[发明专利]适用于下垂并网逆变器网络的模型降阶方法有效

专利信息
申请号: 202110406918.6 申请日: 2021-04-15
公开(公告)号: CN113098065B 公开(公告)日: 2022-10-04
发明(设计)人: 刘鸿鹏;张伟;张书鑫;刘佳耕 申请(专利权)人: 东北电力大学
主分类号: H02J3/38 分类号: H02J3/38;H02M7/493
代理公司: 哈尔滨市松花江专利商标事务所 23109 代理人: 于歌
地址: 132012 吉*** 国省代码: 吉林;22
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 适用于 下垂 并网 逆变器 网络 模型 方法
【说明书】:

适用于下垂并网逆变器网络的模型降阶方法,涉及下垂并网逆变器控制技术领域。本发明是为了解决解决传统慢同调方法难以应用于分布式发电网络的问题。本发明针对现有应用广泛的三相下垂控制并网逆变器,提出了适用于下垂并网逆变器网络的模型降阶方法,该方法能够将慢同调算法应用于下垂控制逆变器网络,并且能够有效改善传统慢同调算法的分群结果,进一步提高降阶模型的准确性。本发明适用于采用感性下垂控制的逆变器系统,不会受到电压电流控制方法的影响,不同电压等级或容量的情况同样适用。此外,本发明不仅适用于放射网络,更适用于网状网络。

技术领域

本发明属于下垂并网逆变器控制技术领域。

背景技术

同调等值技术广泛应用于大型系统中的动态等值中,得到的降阶模型能够准确地反映系统的动态响应。其中,代表性的慢同调方法具有对故障位置和严重程度不敏感等优点。然而,由于模型限制以及准确性差的问题使传统慢同调方法难以应用于分布式发电网络中。

在传统慢同调算法中通常采用常规同步机的二阶动态方程,并且由于同步机的阻尼转矩影响较小,忽略了其对同调算法的影响。然而下垂控制逆变器不存在类似的二阶动态方程,无法推导有功功率与转子角度的关系,并且下垂控制逆变器阻尼较大无法忽略。此外传统慢同调算法的准确性问题也会影响将其应用与分布式网络的效果。

发明内容

本发明是为了解决传统慢同调方法难以应用于分布式发电网络的问题,现提供适用于下垂并网逆变器网络的模型降阶方法。

适用于下垂并网逆变器网络的模型降阶方法,包括以下步骤:

步骤一:设下垂并网逆变器网络中所有逆变器的预设分群数为g,建立逆变器的慢同调模型;

步骤二:结合考虑阻尼的慢同调模型对下垂并网逆变器网络中所有逆变器进行一次分群;

步骤三:结合慢同调模型计算弱连接方式下的分群数r,并获得慢模式σa

步骤四:当g≤r时,计算g个最小特征值的模态矩阵,当gr时,计算慢模式σa的模态矩阵;

步骤五:根据模态矩阵的行向量和预设分群数g,采用模糊C均值聚类方法对垂并网逆变器网络中所有逆变器进行第二次分群;

步骤六:将第一次分群后获得的每个群分别与第二次分群后获得的每个群做交集,将每一个交集后的结果作为一个结果集,删除所有结果集中的空集,将剩余的结果集作为最终分群结果;

步骤七:利用聚合方法分别对最终分群结果中的每个群进行等效,使得下垂并网逆变器网络每个群中的多个逆变器等效为单台逆变器,实现模型降阶。

进一步的,上述步骤一所述逆变器的慢同调模型为:

其中,M为包含惯性时间常数的对角矩阵,δ为虚拟发电机转子角度,K为同步转矩系数,Δ表示线性化。

进一步的,上述在慢同调模型中考虑阻尼获得:

其中,D为包含各电源阻尼系数的对角矩阵。

进一步的,上述步骤二中对下垂并网逆变器网络中的逆变器进行一次分群的具体方法为:

步骤21:将M-1D中的元素从小到大依次排列获得[a1,a2,...,an],n为下垂并网逆变器网络中逆变器的数量,

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东北电力大学,未经东北电力大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110406918.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top