[发明专利]一种基于人工神经网络的静态无功补偿器电压调节方法

权利要求书

1.一种基于人工神经网络的静态无功补偿器电压调节方法，其特征在于：包括以下步骤：

步骤1：数据采集，模拟多种不同负载和分布式发电DG的运行工况，收集公共耦合点处的电压V_PCC及对应的滤波电容组接通数NCBF和晶闸管触发角α，共采集N组数据；

所述步骤1中的数据收集方法具体步骤如下：

S1.1.设置N个不同的负载和DG的运行工况；

所述步骤S1.1中，模拟系统中负载、DG功率和谐波源的不同工况，可以根据方程(1)—(3)生成，方程所体现出的随机性可以使收集的数据更加多样性，从而更好的训练人工神经网络；

G_c,k＝G_k,nomR_k,c (2)

其中，S_i,c是运行工况C中公共母线i的负载功率，S_i,min和S_i,max分别是母线i的最大和最小负载功率，N是工况总数，G_c,k是运行工况C中第k个DG单元产生的功率，G_k,nom是第k个DG单元的额定功率，R_i,c和R_k,c分别是负载和DG的随机变化，I_h-n,c是运行工况C中母线n的非线性负载产生的h阶谐波电流，I_h-n,min和I_h-n,max分别是h阶的最小和最大谐波电流；

S1.2.向模拟系统中注入谐波电流，用来分析运行工况中的谐波干扰情况，测量出此时的公共耦合点电压V_PCC，初始NCBF₀和α₀；

S1.3.静态无功静止补偿器SVC输出控制；

S1.4.参考电压V_REG与V_PCC比较，得到差值ΔV；

S1.5.判断ΔV是否在系统允许的误差范围内，如果在允许的误差范围内，则收集此时的NCBF和α；如果不在允许范围内，则触发角增加Δα；

S1.6.判断增加Δα后的触发角是否在极限值内，如果在极限值以内，则返回步骤S1.3；如果超过极限值，则生成新的NCBF；

S1.7.判断新生成的NCBF是否在极限值内，如果在极限值以内，则返回步骤S1.3；如果超过极限值，则输出数据NCBF＝0且α＝0⁰或NCBF＝3且α＝90⁰；

S1.8判断模拟工况个数是否达到N个，如果达到N个，则结束运行工况的模拟；否则返回步骤S1.1，开始模拟新的运行工况；

步骤2：建立人工神经网络模型，以步骤1中收集到的数据训练人工神经网络，达到最优参数和结构；

步骤3：训练好的人工神经网络ANN接入控制器，控制NCBF和α角，实现静态无功静止补偿SVC；

步骤4：静态无功静止补偿器SVC通过电压调节维持耦合处电压的稳定性。

2.根据权利要求1所述的基于人工神经网络的静态无功补偿器电压调节方法，其特征在于：所述步骤1中收集的数据在ANN训练中，采用交叉验证法，把数据随机的分为2组，75％用于训练，25％用于测试。

3.根据权利要求1所述的基于人工神经网络的静态无功补偿器电压调节方法，其特征在于：所述步骤4中的SVC由一个与双向晶闸管串联的电抗器TCR和与之相并联的有滤波功能的电容器组CBF组成。