基于仿真的分布式光伏集群逆变器构网优化方法及系统与流程

本发明涉及电力系统相关，具体地说，是涉及一种基于仿真的分布式光伏集群逆变器构网优化方法及系统。

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，并不必然构成在先技术。

2、随着分布式光伏在配电网中的渗透率不断提高，电力系统的等效惯量和短路容量相对降低，弱电网特性逐渐凸显。光伏组件产生的直流电需要通过逆变器转换为符合配电网要求的交流电，分布式光伏集群中的构网型逆变器需要协同调节有功功率和无功功率，并在光照变化、电压波动及多重扰动条件下提供虚拟惯量和阻尼支撑。

3、在分布式光伏集群运行过程中，需要依据电网强弱及扰动状态，对构网型逆变器的配置数量进行确定，并在集群内部选择具体承担构网功能的逆变器单元，同时控制所选逆变器由跟网运行模式切换至构网运行模式。现有技术通常采用标准最小二乘法辨识电网强度参数，基于固定参数模型对电力系统扰动进行估算，按照统一调度指令分配构网任务，并在满足预设条件时直接切换逆变器运行模式。然而，标准最小二乘法易受量测噪声及异常数据影响，导致电网强弱判断结果不准确；固定参数模型难以适应光照突变及电压波动等动态工况，造成扰动估算滞后；统一调度未充分考虑各逆变器功率裕度差异，可能导致构网任务分配不合理；直接进行模式切换缺乏平滑过渡机制，易因切换前后电压相位及等效阻抗不匹配而产生暂态冲击电流。因此，现有技术难以在复杂工况下准确确定构网型逆变器的配置数量，亦难以实现运行模式的平滑切换，从而影响分布式光伏集群对配电网电压、频率及扰动的支撑能力。

技术实现思路

1、本发明为了解决上述问题，提出了一种基于仿真的分布式光伏集群逆变器构网优化方法及系统，通过三段式抗差权函数修正递推最小二乘辨识结果，并结合电压波动自适应扰动观测，实现对电网强弱与扰动状态的联合表征；进一步依据所述状态确定构网型逆变器数量，并结合功率裕度排序及预同步、虚拟阻抗渐变控制，实现构网逆变器的优化选择与平滑切换。

2、为了实现上述目的，本发明采用如下技术方案：

3、一个或多个实施例提供了基于仿真的分布式光伏集群逆变器构网优化方法，包括如下步骤：

4、获取并网公共连接点处的三相电压数据和三相电流数据、各逆变器单元的额定容量数据和实时有功功率，计算电网等效阻抗幅值、电压波动方差和功率裕度分布向量；

5、基于得到的电网等效阻抗，采用基于三段式抗差权函数的递归抗差回归算法对电网强度进行抗差辨识，根据观测残差确定权重因子，并利用所述权重因子修正递推最小二乘算法的更新增益，获得用于表征电网强度的抗差短路比；

6、根据并网公共连接点的电压波动方差，动态调整无模型抗扰控制算法的观测参数，并对并网系统的总扰动进行实时估计，得到总扰动估计值；

7、将抗差短路比和总扰动补偿量，输入至基于仿真训练集训练后的基于神经网络的集群模式配比优化模型，确定构网型逆变器数量；

8、根据各逆变器的功率裕度确定切换优先级序列，并根据构网型逆变器数量确定目标构网逆变器；

9、对目标构网逆变器执行内部电势相位预同步和虚拟阻抗渐变控制，使目标构网逆变器由跟网运行模式平滑切换至构网运行模式。

10、进一步地，基于得到的电网等效阻抗，采用基于三段式抗差权函数的递归抗差回归算法，修正递推最小二乘算法的更新增益，获得抗差短路比的方法，包括如下步骤：

11、在递归抗差回归算法启动时，对待辨识参数、协方差参数以及遗忘因子进行初始化，并将在当前采样时刻根据并网公共连接点实际采集的三相电压数据和三相电流数据计算得到的电网等效阻抗幅值作为递归抗差回归算法的观测输入量；

