微电网群分析控制中模型降阶方法、系统及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115291520A(43)申请公布日2022.11.04(21)申请号202211021552.1(22)申请日2022.08.24(71)申请人广东工业大学地址510090广东省广州市越秀区东风东路729号(72)发明人罗熙赵卓立伍均桦谢金典宫绍庆倪强赖来利(74)专利代理机构广州粤高专利商标代理有限公司44102专利代理师刘俊(51)Int.Cl.G05B13/04(2006.01)H02J3/38(2006.01)H02J3/32(2006.01)权利要求书4页说明书10页附图3页(54)发明名称微电网群分析控制中模型降阶方法、系统及存储介质(57)摘要本发明提出一种微电网群分析控制中模型降阶方法、系统及存储介质，涉及微电网群控制的技术领域，建立微电网群全阶模型，将微电网群状态矩阵的所有特征值和特征向量组成矩阵，计算获得参与因子，选择系统主导模式并辨识主导慢动态和快动态，通过经典奇异摄动法建立微电网群系统边界层并实现双时间尺度下的模型降阶，挑选出具有最大参与因子数值的快动态并设为混合动态，循环加回双时间尺度降阶模型中观察，直至主导模式与全阶模型相符合，得到混合动态并放入双时间尺度降阶模型中重建，获得保留了微电网群全局主导慢动态与混合动态最终降阶模型，保障稳定分析建模精度，为微电网系统进一步的宏观调节提供指导性建议，保障电力运行的可靠性。CN115291520ACN115291520A权利要求书1/4页1.一种微电网群分析控制中模型降阶方法，其特征在于，包括：S1.建立微电网群的全阶状态空间模型；S2.确定微电网群的状态矩阵及特征值，基于微电网群的状态矩阵及特征值，求解微电网群的系统特征值、左特征向量与右特征向量，进一步获取所有特征值的参与因子；S3.基于微电网群的全阶状态空间模型，选择微电网群系统主导模式并辨识主导慢动态与快动态；S4.建立微电网群系统边界层，保留已辨识的主导慢动态并消去快动态，实现双时间尺度下的模型降阶，获得双时间尺度降阶模型；S5.辨识微电网群系统的混合动态，将其在双时间尺度降阶模型中重建，得到最终降阶模型，用于微电网群稳定分析。2.根据权利要求1所述的微电网群分析控制中模型降阶方法，其特征在于，在步骤S1中，微电网群中单个微电网内设有双馈风电机组、光伏发电机组、电池储能机组，双馈风电机组、光伏发电机组、电池储能机组在微电网线路中的交流微网母线上并联运行，若干个单个微电网及其之间的联络线构成所述的微电网群；针对双馈风电机组，建立如下以状态方程表示的模型：其中，ΔvbDQ1为双馈机组公共坐标系中的连接点电压；Δωcom为本地和公共坐标系之间频率偏差的附加输入信号；ΔxDFIGi为第i个双馈风力发电机组的所有状态变量，其中包含了下垂控制器状态变量ΔxDroop、风力机机械部件状态变量ΔxSM、异步发电机状态变量ΔxAG、LCL滤波器状态变量ΔxLCL、转子侧功率变换器状态变量ΔxRSC和网侧功率变换器状态变量ΔxGSC；为双馈机组状态变量的积分；ADFIG为双馈机组的状态矩阵，BDFIG和Bcomi分别为双馈机组和公共坐标系的输入矩阵，均由相应控制器表示的常微分方程得到；针对光伏发电机组，建立如下以状态方程表示的模型：其中，ΔvbDQ2为光伏机组公共坐标系中的连接点电压；ΔxPVi为第i个光伏机组的所有状态变量，其中包含了下垂控制器状态变量ΔxDroop、光伏直流电压Δvdc、LCL滤波器状态变量ΔxLCL、逆变器电压外环状态变量和逆变器电流内环状态变量为光伏机组状态变量的积分；APV为光伏机组的状态矩阵，BPV和Bcomi分别为光伏机组和公共坐标系的输入矩阵，均可以由相应控制器表示的常微分方程得到；针对电池储能机组，建立如下以状态方程表示的模型：其中，ΔvbDQ3为储能机组公共坐标系中的连接点电压；ΔxBESSi为第i个储能机组的所有状态变量，其中包含了下垂控制器状态变量ΔxDroop、LCL滤波器状态变量ΔxLCL、逆变器电压2CN115291520A权利要求书2/4页外环状态变量和逆变器电流内环状态变量为储能状态变量的积分；ABESS为储能单元的状态矩阵，BBESS和Bcomi分别为储能单元和公共坐标系下的输入矩阵，均可以由相应控制器表示的常微分方程得到；基于双馈风电机组、光伏发电机组及电池储能机组的状态方程，建立单个微电网的全阶模型：其中，ΔxMGi表示第i个微电网的所有状态变量，其中，包括储能单元、光伏发电单元和双馈风力发电单元的所有状态变量，以及微电网内馈线的状态变量Δxline、负载的状态变量Δxload；为微电网状态变量的积分；AMGi为单微电网的状态矩阵。3.根据权利要求2所述的微电网群分析控制中模型降阶方法，其特征在于，