CN104156889B - 一种基于wams数据的风电场性能评估系统及其评估方法 - Google Patents
一种基于wams数据的风电场性能评估系统及其评估方法 Download PDFInfo
- Publication number
- CN104156889B CN104156889B CN201410401778.3A CN201410401778A CN104156889B CN 104156889 B CN104156889 B CN 104156889B CN 201410401778 A CN201410401778 A CN 201410401778A CN 104156889 B CN104156889 B CN 104156889B
- Authority
- CN
- China
- Prior art keywords
- power plant
- wind power
- data
- evaluation
- capability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 20
- 230000003068 static effect Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 11
- 238000007405 data analysis Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims 1
- 238000013499 data model Methods 0.000 abstract description 3
- 230000005611 electricity Effects 0.000 abstract 1
- 238000010248 power generation Methods 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007163 homologation reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Wind Motors (AREA)
Abstract
本发明涉及一种基于WAMS数据的风电场性能评估系统及其评估方法，评估系统包括WAMS数据接入模块、数据计算模块和数据展示模块。本发明是基于WAMS数据的风电场性能评估系统，利用WAMS数据，按照风电场性能评估要求实现数据接口，将内部数据转化为可识别的数据模型，同时采用层次分析法和距离综合评价法进行计算，实现对风电场频率穿越能力评价、低电压穿越能力评价、动态无功补偿能力评价和功率损耗评价，并实现综合评价结果信息展示。
Description
技术领域
本发明涉及一种风电场系统性能评估系统及其评估方法，具体讲涉及一种基于WAMS数据的风电场性能评估系统及其评估方法。
背景技术
以风电为主的新能源发电产业日益壮大，大规模风力发电提供的清洁能源受风电间歇性和不稳定性的影响，现有的一些风电发生的大规模脱网事故表明这些影响对电网安全的冲击不容忽视。频发的、对系统稳定运行造成严重影响的事故有电压越限、SVG功率越限等。因此需要提供一种风电场性能评估系统及其评估方法来有效的监视风电场的各项指标，科学评价监测结果，为风电场的安全运行提供依据。
发明内容
针对现有技术的不足，本发明的目的是提供一种基于WAMS数据的风电场性能评估系统及其评估方法，本发明可以利用WAMS数据，按照风电场性能评估要求实现数据接口，将内部数据转化为可识别的数据模型，同时采用层次分析法和距离综合评价法进行计算，实现对风电场频率穿越能力评价、低电压穿越能力评价、动态无功补偿能力评价和功率损耗评价，并实现综合评价结果信息展示。
本发明的目的是采用下述技术方案实现的：
本发明提供一种基于WAMS数据的风电场性能评估系统，其改进之处在于，所述系统包括WAMS数据接入模块、数据计算模块和数据展示模块；
所述WAMS数据接入模块用于PMU数据解析和远动通讯装置数据解析；
所述数据计算模块用于评价风电场频率穿越信息、评价风电场低电压穿越、评价风电场功率损耗以及评价风电场无功电压水平；
所述数据展示模块用于展示风电场低电压穿越能力、展示风电场动态无功控制能力以及展示每个风电场的评分结果。
进一步地，所述评价风电场频率穿越信息包括：获取一秒的并网点频率数据，判断频率范围，如果上一秒状态为正常，则当前一秒所有频率均位于47.5Hz～49.5Hz之内，则认为发生低频穿越，并记录10分钟的频率信息，存入数据库，检测有无风电机组脱网，将脱网风电机组存入数据库；如果频率位于49.5Hz～50.5Hz，则不做处理，将状态置为正常；
获取一秒的并网点频率数据，判断频率范围，如果上一秒状态为正常，则当前一秒所有频率均位于50.5Hz～51Hz之内，则认为发生高频穿越，并记录10分钟的频率信息，存入数据库；
检测有无风电机组脱网，将脱网风电机组存入数据库；
如果频率位于49.5Hz～50.5Hz，则认为状态为正常。
进一步地，评价风电场低电压穿越包括：获取一秒的并网点电压数据，判断是否低于标准电压，如果低于标准电压，并且上一次运行的状态正常，则认为发生低电压穿越，将此事件计入数据库，并将前2秒和将来6秒的电压数据存入数据库中，检测风电机组状态，将脱网风电机组存入数据库；
监测并网点功率，记录有功功率恢复到穿越前90％并且上下波动不超过10％时，并且电压恢复到限值以上，则判断为低电压穿越结束，记录持续时间；
