CN104184166A - 一种运行、控制和保护性能提高的微电网系统 - Google Patents

Abstract

本发明公开了一种运行、控制和保护性能提高的微电网系统，主要包括多逆变器并联运行控制策略、微电网继电保护方案、微电网负荷预测；其中多逆变器并联运行控制策略采用了改进型下垂控制算法；微电网继电保护方案采用了区域差动主保护、过流后备保护以及归一化制动系数的故障分量综合阻抗母线保护；微电网负荷预测采用了神经网络模型。本发明将多逆变器并联运行控制的改进型下垂控制算法、微电网继电保护的控制策略的区域差动主保护、过流后备保护以及归一化制动系数的故障分量综合阻抗母线保护、微电网负荷预测的神经网络模型结合在一起，提高了微电网的不同模式切换的运行性能、控制性能、保护性能和智能化水平。

Description

一种运行、控制和保护性能提高的微电网系统

技术领域

本发明涉及一种运行、控制和保护性能提高的微电网系统，属于电工技术。

背景技术

微电网从系统观点看问题，将发电机、负荷、储能装置及控制装置等结合，形成一个单一可控的单元，同时向用户供给电能和热能。微电网中的电源多为微电源具有低成本、低电压、低污染等特点。微电网既可与大电网联网运行，也可在电网故障或需要时与主网断开单独运行，是能够实现自我控制、保护和管理的自治系统。微电网不仅解决了分布式电源的大规模接入问题，充分发挥了分布式电源的各项优势，还为用户带来了其他多方面的效益。

在多逆变器并联运行中，作为并联控制关键技术的下垂控制法，在低电压微电网中，连接线路相对其他电压等级线路的阻抗比高得多，线路较长时，电阻值较高；由于分布式电源与公共连接点远近不同，因而连接阻抗存在差异，导致逆变器环流增大及功率分配不均衡；微电网接入给电力系统保护带来新的问题，微电网随着分布式发电数量和渗透率的逐渐增加可能改变其内部潮流的方向，从而给整个电网带来影响；现在的微电网缺乏有效的负荷预测模型，因而对微电网中的接入负荷所存在的随机性和不确定性的电能流动没有很好的预判能力，从而也就不能有效地根据微电网中各种接入负荷的情况决定微电源接入量的多少，引起微电网甚至大电网的不稳定。

现在工程上采用的传统控制和保护策略的微电网在要求不高的场合下可以正常地运行和工作，但对于运行性能、控制性能、保护性能和智能化水平要求比较高的场合传统的微电网就不能够满足要求了。

因此，发明一种更为有效地提高运行、控制和保护性能新型微电网成为亟需解决的课题。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种运行、控制和保护性能提高的微电网系统，综合多逆变器并联运行控制策略的改进型下垂控制算法、微电网继电保护方案和负荷功率预测神经网络模型对微电网系统进行监控和保护；以有效地提高微电网的运行性能、控制性能、保护性能和智能化水平。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种运行、控制和保护性能提高的微电网系统，综合多逆变器并联运行控制策略的改进型下垂控制算法、微电网继电保护方案和负荷功率预测神经网络模型对微电网系统进行监控和保护，具体为：

(1)多逆变器并联运行控制策略的改进型下垂控制算法：首先在分析微电网多逆变器并联系统中的传统下垂控制法及逆变器输出阻抗对系统性能的影响基础上，通过引入感性虚拟阻抗，提出一种适合微网多逆变器并联的电压电流双环下垂控制策略；感性虚拟阻抗的引入使输出阻抗仅由滤波电感值决定，减少了逆变器输出电阻的影响；考虑线路阻抗的影响，提出一种改进下垂控制算法，通过对下垂系数进行修正，以减弱线路阻抗差异对并联均流的影响，提高多逆变器并联性能；

(2)微电网继电保护方案，采用区域差动主保护、过流后备保护以及归一化制动系数的故障分量综合阻抗母线保护相结合的策略：为解决微电网接入带来的问题，采用成熟差动保护的方案，配置全线速动差动保护做主保护，配置简单过流作后备保护；母线保护采用归一化制动系数的故障分量综合阻抗母线保护新判据：首先计算故障分量综合阻抗辐角arg Z_cd的偏移误差，再将其进行归一化处理，并根据归一化后的偏移误差计算制动系数K_res，将K_res引入原动作判据中，从而得到母线保护新判据，以进行故障的判定；

(3)负荷功率预测神经网络模型：通过神经网络进行微电网系统的负荷功率预测。

所述步骤(1)中，多逆变器并联运行控制策略的改进型下垂控制算法，逆变器并联控制用电压电流双环控制：外环采用电压控制环，用以改善系统输出电压的波形，采用PI控制；内环采用电感电流调节环，用以提高系统的动态性能，采用比例P控制；

设k_p,k_i分别为电压外环PI控制器的比例和积分系数；k_e为电流内环P控制器比例系数；k_PWM为逆变器增益；k_U,k_I分别为电容电压反馈系数和电感电流反馈系数；Z_load为连接线路阻抗和负载阻抗的等效阻抗；Z_V(s)为虚拟阻抗；u_ref为电压环参考电压；为引入感性虚拟阻抗后的电压参考值；u为逆变器输出电压；i₀为连接线路电流，L为滤波电感值，s为拉普拉斯算子；有公式：

$u\≈\frac{(k_{p}s+k_i)k_e{k}_{\mathrm{PWM}}}{(1+k_U{k}_e{k}_{\mathrm{PWM}}{k}_p)s+k_U{k}_i{k}_e{k}_{\mathrm{PWM}}}{u}_{\mathrm{ref}}-\frac{L{s}^2}{(1+k_U{k}_e{k}_{\mathrm{PWM}}{k}_p)s+k_U{k}_i{k}_e{k}_{\mathrm{PWM}}}{i}_0---\left(1\right)$

