CN108988381B - 风力发电机组低电压穿越控制方法、装置及系统 - Google Patents
风力发电机组低电压穿越控制方法、装置及系统 Download PDFInfo
- Publication number
- CN108988381B CN108988381B CN201810747624.8A CN201810747624A CN108988381B CN 108988381 B CN108988381 B CN 108988381B CN 201810747624 A CN201810747624 A CN 201810747624A CN 108988381 B CN108988381 B CN 108988381B
- Authority
- CN
- China
- Prior art keywords
- wind
- power
- wind generating
- power grid
- generating set
- 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 24
- 238000013486 operation strategy Methods 0.000 claims abstract description 16
- 230000000875 corresponding effect Effects 0.000 claims description 70
- 230000001276 controlling effect Effects 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims description 14
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 description 15
- 238000010248 power generation Methods 0.000 description 9
- 230000005684 electric field Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005405 multipole Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- H02J3/386—
-
- 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
Abstract
本发明公开了一种风力发电机组低电压穿越控制方法、装置及系统,该方法包括:电网调度控制器确定风电场在电网故障时的最低功率值;风电场的场级控制器接收电网调度控制器发送的对应的最低功率值,并将对应风电场内各风力发电机组感测得到的风资源信息输入到预先训练好的功率预测模型中,得到风电场内各风力发电机组对应的预测功率值,并对风电场内各风力发电机组的预测功率值按照从大到小进行优先级排序;场级控制器控制优先级排在前N位的风力发电机组在电网故障时不脱网,以预设的低电压穿越运行策略运行,控制其它风力发电机组在电网故障时脱网运行。实施本发明能在各风机侧用最小的低电压穿越的软硬件代价,在电网故障时保证电网的正常运行。
Description
技术领域
本发明涉及风力发电机领域,特别涉及一种风力发电机组低电压穿越控制方法、装置及系统。
背景技术
随着社会经济的发展,电力资源已经成为人们生活的必需品。除了传统的火力发电和水力发电等方式之外,新兴的风力发电和核发电等方式也发挥重要的作用。由于风力发电具有清洁、可再生、不破坏地理环境等优点,其应用越来越广泛。然而,由于风力具有不稳定的特性,所以对风力发电的控制也尤为关键。
风力发电机机组是采集风能,将风能转换为电能的重要工具。对于风电机组而言,风电机组所在电网的电压工作情况直接影响风电机组的工作状态,现有技术中,当风电机组所在电网由于扰动或者故障,电压跌落至预设阈值时,风电机组进入到低电压工作区域。目前电网对各个风力发电机组的要求是:当电网故障或扰动引起风电场并网点的电压跌落时,在电压跌落的范围内,风电机组能够不间断并网运行,此功能称为风力发电机组的低电压穿越功能。
由于现在大规模风电机组集中接入给电力系统带来了许多新问题,其中低电压穿越能力是非常重要的一项。对于各种类型的风力发电机组都需要具备低电压穿越能力。比如永磁直驱风机采用了无增速齿轮箱、叶轮直接驱动多极低速永磁同步发电机的变速恒频风力发电技术,风机通过全功率变流器并网,实现了发电机和电网的完全解耦,风机的并网特性主要取决于变流器电网侧的技术性能。
目前的永磁直驱机组的低电压穿越能力主要体现在两个方面:1)低电压穿越期间,通过并联于直流母线的制动单元,保持有功功率平衡;2)低电压穿越期间,网侧变流器通过输出无功电流来支撑电网电压恢复。其中,现有的针对风力发电的控制策略为:正常运行状态下,变流控制器根据风力发电机组的主控制器的指令向电网提供无功电流。当电网发生故障,执行低电压穿越时,主控制器的指令被切断,变流控制器直接按照风力发电机组的机端电压的跌落程度向电网发送无功电流,以帮助恢复电网电压。当故障被清除时,变流控制器输出的无功电流瞬间跌落至零。
