一种微电网电压稳定控制系统及控制方法与流程

本发明属于新能源发电领域，尤其涉及一种微电网电压稳定控制方法及控制系统。

背景技术：

在能源危机和环境污染问题日益突出的大背景下，研究开发绿色清洁的可再生能源已成为世界各国的能源发展战略和技术方向。由于地域及环境的影响，分布式能源在我国东部地区迅速发展。微电网作为分布式发电的有效承载方式，充分汲取分布式发电的优点，与大电网互为支撑，可以使用户得到不间断的可靠供电。目前，微电网具有孤岛运行（或独立运行）和并网运行两种不同的运行模式，以及转换过程的中间模式，对此已经提出多种控制策略以保持微电网状态切换的稳定运行。针对微电网的可靠性，它的工作容量有限，抗扰动能力弱，工作过程中可能会出现分布式电源输出功率突变、大面积负荷的瞬时接入或脱落等瞬态事件，降低了微电网的可靠性。

同时，风能和光伏等间歇性电源固有的随机性和间歇性特点，导致其规模化接入对电网发电调度、调峰调频和备用容量规划等方面带来很大挑战，同时还会对电网的安全稳定运行和电能质量带来不利影响。为了有效解决上述问题，微电网作为集成分布式电源的良好解决方案，已成为当前电力行业的研究热点和发展趋势。

微电网作为分布式发电的一种必然网络结构，是由分布式电源、电力电子装置以及负荷构成的一种新型发配电力系统。它既能作为一个自治系统独立运行，又能作为一个可控单元并网运行。目前，微电网的控制方案包括微电网分布式电源的控制和系统整体控制。微电网的整体控制策略包括主从控制、对等控制和分层控制。分布式电源的控制主要有：有功、无功(PQ)控制，下垂控制和恒电压频率控制。由于微电网含有多种类型的微电源，运行时需要对微电源、负荷以及储能进行协调控制，维持系统的有功和无功功率的平衡。

技术实现要素：

针对现有的技术缺陷，本发明提供了一种微电网电压稳定控制控制方法及控制系统。现阶段新能源并网以及发电模式的变革成为必然趋势，为此本发明考虑微电网的新能源消纳问题，针对微电网群的电压稳定进行控制，从而更为高效灵活的保证微电网的静态电压稳定特性。

为实现以上目的，本发明提出了一种微电网电压稳定控制系统，包括信息采集系统、电压稳定性L_i指标监测系统、基于支持向量机的电压稳定性L_i指标预测系统、风电光伏预测系统、负荷预测系统与功率调节系统。

所述信号采集系统，采集的数据包括各微电网内部负荷的运行数据、微电源的功率出力数据以及并网点PCC母线的电压与相角数据；所述电压稳定性L_i指标监测系统，包括电压、相角和电压稳定性L_i指标的当前数据和历史数据；所述基于支持向量机的电压稳定性L_i指标预测系统，包支持支持向量机的指标预测数据；所述的风电光伏预测系统，包括风电光伏的功率出力预测；所述的负荷预测系统，包括负荷功率的预测；所述功率调节系统包括对控制参考信号的分析、各预测信号的比对以及各无功补偿、可控微电源和负荷的控制。

微电网的构成主要有光伏发电系统、风力发电系统、储能系统、燃气轮机发电系统以及各种无功补偿装置，内部负荷包括居民负荷，小型业负荷等。

本发明还公开了所述微电网电压稳定的控制方法，具体步骤如下：

步骤一， 在电网无负荷工作状态下，采集微电网空载状态下PCC并网点以及微电网内部各母线的电压与相角数据，并将此作为计算微电网电压稳定性L_i指标的静态初始值。

步骤二，在微电网建成运行到当前时刻的这段时间内，将微电网的电压相角与L_i指标（以式（1）计算）数据构建历史数据库。

式中，L是电压稳定性指标，V₀是空载状态下负荷母线的电压，θ₀是初始相角，V_L是正常运行下负荷母线的电压，θ_L是正常运行状态下的相角。

步骤三，通过信号采集系统设置采样间隔时间，优选为5分钟；实时采集当前微电网PCC并网点以及微网内部各负荷母线的电压与相角的动态测量值，并计算实时的微电网各母线的电压稳定性指标L_i。

