基于参数滚动调控的微电网暂态稳定紧急控制方法

1.本发明涉及微电网暂态稳定控制技术领域，尤其指一种基于参数滚动调控的微电网暂态稳定紧急控制方法。


背景技术：

2.与同步发电机类似，压控型逆变器（简称：vci）在大扰动下将面临暂态稳定问题，严重影响微电网稳定运行。此外，微电网半径小、惯量小、容量有限，暂态失稳时间尺度通常为百毫秒至秒级。这给微电网暂态稳定紧急控制的快速性和可靠性提出了非常严苛的要求。目前，少有文献或专利针对微电网特性提出全面的紧急控制策略，大部分研究集中在微电网暂态稳定评估和微电网稳定性提升这两个领域上。
3.在微电网在线暂态稳定评估方面，申请号为cn202111018894.3的专利公开了一种基于人工神经网络的vsg多机系统暂态稳定评估方法，申请号为cn202111188280.x的专利公开了一种基于长短期记忆网络的微电网暂态稳定评估方法，它们成功的将ann、lstm应用到vci单机无穷大系统中。申请号为cn202210828283.3的专利公开了一种基于注意力机制的时空图卷积神经网络的微电网暂态功角轨迹预测方法，它结合图卷积神经网络提出了微电网功角轨迹方法，为暂态稳定评估提供了基础。上述技术止步于微电网暂态稳定性的评估层面，无法进行故障后的紧急控制。
4.在微电网暂态稳定性提升方面，文献[1]和[2]分析了控制参数对虚拟同步发电机（简称：vsg）的影响，通过灵活调整vsg的虚拟惯性提升vsg稳定性。但提升能力有限，不能确保故障后vsg回归稳定。文献[3]-[6]对vsg有功控制环和无功控制环进行了不同程度的改进，但新增控制环节的控制系数在线计算复杂，且难以适应各种未知大扰动情形，可靠性难以保证。此外，现有方法均基于系统当前状态进行调控，未将系统未来的演变趋势考虑在内，控制效果有限。总而言之，现有稳定性提升方法均一定程度地提高了vsg稳定性，但在线实时速度、可靠性难以保证。
[0005]
引用文献：[1] m. li, w. huang, n. tai, l. yang, d. duan and z. ma,
ꢀ“
a dual-adaptivity inertia control strategy for virtual synchronous generator,”ieee trans. power sys., vol. 35, no. 1, pp. 594-604, jan. 2020；[2] p. ge, c. tu, f. xiao, q. guo and j. gao,
ꢀ“
design-oriented analysis and transient stability enhancement control for a virtual synchronous generator,”ieee trans. ind. electron., vol. 70, no. 3, pp. 2675-2684, march 2023；[3] m. choopani, s. h. hosseinian and b. vahidi,
ꢀ“
new transient stability and lvrt improvement of multi-vsg grids using the frequency of the center of inertia,”ieee trans. power sys., vol. 35, no. 1, pp. 527-538, jan. 2020；
[4] k. sun, w. yao, j. wen and l. jiang,
ꢀ“ꢀ
two-stage simultaneous control scheme for the transient angle stability of vsg considering current limitation and voltage support,”ieee trans. power sys., vol. 37, no. 3, pp. 2137-2150, may 2022；[5] x. xiong, c. wu and f. blaabjerg,
ꢀ“
an improved synchronization stability method of virtual synchronous generators based on frequency feedforward on reactive power control loop,”ieee trans. power electron., vol. 36, no. 8, pp. 9136-9148, aug. 2021；[6] x. xiong, c. wu, b. hu, d. pan and f. blaabjerg,
ꢀ“
transient damping method for improving the synchronization stability of virtual synchronous generators,
”ꢀ
ieee trans. on power electron, vol. 36, no. 7, pp. 7820-7831, july 2021。


技术实现要素：

[0006]
本发明所要解决的技术问题是提供一种基于参数滚动调控的微电网暂态稳定紧急控制方法，该方法无需配备额外的测量装置，能在任意失稳情形下保证微电网系统的可靠回稳。
[0007]
为了解决上述技术问题，本发明采用如下技术方法：基于参数滚动调控的微电网暂态稳定紧急控制方法，包括：步骤s1，设置个时间窗，为时间窗的序号，，初始化；步骤s2，采集时间窗内微电网中各台vci的功角、电压、输出有功功率、输出无功功率实际值以及vci控制器采用的控制序列，所述控制序列为：(1)式中，分别为vci的虚拟惯性、参考有功功率、阻尼系数；为vci的数量；步骤s3，将步骤s2中采集的数据输入基于时空图卷积神经网络的功率轨迹预测模型中，预测时间窗内各台vci的输出有功功率；步骤s4，判断预测的输出有功功率是否满足回稳判据，所述回稳判据为“与时间窗内的输出有功功率实际值相比，预测的时间窗内的输出有功功率开始减小”，若满足，则结束紧急控制，若不满足，则在满足稳定性约束条件的前提下，以为0对两个控制参数进行滚动调控，得到能够让微电网回归稳定的最优控制序列，在时间窗内将该最优控制序列作用到各台vci控制器中；步骤s5，设置，转至步骤s2进行新一轮的判定和滚动调控，直至满足回稳判据，停止调控。
[0008]
进一步地，所述步骤s3中，基于时空图卷积神经网络的功率轨迹预测模型预测时间窗内各台vci的输出有功功率的过程如下：步骤s31，控制序列特征挖掘；
对第个时间窗内的控制序列进行min-max归一化：(2)其中：(3)获取控制序列后，将进行特征展平，再将降维后的输入全连接层，采用前向传播法挖掘控制序列特征，的计算公式如下：(4)式中，和为第层全连接层神经元的权重和偏置；为第一层全连接层的神经元个数；步骤s32，时间序列时空动态特征挖掘；首先，确定第个时间窗内的电气邻接矩阵和时间序列，所述电气邻接矩阵为：(5)所述时间序列，为时间序列长度，其中任意一个时间片段上的的数学表达式为：(6)式中，、、、分别为vci在时间片段的输出有功功率、输出无功功率、电压、功角；为vci的数量；接着，堆叠两个时空卷积模块进行时空动态特征的深度挖掘，每个时空卷积模块的挖掘过程为：1）将经过时空注意力层，对时间序列中隐藏的时间相关性和空间相关性进行
自适应建模，得到时间注意力矩阵和空间注意力矩阵；2）将与得到的时间注意力矩阵相乘，获得基于时间注意力的新的时间序列；3）将新的时间序列、空间注意力矩阵与电气邻接矩阵共同输入到空间卷积层，进行空间动态特征挖掘；4）输入到时间卷积层进行时间动态特征挖掘；经过深度挖掘后的时空动态特征为，其计算公式为： (7)式中，和分别为时空卷积模块中时间卷积层卷积核和空间卷积层卷积核；为图卷积操作，为标准卷积操作；步骤s33，输出功率轨迹预测；首先，根据下式(8)和(9)将控制序列特征扩充为；(8) (9)式中，共有行；然后，将扩充后的与时空动态特征进行特征整合，定义整合后特征为；最后，将获得的输入二维标准卷积层，预测时间窗内各台vci的功率轨迹值；定义功率预测值为，其计算公式为：(10)式中，为该卷积模块卷积核的参数。
[0009]
再进一步地，所述步骤s32中，电气邻接矩阵的计算过程如下：首先，根据下式计算vci各节点的阻抗矩阵：(11)其中，为第台vci的自阻抗，为第台vci到第台vci的互阻抗，,
,；接下来，根据下式计算任意两vci节点之间的电气距离；(12)然后，根据下式将电气距离进行归一化处理；(13)即得到如式(5)所示的电气邻接矩阵。
[0010]
再进一步地，所述步骤s4中，稳定性约束条件包括平衡点约束、功角约束与频率约束；其中，平衡点约束为在电流限幅状态中故障清除后vci功角曲线与参考有功功率有平衡点；功角约束为极限切除角在故障清除后vci功角曲线上所对应的点在平衡点左侧；频率约束为vci在能够回归稳定的前提下，频率偏移不超过。
[0011]
更进一步地，所述步骤s4中，采用如下公式(14)进行滚动调控； (14)式中，为vci在第个时间窗内的输出有功功率，为该台vci的额定有功功率，；在确定各台vci的调控值后，为保证频率在约束范围内，采用如下公式(15)进行调控；(15)式中，为vci的电网参考角频率。
[0012]
优选地，所述步骤s1中，设置每个时间窗为100ms。
[0013]
与传统技术相比，本发明提供的基于参数滚动调控的微电网暂态稳定紧急控制方法无需配备额外的测量装置，能在任意失稳情形下保证系统的可靠回稳，且回稳速度快、功率波动小。本发明主要结合vci参数可灵活调控和深度学习强大的非线性映射能力的优点，从机理层面和算法层面保证所提方法能够在任意故障情形下保障微电网的可靠快速回稳。其中，本发明基于等面积比例准则得出了考虑电流限幅器的vci回归稳定判据，提出了考虑稳定性约束条件的微电网控制参数滚动调控策略，从机理层面上保障了所提方法的可靠性。另外，本发明提出了改进的基于图卷积神经网络的功率轨迹预测模型，使得所提微电网控制参数滚动调控策略能够基于未来变化趋势进行调控，有效提升了微电网紧急控制的有效性，并保障控制实施的快速性。
附图说明
[0014]
图1为本发明所涉基于参数滚动调控的微电网暂态稳定紧急控制方法的流程图；图2为本发明所涉基于参数滚动调控的微电网暂态稳定紧急控制方法的框架图；图3为考虑电流限幅器的vsg功角特性曲线图；图4为三种故障情形下的vsg控制参数调控策略示意图；图5为本发明所涉基于时空图卷积神经网络的功率轨迹预测模型框架图；图6为本发明所涉基于参数滚动调控的微电网暂态稳定紧急控制方法中三个约束条件在vsg功角特性曲线上的示意图；图7为本发明实施方式中随机选取的暂态场景下vsg输出有功功率和功角响应特性曲线图。
具体实施方式
[0015]
为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。
[0016]
在阐述本发明所涉基于参数滚动调控的微电网暂态稳定紧急控制方法之前，值得提出说明的是，为实现微电网在线紧急控制，提升微电网的稳定性，本发明需要先分析vci回稳的条件，这部分的内容具体如下。
[0017]
1、确定vcis回稳条件vci一般包含下垂控制型逆变器和虚拟同步控制逆变器。在暂态稳定问题上，下垂控制逆变器和vsg具有数学上的等效性。不失一般性，本发明以vsg为例进行分析。为保护vsg不被过大的故障电流烧毁，需要配备电流限幅器。当系统遭遇故障后，逆变器进入电流限幅状态，其摇摆方程如式(16)所示：(16)式中，为vsg虚拟惯性，为阻尼系数，为vsg的参考有功功率，为vsg的输出有功功率，为vsg的电压，和分别为vsg的角频率和电网参考角频率，为线路等效电阻值，为vsg功角，为电流限幅值，为电流限幅角与功角之和。
[0018]
基于式(16)可绘制考虑电流限幅器的vsg的功角曲线，如图3所示，功角曲线i/ii/iii分别为正常情形下、故障期间（电流限幅状态中）、故障清除后（电流限幅状态中）的功角曲线。因此，基于等面积定则可推导出vsg回归稳定的判据为如下：(17)其中，为故障期间vsg的功角加速面积，为故障清除后vsg的功角减速面积，和分别为故障期间和故障清除后vsg的虚拟惯量值。
[0019]
可见，只要再故障清除时刻功角曲线iii与存在平衡点，若故障清除后调控为0，则此时不需要减速面积vsg即可回归稳定。可见，、是保证vsg回归稳定的关键因素。
在紧急控制中，可以通过调控和使得vsg回归稳定。
[0020]
2、分析各类故障情形下vcis回稳策略通过分析，故障清除后vsg可能面临3种情形。各故障情形及其对应的紧急控制措施应如下： 1）情形1，功角曲线iii与存在交集（有平衡点），且极限切除角在平衡点内。此时只需要将故障后的调整为0，运行点将由点沿线上的箭头运行到点，在附近振荡回稳。如图4(a)所示。
[0021]
2）情形2，功角曲线iii与存在交集（有平衡点），但不在平衡点内；此时将调整为0后，需要设置小于故障切除时刻的。如图4(b)所示，运行点将由点沿线上的箭头运行到点，在附近振荡回稳。
[0022]
3）情形3，功角曲线iii与不存在交集。此时，将调整为0后，同样需要设置小于故障切除时刻的。但此时有功功率参考值调整过大，则可能导致频率波动范围超过，则需要调整值，值得一提的是，增大更有利于vsg回稳。如图4(c)所示，运行点将由点沿线上的箭头运行到点，在附近振荡回稳。
[0023]
可见，调控和使vsg回归稳定还需要能够实时预测未来时间窗内的连续轨迹。在能够获得未来时间窗内的轨迹前提下，为保障调控期间内运行点回到功角曲线iii与功角曲线i的交点，可采用滚动控制参数综合调控策略，每隔一段时间滚动一次控制参数，此外，由于在任意故障情形下，vsg若要回归稳定，其输出功率必定是先增大后减小，因此在下一个时间窗内的开始减小，可停止调控。
[0024]
基于以上分析，本发明提出一种基于参数滚动调控的微电网暂态稳定紧急控制方法，如图1和图2所示，该方法包括：步骤s1，设置个时间窗，每个时间窗为100ms，为时间窗的序号，，初始化。
[0025]
步骤s2，采集时间窗内微电网中各台vsg的功角、电压、输出有功功率、输出无功功率实际值以及vsg控制器采用的控制序列，所述控制序列为：(1)式中，分别为vsg的虚拟惯性、参考有功功率、阻尼系数；为vsg的数量。
[0026]
注意：0时间窗的电气值为故障期间的电气量，0时间窗的控制序列为vsg原本的控制参数。
[0027]
步骤s3，将步骤s2中采集的数据输入基于时空图卷积神经网络的功率轨迹预测模型中，预测时间窗内各台vsg的输出有功功率。
[0028]
由前述可知，确保滚动控制有效执行的关键之一是能够准确预测下一个控制时间窗内的的轨迹。此步骤中，本发明提出一种基于时空图卷积神经网络的功率轨迹预测模
型，该模型能够将在线紧急控制主要的计算负担转移到离线训练中，大大缩减了紧急控制的在线执行时间。如图5所示，该模型包含3个部分，分别是控制序列特征挖掘部分、时间序列时空动态特征挖掘部分和输出功率轨迹预测部分，各部分的处理过程如下。
[0029]
1、控制序列特征挖掘部分该部分第个时间窗内的输入特征为控制序列，如式(1)。
[0030]
对该第个时间窗内的控制序列进行min-max归一化： (2)其中：(3)获取控制序列后，将进行特征展平，再将降维后的输入全连接层，采用前向传播法挖掘控制序列特征，的计算公式如下： (4)式中，和为第层全连接层神经元的权重和偏置；为第一层全连接层的神经元个数；2、时间序列时空动态特征挖掘部分在第个时间窗内，该部分的输入特征包含电气邻接矩阵和复合时间序列两个部分。其中，电气邻接矩阵的计算过程为：首先，根据下式计算vsg各节点的阻抗矩阵：(11)其中，为第台vsg的自阻抗，为第台vsg到第台vsg的互阻抗，,,；接下来，根据下式计算任意两vsg节点之间的电气距离；(12)然后，根据下式将电气距离进行归一化处理；(13)
得到如下式所示的电气邻接矩阵。
[0031]
(5)另外，时间序列为，为时间序列长度，其中任意一个时间片段上的的数学表达式为：(6)式中，、、、分别为vsg在时间片段的输出有功功率、输出无功功率、电压、功角；为vsg的数量；如图5所示，本步骤中堆叠两个时空卷积模块进行时空动态特征的深度挖掘，每个时空卷积模块的挖掘过程为：1）将经过时空注意力层，对时间序列中隐藏的时间相关性和空间相关性进行自适应建模，得到时间注意力矩阵和空间注意力矩阵。
[0032]
2）将与得到的时间注意力矩阵相乘，获得基于时间注意力的新的时间序列。
[0033]
3）将新的时间序列、空间注意力矩阵与电气邻接矩阵共同输入到空间卷积层，进行空间动态特征挖掘。
[0034]
4）输入到时间卷积层进行时间动态特征挖掘。
[0035]
如图5所示，该时空卷积模块还包括残差模块，该残差模块能保证模型训练性能，防止梯度下降。经过深度挖掘后的时空动态特征为，其计算公式为：(7)式中，和分别为时空卷积模块中时间卷积层卷积核和空间卷积层卷积核；为图卷积操作，为标准卷积操作。
[0036]
3、输出功率轨迹预测部分由于前述控制序列特征大小为，而时空动态特征大小为, 时间卷积层滤波器数，两个特征大小并不一致。因此，此处根据下式(8)和(9)将控制序列特征扩充为；(8)
ꢀ
(9)式中，共有行；然后，将扩充后的与时空动态特征进行特征整合，定义整合后特征为；最后，将获得的输入二维标准卷积层，预测时间窗内各台vsg的功率轨迹值；定义功率预测值为，其计算公式为：(10)式中，为该卷积模块卷积核的参数。
[0037]
功率轨迹预测模型的训练目标为使得预测得到的与实际值误差最小，为回归问题。因此本发明选择mse为损失函数进行模型训练，评估指标为rmse、mae及mape，这些评价指标为回归问题常用的评估指标，其数学公式本方法不再赘述。待模型性能测试结果理想，则直接将模型投放应用。
[0038]
步骤s4，判断预测的输出有功功率是否满足回稳判据，所述回稳判据为“与时间窗内的输出有功功率实际值相比，预测的时间窗内的输出有功功率开始减小”，若满足，则结束紧急控制，若不满足，则以为0对两个控制参数进行滚动调控，得到能够让微电网回归稳定的所有控制序列，由于在每个控制时间窗内，满足滚动控制的控制序列、和组合非常之多，是一个无限集合问题，为将无限集合转化为有限集合问题，本发明设计三类约束条件得到最优的控制序列。如图2和图6所示，该保证vsg回归稳定的三个约束条件分别为平衡点约束、功角约束与频率约束。其中，平衡点约束为在电流限幅状态中故障清除后vsg功角曲线与参考有功功率有平衡点；功角约束为极限切除角在故障清除后vci功角曲线上所对应的点c在平衡点左侧；频率约束为vsg在能够回归稳定的前提下，频率偏移不超过。为满足稳定性约束条件并使得调控量总和最小，在任意控制时间窗内各控制参数具体设计如下： (15)式中，为vsg在第个时间窗内的输出有功功率，为该台vci的额定有功功率，。
[0039]
在确定各台vsg的调控值后，则可确定对应的调控值，为保证频率在约束范围内，设计如下：
(16)式中，为vsg的电网参考角频率。
[0040]
至此，即可得到满足约束条件的最优控制序列，在k时间窗内将该最优控制序列作用到各台vsg控制器中。
[0041]
步骤s5，设置，转至步骤s2进行新一轮的判定和滚动调控，直至满足回稳判据，停止调控。
[0042]
为了评价本发明提出的基于参数滚动调控的微电网暂态稳定紧急控制方法的效果，本实施方式针对改进的东澳岛10机16母线微电网系统进行实例验证。首先针对该系统获得基于时空图卷积神经网络的功率轨迹预测模型，再按照图2所示的控制框架与图1所示的流程进行紧急控制在线应用。随机选取一个暂态场景为例进行有效性展示。该暂态场景的负荷水平为75%，故障位置为母线5，故障时长为0.1s。图7展示了所提控制策略的有效性，证明所提方法能够保证微电网在故障后恢复稳定。具体的，图7(a)为不采用紧急控制时的系统功率与功角响应曲线，可见，在该暂态场景下vsg3和vsg4将失去稳定。图7(b)展示了采用所提紧急控制方法下系统功率与功角的响应曲线，可见，若实施所提紧急控制，各台vsg均会在故障清除后回归稳定，证明了本发明所提紧急控制方法的有效性。
[0043]
上述实施例为本发明较佳的实现方案，除此之外，本发明还可以其它方式实现，在不脱离本技术方案构思的前提下任何显而易见的替换均在本发明的保护范围之内。
[0044]
为了让本领域普通技术人员更方便地理解本发明相对于现有技术的改进之处，本发明的一些附图和描述已经被简化，并且为了清楚起见，本技术文件还省略了一些其他元素，本领域普通技术人员应该意识到这些省略的元素也可构成本发明的内容。

技术特征：
1.基于参数滚动调控的微电网暂态稳定紧急控制方法，其特征在于，包括：步骤s1，设置个时间窗，为时间窗的序号，，初始化；步骤s2，采集时间窗内微电网中各台vci的功角、电压、输出有功功率、输出无功功率实际值以及vci控制器采用的控制序列，所述控制序列为：(1)式中，分别为vci的虚拟惯性、参考有功功率、阻尼系数；为vci的数量；步骤s3，将步骤s2中采集的数据输入基于时空图卷积神经网络的功率轨迹预测模型中，预测时间窗内各台vci的输出有功功率；步骤s4，判断预测的输出有功功率是否满足回稳判据，所述回稳判据为“与时间窗内的输出有功功率实际值相比，预测的时间窗内的输出有功功率开始减小”，若满足，则结束紧急控制，若不满足，则在满足稳定性约束条件的前提下，以为0对两个控制参数进行滚动调控，得到能够让微电网回归稳定的最优控制序列，在时间窗内将该最优控制序列作用到各台vci控制器中；步骤s5，设置，转至步骤s2进行新一轮的判定和滚动调控，直至满足回稳判据，停止调控。2.根据权利要求1所述的基于参数滚动调控的微电网暂态稳定紧急控制方法，其特征在于：所述步骤s3中，基于时空图卷积神经网络的功率轨迹预测模型预测时间窗内各台vci的输出有功功率的过程如下：步骤s31，控制序列特征挖掘；对第个时间窗内的控制序列进行min-max归一化： (2)其中： (3)获取控制序列后，将进行特征展平，再将降维后的输入全连接层，采用前向传播法挖掘控制序列特征，的计算公式如下： (4)式中，和为第层全连接层神经元的权重和偏置；为第一层全连接层的神经元个数；步骤s32，时间序列时空动态特征挖掘；
首先，确定第个时间窗内的电气邻接矩阵和时间序列，所述电气邻接矩阵为：(5)所述时间序列，为时间序列长度，其中任意一个时间片段上的的数学表达式为：(6)式中，、、、分别为vci在时间片段的输出有功功率、输出无功功率、电压、功角；为vci的数量；接着，堆叠两个时空卷积模块进行时空动态特征的深度挖掘，每个时空卷积模块的挖掘过程为：1）将经过时空注意力层，对时间序列中隐藏的时间相关性和空间相关性进行自适应建模，得到时间注意力矩阵和空间注意力矩阵；2）将与得到的时间注意力矩阵相乘，获得基于时间注意力的新的时间序列；3）将新的时间序列、空间注意力矩阵与电气邻接矩阵共同输入到空间卷积层，进行空间动态特征挖掘；4）输入到时间卷积层进行时间动态特征挖掘；经过深度挖掘后的时空动态特征为，其计算公式为： (7)式中，和分别为时空卷积模块中时间卷积层卷积核和空间卷积层卷积核；为图卷积操作，为标准卷积操作；步骤s33，输出功率轨迹预测；首先，根据下式(8)和(9)将控制序列特征扩充为；(8)
ꢀ
(9)式中，共有行；然后，将扩充后的与时空动态特征进行特征整合，定义整合后特征为；最后，将获得的输入二维标准卷积层，预测时间窗内各台vci的功率轨迹值；定义功率预测值为，其计算公式为：(10)式中，为该卷积模块卷积核的参数。3.根据权利要求2所述的基于参数滚动调控的微电网暂态稳定紧急控制方法，其特征在于：所述步骤s32中，电气邻接矩阵的计算过程如下：首先，根据下式计算vci各节点的阻抗矩阵：(11)其中，为第台vci的自阻抗，为第台vci到第台vci的互阻抗，,,；接下来，根据下式计算任意两vci节点之间的电气距离；(12)然后，根据下式将电气距离进行归一化处理；(13)即得到如式(5)所示的电气邻接矩阵。4.根据权利要求3所述的基于参数滚动调控的微电网暂态稳定紧急控制方法，其特征在于：所述步骤s4中，稳定性约束条件包括平衡点约束、功角约束与频率约束；其中，平衡点约束为在电流限幅状态中故障清除后vci功角曲线与参考有功功率有平衡点；功角约束为极限切除角在故障清除后vci功角曲线上所对应的点在平衡点左侧；频率约束为vci在能够回归稳定的前提下，频率偏移不超过。5.根据权利要求4所述的基于参数滚动调控的微电网暂态稳定紧急控制方法，其特征
在于：所述步骤s4中，采用如下公式(14)进行滚动调控；(14)式中，为vci在第个时间窗内的输出有功功率，为该台vci的额定有功功率，；在确定各台vci的调控值后，为保证频率在约束范围内，采用如下公式(15)进行调控；(15)式中，为vci的电网参考角频率。6.根据权利要求5所述的基于参数滚动调控的微电网暂态稳定紧急控制方法，其特征在于：所述步骤s1中，设置每个时间窗为100ms。

技术总结
基于参数滚动调控的微电网暂态稳定紧急控制方法，先初始化时间窗，采集时间窗内各台VCI的、、、实际值和采用的控制序列；然后，将采集的数据输入基于时空图卷积神经网络的功率轨迹预测模型中，预测时间窗内各台VCI的，若预测的满足回稳判据，则结束紧急控制，若不满足，则基于预测的及稳定性约束条件进行控制参数滚动调控，得到能够让微电网回稳的最优控制序列，在时间窗内将该最优控制序列作用到各台VCI控制器中；最后设置，进行新一轮的判定和滚动调控，直至满足回稳判据，停止调控。该方法无需配备额外的测量装置，能在任意失稳情形下保证微电网系统的可靠回稳。电网系统的可靠回稳。电网系统的可靠回稳。


技术研发人员：赵慧敏 帅智康 彭也伦 赵峰 何梨梨
受保护的技术使用者：湖南大学
技术研发日：2023.03.14
技术公布日：2023/7/13