本发明属于电力，尤其涉及一种构网型换流器平滑并网方法及装置。
背景技术：
1、随着新能源发电得到持续快速发展，电网运行控制的复杂性和不确定性显著提高，极易因小概率事件触发电网连锁故障大停电事故，电网的安全稳定运行面临巨大挑战。
2、为解决上述问题，构网型新能源发电机组近年来逐渐成为研究的前沿和热点问题。构网型技术通过改进换流器控制使风电光伏模拟同步机运行机制，可实现惯量响应、快速调压等主动支撑功能。构网型换流器既可以并入电网同步运行，又可以在与电网断开连接时稳定运行在孤岛模式。在孤岛运行时，构网型换流器必须保证频率的稳定，防止负荷变化过大带来的频率偏移，并实现良好的动态响应特性，以提高系统的电能质量；此外，当由孤岛转向并网运行时，还需要保证切换的暂态过程中尽可能减小电压电流带来的冲击影响以实现平滑并网，提高电能质量。因此，更好的构网型换流器平滑并网控制策略，对于新能源能源发电技术的大规模应用具有十分重要的意义。
3、申请号为cn202210408295.0的专利文件公开了一种换流器孤岛转联网控制方法，将并网的相位同步拆分成频率同步和相位追踪两个阶段，以先同步频率再追踪相位的方式，减少了调节过程中对系统的扰动。然而，由于频率和相角存在相互影响作用，频率预同步较快势必导致相角的变化，而当相角预同步过快时也会带来频率的较大波动，不利于系统运行的稳定性。
技术实现思路
1、有鉴于此，本发明实施例提供了一种构网型换流器平滑并网方法及装置，以实现构网型换流器平滑并网，提高电能质量。
2、第一方面，本发明实施例提供了一种构网型换流器平滑并网方法，包括：
3、获取换流器侧和网侧的三相电压，对换流器侧的三相电压进行锁相环计算，得到输出相位角和输出角频率，对网侧的三相电压进行锁相环计算，得到参考相位角和参考角频率；
4、根据输出相位角和参考相位角，计算得到角频率差值；
5、根据输出角频率和参考角频率，进行频率预同步计算，得到有功功率参考值以对换流器进行控制；
6、根据角频率差值，利用梯度下降法调整频率预同步计算中的控制参数并通过神经网络辨识，得到下一控制周期的控制参数。
7、结合第一方面，在第一方面的一种可能的实现方式中，根据输出角频率和参考角频率，进行频率预同步计算，得到有功功率参考值，包括：
8、pm(k)＝pm(k-1)+δpm(k)；
9、δpm(k)＝kp(k-1)xc1(k)+ki(k-1)xc2(k)+kd(k-1)xc3(k)；
10、
11、其中，pm(k)为有功功率参考值；kp、ki、kd控制参数；ω(k)为输出角频率；ωg(k)为参考角频率；k表示控制周期。
12、结合第一方面，在第一方面的一种可能的实现方式中，根据角频率差值，利用梯度下降法调整频率预同步计算中的控制参数并通过神经网络辨识，得到下一控制周期的控制参数，包括：
13、将输出角频率和有功功率参考值输入至神经网络中，得到网络预测角频率；
14、根据网络预测角频率，更新神经网络的网络参数；
15、根据角频率差值，利用梯度下降法调整控制参数；
16、根据更新后的神经网络的网络参数，对调整后的控制参数进行辨识，得到下一控制周期的控制参数。
17、结合第一方面，在第一方面的一种可能的实现方式中，根据网络预测角频率，更新神经网络的网络参数，包括：
18、根据网络预测角频率，确定神经网络的第一性能指标函数；
19、根据第一性能指标函数，更新神经网络的网络参数。
20、结合第一方面，在第一方面的一种可能的实现方式中，第一性能指标函数为：
21、
22、其中，ω′(k)为理论输出角频率，ωm(k)为网络预测角频率。
23、结合第一方面，在第一方面的一种可能的实现方式中，神经网络的网络参数包括输出权重、节点中心和节点基宽；
24、输出权重根据以下公式更新：
25、
26、wj(k)＝wj(k-1)+δwj(k)+aδwj(k)；
27、节点中心根据以下公式更新：
28、
29、cj(k)＝cj(k-1)+δcj(k)+a[cj(k-1)-cj(k-2)]；
30、节点基宽根据以下公式更新：