目前对低电压穿越能力都是要求各个风力发电机组都要满足相应的要求,也就是说,各个风力发电机组都要匹配响应的硬件及软件资源,并在每次电网出现低电压时都要运行相应的低电压穿越策略,以消耗对应的硬件和软件资源。然而,实际对电网来说,只要在低电压出现时,各风力发电机组不要出现大面积的脱网,就不会对电网出现过大的冲击,待电压恢复正常时,即可正常运行。
因此,亟待提出一种风力发电机组低电压穿越控制方法、装置及系统,其能在各风机侧用最小的低电压穿越的软硬件代价,在电网故障时保证电网的正常运行。
发明内容
有鉴于此,本发明旨在提供一种风力发电机组低电压穿越控制方法、装置及系统,以实现在各风机侧用最小的低电压穿越的软硬件代价,在电网故障时保证电网的正常运行。
具体而言,本发明提供一种风力发电机组低电压穿越控制方法,包括步骤:
电网调度控制器根据每个风电场的出功能力以及维持区域电网稳定所需的总功率,确定每个风电场在电网故障时的最低功率值;
风电场的场级控制器接收电网调度控制器发送的对应的所述最低功率值,并将对应风电场内各风力发电机组感测得到的风资源信息输入到预先训练好的功率预测模型中,得到风电场内各风力发电机组对应的预测功率值,并对风电场内各风力发电机组的预测功率值按照从大到小进行优先级排序;
所述场级控制器控制优先级排在前N位的风力发电机组在电网故障时不脱网,以预设的低电压穿越运行策略运行,控制所述优先级排在前N位的风力发电机组之外的其它风力发电机组在电网故障时脱网运行;所述优先级排在前N位的风力发电机组在电网故障时的预测功率值之和大于或等于对应风电场的所述最低功率值。
进一步地,所述风资源信息包括:各风机发电机组实时感测得到的风密度信息、风速信息、风向信息以及湍流强度信息;所述功率预测模型为机器学习模型。
进一步地,所述功率预测模型的输入信息包括所述风资源信息、偏航的速度信息、调桨信息、叶片的气动信息以及风机发电机组的振动信息。
进一步地,所述机器学习模型为神经网络模型。
具体而言,本发明提供一种风力发电机组低电压穿越控制装置,包括:
接收模块,用于接收电网调度控制器根据每个风电场的出功能力以及维持区域电网稳定所需的总功率,确定并发送的每个风电场在电网故障时的最低功率值;
预测模块,用于将对应风电场内各风力发电机组感测得到的风资源信息输入到预先训练好的功率预测模型中,得到风电场内各风力发电机组对应的预测功率值;
排序模块,用于对风电场内各风力发电机组的预测功率值按照从大到小进行优先级排序;所述优先级排在前N位的风力发电机组在电网故障时的预测功率值之和大于或等于对应风电场的所述最低功率值;
控制信号生成模块,生成第一控制指令及第二控制指令,所述第一控制指令用于控制优先级排在前N位的风力发电机组在电网故障时不脱网,以预设的低电压穿越运行策略运行;所述第二控制指令用于控制所述优先级排在前N位的风力发电机组之外的其它风力发电机组在电网故障时脱网运行;
发送模块,用于向优先级排在前N位的风力发电机组的主控器发送所述第一控制指令,并向优先级排在前N位的风力发电机组之外的其它风力发电机组发送所述第二控制指令。
进一步地,所述风资源信息包括:各风机发电机组实时感测得到的风密度信息、风速信息、风向信息以及湍流强度信息;所述功率预测模型为机器学习模型。
进一步地,所述功率预测模型的输入信息包括所述风资源信息、偏航的速度信息、调桨信息、叶片的气动信息以及风机发电机组的振动信息。
进一步地,所述机器学习模型为神经网络模型。
进一步地,所述风力发电机组低电压穿越控制装置设置在风电场的场级控制器中。
本发明提供一种风力发电机组低电压穿越控制系统包括:电网调度控制器、所述的风力发电机组低电压穿越控制装置及以及风力发电机组的主控器;电网调度控制器,用于根据每个风电场的出功能力以及维持区域电网稳定所需的总功率,确定每个风电场在电网故障时的最低功率值;
所述风力发电机组低电压穿越控制装置,用于接收电网调度控制器发送的对应的所述最低功率值,并将对应风电场内各风力发电机组感测得到的风资源信息输入到预先训练好的功率预测模型中,得到风电场内各风力发电机组对应的预测功率值,并对风电场内各风力发电机组的预测功率值按照从大到小进行优先级排序;向优先级排在前N位的风力发电机组的主控器发送第一控制指令,并向优先级排在前N位的风力发电机组之外的其它风力发电机组发送第二控制指令;其中,所述第一控制指令用于控制优先级排在前N位的风力发电机组在电网故障时不脱网,以预设的低电压穿越运行策略运行;所述第二控制指令用于控制所述优先级排在前N位的风力发电机组之外的其它风力发电机组在电网故障时脱网运行;所述优先级排在前N位的风力发电机组在电网故障时的预测功率值之和大于或等于对应风电场的所述最低功率值;
所述风力发电机组的主控器用于接收所述第一控制指令或者第二控制指令,并根据所述第一控制指令或者第二控制指令执行对应的动作。
本发明的风力发电机组低电压穿越控制方法、装置及系统,通过电网调度控制器根据每个风电场的出功能力以及维持区域电网稳定所需的总功率,确定每个风电场在电网故障时的最低功率值;进而由风电场的场级控制器接收电网调度控制器发送的对应的所述最低功率值,并将对应风电场内各风力发电机组感测得到的风资源信息输入到预先训练好的功率预测模型中,得到风电场内各风力发电机组对应的预测功率值,并对风电场内各风力发电机组的预测功率值按照从大到小进行优先级排序;进而由所述场级控制器控制优先级排在前N位的风力发电机组在电网故障时不脱网,以预设的低电压穿越运行策略运行,控制所述优先级排在前N位的风力发电机组之外的其它风力发电机组在电网故障时脱网运行;由于所述优先级排在前N位的风力发电机组在电网故障时的预测功率值之和大于或等于对应风电场的所述最低功率值,通过控制优先级排在前N位的风力发电机组在电网故障时不脱网即可保证对应风电场在电网恢复正常时,能正常输出的功率值为对应的最低功率值,各个风电场输出相应的最低功率值,从而对于区域电网来说,在电压恢复正常时能维持区域电网稳定所需的总功率,从而保证区域电网的稳定性,各个区域电网保持稳定之后,整个电场也能保持稳定,实现在各风机侧用最小的低电压穿越的软硬件代价,在电网故障时保证电网的正常运行。
附图说明
并入到说明书中并且构成说明书的一部分的附图示出了本发明的实施例,并且与描述一起用于解释本发明的原理。在这些附图中,类似的附图标记用于表示类似的要素。下面描述中的附图是本发明的一些实施例,而不是全部实施例。对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种风力发电机组低电压穿越控制方法的流程示意图;
图2为本发明实施例提供的一种风力发电机组低电压穿越控制装置的结构框图;
图3为明实施例提供的一种风力发电机组低电压穿越控制系统的结构框图。
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、完整地描述,显然,所描述的实施例是本发明一部分实施例,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。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任意组合。
下面结合附图详细说明本发明实施涉及的风力发电机组低电压穿越控制方法、装置及系统。
参见图1所示,本发明实施例提供的一种风力发电机组低电压穿越控制方法包括步骤:
第一步:电网调度控制器(可以理解为一定区域内(预先划分的)电网子站内的控制器,比如华南地区的电网控制器)根据每个风电场的出功能力以及维持区域电网稳定所需的总功率,确定每个风电场在电网故障时(如电网电压小于预设阈值时)的最低功率值;
第二步:风电场的场级控制器接收电网调度控制器发送的对应的所述最低功率值,并将对应风电场内各风力发电机组感测得到的风资源信息输入到预先训练好的功率预测模型中,得到风电场内各风力发电机组对应的预测功率值,并对风电场内各风力发电机组的预测功率值按照从大到小进行优先级排序;
第三步:所述场级控制器控制优先级排在前N位的风力发电机组在电网故障时不脱网,以预设的低电压穿越运行策略运行,控制所述优先级排在前N位的风力发电机组之外的其它风力发电机组在电网故障时脱网运行;所述优先级排在前N位的风力发电机组在电网故障时的预测功率值之和大于或等于对应风电场的所述最低功率值。
进一步地,所述风资源信息包括:各风机发电机组实时感测得到的风密度信息、风速信息、风向信息以及湍流强度信息;所述功率预测模型为机器学习模型。对于风的密度而言,风速相同时,密度小,风力就小,风力发电机组的输出功率就越小。湍流会使可发挥作用的风力变小。
进一步地,所述功率预测模型的输入信息包括所述风资源信息、偏航的速度信息、调桨信息、叶片的气动信息以及风机发电机组的振动信息。此外,影响风力发电机组的功率因素还包括:偏航的速度和精度。速度是指风向变化了,但偏航到对准到新风向的速度慢,也会影响功率。精度也包括风向标的精度。转矩与转速是不是匹配,也就是接近最佳叶尖速比。调桨的性能和跟随响应精度,风变小了,而开桨比较慢,也会影响功率。转速测量的精度,因为转矩PID、桨角PID都是根据转速值来计算的。另外叶片本身的气动性能也会影响风力发电机组的输出功率。
进一步地,所述机器学习模型为神经网络模型,具体神经网络的类型不限。通过将各个历史时刻的风资源信息、偏航的速度信息、调桨信息、叶片的气动信息以及风机发电机组的振动信息作为神经网络的输入,将对应历史时刻的风力发电机组的输出功率值作为神经网络的输出,训练得到神经网络的各层的参数,进而将训练好的神经网络作为训练好的功率预测模型。将实时风资源信息、偏航的速度信息、调桨信息、叶片的气动信息以及风机发电机组的振动信息作为训练好的神经网络的输入,训练好的神经网络的输出即作为实时预测得到的各个风力发电机组的预测功率值。首先,上述第一步中,每个风电场的出功能力可以根据各个风力发电机组的额定输出功率和风电场的风力发电机组的台数确定,比如每个风力发电机组的额定输出功率是1.5MW,风电场的风力发电机组的台数为20台,则该风电场的出功能力(总额定输出功率)为1.5*20=30MW。该电网调度控制器可以为区域电网站的控制器,其根据该区域电网下各个风场的额定输出功率按照一定比例确定维持区域电网稳定所需的总功率。比如该区域电网对接有10个风电场(若总额定功率为450MW,各风电场的额定功率分别为30MW、30MW、30MW、30MW、30MW、60MW、60MW、60MW、60MW、60MW)。若按照85%(该比例可根据历史数据确定或者根据经验确定,当然还可以根据现有机器学习方法通过优化计算确定)的比例即可维持区域电网的稳定,则维持区域电网稳定所需的总功率为450MW*85%=382.5MW。该总功率可以根据各个风电场的额定功率的比例分担,每个风电场在电网故障时的最低功率值分别是25.5MW、25.5MW、25.5MW、25.5MW、25.5MW、51MW、51MW、51MW、51MW和51MW。
