一种基于径向神经网络的惯量阻尼控制方法及系统技术方案

本发明专利技术提供一种基于径向神经网络的惯量阻尼控制方法，本发明专利技术采用改进型自适应算法仿真，获得同步电机的初始化参数；所述初始化参数包括角速度、角速度偏移率、输出惯量以及输出阻尼；将所述初始化参数筛选，分类为训练集参数和测试集参数；对所述训练集参数和所述测试集参数进行人工径向神经网络训练，得到所述输出惯量以及输出阻尼的数值；对所述输出惯量以及所述输出阻尼的数值进行误差评估。本发明专利技术可以提高控制精度和响应速度，优化参数设计和调整，实现功率输出更加平滑、超调量更小、频率偏差更小、功率波动抑制更好等优异的动态性能。

【技术实现步骤摘要】

本专利技术涉及电网控制，尤其涉及一种基于径向神经网络的惯量阻尼控制方法。

技术介绍

1、随着可再生能源发电占比越来越大,惯性和阻尼将越来越少,严重威胁到电网运行的稳定和可靠性。可再生能源发电具有波动性和不确定性，使得电网中的惯量和阻尼减少，从而导致电网频率波动过大，甚至引发大规模断电。

2、电网频率是反映电网供需平衡的重要指标，其稳定性取决于电网中的惯量和阻尼。惯量可以缓冲电网中的功率波动，阻尼可以抑制电网中的振荡。

3、文献“self-adaptive virtual inertia control-based fuzzy logic toimprove frequency stability of microgrid with high renewable penetration [j].ieee access,2019,7:76071-83.（基于模糊逻辑的自适应虚拟惯量控制提高高可再生渗透率微电网频率稳定性[j]. ieee access杂志, 2019, 7:76071-83.）”公开了一种使用模糊逻辑的自适应虚拟惯性控制本文档来自技高网...

【技术保护点】

1.一种基于径向神经网络的惯量阻尼控制方法，其特征在于，包括：

2.如权利要求1所述的基于径向神经网络的惯量阻尼控制方法，其特征在于，对所述训练集参数和所述测试集参数进行人工径向神经网络训练的步骤包括：

3.如权利要求2所述的基于径向神经网络的惯量阻尼控制方法，其特征在于，所述的计算公式为：；

4.如权利要求3所述的基于径向神经网络的惯量阻尼控制方法，其特征在于，对所述训练集参数和所述测试集参数进行人工径向神经网络训练的步骤还包括：

5.如权利要求3所述的基于径向神经网络的惯量阻尼控制方法，其特征在于，对所述训练集参数和所述测试集参数进行人...

【技术特征摘要】

1.一种基于径向神经网络的惯量阻尼控制方法，其特征在于，包括：

2.如权利要求1所述的基于径向神经网络的惯量阻尼控制方法，其特征在于，对所述训练集参数和所述测试集参数进行人工径向神经网络训练的步骤包括：

3.如权利要求2所述的基于径向神经网络的惯量阻尼控制方法，其特征在于，所述的计算公式为：；

4.如权利要求3所述的基于径向神经网络的惯量阻尼控制方法，其特征在于，对所述训练集参数和所述测试集参数进行人工径向神经网络训练的步骤还包括：

5.如权利要求3所述的基于径向神经网络的惯量阻尼控制方法，其特征在于，对所述训练集参数和所述测试集参数进行...

【专利技术属性】
技术研发人员：刘艺涛，陈弘乐，凌智涛，尹健，
申请(专利权)人：深圳大学，
类型：发明
国别省市：