CN106229995B - 基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法 - Google Patents
基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法 Download PDFInfo
- Publication number
- CN106229995B CN106229995B CN201610629590.3A CN201610629590A CN106229995B CN 106229995 B CN106229995 B CN 106229995B CN 201610629590 A CN201610629590 A CN 201610629590A CN 106229995 B CN106229995 B CN 106229995B
- Authority
- CN
- China
- Prior art keywords
- loss
- power source
- wind
- backup power
- active
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005457 optimization Methods 0.000 title claims abstract description 22
- 238000013528 artificial neural network Methods 0.000 claims description 25
- 230000005611 electricity Effects 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000003990 capacitor Substances 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims description 2
- 238000013461 design Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- KHMVXSQLPUNRCF-UHFFFAOYSA-N DL-Adalin Natural products C1CCC2CC(=O)CC1(CCCCC)N2 KHMVXSQLPUNRCF-UHFFFAOYSA-N 0.000 description 3
- 101100379079 Emericella variicolor andA gene Proteins 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
- H02J3/1821—Arrangements for adjusting, eliminating or compensating reactive power in networks using shunt compensators
- H02J3/1871—Methods for planning installation of shunt reactive power compensators
-
- H02J3/386—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/30—Reactive power compensation
Abstract
一种基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法,所述优化方法包括以下过程:首先,对抗台运行时的系统进行整体建模,系统模型包括备用电源、备用电源并联电抗器、备用电源变压器、直埋电缆和多台多路风电机组等效模型;然后,分别计算模型中系统元件的功率损耗;最后,根据优化前系统功率因数及优化后拟实现的功率因数确定需要并联的电抗器参数。本发明提供一种将容性电流过大优化为较小的感性电流、有利于断路器合闸操作的基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法。
Description
技术领域
本发明涉及风电场的参数配置方法,尤其是一种基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法。
背景技术
在台风多发的东南沿海地区,目前风力发电场大多采用备用电源(铅酸电池组、柴油发电机组)来给台风来袭时的风电场供电,使得风电机组的偏航系统偏航动作。在海上或沿海风电场中,场内输变电大多使用直埋电缆输电。与架空线路相比,电缆正序电容大,因此输电线路阻抗性质为容性。由于电容具有“隔直通交”的特性(对交流电路而言,相当于短路),在备用电源变压器与系统母线之间的断路器合闸的初始时刻电路中会存在很大的容性电流,造成闸刀跳闸。此时,由于与备用电源并联的电抗器参数设计不合理,大部分风电场只能采用将部分风电机组逐次与备用电源相连的方案,这样便造成了备用电源容量的浪费。
发明内容
为了克服已有风力发电场的备用电源并联电抗器在抗台风运行模式下的容性电流过大、不利于断路器合闸操作的不足,本发明提供一种将容性电流过大优化为较小的感性电流、有利于断路器合闸操作的基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法。
本发明解决其技术问题所采用的技术方案是:
一种基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法,所述优化方法包括以下过程:
首先,对抗台运行时的系统进行整体建模,系统模型包括备用电源、备用电源并联电抗器、备用电源变压器、直埋电缆和多台多路风电机组等效模型;
然后,分别计算模型中系统元件的功率损耗;
最后,根据优化前系统功率因数及优化后拟实现的功率因数确定需要并联的电抗器参数。
进一步,计算备用电源的有功和无功功率、计算备用电源变压器的有功和无功损耗、电缆线路的充电功率及无功损耗、多台多路风力机组等效模型的有功与无功损耗。
再进一步,所述风电机组的等效模型包括偏航系统、液压系统、变桨系统、控制柜内风扇、滑环风扇及风电场补偿场用变压器;利用人工神经网络学习的智能策略实现风电机组内部各系统功率损耗权重系数的最优化。
假设风电机组的等效模型的有功损耗为PEQ_loss,无功损耗为QEQ_loss,其表达式如下式所示:
PEQ_loss=α1P1+α2P2+α2P3+α4P4+α5P5+α6P6 (1)
QEQ_loss=β1Q1+β2Q2+β2Q3+β4Q4+β5Q5+β6Q6
其中,Pi(i=1,2,…6)为偏航系统、液压系统、变桨系统、控制柜内风扇、滑环风扇及风电场补偿场用变压器的有功损耗;Qi(i=1,2,…6)为偏航系统、液压系统、变桨系统、控制柜内风扇、滑环风扇及风电场补偿场用变压器的无功损耗;αi(i=1,2,…6)为偏航系统、液压系统、变桨系统、控制柜内风扇、滑环风扇及风电场补偿场用变压器的有功损耗的权重系数;βi(i=1,2,…6)为偏航系统、液压系统、变桨系统、控制柜内风扇、滑环风扇及风电场补偿场用变压器的无功损耗的权重系数;
将风电机组中偏航系统、液压系统、变桨系统、控制柜内风扇、滑环风扇及风电场补偿场用变压器的有功、无功损耗作为神经网络模型的输入向量将期望得到的等效有功、无功最优值作为神经网络的期望输出,利用X和作为训练样本对神经网络的权重系数αi、βi及阈值b1、b2进行学习,当神经网络的实际输出与期望输出误差足够小时,停止训练,输出此时的实际输出值
本发明的技术构思为:采用并联电抗器优化设计策略,首先对抗台运行时的系统进行整体建模,分别计算模型中系统元件的功率损耗,最后根据优化前系统功率因数及优化后拟实现的功率因数确定需要并联的电抗器参数。通过采用该方案可以将系统中很大的容性电流调整为较小的感性电流。
另外,在系统建模过程中将风电机组进行了等效,等效时考虑了偏航系统、液压系统、变桨系统、控制柜内风扇、滑环风扇及风电场补偿场用变压器的功率损耗。在抗台风运行时,由于风电机组各部件的容量及作用不同,各部件的容量在等效负荷模型中重要性有显著的不同。因此在对风电机组进行等效建模的过程中,对上述部件的容量赋予了不同的权重系数,权重系数的大小代表其容量在等效模型中的作用。根据运行工况的不同,权重系数的大小不同。在本发明中,根据不同的工况利用神经网络对权重进行调节。
本发明的有益效果主要表现在:1、在通过对抗台风模式下备用电源并联电抗器的参数进行优化设计,在备用电源变压器与系统母线之间的断路器合闸的初始时刻电路中原来的较大容性电流优化成为较小的感性电流,解决了原来断路器合闸时跳闸带来的困难。
2、本发明提出了备用电源并联电抗器参数优化设计的流程。通过建立抗台模式下的系统模型、计算系统中各元件的功率参数、并联电抗参数值计算等一系列步骤,实现了备用电源并联电抗器参数优化设计的目的。
3、在对多路多台风电机组进行模型等效时,本发明通过人工神经网络学习的智能策略实现了风电机组内部各系统功率损耗权重系数的最优化。在本发明中,根据不同的工况权重系数可以利用神经网络的在线学习策略进行实时智能调节。相比传统的根据以往经验来确定固定权重系数的方法来说具有更大的合理性和优越性。
附图说明
图1是备用电源并联电抗器设计流程图。
图2是抗台运行模式下风电场等效模型图。
图3是基于人工神经网络学习的风电机组等效模型的实施流程图。
图4是风电机组等效模型有功损耗计算神经网络结构图。
图5是风电机组等效模型无功损耗计算神经网络结构图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1~图5,一种基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法,
首先对抗台运行时的系统进行整体建模,系统模型包括备用电源、备用电源并联电抗器、备用电源变压器、直埋电缆、多台多路风电机组等效模型等系统元件;
然后分别计算模型中系统元件的功率损耗;
最后根据优化前系统功率因数及优化后拟实现的功率因数确定需要并联的电抗器参数。
通过采用该方案可以将系统中很大的容性电流调整为较小的感性电流(备用电源并联电抗器设计步骤的流程图见附图1)。
系统模型包括备用电源、备用电源并联电抗器、备用电源变压器、直埋电缆、多台多路风电机组等效模型等系统元件模型,抗台运行模式下等效系统模型图如附图2所示。
在系统建模过程中将风电机组进行了等效,等效时考虑了偏航系统、液压系统、变桨系统、控制柜内风扇、滑环风扇及风电场补偿场用变压器的功率损耗。在抗台风运行时,由于风电机组各部件的容量及作用不同,各部件的容量在等效负荷模型中重要性有着显著的不同。因此在对风电机组进行等效建模的过程中,对上述部件的容量赋予了不同的权重系数,权重系数的大小代表其容量在等效模型中的作用。根据运行工况的不同,权重系数的大小不同。在本发明中,根据不同的工况利用神经网络对权重进行调节。
风电机组等效模型在构建过程中,主要考虑偏航系统、液压系统、变桨系统、控制柜内风扇、滑环风扇及风电场补偿场用变压器的功率损耗。
假设等效模型的有功损耗为PEQ_loss,无功损耗为QEQ_loss,其表达式如下式所示:
PEQ_loss=α1P1+α2P2+α2P3+α4P4+α5P5+α6P6 (1)
QEQ_loss=β1Q1+β2Q2+β2Q3+β4Q4+β5Q5+β6Q6
其中,Pi(i=1,2,…6)为偏航系统、液压系统、变桨系统、控制柜内风扇、滑环风扇及风电场补偿场用变压器的有功损耗;Qi(i=1,2,…6)为偏航系统、液压系统、变桨系统、控制柜内风扇、滑环风扇及风电场补偿场用变压器的无功损耗;αi(i=1,2,…6)为偏航系统、液压系统、变桨系统、控制柜内风扇、滑环风扇及风电场补偿场用变压器的有功损耗的权重系数;βi(i=1,2,…6)为偏航系统、液压系统、变桨系统、控制柜内风扇、滑环风扇及风电场补偿场用变压器的无功损耗的权重系数。
人工神经网络结构的选取:根据(1)表达式利用人工神经网络进行确定风电机组等效模型系数的网络结构采用自适应线性神经元(ADALINE)的网络结构形式,网络包括输入向量和输入层神经元两部分,由于有功损耗与无功损耗的表达式相似,两者采用的结构形式也相似,均采用自适应线性神经元即可。(具体网路结构见附图4、附图5)。
将风电机组中偏航系统、液压系统、变桨系统、控制柜内风扇、滑环风扇及风电场补偿场用变压器的有功、无功损耗作为神经网络模型的输入向量将期望得到的等效有功、无功最优值作为神经网络的期望输出,利用X和作为训练样本对神经网络的权重系数αi、βi及阈值b1、b2进行学习。当神经网络的实际输出与期望输出误差足够小时,停止训练,输出此时的实际输出值
利用人工神经网络学习进行风电机组等效模型确定的实施按如下步骤进行(实施步骤流程图如附图3所示):
1)参数初始化。对所有权重系数(有功损耗权重系数αi(i=1,2,…6)、无功损耗权重系数βi(i=1,2,…6))及阈值b1、b2赋以随机任意小值;
2)输入训练样本集。即提供输入矩阵以及期望输出矩阵
3)计算神经网络的实际输出:
其中W为6行*2列的权重系数矩阵,
4)计算神经网络输出单元的实际输出与目标向量之间的误差:
其中,j=1,2为输出向量的节点号。
5)判断误差值是否满足要求。如果满足,输出等效后的有功损耗PEQ_loss和无功损耗QEQ_loss的最优值。如果不满足,则执行步骤(6),直至误差满足要求为止。
6)修正权重系数及阈值。按最小均方误差(Least Mean Square Error,LMS)学习方法对网络的权重系数及阈值进行修正,修正公式如下式所示。
其中,η为学习速率是大于零的增益;k为训练次数,XT为输入矩阵的转置。
这样即可得到最优化的有功损耗权重系数αi(i=1,2,…6)、无功损耗权重系数βi(i=1,2,…6)以及等效后的有功损耗PEQ_loss和无功损耗QEQ_loss的最优值。
系统元件功率损耗计算:
电缆线路无功充电功率的计算:与架空线路相比,大截面、长距离电力电缆线路具有较小的电阻和较大的对地电容效应,电缆线路对地电容的变化直接影响到线路对系统的无功充电功率,充电无功在电网中的流动影响系统无功补偿设备的选取。
电缆充电功率与电缆截面及电压等级有关,不同型号的电缆其充电功率也不相同。电缆截面的大小及型号通过影响线路的对地电容而影响充电功率的大小。
电缆线路无功充电功率:电缆线路的无功充电功率与线路的对地电容成正比,与线路两端节点电压的平方成正比。其计算公式如下所示:
式中,Qc为电缆充电功率;Xc为电缆容性电抗;为母线相电压;U为母线线电压。
系统模型中各元件参数值的计算:系统中需要计算备用电源的有功和无功功率,备用电源变压器、电缆线路、多路多台风力机组等效模型的有功与无功损耗值。
备用电源有功、无功功率值的计算:根据备用电源出厂时制造商提供的:额定容量、额定有功功率、额定功率因数、效率等参数计算有功和无功功率值。
备用电源变压器有功、无功损耗的计算:备用电源变压器的有功、无功损耗按下面公式计算:
式中:
ΔPT_loss——变压器有功损耗,kW;
P0——空载损耗,kW;
Pk——短路损耗,kW;
S——变压器的视在功率,kVA。
SN——变压器的额定容量,kVA;
ΔQT_loss——变压器无功损耗,kVar;
I0——空载电流,%;
Uk——短路阻抗百分比,%;
电缆线路无功损耗的计算:由于电缆线路电阻造成的有功损耗比较小,在此进行忽略不计,电缆线路的无功损耗可近似表示为:
式中:
PEQ_loss——电缆线路末端负载的有功功率,即风电机组等效负荷的有功功率,kW;
UN——电缆线路的额定电压,kV;
B12——电缆线路等效模型电纳;
X12——电缆线路等效模型并联电抗;
风力机等效负荷有功与无功损耗计算:经过人工神经网络训练学习后得到的数值。
并联电抗器参数优化设计:假设补偿前系统较大容性电流I0对应的功率因数为补偿后系统较小感性电流I1对应的功率因数为则:
式中,
PG——柴油发电机的有功功率;
QG——柴油发电机的无功功率;
根据公式(9)、(10)可以计算并联电抗器的容量参数QK。
Claims (5)
1.一种基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法,其特征在于:所述优化方法包括以下过程:
首先,对抗台风运行时的系统进行整体建模,系统模型包括备用电源、备用电源并联电抗器、备用电源变压器、直埋电缆和多台多路风电机组等效模型;
然后,分别计算模型中系统元件的功率损耗;
最后,根据优化前系统功率因数及优化后拟实现的功率因数确定需要并联的电抗器参数;
所述风电机组的等效模型包括偏航系统、液压系统、变桨系统、控制柜内风扇、滑环风扇及风电场补偿场用变压器;利用人工神经网络学习的智能策略实现风电机组内部各系统功率损耗权重系数的最优化;
假设风电机组的等效模型的有功损耗为PEQ_loss,无功损耗为QEQ_loss,其表达式如下式所示:
PEQ_loss=α1P1+α2P2+α2P3+α4P4+α5P5+α6P6 (1)
QEQ_loss=β1Q1+β2Q2+β2Q3+β4Q4+β5Q5+β6Q6
其中,Pi为偏航系统、液压系统、变桨系统、控制柜内风扇、滑环风扇及风电场补偿场用变压器的有功损耗,i=1,2,…6;Qi为偏航系统、液压系统、变桨系统、控制柜内风扇、滑环风扇及风电场补偿场用变压器的无功损耗,i=1,2,…6;αi为偏航系统、液压系统、变桨系统、控制柜内风扇、滑环风扇及风电场补偿场用变压器的有功损耗的权重系数,i=1,2,…6;βi为偏航系统、液压系统、变桨系统、控制柜内风扇、滑环风扇及风电场补偿场用变压器的无功损耗的权重系数,i=1,2,…6;
将风电机组中偏航系统、液压系统、变桨系统、控制柜内风扇、滑环风扇及风电场补偿场用变压器的有功、无功损耗作为神经网络模型的输入向量将期望得到的等效有功、无功最优值作为神经网络的期望输出,利用X和作为训练样本对神经网络的权重系数αi、βi及阈值b1、b2进行学习,当神经网络的实际输出与期望输出误差足够小时,停止训练,输出此时的实际输出值
2.如权利要求1所述的基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法,其特征在于:计算备用电源的有功和无功功率、计算备用电源变压器的有功和无功损耗、计算电缆线路的充电功率及无功损耗、计算多台多路风电机组等效模型的有功与无功损耗。
3.如权利要求1所述的基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法,其特征在于:利用人工神经网络学习进行风电机组等效模型确定过程按照如下步骤进行:
1)参数初始化:对有功损耗权重系数αi、无功损耗权重系数βi及阈值b1、b2赋以随机任意小值;
2)输入训练样本集:即提供输入矩阵以及期望输出矩阵
3)计算神经网络的实际输出:
其中W为6行*2列的权重系数矩阵,
4)计算神经网络输出单元的实际输出与目标向量之间的误差:
其中,j=1,2为输出向量的节点号;
5)判断误差值是否满足要求,如果满足,输出等效后的有功损耗PEQ_loss和无功损耗QEQ_loss的最优值,如果不满足,则执行步骤6),直至误差满足要求为止;
6)修正权重系数及阈值,按最小均方误差学习方法对网络的权重系数及阈值进行修正,修正公式如下式所示:
其中,η为学习速率是大于零的增益;k为训练次数,XT为输入矩阵的转置;
得到最优化的有功损耗权重系数αi、无功损耗权重系数βi以及等效后的有功损耗PEQ_loss和无功损耗QEQ_loss的最优值。
4.如权利要求2所述的基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法,其特征在于:电缆线路无功充电功率的计算:电缆线路的无功充电功率与线路的对地电容成反比,与线路两端节点电压的平方成正比,其计算公式如下所示:
式中,Qc为电缆充电功率;Xc为电缆容性电抗;为母线相电压;U为母线线电压。
5.如权利要求2所述的基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法,其特征在于:所述备用电源变压器有功、无功损耗的计算:
式中:
ΔPT_loss——变压器有功损耗,kW;
P0——空载损耗,kW;
Pk——短路损耗,kW;
S——变压器的视在功率,kVA;
SN——变压器的额定容量,kVA;
ΔQT_loss——变压器无功损耗,kVar;
I0——空载电流,%;
Uk——短路阻抗百分比,%;
电缆线路无功损耗的计算:
式中:
PEQ_loss——风电机组的等效模型的有功损耗,kW;
UN——电缆线路的额定电压,kV;
B12——电缆线路等效模型电纳;
X12——电缆线路等效模型并联电抗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610629590.3A CN106229995B (zh) | 2016-08-03 | 2016-08-03 | 基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610629590.3A CN106229995B (zh) | 2016-08-03 | 2016-08-03 | 基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106229995A CN106229995A (zh) | 2016-12-14 |
CN106229995B true CN106229995B (zh) | 2019-07-30 |
Family
ID=57536028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610629590.3A Active CN106229995B (zh) | 2016-08-03 | 2016-08-03 | 基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106229995B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107086661B (zh) * | 2017-04-26 | 2020-01-03 | 明阳智慧能源集团股份公司 | 一种风电场偏航应急电源系统的设计方法及投入方法 |
CN107221958B (zh) * | 2017-07-13 | 2019-06-28 | 明阳智慧能源集团股份公司 | 一种风力发电机组后备电源系统容量确定方法 |
CN114263565B (zh) * | 2020-09-16 | 2024-04-12 | 金风科技股份有限公司 | 风力发电机组的偏航控制设备及方法 |
CN114285096B (zh) * | 2021-12-10 | 2024-02-13 | 南京国电南自电网自动化有限公司 | 一种新能源场站有功功率控制方法、装置及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102480130A (zh) * | 2010-11-29 | 2012-05-30 | 比亚迪股份有限公司 | 用于风电系统的功率补偿方法及系统 |
CN103124075A (zh) * | 2013-03-20 | 2013-05-29 | 东南大学 | 一种风电基地无功配置方法 |
CN103997045A (zh) * | 2014-05-30 | 2014-08-20 | 中国能源建设集团广东省电力设计研究院 | 风电场无功补偿的配置方法和系统 |
CN204030602U (zh) * | 2014-08-28 | 2014-12-17 | 珠海蓝瑞盟电气有限公司 | 一种消除谐波谐振的风电场应急电源系统 |
CN105720573A (zh) * | 2016-01-25 | 2016-06-29 | 国网冀北电力有限公司电力科学研究院 | 基于实测数据的风光储电站有功及无功控制系统建模方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7928592B2 (en) * | 2008-06-30 | 2011-04-19 | General Electric Company | Wind turbine with parallel converters utilizing a plurality of isolated generator windings |
-
2016
- 2016-08-03 CN CN201610629590.3A patent/CN106229995B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102480130A (zh) * | 2010-11-29 | 2012-05-30 | 比亚迪股份有限公司 | 用于风电系统的功率补偿方法及系统 |
CN103124075A (zh) * | 2013-03-20 | 2013-05-29 | 东南大学 | 一种风电基地无功配置方法 |
CN103997045A (zh) * | 2014-05-30 | 2014-08-20 | 中国能源建设集团广东省电力设计研究院 | 风电场无功补偿的配置方法和系统 |
CN204030602U (zh) * | 2014-08-28 | 2014-12-17 | 珠海蓝瑞盟电气有限公司 | 一种消除谐波谐振的风电场应急电源系统 |
CN105720573A (zh) * | 2016-01-25 | 2016-06-29 | 国网冀北电力有限公司电力科学研究院 | 基于实测数据的风光储电站有功及无功控制系统建模方法 |
Non-Patent Citations (1)
Title |
---|
《萩芦、白鹤风电场事故备用电源容量的选择》;林春霖等;《水利科技》;20141230(第4期);42-43、68页 |
Also Published As
Publication number | Publication date |
---|---|
CN106229995A (zh) | 2016-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111030123B (zh) | 一种基于边缘计算的多智能体负荷调控方法 | |
CN109687510B (zh) | 一种计及不确定性的配电网多时间尺度优化运行方法 | |
CN107508307B (zh) | 用于抑制次同步振荡的自抗扰直流附加阻尼控制方法 | |
CN102684201B (zh) | 一种基于电压越限概率的含风电场电网无功优化方法 | |
CN107069814B (zh) | 配网分布式电源容量布点的模糊机会约束规划方法与系统 | |
CN106229995B (zh) | 基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法 | |
CN102856899B (zh) | 一种微电网降低网损的方法 | |
CN104158198A (zh) | 配电网优化潮流控制装置和方法 | |
CN109586306A (zh) | 一种基于柔性多状态开关的配电网电压波动抑制方法 | |
CN107666155A (zh) | 基于Markov模型的多能互补系统随机稳定性分析方法 | |
CN107069784B (zh) | 一种利用分布式储能提高配电网负荷和光伏承载能力的优化运行方法 | |
CN105262098A (zh) | 基于风电场发电功率波动评估的敏捷自动电压控制方法 | |
CN109787297A (zh) | 一种考虑暂态特性的特高压直流送端电网无功优化方法 | |
CN108847773B (zh) | 输入串联输出并联全桥直直变换器多模块功率平衡方法 | |
CN108233408B (zh) | 一种mmc-mtdc系统自适应下垂控制方法 | |
CN107196343B (zh) | 一种多端柔性直流孤岛电网送端的日前电压计划生成方法 | |
CN105958530A (zh) | 一种具有无功自动补偿的微电网系统 | |
CN111245032B (zh) | 一种计及风电场集电线路降损优化的电压预测控制方法 | |
CN112751371A (zh) | 一种基于二阶锥算法的含风电集群近区电网无功优化方法 | |
CN103515964A (zh) | 无功补偿控制方法和无功补偿控制装置 | |
CN105207255B (zh) | 一种适用于风电出力的电力系统调峰计算方法 | |
CN114024340B (zh) | 一种海上风电装置控制系统及模型预测控制方法 | |
CN114844051A (zh) | 一种主动配电网的无功电源优化配置方法及终端 | |
CN110518603B (zh) | 含环网的三相不平衡的中低压完整配电网潮流计算方法 | |
CN103560529B (zh) | 一种抑制电力系统交流联络线不规则功率波动的控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |