[發(fā)明專利]電壓暫降補償方法和裝置

在審

• 申請?zhí)枺?/td>: 201810324262.1
• 申請日: 2018-04-12
• 公開（公告）號: CN108493947A
• 公開（公告）日: 2018-09-04
• 發(fā)明（設計）人: 倪福銀;顧立鵬;沃松林;王千城;王琪;陳立興
• 申請（專利權）人: 江蘇理工學院
• 主分類號: H02J3/16
• 分類號: H02J3/16;H02J3/24
• 代理公司: 常州佰業(yè)騰飛專利代理事務所(普通合伙) 32231
• 代理人: 劉松

本發(fā)明為解決目前的動態(tài)電壓恢復器的電壓暫降檢測算法存在精確度與實時性不能兼顧的技術問題，提供了一種電壓暫降補償方法和裝置，該方法包括以下步驟：采集電網(wǎng)電壓信號和負載電壓信號；根據(jù)所述電網(wǎng)電壓信號和所述負載電壓信號獲取電壓暫降補償參數(shù)；采用基于半監(jiān)督學習模型的模擬退火粒子群優(yōu)化算法對PI控制的控制參數(shù)進行整定，以得到PI控制參數(shù)的整定量；將所述電壓暫降補償參數(shù)作為PI控制的輸入，并根據(jù)所述PI控制參數(shù)的整定量得到PI控制的輸出，以實現(xiàn)電壓暫降補償。本發(fā)明能夠提高電壓暫降檢測和電壓暫降補償?shù)膶崟r性和準確性。

技術領域

本發(fā)明涉及電網(wǎng)監(jiān)測和調(diào)控技術領域，具體涉及一種電壓暫降補償方法和一種電壓暫降補償裝置。

背景技術

隨著計算機控制、信息技術產(chǎn)業(yè)以及精密制造業(yè)等現(xiàn)代技術的發(fā)展，用戶對電能質(zhì)量的要求越來越高。對于敏感負荷，如芯片制造業(yè)、電子控制器等，當發(fā)生電壓暫降時將導致控制器異常或故障，影響正常的生產(chǎn)甚至造成極大的損失。其中配電網(wǎng)故障引起的電壓驟降是最常見的電能質(zhì)量問題。然而，其它電能質(zhì)量問題，如電壓諧波、電壓不平衡、電壓突變等也是常見的問題。

動態(tài)電壓恢復器(DVR，Dynamic Voltage Regulator)是一種帶儲能裝置的串聯(lián)補償裝置，除無功功率之外，有補償有功功率的能力；當系統(tǒng)發(fā)生電壓暫降時，能在幾毫秒間內(nèi)將用戶側(cè)電壓恢復到正常值。比如公開號為CN202602293U的中國專利文獻公開了一種直流電容器儲能型動態(tài)電壓恢復器的電壓跌落補償裝置；公開號為CN106300413A的中國專利文獻涉及一種采用非線性自適應控制的動態(tài)電壓恢復器及控制策略。然而目前的動態(tài)電壓恢復器的電壓暫降檢測算法一直都存在精確度與實時性不能兼顧的問題，制約了它的發(fā)展和應用。

發(fā)明內(nèi)容

本發(fā)明為解決目前的動態(tài)電壓恢復器的電壓暫降檢測算法存在精確度與實時性不能兼顧的技術問題，提供了一種電壓暫降補償方法和裝置。

本發(fā)明采用的技術方案如下：

一種電壓暫降補償方法，包括以下步驟：采集電網(wǎng)電壓信號和負載電壓信號；根據(jù)所述電網(wǎng)電壓信號和所述負載電壓信號獲取電壓暫降補償參數(shù)；采用基于半監(jiān)督學習模型的模擬退火粒子群優(yōu)化算法對PI控制的控制參數(shù)進行整定，以得到PI控制參數(shù)的整定量；將所述電壓暫降補償參數(shù)作為PI控制的輸入，并根據(jù)所述PI控制參數(shù)的整定量得到PI控制的輸出，以實現(xiàn)電壓暫降補償。

在采集電網(wǎng)電壓信號和負載電壓信號后，還對所述電網(wǎng)電壓信號和所述負載電壓信號進行調(diào)理，以根據(jù)調(diào)理后的電網(wǎng)電壓信號和負載電壓信號獲取所述電壓暫降補償參數(shù)。

所述電網(wǎng)電壓信號中包括三相母線電壓，所述負載電壓信號中包括三相負載電壓，根據(jù)所述電網(wǎng)電壓信號和所述負載電壓信號獲取電壓暫降補償參數(shù)，具體包括：對所述三相負載電壓進行帕克變換以得到兩相旋轉(zhuǎn)坐標系下的直軸電壓和交軸電壓；將所述直軸電壓和所述交軸電壓進行低通濾波以得到所述直軸電壓的低頻分量和所述交軸電壓的低頻分量；對所述直軸電壓的低頻分量和所述交軸電壓的低頻分量進行帕克逆變換以得到三相靜止坐標系下的三相中間電壓；將所述三相中間電壓分別與所述三相母線電壓對應作差，以得到三相電壓暫降補償參數(shù)。

采用基于半監(jiān)督學習模型的模擬退火粒子群優(yōu)化算法對PI控制的控制參數(shù)進行整定，以得到PI控制參數(shù)的整定量，具體包括：獲取數(shù)據(jù)樣本，其中，所述數(shù)據(jù)樣本包括測試集和訓練集，所述測試集由未標記樣本構成，所述訓練集由依據(jù)所述測試集而劃分的已標記樣本和未標記樣本構成；初始化訓練參數(shù)，并根據(jù)所述訓練集內(nèi)的已標記樣本計算所述訓練集內(nèi)的未標記樣本的標記；設定訓練的循環(huán)次數(shù)，以得到所述訓練集的樣本分布，并根據(jù)所述訓練集的樣本分布得到樣本分類結(jié)果，以及輸出最終分類器；由所述最終分類器初始化粒子群，給定粒子個數(shù)、起始溫度、終止溫度和退火速度；根據(jù)每個粒子的當前位置和速度產(chǎn)生每個粒子的新位置；在迭代次數(shù)小于預設次數(shù)時，采用模擬退火粒子群優(yōu)化算法進行迭代，直到達到系統(tǒng)全局最優(yōu)點時，得到所述PI控制參數(shù)的整定量。