【技术实现步骤摘要】
并网逆变器的控制方法、装置、计算机设备和介质
[0001]本专利技术涉及分布式发电系统
,特别是涉及一种并网逆变器的控制方法、装置、计算机设备和介质。
技术介绍
[0002]随着全球范围内越来越突出的能源危机以及环境问题,分布式可再生能源在电力系统中的渗透率越来越高。分布式可再生能源主要有风能、光伏能和太阳能等,其中,大部分分布式可再生能源一般主要是通过并网逆变器接入电网。但是,并网逆变器不具有惯性和阻尼,会导致其抑制干扰和波动的能力较弱。为了解决这一问题,虚拟同步发电机技术应运而生,该技术通过模拟同步发电机的惯性和阻尼特性,当电网系统的功率变化时,并网逆变器能够利用自身虚拟惯量和虚拟阻尼抑制功率的波动。
[0003]传统技术中,研究学者对于虚拟同步发电机的虚拟惯量进行了大量的研究,通过棒
‑
棒控制策略令虚拟惯量根据频率变化率的阈值在两个固定的数值中变化,以及基于指数惯量的虚拟同步发电机控制策略将虚拟惯量与指数函数结合,使得并网逆变器的抑制干扰和波动的能力增加。然而,使用上述方法控制策略控制时 ...
【技术保护点】
【技术特征摘要】
1.一种并网逆变器的控制方法,其特征在于,包括:获取并网逆变器对应的虚拟同步发电机的角频率偏差和角频率变化率;根据所述角频率变化率和所述角频率偏差,确定虚拟惯量;根据所述角频率变化率,确定虚拟阻尼;根据所述虚拟惯量和所述虚拟阻尼调节所述并网逆变器的频率。2.根据权利要求1所述的控制方法,其特征在于,所述根据所述角频率变化率和所述角频率偏差,确定虚拟惯量,包括:基于径向基函数神经网络,根据所述角频率变化率和所述角频率偏差,确定虚拟惯量。3.根据权利要求2所述的控制方法,其特征在于,所述径向基函数神经网络的训练过程,包括:将样本角频率变化率和样本角频率偏差输入预设的初始径向基函数神经网络中,得到预测虚拟惯量;根据所述预测虚拟惯量和所述虚拟阻尼,确定预测角频率;将所述预测角频率和额定角频率输入预设的误差代价函数中,得到误差值;根据所述误差值调节所述初始径向基函数神经网络的参数,直到满足预设的截止条件,得到所述径向基函数神经网络。4.根据权利要求3所述的控制方法,其特征在于,所述参数包括中心值、权值和扩展常数,根据所述误差值调节所述初始径向基函数神经网络的参数,包括:计算所述误差值对所述中心值的梯度,得到第一梯度,计算所述误差值对所述权值的梯度,得到第二梯度,计算所述误差值对所述扩展常数的梯度,得到第三梯度;根据第一梯度,确定第一学习率和第一搜索方向,根据第二梯度,确定第二学习率和第二搜索方向,根据第三梯度,确定第三学习率和第三搜索方向;根据所述第一学习率和所述第一搜索方向,更新所述中心值;根据所述第二学习率和所述第二搜索方向,更新所述权值;根据所述第三学习率和所述第三搜索方向,更新所述扩展常数。5.根据权利要求4所述的控制方法,其特征在于,根据第一梯度,确定第一搜索方向包括:根据所述第一梯度,确定第一平滑因子;根据所述第一平滑因子,确定第一搜索方向;...
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。