一种基于改进虚拟同步机的电池储能系统控制方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116014772A(43)申请公布日2023.04.25(21)申请号202211489098.2H02J3/38(2006.01)(22)申请日2022.11.25H02J3/40(2006.01)G06N3/0464(2023.01)(71)申请人国网上海市电力公司G06N3/084(2023.01)地址200122上海市浦东新区中国（上海）自由贸易试验区源深路1122号(72)发明人徐冰雁肖金星叶影孙俭陈云峰杨军谢黎龙郭磊陈龙汤衡刘杨名沈杰士李勇汇张宇威(74)专利代理机构上海三和万国知识产权代理事务所(普通合伙)31230专利代理师蔡海淳(51)Int.Cl.H02J3/32(2006.01)H02J3/24(2006.01)权利要求书3页说明书7页附图4页(54)发明名称一种基于改进虚拟同步机的电池储能系统控制方法(57)摘要一种基于改进虚拟同步机的电池储能系统控制方法，属微电网的控制领域。建立包含光伏发电、储能发电与负荷的微网模型；采用虚拟同步发电机技术与深度强化技术对储能电池的输出特性展开控制，维持微网频率的稳定；针对虚拟同步发电机中虚拟调速器模块，采用深度强化学习中深度确定策略梯度算法设计虚拟调速器，选择合适的神经网络与奖励函数训练生成虚拟调速器，实现对虚拟同步发电机的改进。其对储能并网逆变器选择深度强化学习算法中深度确定性策略梯度算法，构建四个神经网络，使控制器可以满足微网中连续功率补偿的需要，且降低了维数灾难，使其能够应对光储微网中分布式电源出力波动与负荷变化的复杂工况。适用于光储微网的运行及管理领域。CN116014772ACN116014772A权利要求书1/3页1.一种基于改进虚拟同步机的电池储能系统控制方法，其特征是包括以下步骤：步骤1：在matlab/simulink环境中建立包含光伏发电、储能发电与负荷的微网模型；步骤2：采用虚拟同步发电机技术与深度强化技术对储能电池的输出展开控制，维持微网频率的稳定；步骤3：针对虚拟同步发电机中虚拟调速器模块，采用深度强化学习中深度确定策略梯度算法设计虚拟调速器，选择合适的神经网络与奖励函数训练生成虚拟调速器，实现对虚拟同步发电机的改进；所述的电池储能系统控制方法，采用深度强化学习控制技术与虚拟同步发电机控制技术，对储能并网逆变器内部结构加以改进，选择深度强化学习算法中深度确定性策略梯度算法，构建四个神经网络，使控制器可以满足微网中连续功率补偿的需要，且降低了维数灾难，使其可以应对光储微网中分布式电源出力波动与负荷变化的复杂工况。2.按照权利要求1所述的基于改进虚拟同步机的电池储能系统控制方法，其特征是在步骤1中首先建立包含光伏发电系统、电池储能系统与负荷的微网模型；在微网模型中，光伏发电系统与电池储能系统分别采用不同的逆变器并入电网中；光伏发电系统采用最大功率追踪控制以最大化输出清洁能源，并网逆变器采用恒功率控制，光伏发电系统以等效电流源的形式并入电网，可以采用受控电流源进行代替；电池储能系统的并网逆变器采用虚拟同步发电机控制；当与外网连接开关断开时，微网处于离网状态，此时电池储能系统负责维护微网母线频率的稳定。3.按照权利要求1所述的基于改进虚拟同步机的电池储能系统控制方法，其特征是步骤2针对微网在离网运行时需要为负荷提供较好的电能质量，采用虚拟同步发电机技术与深度强化技术对储能电池的输出展开控制，维持微网频率的稳定。4.按照权利要求1所述的基于改进虚拟同步机的电池储能系统控制方法，其特征是根据步骤1搭建的模型，对储能电池的并网逆变器采用虚拟同步发电机控制，其中虚拟调速器根据实测频率fg与额定频率fN生成对应的有功功率补偿Pm，调速器中控制器采用传统PI控制器，采用在线学习经验回放的深度强化学习方式，训练得到的控制器能够更好的适应更为复杂的微网。5.按照权利要求1所述的基于改进虚拟同步机的电池储能系统控制方法，其特征是在步骤2中选择实测频率fg、实测频率与参考频率误差e与频率误差的积分值∫e作为状态观察量，选择有功功率补偿ΔPbat为动作变量：s＝(fg,e,∫e,SOC)(1)a＝(ΔPbat)(2)其中：s为状态空间集合；a为动作空间集合；采用DDPG算法进行控制器的设计训练，DDPG算法有两个动作网络，分别是动作当前网络与动作目标网络，参数为θ与θ’,还有两个评价网络，分别是评价当前网络与评价目标网络，参数为ω与ω’；动作当前网络根据当前环境信息产生动作，动作目标网络根据下一时刻的环境信息得到下一时刻的动作，评价当前网络计算在当前环境下采取动作的价值，评价目标网络得到下一时刻环境信息采取下一时刻动作的价值。6.按照权利要求1所述的基于改进虚拟同步机的电池储能系统控制方法，其特征是步2C