一种利用控制器信息的神经网络阻抗建模方法技术

本发明专利技术公开了一种利用控制器信息的神经网络阻抗建模方法，所述方法如下：步骤

【技术实现步骤摘要】
一种利用控制器信息的神经网络阻抗建模方法


[0001]本专利技术涉及一种神经网络阻抗建模方法，具体涉及一种利用控制器信息的神经网络阻抗建模方法
。

技术介绍

[0002]基于阻抗的分析方法是研究电网
‑
变流器交互的宽频稳定性问题的重要工具，传统的阻抗建模需要获取全部控制结构
、
参数等信息，面对参数未知的黑
/
灰模型，实际阻抗获取只能通过扫频测量，神经网络可以通过训练模拟多工作点下的阻抗模型，阻抗建模的准确性是稳定性分析的重要前提，但现有基于神经网络的变流器阻抗拟合方法没有考虑控制器信息，采用黑
/
灰盒模型，精度低，需要的数据量大
。
[0003]实际产商生产设备时，控制器信号可以被测量，利用控制器信息，增加神经网络输入输出数据之间的关联性，可以提高神经网络阻抗建模方法的精度
。
目前，如何在神经网络阻抗建模中利用控制器信息尚未有技术方案
。

技术实现思路

[0004]针对现有基于神经网络的变流器阻抗拟合方法精度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种利用控制器信息的神经网络阻抗建模方法，其特征在于所述方法包括如下步骤：步骤
1、
控制信息建模步骤
11、
获取电压源变流器的序阻抗
Z
pn
序阻抗
Z
pn
的计算公式为：式中，
I
p1
、I
n1
为第一组扫频时获取的电流，
V
p1
、V
n1
为第一组扫频时获取的电压；
I
p2
、I
n2
为第二组扫频时获取的电流，
V
p2
、V
n2
为第二组扫频时获取的电压；
Z
pp
为正序电流对应的正序电压传递函数，
Z
pn
为负序电流对应的正序电压传递函数，
Z
np
为正序电流对应的负序电压传递函数，
Z
nn
为负序电流对应的负序电压传递函数；步骤
12、
获取控制器信息
CV
pn
和
CI
pn
控制信息
CV
pn
和
CI
pn
定义为：式中，
C
p1
、C
n1
为第一组扫频时获取的控制调制波，
V
p1
、V
n1
为第一组扫频时获取的电压；
C
p2
、C
n2
为第二组扫频时获取的控制调制波，
V
p2
、V
n2
为第二组扫频时获取的电压；
CV
pp
为正序电压对应的正序控制调制波传递函数，
CV
pn
为负序电压对应的正序控制调制波传递函数，
CV
np
为正序电压对应的负序控制调制波传递函数，
CV
nn
为负序电压对应的负序控制调制波传递函数；式中，
CI
pp
为正序电流对应的正序控制调制波传递函数，
CI
pn
为负序电流对应的正序控制调制波传递函数，
CI
np
为正序电流对应的负序控制调制波传递函数，
CI
nn
为负序电流对应的负序控制调制波传递函数；控制信息
CV
pn
提取出控制调制波
c
acabc
与三相电压
u
acabc
的传递函数，控制信息
CI
pn
提取出控制调制波
c
acabc
与三相电流
i
acabc
的传递函数；步骤
2、
控制器信息神经网络训练第一阶段训练：神经网络为5输入
16
输出系统，输入为频率
f、d
轴电压
V
d
、q
轴电压
V
q
、d
轴电流
I
d
、q
轴电流
I
q
，输出为控制信息
CV
pp
、CV
pn
、CV
np
...

【专利技术属性】
技术研发人员：教煐宗，郑旭辉，李彬彬，徐殿国，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：