当前位置: 首页 > 专利查询>西门子公司专利>正文

用于估计交流网络的状态的方法和随后的自适应控制技术

技术编号:15296102 阅读:137 留言:0更新日期:2017-05-11 13:47
公开了一种用于估计AC网络的状态的方法。该方法包括:提供训练数据集的步骤,该训练数据集包括训练样本集合(X=[X0 X1 X2...Xn])和AC网络的状态的对应输出(y);基于训练数据集训练假设函数(hθ(x))的步骤和最终使用假设函数(hθ(x))估计AC网络的状态的步骤。基于AC网络的估计状态,调整功率转换器的控制器参数以实现功率转换器中的最佳性能行为。在所公开的方法的一个实施例中,AC网络的状态是孤岛状网络条件或非孤岛状网络条件之一,在另一个实施例中,AC网络的状态是负载馈线损耗,而在另一个实施例中AC网络的状态是AC网络的强度和存在的附近电压控制的量。

Method for estimating the state of an AC network and subsequent adaptive control

A method for estimating the state of a AC network is disclosed. The method includes: providing the training data set of steps, the training set includes the training set (X = [X0 X1 X2... Xn] and AC) corresponding to the output state of the network (y); the training data set based on the training hypothesis (H theta (x)) steps and end use function hypothesis (h 0 (x)) AC network state estimation steps. Based on the estimated state of the AC network, the controller parameters are adjusted to achieve the best performance in the power converter. In one embodiment of the method disclosed in the state of the AC network is one of the island network or non Island network conditions, in another embodiment, the state of the AC network is the load feeder loss, while in another embodiment the state of the AC network is AC network strength and the near voltage control quantity.

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种用于估计AC网络的状态的方法,更具体地,涉及一种用于估计AC网络的状态并基于AC网络的状态来实现自适应控制的方法。
技术介绍
具有关于AC网络的状态的估计对于大功率转换器的安全和稳定操作和一般的电力系统非常重要。在这种情况下,AC网络的状态意味着存在孤岛或非孤岛网络条件、负载馈线的损耗或AC网络的强度以及附近的电压控制器的量。一旦已知AC网络的状态,就可以设置自适应控制过程,例如可以调整与功率转换器相关联的控制器参数以实现功率转换器中的改进的性能行为。例如,对于具有弱附近电压控制量的弱AC网络,将以一种方式调整控制器参数,并且对于具有强附近电压控制量的强AC网络,以另一种方式调整控制器参数。在孤岛网络条件下,系统的一小部分与AC网络的其余部分隔离。这可能是由于线路跳闸、或变压器故障和其他类似的意外事故。孤岛网络条件的发生是潜在的危险情况,其可能在AC网络的电气设备上引起危险应力,引起系统不稳定性并且可能导致切断或断电。负载馈线的损耗适用于电力电子转换器,由于系统偶然性,其完全隔离或从AC网络断开。系统偶然性可以是例如AC线路或变压器的意外跳闸。负载馈线的损耗是潜在的危险情况,其可能对电力电子转换器内的电气设备造成危险的应力。没有用于估计AC网络的状态的快速和可靠的系统,其能够在发生之后的几毫秒内识别负载馈线的孤岛或损耗,这可能是电气设备上的临界应力的原因。此外,不能精确地估计AC网络的强度,并且附近电压控制的量可能导致由诸如SVC、HVDC或风力涡轮机控制的功率电子设备采取的低于最优控制动作,导致系统不稳定性和功率中断。到目前为止,在快速动态功率电子控制器(例如LCC和VSCHVDC)的情况下,需要来自网络运营商的外部触发信号来识别孤岛的网络条件,以便在孤岛电网条件的存在下采取适当的控制动作。在现有技术中不知道如何在其出现的50到100毫秒内非常快速地精确地预测孤岛或非孤岛网络条件。具有关于AC网络的状态的估计,可以根据系统的强度和附近的电压控制器的存在来调整控制器参数,例如通过调节增益、时间常数等,并且因此改进控制器适应新系统条件的能力。用于电力电子转换器的自动增益调整是一个越来越重要的课题,其仅被部分地解决。它允许转换器,例如静态无功补偿器或STATCOM,调整其控制器参数,以在系统动态过程中提供更好的性能。基于在稳态条件期间开始的测量,迄今已经实现了自动增益调整。增益测试基本上包括测量由于来自转换器的一定量的无功功率(dQ)的注入或吸收而导致的母线中的电压变化(dV)。然后使用相对于无功功率的变化的电压变化(dv/dq)来估计连接到变换器的母线的强度。母线的强度由其对在那个母线中注入或吸收无功和有功功率时的电压和频率变化的灵敏度限定。与弱母线相比,强母线不容易发生电压和频率变化。在不存在来自功率转换器的功率注入或吸收的情况下,另一种增益测试方法是切换或去掉AC滤波器、并联电容器或电抗器,并且再次测量电压相对于无功功率的变化率(dv/dq)。随着AC网络中的电压控制功率电子转换器的数量的增加,到目前为止的最大挑战之一是具有适当的控制器参数选择,例如增益,其考虑了附近的“其它”电压控制设备的存在。不具有系统强度和附近电压控制器的量的可靠估计是低于最佳性能行为的原因,例如功率电子驱动转换器中的上升时间、稳定时间最大过冲、不足的阻尼振荡等。到目前为止,执行如上所述的增益测试以估计转换器连接到的母线的强度,然而如果存在附近的电压控制设备,例如其他快速动态补偿,则增益测试的结果将会误导。例如,具有大量附近电压控制器的非常弱的母线可能看起来像增益测试的强母线,导致完全不适当的控制器参数调整。因此,越来越需要一种准确地估计AC网络的状态的方法。一旦估计了AC网络的状态,就可以使用相同的信息来相应地改变功率转换器的控制器参数,以实现更好的系统性能。
技术实现思路
本专利技术的一个目的是快速预测AC网络的状态,例如,是否存在孤岛或非孤岛网络条件,是否发生了负载馈线的损耗,以及AC网络的强度和存在的附近电压控制的量是多少,并且因此调整控制器参数以实现最佳系统性能。该目的通过一种用于估计连接到功率转换器的AC网络的状态的方法来实现,该方法包括:提供训练数据集的步骤,该训练数据集包括训练样本集合(X=[X0X1X2...Xn])和AC网络的状态的对应输出(y);基于训练数据集训练假设函数(hθ(x))的步骤;以及最后使用假设函数(hθ(x))估计AC网络的状态的步骤。训练的假设函数(hθ(x))的使用是监督学习方法的形式。监督学习是从标记的训练数据推断函数的机器学习任务。训练数据由训练示例组成。训练示例包括输入向量(“特征X”)及其相关联的正确输出值(y)。监督学习算法的任务是分析训练数据并提出假设函数(hθ(x)),其可以用于映射新的示例,即用于所有训练示例的hθ(x)≈y。在本专利技术中,监督学习方法的任务是基于由所选择的“特征X”的输入向量及其对应的输出y(即正确答案)构成的训练集,以创建函数(hθ(x))来快速且准确地估计AC网络的状态,是孤岛状网络条件还是非孤岛状网络条件,是否发生了负载馈线的损耗,以及AC网络的强度以及附近电压控制器的量。使用人工智能算法来快速获得AC网络的状态和网络强度的准确估计的挑战之一是识别适当的“特征X”以用作算法的输入。对于本专利技术,提出了神经网络计算模型。神经网络从训练数据集推广和学习的能力在某种意义上模仿人类从经验中学习的能力。神经网络用于预测和估计问题。对于使用神经网络来解决的问题,需要很好理解的输入。需要很好地了解哪些功能对于预测正确的输出很重要。这样的输入可以容易地获得,但是如何组合它们以获得准确的估计不清楚。下一个要求是具有很好理解的输出,即关于期望被估计、预测或建模的输出的种类的信息。下一个因素是使用可用的经验。对于训练神经网络,具有由经验获得的训练集的样本。在这些样本数据集中,输入、特征向量(“特征X”)和输出(y)是用于训练神经网络的已知情况。该方法还包括基于所估计的AC网络的状态来调整功率转换器的控制器参数的步骤。例如,对于孤岛网络条件,以一种方式调整控制器参数,对于非孤岛网络条件,以另一种方式调整控制器参数。类似地,对于电压和频率较易于随着弱附近电压控制量而变化的弱AC网络,以一种方式调整控制器参数,并且对于电压和频率较不易于随着强附近电压控制量而变化的强AC网络,以另一种方式调整控制器参数。例如,用于强AC网络的SVC或STATCOM的电压控制器增益需要高于弱AC网络的电压控制器增益。在一个实施例中,AC网络的状态是孤岛或非孤岛网络条件之一、负载馈线的损耗或具有附近电压控制量的AC网络的强度。在发生后的几毫秒内识别孤岛网络条件或负载馈线的损耗可以防止电气设备中的临界应力。它还可以帮助电力电子设备采取最佳控制动作,从而防止系统不稳定性和停电发生。即使在诸如HVDCLCC转换器、VSCHVDC、风力涡轮机和STATCOM/SVC的高度非线性电力电子设备的存在下,本专利技术中提出的监督学习方法也允许快速和准确的AC网络状态识别。如前所述,在孤岛网络条件下,系统的一小部分与AC网络的其余部分隔离。这可能由于线路的跳闸、或变压器的故障和其他类似的偶然事本文档来自技高网
...
<a href="http://www.xjishu.com/zhuanli/54/201480081138.html" title="用于估计交流网络的状态的方法和随后的自适应控制原文来自X技术">用于估计交流网络的状态的方法和随后的自适应控制</a>

【技术保护点】
一种用于估计连接到功率转换器(1)的AC网络(4)的状态的方法(100),所述方法(100)包括:‑提供训练数据集的步骤(101),所述训练数据集包括训练样本集合(X=[X0 X1 X2 ... Xn])和所述AC网络(4)的状态的对应输出(y);‑基于所述训练数据集来训练假设函数(hθ(x))的步骤(102);‑使用所述假设函数(hθ(x))来估计所述AC网络(4)的状态的步骤(103)。

【技术特征摘要】
【国外来华专利技术】1.一种用于估计连接到功率转换器(1)的AC网络(4)的状态的方法(100),所述方法(100)包括:-提供训练数据集的步骤(101),所述训练数据集包括训练样本集合(X=[X0X1X2...Xn])和所述AC网络(4)的状态的对应输出(y);-基于所述训练数据集来训练假设函数(hθ(x))的步骤(102);-使用所述假设函数(hθ(x))来估计所述AC网络(4)的状态的步骤(103)。2.根据权利要求1所述的方法(100),其中,所述方法(100)还包括基于所估计的所述AC网络(4)的状态来调整所述功率转换器(1)的控制器(2)参数的步骤。3.根据上述权利要求中任一项所述的方法(100),其中,所述AC网络(4)的状态是一个或多个孤岛或非孤岛网络条件、负载馈线损耗或带有附近电压控制量的AC网络的强度。4.根据上述权利要求中任一项所述的方法(100),其中,所述训练样本集合(X=[X0X1X2...Xn])从以下中的一个或多个导出:电压测量(V)、与AC网络(4)的无功功率交换测量(Qex)、与AC网络(4)的有功功率交换测量(Pex)和AC网络(4)的网络频率测量(Freq)。5.根据权利要求4所述的方法(100),其中,在系统偶然事件之前、期间和/或之后测量所述训练样本集合(X=[X0X1X2...Xn])。6.根据权利要求5所述的方法(100),其中所述系统偶然事件是故障清除事件或增益测试中的一个。7.根据上述权利要求5至6中任一项所述的方法(100),其中,在系统偶然事件之前、期间和之后的第一时间段测量电压测量(V),在第二时间段的步骤中将所述电压测量引入AC网络(4)。8.根据权利要求5至7中任一项所述的方法(100),其中,在所述系统偶然事件之...

【专利技术属性】
技术研发人员:AJ赫尔南德斯曼乔拉F舍特勒J洛特斯M斯蒂格
申请(专利权)人:西门子公司
类型:发明
国别省市:德国;DE

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1