CN116150924A - 模型参数辨识方法、装置及计算机设备 - Google Patents
模型参数辨识方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN116150924A CN116150924A CN202211735851.1A CN202211735851A CN116150924A CN 116150924 A CN116150924 A CN 116150924A CN 202211735851 A CN202211735851 A CN 202211735851A CN 116150924 A CN116150924 A CN 116150924A
- Authority
- CN
- China
- Prior art keywords
- grid
- generation system
- power generation
- model
- photovoltaic power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种模型参数辨识方法、装置及计算机设备。其中,该方法包括:基于光伏发电系统所包括的结构组件,构建光伏发电系统的并网仿真模型;基于预定测试条件参数和并网仿真模型,生成光伏发电系统在并网点的测试数据;基于测试数据,改变光伏发电系统的工作状态,得到光伏发电系统在并网点的变化结果数据;基于变化结果数据,确定并网仿真模型的等效电路模型;基于变化结果数据,采用非机理黑箱方法,对等效电路模型的参数进行辨识,得到光伏发电系统对应的等效电路模型的模型参数。本发明解决了由于电力系统负荷模型参数不正确造成的研究误差大从而影响电力系统稳定的技术问题。
Description
技术领域
本发明涉及电力技术领域,具体而言,涉及一种模型参数辨识方法、装置及计算机设备。
背景技术
在相关技术中,电能需求的增长、环保压力的增大和科技进步的推动,使得可再生能源在电力系统的应用取得长足发展。在可再生能源发电项目中,太阳能光伏发展迅速,然而,大量的分布式光伏接入中低压配电网同样带来了一些问题。分布式光伏发电量受光照条件、温度、天气状况等环境条件影响,因此其具有随机性和波动性;而当分布式光伏接入主要呈现负荷特征的配电网时,会导致该区域电网的整体负荷特性发生变化。然而,电力系统负荷特性的变化对整个电力系统稳定有着非常重大的影响,许多电力系统研究如电压稳定、继电保护、负荷减载都需要仔细考虑负荷的动态模型,负荷模型不正确不仅会导致潮流计算发散,还会对短路电流计算、电力系统暂态分析、电压稳定计算造成重大的影响。电力系统综合负荷取用的功率一般要随系统运行参数(主要是电压U或者频率f)的变化而变化,反应这种变化规律的曲线或数学表达式称为负荷特性。反映电压和频率缓慢变化时负荷功率变化特性的为静态特性,反映电压和频率急剧变化时负荷功率变化特性的为动态特性。
但在相关技术中,配电网在传统负荷的基础上融入了风机、光伏等电源特性,甚至有可能负荷节点反转向电网输送功率,传统的负荷模型将无法再对配电网动态模型进行准确描述。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种模型参数辨识方法、装置及计算机设备,以至少解决由于电力系统负荷模型参数不正确造成的研究误差大从而影响电力系统稳定的技术问题。
根据本发明实施例的一个方面,提供了一种模型参数辨识方法,包括:基于光伏发电系统所包括的结构组件,构建所述光伏发电系统的并网仿真模型;基于预定测试条件参数和所述并网仿真模型,生成所述光伏发电系统在并网点的测试数据;基于所述测试数据,改变所述光伏发电系统的工作状态,得到所述光伏发电系统在所述并网点的变化结果数据;基于所述变化结果数据,确定所述并网仿真模型的等效电路模型;基于所述变化结果数据,采用非机理黑箱方法,对所述等效电路模型的参数进行辨识,得到所述光伏发电系统对应的所述等效电路模型的模型参数。
可选地,所述预定测试条件参数包括:所述光伏发电系统中光伏阵列的光照强度,以及所述光伏阵列的温度。
可选地,所述基于所述测试数据,改变所述光伏发电系统的工作状态,得到所述光伏发电系统在所述并网点的变化结果数据,包括:通过对所述测试数据进行扰动,使得并网点母线电压发生电压跌落,得到所述光伏发电系统在所述并网点的变化电压和变化功率;和/或,通过调整所述测试数据,使得所述光伏发电系统中的光伏阵列输出的有功功率降低,得到所述光伏发电系统在所述并网点的变化电压和变化功率;其中,所述变化结果数据包括所述变化电压和所述变化功率。