由上式可得逆变器输出阻抗Z_out的近似表达式：

$Z_{\mathrm{out}}\left(s\right)\≈\frac{{\mathrm{Ls}}^2}{(1+k_U{k}_e{k}_{\mathrm{PWM}}{k}_p)s+k_U{k}_i{k}_e{k}_{\mathrm{PWM}}}=\frac{{\mathrm{Ls}}^2}{s+k_U{k}_e{k}_{\mathrm{PWM}}(k_{p}s+k_i)}---\left(2\right)$

引入虚拟阻抗Z_V(s)，有：

$u_{\mathrm{ref}}=u_{\mathrm{ref}}^{*}-Z_V\left(s\right)i_0$

则加入Z_V(s)后逆变器的等效输出阻抗为：

$Z_{\mathrm{out}}^{*}\left(s\right)=\frac{(k_{p}s+k_i)k_e{k}_{\mathrm{PWM}}}{\mathrm{\Δ}}{Z}_V\left(s\right)+Z_{\mathrm{out}}\left(s\right)---\left(3\right)$

其中Δ＝(1+k_Uk_ek_PWMk_p)s+k_Uk_ik_ek_PWM；

使Z_V(s)＝k_ULs，将式(2)代入式(3)，则可以得到引入感性虚拟阻抗Z_V(s)＝k_ULs，通过滤波电感值L确定各逆变器输出阻抗的值，即

多逆变器并行运行控制策略应用于微电网中时，逆变器i对应的阻抗幅值|Z_i|表示为其中r_i为逆变器i输出电阻与线路电阻之和，X_i为逆变器i输出的感抗与线路感抗之和；改进下垂控制算法不考虑各逆变器输出电阻的影响，输出阻抗值仅由滤波电感值决定，为了降低r_i对系统并联均流的不利影响，首先将传统下垂控制算法改进为：

${\mathrm{\ω}}_i={\mathrm{\ω}}_i^{*}-k_{\mathrm{p\ω}}{P}_i-k_{\mathrm{q\ω}}{Q}_i$

$U_i=U_i^{*}-k_{\mathrm{pU}}{P}_i-k_{\mathrm{qU}}{Q}_i$

式中分别为空载输出电压角频率和幅值；ω_i,U_i分别为正常运行时输出电压角频率和幅值；P_i,Q_i分别为第i个逆变器输出的有功功率和无功功率；系数k_pω,k_qU为下垂系数，在X_i＞＞r_i条件下，即逆变器i输出感抗与线路感抗之和X_i的值远大于逆变器i输出电阻与线路电阻之和r_i的条件下，这两者对于系统能否并联成功，起决定性作用；k_qω,k_pU可以减小系统环流、提高功率均分精度；首先确定k_pω,k_qU，然后确定k_qω,k_pU；

考虑到k_pω,k_qU对功率分配精度和频率幅值差的双重影响，取值为：

$k_{\mathrm{p\ω}}=\frac{\mathrm{\Δ\ω}}{P_{\max }},k_{\mathrm{qU}}=\frac{\mathrm{\ΔU}}{Q_{\max }}$

式中，P_max,Q_max分别为逆变器输出的最大有功功率和无功功率值；Δω,ΔU分别为输出电压的最大角频率和幅值偏差；由k_pω,k_qU计算k_qω,k_pU的公式为：

$k_{\mathrm{pU}}=k_{\mathrm{p\ω}}{U}_i\frac{r_i}{\left|Z_i\right|},k_{\mathrm{q\ω}}=-\frac{k_{\mathrm{qU}}}{U_i}\frac{r_i}{\left|Z_i\right|}$

适用于微电网多逆变器并联的改进型下垂控制算法表示为：

$\left\{\begin{array}{c}{\mathrm{\ω}}_i={\mathrm{\ω}}_i^{*}-k_{\mathrm{p\ω}}{P}_i+\frac{k_{\mathrm{qU}}}{U_i}\frac{r_i}{\left|Z_I\right|}{Q}_i\\ U_i=U_i^{*}-k_{\mathrm{p\ω}}{U}_i\frac{r_i}{\left|Z_i\right|}{P}_i-k_{\mathrm{qU}}{Q}_i\end{array}\right.$

当采用上述带有感性虚拟阻抗的电压电流双环控制策略时，因为在采用上述策略的情况下逆变器i输出电阻为0，所以上式的r_i仅指线路电阻值；根据上式，引入感性虚拟阻抗后的电压参考值为：

$u_{\mathrm{ref}}^{*}=\sqrt{2}{U}_i\sin ({\mathrm{\ω}}_{i}t+{\mathrm{\φ}}_i)$

式中，U_i为逆变器i空载输出电压幅值；φ_i为逆变器i空载输出电压与母线电压的相角差。

所述步骤(2)中，微电网继电保护方案，采用区域差动主保护、过流后备保护以及归一化制动系数的故障分量综合阻抗母线保护相结合的策略；

与微电网相连的外部配电网电压等级为10kV，微电网内部的低压配电网电压等级为0.4kV；10kV电压等级配电网按照差动保护对象划分为多个保护区域，包括线路差动保护区域、配电变压器保护区域，对于配电变压器保护区域的差流计算需考虑变压器的三角形和星形联接Δ/Y转角的影响；对于其他保护区域在假设电流的正方向为母线流向线路的前提下，差流为各侧电流的矢量和；区域差动保护采用启动判据与比率制动判据组成与门出口；各个区域的启动判据和比率制动判据为：

启动判据  I_d≥I_op0

比率制动判据  I_d≥kI_r

式中，I_d为差动电流，I_op0为启动判据的整定值； k为比率制动系数；i＝1,2,…，k为被保护对象各侧电流；区域差动保护基于的微电网三层体系结构，分别是就地控制层的智能采集单元、集中控制层的区域差动保护和配网调度层的配网调度系统，与微电网的三层网络架构保持一致；为了保证可靠性，集中控制层的区域差动保护采取双重化冗余配置；区域差动保护通过采集配电网系统各个节点的电流和状态信息，其本质是网络化的差动保护，以快速实现故障自动定位和隔离；

