32、在本公开的一种实现方式中，所述训练模块被配置为：

33、确定初始灰箱阻抗辨识神经网络；

34、获取并网逆变器的离散阻抗数据，其中，所述离散阻抗数据包括：给定频率以及给定频率下的阻抗幅度、阻抗相角；

35、将所述离散阻抗数据分为训练集以及测试集；

36、将所述离散阻抗数据中的训练集作为训练数据，对于所述初始灰箱阻抗辨识神经网络进行训练，并利用所述测试集测试训练得到的所述初始灰箱阻抗辨识神经网络，输出测试集损失函数值；

37、若所述测试集损失函数值大于预设损失阈值，则递增所述数值p并重复训练与测试步骤，直至所述测试集损失函数值小于预设损失阈值，得到灰箱阻抗辨识神经网络。

38、在本公开的一种实现方式中，所述训练模块在获取并网逆变器的离散阻抗数据的部分之后，还被配置为：

39、对所述离散阻抗数据进行归一化处理。

40、在本公开的一种实现方式中，所述训练集为离散阻抗数据的偶数项，测试集为离散阻抗数据的奇数项。

41、在本公开的一种实现方式中，所述训练模块中获取并网逆变器的离散阻抗数据的部分，被配置为：采用双模式扰动方式对并网逆变器离散阻抗进行测量，获取预定频率范围内并网逆变器的离散阻抗数据。

42、在本公开的一种实现方式中，所述采用双模式扰动方式对并网逆变器离散阻抗进行测量，获取预定频率范围内并网逆变器的离散阻抗数据的部分，被配置为：

43、将给定频率下的扰动电压注入连接点，采集并网逆变器侧及电网侧的频率响应数据，并计算得到给定频率下的并网逆变器侧阻抗以及电网侧阻抗；

44、若所述并网逆变器侧阻抗大于电网侧阻抗，则保留该给定频率下的并网逆变器侧阻抗；

45、若所述并网逆变器侧阻抗小于电网侧阻抗，则将相同频率下的扰动电流注入连接点，重新采集并网逆变器侧的频率响应数据，并将重新计算得到的并网逆变器侧阻抗作为该给定频率下的并网逆变器侧阻抗；

46、重复上述步骤，得到预定频率范围内并网逆变器的离散阻抗数据。

47、第三方面，本公开实施例提供了一种电子设备，包括存储器和处理器，其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如第一方面任一项所述的方法。

48、第四方面，本公开实施例中提供了一种计算机可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现如第一方面任一项所述的方法。

49、第五方面，本公开实施例提供了一种芯片，芯片包括处理器，该处理器用于调用存储器中的计算机程序，以执行上述新能源并网逆变器的灰箱阻抗辨识方法的方法步骤。

50、本公开实施例提供的技术效果可以包括以下有益效果：

51、根据本公开实施例提供的技术方案，新能源并网逆变器的灰箱阻抗辨识方法，包括：获取预先训练得到的灰箱阻抗辨识神经网络，所述灰箱阻抗辨识神经网络的输入、输出以及网络结构根据构建的并网逆变器复数阻抗传递函数确定；将给定频率输入至所述预先训练得到的灰箱阻抗辨识神经网络，输出所述并网逆变器的阻抗幅度以及阻抗相角。上述技术方案通过构建的并网逆变器复数阻抗传递函数设计灰箱阻抗辨识神经网络的输入、输出以及网络结构，该神经网络不仅具备强拟合能力，还具有较强可解释性和物理意义，从而提升阻抗辨识模型的实用性与准确性，然后利用训练得到的灰箱阻抗辨识神经网络，基于给定连续频率可输出并网逆变器连续阻抗幅度以及阻抗相角，便于后续开展谐波劣化分析，保证电网的安全稳定运行。

52、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。