基于人工智能的多逆变器功率分配控制方法、装置及设备制造方法及图纸

本发明专利技术涉及基于人工智能的多逆变器功率分配控制方法、装置及设备。该方法通过将各个目标逆变器的参数嵌入向量和目标频率输入至训练好的目标频率优化模型中，输出各个目标逆变器的优化频率；然后将各个逆变器的初始频率、优化频率、初始下垂系数、信息向量，以及参数嵌入向量输入至训练好的下垂系数预测模型，输出各个目标逆变器的待调节的预测下垂系数，能够预测出各个目标逆变器在各个预设调节时间段的预测下垂系数，可以对各个目标逆变器在不同时间段分别进行阶梯式下垂控制，确保下垂控制的精确性，实现功率合理分配，提高多逆变器功率分配的稳定性。器功率分配的稳定性。器功率分配的稳定性。

【技术实现步骤摘要】
基于人工智能的多逆变器功率分配控制方法、装置及设备


[0001]本专利技术适用于智能微电网领域，尤其涉及基于人工智能的多逆变器功率分配控制方法、装置及设备。

技术介绍

[0002]现有技术的微电网系统中，一般采用下垂控制方法实现功率在多个并联逆变器之间的分配。但是，由于多逆变器之间的容量差异、本地负荷差异、馈线阻抗差异等因素的影响，多逆变器并联的功率分配并不合理，导致目前的功率分配控制在理论稳态情况下仍然会出现分配偏差，进而产生系统环流，引发逆变器过流等问题，因此，如何提高多逆变器功率分配的稳定性成为了亟需解决的问题。

技术实现思路

[0003]有鉴于此，本专利技术提供了一种基于人工智能的多逆变器功率分配控制方法、装置及设备，以解决现有技术中微电网系统多逆变器并联的功率合理分配问题。
[0004]第一方面，提供一种基于人工智能的多逆变器功率分配控制方法，所述多逆变器功率分配控制方法包括：
[0005]根据微电网系统中并联的各个目标逆变器的功率变化值，确定所述微电网系统的总频率变化量；
[0006]根据所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能的多逆变器功率分配控制方法，其特征在于，所述方法包括以下步骤：根据微电网系统中并联的各个目标逆变器的功率变化值，确定所述微电网系统的总频率变化量；根据所述微电网系统的总频率变化量以及所述目标逆变器的数量，确定各个所述目标逆变器的目标频率；根据各个所述目标逆变器的运行参数确定逆变器的参数嵌入向量，将所述参数嵌入向量和所述目标频率输入至训练好的目标频率优化模型中，输出各个所述目标逆变器的优化频率；获取各个所述目标逆变器的初始频率、初始下垂系数和预设的信息向量，将所述初始频率、所述优化频率、所述初始下垂系数、所述信息向量，以及所述参数嵌入向量输入至训练好的下垂系数预测模型，输出各个所述目标逆变器的待调节的预测下垂系数；根据各个所述目标逆变器的待调节的预测下垂系数，对对应的目标逆变器进行下垂控制，用以实现目标逆变器之间的功率分配。2.根据权利要求1所述的多逆变器功率分配控制方法，其特征在于，将所述初始频率、所述优化频率、所述初始下垂系数和所述信息向量输入至训练好的下垂系数预测模型，输出各个所述目标逆变器的待调节的预测下垂系数，包括：将所述初始频率、所述优化频率、所述初始下垂系数和所述信息向量输入至训练好的下垂系数预测模型，输出第一调节时间段进行下垂控制后的预测频率和第二调节时间段进行下垂控制的预测下垂系数；根据所述预测下垂系数和预测频率，第一次更新所述初始下垂系数和所述初始频率；根据第一调节时间段进行下垂控制的初始频率、初始下垂系数更新所述信息向量；将更新后的所述初始频率、所述初始下垂系数、所述信息向量，以及未更新的所述优化频率再次输入至下垂系数预测模型，输出第二调节时间段进行下垂控制后的预测频率和下一调节时间段进行下垂控制的预测下垂系数；以此类推，直至将第k次更新后的初始频率、初始下垂系数、信息向量以及所述优化频率输入至下垂系数预测模型后，输出第k+1调节时间段进行下垂控制后的预测频率满足第一预设条件为止，得到各个目标逆变器对应的预测下垂系数序列，所述预测下垂系数序列包括第二调节时间段至第k+1调节时间段分别进行下垂控制的预测下垂系数。3.根据权利要求2所述的多逆变器功率分配控制方法，其特征在于，所述第一预设条件包括：第k+1调节时间段进行下垂控制后的预测频率与所述优化频率相同，或者第k+1调节时间段进行下垂控制后的预测频率与所述优化频率之间的频率差在预设差值范围内。4.根据权利要求2所述的多逆变器功率分配控制方法，其特征在于，所述目标逆变器的数量与下垂系数预测模型的数量相同，各个目标逆变器对应的下垂系数预测模型的单独训练过程包括：获取各个样本逆变器的初始频率、预设的优化频率、初始下垂系数、预设的信息向量以及参数嵌入向量，并输入至预设的下垂系数预测模型，得到各个所述样本逆变器的待调节的预测下垂系数，以及进行下垂控制的预测频率；实时检测按照所述样本逆变器的预测下垂系数进行下垂控制过程中的实际频率，根据
所述实际频率和所述预测频率计算所述下垂系数预测模型的损失，当所述损失不满足第二预设条件时，调整下垂系数预测模型中的网络参数，再次输入所述各个样本逆变器的初始频率、预设的优化频率、初始下垂系数、预设的信息向量以及参数嵌入向量，直至计算的损失满足所述第二预设条件为止。5.根据权利要求4所述的多逆变器功率分配控制方法，其特征在于，根据所述实际频率和所述预测下垂系数计算所述下垂系数预测模型的损失包括：第一损失，所述第一损失为各个调节时间段对应的所述实际频率和所述预测频率之间的偏差值；第二损失，所...

【专利技术属性】
技术研发人员：赵转，王迪，张瀚文，张菁娴，王文武，许多，王忠康，杜刚，李星宇，
申请(专利权)人：郑州电力高等专科学校，
类型：发明
国别省市：