[发明专利]多电平储能型变换器深度学习式模型预测控制系统及方法

说明书

本发明涉及一种多电平储能型变换器深度学习式模型预测控制系统及方法，该控制系统包括模型预测模块及与其相连接的两个电流检测模块，功率检测模块、电压检测模块、深度学习模块、SOC检测模块和开关信号生成模块，模型预测模块接收各个模块的信息后，计算得到每组桥臂最优接入个数，通过开关信号生成模块产生开关驱动信号并传送给多电平储能型变换器实现控制功能。本发明设计合理，其通过深度学习算法自适应调节SOC均衡、输出谐波控制目标权重系数，有效地提高了系统整体性能，可广泛用于子模块数目较少的分布式小功率储能应用场景。

技术领域

本发明属于储能技术领域，涉及多电平储能型变换器，尤其是一种多电平储能型变换器深度学习式模型预测控制系统及方法。

背景技术

能源危机和环境问题的愈发严重，使得新能源在电网中的接入比例逐年提升。新能源，尤其是太阳能，具有输出功率波动性强、受外部环境影响大等特点，在并网过程中通常需要与储能装置配合使用。随着光伏市场的日趋成熟，光伏成本逐年下降，基本与传统火力发电电价持平。同时光伏能够与楼宇建筑进行一体化设计，对于新能源系统在用户侧的广泛接入提供了有力条件。

作为储能系统并网的关键设备，并网变换器对于储能系统的输出起到调控作用，能够与光伏输出特性相匹配，减小对并网点的冲击影响。传统储能并网变换器结构为两电平结构，具有控制灵活、解耦性强等优势，但是对于电池组内部缺乏有效管理，储能装置整体使用寿命有所缩减。模块化多电平变换器(Modular Multilevel Converter,MMC)因其模块化结构、输出谐波特性好、环流控制灵活等优势在高压交直流变换领域具有良好应用。若将储能电池组分散接入于MMC结构子模块中，则能够充分利用环流、子模块调制深度等控制变量对电池组输入/输出能量进行有效调控，从而延长储能系统的使用寿命。

对于储能型模块化多电平系统(B-MMC)的控制策略研究大都基于传统PI控制理论，随着控制变量以及控制环数的增加，系统的参数调整难度直线上升，系统的动态稳定性也会受到一定影响。相比较而言，模型预测控制方法(Model Predictive Control,MPC)通过预测下一时刻系统运行状态，从中选取价值函数最优情况对应开关状态作为系统下一时刻动作信号，避免了PI参数的调试问题。然而在价值函数的构造过程中，需要对不同控制目标间的权重系数进行权衡，目前权重系数的选取更多基于经验获取。

发明内容

本发明的目的在于克服现有技术的不足，提出一种设计合理且能够提高系统整体性能的多电平储能型变换器深度学习式模型预测控制系统及方法。

本发明解决其技术问题是采取以下技术方案实现的：

一种多电平储能型变换器深度学习式模型预测控制系统，包括第一电流检测模块、第二电流检测模块、功率检测模块、电压检测模块、模型预测模块、深度学习模块、SOC检测模块和开关信号生成模块；

所述第一电流检测模块与交流输出侧连接，用于采集交流输出侧电流值并输出至模型预测模块；

所述第二电流检测模块与三相桥臂连接，用于采集三相环流值并输出至模型预测模块；

所述功率采集模块与三相桥臂连接，用于采集三相桥臂的输入/输出功率值并输出至模型预测模块；

所述电压检测模块与交流输出侧连接，用于采集交流侧电压值并输出至模型预测模块；

所述SOC检测模块与多电平储能型变换器的桥臂相连接，用于采集桥臂子模块电池组的SOC值并输出至模型预测模块；

所述深度学习模块利用深度学习算法确定价值函数中权重系数的最优值并输出至模型预测模块；

所述模型预测模块通过模型预测控制方法计算得到每组桥臂最优接入个数，并输出至开关信号生成模块；

所述开关信号生成模块产生开关驱动信号并传送给多电平储能型变换器实现控制功能。