[发明专利]基于自适应神经网络的微网系统VSG双下垂控制方法

说明书

本发明公开了基于自适应神经网络的微网系统VSG双下垂控制方法，所述的微网系统架构主要由光伏发电单元、蓄电池储能单元、逆变器模块、LC滤波模块、VSG控制模块组成，其中，光伏发电单元前级采用DC‑DC升压变换器实现最大功率点追踪，后级为DC‑AC并网逆变器，与储能单元并联于直流侧，引入VSG为系统提供惯量和阻尼，建立自适应神经网络控制器，通过神经网络控制器实时获取角频率偏移量和角频率的变化斜率，结合设定的虚拟参量选取规则得到虚拟参数J和D，通过自适应神经网络控制器输出的虚拟参量调节微网系统的频率和电压，完成双下垂控制。通过本发明，可以实现双下垂控制策略，提高了微网并网时的稳定性。

技术领域

本发明涉及清洁能源领域，具体是基于自适应神经网络的微网系统VSG双下垂控制方法。

背景技术

近年来，光伏以及风电等新能源发电凭借着清洁、高渗透率、可持续利用等特点被广泛应用于大电网中。与此同时也带来了一些严峻的挑战，由于新能源发电具有随机性和波动性，对系统的稳定性造成极大的影响，微电网的提出旨在解决这些弊端，成为当今的研究热点，但微电网在并网时由于系统缺少阻尼和惯量，在受到扰动时容易造成频率和电压崩溃，因此为了使频率和电压能够适应系统的变化，保证系统安全运行，在微电网中引入虚拟同步发电机控制技术(Virtual Synchronous Generator，VSG)，它具有同步发电机的惯性和阻尼特性，应用于微电网中为其提供了惯性和阻尼，进而保证了系统输出频率和电压的稳定。VSG的惯量和阻尼参数灵活可变，因此为了提高虚拟同步机的稳定控制，可以利用自适应的方法来对VSG进行改进。现有技术提出了一种基于模糊控制的自适应参数控制策略，根据频率偏差和变化率来自适应惯量和阻尼参数，但未考虑下垂控制特性的影响。现有技术充分考虑了功角与有功功率之间的关系和角频率振荡过程，给出转动惯量和阻尼系数的选取原则，有效的提高了光伏并网的稳定性。但是并未考虑电压的影响。现有技术针对不同工况下电网对频率和转动惯量的需求，提出了一种频率以及虚拟惯量等多参数的自适应控制策略，实现了电网调频以及并/离网切换，但并未考虑阻尼变化对其的影响。现有技术为了解决并网时产生的电压电流冲击问题，采用一种模型预测控制的方法，利用频率的变化来制定模型预测控制的加权系数自适应规则，极大的改善了在预同步和运行模式之间切换时的动态响应，但是文中没有提到对频率的调节。现有技术采用输出速度反馈调节阻尼，利用功角特性提出参数自适应的控制策略，降低了频率偏差，同时抑制了功率超调，但未考虑虚拟惯量对系统的影响。现有技术[9]提出一种基于自适应前馈控制的双机并联VSG控制策略。通过角频率的变化自适应增加前馈量补偿系统的功率缺额，提高了系统的响应速度和功率分配精度，抑制系统频率波动和有功功率振荡，保证了系统的快速稳定和安全性，但是Q-U下垂控制未考虑。现有技术基于利用模糊算法来实现VSG虚拟惯量和阻尼系数自适应调节，该策略能够合理地抑制瞬态过程中VSG频率和功率的波动,维持电网的稳定运行，但采用模糊控制方法导致参数调节并不准确。

发明内容

本发明的目的在于克服现有技术的不足，提供基于自适应神经网络的微网系统VSG双下垂控制方法，所述的微网系统架构主要由光伏发电单元、蓄电池储能单元、逆变器模块、LC滤波模块、VSG控制模块组成，其中，光伏发电单元前级采用DC-DC升压变换器实现最大功率点追踪，后级为DC-AC并网逆变器，与储能单元并联于直流侧，引入VSG为系统提供惯量和阻尼，建立自适应神经网络控制器，通过神经网络控制器实时获取角频率偏移量和角频率的变化斜率，结合设定的虚拟参量选取规则得到虚拟参数J和D，通过自适应神经网络控制器输出的虚拟参量调节微网系统的频率和电压，完成双下垂控制。

进一步的，所述的建立自适应神经网络控制器，通过神经网络控制器实时获取角频率偏移量和角频率的变化斜率，结合设定的虚拟参量选取规则得到虚拟参数J和D，包括：

首先通过神经网络控制器实时获取角频率偏移量和角频率的变化斜率，即：

其次神经网络控制器根据给定的虚拟参量选取规则得到虚拟参数J和D即：