基于RBF神经网络的电网脆弱性评估及其趋势估计

本文建立了分层网状拓扑结构下的电网脆弱性评价体系,针对该体系提出了基于径向基函数（radial basis function,RBF）神经网络的电网脆弱性评估方法。将电网综合脆弱性分为状态脆弱性和结构脆弱性,并与相应的子指标构成脆弱性网状评价体系,同时以高斯（Gauss）函数作为RBF神经网络函数的核函数解决指标间的非线性问题。通过MATLAB中的RBF神经网络函数对IEEE14母线系统计算分析,验证了该方法的全面性与有效性。最后,针对节点多个测量周期的脆弱性测度建立自回归（auto regression,AR）模型,通过判定AR模型的差分方程稳定性,分析了节点脆弱性测度的发展趋势。     

基于储能型准Z源逆变器的VSG并网控制策略的研究

随着光伏发电装机容量的增加,以传统控制策略并网的分布式光伏电源会大幅度降低电网惯性,使电网稳定性减弱。针对该问题,结合准Z源逆变器的优点,在准Z源网络中引入储能单元,提出基于储能型准Z源逆变器的虚拟同步发电机(VSG)并网控制策略。分析了储能型准Z源的工作模态。采用VSG技术控制系统输出功率,调节直通占空比使光伏功率钳位在最大功率点,蓄电池自动弥补功率缺额。讨论考虑VSG暂态响应时蓄电池的配置问题,并推导直通占空比与VSG转动惯量和阻尼系数的关系,为储能型准Z源逆变器在VSG控制参数设计方面提供参考标准。最后仿真和实验验证了所提策略的有效性。