在区域差动保护中，配置失灵后备保护在断路器失灵拒动时由相邻断路器动作，隔离故障；10kV及以上配电网系统配置双套区域差动保护，其可靠性、速动性、灵敏性和选择性是有保证的；配电网系统可配置简单的带时限过流或方向过流保护作为后备保护，由智能采集单元实现，防止因整个主网的网络通讯中断，集中式区域差动保护退出运行而导致的主配电网失去全部保护的情形发生；

就地智能采集单元配置后备保护功能，线路就地采集单元配置距离保护作为线路及母线的后备保护，变压器就地采集单元配置过流保护作为变压器的后备保护；配电升压变压器的高压侧配置定时限方向过流保护，作为变压器内部故障的后备保护，并对低压母线故障保证一定的灵敏性，方向指向电源点，电流值可整定得灵敏一些，从而作为子微网内部故障的后备保护；配电降压变压器配置定时限过流保护按躲过最大负荷电流整定；

在故障分量综合阻抗母线保护新判据中，具体包括如下步骤：

(21)计算故障分量综合阻抗辐角arg Z_cd的偏移误差E_θ：

其中，为一相母线上电压的变化量，母线的差电流Z_cd为故障分量综合阻抗；

由于TA(电流互感器)饱和，会对母线的差电流的相位造成一定的影响：母线区外故障TA饱和时，差电流的相位减小，母线区内故障TA饱和时，差电流的相位增大，且差电流相位误差的大小与TA的饱和程度有关；由可知，母线的差电流相位变化会造成arg Z_cd也随之发生偏移，且二者呈反比变化；因此定义arg Z_cd的偏移误差E_θ来衡量其偏移程度的大小：

对于不同的故障，分成3种情况：

1)当母线内部故障TA未饱和时，由于超高压系统中系统阻抗角均接近90°，因此，arg Z_cd≤-90°，此时，E_θ≥1；

2)当母线内部故障伴有TA饱和发生时，此时的相位是增大的，从而导致arg Z_cd减小，因此，arg Z_cd<-90°，此时E_θ>1。

3)当母线外部故障伴有TA饱和发生时，此时的相位是减小的，从而导致arg Z_cd增大，因此，arg Z_cd≥-90°，且相角误差随饱和程度而变化；由于区外故障TA饱和时的相位误差不小于10°，因此，E_θ≤8/9，若考虑一定的裕度，E_θ<1；

(22)将E_θ进行归一化处理，并根据归一化后的E_θ计算制动系数K_res：

$K_{\mathrm{res}}=\left\{\begin{array}{cc}{E}_{\mathrm{\&theta;}}& E_{\mathrm{\&theta;}}\&GreaterEqual;1\\ 0& E_{\mathrm{\&theta;}}<1\end{array}\right.$

(23)将K_res引入原动作判据中，得到母线保护新判据，以进行故障的判定，新判据为：

|ΔI_cd|>1.25ΔI_T+ΔI_dz  母线继电保护器启动判据

|Z_cd|<K_resZ_set母线继电保护器动作判据

其中：当启动判据满足时，继电保护器进入等待动作的状态；当动作判据满足时，继电保护器动作；ΔI_cd为电流突变量启动定值，I_n为母线额定电流，一般取大于0.21I_n时已能够保证足够的可靠性；ΔI_T为浮动门槛，随着变化量输出增大而逐步自动提高，取1.25倍可保证门槛电流始终略高于不平衡输出，提高安全性，减少不必要的频繁启动，且具有较高的灵敏度；ΔI_dz为电流突变量启动定值；Z_set为阻抗定值，由于母线对地的等效电容通常在2000pF～0.1μF之间，当母线电容为0.1μF时所对应的容抗值大约为30kΩ，而母线内部故障时的等效阻抗值通常只有几十欧，可见，区内外故障时判据的反差特性很大，因此取Z_set为500Ω时已足以保证判据具有很高的灵敏度。

所述步骤(3)中，负荷功率预测神经网络模型具体设计如下：

(31)每一天采集12组有功功率和无功功率，共连续采集8天，这样共有96组数据P(k)和Q(k)，k＝1,2,…，96；

(32)将96组数据P(k)和Q(k)进行归一化处理，使得 n＝1,2,…,96；首先将每一天的12个有功功率P(k)作为一组输入矢量R(m)，12个无功功率Q(k)作为一组输入矢量S(m)，m＝1,2,…,8，m表示神经网络的训练次数；同时预先假设第9天的12个有功功率P′(k)作为预测功率的输出矢量R′，第9天的12个无功功率Q′(k)作为预测功率的输出矢量S′；

(33)将8组输入矢量R(m)和S(m)作为神经网络的输入层，隐含层神经元的传递函数采用S型正切函数tan sig，输出层神经元的传递函数采用S型对数函数log sig，这样经过8次神经网络训练后，就确定了神经网络中各连接权的权值；

(34)将第8天的输入矢量R(8)和S(8)再次作为神经网络的输入层，此时神经网络中输出的预测功率的输出矢量R′和S′即为第九天的功率预测归一化值，再用反归一化算法，即 $\stackrel{\&OverBar;}{R}=R^{\&prime;}\&times;\max \left(P\left(k\right)\right),\stackrel{\&OverBar;}{S}=S^{\&prime;}\&times;\max \left(Q\left(k\right)\right),$ k＝1,2,…,96，输出的矢量值和就是第九天预测功率的12个有功功率P′(k)和12个无功功率Q′(k)。

有益效果：本发明提供的运行、控制和保护性能提高的微电网系统，具有如下特点：1、多逆变器并联运行控制策略改善了多逆变器并联性能，提高了微电网中并联运行各逆变器在线路参数不同、线路电阻相对线路感抗较大条件下的可靠性，可实现高精度的微电网多逆变器并联均流控制；2、区域差动保护很好地解决了微电网接入对常规配电网保护的影响，母线保护的归一化制动系数的故障分量综合阻抗母线保护新判据，不仅具有故障分量综合阻抗母线保护的所有特点，而且大大提高了保护抗TA饱和的能力；3、微电网负荷预测神经网络模型，可以根据以往的信息来智能、准确地预测未来负荷需要的有功功率和无功功率，可以通过预测的结果来智能地决定微电源接入量的大小，保证了微电网和大电网的稳定。

