一种考虑模型鲁棒性的微电网动态等值建模方法

本发明属于电力系统，更为具体地讲，涉及一种考虑模型鲁棒性的微电网动态等值建模方法。

背景技术：

1、近年来，随着分布式电源和柔性负荷的大量接入，微电网安全稳定问题日益凸显。由于微电网内部元数量多、种类杂、参数获取困难等原因，在分析微电网暂态特性以及探索微电网对其所接入电网安全稳定运行的影响时，通常采用动态等值建模方法对微电网进行简化建模。

2、然而，在实践中发现，由于分布式电源的随机性以及柔性负荷的时变特征，传统基于系统某一运行状态所建立的等值模型存在鲁棒性不强的问题，即等值模型仅能表征微电网在某一或某些运行点的动态特性，而无法准确反映系统的全部特征。为此，在分布式电源和柔性负荷不断增加的大背景下，建立一种考虑模型鲁棒性的微电网动态等值建模方法具有重要的理论和工程意义。

技术实现思路

1、本发明的目的在于克服现有技术的不足，提供一种考虑模型鲁棒性的微电网动态等值建模方法，通过微电网典型运行状态的聚类以及采用长短期记忆网络对等值模型参数进行泛化，提升了微电网等值模型的鲁棒性。

2、为实现上述发明目的，本发明一种考虑模型鲁棒性的微电网动态等值建模方法，其特征在于，包括以下步骤：

3、(1)、建立微电网的运行特征数据库；

4、在不同外部故障条件下记录电力系统公共连接点处的n1组暂态特征数据，并作为微电网的运行特征数据库，其中，每一组特征数据包含以下信息：

5、[pi qi si ci]

6、

7、

8、其中，i＝1，2，…,n1，n1为特征数据组数；pi和qi分别为第i组特征数据中所记录的电力系统公共连接点处的有功、无功功率；psgi为第i组特征数据中微电网内部所有同步电源的有功功率总和；pvsci为第i组特征数据中微电网内部所有经变流器并网的分布式电源的有功功率总和；pi,0为pi所对应的稳态值；si和ci分别表示第i组特征数据中所有同步电源和所有经变流器并网的分布式电源占有源配电网总有功出力的比例；

9、(2)、建立微电网等值模型；

10、将微电网简化建模为并联在电力系统公共连接点处的静态负荷模型、同步发电机模型和电压源型变流器模型；同时，在电力系统公共连接点与并联同步发电机模型和电压源型变流器模型之间串联接入一个线路阻抗模型；

11、微电网等值模型在电力系统公共连接点处的输出有功功率和无功功率为：

12、p＝peq,t+i·req,t+pgen,t+pvsc,t

13、q＝qeq,t+i·xeq,t+qgen,t+qvsc,t

14、其中，p和q分别为微电网等值模型在电力系统公共连接点处的输出有功功率和无功功率，peq,t和qeq,t分别为静态负荷的等值有功功率和无功功率，req,t和xeq,t分别为线路阻抗的等值阻抗和等值电抗，pgen,t和qgen,t分别为同步发电机的等值有功功率和无功功率，pvsc,t和qvsc,t分别为电压源型变流器的等值有功功率和无功功率，i为流过线路阻抗模型的等值电流；

15、(3)、基于关键参数筛选的等值模型参数辨识；

16、(3.1)、计算微电网等值模型参数的轨迹灵敏度值ts：

17、

18、其中，θj表示微电网等值模型的第j个参数；θj0表示θj的标准值，k为有功功率采样点数；p0表示有功功率的稳态值，δθj表示参数θj偏离标准值的偏移量；

19、(3.2)、设定关键参数选择阈值ε，将轨迹灵敏度值大于阈值的参数定为关键参数，其余参数设为非关键参数；

20、(3.3)、关键参数辨识；

21、将微电网等值模型非关键参数设为理论值，采用粒子群算法对关键参数进行辨识，其参数辨识的目标函数为：

22、

23、其中，和分别为第i组特征数据中电力系统公共连接点处有功功率、无功功率测量值与模型仿真输出值的均方根误差，δpi(k)、δqi(k)分别为第i组特征数据中电力系统公共连接点处第k个采样点处有功功率、无功功率测量值与模型仿真输出值的差；

24、(3.4)、利用微电网运行特征数据库所记录的每一组特征数据辨识等值模型参数，得到n1组特征数据所对应等值模型关键参数的辨识结果；

25、(4)、特征数据集聚类；

26、(4.1)、基于k-means++算法对微电网运行特征数据库中的n1组特征数据进行聚类，将具有相似动态特性的特征数据聚为一类，其中，k-means++算法的输入特征矩阵为：

27、

28、其中，qi,0为qi所对应的稳态值，pi,max和qi,max分别为故障条件下电力系统公共连接点测量得到的有功功率和无功功率最大值；

29、(4.2)、确定最优聚类数目；

30、基于silhouette准则，计算k-means++算法最优聚类数指标为：

31、

32、其中，n为聚类数目，ak为样本k与同簇内剩余样本的平均距离；bk为样本k与非同簇内样本距离的最小值；

33、将κ取最大值时所对应的聚类数目n作为最佳聚类数，记为n2，从而将n1组特征数据聚类为n2组特征数据集合；

34、(5)、等值模型参数泛化；

35、(5.1)、设置长短期记忆网络训练的输入矩阵为：

36、

37、设置长短期记忆网络训练的输出矩阵为：

38、

39、其中，为第组特征数据集合中的特征数据组数；为第组特征数据集合中第个特征数据所对应等值模型的第m个关键参数，m为关键参数的个数；

40、(5.2)、重复步骤(5.1)，通过每一组特征数据集合训练一个长短期记忆网络，实现等值模型参数泛化；

41、(6)、等值模型参数在线匹配；

42、(6.1)、基于n2组特征数据集合，建立fisher判别准则的判别函数；

43、(6.2)、对于一个新特征数据，依据判别准则判断新特征数据所属的特征数据集合，然后选择对应的长短期记忆网络；

44、(6.3)、调用长短期记忆网络，长短期记忆网络的输入为[p0 q0 pmax qmax s c]，长短期记忆网络的输出即为等值模型的等值参数，其中，p0和q0分别为新特征数据的有功功率与无功功率对应的稳态值，pmax和qmax分别为故障条件下通过新特征数据在电力系统公共连接点测量得到的有功功率和无功功率最大值；s和c分别表示新特征数据中所有同步电源和所有经变流器并网的分布式电源占有源配电网总有功出力的比例。

45、本发明的发明目的是这样实现的：

46、本发明一种考虑模型鲁棒性的微电网动态等值建模方法，首先建立微电网的运行特征数据库，以表征微电网的时变和随机特性；然后确定微电网等值模型结构并采用基于关键参数筛选的等值模型参数辨识方法确定每一个特征数据所对应微电网等值模型的等值参数；其次，采用长短期记忆网络对等值模型参数进行泛化；最后，基于fisher判别准则，建立等值模型参数在线匹配方法。

47、同时，本发明一种考虑模型鲁棒性的微电网动态等值建模方法还具有以下

48、有益效果：

49、(1)、本发明通过对特征数据集的聚类，对微电网典型运行点进行有效区分，并基于不同运行点分别建立相应的等值模型，显著提升了微电网等值模型的鲁棒性。

50、(2)、本发明通过关键参数选择，避免了参数辨识过程中的多解问题，提升了参数辨识的准确性。

51、(3)、本发明利用长短期记忆网络的非线性映射特性对微电网等值模型参数进行泛化，进一步提升了等值模型的鲁棒性。