31、
32、bj(k)＝bj(k-1)+ηδbj(k)+a[bj(k-1)-bj(k-2)]；
33、其中，wj(k)为第k个控制周期的输出权重；cj(k)为第k个控制周期的节点中心；bj(k)为第k个控制周期的节点基宽；a为第一动量项因子；η为第一学习速率。
34、结合第一方面，在第一方面的一种可能的实现方式中，根据角频率差值，利用梯度下降法调整控制参数，包括：
35、根据角频率差值，确定加权系数；其中，加权系数与角频率差值呈正相关；
36、根据加权系数，确定频率预同步计算的第二性能指标函数；
37、根据第二性能指标函数，利用梯度下降法调整控制参数。
38、结合第一方面，在第一方面的一种可能的实现方式中，根据角频率差值确定加权系数的公式为：
39、
40、第二性能指标函数为：
41、
42、采用梯度下降法确定第一控制参数的公式为：
43、kp(k)＝kp(k-1)+δkp(k)+ac(kp(k-1)-kp(k-2))；
44、ki(k)＝ki(k-1)+δki(k)+ac(ki(k-1)-ki(k-2))；
45、kd(k)＝kd(k-1)+δkd(k)+ac(kd(k-1)-kd(k-2))；
46、
47、
48、
49、其中，kξ为预设的加权调整系数；ω(k)为输出角频率；ωg(k)为参考角频率；k表示控制周期；ac为第二动量项因子；ηc为第二学习速率。
50、结合第一方面，在第一方面的一种可能的实现方式中，根据神经网络的网络参数对调整后的控制参数进行辨识的公式为：
51、
52、其中，ωj(k)为输出权重；cj(k)为节点中心；bj(k)为节点基宽；x为神经网络的输入，包括输出角频率和有功功率参考值。
53、第二方面，本发明实施例提供了一种构网型换流器平滑并网装置，包括：
54、采集模块，用于获取换流器侧和网侧的三相电压，对换流器侧的三相电压进行锁相环计算，得到输出相位角和输出角频率，对网侧的三相电压进行锁相环计算，得到参考相位角和参考角频率；
55、控制模块，用于根据输出相位角和参考相位角，计算得到角频率差值；根据输出角频率和参考角频率，进行频率预同步计算，得到有功功率参考值以对换流器进行控制；
56、更新模块，用于根据角频率差值，利用梯度下降法调整频率预同步计算中的控制参数并通过神经网络辨识，得到下一控制周期的控制参数。
57、本发明实施例与现有技术相比存在的有益效果是：
58、本发明实施例通过输出相位角和参考相位角，计算得到角频率差值，将角频率差值引入到频率预同步中做自适应调节，优化动态响应，解决了角频率与角相位相互耦合的问题；同时，通过神经网络的自适应矫正控制参数，代替传统的pi控制，实现准确、合理的换流器平滑并网控制。
1.一种构网型换流器平滑并网方法，其特征在于，包括：
2.如权利要求1所述的构网型换流器平滑并网方法，其特征在于，根据所述输出角频率和所述参考角频率，进行频率预同步计算，得到有功功率参考值，包括：
3.如权利要求2所述的构网型换流器平滑并网方法，其特征在于，根据所述角频率差值，利用梯度下降法调整所述频率预同步计算中的控制参数并通过神经网络辨识，得到下一控制周期的控制参数，包括：
4.如权利要求3所述的构网型换流器平滑并网方法，其特征在于，根据所述网络预测角频率，更新所述神经网络的网络参数，包括：
5.如权利要求4所述的构网型换流器平滑并网方法，其特征在于，所述第一性能指标函数为：
6.如权利要求4所述的构网型换流器平滑并网方法，其特征在于，所述神经网络的网络参数包括输出权重、节点中心和节点基宽；
7.如权利要求3所述的构网型换流器平滑并网方法，其特征在于，根据所述角频率差值，利用梯度下降法调整所述控制参数，包括：
8.如权利要求7所述的构网型换流器平滑并网方法，其特征在于，根据所述角频率差值确定加权系数的公式为：
9.如权利要求7所述的构网型换流器平滑并网方法，其特征在于，根据神经网络的网络参数对调整后的控制参数进行辨识的公式为：
10.一种构网型换流器平滑并网装置，其特征在于，包括：
