[发明专利]一种基于BP神经网络修正SVG控制策略的方法及系统

说明书

本发明涉及一种基于BP神经网络修正SVG控制策略的方法及系统。本发明首先采集新能源电站并网点的有功、无功值和新能源电站考核点有功值、无功值；以新能源电站并网点的有功值、无功值作为输入，以新能源电站考核点有功值、无功值作为输出，进行BP神经网络模型的训练；采集当前并网点有功实时值、无功实时值，通过最终的BP神经网络模型计算考核点有功值、无功值，将得到的考核点有功值、无功值作为SVG的控制参数，从而实现对无功控制和功率因数控制的优化。本发明不仅可以提高新能源电站对SVG的合理利用率，而且可以降低新能源电站下网无功的考核率，对新能源电站及电网的安全稳定、经济可靠运行具有重要意义。

技术领域

本发明属于新能源电站自动化控制技术领域，针对当前由于线损导致新能源电站并网点和考核点无功值不一致，静止无功发生器(Static Var Generator，SVG)以并网点无功作为控制对象容易出现欠调的问题，研究提出的一种基于BP神经网络修正SVG控制策略的方法。

背景技术

随着社会的快速发展，新能源电站被大规模建立起来。以云南为例，截止2019年底，光伏电站规模达到了351.15万千瓦，风电装机达到了862.04万千瓦，新能源电站大大小小达到了上百个之多。

新能源电站与电网之间通过联络线连接，通过它可以将电站发出的电能传送到电网当中，也可以将电网上的电能传回到电站。但联络线的存在会带来一定的线损，使得新能源电站并网点和考核点无功不一致。通常，新能源电站利用SVG进行无功调节时，往往在考核点的关口表上显示值会偏小，就是因为线损的存在导致了无功的损失。现在新能源电站均没有好的方法有效解决该问题，这样就会导致新能源电站面临调度考核和经济损失的风险。因此如何克服现有技术的不足是目前新能源电站自动化控制技术领域亟需解决的问题。

发明内容

云南省新能源电站众多，且均受到联络线线损带来的无功损失、并网点与考核点不同的困扰，得不到有效的解决。本发明的目的是为了解决现有技术的不足，通过建立新能源电站并网点有功值、无功值与考核点有功值、无功值之间的关系，以考核点有功值、无功值作为控制对象，对SVG控制策略进行优化，达到控制考核点无功值、功率因数的目的。

为实现上述目的，本发明采用的技术方案如下：

一种基于BP神经网络修正SVG控制策略的方法，包括如下步骤：

步骤(1)，采集新能源电站并网点的有功值、无功值，同时采集新能源电站考核点有功值、无功值；

步骤(2)，以新能源电站并网点的有功值、无功值作为输入，以新能源电站考核点有功值、无功值作为输出，进行BP神经网络模型的训练，直到BP神经网络模型的预测精度达到要求，得到辨识完成的BP神经网络模型；

步骤(3)，采集当前并网点有功实时值、无功实时值，通过辨识完成的BP神经网络模型，得到考核点有功值、无功值，将得到的考核点有功值、无功值作为SVG的控制参数，从而实现对无功控制和功率因数控制的优化。

进一步，优选的是，新能源电站并网点的有功、无功值由测控装置测得；新能源电站考核点有功值、无功值在变电站关口表上测得。

进一步，优选的是，采集间隔为1s。

进一步，优选的是，BP神经网络模型包括输入层、隐含层和输出层，输入层节点数为M，隐含层节点数为q，输出层节点数为L，[x,y]为样本p，x＝[x1,x2]为新能源电站并网点的有功值、无功值，y＝[y1,y2]为新能源电站考核点有功值、无功值；

BP神经网络模型的训练包括：读取样本p数据，进行前向传播；检验BP神经网络模型的预测精度是否达到预设精度要求；若未达到，则进行反向传播，然后返回上述进行前向传播的步骤；若达到，结束学习训练的过程。

进一步，优选的是，所述的前向传播包括：