其次,上述第二步中,根据当前的风资源信息可以实时预测各风力发电机组的实时输出功率值,优选地,还可以考虑风力发电机组的振动信息以及湍流信息等其他信息,以更精确地预测实时输出功率值。上述的功率预测模型具体可以选择现有的各种机器学习算法,比如神经网络等,通过历史数据(风速、风向、湍流和振动信息等作为功率预测模型的输入,风力发电机组的实时输出功率作为模型的输出),训练得到输出值与输入值之间的关系。由此,在实际运行过程中,只要将实时感测得到的风速、风向、湍流和振动信息等作为功率预测模型的输入,即可得到风力发电机组的实时输出功率,并对对风电场内各风力发电机组的预测功率值按照从大到小进行优先级排序。比如对第一风电场(每个风力发电机组的额定输出功率是1.5MW,风电场的风力发电机组的台数为20台)而言,其在电网故障时的最低功率值为25.5MW,如果通过功率预测模型预测1-20台风力发电机组的实时输出功率分别是1.48MW(第1台)、1.41MW(第2台)、1.43MW(第3台)、1.48MW(第4台)、1.41MW(第5台)、1.42MW(第6台)、1.48MW(第7台)、1.41MW(第8台)、1.38MW(第9台)、1.25MW(第10台)、1.48MW(第11台)、1.41MW(第12台)、1.43MW(第13台)、1.48MW(第14台)、1.41MW(第15台)、1.42MW(第16台)、1.48MW(第17台)、1.41MW(第18台)、1.38MW(第19台)、1.25MW(第20台)。则各风力发电机组的优先级排序为:1.48MW(第1台)、1.48MW(第4台)、1.48MW(第7台)、1.48MW(第11台)、1.48MW(第14台)、1.48MW(第17台)、1.43MW(第3台)、1.43MW(第13台)、1.42MW(第6台)、1.42MW(第16台)、1.41MW(第2台)、1.41MW(第5台)、1.41MW(第8台)、1.41MW(第12台)、1.41MW(第15台)、1.41MW(第18台)、1.38MW(第9台)、1.38MW(第19台)、1.25MW(第10台)、1.25MW(第20台)。排名前18的风力发电机组预设得到的总实时输出功率为25.8MW,故在第三步中对排名前18的风力发电机组发送第一控制指令,依照预设的低电压穿越运行策略(可以参见现有的低电压穿越运行策略)运行,保障不脱网,而排名第19及20的风力发电机组即可以在电网故障时脱网运行,不消耗机组中为低电压穿越功能配置的硬件和软件资源,延长低电压穿越功能配置的硬件和软件资源的使用寿命,实现在各风机侧用最小的低电压穿越的软硬件代价,在电网故障时保证电网的正常运行。
本实施例通过电网调度控制器根据每个风电场的出功能力以及维持区域电网稳定所需的总功率,确定每个风电场在电网故障时的最低功率值;进而由风电场的场级控制器接收电网调度控制器发送的对应的所述最低功率值,并将对应风电场内各风力发电机组感测得到的风资源信息输入到预先训练好的功率预测模型中,得到风电场内各风力发电机组对应的预测功率值,并对风电场内各风力发电机组的预测功率值按照从大到小进行优先级排序;进而由所述场级控制器控制优先级排在前N位的风力发电机组在电网故障时不脱网,以预设的低电压穿越运行策略运行,控制所述优先级排在前N位的风力发电机组之外的其它风力发电机组在电网故障时脱网运行;由于所述优先级排在前N位的风力发电机组在电网故障时的预测功率值之和大于或等于对应风电场的所述最低功率值,通过控制优先级排在前N位的风力发电机组在电网故障时不脱网即可保证对应风电场在电网恢复正常时,能正常输出的功率值为对应的最低功率值,各个风电场输出相应的最低功率值,从而对于区域电网来说,在电压恢复正常时能维持区域电网稳定所需的总功率,从而保证区域电网的稳定性,各个区域电网保持稳定之后,整个电场也能保持稳定,实现在各风机侧用最小的低电压穿越的软硬件代价,在电网故障时保证电网的正常运行。
参见图2所示,本发明实施例提供的一种风力发电机组低电压穿越控制装置200,图1所示的方法的解释说明可以应用于本实施例,风力发电机组低电压穿越控制装置200包括:
接收模块201,用于接收电网调度控制器根据每个风电场的出功能力以及维持区域电网稳定所需的总功率,确定并发送的每个风电场在电网故障时的最低功率值;
预测模块203,用于将对应风电场内各风力发电机组感测得到的风资源信息输入到预先训练好的功率预测模型中,得到风电场内各风力发电机组对应的预测功率值;