可选地,所述基于所述变化结果数据,确定所述并网仿真模型的等效电路模型,包括:基于所述变化电压和所述变化功率,确定变化电压和变化功率之间的传递函数;基于所述传递函数,构建包括一阶或多阶的RLC串并联模型;基于所述并网点母线电压发生电压跌落和所述光伏阵列输出的有功功率降低,构建并联开关RLC支路;基于所述RLC串并联模型和所述并联开关RLC支路,生成所述并网仿真模型的等效电路模型。
可选地,所述基于所述变化电压和所述变化功率,确定变化电压和变化功率之间的传递函数,包括:获取包括变量的初始函数,其中,所述初始函数中设置有传递阶数;基于所述变化电压和所述变化功率,求解所述初始函数中的变量,得到变化电压和变化功率之间的所述传递函数。
可选地,所述基于所述变化结果数据,采用非机理黑箱方法,对所述等效电路模型的参数进行辨识,得到所述光伏发电系统对应的所述等效电路模型的模型参数,包括:采用所述变化结果数据中的并网点电压为输入,所述变化结果数据中的并网点功率为输出,采用所述非机理黑箱方法,对所述等效电路模型的模型参数进行多次迭代,直到所述等效电路模型输出的功率的大小和波形与所述并网仿真模型输出的功率的大小和波形之间的差别小于预定差别阈值,得到所述光伏发电系统对应的所述等效电路模型的模型参数。
根据本发明实施例的另一方面,还提供了一种模型参数辨识装置,包括:构建模块,用于基于光伏发电系统所包括的结构组件,构建所述光伏发电系统的并网仿真模型;生成模块,用于基于预定测试条件参数和所述并网仿真模型,生成所述光伏发电系统在并网点的测试数据;处理模块,用于基于所述测试数据,改变所述光伏发电系统的工作状态,得到所述光伏发电系统在所述并网点的变化结果数据;确定模块,用于基于所述变化结果数据,确定所述并网仿真模型的等效电路模型;辨识模块,用于基于所述变化结果数据,采用非机理黑箱方法,对所述等效电路模型的参数进行辨识,得到所述光伏发电系统对应的所述等效电路模型的模型参数。
根据本发明实施例的又一方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行上述方法中任意一项所述的模型参数辨识方法。
根据本发明实施例的还一方面,还提供了一种计算机设备,包括:存储器和处理器,所述存储器存储有计算机程序;所述处理器,用于执行所述存储器中存储的计算机程序,所述计算机程序运行时使得所述处理器执行上述方法中任意一项所述的模型参数辨识方法。
在本发明实施例中,采用基于光伏发电系统结构组件构建并网仿真模型,并用预定测试条件参数和并网仿真模型获得测试数据,基于测试数据改变光伏发电系统的工作状态获取并网点的变化结果数据并确定等效电路模型的方式,通过使用非机理黑箱方法,达到了获得正确的光伏发电系统对应的等效电路模型参数的目的,从而实现了建立正确的电力负荷模型的技术效果,进而解决了由于电力系统负荷模型参数不正确造成的研究误差大从而影响电力系统稳定技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种模型参数辨识方法的流程图;
图2是根据本发明实施例的一种非机理黑箱RLC模型的光伏发电系统的等效电路的自适应参数辨识流程图;
图3是根据本发明实施例的一种可选的光伏电源并网拓扑图;
图4是根据本发明实施例的一种光伏系统控制结构图;
图5是根据本发明实施例的一种G(s)的等效电路图;
图6是根据本发明实施例的一种模型参数辨识装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种模型参数辨识方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的模型参数辨识方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,基于光伏发电系统所包括的结构组件,构建光伏发电系统的并网仿真模型;
作为一种可选的实施例,上述模型参数辨识方法的执行主体可以是一种终端,也可以是一种服务器。上述终端可以是各种类型的终端,例如,可以是电脑终端,移动终端,虚拟终端,等,但不管哪种类型的终端,需要具备一定的满足计算需求的计算能力和建立仿真模型的能力。上述服务器也可以是多种形式的,例如,可以是单个的计算机设备,也可以是包括多个计算机的计算机集群,可以是本地的计算单元,还可以是远程的云服务器,等。
作为一种可选的实施例,上述光伏发电系统所包括的结构组件可以有多种,例如,太阳能电池组件,直流/交流逆变器,光伏背板,接线盒,配电室设计等,构成光伏发电系统的均可以是光伏发电系统的结构组件
步骤S104,基于预定测试条件参数和并网仿真模型,生成光伏发电系统在并网点的测试数据;
