本发明涉及mmc等值阻抗建模，尤其涉及一种基于理论数据混合驱动的mmc等值阻抗建模方法及系统。
背景技术：
1、mmc具有高效率、低失真的优点，被广泛应用于中低压电力系统，而大规模mmc与电网的交互作用会造成系统不稳定。对于电力系统的稳定性问题，一般采用基于阻抗的稳定性分析方法研究失稳机理，进而有效抑制交互作用引发的振荡。
2、由于换流器的详细参数和内部结构很难从供应商处获取，已有研究提出基于扫频法的黑箱阻抗建模法和基于人工神经网络(ann)的阻抗建模法，实现了参数不可知情况下换流器与电网交互的系统级稳定性分析。但与传统的两电平换流器不同的是，mmc的内部动态性使得其等值阻抗与工作点非线性相关，一旦mmc的工作点发生变化，就需要重新测量计算mmc模型的稳态谐波。因此，建立mmc的黑箱阻抗模型需不断改变mmc系统的运行状态，在不同工作点下向稳态系统中注入扰动，测量电压电流响应，进而计算出等值阻抗，非常耗时耗力。此外，基于ann建立阻抗模型需要大量的数据样本作为输入，通过迭代训练确保预测模型的准确性。由于在线测量获取的数据量有限，无法满足ann训练的数据量需求，所以使用在线测量的数据集直接训练神经网络，会影响mmc阻抗模型的准确性，削弱模型的实际工程应用价值。
技术实现思路
1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
2、鉴于上述现有存在的问题，提出了本发明。
3、因此，本发明提供了一种基于理论数据混合驱动的mmc等值阻抗建模方法及系统，能够解决背景技术中提到的问题。
4、为解决上述技术问题，本发明提供如下技术方案，一种基于理论数据混合驱动的mmc等值阻抗建模方法，包括：
5、建立典型mmc理论等值阻抗模型，设置不同mmc系统输出电流，计算典型mmc理论等值阻抗模型下各工作点处电流对应的频率以及阻抗值，并将各工作点对应的输出电流、频率以及阻抗值进行归一化处理，且生成归一化后的第一数据集；
6、将所述第一数据集中各工作点对应的输出电流、频率作为模型输入，将所述各工作点对应阻抗值数据作为模型输出，训练mmc离线阻抗模型；
7、获取实际mmc系统工作实时数据，所述实时数据包括各工作点处的输出电流、频率以及阻抗值，并将所述实时数据作为第二数据集；
8、对所述第二数据集进行归一化处理，并结合迁移学习算法以及所述mmc离线阻抗模型，获取mmc系统在任一工作点的在线等值阻抗模型。
9、作为本发明所述的基于理论数据混合驱动的mmc等值阻抗建模方法的一种优选方案，其中：所述建立典型mmc理论等值阻抗模型包括：
10、结合谐波线性化理论，将mmc系统某一相上桥臂的小信号模型表示如下：
11、zli'p＝-u'z-upm'p-μpu'p
12、ycu'p＝ipm'p+μpi'p
13、其中，i'p,u'z,m'p和u'p分别表示桥臂电流、扰动电压、调制信号和等效模块电压的小信号矢量，均为具有2n+1个，且按fp-nf1，...，fp-f1，fp，fp+f1，...，fp+nf1频率顺序排列的小信号谐波；up,μp和ip是经toplitz变换后由对应谐波矢量扩展的谐波矩阵，zl和yc是表示桥臂电感阻抗值和模块等效电容导纳值的对角矩阵。
14、作为本发明所述的基于理论数据混合驱动的mmc等值阻抗建模方法的一种优选方案，其中：所述建立典型mmc理论等值阻抗模型还包括：
15、mmc系统上桥臂的阻抗矩阵表示为：
16、z＝{yl[n+(u+mzci)(gp+gv)]}-1·[n+ylmzcm+yl(u+mzcι)(gi+gc)]
17、其中，n表示单位矩阵，m和i表示调制信号和相电流的频域矩阵，u表示mmc系统的电网侧电压矩阵，gi和gc表示电流控制和环流控制的增益，gp表示pll锁相环的增益，gv表示电压控制的增益。
18、作为本发明所述的基于理论数据混合驱动的mmc等值阻抗建模方法的一种优选方案，其中：所述建立典型mmc理论等值阻抗模型还包括：
19、典型mmc理论等值阻抗模型zeq(fp)表示为：
20、
21、其中，zp和zc表示z的第(n+1,n+1)和第(n-1,n+1)个元素，z(2f1-fp)和z(fp)表示2f1-fp和fp频率下对应的阻抗值，*表示共轭。
22、作为本发明所述的基于理论数据混合驱动的mmc等值阻抗建模方法的一种优选方案，其中：所述训练mmc离线阻抗模型包括：
23、mmc离线阻抗模型中的输入输出关系表示如下：
24、
25、其中，xi表示输入量，i表示输入层节点的序号，j表示隐藏层节点序号，yk表示输出量，k表示输出层节点序号，wij和bij表示输入权重和输入偏差，wkj和bkj表示输出权重及输出偏差。
26、作为本发明所述的基于理论数据混合驱动的mmc等值阻抗建模方法的一种优选方案，其中：所述获取实际mmc系统工作实时数据，所述实时数据包括各工作点处的输出电流、频率以及阻抗值，并将所述实时数据作为第二数据集包括：
27、在公共耦合点注入设定频率fp'的扰动，对公共耦合点的电压和电流响应进行采样，基于mmc系统的频率耦合效应，频率为fp'的扰动产生频率为fp'和fp'-2f1'的电流、电压响应，则mmc系统在相应工作点和频率下的阻抗表示如下：
28、
29、其中，分别表示公共耦合点一侧频率为fp'的扰动产生的频率为fp'和fp'-2f1'的电流、电压响应，分别表示公共耦合点另一侧频率为fp'的扰动产生的频率为fp'和fp'-2f1'的电流、电压响应；
30、等间隔改变设定的扰动频率fp'，并改变iout'以改变mmc系统稳态工作点，重复上述计算步骤，并将数据放入数据集中，建立第二数据集。
31、作为本发明所述的基于理论数据混合驱动的mmc等值阻抗建模方法的一种优选方案，其中：所述对所述第二数据集进行归一化处理，并结合迁移学习算法以及所述mmc离线阻抗模型，获取mmc系统在任一工作点的在线等值阻抗模型包括：
32、对所述第二数据集进行归一化处理；
33、设定第一数据集为源域，所述第二数据集为由输入量和输入量对应的概率分布组成的目标域，并将自适应矩估计方法作为迁移学习的优化算法；
34、目标域与源域中的数据遵循相同的分布，结合迁移学习算法，将第二数据集输入到用所述第一数据集训练好的mmc离线阻抗模型中，获取mmc系统在任一工作点的在线等值阻抗模型。
35、一种基于理论数据混合驱动的mmc等值阻抗建模系统，其特征在于，包括：第一数据集获取模块、离线模型训练模块、第二数据集获取模块以及阻抗模型生成模块，
36、第一数据集获取模块，所述第一数据集获取模块用于建立典型mmc理论等值阻抗模型，设置不同mmc系统输出电流，计算典型mmc理论等值阻抗模型下各工作点处电流对应的频率以及阻抗值，并将各工作点对应的输出电流、频率以及阻抗值进行归一化处理，且生成归一化后的第一数据集；
37、离线模型训练模块，所述离线模型训练模块用于将所述第一数据集中各工作点对应的输出电流、频率作为模型输入，将所述各工作点对应阻抗值数据作为模型输出，训练mmc离线阻抗模型；
38、第二数据集获取模块，所述第二数据集获取模块用于获取实际mmc系统工作实时数据，所述实时数据包括各工作点处的输出电流、频率以及阻抗值，并将所述实时数据作为第二数据集；
39、阻抗模型生成模块，所述阻抗模型生成模块用于对所述第二数据集进行归一化处理，并结合迁移学习算法以及所述mmc离线阻抗模型，获取mmc系统在任一工作点的在线等值阻抗模型。
40、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述的方法的步骤。
41、一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述的方法的步骤。
42、本发明的有益效果：本发明提出一种基于理论数据混合驱动的mmc等值阻抗建模方法及系统，建立典型mmc理论等值阻抗模型，设置不同mmc系统输出电流，计算典型mmc理论等值阻抗模型下各工作点处电流对应的频率以及阻抗值，并将各工作点对应的输出电流、频率以及阻抗值进行归一化处理，且生成归一化后的第一数据集；将所述第一数据集中各工作点对应的输出电流、频率作为模型输入，将所述各工作点对应阻抗值数据作为模型输出，训练mmc离线阻抗模型；获取实际mmc系统工作实时数据，所述实时数据包括各工作点处的输出电流、频率以及阻抗值，并将所述实时数据作为第二数据集；对所述第二数据集进行归一化处理，并结合迁移学习算法以及所述mmc离线阻抗模型，获取mmc系统在任一工作点的在线等值阻抗模型。实现了对实际工程中参数不可知的mmc设备建模。结合了mmc等值阻抗的理论推导与实际测量，利用先进的人工神经网络建立了mmc的多工作点等值阻抗模型。在保证建模准确度的基础上，减小了实测数据样本的需求量，避免了过于繁复的量测步骤，实现了基于迁移学习的小样本宽范围多工作点mmc等值阻抗建模。
1.一种基于理论数据混合驱动的mmc等值阻抗建模方法，其特征在于，包括：
2.如权利要求1所述的基于理论数据混合驱动的mmc等值阻抗建模方法，其特征在于，所述建立典型mmc理论等值阻抗模型包括：
3.如权利要求2所述的基于理论数据混合驱动的mmc等值阻抗建模方法，其特征在于，所述建立典型mmc理论等值阻抗模型还包括：
4.如权利要求3所述的基于理论数据混合驱动的mmc等值阻抗建模方法，其特征在于，所述建立典型mmc理论等值阻抗模型还包括：
5.如权利要求4所述的基于理论数据混合驱动的mmc等值阻抗建模方法，其特征在于，所述训练mmc离线阻抗模型包括：
6.如权利要求5所述的基于理论数据混合驱动的mmc等值阻抗建模方法，其特征在于，所述获取实际mmc系统工作实时数据，所述实时数据包括各工作点处的输出电流、频率以及阻抗值，并将所述实时数据作为第二数据集包括：
7.如权利要求6所述的基于理论数据混合驱动的mmc等值阻抗建模方法，其特征在于，所述对所述第二数据集进行归一化处理，并结合迁移学习算法以及所述mmc离线阻抗模型，获取mmc系统在任一工作点的在线等值阻抗模型包括：
8.一种基于理论数据混合驱动的mmc等值阻抗建模系统，其特征在于，包括：第一数据集获取模块、离线模型训练模块、第二数据集获取模块以及阻抗模型生成模块，
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
