CN104935249B - 光伏发电系统稳定性的校验方法及装置 - Google Patents
光伏发电系统稳定性的校验方法及装置 Download PDFInfo
- Publication number
- CN104935249B CN104935249B CN201510409097.6A CN201510409097A CN104935249B CN 104935249 B CN104935249 B CN 104935249B CN 201510409097 A CN201510409097 A CN 201510409097A CN 104935249 B CN104935249 B CN 104935249B
- Authority
- CN
- China
- Prior art keywords
- generating system
- photovoltaic generating
- verification
- stability
- photovoltaic
- 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
- 238000012795 verification Methods 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000010248 power generation Methods 0.000 title abstract description 12
- 238000004146 energy storage Methods 0.000 claims abstract description 15
- 238000003066 decision tree Methods 0.000 claims description 28
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 230000001143 conditioned effect Effects 0.000 claims description 14
- 238000001228 spectrum Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000007418 data mining Methods 0.000 description 7
- 230000005611 electricity Effects 0.000 description 7
- 238000004088 simulation Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 244000141353 Prunus domestica Species 0.000 description 1
- 241001302750 Psychotria rubra Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种光伏发电系统稳定性的校验方法及装置。该方法包括:获取光伏发电系统中负荷的当前运行数据;根据当前运行数据确定光伏发电系统中多个单元的容量配置范围,其中,多个单元包括光伏发电单元、储能单元和可控型微电源单元;根据容量配置范围确定校验样本数据,其中,校验样本数据是用于对光伏发电系统进行稳定性校验的数据;以及根据校验样本数据对光伏发电系统进行稳定性校验,解决了相关技术光伏发电系统稳定性的校验方法中未考虑电网内负荷的波动性,容易造成大电网的连锁故障危及系统安全的问题。
Description
技术领域
本发明涉及光伏发电领域,具体而言,涉及一种光伏发电系统稳定性的校验方法及装置。
背景技术
数据挖掘(Data Mining,简称DM)针对大量数据进行选择、探索和建模,从而发现事先未知的规则和联系。数据挖掘实质在于对经过预处理的数据采用合适的算法和提取规则,从中获得隐藏在数据背后的知识。决策树算法是一种典型的高维数据挖掘工具,学者广泛应用CART(Classification And Regression Tree)算法,该算法可以对电网进行安全稳定性评估,以归纳总结出系统安全运行规则。行业标准DL755-2001根据事故扰动后动态过程和参与动作的元件,将电力系统稳定分为功角稳定、频率稳定和电压稳定3大类。传统电力系统的稳定性的静态安全分析,通过在线分析软件进行潮流计算,根据相应的判据确定电力系统的稳定性和输电功率极限,常用的分析方法,如时域仿真法和能量函数法。
含有光伏发电单元的微电网系统能实现局部能量平衡、可以灵活地并网或孤网运行、可调度性强等优点,成为大电网的有益补充。学者们针对微电网能量优化问题做了大量研究,归纳起来可以划分为动态优化模型和静态优化模型,建立以储能水平为控制变量、以可再生能源发电利用率最大、日供电成本最小为目标函数的优化模型,通过系统内功率平衡、频率-电压约束等约束条件,对光伏发电系统内各类型电源容量进行优化配置。
现有光伏发电系统的稳定性校验方法中没有考虑电网内负荷的波动性和实际电网结构的复杂性,仅考虑新能源发电系统的经济性指标,这将导致光伏发电系统内部稳定性依赖于大电网的频率-电压支撑,功率平衡问题依赖于与大电网的交换功率。现有的光伏发电系统稳定性校验方法虽然可以实现运行效益最大化,但随着装机容量比例的增加,容易造成大电网的连锁故障,危及系统安全。
针对相关技术光伏发电系统稳定性的校验方法中未考虑电网内负荷的波动性,容易造成大电网的连锁故障危及系统安全的问题,目前尚未提出有效的解决方案。
发明内容
本发明的主要目的在于提供一种光伏发电系统稳定性的校验方法及装置,以解决相关技术光伏发电系统稳定性的校验方法中未考虑电网内负荷的波动性,容易造成大电网的连锁故障危及系统安全的问题。
为了实现上述目的,根据本发明的一个方面,提供了一种光伏发电系统稳定性的校验方法。该方法包括:获取光伏发电系统中负荷的当前运行数据;根据当前运行数据确定光伏发电系统中多个单元的容量配置范围,其中,多个单元包括光伏发电单元、储能单元和可控型微电源单元;根据容量配置范围确定校验样本数据,其中,校验样本数据是用于对光伏发电系统进行稳定性校验的数据;以及根据校验样本数据对光伏发电系统进行稳定性校验。
进一步地,根据校验样本数据对光伏发电系统进行稳定性校验包括:获取光伏发电系统的电压和频率;获取光伏发电系统连接状态的历史数据;对光伏发电系统的电压和频率、光伏发电系统连接状态的历史数据和当前运行数据进行训练,生成决策树算法;以及根据决策树算法对光伏发电系统进行稳定性校验。
进一步地,根据决策树算法对光伏发电系统进行稳定性校验包括:判断光伏发电系统是否满足预设条件,其中,预设条件为不同的网络拓扑、不同的故障地点和不同的负荷水平;如果光伏发电系统满足预设条件,确定光伏发电系统中多个单元的属性信息,其中,属性信息包括容量信息、位置信息和类型信息;以及根据属性信息对光伏发电系统进行稳定性校验。
进一步地,根据当前运行数据确定光伏发电系统中多个单元的容量配置范围包括:根据当前运行数据分别确定多个目标功率,其中,多个目标功率分别为多种不同频谱的负荷中每一种频谱的负荷的功率之和;以及根据多个目标功率确定光伏发电系统中多个单元的容量配置范围。
进一步地,在根据校验样本数据对光伏发电系统进行稳定性校验之后,该方法还包括:获取稳定性校验结果;以及根据稳定性校验结果和容量配置范围确定光伏发电系统稳定运行的容量配置范围。
进一步地,在根据校验样本数据对光伏发电系统进行稳定性校验之后,该方法还包括:确定光伏发电系统中的薄弱节点,其中,薄弱节点为光伏发电系统稳定运行的薄弱节点;确定与薄弱节点对应的运行路径;根据薄弱节点对应的运行路径确定稳定运行路径,其中,稳定运行路径为光伏发电系统的运行路径中去除薄弱节点对应的运行路径后剩余的路径;以及调节稳定运行路径上的运行功率。
为了实现上述目的,根据本发明的另一方面,提供了一种光伏发电系统稳定性的校验装置。该装置包括:获取单元,用于获取光伏发电系统中负荷的当前运行数据;第一确定单元,用于根据当前运行数据确定光伏发电系统中多个单元的容量配置范围,其中,多个单元包括光伏发电单元、储能单元和可控型微电源单元;第二确定单元,用于根据容量配置范围确定校验样本数据,其中,校验样本数据是用于对光伏发电系统进行稳定性校验的数据;以及校验单元,用于根据校验样本数据对光伏发电系统进行稳定性校验。
进一步地,校验单元包括:第一获取模块,用于获取光伏发电系统的电压和频率;第二获取模块,用于获取光伏发电系统连接状态的历史数据;生成模块,用于对光伏发电系统的电压和频率、光伏发电系统连接状态的历史数据和当前运行数据进行训练,生成决策树算法;以及校验模块,用于根据决策树算法对光伏发电系统进行稳定性校验。
进一步地,校验模块包括:判断子模块,用于判断光伏发电系统是否满足预设条件,其中,预设条件为不同的网络拓扑、不同的故障地点和不同的负荷水平;确定子模块,用于在光伏发电系统满足预设条件的情况下,确定光伏发电系统中多个单元的属性信息,其中,属性信息包括容量信息、位置信息和类型信息;以及校验子模块,用于根据属性信息对光伏发电系统进行稳定性校验。
进一步地,第一确定单元包括:第一确定模块,用于根据当前运行数据分别确定多个目标功率,其中,多个目标功率分别为多种不同频谱的负荷中每一种频谱的负荷的功率之和;以及第二确定模块,用于根据多个目标功率确定光伏发电系统中多个单元的容量配置范围。
通过本发明,采用以下步骤:获取光伏发电系统中负荷的当前运行数据;根据当前运行数据确定光伏发电系统中多个单元的容量配置范围,其中,多个单元包括光伏发电单元、储能单元和可控型微电源单元;根据容量配置范围确定校验样本数据,其中,校验样本数据是用于对光伏发电系统进行稳定性校验的数据;以及根据校验样本数据对光伏发电系统进行稳定性校验,解决了相关技术光伏发电系统稳定性的校验方法中未考虑电网内负荷的波动性,容易造成大电网的连锁故障危及系统安全的问题,提升了光伏发电系统稳定性的校验的准确性,从而提升光伏发电系统稳定性。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的光伏发电系统稳定性的校验方法的流程图;
图2是根据本发明实施例的光伏发电系统稳定性的校验方法中决策树构建的示意图;以及
图3是根据本发明实施例的光伏发电系统稳定性的校验装置的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明的实施例,提供了一种光伏发电系统稳定性的校验方法。
图1是根据本发明实施例的光伏发电系统稳定性的校验方法的流程图。如图1所示,该方法包括以下步骤:
步骤S101,获取光伏发电系统中负荷的当前运行数据。
该步骤中,负荷是指光伏发电系统连接的用电设备或者用电单元。光伏发电系统中的负荷通常为多个。可以将光伏发电系统中的多个负荷划分为不同类型的负荷。例如,可以按照负荷接收控制指令的频率对负荷进行类型的划分。如,光伏发电系统内的同步发电机接收控制指令的频率在秒级,储能电池和光伏发电单元接收控制指令的频率在毫秒级。不同的负荷接收控制指令的频率会存在差别。比如,由于光伏发电单元控制的对象为光电半导体器件,所以频率更小。当前运行数据包括光伏发电系统中所有负荷的综合运行数据。
步骤S102,根据当前运行数据确定光伏发电系统中多个单元的容量配置范围,其中,多个单元包括光伏发电单元、储能单元和可控型微电源单元。
根据获取到的光伏发电系统内的负荷当前运行数据(即实际运行数据),通过频谱分析各不同频率对应的负荷功率,计算各频段内的负荷平均功率。将电网负荷与可再生能源发电功率之差定义为等效净负荷,以全日内可再生能源发电量满足等效净负荷需求,微网与主网交互功率在限值之内,光伏、储能和其他微电源均满足各频段负荷平均功率为约束条件,确定光伏发电系统中微网内光伏发电单元、储能单元和其他可控型微电源的容量配置范围。
需要说明的是,光伏发电系统是微网的下位概念,是微电网的一种,主网就是大电网。
可选地,在本发明实施例提供的光伏发电系统稳定性的校验方法中,根据当前运行数据确定光伏发电系统中多个单元的容量配置范围包括:根据当前运行数据分别确定多个目标功率,其中,多个目标功率分别为多种不同频谱的负荷中每一种频谱的负荷的功率之和;以及根据多个目标功率确定光伏发电系统中多个单元的容量配置范围。
上述的目标功率即(负荷平均功率),对于每一种类型的负荷,可能包括一个或者多个负荷。目标功率即为每一种类型的负荷的总功率,也即上述一个或者多个负荷的功率之和。对当前运行数据进行分析,可以分别获取不同类型的负荷的总功率,也即多个目标功率。在光伏发电过程中,考虑了多个目标功率,也即考虑了光伏发电系统中负荷波动的特性。
基于多个目标功率确定光伏发电系统中多个单元的容量配置范围,也即该实施例对于光伏发电系统中多个单元的容量配置范围的确定考虑到了负荷波动下的实际运行数据,在光伏发电系统中应用多个单元的容量配置范围,增强光伏发电系统的稳定性。
步骤S103,根据容量配置范围确定校验样本数据,其中,校验样本数据是用于对光伏发电系统进行稳定性校验的数据。
在上述确定的容量配置范围中选择多种不同数据,例如,选择不同的系统电压、频率、不同的负荷运行数据、不同的系统连接状态历史数据作为校验样本数据。根据选择出的多种不同的数据对光伏发电系统进行稳定性校验。
步骤S104,根据校验样本数据对光伏发电系统进行稳定性校验。
通过上述步骤对光伏发电系统进行稳定性校验,由于考虑到光伏发电系统电网内负荷的波动性和实际电网结构的复杂性,根据负荷的实际运行数据确定光伏发电系统中多个单元的容量配置范围,从而根据容量配置范围中的校验样本数据对光伏发电系统进行稳定性校验,提升了光伏发电系统稳定性的校验的准确性,从而提升光伏发电系统稳定性。
本发明实施例提供的光伏发电系统稳定性的校验方法,通过获取光伏发电系统中负荷的当前运行数据;根据当前运行数据确定光伏发电系统中多个单元的容量配置范围,其中,多个单元包括光伏发电单元、储能单元和可控型微电源单元;根据容量配置范围确定校验样本数据,其中,校验样本数据是用于对光伏发电系统进行稳定性校验的数据;以及根据校验样本数据对光伏发电系统进行稳定性校验,解决了相关技术光伏发电系统稳定性的校验方法中未考虑电网内负荷的波动性,容易造成大电网的连锁故障危及系统安全的问题,进而达到了提升光伏发电系统稳定性的效果。
优选地,在本发明实施例提供的光伏发电系统稳定性的校验方法中,根据校验样本数据对光伏发电系统进行稳定性校验包括:获取光伏发电系统的电压和频率;获取光伏发电系统连接状态的历史数据;对光伏发电系统的电压和频率、光伏发电系统连接状态的历史数据和当前运行数据进行训练,生成决策树算法;以及根据决策树算法对光伏发电系统进行稳定性校验。
可选地,在本发明实施例提供的光伏发电系统稳定性的校验方法中,根据决策树算法对光伏发电系统进行稳定性校验包括:判断光伏发电系统是否满足预设条件,其中,预设条件为不同的网络拓扑、不同的故障地点和不同的负荷水平;如果光伏发电系统满足预设条件,确定光伏发电系统中多个单元的属性信息,其中,属性信息包括容量信息、位置信息和类型信息;以及根据属性信息对光伏发电系统进行稳定性校验。
可选地,在本发明实施例提供的光伏发电系统稳定性的校验方法中,在根据校验样本数据对光伏发电系统进行稳定性校验之后,该方法还包括:获取稳定性校验结果;以及根据稳定性校验结果和容量配置范围确定光伏发电系统稳定运行的容量配置范围。
可选地,在本发明实施例提供的光伏发电系统稳定性的校验方法中,在根据校验样本数据对光伏发电系统进行稳定性校验之后,该方法还包括:确定光伏发电系统中的薄弱节点,其中,薄弱节点为光伏发电系统稳定运行的薄弱节点;确定与薄弱节点对应的运行路径;根据薄弱节点对应的运行路径确定稳定运行路径,其中,稳定运行路径为光伏发电系统的运行路径中去除薄弱节点对应的运行路径后剩余的路径;以及调节稳定运行路径上的运行功率。
例如,当支路功率在PSC_G3<0.36p.u,PSA_2<-1.39p.u.时,在节点SC发生较大的扰动,光伏发电系统容易失去稳定性。令PSC_G3<0.36p.u,PSA_2>-1.39p.u,则系统各节点均保持稳定。因此通过调节别的节点的功率将系统的运行转移到安全的路径。
需要说明的是,消除薄弱节点的方法不仅仅局限于此,消除薄弱节点的方法有很多,例如,减少薄弱节点的扰动。
图2是根据本发明实施例的光伏发电系统稳定性的校验方法中决策树构建的示意图。如图2所示,输入样本通过训练,生成决策树,根据判断根节点观测属性a,b…e,确定叶节点的数据是否稳定,再通过在线数据分析,确定数据是否稳定,从而确定是否更新决策树。
需要说明的是,决策树算法是一种典型的高维数据挖掘工具,本发明采用CART算法,算法包括决策树的构建和修剪两部分,树的顶端为根节点,每个内部节点表示在属性上的测试,每个叶节点代表类分布,根据特征值的属性进行划分,直到没有特征值再进行划分而形成最大决策树。
在本发明实施例的光伏发电系统稳定性的校验方法中,通过负荷历史运行数据和潮流计算确定当前的最小负荷Pmin和最大负荷Pmax,将基本负荷乘以一个比例因子得到Pmin~Pmax之间的若干负荷水平,计算不同负荷水平下潮流和N-1情况潮流。在不同的运行条件下模拟三相短路接地故障,利用时域仿真系统判断功角、电压、频率是否满足安全运行条件。决策树的建立和修剪均为离线状态下进行,由于样本数据的限制,随着光伏发电系统运行方式的改变和负荷水平的变化,仍然采用原来的决策树算法必将导致较大的误差,因此,决策树还需要不断进行定时的动态更新,如图2中所示,再运行中实时预测电网的稳定状态,在电网收到较大扰动状态下保持稳定,避免连锁故障。用WSCC三机九节点系统作为测试系统,在正常状态和N-1情形共有9种网络结构,设置9个负荷比例因子得到81种运行模式,模拟较大的系统扰动,去除潮流计算中不能达到静态稳定的数据,可以得到649个样本数据。决策树中的每一条路径代表一种决策规则,叶节点得到系统是否安全的分类结论。通过三机九接点系统进行仿真分析,应用同步测量单元PMU弥补现有SCADA和EMS的不足,针对故障时间、位置、类型以及系统负荷水平进行仿真计算,训练产生决策树,归纳总结系统安全运行标准。
通过系统的针对不同网络拓扑、故障地点和负荷水平的响应,总结了该系统的四条稳定性判断标准:
1、当支路功率满足PSC_G3<0.36p.u,PSA_2<-1.39p.u.时,在节点G1、G2、G3、SA、SB发生较大的扰动,系统可以维持安全。
2、当支路功率满足PSC_G3<0.36p.u,PSA_2<-1.39p.u.时,在节点SC发生较大的扰动,系统容易失去稳定。
3、当支路功率满足PSC_G3<0.36p.u,PSA_2>-1.39p.u.时,系统中各节点均可以保持稳定。
4、当支路功率满足PSC_G3>0.36p.u,节点G1、SC处发生较大的扰动时,系统容易失去稳定。
针对上述系统稳定判断标准,可以在线寻找状态参数与系统关键性稳定指标的映射关系,省去了复杂的微分方程的求解,具有较快的在线计算速度。规划人员可以在满足不同网络拓扑、故障地点和负荷水平的响应前提下,确定光伏发电单元、储能单元和其他可控型微电源的容量、位置和类型,重点消除系统稳定薄弱节点,将运行参数转移到安全的运行路径上。
通过采用决策树为数据挖掘工具,对含有光伏发电单元的电力系统运行数据进行数据挖掘,识别电压薄弱节点,基于复杂电网结构归纳总结出系统安全稳定规则,以辅助光伏发电系统稳定性校验,合理确定电压越限校验方法,提出考虑光伏与负荷高维关联性的发电系统稳定性校验方法,减少不同运行方式和网络结构对大电网造成的功率波动性。
本发明实施例提供的光伏发电系统稳定性的校验方法,通过采用决策树作为数据挖掘工具,针对系统的负荷运行数据进行稳定性分析和系统规划,该方法对针对不同的故障类型、系统负荷水平下进行仿真计算,算例仿真分析证明了该方法有利于消除系统稳定薄弱节点,将运行参数转移到安全的运行路径上。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明实施例还提供了一种光伏发电系统稳定性的校验装置,需要说明的是,本发明实施例的光伏发电系统稳定性的校验装置可以用于执行本发明实施例所提供的用于光伏发电系统稳定性的校验方法。以下对本发明实施例提供的光伏发电系统稳定性的校验装置进行介绍。
图3是根据本发明实施例的光伏发电系统稳定性的校验装置的示意图。如图3所示,该装置包括:获取单元10、第一确定单元20、第二确定单元30和校验单元40。
获取单元10,用于获取光伏发电系统中负荷的当前运行数据。
第一确定单元20,用于根据当前运行数据确定光伏发电系统中多个单元的容量配置范围,其中,多个单元包括光伏发电单元、储能单元和可控型微电源单元。
第二确定单元30,用于根据容量配置范围确定校验样本数据,其中,校验样本数据是用于对光伏发电系统进行稳定性校验的数据。
校验单元40,用于根据校验样本数据对光伏发电系统进行稳定性校验。
本发明实施例提供的光伏发电系统稳定性的校验装置,由于包括:获取单元10,用于获取光伏发电系统中负荷的当前运行数据;第一确定单元20,用于根据当前运行数据确定光伏发电系统中多个单元的容量配置范围,其中,多个单元包括光伏发电单元、储能单元和可控型微电源单元;第二确定单元30,用于根据容量配置范围确定校验样本数据,其中,校验样本数据是用于对光伏发电系统进行稳定性校验的数据;校验单元40,用于根据校验样本数据对光伏发电系统进行稳定性校验,解决了相关技术光伏发电系统稳定性的校验方法中未考虑电网内负荷的波动性,容易造成大电网的连锁故障危及系统安全的问题,进而达到了提升光伏发电系统稳定性的效果。
优选地,在本发明实施例提供的光伏发电系统稳定性的校验装置中,校验单元40包括:第一获取模块,用于获取光伏发电系统的电压和频率;第二获取模块,用于获取光伏发电系统连接状态的历史数据;生成模块,用于对光伏发电系统的电压和频率、光伏发电系统连接状态的历史数据和当前运行数据进行训练,生成决策树算法;以及校验模块,用于根据决策树算法对光伏发电系统进行稳定性校验。
可选地,在本发明实施例提供的光伏发电系统稳定性的校验装置中,校验模块包括:判断子模块,用于判断光伏发电系统是否满足预设条件,其中,预设条件为不同的网络拓扑、不同的故障地点和不同的负荷水平;确定子模块,用于在光伏发电系统满足预设条件的情况下,确定光伏发电系统中多个单元的属性信息,其中,属性信息包括容量信息、位置信息和类型信息;以及校验子模块,用于根据属性信息对光伏发电系统进行稳定性校验。
优选地,为了提升确定光伏发电系统中多个单元的容量配置范围的准确性,在本发明实施例提供的光伏发电系统稳定性的校验装置中,第一确定单元20包括:第一确定模块,用于根据当前运行数据分别确定多个目标功率,其中,多个目标功率分别为多种不同频谱的负荷中每一种频谱的负荷的功率之和;以及第二确定模块,用于根据多个目标功率确定光伏发电系统中多个单元的容量配置范围。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种光伏发电系统稳定性的校验方法,其特征在于,包括:
获取光伏发电系统中负荷的当前运行数据;
根据所述当前运行数据确定所述光伏发电系统中多个单元的容量配置范围,其中,所述多个单元包括光伏发电单元、储能单元和可控型微电源单元;
根据所述容量配置范围确定校验样本数据,其中,所述校验样本数据是用于对所述光伏发电系统进行稳定性校验的数据;以及
根据所述校验样本数据对所述光伏发电系统进行稳定性校验,
其中,根据所述校验样本数据对所述光伏发电系统进行稳定性校验包括:
获取所述光伏发电系统的电压和频率;
获取所述光伏发电系统连接状态的历史数据;
对所述光伏发电系统的电压和频率、所述光伏发电系统连接状态的历史数据和所述当前运行数据进行训练,生成决策树算法;以及
根据所述决策树算法对所述光伏发电系统进行稳定性校验,
其中,根据所述决策树算法对所述光伏发电系统进行稳定性校验包括:
判断所述光伏发电系统是否满足预设条件,其中,所述预设条件为不同的网络拓扑、不同的故障地点和不同的负荷水平;
如果所述光伏发电系统满足所述预设条件,确定所述光伏发电系统中多个单元的属性信息,其中,所述属性信息包括容量信息、位置信息和类型信息;以及根据所述属性信息对所述光伏发电系统进行稳定性校验。
2.根据权利要求1所述的方法,其特征在于,根据所述当前运行数据确定所述光伏发电系统中多个单元的容量配置范围包括:
根据所述当前运行数据分别确定多个目标功率,其中,所述多个目标功率分别为多种不同频谱的负荷中每一种频谱的负荷的功率之和;以及
根据所述多个目标功率确定所述光伏发电系统中多个单元的容量配置范围。
3.根据权利要求1所述的方法,其特征在于,在根据所述校验样本数据对所述光伏发电系统进行稳定性校验之后,所述方法还包括:
获取稳定性校验结果;以及
根据所述稳定性校验结果和所述容量配置范围确定所述光伏发电系统稳定运行的容量配置范围。
4.根据权利要求1所述的方法,其特征在于,在根据所述校验样本数据对所述光伏发电系统进行稳定性校验之后,所述方法还包括:
确定所述光伏发电系统中的薄弱节点,其中,所述薄弱节点为所述光伏发电系统稳定运行的薄弱节点;
确定与所述薄弱节点对应的运行路径;
根据所述薄弱节点对应的运行路径确定稳定运行路径,其中,所述稳定运行路径为所述光伏发电系统的运行路径中去除所述薄弱节点对应的运行路径后剩余的路径;以及
调节所述稳定运行路径上的运行功率。
5.一种光伏发电系统稳定性的校验装置,其特征在于,包括:
获取单元,用于获取光伏发电系统中负荷的当前运行数据;
第一确定单元,用于根据所述当前运行数据确定所述光伏发电系统中多个单元的容量配置范围,其中,所述多个单元包括光伏发电单元、储能单元和可控型微电源单元;
第二确定单元,用于根据所述容量配置范围确定校验样本数据,其中,所述校验样本数据是用于对所述光伏发电系统进行稳定性校验的数据;以及
校验单元,用于根据所述校验样本数据对所述光伏发电系统进行稳定性校验,其中,所述校验单元包括:
第一获取模块,用于获取所述光伏发电系统的电压和频率;
第二获取模块,用于获取所述光伏发电系统连接状态的历史数据;
生成模块,用于对所述光伏发电系统的电压和频率、所述光伏发电系统连接状态的历史数据和所述当前运行数据进行训练,生成决策树算法;以及
校验模块,用于根据所述决策树算法对所述光伏发电系统进行稳定性校验,
其中,所述校验模块包括:判断子模块,用于判断所述光伏发电系统是否满足预设条件,其中,所述预设条件为不同的网络拓扑、不同的故障地点和不同的负荷水平;
确定子模块,用于在所述光伏发电系统满足所述预设条件的情况下,确定所述光伏发电系统中多个单元的属性信息,其中,所述属性信息包括容量信息、位置信息和类型信息;以及
校验子模块,用于根据所述属性信息对所述光伏发电系统进行稳定性校验。
6.根据权利要求5所述的装置,其特征在于,所述第一确定单元包括:
第一确定模块,用于根据所述当前运行数据分别确定多个目标功率,其中,所述多个目标功率分别为多种不同频谱的负荷中每一种频谱的负荷的功率之和;
以及
第二确定模块,用于根据所述多个目标功率确定所述光伏发电系统中多个单元的容量配置范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510409097.6A CN104935249B (zh) | 2015-07-13 | 2015-07-13 | 光伏发电系统稳定性的校验方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510409097.6A CN104935249B (zh) | 2015-07-13 | 2015-07-13 | 光伏发电系统稳定性的校验方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104935249A CN104935249A (zh) | 2015-09-23 |
CN104935249B true CN104935249B (zh) | 2017-04-12 |
Family
ID=54122257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510409097.6A Active CN104935249B (zh) | 2015-07-13 | 2015-07-13 | 光伏发电系统稳定性的校验方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104935249B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105846780B (zh) * | 2016-03-19 | 2018-04-03 | 上海大学 | 一种基于决策树模型的光伏组件故障诊断方法 |
CN112053255B (zh) * | 2020-09-04 | 2024-01-19 | 国网青海省电力公司 | 一种基于cart剪枝算法的电网能源成分分解及能源溯源方法 |
CN115965080A (zh) * | 2022-11-07 | 2023-04-14 | 河海大学 | 新能源发电单元运行状态识别方法、装置及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103872782A (zh) * | 2014-03-31 | 2014-06-18 | 国家电网公司 | 一种电能质量数据综合服务系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101182431B1 (ko) * | 2010-10-12 | 2012-09-12 | 삼성에스디아이 주식회사 | 배터리 팩, 이의 제어방법 및 이를 포함하는 전력 저장 시스템 |
CN102354334B (zh) * | 2011-09-27 | 2013-12-11 | 浙江省电力公司电力科学研究院 | 基于全寿命周期净费用最小的微网系统优化设计方法 |
CN103311940B (zh) * | 2013-07-08 | 2015-07-08 | 东南大学 | 一种微电网负荷储能一体化控制方法 |
CN103560580B (zh) * | 2013-11-14 | 2015-09-23 | 国家电网公司 | 一种变电站光伏容量的确定方法 |
CN104600727A (zh) * | 2014-12-22 | 2015-05-06 | 国家电网公司 | 一种基于数理统计和小波分解算法的微电网中混合储能的容量配置方法 |
-
2015
- 2015-07-13 CN CN201510409097.6A patent/CN104935249B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103872782A (zh) * | 2014-03-31 | 2014-06-18 | 国家电网公司 | 一种电能质量数据综合服务系统 |
Non-Patent Citations (2)
Title |
---|
"Very Short-Term Load Forecasting: Wavelet Neural Networks With Data Pre-Filtering";Che Guan;《IEEE TRANSACTIONS ON POWER SYSTEMS》;20130228;第28卷(第1期);第30页左栏第1段-第40页右栏第1段 * |
"基于决策树的区域电力系统电压稳定性评估";邓松;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20071115(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN104935249A (zh) | 2015-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kamali et al. | Blackout prediction in interconnected electric energy systems considering generation re-dispatch and energy curtailment | |
Amjady et al. | Transient stability prediction by a hybrid intelligent system | |
Pavella et al. | Transient stability of power systems: a unified approach to assessment and control | |
CN100444494C (zh) | 电力系统同调发电机组参数聚合方法 | |
CN108667005B (zh) | 一种计及新能源影响的电网静动态结合脆弱性评估方法 | |
Ahmadi et al. | Two approaches to transient stability-constrained optimal power flow | |
CN104716646B (zh) | 一种基于注入电流的节点耦合度分析方法 | |
CN104935249B (zh) | 光伏发电系统稳定性的校验方法及装置 | |
CN111969658B (zh) | 考虑风电的发输电系统防御性-常规协调规划方法 | |
CN104156542A (zh) | 一种基于隐式投影的有源配电系统稳定性仿真方法 | |
CN109638822A (zh) | 计及暂态和静态约束的负荷恢复策略在线制定方法及系统 | |
Sepehrirad et al. | Intelligent differential protection scheme for controlled islanding of microgrids based on decision tree technique | |
Acharya et al. | Optimal coordination of over current relay using opposition learning-based gravitational search algorithm | |
Prais et al. | Operator training simulator: algorithms and test result | |
Wang et al. | Continuation-based quasi-steady-state analysis | |
Ustun et al. | IEC 61850 modeling of an AGC dispatching scheme for mitigation of short-term power flow variations | |
Abdelmalak et al. | PSS/E to RSCAD model conversion for large power grids: Challenges and solutions | |
Zhang et al. | Impact of dynamic load models on transient stability-constrained optimal power flow | |
Su et al. | Special section on power electronics-enabled smart power distribution grid | |
Huo et al. | A power-balanced clustering algorithm to improve electrical infrastructure resiliency | |
Rabby et al. | Bifurcation analysis to identify voltage collapse in bangladesh power system | |
Balasubramaniam et al. | Cellular neural network based situational awareness system for power grids | |
CN102904255A (zh) | 基于解析灵敏度的电力系统低压切负荷优化控制方法 | |
Kim et al. | Vulnerability indices for power systems | |
Awadalla et al. | An approach to controlled islanding based on PMU measurements |
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 |