排序模块205,用于对风电场内各风力发电机组的预测功率值按照从大到小进行优先级排序;所述优先级排在前N位的风力发电机组在电网故障时的预测功率值之和大于或等于对应风电场的所述最低功率值;
控制信号生成模块207,生成第一控制指令及第二控制指令,所述第一控制指令用于控制优先级排在前N位的风力发电机组在电网故障时不脱网,以预设的低电压穿越运行策略运行;所述第二控制指令用于控制所述优先级排在前N位的风力发电机组之外的其它风力发电机组在电网故障时脱网运行;
发送模块209,用于向优先级排在前N位的风力发电机组的主控器发送所述第一控制指令,并向优先级排在前N位的风力发电机组之外的其它风力发电机组发送所述第二控制指令。
进一步地,所述风资源信息包括:各风机发电机组实时感测得到的风密度信息、风速信息、风向信息以及湍流强度信息;所述功率预测模型为机器学习模型。对于风的密度而言,风速相同时,密度小,风力就小,风力发电机组的输出功率就越小。湍流会使可发挥作用的风力变小。
进一步地,所述功率预测模型的输入信息包括所述风资源信息、偏航的速度信息、调桨信息、叶片的气动信息以及风机发电机组的振动信息。此外,影响风力发电机组的功率因素还包括:偏航的速度和精度。速度是指风向变化了,但偏航到对准到新风向的速度慢,也会影响功率。精度也包括风向标的精度。转矩与转速是不是匹配,也就是接近最佳叶尖速比。调桨的性能和跟随响应精度,风变小了,而开桨比较慢,也会影响功率。转速测量的精度,因为转矩PID、桨角PID都是根据转速值来计算的。另外叶片本身的气动性能也会影响风力发电机组的输出功率。
进一步地,所述机器学习模型为神经网络模型,具体神经网络的类型不限。通过将各个历史时刻的风资源信息、偏航的速度信息、调桨信息、叶片的气动信息以及风机发电机组的振动信息作为神经网络的输入,将对应历史时刻的风力发电机组的输出功率值作为神经网络的输出,训练得到神经网络的各层的参数,进而将训练好的神经网络作为训练好的功率预测模型。将实时风资源信息、偏航的速度信息、调桨信息、叶片的气动信息以及风机发电机组的振动信息作为训练好的神经网络的输入,训练好的神经网络的输出即作为实时预测得到的各个风力发电机组的预测功率值。
优选地,所述风力发电机组低电压穿越控制装置设置在风电场的场级控制器中。
本实施例通过电网调度控制器根据每个风电场的出功能力以及维持区域电网稳定所需的总功率,确定每个风电场在电网故障时的最低功率值;进而由风电场的场级控制器接收电网调度控制器发送的对应的所述最低功率值,并将对应风电场内各风力发电机组感测得到的风资源信息输入到预先训练好的功率预测模型中,得到风电场内各风力发电机组对应的预测功率值,并对风电场内各风力发电机组的预测功率值按照从大到小进行优先级排序;进而由所述场级控制器控制优先级排在前N位的风力发电机组在电网故障时不脱网,以预设的低电压穿越运行策略运行,控制所述优先级排在前N位的风力发电机组之外的其它风力发电机组在电网故障时脱网运行;由于所述优先级排在前N位的风力发电机组在电网故障时的预测功率值之和大于或等于对应风电场的所述最低功率值,通过控制优先级排在前N位的风力发电机组在电网故障时不脱网即可保证对应风电场在电网恢复正常时,能正常输出的功率值为对应的最低功率值,各个风电场输出相应的最低功率值,从而对于区域电网来说,在电压恢复正常时能维持区域电网稳定所需的总功率,从而保证区域电网的稳定性,各个区域电网保持稳定之后,整个电场也能保持稳定,实现在各风机侧用最小的低电压穿越的软硬件代价,在电网故障时保证电网的正常运行。
参见图3所示,本发明实施例提供的另一种风力发电机组低电压穿越控制系统,图1所示的方法及图2所示的装置的解释说明可以应用于本实施例,风力发电机组低电压穿越控制系统300包括:电网调度控制器301、上述的风力发电机组低电压穿越控制装置200及以及风力发电机组的主控器303;
所述电网调度控制器301,用于根据每个风电场的出功能力以及维持区域电网稳定所需的总功率,确定每个风电场在电网故障时的最低功率值;
所述风力发电机组低电压穿越控制装置200,用于接收电网调度控制器发送的对应的所述最低功率值,并将对应风电场内各风力发电机组感测得到的风资源信息输入到预先训练好的功率预测模型中,得到风电场内各风力发电机组对应的预测功率值,并对风电场内各风力发电机组的预测功率值按照从大到小进行优先级排序;向优先级排在前N位的风力发电机组的主控器发送第一控制指令,并向优先级排在前N位的风力发电机组之外的其它风力发电机组发送第二控制指令;其中,所述第一控制指令用于控制优先级排在前N位的风力发电机组在电网故障时不脱网,以预设的低电压穿越运行策略运行;所述第二控制指令用于控制所述优先级排在前N位的风力发电机组之外的其它风力发电机组在电网故障时脱网运行;所述优先级排在前N位的风力发电机组在电网故障时的预测功率值之和大于或等于对应风电场的所述最低功率值;
所述风力发电机组的主控器303用于接收所述第一控制指令或者第二控制指令,并根据所述第一控制指令或者第二控制指令执行对应的动作。