作为一种可选的实施例,上述预定测试条件参数可以包括:光伏发电系统中光伏阵列的光照强度,以及光伏阵列的温度。在光伏发电系统中,光照强度的大小和光伏阵列的温度是影响光伏发电系统输出电流的重要因素,基于需要的预定测试条件来对相关的参数进行调整,从而得到合适的光伏发电系统在并网点的测试数据。
步骤S106,基于测试数据,改变光伏发电系统的工作状态,得到光伏发电系统在并网点的变化结果数据;
作为一种可选的实施例,上述基于测试数据,改变光伏发电系统的工作状态,得到光伏发电系统在并网点的变化结果数据,可以采用以下方式来获取光伏发电系统在并网点的变化结果数据:通过对测试数据进行扰动,使得并网点母线电压发生电压跌落,得到光伏发电系统在并网点的变化电压和变化功率;和/或,通过调整测试数据,使得光伏发电系统中的光伏阵列输出的有功功率降低,得到光伏发电系统在并网点的变化电压和变化功率;其中,变化结果数据包括变化电压和变化功率。
作为一种可选的实施例,有功功率控制可以是一个通过控制管辖区域内发电机组的有功功率,在实现高质量电能的前提下,以满足电力供需实时平衡为目的的闭环控制系统,在关键时刻,可以通过控制光伏发电系统的有功功率来提高光伏发电系统的稳定性。通过上述调整测试数据,降低光伏发电系统中的光伏阵列输出的有功功率,来获取变化电压和变化功率,可以为建立模型提供更准确更贴合实际运行的变化结果数据
步骤S108,基于变化结果数据,确定并网仿真模型的等效电路模型;
作为一种可选的实施例,基于变化结果数据,确定并网仿真模型的等效电路模型,可以通过以下方式来实现:基于变化电压和变化功率,确定变化电压和变化功率之间的传递函数;基于已经获得的传递函数,构建包括一阶或多阶的RLC串并联模型;基于并网点母线电压发生电压跌落和光伏阵列输出的有功功率降低,构建并联开关RLC支路;基于RLC串并联模型和并联开关RLC支路,生成并网仿真模型的等效电路模型。基于已经获得的传递函数,构建包括一阶或多阶的RLC串并联模型,由于传递函数考虑了大部的正常情况下的测试数据,因此,构建的RLC串并联模型也相当于考虑了大部分的正常情况。基于并网点母线电压发生电压跌落和光伏阵列输出的有功功率降低,构建并联开关RLC支路,并网点母线电压发生电压跌落和光伏阵列输出的有功功率降低属于对正常网络的扰动,因此,采用对应的测试数据构建得到的并联开关RLC支路考虑了对正常情况的扰动。因此,采用基于RLC串并联模型和并联开关RLC支路,联合生成等效电路模型的方式,不仅考虑了大部分的正常情况,也考虑了对正常情况进行扰动后的非正常情况,基于上述两者生成的等效电路模型,能够更为真实地反映整个电网的真实情况,使得对整个电网的模拟更为全面。
作为一种可选的实施例,上述基于变化电压和变化功率,确定变化电压和变化功率之间的传递函数,包括:获取包括变量的初始函数,其中,初始函数中设置有传递阶数;基于变化电压和变化功率,求解初始函数中的变量,得到变化电压和变化功率之间的传递函数。通过函数求解的方式,得到变化电压和变化功率之间的传递函数,更为快速,准确。需要说明的是,函数求解的方式可以选择多种,例如,可以采用对应的求解器进行求解,也可以采用对应的求解软件进行求解,在此不进行一一限定。
步骤S110,基于变化结果数据,采用非机理黑箱方法,对等效电路模型的参数进行辨识,得到光伏发电系统对应的等效电路模型的模型参数。
作为一种可选的实施例,采用变化结果数据中的并网点电压为输入,变化结果数据中的并网点功率为输出,采用非机理黑箱方法,对等效电路模型的模型参数进行多次迭代,直到等效电路模型输出的功率的大小和波形与并网仿真模型输出的功率的大小和波形之间的差别小于预定差别阈值,得到光伏发电系统对应的等效电路模型的模型参数。采用非机理黑箱方法对等效电路模型的模型参数进行多次迭代的方式,直到模型的输出满足要求,由于非机理黑箱方法的方式更为智能快速,因此,使得得到等效电路的模型参数也能更智能快速。
作为一种可选的实施例,黑箱方法也称黑箱系统辨识法,通过观测外部输入黑箱的信息和黑箱输出的信息的变化关系,来探索黑箱的内部构造和机理的方法。上述变化结果数据中的并网点电压即可以为黑箱方法的输入信息,上述变化结果数据中的并网点功率可以为黑箱方法的输出信息,观测输入信息和输出信息的变化,直至得到光伏发电系统对应的等效电路模型。
作为一种可选的实施例,可以通过以下方法对等效电路模型进行校验:获取校验数据;基于校验数据,分别得到等效电路模型的第一结果,和并网仿真模型的第二结果;基于第一结果和第二结果,确定等效电路模型的校验结果。
作为一种可选的实施例,确定光伏发电系统等效电路模型和并网仿真模型中各参数后,对等效电路模型进行校验,更改光伏发电系统等效电路模型中的输入电压数据,测试等效电路模型中输出数据和实际数据的偏差,评估等效电路模型及参数的准确性。
通过上述步骤,基于光伏发电系统结构组件构建并网仿真模型,并用预定测试条件参数和并网仿真模型获得测试数据,基于测试数据改变光伏发电系统的工作状态获取并网点的变化结果数据并确定等效电路模型的方式,通过使用非机理黑箱方法,达到了获得正确的光伏发电系统对应的等效电路模型参数的目的,可以实现建立正确的电力负荷模型的技术效果。
基于上述实施例及优选实施例,提供了一种可选实施方式。
光伏发电系统具有波动性、间歇性、不稳定性,是电力系统组成中最难以准确建模的部分。可以根据光伏发电系统的输入输出及其动态过程,定量或定性地认识光伏系统的静态及动态特性,以及其系统内部结构和控制策略。通过辨识建立数学模型的目的是估计表征系统行为的重要参数,建立一个能模仿真实系统行为的模型,用当前可测量的系统的输入和输出预测系统输出的未来演变,以及设计控制器,可以反应光伏发电系统在并网处的动静态特性。即建立一种电气参数较少、电路结构简单的等效电路模型,来表征光伏发电系统在不同的电压输入条件下,可以正确输出有功功率和无功功率,对于电力负荷建模是非常有必要的。
基于上述问题,在本可选实施例中,针对现有光伏发电系统并网技术的需求,提供一种非机理黑箱RLC模型的光伏发电系统的等效电路的自适应参数辨识方法。该方法的优点是简单易用,基本为图形化操作,基于仿真或实际数据在Simulink中搭建好等效电路模型进行估计,可以针对线性和非线性系统进行参数辨识。
根据本发明实施例,提供了一种非机理黑箱RLC模型的光伏发电系统的等效电路的自适应参数辨识流程图,如图2所示。具体实施步骤如下:
考虑到电压跌落下光伏高低穿特性和光伏阵列受到遮挡时的并网输出特性,通过实际工程光伏发电系统的电池组件、逆变器、滤波器、箱变等结构参数搭建其完成整并网仿真模型,测试得到PV发电系统在不同状态下并网点的电压、有功功率和无功功率数据,充分考虑了光伏发电系统在不同运行状态下的输出特性,提出的一种可以表征光伏发电系统并网时动静态特性的等效电路模型,在MATLAB Simulink建立非机理黑箱RLC模型能用于电力负荷建模的光伏发电系统的等效电路模型,并对模型中的变量进行辨识,完成模型及参数的校验和泛化能力校验。通过本发明获得的光伏发电系统的等效电路模型更加科学,更加精确。
本发明提供的方法能够用计算机软件技术实现流程。如图3所示的光伏电源并网拓扑图,其中,Cdc为直流稳压电容,Lf和Cf分别为滤波电感和滤波电容,PCC为光伏系统与电网连接的公共耦合点,R1和L1分别表示光伏系统至PCC点的等值线路电阻和电感。实施例以实际一个容量为25MW,并网电压等级为35kV的光伏发电系统为例对本发明的流程进行一个具体的阐述,如下:
步骤1,根据实际工程光伏发电系统的电池组件、逆变器、滤波器、箱变等结构参数搭建其完成整并网仿真模型,选取1000W/m2的辐照度和25℃温度测试下,得到其并网点数据,生成光伏系统在并网点的电压电流测试数据,组合成一个测试序列,第一次执行步骤1时,光伏发电系统能够正常并网运行发电。
实施例具体的实施过程说明如下:
基于EMTDC PSCAD软件环境下建立光伏发电系统的电磁暂态模型,根据光伏发电系统的主电路拓扑结构进行模块化建模。以实际一个容量为25MW,并网电压等级为35kV的光伏发电系统,包括光伏电池的参数以及交流系统的参数,这是搭建的光伏并网系统的一个主界面,建模采用一种模块化建模的思想,将光伏并网系统分为几个模块,包括:光伏阵列模块、BOOST电路模块、DC/AC逆变器模块、升压并网模块、输电线路等分模块,根据光伏发电主电路将所有的模块链接拼到一起。对于光伏电网系统来说,光伏阵列发出来的电能是直流电,需要通过逆变器将电能变换送入电网。
设置光伏并网的电路的相关参数。对于逆变电路使用最普遍的三相电压型桥式逆变电路,采用了PWM控制技术。即光伏阵列出口输出直流电,通过三相桥式电路,将直流电逆变为交流电,交流升压后并入电网,逆变逆变器的相关参数包括直流输入参数、交流输出参数以及保护功能。
对于光伏并网系统来说,控制策略目前有很多种,本发明基于电网电压定向的矢量控制策略,其控制目标保证光伏追踪最大功率并网有功和无功率稳定。从控制目标来说。对于光伏发电系统,引入了电机学中经常采用的坐标变换方法——派克变换方法,将静止三相的ABC坐标系变换到同步速旋转的dq坐标系,可以实现由三相交流量变换为对两相直流dq的控制,在介绍整个控制系统之前,根据光伏电网系统输出的有功功率和无功功率在旋转dq坐标系下的表达式:
表达式(1)中ed为并网点电压的dq分量;id、iq分别为并网点电流的dq分量。
