基于AI强化学习的电网暂态电压支撑SVG动态响应系统的制作方法

本发明涉及电网稳压，特别涉及基于ai强化学习的电网暂态电压支撑svg动态响应系统。

背景技术：

1、静止无功发生器（svg）是电力系统中广泛应用的动态无功补偿装置，在电网暂态电压支撑中发挥着关键作用。传统svg通常采用跟网型控制架构，通过锁相环跟踪电网电压相位，以受控电流源方式向电网注入无功电流。然而，跟网型控制存在以下固有缺陷：在弱电网（短路比较低）条件下，锁相环动态易与电网阻抗相互作用引发低频振荡甚至失稳；在电压严重跌落时，svg输出的无功功率随电压线性降低，支撑能力显著减弱。

2、为解决上述问题，构网型控制技术应运而生。构网型svg模拟同步发电机的外特性，通过虚拟同步机控制自主建立内电势的幅值和相位，表现为可控电压源。构网型控制在弱电网下具有天然稳定性，在低电压下可提供更强的无功支撑。然而，构网型控制引入了新的问题：固定的虚拟惯量和虚拟阻尼参数难以适应全工况运行需求，在大扰动下可能发生功角暂态失稳，扰动后可能因阻尼不足而引发低频振荡；在强电网下，构网型控制的电压源特性可能导致故障电流过大或与电网相互作用产生高频振荡。

3、此外，随着风电等新能源的大规模接入，svg并网点的动态特性更加复杂。风电出力的随机波动频带集中于0.1-5hz，与电网暂态故障叠加，使得固定参数的控制策略难以兼顾平抑常态波动与支撑暂态故障的双重需求。不同电网强度、不同风电接入状态下，svg的最优控制参数和最优控制模式存在显著差异。在强电网下，跟网型电流源控制更为高效和安全；在弱电网下，构网型电压源控制更为稳定和有力。然而，电网强度并非恒定参数，线路投切、机组启停、相邻风场出力变化等均会导致并网点短路比在数秒至数分钟内发生显著变化，单一控制模式无法在全时段保持最优。

4、因此，亟需一种能够自动匹配电网强度与风电接入状态、在强网与弱网之间平滑切换控制模式的svg动态响应系统。

技术实现思路

1、本发明，通过强化学习在线决策模块，动态调整虚拟惯量参数和虚拟阻尼系数参数，解决了现有技术中固定参数控制在全工况适应性不足的问题。

2、本发明提出的技术方案为：基于ai强化学习的电网暂态电压支撑svg动态响应系统，包括：

3、虚拟同步机控制模块，用于控制静止无功发生器呈现电压源外特性；

4、信号采集模块，用于在每个控制周期从目标电网和静止无功发生器采集原始数据，构建系统状态向量；

5、强化学习在线决策模块，包括预训练的策略网络，所述策略网络用于接收系统状态向量，输出虚拟惯量调节量和虚拟阻尼系数调节量，以在线调节虚拟同步机控制模块的参数；

6、电网状态检测模块，用于通过实时估算目标电网并网点的短路比辨识电网强度，以及实时检测并网点的风电接入状态和风电出力波动强度；

7、模式切换与管理模块，用于根据所述短路比和风电接入状态，从预设的多种运行模式中确定当前运行模式，并向所述虚拟同步机控制模块下发与当前运行模式对应的基础虚拟惯量和基础虚拟阻尼系数，以及向所述强化学习在线决策模块下发与当前运行模式对应的调节量允许范围。

8、优选的，所述原始数据包括静止无功发生器svg的输出角频率、输出电磁功率、输出电流幅值、并网点电压幅值、并网点风电有功功率；

9、基于原始数据计算衍生特征，包括输出角频率与电网额定频率的频率偏差、所述频率偏差的变化率、有功功率参考值与静止无功发生器的输出电磁功率的功率偏差以及风电场有功功率波动幅值；

10、将输出电流幅值、并网点电压幅值、并网点风电有功功率和衍生特征进行归一化后，获得系统状态向量；

11、所述预训练的策略网络为预训练的软演员评论家sac算法网络，包括输入层，隐藏层、输出层；

12、所述输入层包括7个神经元，对应系统状态向量每个元素；所述隐藏层包括2-3层全连接层，激活函数为relu；所述输出层包括4个神经元，分别对应动作均值及动作均值标准差，所述动作均值为虚拟惯量调节量和虚拟阻尼系数调节量的均值；

13、所述虚拟同步机控制模块，包括有功-频率控制模型和无功-电压控制模型；

14、所述依据模拟同步发电机转子方程构建有功-频率控制模型，包含虚拟惯量参数和虚拟阻尼系数参数，方程为：

15、；其中，为svg输出角频率，为电网额定角频率，为有功功率参考值，为svg输出电磁功率，δ为虚拟功角。由一次调频特性给定，其中为有功工作点，为频率下垂系数。

16、所述无功-电压控制模型用于生成内电势幅值，公式为：

17、；为控制周期长度；

18、其中，为空载内电势设定值，为无功下垂系数，为无功功率指令，为svg输出无功功率，为并网点电压参考值，为并网点电压幅值的测量值，和分别为电压偏差调节的比例系数和积分系数。

19、优选的，所述模式切换与管理模块还用于：根据所述短路比和风电接入状态，确定多种运行模式，所述运行模式包括：第一模式、第二模式、第三模式、第四模式、第五模式和第六模式；

20、所述第一模式为电网强度弱且无风电接入；所述第二模式为电网强度强且无风电接入；所述第三模式为电网模式弱且有风电接入；所述第四模式为电网强度强且有风电接入；

21、所述第五模式为发生风电特殊事件；所述第六模式为电网强度辨识置信度为低等级置信度的持续时间超过最大允许时间。

22、优选的，所述模式切换与管理模块还用于：在检测到风电特殊事件时，从所述第一至第四模式中的当前模式切换至第五模式；

23、在电网强度辨识置信度为低等级置信度的持续时间超过最大允许时间时从所述第一至第四模式中的当前模式切换至第六模式；

24、在第五模式下，提升所述强化学习在线决策模块的调节量允许范围的上限；

25、在第六模式下，冻结当前运行模式，拒绝模式切换，并缩小所述强化学习在线决策模块参数的调节量允许范围。

26、优选的，所述模式切换与管理模块包括自适应确认时间生成器；

27、所述自适应确认时间生成器用于根据短路比的变化速率、电网强度辨识置信度、以及风电处理波动幅度中，动态计算确认时间；

28、当当前运行模式与目标运行模式不一致且持续时间达到所述动态计算的确认时间时，所述模式切换与管理模块触发模式切换。

29、优选的，所述动态计算确认时间，包括：

30、基于所述短路比的变化速率计算基础确认时间，所述基础确认时间随所述变化速率的增大而单调减小，且具有预设的最小确认时间和最大确认时间；

31、根据所述电网强度的辨识置信度生成确认时间修正系数，所述确认时间修正系数随置信度降低而增大；

32、根据所述风电出力波动强度生成风电波动修正系数，所述风电波动修正系数在波动强度低于第一阈值时大于1，在波动强度高于第二阈值时小于1；

33、将所述基础确认时间乘以所述确认时间修正系数和所述风电波动修正系数，得到动态确认时间。

34、优选的，所述模式切换与管理模块还用于：在所述第五模式下，根据风电场有功功率波动强度，自适应调整退出所述第五模式的确认时间；

35、在中等电网强度区间内，不触发离散模式切换，而是根据所述短路比在相邻模式的参数集之间进行连续插值，生成所述基础虚拟惯量和所述基础虚拟阻尼系数。

36、优选的，还包括动作后处理与安全限幅模块；

37、所述动作后处理与安全限幅模块用于：接收所述策略网络输出的原始调节量，根据所述模式切换与管理模块下发的与当前运行模式对应的调节量允许范围对所述原始调节量进行限幅后，输出至所述虚拟同步机控制模块。

38、优选的，所述电网状态检测模块采用带遗忘因子的递推最小二乘法估计电网等值阻抗，并仅在检测到有效激励条件时执行递推更新；

39、所述风电接入状态检测模块通过分析风电场有功功率的均值和功率变化峰值来量化出力波动强度，并根据所述风电场有功功率的均值、标准差和功率变化峰值判断风电接入状态；所述风电接入状态用于供所述模式切换与管理模块调整运行模式判断逻辑、生成工况相关的前置偏置。

40、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现所述的基于ai强化学习的电网暂态电压支撑svg动态响应系统。

41、本发明的有益效果：

42、1、本发明通过强化学习在线决策模块，能够根据实时电网状态动态调节虚拟惯量参数和虚拟阻尼系数参数，解决了固定参数控制在复杂工况下适应性不足的问题。

43、2、本发明定义了六种运行模式，并且通过动态确认时间保证在强/弱电网、有/无风电等多种模式之间的可靠切换。每切换到一种运行模式，向所述虚拟同步机控制模块下发对应当前运行模式的参数集，使svg的响应自动匹配电网强度与风电接入状态。