一种基于RBF神经网络的多机并联VSG系统稳定性提高方法技术方案

本发明专利技术公开了一种基于RBF神经网络的多机并联VSG系统稳定性提高方法，包括，初始化参数虚拟惯量和阻尼系数；计算损失函数Loss(k)是否为0，如果为0，则更新神经网络的随机权重，否则权重不变；所述权重变化后，利用RBF神经网络计算输出的虚拟惯量的值，并对参数虚拟惯量进行更新操作；所述虚拟惯量变化后，计算阻尼系数并对其参数进行更新，改变所述虚拟惯量和所述阻尼系数的参数值；当系统频率出现变化后，增加所述虚拟惯量和所述阻尼系数的值以提升系统的抗干扰能力；当所述系统频率稳定后，减小所述虚拟惯量和所述阻尼系数以加快系统的响应时间。系统发生扰动时，本发明专利技术方法能有效的抑制功率和频率的超调，还能提高系统响应的速度。速度。速度。

【技术实现步骤摘要】
一种基于RBF神经网络的多机并联VSG系统稳定性提高方法


[0001]本专利技术涉及新能源并网
，尤其是一种基于RBF神经网络的多机并联VSG系统稳定性提升方法。

技术介绍

[0002]为了应对日益严峻的能源危机，以可再生能源为主的分布式发电技术得到了越来越广泛的关注。微电网作为分布式电源与大电网并联成了当今研究的热点。针对新能源并网问题，有学者提出模拟同步发电机的转子惯性和阻尼特性为系统提供必要的惯量和阻尼，由此虚拟同步机技术应运而生。然而，当多个VSG通过公共点接入大电网时，多VSG并网系统间会产生交互影响，导致并网系统运行特性更加复杂。
[0003]目前针对多VSG并网系统的研究主要采用小信号分析法。时域分析法通过建立系统的状态空间模型，不仅可以描述系统中每一个状态变量，还可以完整的获取系统的动态性能。但状态空间矩阵的复杂度会随着控制策略和网络结构的复杂度的加大而增加。
[0004]频域分析法主要是依靠系统的传递函数，该方法应用在多VSG并联系统时，复杂的传递函数不易获得，只能对内外环分别进行分析。内环主要采用阻抗、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于RBF神经网络的多机并联VSG系统稳定性提高方法，其特征在于：包括，初始化参数虚拟惯量和阻尼系数；计算损失函数Loss(k)是否为0，如果为0，则更新神经网络的随机权重，否则权重不变；所述权重变化后，利用RBF神经网络计算输出的虚拟惯量的值，并对参数虚拟惯量进行更新操作；所述虚拟惯量变化后，计算阻尼系数并对其参数进行更新，改变所述虚拟惯量和所述阻尼系数的参数值；当系统频率出现变化后，增加所述虚拟惯量和所述阻尼系数的值以提升系统的抗干扰能力；当所述系统频率稳定后，减小所述虚拟惯量和所述阻尼系数以加快系统的响应时间。2.根据权利要求1所述的基于RBF神经网络的多机并联VSG系统稳定性提高方法，其特征在于：利用RBF神经网络自适应控制调节虚拟惯量和阻尼系数，设计一种RBF神经网络控制系统，包括，RBF神经网络包括分别为输入层、隐藏层和输出层；RBF神经网络的隐藏层的输入包括，其中，x表示输入的参数，n表示输入层节点的个数。3.根据权利要求2所述的基于RBF神经网络的多机并联VSG系统稳定性提高方法，其特征在于：RBF隐藏层中的第i个节点输出包括，其中，h
k
表示隐藏函数的高斯函，k表示隐藏层节点的个数，i表示输入层节点个数。是隐藏层第i个节点的中心向量，是高斯函数的宽度向量。根据经验设置中心向量的值为0，宽度向量b
i
为1。4.根据权利要求3所述的基于RBF神经网络的多机并联VSG系统稳定性提高方法，其特征在于：RBF神经网络的输出层包括，y
p
＝w
p1
h1+w
p2
h2+
…
+w
pm
h
m p＝1,2...q其中，q表示输出结点的个数，y
p
表示第p个输出节点的值，神经网络的随机权重5.根据权利要求2～4任一所述的基于RBF神经网络的多机并联VSG系统稳定性提高方法，其特征在于：还包括，输入输出层的节点数取决于控制系统的输入输出变量；定义所述输入变量是ω
i
和dω
i
/dt；则所述输入层的节点数设置为2n，输出的变量为J
i
，所述输出层的节点数选择n。...

【专利技术属性】
技术研发人员：王华昕，刘剑，赵永熹，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：