本实施例通过电网调度控制器根据每个风电场的出功能力以及维持区域电网稳定所需的总功率,确定每个风电场在电网故障时的最低功率值;进而由风电场的场级控制器接收电网调度控制器发送的对应的所述最低功率值,并将对应风电场内各风力发电机组感测得到的风资源信息输入到预先训练好的功率预测模型中,得到风电场内各风力发电机组对应的预测功率值,并对风电场内各风力发电机组的预测功率值按照从大到小进行优先级排序;进而由所述场级控制器控制优先级排在前N位的风力发电机组在电网故障时不脱网,以预设的低电压穿越运行策略运行,控制所述优先级排在前N位的风力发电机组之外的其它风力发电机组在电网故障时脱网运行;由于所述优先级排在前N位的风力发电机组在电网故障时的预测功率值之和大于或等于对应风电场的所述最低功率值,通过控制优先级排在前N位的风力发电机组在电网故障时不脱网即可保证对应风电场在电网恢复正常时,能正常输出的功率值为对应的最低功率值,各个风电场输出相应的最低功率值,从而对于区域电网来说,在电压恢复正常时能维持区域电网稳定所需的总功率,从而保证区域电网的稳定性,各个区域电网保持稳定之后,整个电场也能保持稳定,实现在各风机侧用最小的低电压穿越的软硬件代价,在电网故障时保证电网的正常运行。
本领域普通技术人员可以理解,实现上述实施例的全部或者部分步骤/单元/模块可以通过程序指令相关的硬件来完成,前述程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述实施例各单元中对应的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光碟等各种可以存储程序代码的介质。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种风力发电机组低电压穿越控制方法,其特征在于,所述方法包括步骤:
电网调度控制器根据每个风电场的出功能力以及维持区域电网稳定所需的总功率,确定每个风电场在电网故障时的最低功率值;
风电场的场级控制器接收电网调度控制器发送的对应的所述最低功率值,并将对应风电场内各风力发电机组感测得到的风资源信息输入到预先训练好的功率预测模型中,得到风电场内各风力发电机组对应的预测功率值,并对风电场内各风力发电机组的预测功率值按照从大到小进行优先级排序;所述优先级排在前N位的风力发电机组在电网故障时的预测功率值之和大于或等于对应风电场的所述最低功率值;
所述场级控制器控制优先级排在前N位的风力发电机组在电网故障时不脱网,以预设的低电压穿越运行策略运行,控制所述优先级排在前N位的风力发电机组之外的其它风力发电机组在电网故障时脱网运行,所述风资源信息包括:各风机发电机组实时感测得到的风密度信息、风速信息、风向信息以及湍流强度信息;
所述功率预测模型为机器学习模型,所述功率预测模型的输入信息包括所述风资源信息、偏航的速度信息、调桨信息、叶片的气动信息以及风机发电机组的振动信息,所述机器学习模型为神经网络模型。
2.一种风力发电机组低电压穿越控制装置,其特征在于,包括:
接收模块,用于接收电网调度控制器根据每个风电场的出功能力以及维持区域电网稳定所需的总功率,确定并发送的每个风电场在电网故障时的最低功率值;
预测模块,用于将对应风电场内各风力发电机组感测得到的风资源信息输入到预先训练好的功率预测模型中,得到风电场内各风力发电机组对应的预测功率值;
排序模块,用于对风电场内各风力发电机组的预测功率值按照从大到小进行优先级排序;所述优先级排在前N位的风力发电机组在电网故障时的预测功率值之和大于或等于对应风电场的所述最低功率值;
控制信号生成模块,生成第一控制指令及第二控制指令,所述第一控制指令用于控制优先级排在前N位的风力发电机组在电网故障时不脱网,以预设的低电压穿越运行策略运行;所述第二控制指令用于控制所述优先级排在前N位的风力发电机组之外的其它风力发电机组在电网故障时脱网运行;
发送模块,用于向优先级排在前N位的风力发电机组的主控器发送所述第一控制指令,并向优先级排在前N位的风力发电机组之外的其它风力发电机组发送所述第二控制指令,所述风资源信息包括:各风机发电机组实时感测得到的风密度信息、风速信息、风向信息以及湍流强度信息;
所述功率预测模型为机器学习模型,所述功率预测模型的输入信息包括所述风资源信息、偏航的速度信息、调桨信息、叶片的气动信息以及风机发电机组的振动信息,所述机器学习模型为神经网络模型,所述风力发电机组低电压穿越控制装置设置在风电场的场级控制器中。
3.一种风力发电机组低电压穿越控制系统,其特征在于,包括:电网调度控制器、如权利要求2所述的风力发电机组低电压穿越控制装置及以及风力发电机组的主控器;
所述电网调度控制器,用于根据每个风电场的出功能力以及维持区域电网稳定所需的总功率,确定每个风电场在电网故障时的最低功率值;
所述风力发电机组低电压穿越控制装置,用于接收电网调度控制器发送的对应的所述最低功率值,并将对应风电场内各风力发电机组感测得到的风资源信息输入到预先训练好的功率预测模型中,得到风电场内各风力发电机组对应的预测功率值,并对风电场内各风力发电机组的预测功率值按照从大到小进行优先级排序;向优先级排在前N位的风力发电机组的主控器发送第一控制指令,并向优先级排在前N位的风力发电机组之外的其它风力发电机组发送第二控制指令;其中,所述第一控制指令用于控制优先级排在前N位的风力发电机组在电网故障时不脱网,以预设的低电压穿越运行策略运行;所述第二控制指令用于控制所述优先级排在前N位的风力发电机组之外的其它风力发电机组在电网故障时脱网运行;所述优先级排在前N位的风力发电机组在电网故障时的预测功率值之和大于或等于对应风电场的所述最低功率值;
所述风力发电机组的主控器用于接收所述第一控制指令或者第二控制指令,并根据所述第一控制指令或者第二控制指令执行对应的动作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810747624.8A CN108988381B (zh) | 2018-07-09 | 2018-07-09 | 风力发电机组低电压穿越控制方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810747624.8A CN108988381B (zh) | 2018-07-09 | 2018-07-09 | 风力发电机组低电压穿越控制方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108988381A CN108988381A (zh) | 2018-12-11 |
CN108988381B true CN108988381B (zh) | 2022-04-15 |
Family
ID=64536538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810747624.8A Active CN108988381B (zh) | 2018-07-09 | 2018-07-09 | 风力发电机组低电压穿越控制方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108988381B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111852760B (zh) * | 2019-04-24 | 2022-07-05 | 新疆金风科技股份有限公司 | 风力发电机组运行控制方法、装置和存储介质 |
CN111509718A (zh) * | 2020-05-31 | 2020-08-07 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种用于输变电的安全稳定控制系统以及方法 |
CN112633583B (zh) * | 2020-12-29 | 2023-07-11 | 南方电网调峰调频发电有限公司 | 发电机组振动预测方法、装置、计算机设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103199538A (zh) * | 2012-01-10 | 2013-07-10 | 浙江省电力公司 | 日前计划多尺度逼近的发电计划闭环控制方法 |
CN105939021A (zh) * | 2015-12-15 | 2016-09-14 | 国电南瑞科技股份有限公司 | 一种计及风机低电压穿越能力的电网频率控制方法 |
CN107565572A (zh) * | 2017-09-21 | 2018-01-09 | 海南电网有限责任公司 | 一种电网运行方式调整方法及装置 |
-
2018
- 2018-07-09 CN CN201810747624.8A patent/CN108988381B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103199538A (zh) * | 2012-01-10 | 2013-07-10 | 浙江省电力公司 | 日前计划多尺度逼近的发电计划闭环控制方法 |
CN105939021A (zh) * | 2015-12-15 | 2016-09-14 | 国电南瑞科技股份有限公司 | 一种计及风机低电压穿越能力的电网频率控制方法 |
CN107565572A (zh) * | 2017-09-21 | 2018-01-09 | 海南电网有限责任公司 | 一种电网运行方式调整方法及装置 |
Non-Patent Citations (2)
Title |
---|
基于RTDS的双馈式风电机组低电压穿越策略;任永峰 等;《太阳能学报》;20141130;第35卷(第11期);第2271-2278页 * |
火电机组辅机变频器低电压过渡能力测试研究;杨宝峰 等;《内蒙古电力技术》;20140430;第32卷(第4期);第10-15页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108988381A (zh) | 2018-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8912674B2 (en) | System and method of selecting wind turbine generators in a wind park for change of output power | |
US8860237B2 (en) | System and method of selecting wind turbine generators in a wind park for curtailment of output power to provide a wind reserve | |
US10731630B2 (en) | Extended reaction power for wind farms | |
WO2017201503A1 (en) | System and method for balancing reactive power loading between renewable energy power systems | |
CN108988381B (zh) | 风力发电机组低电压穿越控制方法、装置及系统 | |
EP2659564B1 (en) | Reactive power management for wind power plant internal grid | |
CN105337415A (zh) | 一种基于预测控制的地区电网调度系统及其方法 | |
Fan et al. | An optimized decentralized power sharing strategy for wind farm de-loading | |
Song et al. | An overview of renewable wind energy conversion system modeling and control | |
CN108879767B (zh) | 风力发电机组高电压穿越控制方法、装置及系统 | |
CN102661243A (zh) | 一种双馈感应风电机组的预报校正变桨控制方法 | |
Bertašienė et al. | Synergies of Wind Turbine control techniques | |
Shan et al. | Modeling and Control of Wind Speed in Renewable Energy Power Generation and Wind Power Generation Systems | |
CN107465208A (zh) | 改进式双馈风力发电机系统及其控制方法 | |
CN109667713B (zh) | 一种风力发电机组增功控制方法及装置 | |
Li et al. | An integrated frequency regualtion control strategy considering the full wind speed of wind turbine and energy storage system | |
Ramtharan et al. | Support for Spinning Reserve from DFIG based wind turbines | |
CN115051419B (zh) | 发电受限判断方法、装置、电子设备和存储介质 | |
Jain et al. | Variable renewable generation and grid operation | |
Viveiros et al. | Adaptive and predictive controllers applied to onshore wind energy conversion system | |
EP3809224A1 (en) | Systems and methods for optimizing scheduling of health checks for wind turbines during periods of low wind speeds | |
Huang et al. | Reinforcement Learning-Based Multiobjective Control of Grid-Connected Wind Farms | |
Courtecuisse et al. | Fuzz logic based primary frequency control of variable speed wind generators | |
Li et al. | Research on Modeling and Control of the Front-end Speed Controlled Wind Turbine Based on Hybrid Automata | |
Basit et al. | Analysis of Highly Wind Power Integrated Power System model performance during Critical Weather conditions |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |