基于ResFNN的相位连续性恢复技术在VSC系统阻抗识别中的优化应用

《Chinese Journal of Electrical Engineering》：Enhanced impedance identification of VSC systems using ResFNN-based phase continuity restoration

　　

摘要：

随着可再生能源的广泛应用，电力系统更容易出现振荡问题。序列阻抗建模是进行小信号稳定性分析的重要工具。然而，传统的白盒建模依赖于控制参数的可用性，而序列阻抗建模在运行点不断变化的情况下难以应用，这给精确识别序列阻抗带来了挑战。为解决这一问题，本文提出了一种基于相位解缠预处理与残差前馈神经网络相结合的电压源变换器序列阻抗识别方法。通过恢复相位表示的物理连续性，该方法降低了学习复杂度并提高了识别精度。模型在环测试结果表明，该算法能够利用频率和运行点上的少量测量数据，在密集的频率范围内准确识别序列阻抗的幅值和相位。