附图说明

图1为本发明方法应用系统框图；

图2为并联逆变器的控制框图；

图3为负荷预测神经网络结构图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

如图1所示为一种运行、控制和保护性能提高的微电网系统，综合多逆变器并联运行控制策略的改进型下垂控制算法、微电网继电保护方案和负荷功率预测神经网络模型对微电网系统进行监控和保护，具体为：

(1)多逆变器并联运行控制策略的改进型下垂控制算法：首先在分析微电网多逆变器并联系统中的传统下垂控制法及逆变器输出阻抗对系统性能的影响基础上，通过引入感性虚拟阻抗，提出一种适合微网多逆变器并联的电压电流双环下垂控制策略；感性虚拟阻抗的引入使输出阻抗仅由滤波电感值决定，减少了逆变器输出电阻的影响；考虑线路阻抗的影响，提出一种改进下垂控制算法，通过对下垂系数进行修正，以减弱线路阻抗差异对并联均流的影响，提高多逆变器并联性能；

(2)微电网继电保护方案，采用区域差动主保护、过流后备保护以及归一化制动系数的故障分量综合阻抗母线保护相结合的策略：为解决微电网接入带来的问题，采用成熟差动保护的方案，配置全线速动差动保护做主保护，配置简单过流作后备保护；母线保护采用归一化制动系数的故障分量综合阻抗母线保护新判据：首先计算故障分量综合阻抗辐角arg Z_cd的偏移误差，再将其进行归一化处理，并根据归一化后的偏移误差计算制动系数K_res，将K_res引入原动作判据中，从而得到母线保护新判据，以进行故障的判定；

(3)负荷功率预测神经网络模型：通过神经网络进行微电网系统的负荷功率预测。

下面就各个部分给出具体说明。

多逆变器并联运行控制策略的改进型下垂控制算法

逆变器并联控制如附图2所示，采用电压电流双环控制，外环是电压控制环，用以改善系统输出电压的波形，使其具有较高的输出精度，采用PI控制；内环是电感电流调节环，用以提高系统的动态性能，采用比例P控制。

k_p,k_i分别为电压外环PI控制器的比例和积分系数；k_e为电流内环P控制器比例系数；k_PWM为逆变器增益；k_U,k_I分别为电容电压反馈系数和电感电流反馈系数；Z_load为连接线路阻抗和负载阻抗的等效阻抗；Z_V(s)为虚拟阻抗。u_ref为电压环参考电压；为引入感性虚拟阻抗后的电压参考值；u为逆变器输出电压；i₀为连接线路电流；L为滤波电感值，s为拉普拉斯算子。

当未加入虚拟阻抗Z_V(s)时，由附图2可以得出：

$u=\frac{(k_{p}s+k_i)k_e{k}_{\mathrm{PWM}}}{\mathrm{\&Delta;}}{u}_{\mathrm{ref}}-\frac{{\mathrm{Ls}}^2}{\mathrm{\&Delta;}}{i}_0$

式中：

$u_{\mathrm{ref}}=u_{\mathrm{ref}}^{*}$

Δ＝LCs³+k_Ik_ek_PWMCs²+(1+k_Uk_ek_PWMk_p)s+k_Uk_ik_ek_PWM

通常滤波电容C的值相对较小，其对上式计算结果影响很小，近似有：

Δ≈(1+k_Uk_ek_PWMk_p)s+k_Uk_ik_ek_PWM

重新代入可以得到：

$u\&ap;\frac{(k_{p}s+k_i)k_e{k}_{\mathrm{PWM}}}{(1+k_U{k}_e{k}_{\mathrm{PWM}}{k}_p)s+k_U{k}_i{k}_e{k}_{\mathrm{PWM}}}{u}_{\mathrm{ref}}-\frac{L{s}^2}{(1+k_U{k}_e{k}_{\mathrm{PWM}}{k}_p)s+k_U{k}_i{k}_e{k}_{\mathrm{PWM}}}{i}_0---\left(1\right)$

由上式可得逆变器输出阻抗Z_out的近似表达式：

$Z_{\mathrm{out}}\left(s\right)\&ap;\frac{{\mathrm{Ls}}^2}{(1+k_U{k}_e{k}_{\mathrm{PWM}}{k}_p)s+k_U{k}_i{k}_e{k}_{\mathrm{PWM}}}=\frac{{\mathrm{Ls}}^2}{s+k_U{k}_e{k}_{\mathrm{PWM}}(k_{p}s+k_i)}---\left(2\right)$

引入虚拟阻抗Z_V(s)，有：

$u_{\mathrm{ref}}=u_{\mathrm{ref}}^{*}-Z_V\left(s\right)i_0$

则加入Z_V(s)后逆变器的等效输出阻抗为：

$Z_{\mathrm{out}}^{*}\left(s\right)=\frac{(k_{p}s+k_i)k_e{k}_{\mathrm{PWM}}}{\mathrm{\&Delta;}}{Z}_V\left(s\right)+Z_{\mathrm{out}}\left(s\right)---\left(3\right)$

其中Δ＝(1+k_Uk_ek_PWMk_p)s+k_Uk_ik_ek_PWM。

若使Z_V(s)＝k_ULs，将式(2)代入式(3)，则可以得到引入感性虚拟阻抗Z_V(s)＝k_ULs，工频条件下逆变器的输出阻抗值近似为Ls，输出电阻可以忽略不计，逆变器输出阻抗可看作为纯感性，通过滤波电感值L即可确定各逆变器输出阻抗的值，即当多逆变器控制策略于微电网中多逆变器并联运行时，式(|Z_i|为逆变器i对应的阻抗幅值)中r_i的值仅指线路电阻值。在对传统下垂控制方程改进时，可以不考虑各逆变器输出电阻的影响，输出阻抗值仅由滤波电感值决定。

为了降低r_i对系统并联均流的不利影响，首先将传统下垂控制算法改写如下：

${\mathrm{\&omega;}}_i={\mathrm{\&omega;}}_i^{*}-k_{\mathrm{p\&omega;}}{P}_i-k_{\mathrm{q\&omega;}}{Q}_i$

$U_i=U_i^{*}-k_{\mathrm{pU}}{P}_i-k_{\mathrm{qU}}{Q}_i$

式中分别为空载输出电压角频率和幅值；ω_i,U_i分别为正常运行时输出电压角频率和幅值；P_i,Q_i分别为第i个逆变器输出的有功功率和无功功率；系数k_pω,k_qU为下垂系数，在逆变器i输出感抗与线路感抗之和X_i的值远大于逆变器i输出电阻与线路电阻之和r_i的条件下，这两者对于系统能否并联成功，起决定性作用；k_qω,k_pU可以减小系统环流、提高功率均分精度。首先确定k_pω,k_qU，然后确定k_qω,k_pU，从而得出一种新的改进型下垂控制方法。

考虑到k_pω,k_qU对功率分配精度和频率幅值差的双重影响，取值为：

$k_{\mathrm{p\&omega;}}=\frac{\mathrm{\&Delta;\&omega;}}{P_{\max }},k_{\mathrm{qU}}=\frac{\mathrm{\&Delta;U}}{Q_{\max }}$

式中，P_max,Q_max分别为逆变器输出的最大有功功率和无功功率值；Δω,ΔU分别为输出电压的最大角频率和幅值偏差。由k_pω,k_qU计算k_qω,k_pU的公式为：

$k_{\mathrm{pU}}=k_{\mathrm{p\&omega;}}{U}_i\frac{r_i}{\left|Z_i\right|},k_{\mathrm{q\&omega;}}=-\frac{k_{\mathrm{qU}}}{U_i}\frac{r_i}{\left|Z_i\right|}$

因此，一种适用于微电网多逆变器并联的改进型下垂控制算法可以写为：

$\left\{\begin{array}{c}{\mathrm{\&omega;}}_i={\mathrm{\&omega;}}_i^{*}-k_{\mathrm{p\&omega;}}{P}_i+\frac{k_{\mathrm{qU}}}{U_i}\frac{r_i}{\left|Z_I\right|}{Q}_i\\ U_i=U_i^{*}-k_{\mathrm{p\&omega;}}{U}_i\frac{r_i}{\left|Z_i\right|}{P}_i-k_{\mathrm{qU}}{Q}_i\end{array}\right.$

当采用上述带有感性虚拟阻抗的电压电流双环控制策略时，上式的r_i仅指线路电阻值。根据上式，引入感性虚拟阻抗后的电压参考值为：

$u_{\mathrm{ref}}^{*}=\sqrt{2}{U}_i\sin ({\mathrm{\&omega;}}_{i}t+{\mathrm{\&phi;}}_i)$

式中，U_i为逆变器i空载输出电压幅值；φ_i为逆变器i空载输出电压与母线电压的相角差。

微电网继电保护方案

微电网继电保护方案包括区域差动主保护、过流后备保护以及归一化制动系数的故障分量综合阻抗母线保护。

与微电网相连的外部配电网电压等级为10kV，微电网内部的低压配电网电压等级为0.4kV；10kV电压等级配电网按照差动保护对象划分为多个保护区域，包括线路差动保护区域、配电变压器保护区域，对于配电变压器保护区域的差流计算需考虑变压器的三角形和星形联接Δ/Y转角的影响；对于其他保护区域在假设电流的正方向为母线流向线路的前提下，差流为各侧电流的矢量和；区域差动保护采用启动判据与比率制动判据组成与门出口；各个区域的启动判据和比率制动判据为：

启动判据  I_d≥I_op0

比率制动判据  I_d≥kI_r

式中，I_d为差动电流，I_op0为启动判据的整定值； k为比率制动系数；i＝1,2,…,k为被保护对象各侧电流。断路器配置智能采集单元，通过PTN(Packet Transport Network)光纤通讯网，采用IEC61850标准中采样值(Sampled Value，SV)及面向通用对象的变电站事件(Generic ObjectOriented Substation Event，GOOSE)报文机制完成信息交互。

区域差动保护与智能采集单元通过光纤环网利用PTN技术传输数据，采用基于IEEE 1588对时的同步机制，实现100ns级同步精度。目前，基于IEEE1588V2的协议实现时间同步。

区域差动保护基于的微电网三层体系结构，分别是就地控制层的智能采集单元、集中控制层的区域差动保护和配网调度层的配网调度系统，与微电网的三层网络架构保持一致；为了保证可靠性，集中控制层的区域差动保护采取双重化冗余配置；区域差动保护通过采集配电网系统各个节点的电流和状态信息，其本质是网络化的差动保护，以快速实现故障自动定位和隔离。

在区域差动保护中，配置失灵后备保护在断路器失灵拒动时由相邻断路器动作，隔离故障；10kV及以上配电网系统配置双套区域差动保护，其可靠性、速动性、灵敏性和选择性是有保证的；配电网系统可配置简单的带时限过流或方向过流保护作为后备保护，由智能采集单元实现，防止因整个主网的网络通讯中断，集中式区域差动保护退出运行而导致的主配电网失去全部保护的情形发生。

就地智能采集单元配置后备保护功能，线路就地采集单元配置距离保护作为线路及母线的后备保护，变压器就地采集单元配置过流保护作为变压器的后备保护；配电升压变压器的高压侧配置定时限方向过流保护，作为变压器内部故障的后备保护，并对低压母线故障保证一定的灵敏性，方向指向电源点，电流值可整定得灵敏一些，从而作为子微网内部故障的后备保护；配电降压变压器配置定时限过流保护按躲过最大负荷电流整定。在故障分量综合阻抗母线保护新判据中，具体包括如下步骤：