12、根据当前采样时刻的电网等效阻抗幅值与上一采样时刻的电网等效阻抗估计值之间的差值，计算观测残差绝对值；

13、根据观测残差绝对值与设定的三段式抗差权函数的第一阈值参数、第二阈值参数之间的数值关系，计算当前采样时刻对应的权重因子；

14、根据上一采样时刻的协方差参数、当前采样时刻的回归量以及遗忘因子计算标准更新增益，利用权重因子对标准更新增益进行修正，进而更新待辨识参数和协方差参数；

15、根据当前采样时刻更新得到的待辨识参数确定电网等效阻抗幅值的估计值，并根据并网公共连接点的额定电压参数和分布式光伏集群的额定容量参数计算基准阻抗数值，进而计算当前采样时刻的抗差短路比数值。

16、进一步地，根据观测残差绝对值与设定的三段式抗差权函数的第一阈值参数、第二阈值参数之间的数值关系，计算当前采样时刻对应的权重因子；

17、步骤231、设定三段式抗差权函数的第一阈值参数与第二阈值参数，且第二阈值参数大于第一阈值参数；

18、步骤232、将观测残差绝对值与第一阈值参数、第二阈值参数进行数值比较，若观测残差绝对值小于等于第一阈值参数，则将权重因子赋值为1，若观测残差绝对值大于第一阈值参数且小于等于第二阈值参数，则采用线性降权逻辑计算权重因子，使权重因子随观测残差绝对值的增大而线性减小，若观测残差绝对值大于第二阈值参数，则将权重因子赋值为0。

19、进一步地，更新待辨识参数和协方差参数的过程，包括：

20、利用上一采样时刻的协方差参数、当前采样时刻的回归量以及遗忘因子，按照递推最小二乘算法计算当前采样时刻的标准更新增益；

21、利用当前采样时刻的权重因子对标准更新增益进行加权修正，得到抗差更新增益；当权重因子为1时，抗差更新增益等于标准更新增益；当权重因子为0时，将抗差更新增益置零，使待辨识参数停止更新；

22、利用抗差更新增益对上一采样时刻的待辨识参数进行修正，将当前采样时刻实际计算得到的电网等效阻抗幅值与电网等效阻抗幅值预测值之间的差值乘以抗差更新增益，并将所得乘积累加至上一采样时刻的待辨识参数，得到当前采样时刻的待辨识参数；

23、利用抗差更新增益、当前采样时刻的回归量、上一采样时刻的协方差参数以及遗忘因子更新协方差参数，得到当前采样时刻的协方差参数，并将当前采样时刻的协方差参数用于下一采样时刻的递归计算。

24、进一步地，针对预处理后的三相电压数据和电压波动方差，利用无模型抗扰控制算法实时输出总扰动补偿量的过程，具体的：基于预处理后的三相电压数据和电压波动方差，构建基于线性扩张状态观测器的无模型抗扰控制算法，将并网公共连接点电压幅值作为观测对象，将影响并网公共连接点电压变化的未知因素统一表征为总扰动状态，通过电压波动方差动态调整线性扩张状态观测器的观测器带宽参数，并利用线性扩张状态观测器实时估计总扰动状态，得到总扰动估计值。

25、进一步地，基于神经网络的集群模式配比优化模型，具体的：采用多层感知机回归网络，包括输入层、至少一层全连接隐藏层和输出层；输入层包括分别对应抗差短路比数值和总扰动补偿量的两个输入节点，隐藏层通过非线性激活函数提取抗差短路比数值、总扰动补偿量与构网型逆变器配置数量之间的非线性关系，输出层包括一个输出节点，用于输出构网型逆变器数量预测值，并对所述构网型逆变器数量预测值进行整数化及数量边界约束，得到最优构网型逆变器数量。

26、进一步地，根据各逆变器的功率裕度确定切换优先级序列的过程，包括：

27、步骤51、调用功率裕度分布向量，所述功率裕度分布向量包含分布式光伏集群内各逆变器单元对应的功率裕度数值；

28、步骤52、遍历功率裕度分布向量，对各逆变器单元的功率裕度数值进行数值判定，并根据判定结果确定各逆变器单元对应的构网优先级权重；

29、步骤53、对各逆变器单元的构网优先级权重进行降序排列；

30、步骤54、依据降序排列运算完成后的构网优先级权重顺序，依次提取对应的光伏逆变器单元编号，将提取出的光伏逆变器单元编号按照先后顺序重组为一维索引向量，并将一维索引向量作为逆变器切换优先级序列；

31、或者，基于神经网络的集群模式配比优化模型的训练方法，包括如下步骤：

32、s1、构建并运行分布式光伏集群的电磁暂态仿真模型，设置不同电网强度和扰动状态的仿真工况，获取并预处理各仿真工况下并网公共连接点的电压、电流以及各逆变器的额定容量和实时有功功率，计算电网等效阻抗幅值、电压波动方差和功率裕度分布向量；

33、s2、针对各仿真工况，根据并网公共连接点的电压与电流的变化量确定电网等效阻抗，基于所述电网等效阻抗，采用三段式抗差权函数修正递推最小二乘算法的更新增益，获得抗差短路比；

34、s3、根据电磁暂态仿真模型中的并网公共连接点的电压波动方差，动态调整无模型抗扰控制算法的观测参数，并对并网系统的总扰动进行实时估计，得到总扰动估计值；

35、s4、针对各仿真工况，分别设置不同的构网型逆变器数量，获取各构网型逆变器数量对应的并网公共连接点电压偏差和频率偏差，并确定对应于所述电压偏差和频率偏差最小的构网型逆变器数量，作为相应仿真工况下的最优构网型逆变器数量；

36、以各仿真工况下的抗差短路比和总扰动补偿量作为样本输入，以相应的最优构网型逆变器数量作为样本标签，构建训练数据集；

37、s5、利用训练数据集对集群模式配比优化模型进行监督训练，建立抗差短路比、总扰动补偿量与最优构网型逆变器数量之间的映射关系，得到训练后的集群模式配比优化模型

38、一个或多个实施例提供了基于仿真的分布式光伏集群逆变器构网优化系统，包括：

39、获取模块，被配置为获取并网公共连接点处的三相电压数据和三相电流数据、各逆变器单元的额定容量数据和实时有功功率，计算电网等效阻抗幅值、电压波动方差和功率裕度分布向量；

40、抗差短路比识别模块，被配置为基于得到的电网等效阻抗，采用基于三段式抗差权函数的递归抗差回归算法对电网强度进行抗差辨识，根据观测残差确定权重因子，并利用所述权重因子修正递推最小二乘算法的更新增益，获得用于表征电网强度的抗差短路比；

41、总扰动估计模块，被配置为根据并网公共连接点的电压波动方差，动态调整无模型抗扰控制算法的观测参数，并对并网系统的总扰动进行实时估计，得到总扰动估计值；

42、逆变器数量确定模块，被配置为将抗差短路比和总扰动补偿量，输入至基于仿真训练集训练后的基于神经网络的集群模式配比优化模型，确定构网型逆变器数量；

43、目标构网逆变器识别模块，被配置为根据各逆变器的功率裕度确定切换优先级序列，并根据构网型逆变器数量确定目标构网逆变器；

44、切换控制模块，被配置为对目标构网逆变器执行内部电势相位预同步和虚拟阻抗渐变控制，使目标构网逆变器由跟网运行模式平滑切换至构网运行模式。

45、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执行时，完成上述的基于仿真的分布式光伏集群逆变器构网优化方法中的步骤。

46、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，完成上述的基于仿真的分布式光伏集群逆变器构网优化方法中的步骤。

47、与现有技术相比，本发明的有益效果为：

48、本发明通过三段式抗差权函数的递归抗差回归算法对电网强度进行辨识，有效抑制量测噪声及异常数据影响，提高电网等效阻抗及抗差短路比的计算可靠性，从而增强弱电网条件下电网强度判断的鲁棒性；同时，本发明基于电压波动方差自适应调整扰动观测参数，对系统总扰动进行实时观测，相较于固定参数方法，提高了扰动估计对光照变化及电压波动等动态工况的跟踪能力，降低扰动估计滞后，使扰动状态表征更加准确；进一步地，本发明将电网强度信息与扰动观测结果共同作为构网决策输入，通过神经网络模型实现构网型逆变器数量的自适应确定，避免固定配置方式带来的适应性不足，提高不同运行工况下的构网合理性；此外，本发明基于功率裕度进行构网逆变器优选，并通过相位预同步与虚拟阻抗渐变控制实现运行模式平滑切换，减少暂态冲击电流，提高切换过程的稳定性；因此，本发明通过抗差辨识提升电网强度感知精度，通过扰动观测增强动态扰动感知能力，并结合二者实现构网配置优化与平滑切换，使光伏集群在弱电网及复杂扰动条件下具备更好的鲁棒性与适应性。

49、本发明的优点以及附加方面的优点将在下面的具体实施例中进行详细说明。