(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111374193.3 (22)申请日 2021.11.19 (71)申请人 国网重庆市电力公司电力科 学研究 院 地址 401123 重庆市渝北区北部新区黄山 大道中段80号办公 综合楼 申请人 国家电网有限公司 　 中国电力科 学研究院有限公司 (72)发明人 周敬森　何永胜　陈咏涛　张友强　 宋伟　朱晟毅　余亚南　向红吉　 肖强　胡利宁　周二专　陈勇　 吴倩红　 (74)专利代理 机构 成都九鼎天元知识产权代理 有限公司 51214 代理人 胡东东(51)Int.Cl. G06F 30/27(2020.01) H02J 3/16(2006.01) H02J 3/36(2006.01) G06F 119/02(2020.01) (54)发明名称 一种含高比例新能源交直流混联系统仿真 建模方法 (57)摘要 本发明公开了一种含高比例新能源交直流 混联系统仿真建模 方法， 具体包括以下步骤： S1： 构建基于模型 ‑数据混合驱动的MMC新型等效模 型； S2： 构建基于数据驱动的新能源并网系统等 效模型； S3： 将基于模型 ‑数据混合驱动的MMC新 型等效模型和基于数据驱动的新能源并网系统 等效模型有效融合起来， 得到基于模型 ‑数据混 合驱动的含高 比例新能源交直流混联系统仿真 模型； 本发明实现对柔性直流输电、 新能源机组 等电力系统关键部件的精准建模， 最大程度地还 原实际物理电网的真实运行状态， 有效提升模型 的准确性和实用性， 为电网运行状态 监测与分析 提供全面、 透明、 多层次的观测 和推演视角。 权利要求书3页 说明书7页 附图3页 CN 113962162 A 2022.01.21 CN 113962162 A 1.一种含高比例新能源交直流混联系统仿真建模方法， 其特征在于， 具体包括以下步 骤： S1： 构建基于模型 ‑数据混合驱动的M MC新型等效模型； S2： 构建基于数据驱动的新能源并 网系统等效模型； S3： 将基于模型 ‑数据混合驱动的MMC新型等效模型和基于数据驱动的新能源并网系统 等效模型有效融合起来， 得到基于模型 ‑数据混合驱动的含高比例新能源交直流混联系统 仿真模型。 2.根据权利要求1所述的含高比例新 能源交直流混联系统仿真建模方法， 其特征在于， 所述构建基于模型 ‑数据混合驱动的M MC新型等效模型 具体步骤如下： S11： PWM环节数据收集； S12： 数据归一 化； S13： 第一训练数据集； S14： 时间卷积神经网络； S15： 基于数据驱动的PWM模型； S16： 基于数据驱动的PWM模型和PI控制环节线性化模型融合成基于模型 ‑数据混合驱 动的MMC新型等效模型。 3.根据权利要求2所述的含高比例新 能源交直流混联系统仿真建模方法， 其特征在于， 所述构建基于数据驱动的新能源并 网系统等效模型， 具体步骤如下： S21： 新能源并 网系统数据收集； S22： 数据归一 化； S23： 形成第二训练数据集； S24： 时间卷积神经网络； S25： 基于数据驱动的新能源并 网系统模型。 4.根据权利要求2述的含高比例新能源交直流混联系统仿真建模方法， 其特征在于， 所 述PWM环节数据包括： 系统层面确定的有功类、 无功类物理量整定值 Qref， 以及交、 直流 侧反馈回来的系统实测信 号Vdc,Q,Vd,Vq,Id,Iq， 上述信号作为输入信 号； 另外， 三相交流电 压d‑q轴分量Vcd,Vcq作为输出信号。 5.根据权利要求4所述的含高比例新 能源交直流混联系统仿真建模方法， 其特征在于， 所述第一训练数据集是归一化后的输入信号 Qref,Vdc,Q,Vd,Vq,Id,Iq和输出信号Vcd, Vcq。 6.根据权利要求5所述的含高比例新 能源交直流混联系统仿真建模方法， 其特征在于， 所述数据归一化采用Z ‑score标准化方法对原始数据进行归一化， 即将原始数据的均值和 标准差进行 数据的归一 化； 经过处理的数据符合标准 正态分布， 即均值 为0， 标准差为1； Z‑score标准化转化函数为： 其中 μ为所有样本数据的均值， σ 为所有样本数据的标准差 。 7.根据权利要求6所述的含高比例新 能源交直流混联系统仿真建模方法， 其特征在于， 所述S16中的PI控制环 节的线性 化数学模型表示如下：权　利　要　求　书 1/3 页 2 CN 113962162 A 2式(1)中PIdout， PIqout分别为PI控制环节的d、 q轴分量； 和Id， Iq分别为电流信 号d、 q轴分量的参考值和实际值； Vdc分别为直流电压的参考值和实际值； Qref， Q分别 为无功功率的参考值和实际值； Kp_id， Ki_id分别为有功类内环控制环节的比例和 积分系数； Kp_iq， Ki_iq分别为无功 类内环控制环节的比例和积分系数； Kp_vdc， Ki_vdc分别为有功 类外环控 制环节的比例和积分系数； Kp_v， Ki_v分别为无功类外环控制环节的比例和积分系数； S表示 复频域中的复参变量； PWM模型的输入信号为PI控制环节输出信号与交流侧反馈信号进行数学加减运算后得 到的参考电压： 式(2)中， 分别为调制后电压d、 q轴分量的参考值； Vd， Vq分别为电压d、 q轴 分量的实际值； Id， Iq分别为电流d、 q轴分量的实际值； Xf为电网侧阻抗 值； PWM通过脉宽调制原理生成MMC各子模块的脉冲控制信号， 并最终生成网侧三相交流信 号， 即输出信号为调制后的dq轴电压分量Vcd,Vcq； 设PWM输入输出之间的函数映射关系为 fPWM(·)， 则调制后的电压d、 q轴分量分别为Vcd,Vcq， 可表示为： 将式(3)中PWM调制后电压d、 q轴分量的参考值 作为输入信号， 调制后的电压 d、 q轴分量Vcd,Vcq作为输出信号， 则基于数据驱动的PWM模型fPWM(·)可通过机器学习获得； 综合式(1)～式(3)， 可 得基于模型 ‑数据混合驱动的M MC等效数学模型如下： 上式(4)中， 列向量 由MMC混合驱动数学模型权　利　要　求　书 2/3 页 3 CN 113962162 A 3