[發(fā)明專利]一種用于微電網(wǎng)電流轉換的控制算法

在審

• 申請?zhí)枺?/td>: 202110266203.5
• 申請日: 2021-03-11
• 公開（公告）號: CN112949729A
• 公開（公告）日: 2021-06-11
• 發(fā)明（設計）人: 李朋;張先勇;張峰;李麗
• 申請（專利權）人: 廣東技術師范大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/06;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 廣東省中源正拓專利代理事務所(普通合伙) 44748
• 代理人: 黨沖

1.一種用于微電網(wǎng)電流轉換的控制算法，其特征在于，所述控制算法具體包括以下步驟：

步驟一：通過控制系統(tǒng)獲取公共電網(wǎng)運行狀態(tài)、電網(wǎng)檢測數(shù)據(jù)和負載檢測數(shù)據(jù)，并發(fā)送至數(shù)據(jù)分析模塊；

步驟二：當數(shù)據(jù)分析模塊接收到負載檢測數(shù)據(jù)之后提取負載檢測數(shù)據(jù)中的交流負載數(shù)量、直流負載數(shù)量和負載類型；獲取交流評價系數(shù)和直流評價系數(shù)，并根據(jù)公網(wǎng)運行標簽、交流評價系數(shù)和直流評價系數(shù)生成控制信號；

步驟三：通過執(zhí)行控制模塊根據(jù)執(zhí)行控制信號對交直流混合微電網(wǎng)的運行模式進行切換；

步驟四：通過數(shù)據(jù)存儲模塊獲取訓練數(shù)據(jù)集；建立人工智能模型；將訓練數(shù)據(jù)集按照設定比例劃分為訓練集、測試集和校驗集；利用訓練集、測試集和校驗集對人工智能模型進行訓練、測試和校驗；將訓練完成的人工智能模型標記為預測模型；每隔N分鐘實時獲取電網(wǎng)檢測數(shù)據(jù)和負載檢測數(shù)據(jù)并標記為輸入數(shù)據(jù)；將輸入數(shù)據(jù)發(fā)送至預測模型獲取輸出結果；將輸出結果分別發(fā)送至后臺監(jiān)控模塊和數(shù)據(jù)存儲模塊。

2.根據(jù)權利要求1所述的一種用于微電網(wǎng)電流轉換的控制算法，其特征在于，所述控制系統(tǒng)包括處理器、電網(wǎng)檢測模塊、數(shù)據(jù)分析模塊、執(zhí)行控制模塊、智能分析模塊、后臺監(jiān)控模塊和數(shù)據(jù)存儲模塊；

所述電網(wǎng)檢測模塊包括故障檢測單元和負載檢測單元；所述故障檢測單元用于檢測公共電網(wǎng)運行狀態(tài)和獲取電網(wǎng)檢測數(shù)據(jù)，當公共電網(wǎng)發(fā)生故障時，則通過處理器發(fā)送公共電網(wǎng)故障信號至執(zhí)行控制模塊，所述執(zhí)行控制模塊斷開第一開關，同時將公共電網(wǎng)故障信號發(fā)送至數(shù)據(jù)存儲模塊和后臺監(jiān)控模塊；所述電網(wǎng)檢測數(shù)據(jù)包括公共電網(wǎng)供給能力、光伏系統(tǒng)供給能力、儲能系統(tǒng)供給能力和柴油發(fā)電機功率；

所述負載檢測單元用于獲取負載檢測數(shù)據(jù)；所述負載檢測數(shù)據(jù)包括交流負載數(shù)量、直流負載數(shù)量和負載類型，所述負載類型包括重要負載和一般負載；

將負載檢測數(shù)據(jù)分別發(fā)送至數(shù)據(jù)分析模塊和數(shù)據(jù)存儲模塊；同時將電網(wǎng)檢測數(shù)據(jù)發(fā)送至數(shù)據(jù)存儲模塊進行存儲。

3.根據(jù)權利要求2所述的一種用于微電網(wǎng)電流轉換的控制算法，其特征在于，所述數(shù)據(jù)分析模塊用于分析負載檢測數(shù)據(jù)，包括：

當數(shù)據(jù)分析模塊接收到負載檢測數(shù)據(jù)之后提取負載檢測數(shù)據(jù)中的交流負載數(shù)量、直流負載數(shù)量和負載類型，并將交流負載數(shù)量和直流負載數(shù)量分別標記為JF和ZF；

為公共電網(wǎng)運行狀態(tài)設置公網(wǎng)運行標簽GB；其中公網(wǎng)運行標簽GB的取值為0和1，當公網(wǎng)運行標簽GB＝0時，表示公共電網(wǎng)發(fā)送故障，當公網(wǎng)運行標簽GB＝1時，表示公共電網(wǎng)運行正常；

通過公式獲取交流評價系數(shù)JPX；通過公式獲取直流評價系數(shù)ZPX；

當交流評價系數(shù)JPX和直流評價系數(shù)ZPX均大于0小于1時，則發(fā)送交直流聯(lián)合并網(wǎng)信號至執(zhí)行控制模塊；當交流評價系數(shù)JPX等于1時，則發(fā)送交流并網(wǎng)直流離網(wǎng)信號至執(zhí)行控制模塊；當直流評價系數(shù)ZPX等于1時，則發(fā)送交直流聯(lián)合離網(wǎng)信號至執(zhí)行控制模塊；當公網(wǎng)運行標簽GB＝0時，則發(fā)送交直流獨立離網(wǎng)信號至執(zhí)行控制模塊；

通過處理器將交流評價系數(shù)和直流評價系數(shù)發(fā)送至數(shù)據(jù)存儲模塊進行存儲。

4.根據(jù)權利要求2所述的一種用于微電網(wǎng)電流轉換的控制算法，其特征在于，所述執(zhí)行控制模塊根據(jù)執(zhí)行控制信號對交直流混合微電網(wǎng)的運行模式進行切換，所述控制信號包括交直流聯(lián)合并網(wǎng)信號、交流并網(wǎng)直流離網(wǎng)信號、交直流聯(lián)合離網(wǎng)信號和交直流獨立離網(wǎng)信號；所述運行模式包括交直流聯(lián)合并網(wǎng)模式、交流并網(wǎng)直流離網(wǎng)模式、交直流聯(lián)合離網(wǎng)模式和交直流獨立離網(wǎng)模式。

5.根據(jù)權利要求4所述的一種用于微電網(wǎng)電流轉換的控制算法，其特征在于，所述智能分析模塊通過預測模型對運行模式進行預測，包括：

通過數(shù)據(jù)存儲模塊獲取訓練數(shù)據(jù)集；所述訓練數(shù)據(jù)集包括運行模式切換前N分鐘、前2N分鐘、前3N分鐘的歷史檢測數(shù)據(jù)和運行模式切換結果；所述歷史檢測數(shù)據(jù)包括電網(wǎng)檢測數(shù)據(jù)和負載檢測數(shù)據(jù)，并為運行模式切換結果設置訓練標簽；所述交直流聯(lián)合并網(wǎng)模式、交流并網(wǎng)直流離網(wǎng)模式、交直流聯(lián)合離網(wǎng)模式和交直流獨立離網(wǎng)模式的所述訓練標簽分別為A、B、C和D；其中N為設定的時間間隔，且N≥5；

建立人工智能模型；所述人工智能模型包括誤差逆向反饋神經(jīng)網(wǎng)絡、RBF神經(jīng)網(wǎng)絡和深度卷積神經(jīng)網(wǎng)絡；

將訓練數(shù)據(jù)集按照設定比例劃分為訓練集、測試集和校驗集；所述設定比例包括3:1:1、2:1:1和5:2:1；

利用訓練集、測試集和校驗集對人工智能模型進行訓練、測試和校驗；將訓練完成的人工智能模型標記為預測模型；

每隔N分鐘實時獲取電網(wǎng)檢測數(shù)據(jù)和負載檢測數(shù)據(jù)并標記為輸入數(shù)據(jù)，所述輸入數(shù)據(jù)至少包括三個不同時段的電網(wǎng)檢測數(shù)據(jù)和負載檢測數(shù)據(jù)；

將輸入數(shù)據(jù)發(fā)送至預測模型獲取輸出結果；所述輸出結果為預測的訓練標簽；

將輸出結果分別發(fā)送至后臺監(jiān)控模塊和數(shù)據(jù)存儲模塊。