一种新能源发电智能控制系统的制作方法

1.本发明涉及控制系统技术领域，更具体地说，本发明涉及一种新能源发电智能控制系统。


背景技术：

2.目前，新能源发电系统中往往都是采用传统的人工控制进行管控，例如风力能源发电控制系统通常利用风力能源作为电气区域的负荷扰动，形成风电和火电的电力区域并控制火力装置的输出负荷达到负荷区域，当风力发电并网容量较小时，根据人工控制调整风能在内的发电控制结构来解决风电并网问题，在风力较大时，为了应对风力发电处理负荷变化变大，必须通过人工控制对区域火电机组进行大范围且连续性调整来减少不利于安全运行的影响。
3.新能源发电通过传统的人工控制进行管控，人工管控是在集群调控系统中对集中控制器以及新能源发电变换器通信下发控制指令，使得整个电力发电效果大大折扣且耗费大量的人力资源，此外集中控制需要采集并处理大量的数据使得控制时延长影响电网的稳定性，容易造成电压越线导致的电源脱网和供电中断事故。


技术实现要素：

4.为了克服现有技术的上述缺陷，本发明的实施例提供一种新能源发电智能控制系统，通过集群数据传输模块以往期预定数值为迭代基础，通过数据驱动的方法对各个节点电压和功率进行升维为新能源发电控制打下基础，通过智能发电控制模块通过分布式电压控制实时获取电压数据作为反馈并数学模型，智能控制电压和功率，减少因人工利用通信传输控制时间过长而导致控制效果不理想的情况发生，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：一种新能源发电智能控制系统，包括集群数据传输模块、新能源发电模块、发电数据处理模块、智能发电控制模块以及电源逆变器控制模块，所述集群数据传输模块用于分布式新能源电网内海量的集群运行数据采集并通过双线性方法在离线状态下对非线性数据进行预处理获取非集群数值，所述新能源发电模块基于非集群数值利用正态梯度法对非集群模型数值构建迭代收敛，所述发电数据处理模块利用数学模型对新能源发电数据进行分布式迭代算法并将处理的数据结果传输至智能发电控制模块，所述智能发电控制模块依据集群数据训练改进的新能源数据模型进行优化并分布式电压控制，所述电源逆变器控制模块通过控制节点电压数据进行调节集群电压分布，反复迭代直至实现电压优化目标。
6.在一个优选的实施方式中，所述集群数据传输模块通过往期预定数值作为样本利用数据驱动的进行升维得到高纬数据，经过历史运行数据训练得到的电压变化量和功率变量之间的线性关系通过以下方式表达：即b
t
=φ（w
t
），其中b为电压变化值和相角组成，w为有用功率和无用功率组成的总功率，当进行升维时，通过以下方式进行升维，即
，其中bi为b中的第i个元素，di为扩充第i维度向量，为di中第y个元素，s为输入量b的维数，通过升维的方式获得全局线性关系为分布迭代做好基础。
7.在一个优选的实施方式中，所述新能源发电模块采集本地节点电压和功率信息，通过各个支路相连接的新能源发电模块之间交互获得各自节点电压数据，然后各个新能源分布式发电情况根据本地信息以及相邻新能源信息调整功率实时更新信息数据，直至自动完成收敛，通过分布式新能源发电模块点对点形成拓扑网，能够快速对电网进行反馈控制。
8.在一个优选的实施方式中，所述发电数据处理模块对分布式电压控制进行计算处理，每次的控制公式如下：，其中为第n次迭代后节点i电源功率输入数值，ε为迭代次数总长度， 为第n次迭代后节点i本地目标梯度，然后每次迭代从相邻节点获取电压浮动数值完成迭代计算，各个新能源发电模块从功率输入开始，按照如下公式计算：，其中ni为若干节点之间相互连接形成的集合， 为在节点新能源电源j获取电压浮动值，为控制系数, 为节点新能源电源j的额定电压分布向量，通过分布式迭代算法使得集群电压分布逐渐达到最佳。
9.在一个优选的实施方式中，所述智能发电控制模块通过集群数据训练为采集到的各个节点功率输入与电压浮动值作为样本参考输入，并定时定期的进行离线训练生成每次升维线性的模型，并推算x系数，通过电信号传输方式向各个新能源发电模块，所述集群数据训练是以采集的往期预定数值进行计算参考，计算结果为全局线性结果非分布节点线性化结果，在电网结构不发生明显的改变情况下训练参数均可适用。
10.在一个优选的实施方式中，所述电源逆变器控制模块利用x系数并根据当地或相邻新能源节点电压的数据，通过分布式梯度迭代的方式实时控制新能源无功功率来调整集群电压分布，并循环反馈迭代，在集群电网中，线路参数精确度不高，若支路电网不准确且偏差大，对分布式电压控制产生影响，因此通过双线性方法构建高精度线性模型获得分布式迭代控制x系数，并通过循环反馈迭代的方式实现电压优化控制目标。
11.在一个优选的实施方式中，一种新能源发电智能控制系统的控制方法，具体运行步骤如下：步骤s10、集群数据传输模块用于分布式新能源电网内海量的集群运行数据采集并通过双线性方法在离线状态下对非线性数据进行预处理获取非集群数值；步骤s20、新能源发电模块基于非集群数值利用正态梯度法对非集群模型数值构建迭代收敛；步骤s30、发电数据处理模块利用数学模型对新能源发电数据进行分布式迭代算法并将处理的数据结果传输至智能发电控制模块；步骤s40、智能发电控制模块依据集群数据训练改进的新能源数据模型进行优化并分布式电压控制；步骤s50、电源逆变器控制模块通过控制节点电压数据进行调节集群电压分布，反
复迭代直至实现电压优化目标。
12.本发明的技术效果和优点：本发明具体通过集群数据传输模块以往期预定数值为迭代基础，通过数据驱动的方法对各个节点电压和功率进行升维为新能源发电控制打下基础，通过智能发电控制模块通过分布式电压控制实时获取电压数据作为反馈并建立模型，智能控制电压和功率，减少因人工利用通信传输控制时间过长而导致控制效果不理想的情况发生。
附图说明
13.图1为本发明的系统结构框图。
具体实施方式
14.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
15.本技术实施例可以应用于计算机系统/服务器，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境等等。
16.计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令（诸如程序模块）的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
17.实施例1本实施例提供了如图1所示一种新能源发电智能控制系统，包括集群数据传输模块、新能源发电模块、发电数据处理模块、智能发电控制模块以及电源逆变器控制模块，所述集群数据传输模块用于分布式新能源电网内海量的集群运行数据采集并通过双线性方法在离线状态下对非线性数据进行预处理获取非集群数值，所述新能源发电模块基于非集群数值利用正态梯度法对非集群模型数值构建迭代收敛，所述发电数据处理模块利用数学模型对新能源发电数据进行分布式迭代算法并将处理的数据结果传输至智能发电控制模块，所述智能发电控制模块依据集群数据训练改进的新能源数据模型进行优化并分布式电压控制，所述电源逆变器控制模块通过控制节点电压数据进行调节集群电压分布，反复迭代直至实现电压优化目标。
18.本实施例提供了如图1所示一种新能源发电智能控制系统的控制方法，具体包括如下步骤：步骤s10、集群数据传输模块用于分布式新能源电网内海量的集群运行数据采集
并通过双线性方法在离线状态下对非线性数据进行预处理获取非集群数值；本实施例需要具体说明的是集群数据传输模块通过往期预定数值作为样本利用数据驱动的进行升维得到高纬数据，经过历史运行数据训练得到的电压变化量和功率变量之间的线性关系通过以下方式表达：即b
t
=φ（w
t
），其中b为电压变化值和相角组成，w为有用功率和无用功率组成的总功率，当进行升维时，通过以下方式进行升维，即，其中bi为b中的第i个元素，di为扩充第i维度向量，为di中第y个元素，s为输入量b的维数，通过升维的方式获得全局线性关系为分布迭代做好基础。
19.步骤s20、新能源发电模块基于非集群数值利用正态梯度法对非集群模型数值构建迭代收敛；本实施例需要具体说明的是新能源发电模块采集本地节点电压和功率信息，通过各个支路相连接的新能源发电模块之间交互获得各自节点电压数据，然后各个新能源分布式发电情况根据本地信息以及相邻新能源信息调整功率实时更新信息数据，直至自动完成收敛，通过分布式新能源发电模块点对点形成拓扑网，能够快速对电网进行反馈控制。
20.步骤s30、发电数据处理模块利用数学模型对新能源发电数据进行分布式迭代算法并将处理的数据结果传输至智能发电控制模块；本实施例需要具体说明的是发电数据处理模块对分布式电压控制进行计算处理，每次的控制公式如下：，其中为第n次迭代后节点i电源功率输入数值，ε为迭代次数总长度， 为第n次迭代后节点i本地目标梯度，然后每次迭代从相邻节点获取电压浮动数值完成迭代计算，各个新能源发电模块从功率输入开始，按照如下公式计算： ，其中ni为若干节点之间相互连接形成的集合， 为在节点新能源电源j获取电压浮动值，为控制系数, 为节点新能源电源j的额定电压分布向量，通过分布式迭代算法使得集群电压分布逐渐达到最佳。
21.步骤s40、智能发电控制模块依据集群数据训练改进的新能源数据模型进行优化并分布式电压控制；本实施例需要具体说明的是智能发电控制模块通过集群数据训练为采集到的各个节点功率输入与电压浮动值作为样本参考输入，并定时定期的进行离线训练生成每次升维线性的模型，并推算x系数，通过电信号传输方式向各个新能源发电模块，需要具体说明的是集群数据训练是以采集的往期预定数值进行计算参考，此计算结果为全局线性结果非分布节点线性化结果，在电网结构不发生明显的改变情况下训练参数均可适用。
22.步骤s50、电源逆变器控制模块通过控制节点电压数据进行调节集群电压分布，反复迭代直至实现电压优化目标。
23.本实施例需要具体说明的是电源逆变器控制模块利用x系数并根据当地或相邻新能源节点电压的数据，通过分布式梯度迭代的方式实时控制新能源无功功率来调整集群电压分布，并循环反馈迭代，在集群电网中，线路参数精确度不高，若支路电网不准确且偏差
大，对分布式电压控制产生影响，因此通过双线性方法构建高精度线性模型获得分布式迭代控制x系数，并通过循环反馈迭代的方式实现电压优化控制目标。
24.实施例2本实施例提供了如图1所示一种新能源发电智能控制系统，包括集群数据传输模块、新能源发电模块、发电数据处理模块、智能发电控制模块以及电源逆变器控制模块，所述集群数据传输模块用于分布式新能源电网内海量的集群运行数据采集并通过双线性方法在离线状态下对非线性数据进行预处理获取非集群数值，所述新能源发电模块基于非集群数值利用正态梯度法对非集群模型数值构建迭代收敛，所述发电数据处理模块利用数学模型对新能源发电数据进行分布式迭代算法并将处理的数据结果传输至智能发电控制模块，所述智能发电控制模块依据人工智能技术改进的新能源数据模型进行优化并分布式电压控制，所述电源逆变器控制模块通过控制节点电压数据进行调节集群电压分布，反复迭代直至实现电压优化目标。
25.本实施例提供了如图1所示一种新能源发电智能控制系统的控制方法，具体包括如下步骤：步骤s10、集群数据传输模块用于分布式新能源电网内海量的集群运行数据采集并通过双线性方法在离线状态下对非线性数据进行预处理获取非集群数值；本实施例需要具体说明的是集群数据传输模块通过往期预定数值作为样本利用数据驱动的进行升维得到高纬数据，经过历史运行数据训练得到的电压变化量和功率变量之间的线性关系通过以下方式表达：即b
t
=φ（w
t
），其中b为电压变化值和相角组成，w为有用功率和无用功率组成的总功率，当进行升维时，通过以下方式进行升维，即，其中bi为b中的第i个元素，di为扩充第i维度向量，为di中第y个元素，s为输入量b的维数，通过升维的方式获得全局线性关系为分布迭代做好基础。
26.步骤s20、新能源发电模块基于非集群数值利用正态梯度法对非集群模型数值构建迭代收敛；本实施例需要具体说明的是新能源发电模块采集本地节点电压和功率信息，通过各个支路相连接的新能源发电模块之间交互获得各自节点电压数据，然后各个新能源分布式发电情况根据本地信息以及相邻新能源信息调整功率实时更新信息数据，直至自动完成收敛，通过分布式新能源发电模块点对点形成拓扑网，能够快速对电网进行反馈控制。
27.步骤s30、发电数据处理模块利用数学模型对新能源发电数据进行分布式迭代算法并将处理的数据结果传输至智能发电控制模块；本实施例需要具体说明的是发电数据处理模块对分布式电压控制进行计算处理，每次的控制公式如下：，其中为第n次迭代后节点i电源功
率输入数值，ε为迭代次数总长度， 为第n次迭代后节点i本地目标梯度，然后每次迭代从相邻节点获取电压浮动数值完成迭代计算，各个新能源发电模块从功率输入开始，按照如下公式计算：，其中ni为若干节点之间相互连接形成的集合， 为在节点新能源电源j获取电压浮动值，为控制系数,为节点新能源电源j的额定电压分布向量，通过分布式迭代算法使得集群电压分布逐渐达到最佳。
28.步骤s40、智能发电控制模块利用人工智能技术改进的新能源数据模型进行优化并分布式电压控制；本实施例需要具体说明的是智能发电控制模块利用人工智能技术对集群的参数进行初始化设置，其中包括空间维度、往期预定数值样本集合数量以及控制参数、迭代参数，然后负荷源为集群样本集合中第j个负荷源所在位置，k为集群样本空间维度，在本地空间维度负荷源的位置按如下表示：，其中k为正自然整数，为整个新能源集群样本空间集合中第k个维度空间边界，为随机分布数，当在本空间维度调整完成后并进行定位，使得智能控制新能源电网为负荷源进行发电并优化。
29.步骤s50、电源逆变器控制模块通过控制节点电压数据进行调节集群电压分布，反复迭代直至实现电压优化目标。
30.本实施例需要具体说明的是电源逆变器控制模块利用x系数并根据当地或相邻新能源节点电压的数据，通过分布式梯度迭代的方式实时控制新能源无功功率来调整集群电压分布，并循环反馈迭代，在集群电网中，线路参数精确度不高，若支路电网不准确且偏差大，对分布式电压控制产生影响，因此通过双线性方法构建高精度线性模型获得分布式迭代控制x系数，并通过循环反馈迭代的方式实现电压优化控制目标。
31.最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。