步骤四，为了保证微电网预测的准确性和每次计算速度的要求，随机抽取信息数据库中具有一个月的样本数据量与当前实时采集信息，通过支持向量机训练和回归预测出下一时间段的微电网电压稳定性L_i指标。

步骤五，因考虑微电网内部微电源发电的间歇性与波动性以及负荷的随机性，采集如下信息：（1）风电光伏微电源的功率出力数据；（2）微电网负荷状态变化数据。构建数据库并利用支持向量机算法对微电源出力与负荷状态进行预测。

步骤六，设定微电网电压稳定性L_i指标为1的参考值，微电网内部负荷数据以最大负荷的0.75倍作为参考值，风电光伏微电源的功率出力以其最大功率出力的2/3倍作为参考值。

步骤七，将步骤四中L_i指标预测值、负荷数据以及风电光伏微电源的功率出力数据预测值、设定的参考值和参考值与实测值误差的绝对值作为神经网络控制的输入量。

步骤八，将控制输出数据经计算机处理与微电网能量管理系统相结合，控制微电网内部各无功补偿器的无功补偿量，以及参与蓄电池的控制调节环节，实现微电网内部的无功调节。

本发明提供了一种微电网电压稳定控制方法及控制系统，通过微电网并网PCC母线与内部负荷母线电压、相角的实时采集，计算当前微电网的电压稳定指标，利用支持向量机算法预测微电网的电压稳定指标、负荷以及风电光伏的出力，并以此作为微电网内各无功补偿、微电网可控电源以及储能的控制参考信号。通过闭环控制系统实现微电网内部无功自动调节的控制，在满足电压稳定的基础上的基础上，通过智能调节实现微电网的安全稳定运行，促进微电网的快速发展。

附图说明

图1是本发明的结构示意图；

图2是本发明信号采集系统的示意图；

图3是本发明电压稳定性指标L_i的监测系统的示意图；

图4是本发明支持向量机的电压稳定性L_i指标预测系统的示意图；

图5是本发明微电源功率出力预测的示意图；

图6是本发明负荷预测的示意图；

图7是本发明功率调节系统的示意图；

图8是本发明功率调节系统的工作流程图。

图中，1-并网母线以及各负荷母线，2-并网点母线以及各母线的电压，3-并网点母线以及各母线的相角，4-各母线的电压稳定指标L_i，5-电压稳定指标的预测值，6-风力发电出力，7-光伏发电出力，8-风电光伏的出力预测值，9-工业负荷，10-居民负荷A，11-居民负荷B，12-负荷预测值，13-电压稳定性指标参考值，14-负荷参考值，15-风电光伏出力参考值，16-无功补偿器1控制指令输出，17-无功补偿器2 指令输出，18-燃气轮机控制指令输出，19-蓄电池控制指令输出。

具体实施方式

为了加深对本发明的理解，下面将结合附图和实施例对本发明做进一步详细描述，该实施例仅用于解释本发明，并不对本发明的保护范围构成限定。

微电网的构成主要有光伏发电系统、风力发电系统、储能系统、燃气轮机发电系统以及各种无功补偿装置，内部负荷包括居民负荷，小型业负荷等。

实施例：如图1所示，一种微电网电压稳定控制系统，包括信号采集系统、电压稳定性L_i指标监测系统，基于支持向量机的电压稳定性L_i指标预测系统、风电光伏出力预测系统、负荷预测系统与功率调节系统。

信号采集系统如图2所示，采集并网点母线以及为微电网内部各负荷母线的电压与相角，其中采集过程通过锁相环技术进行。利用计算机对采集的信号进行数据处理，以额定值作为标准考虑其数据的误差范围，保证采集的信号的准确性。

电压稳定性L_i指标的监测系统如图3所示，主要对信号采集到当前时刻微电网并网节点以及内部各负荷节点的电压2和相角3进行公式计算求取电压稳定L_i指标，本发明中每次求四组，分别为居民负荷A，居民负荷B，工业负荷以及并网点母线电压稳定指标。对采集到的电压2、相角3和计算出的L_i指标进行分组编号，进行实时监测和存储。

基于支持向量机的电压稳定性L_i指标预测系统如图4所示，利用采集到的各点当前的电压相角数据以及电压、相角和L_i指标的历史数据，利用支持向量机算法对电压稳定性L_i指标进行预测，提前预测微电网电压稳定情况。

风电光伏预测系统如图5所示，考虑风电与光伏发电的间歇性与波动性，对微电网内各微源的有功无功进行实时的监测与存储，构建风电光伏的功率出力数据库与实时数据。并利用支持向量机对微源出力进行预测。其中主要包括6-风电出力数据，7-光伏出力数据，8-风电光伏的出力预测值。

负荷预测系统如图6所示，了解微电网内负荷的变化情况，对微电网内各负荷的数据进行实时的监测与存储。构建其日负荷曲线以及月负荷曲线，构建负荷出力数据库与实时数据。并利用支持向量机对微电网内负荷进行预测。

功率调节系统如图7和8所示，将预测值与参考值进行比较完成提前的预防控制。以电压稳定L_i指标为微电网电压稳定判别指标，先考虑通过指标判别微电网是否出现电压稳定性问题，若稳定，则正常运行，若不稳定，则考虑负荷是否过重；若负荷过重，则对该馈线进行无功补偿；如果指标仍然不满足要求，则考虑提高可控微源的功率出力以及蓄电池在微电网内维持功率平衡的能力；若负荷没有过重，则将给出的参考值，考虑风电光伏出力的随机性与波动性对负荷母线的电压波动影响；出力波动大，同样考虑提高可控微源的功率出力以及蓄电池的功率调节能力；如果以上措施都不能满足指标的要求就采取切负荷措施，保证微电网的稳定性。

具体实施步骤如下：

步骤一， 在电网无负荷工作状态下，采集微电网空载状态下PCC并网点以及微电网内部各母线的电压与相角数据，并将此作为计算微电网电压稳定性L_i指标的静态初始值。

步骤二，在微电网建成运行到当前时刻的这段时间内，将微电网的电压相角与L_i指标（以式（1）计算）数据构建历史数据库。

式中，L是电压稳定性指标，V₀是空载状态下负荷母线的电压，θ₀是初始相角，V_L是正常运行下负荷母线的电压，θ_L是正常运行状态下的相角。

步骤三，通过信号采集系统以5分钟为采样的间隔，实时采集当前微电网PCC并网点以及微网内部各负荷母线的电压与相角的动态测量值，并计算实时的微电网各母线的电压稳定性指标L_i。

步骤四，为了保证微电网预测的准确性和每次计算速度的要求，随机抽取信息数据库中具有一个月的样本数据量与当前实时采集信息，通过支持向量机训练和回归预测出下一时间段的微电网电压稳定性L_i指标。

步骤五，因考虑微电网内部微电源发电的间歇性与波动性以及负荷的随机性，采集如下信息：（1）风电光伏微电源的功率出力数据；（2）微电网负荷状态变化数据。构建数据库并利用支持向量机算法对微电源出力与负荷状态进行预测。

步骤六，设定微电网电压稳定性L_i指标为1的参考值，微电网内部负荷数据以最大负荷的0.75倍作为参考值，风电光伏微电源的功率出力以其最大功率出力的2/3倍作为参考值。

步骤七，将步骤四中L_i指标预测值、负荷数据以及风电光伏微电源的功率出力数据预测值、设定的参考值和参考值与实测值误差的绝对值作为神经网络控制的输入量。

步骤八，将控制输出数据经计算机处理与微电网能量管理系统相结合，控制微电网内部各无功补偿器的无功补偿量，以及参与蓄电池的控制调节环节，实现微电网内部的无功调节。

以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。