根据表达式(1)可知,当电网电压稳定的时候,有功功率、无功功率分别和id、iq成正比。对于三相调试逆变电路来说,若开关频率较高时对应直流侧的电流脉动相对较小的,将直流侧近似看成稳定值。忽略IGBT损耗,这个直流侧输入逆变器的有功功率和逆变器输出到交流电网的有功功率保持相等。直流侧输入逆变器的功率,是由Vpv乘以Ipv决定的,当Ipv保持恒定的时候,并网的有功功率和直流侧的Vpv成正比,即并网有功功率和并网点电流的d轴分量以及直流侧的直流电压是成正比的,并网无功功率和并网点q轴电流成正比的。通过控制直流侧Vpv的稳定和并网点iq,实现对并网有功功率和无功功率的控制。
整体控制流程如图4所示。首先通过测量装置采集并网点三相电压和电流,ua、ub、uc和ia、ib、ic,通过PLL锁相环进行派克变换,其中参考相位采用并网点电压相位,将并网点三相交流量变化为dq旋转坐标系的直流量,通过控制直流量对整个光伏电网系统进行控制。首先是定直流电压Vpv和无功功率Q的电压外环控制模块,通过直流电压和并网无功功率的PI控制和负反馈环节,得到并网电流d轴和q轴的分量参考Idref和Iqref。
其中,直流电压参考值Vpvref由光伏阵列环节的最大功率追踪环节确定,输入直流电流和直流电压,通过MPPT环节输出直流电压参考值。工作原理是扰动光伏电池的输出电压,观测光伏电池输出功率的变化。根据功率变化的趋势,连续改变扰动电压方向,使光伏阵列最终工作于最大功率点。并网无功的参考Qref是根据电网对光伏发电系统电能的功率因素要求,无功输出范围根据并网点电压水平调节无功输出,参与电网电压调节的能力,本发明中设置当并网点电压升高或跌落至1.15p.u.以上或0.85p.u.以下,光伏发电系统自动调节其吸收或发出无功功率以支撑变网点电压,使其具备高低电压穿越能力。
将电压外环控制环节中得到并网电流d轴和q轴参考分量,引入到定有功电流id和无功电流iq电流内环控制环节中,得到并网点电压d轴分量和q轴分量参考值uid和uiq,基于派克反变换得到并网点三相交流电压uia、uib、uic的参考值。通过PWM控制生成三相桥式逆变电路中开关管的控制信号,最终实现对整个光伏电网系统的一个闭环控制。
在步骤1中完成对光伏发电系统的一次回路和控制回路的建模,获得光伏发电系统正常并网的电压和功率数据。
步骤2所进行所得到光伏发电系统在不同状态下的并网数据,即电网参数发生变化(并网点母线电压发生电压跌落时,U变化,以及光伏阵列有功功率降低时,P变化)时,PV发电系统并网点的电压、有功功率和无功功率数据(均为标幺值)。本发明进一步提供实施例的实时改变电压和功率变化具体方式如下:
在交流侧并网点设置使光伏发电系统进入高低穿越范围内测试模块,时长为1s,记录光伏发电系统并网点的电压、功率数据。基于分布式电源接入电网相关技术规定和步骤1中的控制策略,光伏发电系统自动调节其吸收或发出无功功率以支撑变网点电压,使其具备高低电压穿越能力,记录光伏发电系统并网点的电压、功率数据。
在光伏发电系统正常运行时,降低光伏阵列的辐照度5s后回复正常运行时辐照度,记录记录光伏发电系统并网点的电压、功率数据。
步骤3,步骤2所得的光伏发电系统稳定并网点的电压、有功功率和无功功率数据,将数据导入MATLAB Simulink中,利用参数辨识模块求得电压和功率之间的传递函数,根据传递函数分析激励和输出之间存在的电路模型,进行搭建不同阶数RLC的串并联模型,对于电压跌落和受到遮挡时,可采用并联开关RLC支路来表示光伏发电系统的不同运行状态,用以表征光伏发电系统并网时的等效电路模型。
实施例具体实施方案为:
针对电压和功率之间的传递函数搭建不同阶数RLC的串并联模型,对于电压变化时利用开关函数进行切换等效电路,设置开关动作时间,可用不同RLC的串并联支路表示光伏发电系统的不同运行状态。
步骤4,对步骤3的等效电路模型进行参数辨识。确定光伏发电系统并网时的等效电路模型中独立变量参数个数,基于步骤2的电压数据作为Input,有功功率和无功功率数据作为Output。不断迭代等效电路模型中的变量参数,使得等效模型输出的有功功率和无功功率大小和波形无限贴近output功率波形。
基于步骤3中搭建的光伏并网等效电路中出现需要识别的变量在simulink中workspace进行定义,等效模型中输入信号参数来自步骤2中电压数据,输出数据为步骤2中的功率数据。
在simulink页面上的APP中,找到参数估计器,选择等效模型中需要辨识的参数,点击New Experiment创建一个估计任务,Outputs选取功率数据作为参数辨识的输出参数。
MATLAB提供了几种优化算法,本发明中选用非线性最小方差,其中较为重要的是参数截止误差和函数截止误差,只需判断两次迭代的参数不超过截止误差停止迭代,即使得光伏发电系统等效电路模型中的功率输出波形无限贴近步骤2中的仿真模型波形。