如果电压值位于该场站的额定电压范围内，则将状态置为正常，进入下次循环。
进一步地，评价风电场功率损耗包括：实时获取风电机组的有功功率P和无功功率Q，按下式<1>在线计算风电出力的功率因数
如果功率因数小于0.95，则认为不合格，将信息存入数据库。
进一步地，评价风电场无功电压水平包括：获取一秒的并网点电压数据，判断如果低于标准值，则检测静止无功补偿装置SVG无功功率及电流信息，检测到静止无功补偿装置SVG无功功率呈现上升趋势时，则认为静止无功补偿装置SVG已经开始响应；
检测到静止无功补偿装置SVG电流恢复到电压越限前的90％并且上下波动不超过10％时，则认为静止无功补偿装置SVG已经调节结束，记录下当前时间，响应时间＝当前时间-电压越限时间。
进一步地，所述展示风电场低电压穿越能力包括：每个风电场的低电压穿越次数、脱网风电机组统计和历史数据统计；
所述展示风电场动态无功控制能力包括：每个风电场的静止无功补偿装置SVG响应能力和历史数据统计；
所述展示每个风电场的评分结果包括：采用层次分析法和距离综合评价法通过对风电场的每个单项指标进行加权计算和统计分析，最终展示出每个风电场的评分结果。
本发明提供一种基于WAMS数据的风电场性能评估系统的评估方法，其改进之处在于，所述方法包括下述步骤：
(1)接入WAMS数据并进行解析；
(2)检测风电场低电压穿越能力、频率穿越能力、功率损耗以及静止无功补偿装置SVG功率越限；
(3)对风电场低电压穿越能力、频率穿越能力、功率损耗以及静止无功补偿装置SVG功率越限进行评分；
(4)用层次分析法和距离综合评价法对风电场综合评分；
(5)展示每个风电场的评分结果。
进一步地，所述步骤(1)中，采用WAMS数据接入模块接入WAMS数据并进行PMU数据解析和远动通讯装置数据解析。
进一步地，所述步骤(2)和步骤(3)中，采用数据计算模块检测低电压穿越、频率穿越、功率损耗以及静止无功补偿装置SVG功率越限；以及对风电场低电压穿越能力、频率穿越能力、功率损耗以及静止无功补偿装置SVG功率越限进行评分；
检测低电压穿越能力包括：
假定并网点电压跌落百分比为x1，电压跌落后风电机组1持续运行tx1时间后脱网，风电机组1脱网时间为t1，电压跌落后风电机组2持续运行tx2时间后脱网，风电机组2脱网时间为t2，采用下式计算风电机组的低电压穿越能力：
Vgeneval1＝tx1/t1 <2>；
Vgeneval2＝tx2/t2 <3>；
将tx1/t1与tx2/t2比较，判断风电机组1和风电机组2的低电压穿越能力，并将比值作为发生脱网机组的低电压穿越能力评价值，其值小于1；
对风电场每台风电机组作出评价后，按照下式对风电场进行评价：
Vfarmeval＝100*Seval/Sgen <4>；
Vfarmeval：风电场低电压穿越能力评价值，其值小于1；
Seval：各台风电机组低电压穿越能力评价值之和；
Sgen：风电场风电机组总数；
评价值为0到100之间的数值，此值越大说明评价结果越好；
检测风电场频率穿越能力包括：
假设某风电场的该月频率穿越次数为Y，将指标值折算到0-100区间，将某月的所有风电场指标值按照下式进行折算，风电场总计m个：
评价值为0到100之间的数值，此值越大说明评价结果越好；
检测风电场功率损耗包括：
将A＝0.95/实测越限功率因数作为纵坐标，统计次数B作为横坐标，绘制曲线并对曲线积分：
Y＝∫AdB <6>；
将指标值折算到0-100区间，将某一天的所有风电场指标值按照下式进行折算，风电场总计m个：
评价值为0到100之间的数值，此值越大说明评价结果越好；
检测静止无功补偿装置SVG功率越限包括：
假设某风电场的该月无功补偿装置SVG功率越限总次数为Y，将指标值折算到0-100区间，将某月的所有风电场指标值按照下式进行折算，风电场总计m个：
评价值为0到100之间的数值，此值越大说明评价结果越好。
进一步地，所述步骤(4)和步骤(5)中，采用数据展示模块并采用层次分析法和距离综合评价法对风电场进行综合评分：
①设置评价矩阵：
评价矩阵为Y＝(Y1,Y2,Y3,Y4,Y5,Y6,Y7)，其中Y1代表风电场高频率穿越能力，Y2为低频率穿越能力，Y3为低电压穿越能力，Y4为并网点电压偏差越限次数，Y5为SVC/SVG无功补偿达标率，Y6为有功控制能力，Y7为功率因数越限次数，Yi＝(yi1,yi2,yi3),i＝1,2,…7，并取其权重向量ω＝(ω1,ω2,ω3,ω4,ω5,ω6,ω7)；
②指标同向化：
构造原始评价矩阵Y＝(yij)m×n，其中m为评价指标的数目，n为评价个体的数目；
如果评价的m个指标中的指标值越小的表示状况越好的，依次进行同向化指标处理，转化为正指标，再进行统一处理，正指标的指标值越大反映的状况越优；并网点电压偏差越限次数、有功控制能力和功率因数越限次数为逆指标；
对于式<9>的负指标计算，取k＝0.1；
其中，max|Yi|表示指标向量Yi中元素的最大值；
③去量纲化：
按下式计算评价矩阵Y′进行无量纲化处理，化为标准矩阵y″ij：
④确定权重：
对无量纲化处理后的指标矩阵的计算均值为：
标准差：
根据均值和标准差求解变异系数Vi：
由变异系数确定指标的权数ωi：
⑤相对接近度的计算：
根据变异系数法确定权重，根据如下公式确定加权数据矩阵：
Y″′＝Y″i·ωi,i＝1,2…m <15>；
在指标已经正向化后，用所有样本中各指标的最大值构成理想样本，用各指标的最小值构成负理想样本，分别用Y+和Y-表示；
样本点到最优点的距离：
样本点到最劣点的距离：
相对接近度由下式确定：
根据相对接近度Cj的大小对评价对象的排序，Cj越大，表明评价对象与理想样本的相对距离越小，相应评价对象的评价结果越好；
评价值为0到100之间的数值，此值越大说明评价结果越好。
与现有技术比，本发明达到的有益效果是：
1、本发明提供的技术方案有效的监视了风电场的各项指标，科学评价了监测结果，为风电场的安全运行提供了参考。
2、本发明提供的技术方案通过对WAMS数据的预处理，将PMU数据、AGC/AVC数据转化为系统可以识别的数据模型，并采用层次分析法和距离综合评价法进行计算，实现低电压穿越监测、无功控制能力监测以及综合评价结果信息展示。
附图说明
图1是本发明提供的基于WAMS数据的风电场性能评估系统结构图；
图2是本发明提供的基于WAMS数据的风电场性能评估方法流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
本发明提供的基于WAMS数据的风电场性能评估系统结构图如图1所示，包括WAMS数据接入模块、数据计算模块和数据展示模块；其中：
1)WAMS数据接入模块
a、PMU数据解析；
b、远动通讯装置数据解析；
2)数据计算模块：
a、对风电场频率穿越信息进行评价：
获取一秒的并网点频率数据，判断频率范围，如果上一秒状态为正常，这一秒所有频率均位于47.5～49.5之内，则认为发生低频穿越，存入数据库，并记录10分钟的频率信息，存入数据库，检测有无风电机组脱网，将脱网风电机组存入结果表，如果频率正常，则不做处理，将状态置为正常，高频穿越判断与低频穿越类似。
b、对风电场低电压穿越进行评价：
获取一秒的并网点电压数据，判断是否低于标准电压，如果低于标准电压，并且上一次运行的状态为正常，则认为发生低电压穿越，将此事件计入数据库，并将前2秒和将来6秒的电压数据存入数据库中，检测风电机组状态，将脱网风电机组存入数据库，监测并网点功率，记录有功功率恢复到穿越前90％并且上下波动不超过10％时，并且电压恢复到限值以上，则判断为穿越结束，记录下持续时间。如果电压值为正常，则将状态置为正常，进入下次循环。
c、对风电场功率损耗进行评价：实时获取风电机组的有功功率P和无功功率Q，在线计算出风电出力的功率因数表达式如下：
如果功率因数小于0.95，则认为不合格，将信息存入数据库。
d、对风电场无功电压水平进行评价：
获取一秒的并网点电压数据，判断如果低于标准值，则检测SVG无功功率及电流信息，检测到SVG无功功率呈现上升趋势时，则认为SVG已经开始响应，检测到SVG电流恢复到电压越限前的90％并且上下波动不超过10％时，则认为SVG已经调节结束，记录下当前时间，计算出响应时间。
3)数据展示模块：
A、展示风电场低电压穿越能力，包括每个风电场的低电压穿越次数、脱网风电机组统计和历史数据统计；
B、展示风电场动态无功控制能力，包括每个风电场的SVG响应能力和历史数据统计。
C、采用层次分析法和距离综合评价法通过对风电场的每个单项指标进行加权计算和统计分析，最终展示出每个风电场的评分结果。
本发明还提供一种基于WAMS数据的风电场性能评估方法，其流程图如图2所示，包括下述步骤：
(1)采用WAMS数据接入模块接入WAMS数据并进行PMU数据解析和远动通讯装置数据解析。
(2)采用数据计算模块检测风电场低电压穿越、频率穿越、功率损耗以及静止无功补偿装置SVG功率越限；
(3)采用数据计算模块对风电场低电压穿越能力、频率穿越能力、功率损耗以及静止无功补偿装置SVG功率越限进行评分，
检测低电压穿越能力包括：
假定并网点电压跌落百分比为x1，电压跌落后风电机组1持续运行tx1时间后脱网，风电机组1脱网时间为t1，电压跌落后风电机组2持续运行tx2时间后脱网，风电机组2脱网时间为t2，采用下式计算风电机组的低电压穿越能力：
Vgeneval1＝tx1/t1 <2>；
Vgeneval2＝tx2/t2 <3>；
通过比较tx1/t1与tx2/t2比较风电机组1和风电机组2的低电压穿越能力，并将比值作为发生脱网机组的低电压穿越能力评价值，其值小于1；
对风电场每台风电机组作出评价后，按照下式对风电场进行评价：
Vfarmeval＝100*Seval/Sgen <4>；
Vfarmeval：风电场低电压穿越能力评价值，其值小于1；
Seval：各台风电机组低电压穿越能力评价值之和；
Sgen：风电场风电机组总数；
评价值为0到100之间的数值，此值越大说明评价结果越好；
检测风电场频率穿越能力包括：
假设某风电场的该月频率穿越次数为Y，将指标值折算到0-100区间，将某月的所有风电场指标值按照下式进行折算，风电场总计m个：
评价值为0到100之间的数值，此值越大说明评价结果越好；
检测风电场功率损耗包括：
将A＝0.95/实测越限功率因数作为纵坐标，统计次数B作为横坐标，绘制曲线并对曲线积分：
Y＝∫AdB <6>；
将指标值折算到0-100区间，将某一天的所有风电场指标值按照下式进行折算，风电场总计m个：
评价值为0到100之间的数值，此值越大说明评价结果越好；
检测静止无功补偿装置SVG功率越限包括：
假设某风电场的该月无功补偿装置SVG功率越限总次数为Y，将指标值折算到0-100区间，将某月的所有风电场指标值按照下式进行折算，风电场总计m个：
评价值为0到100之间的数值，此值越大说明评价结果越好。
(4)采用数据展示模块并采用层次分析法和距离综合评价法对风电场进行综合评分；
(5)展示每个风电场的评分结果：
①设置评价矩阵：
评价矩阵为Y＝(Y1,Y2,Y3,Y4,Y5,Y6,Y7)，其中Y1代表风电场高频率穿越能力，Y2为低频率穿越能力，Y3为低电压穿越能力，Y4为并网点电压偏差越限次数，Y5为SVC/SVG无功补偿达标率，Y6为有功控制能力，Y7为功率因数越限次数，Yi＝(yi1，yi2,yi3),i＝1,2,…7，并取其权重向量ω＝(ω1,ω2,ω3,ω4,ω5,ω6,ω7)；
②指标同向化：
构造原始评价矩阵Y＝(yij)m×n，其中m为评价指标的数目，n为评价个体的数目；
如果m个评价指标中有负指标，即指标值越小表示状况越好的指标，首先进行指标同向化处理，将其转化为正指标，将其进行统一处理，正指标表示指标值越大其反映的状况越优；并网点电压偏差越限次数、有功控制能力和功率因数越限次数为逆指标；
对于式<9>的负指标计算，取k＝0.1；
其中，max|Yi|表示指标向量Yi中元素的最大值；
③去量纲化：
对评价矩阵Y′进行无量纲化处理，化为标准矩阵y″ij，通过下式计算：
④确定权重：
对无量纲化处理后的指标矩阵计算均值为：
标准差：
根据均值和标准差来求解变异系数Vi：
由变异系数确定指标的权数ωi：
⑤相对接近度的计算：
根据变异系数法确定出的权重，根据如下公式确定加权数据矩阵：
Y″′＝Y″i·ωi,i＝1,2…m <15>；
由于指标已经正向化，用所有样本中各指标的最大值构成理想样本，用各指标的最小值构成负理想样本，分别用Y+和Y-表示；
样本点到最优点的距离：
样本点到最劣点的距离：
相对接近度由下式确定：
根据相对接近度Cj的大小进行各评价对象的排序，即Cj越大，表明评价对象与理想样本的相对距离越小，相应评价对象的评价结果越好；
评价值为0到100之间的数值，此值越大说明评价结果越好。
本发明是基于WAMS数据的风电场性能评估系统，本发明可以利用WAMS数据，按照风电场性能评估要求实现数据接口，将内部数据转化为可识别的数据模型，同时采用层次分析法和距离综合评价法进行计算，实现对风电场频率穿越能力评价、低电压穿越能力评价、动态无功补偿能力评价和功率损耗评价，并实现综合评价结果信息展示。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员在其启发下对本发明的具体实施方式进行修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。
Claims (2)
1.一种基于WAMS数据的风电场性能评估系统的评估方法，其特征在于，所述方法用的系统为基于WAMS数据的风电场性能评估系统，包括WAMS数据接入模块、数据计算模块和数据展示模块；
所述WAMS数据接入模块用于PMU数据解析和远动通讯装置数据解析；
所述数据计算模块用于评价风电场频率穿越信息、评价风电场低电压穿越、评价风电场功率损耗以及评价风电场无功电压水平；
所述数据展示模块用于展示风电场低电压穿越能力、展示风电场动态无功控制能力以及展示每个风电场的评分结果；
所述评价风电场频率穿越信息包括：获取一秒的并网点频率数据，判断频率范围，如果上一秒状态为正常，则当前一秒所有频率均位于47.5Hz～49.5Hz之内，则认为发生低频穿越，并记录10分钟的频率信息，存入数据库，检测有无风电机组脱网，将脱网风电机组存入数据库；如果频率位于49.5Hz～50.5Hz，则不做处理，将状态置为正常；或
获取一秒的并网点频率数据，判断频率范围，如果上一秒状态为正常，则当前一秒所有频率均位于50.5Hz～51Hz之内，则认为发生高频穿越，并记录10分钟的频率信息，存入数据库；
检测有无风电机组脱网，将脱网风电机组存入数据库；
如果频率位于49.5Hz～50.5Hz，则认为状态为正常；
评价风电场低电压穿越包括：获取一秒的并网点电压数据，判断是否低于标准电压，如果低于标准电压，并且上一次运行的状态正常，则认为发生低电压穿越，将此事件计入数据库，并将前2秒和将来6秒的电压数据存入数据库中，检测风电机组状态，将脱网风电机组存入数据库；
监测并网点功率，记录有功功率恢复到穿越前90％并且上下波动不超过10％时，并且电压恢复到限值以上，则判断为低电压穿越结束，记录持续时间；
如果电压值位于场站的额定电压范围内，则将状态置为正常，进入下次循环；
评价风电场功率损耗包括：实时获取风电机组的有功功率P和无功功率Q，按下式<1>在线计算风电出力的功率因数
如果功率因数小于0.95，则认为不合格，将信息存入数据库；
评价风电场无功电压水平包括：获取一秒的并网点电压数据，判断如果低于标准值，则检测静止无功补偿装置SVG无功功率及电流信息，检测到静止无功补偿装置SVG无功功率呈现上升趋势时，则认为静止无功补偿装置SVG已经开始响应；
检测到静止无功补偿装置SVG电流恢复到电压越限前的90％并且上下波动不超过10％时，则认为静止无功补偿装置SVG已经调节结束，记录下当前时间，响应时间＝当前时间-电压越限时间；
所述展示风电场低电压穿越能力包括：每个风电场的低电压穿越次数、脱网风电机组统计和历史数据统计；
所述展示风电场动态无功控制能力包括：每个风电场的静止无功补偿装置SVG响应能力和历史数据统计；
所述展示每个风电场的评分结果包括：采用层次分析法和距离综合评价法通过对风电场的每个单项指标进行加权计算和统计分析，最终展示出每个风电场的评分结果；
所述方法包括下述步骤：
(1)接入WAMS数据并进行解析；
(2)检测风电场低电压穿越能力、频率穿越能力、功率损耗以及静止无功补偿装置SVG功率越限；
(3)对风电场低电压穿越能力、频率穿越能力、功率损耗以及静止无功补偿装置SVG功率越限进行评分；
(4)用层次分析法和距离综合评价法对风电场综合评分；
(5)展示每个风电场的评分结果；
所述步骤(2)和步骤(3)中，采用数据计算模块检测低电压穿越、频率穿越、功率损耗以及静止无功补偿装置SVG功率越限；以及对风电场低电压穿越能力、频率穿越能力、功率损耗以及静止无功补偿装置SVG功率越限进行评分；
检测低电压穿越能力包括：
假定并网点电压跌落百分比为x1，电压跌落后风电机组1持续运行tx1时间后脱网，风电机组1脱网时间为t1，电压跌落后风电机组2持续运行tx2时间后脱网，风电机组2脱网时间为t2，采用下式计算风电机组的低电压穿越能力：
Vgeneval1＝tx1/t1 <2>；
Vgeneval2＝tx2/t2 <3>；
将tx1/t1与tx2/t2比较，判断风电机组1和风电机组2的低电压穿越能力，并将比值作为发生脱网机组的低电压穿越能力评价值，其值小于1；
对风电场每台风电机组作出评价后，按照下式对风电场进行评价：
Vfarmeval＝100*Seval/Sgen <4>；
Vfarmeval：风电场低电压穿越能力评价值，其值小于1；
Seval：各台风电机组低电压穿越能力评价值之和；
Sgen：风电场风电机组总数；
评价值为0到100之间的数值，此值越大说明评价结果越好；
检测风电场频率穿越能力包括：
假设某风电场的某月频率穿越次数为Y，将指标值折算到0-100区间，将某月的所有风电场指标值按照下式进行折算，风电场总计m个：
<mrow>
<msubsup>
<mi>Y</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mn>100</mn>
<mo>-</mo>
<mfrac>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msubsup>
<mi>Y</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
</mfrac>
<mo>&times;</mo>
<mn>100</mn>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>...</mo>
<mi>m</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mo><</mo>
<mn>5</mn>
<mo>></mo>
<mo>;</mo>
</mrow>
评价值为0到100之间的数值，此值越大说明评价结果越好；
检测风电场功率损耗包括：
将A＝0.95/实测越限功率因数作为纵坐标，统计次数B作为横坐标，绘制曲线并对曲线积分：
Y＝∫AdB <6>；
将指标值折算到0-100区间，将某一天的所有风电场指标值按照下式进行折算，风电场总计m个：
<mrow>
<msubsup>
<mi>Y</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mn>100</mn>
<mo>-</mo>
<mfrac>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msubsup>
<mi>Y</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
</mfrac>
<mo>&times;</mo>
<mn>100</mn>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>...</mo>
<mi>m</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mo><</mo>
<mn>7</mn>
<mo>></mo>
<mo>;</mo>
</mrow>
评价值为0到100之间的数值，此值越大说明评价结果越好；
检测静止无功补偿装置SVG功率越限包括：
假设某风电场的某月无功补偿装置SVG功率越限总次数为Y，将指标值折算到0-100区间，将某月的所有风电场指标值按照下式进行折算，风电场总计m个：
<mrow>
<msubsup>
<mi>Y</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mn>100</mn>
<mo>-</mo>
<mfrac>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msubsup>
<mi>Y</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
</mfrac>
<mo>&times;</mo>
<mn>100</mn>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>...</mo>
<mi>m</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mo><</mo>
<mn>8</mn>
<mo>></mo>
<mo>;</mo>
</mrow>
评价值为0到100之间的数值，此值越大说明评价结果越好；
所述步骤(4)和步骤(5)中，采用数据展示模块并采用层次分析法和距离综合评价法对风电场进行综合评分：
①设置评价矩阵：
评价矩阵为Y＝(Y1,Y2,Y3,Y4,Y5,Y6,Y7)，其中Y1代表风电场高频率穿越能力，Y2为低频率穿越能力，Y3为低电压穿越能力，Y4为并网点电压偏差越限次数，Y5为SVC/SVG无功补偿达标率，Y6为有功控制能力，Y7为功率因数越限次数，Yi＝(yi1,yi2,yi3),i＝1,2,…7，并取其权重向量ω＝(ω1,ω2,ω3,ω4,ω5,ω6,ω7)；