(21)计算故障分量综合阻抗辐角arg Z_cd的偏移误差E_θ：

其中，为一相母线上电压的变化量，母线的差电流Z_cd为故障分量综合阻抗。

由于TA(电流互感器)饱和，会对母线的差电流的相位造成一定的影响：母线区外故障TA饱和时，差电流的相位减小，母线区内故障TA饱和时，差电流的相位增大，且差电流相位误差的大小与TA的饱和程度有关；由可知，母线的差电流相位变化会造成arg Z_cd也随之发生偏移，且二者呈反比变化；因此定义arg Z_cd的偏移误差E_θ来衡量其偏移程度的大小：

对于不同的故障，分成3种情况：

1)当母线内部故障TA未饱和时，由于超高压系统中系统阻抗角均接近90°，因此，arg Z_cd≤-90°，此时，E_θ≥1；

2)当母线内部故障伴有TA饱和发生时，此时的相位是增大的，从而导致arg Z_cd减小，因此，arg Z_cd<-90°，此时E_θ>1。

3)当母线外部故障伴有TA饱和发生时，此时的相位是减小的，从而导致arg Z_cd增大，因此，arg Z_cd≥-90°，且相角误差随饱和程度而变化；由于区外故障TA饱和时的相位误差不小于10°，因此，E_θ≤8/9，若考虑一定的裕度，E_θ<1；

(22)将E_θ进行归一化处理，并根据归一化后的E_θ计算制动系数K_res：

$K_{\mathrm{res}}=\left\{\begin{array}{cc}{E}_{\mathrm{\&theta;}}& E_{\mathrm{\&theta;}}\&GreaterEqual;1\\ 0& E_{\mathrm{\&theta;}}<1\end{array}\right.$

(23)将K_res引入原动作判据中，得到母线保护新判据，以进行故障的判定，新判据为：

|ΔI_cd|>1.25ΔI_T+ΔI_dz  母线继电保护器启动判据

|Z_cd|<K_resZ_set  母线继电保护器动作判据

其中：当启动判据满足时，继电保护器进入等待动作的状态；当动作判据满足时，继电保护器动作；ΔI_cd为电流突变量启动定值，I_n为母线额定电流，一般取大于0.21I_n时已能够保证足够的可靠性；ΔI_T为浮动门槛，随着变化量输出增大而逐步自动提高，取1.25倍可保证门槛电流始终略高于不平衡输出，提高安全性，减少不必要的频繁启动，且具有较高的灵敏度；ΔI_dz为电流突变量启动定值；Z_set为阻抗定值，由于母线对地的等效电容通常在2000pF～0.1μF之间，当母线电容为0.1μF时所对应的容抗值大约为30kΩ，而母线内部故障时的等效阻抗值通常只有几十欧，可见，区内外故障时判据的反差特性很大，因此取Z_set为500Ω时已足以保证判据具有很高的灵敏度。

负荷功率预测神经网络模型

负荷功率预测神经网络模型具体设计如下：

(31)每一天采集12组有功功率和无功功率，共连续采集8天，这样共有96组数据P(k)和Q(k)，k＝1,2,…,96。

(32)将96组数据P(k)和Q(k)进行归一化处理，使得 n＝1,2,…,96；首先将每一天的12个有功功率P(k)作为一组输入矢量R(m)，12个无功功率Q(k)作为一组输入矢量S(m)，m＝1,2,…,8，m表示神经网络的训练次数；同时预先假设第9天的12个有功功率P′(k)作为预测功率的输出矢量R′，第9天的12个无功功率Q′(k)作为预测功率的输出矢量S′；这样前8天的有功功率输入矢量就为R(1),R(2),R(3),R(4),R(5),R(6),R(7),R(8)，第9天预测有功功率的输出矢量为R′；前8天的无功功率输入矢量就为S(1),S(2),S(3),S(4),S(5),S(6),S(7),S(8)，第9天预测有功功率的输出矢量为S′。

(33)将8组输入矢量R(m)和S(m)作为神经网络的输入层，隐含层神经元的传递函数采用S型正切函数tansig，输出层神经元的传递函数采用S型对数函数logsig，如图2所示，这样经过8次神经网络训练后，就确定了神经网络中各连接权的权值。

对于8个有功功率输入矢量R(m)，在隐含层神经元有a¹＝tan sig(IW¹R+b¹)，其中a¹为隐含层神经元输出，IW¹为隐含层神经元的权值，b¹为隐含层神经元的阈值；在输出层神经元有a²＝log sig(LW²a¹+b²)，其中a²为输出层神经元输出，IW²为输出层神经元的权值，b²为输出层神经元的阈值。

对于8个有功功率输入矢量S(m)，在隐含层神经元有c¹＝tan sig(IW¹S+b¹)，其中c¹为隐含层神经元输出，IW¹为隐含层神经元的权值，b¹为隐含层神经元的阈值；在输出层神经元有c²＝log sig(LW²c¹+b²)，其中c²为输出层神经元输出，IW²为输出层神经元的权值，b²为输出层神经元的阈值。

(34)将第8天的输入矢量R(8)和S(8)再次作为神经网络的输入层，此时神经网络中输出的预测功率的输出矢量R′和S′即为第九天的功率预测归一化值，再用反归一化算法，即 $\stackrel{\&OverBar;}{R}=R^{\&prime;}\&times;\max \left(P\left(k\right)\right),\stackrel{\&OverBar;}{S}=S^{\&prime;}\&times;\max \left(Q\left(k\right)\right),$ k＝1,2,…,96，输出的矢量值和就是第九天预测功率的12个有功功率P′(k)和12个无功功率Q′(k)。这样以此类推，可以重复上面的步骤利用第二天到第九天的数据预测到第十天的功率，这样后面每一天的功率都可以被预测出来。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (4)

1.一种运行、控制和保护性能提高的微电网系统，其特征在于：综合多逆变器并联运行控制策略的改进型下垂控制算法、微电网继电保护方案和负荷功率预测神经网络模型对微电网系统进行监控和保护，具体为：

(1)多逆变器并联运行控制策略的改进型下垂控制算法：首先在分析微电网多逆变器并联系统中的传统下垂控制法及逆变器输出阻抗对系统性能的影响基础上，通过引入感性虚拟阻抗，提出一种适合微网多逆变器并联的电压电流双环下垂控制策略；感性虚拟阻抗的引入使输出阻抗仅由滤波电感值决定，减少了逆变器输出电阻的影响；考虑线路阻抗的影响，提出一种改进下垂控制算法，通过对下垂系数进行修正，以减弱线路阻抗差异对并联均流的影响，提高多逆变器并联性能；

(2)微电网继电保护方案，采用区域差动主保护、过流后备保护以及归一化制动系数的故障分量综合阻抗母线保护相结合的策略：为解决微电网接入带来的问题，采用差动保护的方案，配置全线速动差动保护做主保护，配置简单过流作后备保护；母线保护采用归一化制动系数的故障分量综合阻抗母线保护新判据：首先计算故障分量综合阻抗辐角arg Z_cd的偏移误差，再将其进行归一化处理，并根据归一化后的偏移误差计算制动系数K_res，将K_res引入原动作判据中，从而得到母线保护新判据，以进行故障的判定；

(3)负荷功率预测神经网络模型：通过神经网络进行微电网系统的负荷功率预测。

2.根据权利要求1所述的运行、控制和保护性能提高的微电网系统，其特征在于：所述步骤(1)中，多逆变器并联运行控制策略的改进型下垂控制算法，逆变器并联控制用电压电流双环控制：外环采用电压控制环，用以改善系统输出电压的波形，采用PI控制；内环采用电感电流调节环，用以提高系统的动态性能，采用比例P控制；

设k_p,k_i分别为电压外环PI控制器的比例和积分系数；k_e为电流内环P控制器比例系数；k_PWM为逆变器增益；k_U,k_I分别为电容电压反馈系数和电感电流反馈系数；Z_load为连接线路阻抗和负载阻抗的等效阻抗；Z_V(s)为虚拟阻抗；u_ref为电压环参考电压；为引入感性虚拟阻抗后的电压参考值；u为逆变器输出电压；i₀为连接线路电流，L为滤波电感值，s为拉普拉斯算子；有公式：

$u\&ap;\frac{(k_{p}s+k_i)k_e{k}_{\mathrm{PWM}}}{(1+k_U{k}_e{k}_{\mathrm{PWM}}{k}_p)s+k_U{k}_i{k}_e{k}_{\mathrm{PWM}}}{u}_{\mathrm{ref}}-\frac{L{s}^2}{(1+k_U{k}_e{k}_{\mathrm{PWM}}{k}_p)s+k_U{k}_i{k}_e{k}_{\mathrm{PWM}}}{i}_0---\left(1\right)$

由上式可得逆变器输出阻抗Z_out的近似表达式：

$Z_{\mathrm{out}}\left(s\right)\&ap;\frac{{\mathrm{Ls}}^2}{(1+k_U{k}_e{k}_{\mathrm{PWM}}{k}_p)s+k_U{k}_i{k}_e{k}_{\mathrm{PWM}}}=\frac{{\mathrm{Ls}}^2}{s+k_U{k}_e{k}_{\mathrm{PWM}}(k_{p}s+k_i)}---\left(2\right)$

引入虚拟阻抗Z_V(s)，有：

$u_{\mathrm{ref}}=u_{\mathrm{ref}}^{*}-Z_V\left(s\right)i_0$

则加入Z_V(s)后逆变器的等效输出阻抗为：

$Z_{\mathrm{out}}^{*}\left(s\right)=\frac{(k_{p}s+k_i)k_e{k}_{\mathrm{PWM}}}{\mathrm{\&Delta;}}{Z}_V\left(s\right)+Z_{\mathrm{out}}\left(s\right)---\left(3\right)$

其中Δ＝(1+k_Uk_ek_PWMk_p)s+k_Uk_ik_ek_PWM；

使Z_V(s)＝k_ULs，将式(2)代入式(3)，则可以得到引入感性虚拟阻抗Z_V(s)＝k_ULs，通过滤波电感值L确定各逆变器输出阻抗的值，即

多逆变器并行运行控制策略应用于微电网中时，逆变器i对应的阻抗幅值|Z_i|表示为其中r_i为逆变器i输出电阻与线路电阻之和，X_i为逆变器i输出的感抗与线路感抗之和；改进下垂控制算法不考虑各逆变器输出电阻的影响，输出阻抗值仅由滤波电感值决定，为了降低r_i对系统并联均流的不利影响，首先将传统下垂控制算法改进为：

${\mathrm{\&omega;}}_i={\mathrm{\&omega;}}_i^{*}-k_{\mathrm{p\&omega;}}{P}_i-k_{\mathrm{q\&omega;}}{Q}_i$

$U_i=U_i^{*}-k_{\mathrm{pU}}{P}_i-k_{\mathrm{qU}}{Q}_i$

式中分别为空载输出电压角频率和幅值；ω_i,U_i分别为正常运行时输出电压角频率和幅值；P_i,Q_i分别为第i个逆变器输出的有功功率和无功功率；系数k_pω,k_qU为下垂系数，在X_i＞＞r_i条件下，这两者对于系统能否并联成功，起决定性作用；k_qω,k_pU可以减小系统环流、提高功率均分精度；首先确定k_pω,k_qU，然后确定k_qω,k_pU；

考虑到k_pω,k_qU对功率分配精度和频率幅值差的双重影响，取值为：

$k_{\mathrm{p\&omega;}}=\frac{\mathrm{\&Delta;\&omega;}}{P_{\max }},k_{\mathrm{qU}}=\frac{\mathrm{\&Delta;U}}{Q_{\max }}$

式中，P_max,Q_max分别为逆变器输出的最大有功功率和无功功率值；Δω,ΔU分别为输出电压的最大角频率和幅值偏差；由k_pω,k_qU计算k_qω,k_pU的公式为：

$k_{\mathrm{pU}}=k_{\mathrm{p\&omega;}}{U}_i\frac{r_i}{\left|Z_i\right|},k_{\mathrm{q\&omega;}}=-\frac{k_{\mathrm{qU}}}{U_i}\frac{r_i}{\left|Z_i\right|}$

适用于微电网多逆变器并联的改进型下垂控制算法表示为：

$\left\{\begin{array}{c}{\mathrm{\&omega;}}_i={\mathrm{\&omega;}}_i^{*}-k_{\mathrm{p\&omega;}}{P}_i+\frac{k_{\mathrm{qU}}}{U_i}\frac{r_i}{\left|Z_I\right|}{Q}_i\\ U_i=U_i^{*}-k_{\mathrm{p\&omega;}}{U}_i\frac{r_i}{\left|Z_i\right|}{P}_i-k_{\mathrm{qU}}{Q}_i\end{array}\right.$

当采用上述带有感性虚拟阻抗的电压电流双环控制策略时，因为在采用上述策略的情况下逆变器i输出电阻为0，所以上式的r_i仅指线路电阻值；根据上式，引入感性虚拟阻抗后的电压参考值为：

$u_{\mathrm{ref}}^{*}=\sqrt{2}{U}_i\sin ({\mathrm{\&omega;}}_{i}t+{\mathrm{\&phi;}}_i)$

式中，U_i为逆变器i空载输出电压幅值；φ_i为逆变器i空载输出电压与母线电压的相角差。

3.根据权利要求1所述的运行、控制和保护性能提高的微电网系统，其特征在于：所述步骤(2)中，微电网继电保护方案，采用区域差动主保护、过流后备保护以及归一化制动系数的故障分量综合阻抗母线保护相结合的策略；

与微电网相连的外部配电网电压等级为10kV，微电网内部的低压配电网电压等级为0.4kV；10kV电压等级配电网按照差动保护对象划分为多个保护区域，包括线路差动保护区域、配电变压器保护区域，对于配电变压器保护区域的差流计算需考虑变压器的三角形和星形联接Δ/Y转角的影响；对于其他保护区域在假设电流的正方向为母线流向线路的前提下，差流为各侧电流的矢量和；区域差动保护采用启动判据与比率制动判据组成与门出口；各个区域的启动判据和比率制动判据为：

启动判据  I_d≥I_op0

比率制动判据  I_d≥kI_r

式中，I_d为差动电流，I_op0为启动判据的整定值； k为比率制动系数；i＝1,2,…，k为被保护对象各侧电流；区域差动保护基于的微电网三层体系结构，分别是就地控制层的智能采集单元、集中控制层的区域差动保护和配网调度层的配网调度系统，与微电网的三层网络架构保持一致；为了保证可靠性，集中控制层的区域差动保护采取双重化冗余配置；区域差动保护通过采集配电网系统各个节点的电流和状态信息，其本质是网络化的差动保护，以快速实现故障自动定位和隔离；

在故障分量综合阻抗母线保护新判据中，具体包括如下步骤：

(21)计算故障分量综合阻抗辐角arg Z_cd的偏移误差E_θ：

其中，为一相母线上电压的变化量，母线的差电流Z_cd为故障分量综合阻抗；

(22)将E_θ进行归一化处理，并根据归一化后的E_θ计算制动系数K_res：

$K_{\mathrm{res}}=\left\{\begin{array}{cc}{E}_{\mathrm{\&theta;}}& E_{\mathrm{\&theta;}}\&GreaterEqual;1\\ 0& E_{\mathrm{\&theta;}}<1\end{array}\right.$

(23)将K_res引入原动作判据中，得到母线保护新判据，以进行故障的判定，新判据为：

|ΔI_cd|>1.25ΔI_T+ΔI_dz  母线继电保护器启动判据

|Z_cd|<K_resZ_set  母线继电保护器动作判据

其中：当启动判据满足时，继电保护器进入等待动作的状态；当动作判据满足时，继电保护器动作；ΔI_cd为电流突变量启动定值；ΔI_dz为电流突变量启动定值；Z_set为阻抗定值。

4.根据权利要求1所述的运行、控制和保护性能提高的微电网系统，其特征在于：所述步骤(3)中，负荷功率预测神经网络模型具体设计如下：

(31)每一天采集12组有功功率和无功功率，共连续采集8天，这样共有96组数据P(k)和Q(k)，k＝1,2,…,96；

(32)将96组数据P(k)和Q(k)进行归一化处理，使得 n＝1,2,…,96；首先将每一天的12个有功功率P(k)作为一组输入矢量R(m)，12个无功功率Q(k)作为一组输入矢量S(m)，m＝1,2,…,8，m表示神经网络的训练次数；同时预先假设第9天的12个有功功率P′(k)作为预测功率的输出矢量R′，第9天的12个无功功率Q′(k)作为预测功率的输出矢量S′；

(33)将8组输入矢量R(m)和S(m)作为神经网络的输入层，隐含层神经元的传递函数采用S型正切函数tan sig，输出层神经元的传递函数采用S型对数函数log sig，这样经过8次神经网络训练后，就确定了神经网络中各连接权的权值；

(34)将第8天的输入矢量R(8)和S(8)再次作为神经网络的输入层，此时神经网络中输出的预测功率的输出矢量R′和S′即为第九天的功率预测归一化值，再用反归一化算法，即 $\stackrel{\&OverBar;}{R}=R^{\&prime;}\&times;\max \left(P\left(k\right)\right),\stackrel{\&OverBar;}{S}=S^{\&prime;}\&times;\max \left(Q\left(k\right)\right),$ k＝1,2,…,96，输出的矢量值和就是第九天预测功率的12个有功功率P′(k)和12个无功功率Q′(k)。