参数辨识完成后,得到光伏等效电路模型中各参数的辨识值。
步骤5,对光伏发电系统并网时的等效电路模型及参数的校验和泛化能力校验。给模型输入相同(原始数据)或者不同的数据,将计算结果与详细的PV并网系统仿真的模型进行对比,计算平均误差,确定准确性最高的一组辨识参数。基于这组参数,校核模型在不同电压波动范围内的响应与详细的PV并网系统仿真模型中响应的误差。
即确定光伏发电系统等效电路模型中各参数后,更改光伏发电系统等效电路模型中的Input电压数据,测试等效电路模型中Outputs输出数据和实际数据的偏差,评估等效电路模型及参数的准确性。
在本发明实施例中,还提供了一种模型参数辨识装置,图6是根据本发明实施例提供的模型参数辨识装置的结构框图,如图所示,该装置包括:构建模块60,生成模块62,处理模块64,确定模块66和辨识模块68,下面对该装置进行说明。
构建模块60,用于基于光伏发电系统所包括的结构组件,构建光伏发电系统的并网仿真模型;生成模块62,连接至上述构建模块60,用于基于预定测试条件参数和并网仿真模型,生成光伏发电系统在并网点的测试数据;处理模块64,连接至上述生成模块62,用于基于测试数据,改变光伏发电系统的工作状态,得到光伏发电系统在并网点的变化结果数据;确定模块66,连接至上述处理模块64,用于基于变化结果数据,确定并网仿真模型的等效电路模型;辨识模块68,连接至上述确定模块66,用于基于变化结果数据,采用非机理黑箱方法,对等效电路模型的参数进行辨识,得到光伏发电系统对应的等效电路模型的模型参数。
在本发明实施例中,还提供了一种计算机可读存储介质,计算机可读存储介质包括存储的程序,其中,在程序运行时控制计算机可读存储介质所在设备执行上述方法中任意一项的模型参数辨识方法。
在本发明实施例中,还提供了一种计算机设备,包括:存储器和处理器,存储器存储有计算机程序;处理器,用于执行存储器中存储的计算机程序,计算机程序运行时使得处理器执行上述任意一项的模型参数辨识方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
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 (10)
1.一种模型参数辨识方法,其特征在于,包括:
基于光伏发电系统所包括的结构组件,构建所述光伏发电系统的并网仿真模型;
基于预定测试条件参数和所述并网仿真模型,生成所述光伏发电系统在并网点的测试数据;
基于所述测试数据,改变所述光伏发电系统的工作状态,得到所述光伏发电系统在所述并网点的变化结果数据;
基于所述变化结果数据,确定所述并网仿真模型的等效电路模型;
基于所述变化结果数据,采用非机理黑箱方法,对所述等效电路模型的参数进行辨识,得到所述光伏发电系统对应的所述等效电路模型的模型参数。
2.根据权利要求1所述的方法,其特征在于,所述预定测试条件参数包括:所述光伏发电系统中光伏阵列的光照强度,以及所述光伏阵列的温度。
3.根据权利要求1所述的方法,其特征在于,所述基于所述测试数据,改变所述光伏发电系统的工作状态,得到所述光伏发电系统在所述并网点的变化结果数据,包括:
通过对所述测试数据进行扰动,使得并网点母线电压发生电压跌落,得到所述光伏发电系统在所述并网点的变化电压和变化功率;和/或,
通过调整所述测试数据,使得所述光伏发电系统中的光伏阵列输出的有功功率降低,得到所述光伏发电系统在所述并网点的变化电压和变化功率;
其中,所述变化结果数据包括所述变化电压和所述变化功率。
4.根据权利要求3所述的方法,其特征在于,所述基于所述变化结果数据,确定所述并网仿真模型的等效电路模型,包括:
基于所述变化电压和所述变化功率,确定变化电压和变化功率之间的传递函数;
基于所述传递函数,构建包括一阶或多阶的RLC串并联模型;
基于所述并网点母线电压发生电压跌落和所述光伏阵列输出的有功功率降低,构建并联开关RLC支路;
基于所述RLC串并联模型和所述并联开关RLC支路,生成所述并网仿真模型的等效电路模型。
5.根据权利要求4所述的方法,其特征在于,所述基于所述变化电压和所述变化功率,确定变化电压和变化功率之间的传递函数,包括:
获取包括变量的初始函数,其中,所述初始函数中设置有传递阶数;
基于所述变化电压和所述变化功率,求解所述初始函数中的变量,得到变化电压和变化功率之间的所述传递函数。
6.根据权利要求1所述的方法,其特征在于,所述基于所述变化结果数据,采用非机理黑箱方法,对所述等效电路模型的参数进行辨识,得到所述光伏发电系统对应的所述等效电路模型的模型参数,包括:
采用所述变化结果数据中的并网点电压为输入,所述变化结果数据中的并网点功率为输出,采用所述非机理黑箱方法,对所述等效电路模型的模型参数进行多次迭代,直到所述等效电路模型输出的功率的大小和波形与所述并网仿真模型输出的功率的大小和波形之间的差别小于预定差别阈值,得到所述光伏发电系统对应的所述等效电路模型的模型参数。
7.根据权利要求1至6中任一项所述的方法,其特征在于,在所述基于所述变化结果数据,采用非机理黑箱方法,对所述等效电路模型的参数进行辨识,得到所述光伏发电系统对应的所述等效电路模型的模型参数之后,还包括:
获取校验数据;
基于所述校验数据,分别得到所述等效电路模型的第一结果,和所述并网仿真模型的第二结果;
基于所述第一结果和所述第二结果,确定所述等效电路模型的校验结果。
8.一种模型参数辨识装置,其特征在于,包括:
构建模块,用于基于光伏发电系统所包括的结构组件,构建所述光伏发电系统的并网仿真模型;
生成模块,用于基于预定测试条件参数和所述并网仿真模型,生成所述光伏发电系统在并网点的测试数据;
处理模块,用于基于所述测试数据,改变所述光伏发电系统的工作状态,得到所述光伏发电系统在所述并网点的变化结果数据;
确定模块,用于基于所述变化结果数据,确定所述并网仿真模型的等效电路模型;
辨识模块,用于基于所述变化结果数据,采用非机理黑箱方法,对所述等效电路模型的参数进行辨识,得到所述光伏发电系统对应的所述等效电路模型的模型参数。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的模型参数辨识方法。
10.一种计算机设备,其特征在于,包括:存储器和处理器,
所述存储器存储有计算机程序;
所述处理器,用于执行所述存储器中存储的计算机程序,所述计算机程序运行时使得所述处理器执行权利要求1至7中任意一项所述的模型参数辨识方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211735851.1A CN116150924A (zh) | 2022-12-30 | 2022-12-30 | 模型参数辨识方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211735851.1A CN116150924A (zh) | 2022-12-30 | 2022-12-30 | 模型参数辨识方法、装置及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116150924A true CN116150924A (zh) | 2023-05-23 |
Family
ID=86355538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211735851.1A Pending CN116150924A (zh) | 2022-12-30 | 2022-12-30 | 模型参数辨识方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116150924A (zh) |
-
2022
- 2022-12-30 CN CN202211735851.1A patent/CN116150924A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feng et al. | A comprehensive approach for preventive and corrective control to mitigate voltage collapse | |
Alquthami et al. | Study of photovoltaic integration impact on system stability using custom model of PV arrays integrated with PSS/E | |
Abbes et al. | Real time supervision for a hybrid renewable power system emulator | |
CN104156542B (zh) | 一种基于隐式投影的有源配电系统稳定性仿真方法 | |
Saleh et al. | Selecting locations and sizes of battery storage systems based on the frequency of the center of inertia and principle component analysis | |
CN112800683B (zh) | 基于卷积神经网络的系统短路电流水平评估方法及系统 | |