②指标同向化：
构造原始评价矩阵Y＝(yij)m×n，其中m为评价指标的数目，n为评价个体的数目；
如果评价的m个指标中的指标值越小的表示状况越好的，依次进行同向化指标处理，转化为正指标，再进行统一处理，正指标的指标值越大反映的状况越优；并网点电压偏差越限次数、有功控制能力和功率因数越限次数为逆指标；
对于式<9>的负指标计算，取k＝0.1；
<mrow>
<msubsup>
<mi>Y</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>|</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<mo>+</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>...</mo>
<mi>m</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mo><</mo>
<mn>9</mn>
<mo>></mo>
<mo>;</mo>
</mrow>
其中，max|Yi|表示指标向量Yi中元素的最大值；
③去量纲化：
按下式计算评价矩阵Y′进行无量纲化处理，化为标准矩阵y″ij：
<mrow>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
<mo>=</mo>
<mfrac>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
</mfrac>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>...</mo>
<mi>m</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mo><</mo>
<mn>10</mn>
<mo>></mo>
<mo>;</mo>
</mrow>
④确定权重：
对无量纲化处理后的指标矩阵的计算均值为：
<mrow>
<msubsup>
<mover>
<mi>y</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>...</mo>
<mi>m</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mo><</mo>
<mn>11</mn>
<mo>></mo>
<mo>;</mo>
</mrow>
标准差：
<mrow>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mover>
<mi>y</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>...</mo>
<mi>m</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mo><</mo>
<mn>12</mn>
<mo>></mo>
<mo>;</mo>
</mrow>
根据均值和标准差求解变异系数Vi：
<mrow>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<mo>/</mo>
<mo>|</mo>
<msubsup>
<mover>
<mi>y</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msubsup>
<mo>|</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mo><</mo>
<mn>13</mn>
<mo>></mo>
<mo>;</mo>
</mrow>
由变异系数确定指标的权数ωi：
<mrow>
<msub>
<mi>&omega;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>/</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mo><</mo>
<mn>14</mn>
<mo>></mo>
<mo>;</mo>
</mrow>
⑤相对接近度的计算：
根据变异系数法确定权重，根据如下公式确定加权数据矩阵：
Y″′＝Yi″·ωi,i＝1,2…m <15>；
在指标已经正向化后，用所有样本中各指标的最大值构成理想样本，用各指标的最小值构成负理想样本，分别用Y+和Y-表示；
样本点到最优点的距离：
<mrow>
<msubsup>
<mi>D</mi>
<mi>j</mi>
<mo>+</mo>
</msubsup>
<mo>=</mo>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msubsup>
<mi>y</mi>
<mi>i</mi>
<mo>+</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>...</mo>
<mi>n</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mo><</mo>
<mn>16</mn>
<mo>></mo>
<mo>;</mo>
</mrow>
样本点到最劣点的距离：
<mrow>
<msubsup>
<mi>D</mi>
<mi>j</mi>
<mo>-</mo>
</msubsup>
<mo>=</mo>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msubsup>
<mi>y</mi>
<mi>i</mi>
<mo>-</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>...</mo>
<mi>n</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mo><</mo>
<mn>17</mn>
<mo>></mo>
<mo>;</mo>
</mrow>
相对接近度由下式确定：
<mrow>
<msub>
<mi>C</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mfrac>
<msubsup>
<mi>D</mi>
<mi>j</mi>
<mo>-</mo>
</msubsup>
<mrow>
<msubsup>
<mi>D</mi>
<mi>j</mi>
<mo>-</mo>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>D</mi>
<mi>j</mi>
<mo>+</mo>
</msubsup>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mo><</mo>
<mn>18</mn>
<mo>></mo>
<mo>;</mo>
</mrow>
根据相对接近度Cj的大小对评价对象的排序，Cj越大，表明评价对象与理想样本的相对距离越小，相应评价对象的评价结果越好；
评价值为0到100之间的数值，此值越大说明评价结果越好。
2.如权利要求1所述的评估方法，其特征在于，所述步骤(1)中，采用WAMS数据接入模块接入WAMS数据并进行PMU数据解析和远动通讯装置数据解析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410401778.3A CN104156889B (zh) | 2014-08-15 | 2014-08-15 | 一种基于wams数据的风电场性能评估系统及其评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410401778.3A CN104156889B (zh) | 2014-08-15 | 2014-08-15 | 一种基于wams数据的风电场性能评估系统及其评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104156889A CN104156889A (zh) | 2014-11-19 |
| CN104156889B true CN104156889B (zh) | 2018-03-16 |
Family
ID=51882380
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410401778.3A Active CN104156889B (zh) | 2014-08-15 | 2014-08-15 | 一种基于wams数据的风电场性能评估系统及其评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104156889B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104578411B (zh) * | 2014-12-23 | 2016-09-07 | 国电南瑞科技股份有限公司 | 一种pmu数据接入agc后的多源数据安全校验与故障闭锁方法 |
| CN104578161A (zh) * | 2015-01-22 | 2015-04-29 | 国家电网公司 | 一种基于wams数据的风电场低电压穿越能力评价方法 |
| CN105139263A (zh) * | 2015-01-28 | 2015-12-09 | 国家电网公司 | 一种基于wams数据的风电场无功电压水平评估方法及其系统 |
| CN106655278B (zh) * | 2015-10-29 | 2019-04-19 | 中国电力科学研究院 | 基于运行数据的风电场有功功率和无功电压控制评价方法 |
| CN105445580A (zh) * | 2015-11-18 | 2016-03-30 | 中国电力科学研究院 | 一种无功补偿装置响应时间的测试方法 |
| CN106300372B (zh) * | 2016-09-23 | 2019-06-25 | 国电南瑞科技股份有限公司 | 基于pmu数据的风电场电压控制性能测评方法 |
| CN107886226A (zh) * | 2017-10-30 | 2018-04-06 | 国家电网公司 | 一种配电网成熟度评价方法及装置 |
| CN109583736A (zh) * | 2018-11-21 | 2019-04-05 | 广西电网有限责任公司 | 一种外来电力在受端电力市场竞争力的评价方法 |
| CN112436541A (zh) * | 2019-08-25 | 2021-03-02 | 南京理工大学 | 基于熵值决策法的风电主动参与调度能力评估方法 |
| CN112070629B (zh) * | 2020-09-10 | 2022-06-14 | 中国船舶重工集团海装风电股份有限公司 | 风电场能量管理系统的性能评估方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102915471A (zh) * | 2012-09-26 | 2013-02-06 | 中国电力科学研究院 | 一种风电扰动在线安全预警的方法 |
| CN103078317A (zh) * | 2013-01-08 | 2013-05-01 | 黑龙江省电力有限公司 | 广域风电控制系统受控风电场控制方法 |
| CN103309312A (zh) * | 2013-05-23 | 2013-09-18 | 国家电网公司 | 一种基于多信息源的电压安全预警及防控系统 |
| CN103400302A (zh) * | 2013-07-01 | 2013-11-20 | 国家电网公司 | 一种风电基地连锁故障风险感知预警方法及其系统 |
| CN103514281A (zh) * | 2013-09-29 | 2014-01-15 | 国家电网公司 | 一种基于wams动态数据的风电场无功调节能力自动分析系统 |
-
2014
- 2014-08-15 CN CN201410401778.3A patent/CN104156889B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102915471A (zh) * | 2012-09-26 | 2013-02-06 | 中国电力科学研究院 | 一种风电扰动在线安全预警的方法 |
| CN103078317A (zh) * | 2013-01-08 | 2013-05-01 | 黑龙江省电力有限公司 | 广域风电控制系统受控风电场控制方法 |
| CN103309312A (zh) * | 2013-05-23 | 2013-09-18 | 国家电网公司 | 一种基于多信息源的电压安全预警及防控系统 |
| CN103400302A (zh) * | 2013-07-01 | 2013-11-20 | 国家电网公司 | 一种风电基地连锁故障风险感知预警方法及其系统 |
| CN103514281A (zh) * | 2013-09-29 | 2014-01-15 | 国家电网公司 | 一种基于wams动态数据的风电场无功调节能力自动分析系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104156889A (zh) | 2014-11-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104156889B (zh) | 一种基于wams数据的风电场性能评估系统及其评估方法 | |
| CN105403811B (zh) | 风电场电网故障诊断方法和装置 | |
| CN108490284B (zh) | 面向多应用场景的新能源数据采集装置、系统及方法 | |
| WO2018157691A1 (zh) | 有源配电网的安全性量化方法 | |
| CN103543403B (zh) | 电力系统机组一次调频能力检测方法 | |
| CN111210363B (zh) | 一种风电场无功电压控制能力综合评估方法 | |
| CN105337575B (zh) | 光伏电站状态预测及故障诊断方法和系统 | |
| CN109447441B (zh) | 一种考虑新能源机组不确定性的暂态稳定风险评估方法 | |
| CN110766200A (zh) | 一种基于K-means均值聚类的风电机组发电功率预测方法 | |
| CN104252649A (zh) | 一种计及多风电场相关性的区域风电出力预测方法 | |
| CN105825002B (zh) | 一种基于动态灰关联分析法的风电场动态等值建模方法 | |
| CN103912448A (zh) | 一种区域风电场机组功率特性监测方法 | |
| CN110766134A (zh) | 基于循环神经网络的光伏电站短期功率预测方法 | |
| CN117421687A (zh) | 一种数字化电力环网柜运行状态监测方法 | |
| CN108847679B (zh) | 风力发电机组及用于其的次同步振荡识别方法、装置及系统 | |
| CN103996079A (zh) | 一种基于条件概率的风电功率加权预测方法 | |
| CN108154260A (zh) | 一种短期风电功率预测方法 | |
| CN111950913A (zh) | 一种基于节点电压灵敏度的微电网电能质量综合评价方法 | |
| CN110601250A (zh) | 一种基于新能源电站接入点静态电压稳定性评估方法 | |
| CN105337574A (zh) | 基于稳健回归的分布式光伏发电窃电识别方法 | |
| CN103632314B (zh) | 基于概率统计的风电场广义节点特征建模方法 | |
| WO2024104037A1 (zh) | 基于数学形态学和模式识别的直流电弧检测方法 | |
| CN112036718B (zh) | 一种考虑新能源不确定性的电力系统安全风险评估方法 | |
| CN112990710A (zh) | 一种基于dea的风电场电能质量多层次综合评估方法 | |
| CN102982406A (zh) | 一种基于遗传投影寻踪评价的电能质量监测与管理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |