[发明专利]基于径向基神经网络预测的直流微电网均流方法

权利要求书

1.一种基于径向基神经网络预测的直流微电网均流方法，有n个发电单元并联组成直流微电网，通过各自变换器并入交流电网，其特征在于，实时采集本地单个发电单元的输出并网电流i₀₁、发电单元输出并网电压u₀₁和发电单元输出线路上电感电流i_L1数据送入训练后RBF神经网络预测模型，预测得到直流微电网中其余n-1个并联单元的输出平均电流值由i₀₁和计算出本地单个发电单元应该输出并网电流的平均值与本地实时输出电流值差值输入到电流调节器进行电流调节，输出均流控制的控制变量δi_o1进入本地下垂控制进行电流补偿；直流微电网中每个发电单元均用前述预测方式进行本地调控，克服线路阻抗导致的电流波动，达到均流控制；

所述输出均流控制的控制变量δi_o1进入本地下垂控制进行电流补偿的关系式如下：

U_o1＝U_ref-R_d1i_o1-δi_o1+δu，

δu＝G_piv(U_bus-U_ref)，

式中：U_o1为本地发电单元变换器输出端口电压；U_ref为直流母线基准电压；R_d1为本地发电单元变换器本地控制下垂系数；k₁为本地发电单元变换器的功率分配比例；δu为电压控制的控制变量；U_bus为直流母线电压；G_piv为电压调节器的传递函数；G_pic为电流调节器的传递函数。

2.根据权利要求1所述基于径向基神经网络预测的直流微电网均流方法，其特征在于，所述RBF神经网络预测模型分输入层、隐含层和输出层：

X＝[i₀₁ u₀₁ i_L1]^T，

其中X、Y分别为网络输入和输出；j＝1，2，3，…，m，m为隐含层的个数；

h_j为隐含层第j个单元的训练得到的高斯基函数；c_j为基函数中心；b_j为基函数的宽度；y_i为第i组训练数据输入对应的神经元输出值；ω_ij表示第i组训练数据输出神经元与隐含层第j个单元之间的连接权值。