Jena et al. | Setting a fostered energy network by decarbonizing the grid: H ybridization, control, and future solutions upon storage | |
CN116031887B (zh) | 一种电网仿真分析算例数据生成方法、系统、设备及介质 | |
Kou et al. | Developing generic dynamic models for the 2030 eastern interconnection grid | |
Xu et al. | Flexibility of variable-speed pumped-storage unit during primary frequency control and corresponding assessment method | |
Messasma et al. | PV system frequency regulation employing a new power reserve control approach and a hybrid inertial response | |
Cupertino et al. | Modeling, design and control of a solar array simulator based on two-stage converters | |
Hossain et al. | Dynamic electrical circuit modeling of a proton exchange membrane electrolyzer for frequency stability, resiliency, and sensitivity analysis in a power grid | |
CN116150924A (zh) | 模型参数辨识方法、装置及计算机设备 | |
Li et al. | Simulation and modeling for active distribution network BESS system in DIgSILENT | |
Zheng et al. | Feature distance based online cluster modeling of LVRT controlled PV power plants | |
CN113346553A (zh) | 一种可再生能源发电站出力占比的评估方法和装置 | |
Saleh et al. | The Selection of locations and sizes of battery storage systems using the principle component analysis and center-of-inertia | |
Llerins et al. | Modelling and Simulation of Power Systems with Grid-Connected Converters in OpenModelica | |
Natsheh et al. | Intelligent controller for tracking the MPP of a PV system under partial shaded conditions | |
Nemati et al. | Development of generic dynamic models for distributed generators in microgrids | |
Malarvili et al. | Lyapunov-Krasovskii Based Stability Analysis of SSSP Grid Connected Photovoltaic System | |
Balahewa et al. | A Novel Hybrid Control Strategy with Gain Scheduling for Photovoltaic Emulators | |
Kritprajun et al. | Development of a converter-based supercapacitor system emulator for PV applications | |
CN118074237B (zh) | 一种计及线路故障的含分布式配电网风险评估方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |