一种基于神经网络的光伏电站电压控制方法技术

本发明专利技术公开了一种基于神经网络的光伏电站电压控制方法，该控制方法具体步骤如下：步骤一：母线电压有功功率神经网络以及母线电压无功功率神经网络分别输出相应的母线电压有功功率和母线电压无功功率的灵敏度系数至模型预测控制器；步骤二：模型预测控制器通过上层控制架构下发的母线电压有功功率和母线电压无功功率的灵敏度系数构建母线电压与节点注入有功功率和无功功率的数学模型。该基于神经网络的光伏电站电压控制方法能够解决光伏电站母线的过、欠电压问题，有效地提升了基于灵敏度分析这类方法的实用性和可扩展性，对配电网的安全运行具有重要的意义，该控制方法对助推能源互联网建设、提升电力服务质量与优化利用各类资源。

【技术实现步骤摘要】
一种基于神经网络的光伏电站电压控制方法
本专利技术涉及配电网光伏电站电压调控领域，具体为一种基于神经网络的光伏电站电压控制方法。
技术介绍
随着新能源在配电网中的不断渗透，传统的配电网正逐渐发展为有源配电网，在解决化石能源逐渐枯竭和提高环境友好性的同时，也为配电网的顺利运行和规划提出了很多挑战，光伏电站因聚合了大量的分布式光伏，是配电网中十分重要的组成元素，对支撑整个配电网源网荷储的安稳运行具有不可替代的作用，而分布式光伏的间歇性和随机性会导致整个光伏电站母线电压的波动，严重时将危害整个配电网的安全，甚至导致电网解列，如何有效解决光伏电站母线电压过、欠电压问题，是配电网领域中一个重要的研究方向；现有的基于神经网络的光伏电站电压控制方法，在伏电站的实际运行中，系统的拓扑以及网络参数不容易获得，因此基于灵敏度分析的方法的实际应用还存在诸多困难，且不能对光伏电站母线的过、欠电压问题进行处理，为此，我们提出一种基于神经网络的光伏电站电压控制方法。
技术实现思路
本专利技术的目的在于提供一种基于神经网络的光伏电站电压控制方法，本文档来自技高网...

【技术保护点】
1.一种基于神经网络的光伏电站电压控制方法，其特征在于：该控制方法具体步骤如下：/n步骤一：母线电压有功功率神经网络以及母线电压无功功率神经网络分别输出相应的母线电压有功功率和母线电压无功功率的灵敏度系数至模型预测控制器；/n步骤二：模型预测控制器通过上层控制架构下发的母线电压有功功率和母线电压无功功率的灵敏度系数构建母线电压与节点注入有功功率和无功功率的数学模型。/n

【技术特征摘要】
1.一种基于神经网络的光伏电站电压控制方法，其特征在于：该控制方法具体步骤如下：
步骤一：母线电压有功功率神经网络以及母线电压无功功率神经网络分别输出相应的母线电压有功功率和母线电压无功功率的灵敏度系数至模型预测控制器；
步骤二：模型预测控制器通过上层控制架构下发的母线电压有功功率和母线电压无功功率的灵敏度系数构建母线电压与节点注入有功功率和无功功率的数学模型。


2.根据权利要求1所述的一种基于神经网络的光伏电站电压控制方法，其特征在于：所述母线电压有功功率神经网络以及母线电压无功功率神经网络组成上层控制架构，所述模型预测控制器为下层控制架构组成部分；
其中，所述母线电压有功功率神经网络由输入层、隐藏层和输出层组成，所述母线电压有功功率神经网络输入层的输入数据包括节点的有功功率数据和母线的电压偏差数据，所述母线电压有功功率神经网络输出层的输出数据为光伏节点的母线电压有功功率的灵敏度系数。


3.根据权利要求2所述的一种基于神经网络的光伏电站电压控制方法，其特征在于：所述
所述节点的有功功率数据可以通过式(1)获得：



式(1)中，Uj和Ij分别为第j个光伏节点的电压和电流，上标*为共轭运算，Re为求实部运算，母线的电压偏差数据可以通过式(2)获得：



式(2)中，和分别为第i个光伏电站母线的电压和参考电压值。


4.根据权利要求2所述的一种基于神经网络的光伏电站电压控制方法，其特征在于：所述节点的无功功率数据可以通过式(3)获得：



式(3)中，Uj和Ij分别为第j个光伏节点的电压和电流，上标*为共轭运算，Im为求虚部运算。


5.根据权利要求1所述的一种基于神经网络的光伏电站电压控制方法，其特征在于：所述母线电压有功功率的灵敏度系数和母线电压无功功率的灵敏度系数的获取具体步骤如下：
步骤一：通过计算得到的光伏节点的有功功率数据、母线的电压偏差数据和光伏节点的无功功率数据作预处理，所述预处理方式分别如式(4)、(5)、(6)所示：









式(4)中，Pj'和分别为第j个光伏节点的有功功率归一化值和有功功率额定值；式(5)中，和分别为第i条母线的电压偏差归一化值和电压偏差的最大值；式(6)中，Q'j和分别为第j个光伏节点的无功功率归一化值和无功功率额定值；
步骤二：将光伏节点的有功功率数据、母线的电压偏差数据和光伏节点的无功功率数据进行预处理后，将光伏节点的有功功率数据和母线的电压偏差数据作为母线电压有功功率神经网络的输入，将光伏节点的无功功率数据和母线的电压偏差数据作为母线电压无功功率神经网络的输入，分别输入相应的神经网络进行训练，并根据式(7)修正相应神经网络的权值：



式(7)中，Ep(k)、wp(k)、Δwp(k)分别为母线电压/有功功率神经网络的第k次权重更新时的输出量误差值、权重矩阵和权重更新量，Eq(k)、wq(k)、Δwq(k)分别为母线电压/无功功率神经网络的第k次权重更新时的输出量误差值、权重矩阵和权重更新量，并且有：



式(8)中，Yp(k)、Y′p(k)分别为母线电压/有功功率神经网络的第k次权重更新时的输出量真实值和实际值，Yq(k)、Y′q(k)分别为母线电压/无功功率神经网络的第k次权重更新时的输出量真实值和实际值；
步骤三：当误差分别满足相应条件时，停止更新权值矩阵，并将最终的输出量发送给下层的模型预测控制器，



式(9)中，γp和γq为分别为母线电压/有功功率神经网络和母线电压/无功功率神经网络预设的误差阈值，且有：





6.根据权利要求1所述的一种基于神经网络的光伏电站电压控制方法，其特征在于：所述模型预测控制器通过实时的滚动优化求解相应的最优控制量，所述模型预测控制器的目标函数由多目...

【专利技术属性】
技术研发人员：陈之轩，窦春霞，赵昕，马建川，
申请(专利权)人：江苏派尔高智能科技有限公司，
类型：发明
国别省市：江苏;32