基于BP神经网络的微网电池储能系统调频控制方法技术方案

本发明专利技术提供一种基于BP神经网络的微网电池储能系统调频控制方法，包括：测量微网电池储能系统的实时频率值；获取实时频率值与微网电池储能系统的额定频率值之间的频率差值，并将频率差值输入BP神经网络中进行智能推理，以得到当前最优的PI控制器的参数；根据当前最优的PI控制器的参数对PI控制器进行参数整定，并利用参数整定后的PI控制器根据频率差值，得到微网电池储能系统的逆变器控制有功功率差额参考值；根据有功功率差额参考值得到有功功率参考值，采取PQ逆变控制以使微网电池储能系统进行系统调频。该方法可以有效提高微网电池储能系统有功功率控制中的精度以及微网频率稳定性。

【技术实现步骤摘要】

本专利技术涉及电力系统微网
，特别涉及一种基于BP神经网络的微网电池储能系统调频控制方法。
技术介绍
近年来，微电网因其对分布式电源接入中完美的兼容性，成为智能电网的重要组成部分，是国家电网未来发展的方向之一。微电网主要由分布式电源、储能装置、电力电子设备、负荷等组成，既是大电网中的一个区域可控单元，又是一个独立完整的微型电力系统，因此，微电网运行方式有并网与孤网运行两种运行模式，在并网运行中，微网通过配电网接入大电网，与大电网联合运行，实现电能的双向流通。当电网发生故障时或者电网电能质量不能满足用户要求时，微网将断开PCC点，转入孤网运行模式。微电网转入孤网运行后，作为微型的电力系统，其惯性很小，电源出力或者负荷的波动都将因其系统频率的大幅震荡，甚至导致微网系统崩溃。而微电网作为分布式发电的有效并网形式，其出力电源给天然地含有大量风机、光伏、小水电等可再生能源发电装置，这些分布式电源随着外界环境的变化将不可避免地引发电源出力的间歇性与波动性，这对微电网系统运行中的功率平衡提出严重威胁，因此，对于微网中大量可再生能源发电装置可能的出力波动，需要储能装置进行快速准确的补充平衡。因此，必须解决微网系统依靠储能系统进行调频控制。微电网储能系统在其自身的调频控制器控制下，快速跟踪补偿系统功率偏差，当前控制器采用的控制算法大体含有下垂控制与紧急直接功率调整两种，但是所有类型的控制器中几乎都含有PI控制环节，控制频率偏差输入与控制功率调整输出之间需要通过PI参数进行处理，为实现快速准确的调频响应，调频控制器的PI参数整定十分重要。与此同时，微电网作为强非线性系统，调频过程中，系统参数具有时变性与非线性，加大参数整定难度，而且针对具体微网系统、具体工况整定的参数在系统特性发生大幅变化后，将不具有适应性，无法进行全局性适应。因此，如何精确地实现控制参数对系统调频工况变化过程中的自适应整定，是亟待解决的问题。
技术实现思路
本专利技术的目的旨在至少解决上述的技术缺陷之一。为此，本专利技术的目的在于提出一种基于BP神经网络的微网电池储能系统调频控制方法。该方法可以有效提尚微网电池储能系统有功功率控制中的精度以及微网频率稳定性。为了实现上述目的，本专利技术的实施例公开了一种基于BP神经网络的微网电池储能系统调频控制方法，包括以下步骤:测量所述微网电池储能系统的实时频率值；获取所述实时频率值与所述微网电池储能系统的额定频率值之间的频率差值，并将所述频率差值输入已经训练好的BP神经网络中进行智能推理，以得到当前最优的PI控制器的参数；根据所述当前最优的PI控制器的参数对所述PI控制器进行参数整定，并利用参数整定后的PI控制器根据所述频率差值，得到所述微网电池储能系统的逆变器控制有功功率差额参考值；根据所述有功功率差额参考值得到有功功率参考值，采取PQ逆变控制以使所述微网电池储能系统进行系统调频。另外，根据本专利技术上述实施例的基于BP神经网络的微网电池储能系统调频控制方法还可以具有如下附加的技术特征:在一些示例中，所述PI控制器的参数包括比例系数Kp和积分系数Ki。在一些示例中，在所述将频率差值输入已经训练好的BP神经网络中进行智能推理，以得到当前最优的PI控制器的参数之前，还包括:对所述BP神经网络进行训练以得到所述已经训练好的BP神经网络。在一些示例中，对所述BP神经网络进行训练，具体包括:所述BP神经网络对预定信息进行正向传播与误差的反向传播，得到所述BP神经网络中每一层的最优神经元的权值，其中，所述BP神经网络中每一层的最优神经元的权值与偏置用于根据所述微网电池储能系统的频率误差的连续变化，实时评估当前工况，给出当前最优的PI控制器的参数。在一些示例中，所述BP神经网络的训练样本按照如下设置原则进行设置:(所述频率差值的绝对值Ideltafl大于第一预设差值时采用的比例系数Kp)大于(所述频率差值的绝对值Ideltafl小于所述第一预设差值且大于第二预设差值时采用的比例系数Kp)，其中，所述第一预设差值大于所述第二预设差值；(所述频率差值的绝对值Ideltafl大于第一预设差值时采用的积分系数Ki)小于(所述频率差值的绝对值Ideltafl小于所述第一预设差值且大于第二预设差值时采用的积分系数Ki);(所述频率差值的绝对值deltafl小于所述第一预设差值且大于第二预设差值时采用的比例系数Kp)大于(所述频率差值的绝对值Ideltafl小于所述第二预设差值时采用的比例系数Kp);(所述频率差值的绝对值Ideltafl小于所述第一预设差值且大于第二预设差值时采用的积分系数Ki)大于(所述频率差值的绝对值Ideltafl小于所述第二预设差值时采用的积分系数Ki)。根据本专利技术实施例的基于BP神经网络的微网电池储能系统调频控制方法，可以有效适应微网不同频率误差工况下的运行参数的非线性与时变性，实现不同频率工况下的控制参数自整定，得到最优的系统动态响应，实现微网电池储能系统调频较好的动态响应特性与鲁棒性，有效提高微网电池储能系统有功功率控制中的精度以及微网频率稳定性。本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。【附图说明】本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中，图1为本专利技术一个实施例的基于BP神经网络的微网电池储能系统调频控制方法的流程图；图2为本专利技术一个实施例的三层BP神经网络的示意图；图3为本专利技术一个实施例的训练好的BP神经网络对于系统频率差值的绝对值的控制参数响应输出的示意图；图4为本专利技术另一个实施例的训练好的BP神经网络对于系统频率差值的绝对值的控制参数响应输出的示意图；图5为本专利技术一个实施例的基于BP神经网络的微网电池储能系统的主接线示意图；图6为本专利技术一个实施例的基于BP神经网络的微网电池储能系统调频控制的控制框图；图7为相关技术中采用固定PI的调频效果图；以及图8为本专利技术一个实施例的基于BP神经网络的微网电池储能系统调频控制的调频效果图。【具体实施方式】下面详细描述本专利技术的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解本文档来自技高网...

【技术保护点】
一种基于BP神经网络的微网电池储能系统调频控制方法，其特征在于，包括以下步骤：测量所述微网电池储能系统的实时频率值；获取所述实时频率值与所述微网电池储能系统的额定频率值之间的频率差值，并将所述频率差值输入已经训练好的BP神经网络中进行智能推理，以得到当前最优的PI控制器的参数；根据所述当前最优的PI控制器的参数对所述PI控制器进行参数整定，并利用参数整定后的PI控制器根据所述频率差值，得到所述微网电池储能系统的逆变器控制有功功率差额参考值；根据所述有功功率差额参考值得到有功功率参考值，采取PQ逆变控制以使所述微网电池储能系统进行系统调频。

【技术特征摘要】

【专利技术属性】
技术研发人员：姜新建，张祥成，许德操，王秋楠，张博，李俊贤，温生毅，成静，侯胜林，张晓波，苗淼，
申请(专利权)人：清华大学，国网青海省电力公司，国网青海省电力公司经济技术研究院，
类型：发明
国别省市：北京;11