一种用于微电网电流转换的控制算法

技术领域

本发明属于微电网控制领域，涉及电流转换技术，具体是一种用于微电网电流转换的控制算法。

背景技术

随着对分布式发电以及相应的分布式储能技术的深入研究，逐步形成了将分布式发电相关技术综合起来形成的特殊电网形式-微电网；微电网在公共连接点通过一个静态开关来与外部电网隔离开来，当静态开关闭合的时候，微电网进入并网运行状态，当静态开关打开的时候，微电网进入孤立运行状态；微电网的负载包括重要负载和一般负载，在微电网能量供应不足的时候，优先考虑重要负载的供电，此时可以卸掉一般负载来达到功率平衡。

公开号为CN10368335A的发明专利提供了一种微电网协调控制方法，各DG装置通过对应的电力电子接口与微电网连接，微电网通过静态开关与主电网连接，并设定微电网到主电网的方向为上游方向，反之为下游方向；利用各DG装置修正后的下垂曲线系数对微电网的有功分享协调控制，修正后的有功下垂系数的倒数等于该DG连接点下游所连接的各DG装置的有功输出控制模式下的下垂系数倒数之和。

上述方案的微电网协调控制方法对传统的下垂控制系数进行修正，将修正过下垂控制系数的逆变器控制器应用在微电网中，所述DG装置均能自动补偿负载变化，有效地克服了DG装置过载现象，实现功率的均衡分享，能够提高微电网内的电能质量；但是，上述方法无法对交直流混合微电网进行合理的控制切换；因此，上述方案仍需进一步改进。

发明内容

为了解决上述方案存在的问题，本发明提供了一种用于微电网电流转换的控制算法。

本发明的目的可以通过以下技术方案实现：一种用于微电网电流转换的控制算法，所述控制算法具体包括以下步骤：

步骤一：通过控制系统获取公共电网运行状态、电网检测数据和负载检测数据，并发送至数据分析模块；

步骤二：当数据分析模块接收到负载检测数据之后提取负载检测数据中的交流负载数量、直流负载数量和负载类型；获取交流评价系数JPX和直流评价系数ZPX，并根据公网运行标签、交流评价系数和直流评价系数生成控制信号；

步骤三：通过执行控制模块根据执行控制信号对交直流混合微电网的运行模式进行切换；

步骤四：通过数据存储模块获取训练数据集；建立人工智能模型；将训练数据集按照设定比例划分为训练集、测试集和校验集；利用训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为预测模型；每隔N分钟实时获取电网检测数据和负载检测数据并标记为输入数据；将输入数据发送至预测模型获取输出结果；将输出结果分别发送至后台监控模块和数据存储模块。

优选的，所述控制系统包括处理器、电网检测模块、数据分析模块、执行控制模块、智能分析模块、后台监控模块和数据存储模块；

所述电网检测模块包括故障检测单元和负载检测单元；所述故障检测单元用于检测公共电网运行状态和获取电网检测数据，当公共电网发生故障时，则通过处理器发送公共电网故障信号至执行控制模块，所述执行控制模块断开第一开关，同时将公共电网故障信号发送至数据存储模块和后台监控模块；所述电网检测数据包括公共电网供给能力、光伏系统供给能力、储能系统供给能力和柴油发电机功率；

所述负载检测单元用于获取负载检测数据；所述负载检测数据包括交流负载数量、直流负载数量和负载类型，所述负载类型包括重要负载和一般负载；

将负载检测数据分别发送至数据分析模块和数据存储模块；同时将电网检测数据发送至数据存储模块进行存储。

优选的，所述数据分析模块用于分析负载检测数据，包括：

当数据分析模块接收到负载检测数据之后提取负载检测数据中的交流负载数量、直流负载数量和负载类型，并将交流负载数量和直流负载数量分别标记为JF和ZF；

为公共电网运行状态设置公网运行标签GB；其中公网运行标签GB的取值为0和1，当公网运行标签GB＝0时，表示公共电网发送故障，当公网运行标签GB＝1时，表示公共电网运行正常；

通过公式

当交流评价系数JPX和直流评价系数ZPX均大于0小于1时，则发送交直流联合并网信号至执行控制模块；当交流评价系数JPX等于1时，则发送交流并网直流离网信号至执行控制模块；当直流评价系数ZPX等于1时，则发送交直流联合离网信号至执行控制模块；当公网运行标签GB＝0时，则发送交直流独立离网信号至执行控制模块；

通过处理器将交流评价系数和直流评价系数发送至数据存储模块进行存储。

优选的，所述执行控制模块根据执行控制信号对交直流混合微电网的运行模式进行切换，所述控制信号包括交直流联合并网信号、交流并网直流离网信号、交直流联合离网信号和交直流独立离网信号；所述运行模式包括交直流联合并网模式、交流并网直流离网模式、交直流联合离网模式和交直流独立离网模式。

优选的，所述智能分析模块通过预测模型对运行模式进行预测，包括：

通过数据存储模块获取训练数据集；所述训练数据集包括运行模式切换前N分钟、前2N分钟、前3N分钟的历史检测数据和运行模式切换结果；所述历史检测数据包括电网检测数据和负载检测数据，并为运行模式切换结果设置训练标签；所述交直流联合并网模式、交流并网直流离网模式、交直流联合离网模式和交直流独立离网模式的所述训练标签分别为A、B、C和D；其中N为设定的时间间隔，且N≥5；

建立人工智能模型；所述人工智能模型包括误差逆向反馈神经网络、RBF神经网络和深度卷积神经网络；

将训练数据集按照设定比例划分为训练集、测试集和校验集；所述设定比例包括3:1:1、2:1:1和5:2:1；

利用训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为预测模型；

每隔N分钟实时获取电网检测数据和负载检测数据并标记为输入数据，所述输入数据至少包括三个不同时段的电网检测数据和负载检测数据；

将输入数据发送至预测模型获取输出结果；所述输出结果为预测的训练标签；

将输出结果分别发送至后台监控模块和数据存储模块。

与现有技术相比，本发明的有益效果是：

1、本发明设置了数据分析模块，该设置用于分析负载检测数据；当数据分析模块接收到负载检测数据之后提取负载检测数据中的交流负载数量、直流负载数量和负载类型；获取交流评价系数JPX和直流评价系数ZPX，并根据公网运行标签、交流评价系数和直流评价系数生成控制信号；数据分析模块根据负载检测数据判断交直流混合微电网需要切换的模式，并生成对应信号发送至执行控制模块，所分析的数据全面，有助于保证模式切换的准确性；

2、本发明设置了智能分析模块，该设置通过预测模型对运行模式进行预测；通过数据存储模块获取训练数据集；建立人工智能模型；将训练数据集按照设定比例划分为训练集、测试集和校验集；利用训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为预测模型；每隔N分钟实时获取电网检测数据和负载检测数据并标记为输入数据；将输入数据发送至预测模型获取输出结果；将输出结果分别发送至后台监控模块和数据存储模块；有助于将交直流混合微电网切换的模式提前展示给后台管理人员，方便后台管理人员提前做准备。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的算法步骤示意图；

图2为本发明控制系统的原理示意图。

具体实施方式

下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。

请参阅图1-图2，一种用于微电网电流转换的控制算法，控制算法具体包括以下步骤：

步骤一：通过控制系统获取公共电网运行状态、电网检测数据和负载检测数据，并发送至数据分析模块；

步骤二：当数据分析模块接收到负载检测数据之后提取负载检测数据中的交流负载数量、直流负载数量和负载类型；获取交流评价系数JPX和直流评价系数ZPX，并根据公网运行标签、交流评价系数和直流评价系数生成控制信号；

步骤三：通过执行控制模块根据执行控制信号对交直流混合微电网的运行模式进行切换；

步骤四：通过数据存储模块获取训练数据集；建立人工智能模型；将训练数据集按照设定比例划分为训练集、测试集和校验集；利用训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为预测模型；每隔N分钟实时获取电网检测数据和负载检测数据并标记为输入数据；将输入数据发送至预测模型获取输出结果；将输出结果分别发送至后台监控模块和数据存储模块。

进一步地，控制系统包括处理器、电网检测模块、数据分析模块、执行控制模块、智能分析模块、后台监控模块和数据存储模块；

电网检测模块包括故障检测单元和负载检测单元；故障检测单元用于检测公共电网运行状态和获取电网检测数据，当公共电网发生故障时，则通过处理器发送公共电网故障信号至执行控制模块，执行控制模块断开第一开关，同时将公共电网故障信号发送至数据存储模块和后台监控模块；电网检测数据包括公共电网供给能力、光伏系统供给能力、储能系统供给能力和柴油发电机功率；

负载检测单元用于获取负载检测数据；负载检测数据包括交流负载数量、直流负载数量和负载类型，负载类型包括重要负载和一般负载；

将负载检测数据分别发送至数据分析模块和数据存储模块；同时将电网检测数据发送至数据存储模块进行存储。

进一步地，数据分析模块用于分析负载检测数据，包括：

当数据分析模块接收到负载检测数据之后提取负载检测数据中的交流负载数量、直流负载数量和负载类型，并将交流负载数量和直流负载数量分别标记为JF和ZF；

为公共电网运行状态设置公网运行标签GB；其中公网运行标签GB的取值为0和1，当公网运行标签GB＝0时，表示公共电网发送故障，当公网运行标签GB＝1时，表示公共电网运行正常；

通过公式

当交流评价系数JPX和直流评价系数ZPX均大于0小于1时，则发送交直流联合并网信号至执行控制模块；当交流评价系数JPX等于1时，则发送交流并网直流离网信号至执行控制模块；当直流评价系数ZPX等于1时，则发送交直流联合离网信号至执行控制模块；当公网运行标签GB＝0时，则发送交直流独立离网信号至执行控制模块；

通过处理器将交流评价系数和直流评价系数发送至数据存储模块进行存储。

进一步地，执行控制模块根据执行控制信号对交直流混合微电网的运行模式进行切换，控制信号包括交直流联合并网信号、交流并网直流离网信号、交直流联合离网信号和交直流独立离网信号；运行模式包括交直流联合并网模式、交流并网直流离网模式、交直流联合离网模式和交直流独立离网模式。

进一步地，智能分析模块通过预测模型对运行模式进行预测，包括：

通过数据存储模块获取训练数据集；训练数据集包括运行模式切换前N分钟、前2N分钟、前3N分钟的历史检测数据和运行模式切换结果；历史检测数据包括电网检测数据和负载检测数据，并为运行模式切换结果设置训练标签；交直流联合并网模式、交流并网直流离网模式、交直流联合离网模式和交直流独立离网模式的训练标签分别为A、B、C和D；其中N为设定的时间间隔，且N≥5；

建立人工智能模型；人工智能模型包括误差逆向反馈神经网络、RBF神经网络和深度卷积神经网络；

将训练数据集按照设定比例划分为训练集、测试集和校验集；设定比例包括3:1:1、2:1:1和5:2:1；

利用训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为预测模型；

每隔N分钟实时获取电网检测数据和负载检测数据并标记为输入数据，输入数据至少包括三个不同时段的电网检测数据和负载检测数据；

将输入数据发送至预测模型获取输出结果；输出结果为预测的训练标签；

将输出结果分别发送至后台监控模块和数据存储模块。

进一步地，处理器分别与电网检测模块、数据分析模块、执行控制模块、智能分析模块、后台监控模块和数据存储模块通信连接；数据分析模块分别与电网检测模块和执行控制模块通信连接；后台监控模块分别与数据存储模块和智能分析模块通信连接；智能分析模块分别与数据存储模块和执行控制模块通信连接；电网检测模块与交直流混合微电网电气连接，交直流混合微电网包括第一开关、第二开关、AC/DC转换器、交流负载、直流负载和柴油发电机，交直流混合微电网与公共电网通过第一开关连接，AC/DC转换器与第二开关串联。

进一步地，运行模式对应的具体操作和切换步骤具体参考论文《基于主从控制的交直流混合微电网多模式运行与切换策略》。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

本发明的工作原理：

通过电网检测模块获取公共电网运行状态、电网检测数据和负载检测数据，并发送至数据分析模块；

当数据分析模块接收到负载检测数据之后提取负载检测数据中的交流负载数量、直流负载数量和负载类型；为公共电网运行状态设置公网运行标签GB；获取交流评价系数JPX和直流评价系数ZPX；当交流评价系数JPX和直流评价系数ZPX均大于0小于1时，则发送交直流联合并网信号至执行控制模块；当交流评价系数JPX等于1时，则发送交流并网直流离网信号至执行控制模块；当直流评价系数ZPX等于1时，则发送交直流联合离网信号至执行控制模块；当公网运行标签GB＝0时，则发送交直流独立离网信号至执行控制模块；

通过执行控制模块根据执行控制信号对交直流混合微电网的运行模式进行切换；

通过数据存储模块获取训练数据集；建立人工智能模型；将训练数据集按照设定比例划分为训练集、测试集和校验集；利用训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为预测模型；每隔N分钟实时获取电网检测数据和负载检测数据并标记为输入数据；将输入数据发送至预测模型获取输出结果；将输出结果分别发送至后台监控模块和数据存储模块。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。