CN108306287A - 一种含风电电力系统的小干扰失稳风险识别方法及系统 - Google Patents

一种含风电电力系统的小干扰失稳风险识别方法及系统 Download PDF

Info

Publication number
CN108306287A
CN108306287A CN201810133947.8A CN201810133947A CN108306287A CN 108306287 A CN108306287 A CN 108306287A CN 201810133947 A CN201810133947 A CN 201810133947A CN 108306287 A CN108306287 A CN 108306287A
Authority
CN
China
Prior art keywords
wind
small interference
electricity generation
electric system
powered electricity
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.)
Pending
Application number
CN201810133947.8A
Other languages
English (en)
Inventor
梅生伟
魏韡
刘锋
潘艳菲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN201810133947.8A priority Critical patent/CN108306287A/zh
Publication of CN108306287A publication Critical patent/CN108306287A/zh
Pending legal-status Critical Current

Links

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
    • H02J3/386—
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种含风电电力系统的小干扰失稳风险识别方法，包括：S1，获取电力系统的小干扰鲁棒稳定域的边界表达式；S2，获取日负荷预测曲线，根据日负荷预测曲线和小干扰鲁棒稳定域的边界表达式，计算风电安全区间；S3，获取风电出力预测曲线，根据风电出力预测曲线和风电安全区间，获取电力系统的小干扰失稳风险时段。本发明首先获取电力系统的小干扰鲁棒稳定域的边界表达式。然后根据电力系统的日负荷预测曲线和小干扰鲁棒稳定域的边界表达式，计算风电安全区间。比较风电出力预测曲线和风电安全区间，获得电力系统的小干扰失稳风险时段。为含风电电力系统提供安全运行时段的参考，提高了电力系统的可靠性和安全性。

Description

一种含风电电力系统的小干扰失稳风险识别方法及系统
技术领域
本发明涉及新能源发电系统技术领域，更具体的，涉及一种含不确定风电电力系统的小干扰失稳风险识别方法及系统。
背景技术
风力发电的不确定性和波动性给电网的安全运行带来了很大的挑战。含风电电力系统的小干扰稳定性受到了广泛关注。
现有的小干扰稳定性分析方法分为两类：基于“逐点法”与“域”方法。“逐点法”基于给定的系统工作点分析系统的稳定性，而系统工作点会因风电不确定性而发生改变。那么原先分析结论的正确性会受到影响。另外，“逐点法”也无法获取系统整体稳定性测度与安全裕度指标。“域”方法即小干扰稳定域分析方法是给定参数或运行空间中的小干扰稳定运行点的集合。该方法的优势是能够提供大范围的系统稳定边界。对于给定工作点，运行人员可根据其与稳定边界相对位置直接判断系统稳定性，对于稳定的工作点，还可获得其在各方向的稳定裕度。然而，小干扰稳定域分析方法的有效性依然会受到风电不确定性的影响。在系统运行空间中，风电的不确定性会改变系统工作点，造成预测的处于小干扰稳定域内的系统实际中可能处于稳定域外，危及系统安全。
发明内容
本发明为解决传统含风电电力系统中，风电不确定性对电力系统造成的干扰，提供一种含风电电力系统的小干扰失稳风险识别方法及系统。
一方面，本发明提供一种含风电电力系统的小干扰失稳风险识别方法，包括:
S1，获取电力系统的小干扰鲁棒稳定域的边界表达式；
S2，获取日负荷预测曲线，根据所述日负荷预测曲线和所述小干扰鲁棒稳定域的边界表达式，计算风电安全区间；
S3，获取风电出力预测曲线，根据所述风电出力预测曲线和所述风电安全区间，获取所述电力系统的小干扰失稳风险时段。
其中，所述S1中，所述获取电力系统的小干扰鲁棒稳定域的边界表达式具体包括：
根据所述电力系统的有功负荷、风电出力和风电扰动水平，利用线性边界组合逼近法，计算所述电力系统的小干扰鲁棒稳定域的边界表达式。
其中，所述小干扰鲁棒稳定域的边界表达式为：
式中，p是由电力系统的有功负荷和风电出力构成运行参数向量；Sp是p张成的运行空间；Sp＝span{Pload,Pwind}；A(p)是电力系统受扰前的状态矩阵，它是p的函数；Bα(p)和Cα(p)是风电对系统的状态矩阵扰动的函数；α是风电扰动水平；是电力系统的鲁棒稳定性指标。
其中，所述S2中，根据所述风电出力预测曲线和所述小干扰鲁棒稳定域的边界表达式，计算风电安全区间具体包括：
根据所述日负荷预测曲线以及所述小干扰鲁棒稳定域的边界表达式，计算风电出力的上限和下限，风电出力的上限和下限之间的区域为风电安全区间。
其中，所述S3中，所述获取风电出力预测曲线具体包括：
获取下一日24小时多时段的风电出力预测曲线。
其中，所述S3中，根据所述风电出力预测曲线和所述风电安全区间，获取所述电力系统的小干扰失稳风险时段具体包括：
通过比较下一日24小时的风电出力预测曲线和所述风电安全区间边界，所述风电出力预测曲线中在风电安全区间之外的时段，是电力系统的小干扰失稳风险时段。
另一方面，本发明提供一种含风电电力系统的小干扰失稳风险识别系统，该系统包括：
第一获取模块，用于获取电力系统的小干扰鲁棒稳定域的边界表达式；
计算模块，用于获取日负荷预测曲线，并根据所述日负荷预测曲线和所述小干扰鲁棒稳定域的边界表达式，计算风电安全区间；
第二获取模块，用于获取风电出力预测曲线，并根据所述风电出力预测曲线和所述风电安全区间，获取所述电力系统的小干扰失稳风险时段。
第三方面，本发明提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述方法。
第四方面，本发明提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述方法。
本发明提供的含风电电力系统的小干扰失稳风险识别方法及系统，首先获取电力系统的小干扰鲁棒稳定域的边界表达式。然后根据电力系统的日负荷预测曲线和小干扰鲁棒稳定域的边界表达式，计算风电安全区间。获取风电出力预测曲线，比较风电出力预测曲线和风电安全区间，获得电力系统的小干扰失稳风险时段。为含风电电力系统提供安全运行时段的参考，提高了电力系统的可靠性和安全性。
附图说明
图1为根据本发明实施例提供的含风电电力系统的小干扰失稳风险识别方法的流程框图；
图2为根据本发明实施例提供的含风电电力系统的小干扰失稳风险识别系统的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一模块实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
图1为根据本发明实施例提供的含风电电力系统的小干扰失稳风险识别方法的流程框图。如图1所示，本发明实施例提供的含风电电力系统的小干扰失稳风险识别方法包括：S1，获取电力系统的小干扰鲁棒稳定域的边界表达式。S2，获取日负荷预测曲线，根据所述日负荷预测曲线和所述小干扰鲁棒稳定域的边界表达式，计算风电安全区间。S3，获取风电出力预测曲线，根据所述风电出力预测曲线和所述风电安全区间，获取所述电力系统的小干扰失稳风险时段。
其中，步骤S1中，获取电力系统的小干扰鲁棒稳定域的边界表达式。
小干扰稳定性是指系统受到小干扰后，不发生自发振荡或非周期性失步，自动恢复到起始运行状态的能力。电力系统在运行过程中无时不遭受到一些小的干扰，例如负荷的随机变化及随后的发电机组调节；因风吹引起架空线路线间距离变化从而导致线路等值阻抗的变化等等。和暂态稳定分析中的大干扰不同，小干扰的发生一般不会引起系统结构的变化。
电力系统小干扰稳定分析的主要任务是研究遭受小干扰后电力系统的稳定性。系统在小干扰作用下所产生的振荡如果能够被抑制，以至于在相当长的时间以后，系统状态的偏移足够小，则系统是稳定的。相反，如果振荡的幅值不断增大或无限地维持下去，则系统是不稳定的。遭受小干扰后的系统是否稳定与很多因素有关，主要包括：电网初始运行状态，输电系统中各元件联系的紧密程度，以及各种控制装置的特性等等。由于电力系统运行过程中难以避免小干扰的存在，一个小干扰不稳定的系统在实际中难以正常运行。换言之，正常运行的电力系统首先应该是小干扰稳定的。因此，进行电力系统的小干扰稳定分析，判断系统在指定运行方式下是否稳定，也是电力系统分析中最基本和最重要的任务。
风电的波动和间歇行为都具有强烈的不确定性，风电的不确定性因素包括风速的不确定性；风机脱网、故障、检修及由风速越限引起的切入切出；最大风电功率追踪与远程调节等工况间的变化；机组运行特性的变化等，风电的不确定性对含风电电力系统的可靠性、电能质量都会产生干扰。
针对风电的不确定性带来的影响，文献“Towards the Robust Small-SignalStability Region of Power Systems under Perturbations Such as Uncertain andVolatile Wind Generation”对传统小干扰稳定域进行了扩展，提出了小干扰鲁棒稳定域(Robust Small-Signal Stability Region,RSSSR)的概念。小干扰鲁棒稳定域的建立充分考虑了系统中风电施加扰动的位置与扰动的程度，而运行于小干扰鲁棒稳定域内的系统能够承受一定水平的风电扰动而保持稳定。也就是说，小干扰鲁棒稳定域为调度人员提供了一个具有鲁棒性的系统安全运行范围。
本实施例中，获取电力系统的小干扰鲁棒稳定域的边界表达式。其中，小干扰鲁棒稳定域(Robust small-signal stability region,RSSSR)是传统小干扰稳定域(Small-signal stability region,SSSR)概念的扩展。RSSSR是使系统能够承受一定程度内的干扰而保持小干扰稳定的运行点的集合。具体的，基于鲁棒控制理论和含风电系统的具体动态模型，可以推导出含风电系统的小干扰鲁棒稳定充分条件，并将该充分条件作为RSSSR的判据：
式中，Ωα-RSSSR是鲁棒稳定域，p是由电力系统的有功负荷和风电出力构成运行参数向量；Sp是p张成的运行空间；Sp＝span{Pload,Pwind}；A(p)是电力系统受扰前的状态矩阵，它是p的函数；Bα(p)和Cα(p)是风电对系统的状态矩阵扰动的函数；α是风电扰动水平；当系统中包含多个不确定风电注入时α为向量。是电力系统的鲁棒稳定性指标。其中，：＝是存储过程的赋值的意思。
其中，步骤S2中，获取日负荷预测曲线，根据所述日负荷预测曲线和所述小干扰鲁棒稳定域的边界表达式，计算风电安全区间；
日负荷预测曲线是对下一日24小时电力负荷的预测曲线。它是电力系统调度赖以安排日调度计划，决定开停机计划、经济分配负荷及安排旋转备用容量的基础。日负荷曲线预测的精确性直接影响电力系统运行的经济效益。
获取日负荷预测曲线的方法包括多重相关算法、时间序列法和谐波分解法。其中，多重相关算法是从负荷样本数据(即负荷曲线的历史数据)找出电力系统负荷在各个周期的相关性，构造多个预测模型，一般为一阶线性模型。由各个模型得到的预测值及其方差再进行最优组合，得到一个加权平均值。根据线性估计理论,权重应与各自的方差成反比,加权平均值的方差的倒数等于各个方差倒数之和。节假日则需特殊考虑，舍去相应的一个模型的预测值。时间序列法是把负荷的样本数据按时间顺序组成序列。根据此序列的自相关函数和偏自相关函数的截尾性能来建立自回归模型、滑动平均模型或自回归滑动平均模型。谐波分解法是在预测方法上可采用条件期望预测、平衡线性最小方差预测或新息法自适应预测等。利用负荷曲线变化的周期性，用谐波分析的方法求出预测值。
获取电力系统的日负荷预测曲线后，根据日负荷预测曲线和小干扰鲁棒稳定域的边界表达式，计算风电安全区间。结合电力系统下一日24小时电力负荷的预测曲线，以及上述小干扰鲁棒稳定域的边界表达式，分析得到24小时内保证电力系统小干扰鲁棒稳定性的风电运行区间，简称风电安全区间。
例如，假设span{Pload,Pwind}上的小干扰鲁棒稳定域边界具有表达式：
f(Pload,Pwind)＝0
式中，Pload是电力系统有功负荷；Pwind是风电出力。
将电力负荷(Pload)的预测曲线进行多时段采样，将各个采样点代入上式，即可得到小干扰鲁棒稳定域约束下的每个采样点时刻的风电出力上下限值。各个时刻的风电出力上下限值共同组成了下一日24小时的风电安全区间边界。
其中，步骤S3中，获取风电出力预测曲线，根据所述风电出力预测曲线和所述风电安全区间，获取所述电力系统的小干扰失稳风险时段。
风电出力预测是指对未来一段时间内风电场所能输出的功率大小进行预测，以便安排调度计划。这是因为风能属于随机波动的不稳定能源，大规模的风电并入电力系统，必将会对电力系统的稳定性带来新的挑战。电力生产调度机构需要对未来数小时的风电输出功率有所了解。对风电功率进行及时准确的预测，可以显著增强电力系统的安全性、稳定性、经济性和可控性。
根据预测时间的长短，风电预测一般可分为超短期预测、短期预测、中期预测和长期预测。目前研究主要集中于短期和超短期尺度内，前者可安排机组组合和发电计划，后者主要用于电力系统实时调度。受各种不确定因素影响，中长期尺度的风电预测研究相对较少，其主要用于制定风电场、热电机组以及电力系统的检修计划。
时间尺度的划分通常受到用户需求、技术和管理条件以及预测可行性等因素的影响，因此时间尺度的划分在不同国家和地区的标准并不统一。我国的最新规定如下:预测的时间分辨率为15min，超短期预测要求滚动预测未来0-4h的风电输出功率；短期预测则要求预测次日0时起3天的风电功率。
本实施例中，获取下一日多时段风电出力预测曲线，比较风电出力预测曲线和上述风电安全区间，获得电力系统的小干扰失稳风险时段。为含风电电力系统提供安全运行时段的参考
本发明实施例提供的含风电电力系统的小干扰失稳风险识别方法，首先获取电力系统的小干扰鲁棒稳定域的边界表达式。然后根据电力系统的日负荷预测曲线和小干扰鲁棒稳定域的边界表达式，计算风电安全区间。获取风电出力预测曲线，比较风电出力预测曲线和风电安全区间，获得电力系统的小干扰失稳风险时段。为含风电电力系统提供安全运行时段的参考，提高了电力系统的可靠性和安全性。
在上述实施例的基础上，步骤S1中，所述获取电力系统的小干扰鲁棒稳定域的边界表达式具体包括：根据所述电力系统的有功负荷、风电出力和风电扰动水平，计算所述电力系统的小干扰鲁棒稳定域的边界表达式。
具体地，在电力系统的有功负荷和风电出力所组成的运行空间中其中，电力系统的运行空间是由运行参数张成的空间。运行参数包括发电机的有功/无功出力，负荷有功/无功功率等。本发明考虑的运行空间是由系统的有功负荷Pload和风电出力Pwind张成的。基于风电扰动的位置以及风电扰动的强度水平，计算电力系统的小干扰鲁棒稳定域的边界表达式。
在上述各实施例的基础上，所述小干扰鲁棒稳定域的边界表达式为：
式中，是小干扰鲁棒稳定域的边界；p是由电力系统的有功负荷和风电出力构成运行参数向量；Sp是p张成的运行空间；
Sp＝span{Pload,Pwind}；A(p)是电力系统受扰前的状态矩阵，它是p的函数；Bα(p)和Cα(p)是风电对系统的状态矩阵扰动的函数；α是风电扰动水平；当系统中包含多个不确定风电注入时α为向量。
是电力系统的鲁棒稳定性指标。其中，：＝是存储过程的赋值的意思。
在电力系统的有功负荷和风电出力所组成的二维运行空间中，通小干扰鲁棒稳定域边界可由一组线性边界共同构成。线性近似边界在安全域研究中得到了广泛的应用。已有研究采用超平面拟合方法计算传统小扰动稳定域边界，另外，文献<PMU-Based Wide-Area Security Assessment：Concept,Method,and Implementation>采用线性边界组合的形式从安全域内部逼近边界。本发明采用域内线性边界逼近的方法来近似RSSSR边界。
二维空间上的小干扰鲁棒稳定域(RSSSR)近似边界具有线性边界集合形式为：
其中，g是逼近小干扰鲁棒稳定域(RSSSR)所需线性边界的个数。
利用线性边界组合超平面逼近法，二维空间上的小干扰鲁棒稳定域(RSSSR)线性近似边界的步骤包括：
步骤1：在有功负荷Pload和风电出力Pwind组成的空间中确定一个保证系统鲁棒稳定的初始运行点p0。
步骤2：从p0出发沿s(s＞2)个不同的方向(根据RSSSR边界判据)寻找精确RSSSR边界点，寻找的方向覆盖范围全面。
步骤3：基于得到的RSSSR精确边界点建立初始线性边界集合。
步骤4：以每个线性边界中点处的系统鲁棒稳定指标
来判断该线性边界的近似精度，精度不满足要求时，向外扩展线性边界集合(扩展方法：以p0和该边界中点的连线向外延伸搜索新的RSSSR精确边界点pB，用pB与该边界两个端点的连线形成的新的两个线性边界代替原线性边界)。
步骤5：当所有线性边界中点对应的的最大值小于某阈值时，认为整体逼近精度达到了要求，此时的线性边界集合即为所求RSSSR近似边界。
在上述各实施例的基础上，所述S2中，根据所述风电出力预测曲线和所述小干扰鲁棒稳定域的边界表达式，计算风电安全区间具体包括，根据所述日负荷预测曲线以及所述小干扰鲁棒稳定域的边界表达式，计算风电出力的上限和下限，风电出力的上限和下限之间的区域为风电安全区间。
具体地，日负荷预测曲线是对下一日24小时电力负荷的预测曲线。它是电力系统调度赖以安排日调度计划，决定开停机计划、经济分配负荷及安排旋转备用容量的基础。结合电力系统下一日24小时电力负荷的预测曲线，以及有功负荷和风电出力所组成的运行空间中的小干扰鲁棒稳定域的边界表达式，分析得到24小时内保证电力系统小干扰鲁棒稳定性的风电发力的上限和下限，风电发力的上限和下限是保证电力系统小干扰鲁棒稳定性的风电运行区间，简称风电安全区间。其中，鲁棒性是指标称系统所具有的某一种性能品质对于具有不确定性的系统集的所有成员均成立，如果所关心的是系统的稳定性，那么就称该系统具有鲁棒稳定性。
例如，假设span{Pload,Pwind}上的小干扰鲁棒稳定域边界具有表达式：
f(Pload,Pwind)＝0
式中，Pload是电力系统有功负荷；Pwind是风电出力。
将电力负荷(Pload)的预测曲线进行多时段采样，将各个采样点代入上式，即可得到小干扰鲁棒稳定域约束下的每个采样点时刻的风电出力上下限值。各个时刻的风电出力上下限值共同组成了该24小时的风电安全区间边界。
在上述各实施例的基础上，所述S3中，所述获取风电出力预测曲线具体包括，获取含风电电力系统下一日24小时多时段的风电出力预测曲线。
具体地，风电出力预测曲线的时间尺度的划分通常受到用户需求、技术和管理条件以及预测可行性等因素的影响，因此时间尺度的划分在不同国家和地区的标准并不统一。我国的最新规定如下:预测的时间分辨率为15min，本实施例获取下一日24小时96时段的风电出力预测曲线，每时段为15min。用于与风电安全区间作对比分析。
在上述各实施例的基础上，所述S3中，根据所述风电出力预测曲线和所述风电安全区间，获取所述电力系统的小干扰失稳风险时段具体包括：
通过比较下一日24小时的风电出力预测曲线和所述风电安全区间边界，所述风电出力预测曲线中在风电安全区间之外的时段，是电力系统的小干扰失稳风险时段。
具体地，风电安全区间是指下一日24小时中保证电力系统小干扰鲁棒稳定性的风电运行区间。通过比较风电出力预测曲线与风电安全区间边界，识别电力系统的小干扰失稳风险，以及相应的时段。其中，风电预测曲线中高于风电安全区间中风电发力上限的部分与低于风电发力下限的部分均表示系统存在小干扰失稳的风险。为含风电电力系统提供安全运行时段的参考。
图2为根据本发明实施例提供的含风电电力系统的小干扰失稳风险识别系统的结构框图，如图2所示，本发明实施例还提供一种含风电电力系统的小干扰失稳风险识别系统，该系统包括第一获取模块201、计算模块202和第二获取模块203。其中：
第一获取模块201用于获取电力系统的小干扰鲁棒稳定域的边界表达式。计算模块202用于获取日负荷预测曲线，并根据所述日负荷预测曲线和所述小干扰鲁棒稳定域的边界表达式，计算风电安全区间。第二获取模块203用于获取风电出力预测曲线，并根据所述风电出力预测曲线和所述风电安全区间，获取所述电力系统的小干扰失稳风险时段。
本发明提供的含风电电力系统的小干扰失稳风险识别系统，首先获取电力系统的小干扰鲁棒稳定域的边界表达式。然后根据电力系统的日负荷预测曲线和小干扰鲁棒稳定域的边界表达式，计算风电安全区间。获取风电出力预测曲线，比较风电出力预测曲线和风电安全区间，获得电力系统的小干扰失稳风险时段。为含风电电力系统提供安全运行时段的参考，提高了电力系统的可靠性和安全性。
本发明提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述各方法实施例所提供的方法。例如包括：获取电力系统的小干扰鲁棒稳定域的边界表达式；获取日负荷预测曲线，根据所述日负荷预测曲线和所述小干扰鲁棒稳定域的边界表达式，计算风电安全区间；获取风电出力预测曲线，根据所述风电出力预测曲线和所述风电安全区间，获取所述电力系统的小干扰失稳风险时段。
本发明提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法。例如包括：获取电力系统的小干扰鲁棒稳定域的边界表达式；获取日负荷预测曲线，根据所述日负荷预测曲线和所述小干扰鲁棒稳定域的边界表达式，计算风电安全区间；获取风电出力预测曲线，根据所述风电出力预测曲线和所述风电安全区间，获取所述电力系统的小干扰失稳风险时段。
本本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，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 (9)

1.一种含风电电力系统的小干扰失稳风险识别方法，其特征在于，包括:
S1，获取电力系统的小干扰鲁棒稳定域的边界表达式；
S2，获取日负荷预测曲线，根据所述日负荷预测曲线和所述小干扰鲁棒稳定域的边界表达式，计算风电安全区间；
S3，获取风电出力预测曲线，根据所述风电出力预测曲线和所述风电安全区间，获取所述电力系统的小干扰失稳风险时段。
2.根据权利要求1所述的含风电电力系统的小干扰失稳风险识别方法，其特征在于，所述S1中，所述获取电力系统的小干扰鲁棒稳定域的边界表达式具体包括：
根据所述电力系统的有功负荷、风电出力和风电扰动水平，利用线性边界组合逼近法，计算所述电力系统的小干扰鲁棒稳定域的边界表达式。
3.根据权利要求2所述的含风电电力系统的小干扰失稳风险识别方法，其特征在于，所述小干扰鲁棒稳定域的边界表达式为：
式中，p是由电力系统的有功负荷和风电出力构成运行参数向量；Sp是p张成的运行空间；Sp＝span{Pload,Pwind}；A(p)是电力系统受扰前的状态矩阵，它是p的函数；Bα(p)和Cα(p)是风电对系统的状态矩阵扰动的函数；α是风电扰动水平；是电力系统的鲁棒稳定性指标。
4.根据权利要求1所述的含风电电力系统的小干扰失稳风险识别方法，其特征在于，所述S2中，根据所述风电出力预测曲线和所述小干扰鲁棒稳定域的边界表达式，计算风电安全区间具体包括：
根据所述日负荷预测曲线以及所述小干扰鲁棒稳定域的边界表达式，计算风电出力的上限和下限，风电出力的上限和下限之间的区域为风电安全区间。
5.根据权利要求1所述的含风电电力系统的小干扰失稳风险识别方法，其特征在于，所述S3中，所述获取风电出力预测曲线具体包括：
获取下一日24小时多时段的风电出力预测曲线。
6.根据权利要求5所述的含风电电力系统的小干扰失稳风险识别方法，其特征在于，所述S3中，根据所述风电出力预测曲线和所述风电安全区间，获取所述电力系统的小干扰失稳风险时段具体包括：
通过比较下一日24小时的风电出力预测曲线和所述风电安全区间边界，所述风电出力预测曲线中在风电安全区间之外的时段，是电力系统的小干扰失稳风险时段。
7.一种含风电电力系统的小干扰失稳风险识别系统，其特征在于，所述系统包括：
第一获取模块，用于获取电力系统的小干扰鲁棒稳定域的边界表达式；
计算模块，用于获取日负荷预测曲线，并根据所述日负荷预测曲线和所述小干扰鲁棒稳定域的边界表达式，计算风电安全区间；
第二获取模块，用于获取风电出力预测曲线，并根据所述风电出力预测曲线和所述风电安全区间，获取所述电力系统的小干扰失稳风险时段。
8.一种计算机程序产品，其特征在于，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行如权利要求1至6任一项所述的方法。
9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至6任一项所述的方法。
CN201810133947.8A 2018-02-09 2018-02-09 一种含风电电力系统的小干扰失稳风险识别方法及系统 Pending CN108306287A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810133947.8A CN108306287A (zh) 2018-02-09 2018-02-09 一种含风电电力系统的小干扰失稳风险识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810133947.8A CN108306287A (zh) 2018-02-09 2018-02-09 一种含风电电力系统的小干扰失稳风险识别方法及系统

Publications (1)

Publication Number Publication Date
CN108306287A true CN108306287A (zh) 2018-07-20

Family

ID=62865094

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810133947.8A Pending CN108306287A (zh) 2018-02-09 2018-02-09 一种含风电电力系统的小干扰失稳风险识别方法及系统

Country Status (1)

Country Link
CN (1) CN108306287A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109713686A (zh) * 2018-12-10 2019-05-03 国家电网有限公司 一种高渗透率风电电力系统风电支路模式能量解析方法
CN116756198A (zh) * 2023-05-08 2023-09-15 万合智慧(北京)能源科技有限公司 一种电力系统静态电压稳定域边界的快速搜索方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013123446A1 (en) * 2012-02-16 2013-08-22 Lazaris Spyros A system and a method for generation. and transmission of electrical energy from renewable resources.
CN105610192A (zh) * 2016-01-26 2016-05-25 山东大学 考虑大规模风电接入的在线风险评估方法
CN105741025A (zh) * 2016-01-26 2016-07-06 山东大学 基于风电波动在线风险评估的预防控制方法
CN107404127A (zh) * 2017-08-10 2017-11-28 中国农业大学 考虑多时间尺度协调的风电鲁棒区间轨迹调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013123446A1 (en) * 2012-02-16 2013-08-22 Lazaris Spyros A system and a method for generation. and transmission of electrical energy from renewable resources.
CN105610192A (zh) * 2016-01-26 2016-05-25 山东大学 考虑大规模风电接入的在线风险评估方法
CN105741025A (zh) * 2016-01-26 2016-07-06 山东大学 基于风电波动在线风险评估的预防控制方法
CN107404127A (zh) * 2017-08-10 2017-11-28 中国农业大学 考虑多时间尺度协调的风电鲁棒区间轨迹调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YANFEI PAN等: "Towards the Robust Small-Signal Stability Region of Power Systems Under Perturbations Such as Uncertain and Volatile Wind Generation", 《IEEE数据库》 *
孙强等: "小扰动稳定域边界的超平面拟合及应用", 《天津大学学报》 *
朱文峰: "基于动态安全域的大规模风电运行风险评估技术", 《中国优秀硕士学位论文全文数据库》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109713686A (zh) * 2018-12-10 2019-05-03 国家电网有限公司 一种高渗透率风电电力系统风电支路模式能量解析方法
CN116756198A (zh) * 2023-05-08 2023-09-15 万合智慧(北京)能源科技有限公司 一种电力系统静态电压稳定域边界的快速搜索方法

Similar Documents

Publication Publication Date Title
Ren et al. Overview of wind power intermittency: Impacts, measurements, and mitigation solutions
Zhao et al. Capacity allocation of a hybrid energy storage system for power system peak shaving at high wind power penetration level
Shafiullah et al. Potential challenges of integrating large-scale wind energy into the power grid–A review
CN102269124B (zh) 超短期风电场发电功率预测系统
Terciyanlı et al. Enhanced nationwide wind-electric power monitoring and forecast system
CN102184453A (zh) 基于模糊神经网络和支持向量机的风电功率组合预测方法
CN104882905A (zh) 一种考虑暂态安全约束的新能源接纳能力评估方法
CN103997039A (zh) 基于概率区间预测的计及风电接纳的旋转备用区间预测方法
Ahlert et al. Assessing the impact of price forecast errors on the economics of distributed storage systems
CN109462223A (zh) 一种基于大数据的电能质量与可靠性分析方法
CN107832542A (zh) 一种基于时空尺度消纳风光的机组组合优化调度方法
Wang et al. Power system inertia estimation method based on maximum frequency deviation
CN118432044A (zh) 一种电力系统机组灵活性改造的源网协同规划方法及系统
CN102904248A (zh) 基于风电出力不确定性集合的电力系统调度方法
CN108306287A (zh) 一种含风电电力系统的小干扰失稳风险识别方法及系统
Zhou et al. Cost–benefit analysis of pumped hydro storage using improved probabilistic production simulation method
CN103473607B (zh) 按轨迹特征优化和匹配外推模型的风电超短期预测方法
CN106026190B (zh) 基于风电纵向时刻概率模型的日前调度计划风险分析方法
Shen et al. Data-driven equivalent inertia partition estimation of power systems
Kang et al. Ultra-short-term wind power prediction and its application in early-warning system of power systems security and stability
Xu Coastal wind power forecasting research scheme design
Liang et al. Optimal control of battery for grid-connected wind-storage system
Ma et al. An IGDT-based intraday scheduling strategy method considering wind power ramp event
Lam Artificial Intelligence-Based Methods for Power System Security Assessment with Limited Dataset
Xi et al. Impact of Energy Storage on Security-Constrained Unit Commitment of Power System with Wind Power Integration

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180720

RJ01 Rejection of invention patent application after publication