[發明專利]一種基于經驗模態分解的電網頻率智能控制方法

有效

• 申請號: 202011152690.4
• 申請日: 2020-10-26
• 公開（公告）號: CN112398142B
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 殷林飛;吳云智;孫志響;高放
• 申請（專利權）人: 廣西大學
• 主分類號: H02J3/24
• 分類號: H02J3/24;H02J3/46;H02J3/28;G06N3/04;G06N3/08
• 代理公司: 南寧啟創知識產權代理事務所(特殊普通合伙) 45122
• 代理人: 謝美萱

本發明提出一種基于經驗模態分解的電網頻率智能控制方法，該方法包括兩個模塊，第一個是以長短期記憶人工神經網絡為基礎的經驗模態分解模塊，第二個是包含強化學習方法和深度神經網絡的控制模塊，同時提出雙層分步頻率控制框架。首先，分解模塊將電網頻率信號實時分解為多個模態分量，突出信號的規律性。其次，控制模塊根據模態分量的高頻信號和低頻信號調整發電機組的出力，維持電網頻率的穩定。最后，在含多機組的電網中，分解模塊和控制模塊可以有效地應用于雙層分步頻率控制框架中以獲得最優控制性能。

技術領域

本發明屬于電網頻率控制領域，涉及一種基于人工智能技術的頻率控制方法，適用于電力系統的二次調頻。

背景技術

頻率穩定是衡量電網電能質量的重要指標之一，頻率調整按照調頻周期一般可分為一次調頻、二次調頻和三次調頻。二次調頻又稱為自動發電控制，通過實時調整發電機組的出力來使電網頻率維持在一個穩定范圍內(國內為50±0.2Hz)，并以頻率偏差和區域控制誤差評價控制性能的主要指標。比例-積分-微分控制方法是主要的傳統控制方法，但該方法需要配置合適的參數才能達到滿意的控制效果。智能方法可以優化比例-積分-微分方法的參數，增強控制性能，如粒子群優化方法、飛蛾撲火優化方法或遺傳方法。但是，系統參數發生改變后，比例-積分-微分方法的參數需要重新設定。另外，固定參數的比例-積分-微分方法在含有新能源和儲能設備的微電網中控制性能不佳。強化學習方法可實現被控對象與系統狀態的交互，根據系統狀態的變化不斷在線更新輸出動作，同時強化Q值矩陣，理論上輸出動作數量越多則控制更精準，但隨著系統的復雜化，動作數量的增加也容易引發維數災難。深度神經網絡比人工神經網絡擁有更多的隱藏層、更強的表征能力和更優的擬合能力，可以提取出輸入數據與輸出數據的主要特征關系，降低系統的復雜程度。比例-積分-微分方法和強化學習方法一般嵌入到單層的頻率控制框架中，該框架中應用的方法需要同時分析頻率偏差信號和發出的功率指令，降低方法的運行性能。因此，傳統的單層頻率控制框架不能滿足電力系統對頻率控制高效性的要求。本發明把北美電力可靠性委員會制定的控制性能標準指標納入雙層分步頻率控制，旨在更好地評判電力系統頻率的穩定性。

經驗模態分解是一種時頻域的信號處理方法，可解決復雜信號中基函數無自適應性的問題，常用于無規律、非線性信號的分解。長短期記憶人工神經網絡是一種能夠學習并記憶長序列數據特征的神經網絡，在電力系統中多用于風電功率預測、負荷預測和故障診斷問題。

發明內容

為了應對新能源發電設備和儲能設備對電網頻率的沖擊和干擾，本發明提出一種基于經驗模態分解的電網頻率智能控制方法。該方法提出可以進行實時經驗模態分解的長短期記憶人工神經網絡，將電力系統頻率偏差信號分解為多個本征模函數分量和殘余分量，即分解模塊。然后，強化學習方法和深度神經網絡根據本征模函數和殘余分量控制發電機組的出力，即控制模塊。分解模塊和控制模塊應用于雙層分步頻率控制框架中實現對電力系統頻率的優化調控。該方法使用過程為：提出雙層分步頻率控制框架，把控制性能標準指標納入雙層分步頻率控制；將本發明提出的分解模塊作用于電網頻率信號的經驗模態分解；將本發明提出的控制模塊作用于發電機組出力的調整；將分步的分解模塊和控制模塊應用到具有兩層結構的分步頻率控制框架中。

本發明方法采取的具體步驟如下：

(1)搜集并存儲電網頻率偏差信號的歷史數據M(t)，按照以下步驟對該數據進行經驗模態分解：

(1-1)識別并提取頻率偏差歷史數據M(t)的極大值點和極小值點，擬合出上包絡線e₁(t)和下包絡線e₂(t)，對e₁(t)和e₂(t)各點的數據求平均值，畫出均值包絡線e(t)；

(1-2)用均值包絡線e(t)減去頻率偏差信號歷史數據M(t)得到中間信號H(t)，若H(t)滿足本征模函數分量的約束條件，則成為第一個本征模函數分量IMF1；若不滿足，則令M(t)＝H(t)，然后重復步驟(1-1)和(1-2)；