CN108988382A - 光伏发电站的并网监测与评估方法及系统 - Google Patents

光伏发电站的并网监测与评估方法及系统 Download PDF

Info

Publication number
CN108988382A
CN108988382A CN201810747626.7A CN201810747626A CN108988382A CN 108988382 A CN108988382 A CN 108988382A CN 201810747626 A CN201810747626 A CN 201810747626A CN 108988382 A CN108988382 A CN 108988382A
Authority
CN
China
Prior art keywords
test
photo
power generation
generation station
voltaic power
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
CN201810747626.7A
Other languages
English (en)
Inventor
韩俊飞
吴集光
杨宝峰
尹柏清
苏日娜
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.)
BRANCH Co OF INNER MONGOLIA ELECTRIC POWER SCIENCE SEARCH INSTITUTE INNER MONGOLIA POWER (GROUP) Co Ltd
Inner Mongolia Electric Power Research Institute of Inner Mongolia Power Group Co Ltd
Original Assignee
BRANCH Co OF INNER MONGOLIA ELECTRIC POWER SCIENCE SEARCH INSTITUTE INNER MONGOLIA POWER (GROUP) Co Ltd
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 BRANCH Co OF INNER MONGOLIA ELECTRIC POWER SCIENCE SEARCH INSTITUTE INNER MONGOLIA POWER (GROUP) Co Ltd filed Critical BRANCH Co OF INNER MONGOLIA ELECTRIC POWER SCIENCE SEARCH INSTITUTE INNER MONGOLIA POWER (GROUP) Co Ltd
Priority to CN201810747626.7A priority Critical patent/CN108988382A/zh
Publication of CN108988382A publication Critical patent/CN108988382A/zh
Pending legal-status Critical Current

Links

Classifications

    • H02J3/383
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/26Arrangements for eliminating or reducing asymmetry in polyphase networks
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02SGENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/388Islanding, i.e. disconnection of local power supply from the network
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/50Photovoltaic [PV] energy
    • Y02E10/56Power conversion systems, e.g. maximum power point trackers
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/50Arrangements for eliminating or reducing asymmetry in polyphase networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明公开了一种光伏发电站的并网监测与评估方法及系统,该方法包括:在RTDS实时仿真平台中搭建形成光伏发电站模型;对光伏发电站模型进行各项性能测试;将所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、所述光伏发电站的电能质量测试的测试结果进行特征化处理,得到对应的测试特征值;将各测试特征值输入到预先训练好的机器学习预测模型中,预测得到所述光伏发电站的并网监测评估打分结果。实施本发明能对设计的光伏发电站模型进行优劣打分,进而实现对光伏发电站模型的整体评估。

Description

光伏发电站的并网监测与评估方法及系统
技术领域
本发明涉及风力发电机领域,特别涉及一种光伏发电站的并网监测与评估方法及系统。
背景技术
随着世界能源危机的不断深化及我国社会经济结构的不断调整,清洁能源在国家能源结构中的地位日益突出。为了推进光伏发电的快速发展,国家相继出台了光伏产业发展的相关刺激和优惠政策,内蒙古自治区太阳能资源丰富,年日照时数为2600-3400小时,全区大部分地区年太阳能总辐射在5000兆焦/平方米以上,光伏发电潜力巨大。蒙西地区已建设或规划中光伏电站大都位于电网薄弱地区或末端,大型光伏电站集中并网给电网规划和稳定运行都带来了新的挑战。为了保证蒙西电网安全、稳定、高效运行,迫切需要研究光伏电站并网运行的动态机理及检测方法,对蒙西电网中大规模光伏电站并网运行的影响进行评估。
光伏并网发电系统是指将太阳能电池组件输出的直流电通过并网逆变器转化为与电网电压同幅值、同相、同频的交流电,并将电能馈送到电网的发电系统。与常规电源相比,光伏发电是通过电力电子装置并网,没有旋转部件(无惯性、无阻尼)。光伏发电系统中,并网发电系统占据了大多数市场份额,光伏并网发电系统比独立式发电系统具有更低的造价、更稳定的电能供给,更广阔的发展前景。光伏发电的运行控制特性完全由电力电子逆变器决定,没有转动惯量和阻尼特性,与常规发电机组有较大的区别,光伏发电的大规模接入对电网的安全稳定分析提出了新的挑战。
光伏电站并网对电力系统的影响如下:
(1)电能质量问题
光伏电站大量使用电力电子并网设备带来的电能质量问题。光伏发电通过电力电子逆变器并网,易产生谐波、三相电流不平衡;输出功率随机性易造成电网电压波动、闪变。其它分布式光伏电源直接在用户侧接入电网,电能质量问题直接影响用户的电器设备安全。
(2)非计划性孤岛效应引起的安全问题
在光伏并网发电系统中,孤岛现象是指当电网侧的供电因电气故障、人为或自然等原因中断供电时,光伏并网系统未能及时检测出停电状态并脱离电网,使该系统和周围的负载形成的一个电力系统无法掌控的自给供电孤岛的情况。光伏发电并网系统处于非计划性孤岛运行状态时会产生如下严重后果:
a)可能导致电网维护人员在接触孤岛供电线路时触电;
b)使得孤岛区域的供电电压和频率不稳定,影响配电系统的保护开关动作程序;
c)如果负载容量大于光伏发电系统容量,光伏发电系统过载运行,容易被烧毁;
d)电网恢复供电时由于相位不同步导致冲击电流会损坏并网逆变器和其它设备;
e)光伏并网系统在孤岛状态下单相供电从而引起本地三相负载的欠相供电问题。
(3)低电压穿越能力的问题;
(4)并网光伏电站的电压/频率响应特性测试;
(5)光伏发电站有功功率输出特性测试;
(6)光伏发电站有功/无功控制能力测试。
目前关于光伏发电站的各项测试方面的专利,例如公开号为CN104101801B的专利公开了一种光伏太阳能一站式并网检测系统,具体是一种光伏发电站在正常运行或电网异常时的响应能力的检测系统,是针对国家要求的光伏发电站的并网能力测试而设计的一种检测系统。本发明是将检测系统串于并网逆变器与升压变压器之间,通过开关S1为设备上电,S2、S3分别为电压跌落装置和电网扰动装置的旁路开关,测试时断开相应旁路开关,可调负载RLC通过开关S4接入系统。本发明能够利用该设备完成光伏发电站及发电系统的所有并网检测内容。可一次性完成光伏发电站的电压/频率响应特性、防孤岛保护特性、功率输出特性、有功/无功控制能力、低电压穿越能力以及电能质量等测试,从而达到验证光伏发电站并网性能的目的。此外,还有基于RTDS进行对光伏发电站的仿真测试。
然而,上述仿真测试都是基于对仿真模型的各个性能进行单独测试,并基于各个性能测试的结果进行单独评价。对于在光伏发电站模型在设计阶段,没有一个对设计的光伏发电站模型一个整体的评价,从而无法对光伏发电站模型进行整体评估。
发明内容
有鉴于此,本发明旨在提供一种光伏发电站的并网监测与评估方法及系统,以实现对设计的光伏发电站模型进行整体的评价。
具体而言,本发明提供一种光伏发电站的并网监测与评估方法,所述方法包括步骤:
在RTDS实时仿真平台中搭建形成光伏发电站模型,所述光伏发电站模型包括太阳能电池板阵列模型、光伏逆变器模型、运行工况模型和变压器模型;
对光伏发电站模型进行各项性能测试,所述各项性能测试包括:所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、以及所述光伏发电站的电能质量测试;
将所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、所述光伏发电站的电能质量测试的测试结果进行特征化处理,得到对应的低电压穿越能力测试特征值、电压/频率响应特性测试特征值、有功功率输出特性测试特征值、有功/无功控制能力测试特征值、防孤岛保护特性测试特征值、电能质量测试特征值;
将所述低电压穿越能力测试特征值、电压/频率响应特性测试特征值、有功功率输出特性测试特征值、有功/无功控制能力测试特征值、防孤岛保护特性测试特征值、电能质量测试特征值输入到预先训练好的机器学习预测模型中,预测得到所述光伏发电站的并网监测评估打分结果;
其中,所述机器学习预测模型通过以下方法训练得到:
将历史时间段内各个光伏发电站的实际运行过程中得到的低电压穿越能力测试、电压/频率响应特性测试、有功功率输出特性测试、有功/无功控制能力测试、防孤岛保护特性测试、电能质量测试的测试结果对应的测试特征值作为所述机器学习预测模型的输入;将专家根据各个光伏发电站的实际运行过程对各个光伏发电站的打分值作为所述机器学习预测模型的输出,对所述机器学习预测模型进行学习训练,以得到训练好的机器学习预测模型。
进一步地,所述机器学习预测模型为神经网络模型。
进一步地,所述将所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、所述光伏发电站的电能质量测试的测试结果进行特征化处理,包括:当所述光伏发电站的低电压穿越能力测试的测试结果为满足预设的低电压穿越能力条件时,低电压穿越能力测试特征值设置为1;当所述光伏发电站的低电压穿越能力测试的测试结果为不满足预设的低电压穿越能力条件时,低电压穿越能力测试特征值设置为0;
当所述光伏发电站的电压/频率响应特性测试的测试结果为满足预设的电压/频率响应条件时,电压/频率响应特性测试特征值设置为1;当所光伏发电站的电压/频率响应特性测试的测试结果为不满足预设的电压/频率响应条件时,电压/频率响应特性特征值设置为0;
当所述有功/无功控制能力测试的测试结果为满足预设的有功/无功控制能力条件时,有功/无功控制能力测试特征值设置为1;当所述有功/无功控制能力测试的测试结果为不满足预设的有功/无功控制能力条件时,有功/无功控制能力测试特征值设置为0;
当所述防孤岛保护特性测试的测试结果为满足预设的防孤岛保护特性条件时,防孤岛保护特性测试特征值设置为1;当所述防孤岛保护特性测试的测试结果为不满足预设的防孤岛保护特性条件时,防孤岛保护特性测试特征值设置为0;
根据预设的第一量化标准,将光伏发电站的有功功率输出特性测试的测试结果进行计算得到有功功率输出特性测试特征值;
根据预设的第二量化标准,将光伏发电站的电能质量测试的测试结果进行计算得到电能质量测试特征值。
进一步地,所述预设的第一量化标准为:计算测试时间段内各个时间点光伏发电站的有功功率输出特性测试的测试结果的积分值;
所述第二量化标准为计算测试时间段内各个时间点光伏发电站的电能质量测试的测试结果的平均值。
进一步地,所述电能质量测试的测试结果包括:对所述光伏发电站的闪变测试、对所述光伏发电站的谐波和间谐波测试:以及对所述光伏发电站的三相电压不平衡度测试。
具体而言,本发明提供一种光伏发电站的并网监测与评估系统,包括:
RTDS实时仿真平台,用于搭建形成光伏发电站模型,所述光伏发电站模型包括太阳能电池板阵列模型、光伏逆变器模型、运行工况模型和变压器模型;
测试装置,用于对光伏发电站模型进行各项性能测试,所述各项性能测试包括:所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、以及所述光伏发电站的电能质量测试;
机器学习预测装置,用于将所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、所述光伏发电站的电能质量测试的测试结果进行特征化处理,得到对应的低电压穿越能力测试特征值、电压/频率响应特性测试特征值、有功功率输出特性测试特征值、有功/无功控制能力测试特征值、防孤岛保护特性测试特征值、电能质量测试特征值;
将所述低电压穿越能力测试特征值、电压/频率响应特性测试特征值、有功功率输出特性测试特征值、有功/无功控制能力测试特征值、防孤岛保护特性测试特征值、电能质量测试特征值输入到预先训练好的机器学习预测模型中,预测得到所述光伏发电站的并网监测评估打分结果;
其中,所述机器学习预测模型通过以下方法训练得到:
将历史时间段内各个光伏发电站的实际运行过程中得到的低电压穿越能力测试、电压/频率响应特性测试、有功功率输出特性测试、有功/无功控制能力测试、防孤岛保护特性测试、电能质量测试的测试结果对应的测试特征值作为所述机器学习预测模型的输入;将专家根据各个光伏发电站的实际运行过程对各个光伏发电站的打分值作为所述机器学习预测模型的输出,对所述机器学习预测模型进行学习训练,以得到训练好的机器学习预测模型。
进一步地,所述机器学习预测模型为神经网络模型。
进一步地,所述将所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、所述光伏发电站的电能质量测试的测试结果进行特征化处理,包括:当所述光伏发电站的低电压穿越能力测试的测试结果为满足预设的低电压穿越能力条件时,低电压穿越能力测试特征值设置为1;当所述光伏发电站的低电压穿越能力测试的测试结果为不满足预设的低电压穿越能力条件时,低电压穿越能力测试特征值设置为0;
当所述光伏发电站的电压/频率响应特性测试的测试结果为满足预设的电压/频率响应条件时,电压/频率响应特性测试特征值设置为1;当所光伏发电站的电压/频率响应特性测试的测试结果为不满足预设的电压/频率响应条件时,电压/频率响应特性特征值设置为0;
当所述有功/无功控制能力测试的测试结果为满足预设的有功/无功控制能力条件时,有功/无功控制能力测试特征值设置为1;当所述有功/无功控制能力测试的测试结果为不满足预设的有功/无功控制能力条件时,有功/无功控制能力测试特征值设置为0;
当所述防孤岛保护特性测试的测试结果为满足预设的防孤岛保护特性条件时,防孤岛保护特性测试特征值设置为1;当所述防孤岛保护特性测试的测试结果为不满足预设的防孤岛保护特性条件时,防孤岛保护特性测试特征值设置为0;
根据预设的第一量化标准,将光伏发电站的有功功率输出特性测试的测试结果进行计算得到有功功率输出特性测试特征值;
根据预设的第二量化标准,将光伏发电站的电能质量测试的测试结果进行计算得到电能质量测试特征值。
进一步地,所述预设的第一量化标准为:计算测试时间段内各个时间点光伏发电站的有功功率输出特性测试的测试结果的积分值;
所述第二量化标准为计算测试时间段内各个时间点光伏发电站的电能质量测试的测试结果的平均值。
进一步地,所述电能质量测试的测试结果包括:对所述光伏发电站的闪变测试、对所述光伏发电站的谐波和间谐波测试:以及对所述光伏发电站的三相电压不平衡度测试。
本发明的光伏发电站的并网监测与评估方法及系统,通过在RTDS实时仿真平台中搭建形成光伏发电站模型,以对光伏发电站模型进行各项性能测试;并将所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、所述光伏发电站的电能质量测试的测试结果进行特征化处理,得到对应的测试特征值;进一步将各测试特征值输入到预先训练好的机器学习预测模型中,预测得到所述光伏发电站的并网监测评估打分结果。由于该机器学习预测模型在训练时将将历史时间段内各个光伏发电站的实际运行过程中得到的低电压穿越能力测试、电压/频率响应特性测试、有功功率输出特性测试、有功/无功控制能力测试、防孤岛保护特性测试、电能质量测试的测试结果对应的测试特征值作为输入;将专家(主要是实际对设计的光伏发电站进行评价的人,比如电网方面的专家、发电站的业主等)根据各个光伏发电站的实际运行过程对各个光伏发电站的打分值作为机器学习预测模型的输出,对所述机器学习预测模型进行学习训练,以得到根据实际运行参数和实际打分值训练好的机器学习预测模型,因此实施本发明能对设计的光伏发电站模型进行优劣打分,进而实现对光伏发电站模型的整体评估。
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光伏发电站的并网监测与评估方法的流程示意图;
图2为本发明实施例提供的在RTDS实时仿真平台中搭建形成光伏发电站模型的示意图;
图3为本发明实施例提供的低电压穿越能力测试一次回路接线图;
图4为本发明实施例提供的电能质量测试接线示意图;
图5为本发明实施例提供的功率特性测试示意图;
图6为本发明实施例提供的电压源型的光伏逆变器模型的示意图;
图7为电压源型的光伏逆变器主要性能仿真波形图;
图8为电压源型的逆变器输出功率波形图;
图9为逆变器输出功率波形图;
图10为逆变器输出至网侧(变压器二次侧)三相电流波形局部展开图;
图11为注入式电流源型光伏变换器主电路结构;
图12为本发明实施例提供的光伏发电站的并网监测与评估系统的结构示意图。
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高电压穿越控制方法、装置及系统。
参见图1所示,本发明实施例提供的一种光伏发电站的并网监测与评估方法包括步骤:
第一步:在RTDS实时仿真平台中搭建形成光伏发电站模型,所述光伏发电站模型包括太阳能电池板阵列模型、光伏逆变器模型、运行工况模型和变压器模型;具体如图2所示,本发明实施例提供的在RTDS实时仿真平台中搭建形成光伏发电站模型的示意图中可控直流电源相当于太阳能电池板阵列模型、各光伏逆变器相当于光伏逆变器模型、电网扰动发生装置与防孤岛检测装置相当于运行工况模型,以及隔离变压器相当于变压器模型。
其中,对于光伏逆变器模型有电压源型以及电流源型两种类型,电压源型的光伏逆变器模型的示意图如图6所示,其中:
1)仿真情况一:光伏逆变器主要性能仿真分析
图7为光伏逆变器主要性能仿真波形,由图7可以看出,逆变器较好的追踪了功率指令需求,系统快速进入稳定运行状态,有效的向电网输出功率。0至0.5s间,相电流幅值为642A,输出300kW功率;0.5s至1s间,相电流幅值1071A,相电压幅值311V,逆变器满发输出500kW功率。
2)仿真情况二:隔离型变压器仿真验证,315/380,270/380两种变比下仿真
现国内大功率电站型逆变器产品中,隔离型光伏逆变器主要输出电压有315V和270V两种。两种逆变器所采用的变压器变比分别为315/380和270/380。
图8为采用315/380变比逆变器输出波形,仿真时长1s,给定功率指令500kW,系统处于满发状态。图8为逆变器输出功率波形。由图8所示,采用315/380变比变压器时,逆变器输出(一次侧)相电压幅值为257V,逆变器输出(一次侧)相电流幅值为1294A,经315/380变压器后并网相电压幅值为311V,相电流幅值为1071A。逆变器处于满发状态,输出功率500kW。
3)仿真情况三:逆变器无功输出能力验证。
选取270/380变比逆变器为例进行无功输出能力验证,图9为逆变器输出功率因数+0.95~-0.95范围内变化情况波形,仿真时常1.6s。系统0至0.5s按照功率因数超前0.95状态运行,0.5s至1s单位功率因数运行,1s至1.6s按照功率因数滞后0.95状态运行。
图9为逆变器输出功率波形,可以看出0至0.5s时,功率因数超前0.95状态下,逆变器发出有功功率475kW,发出无功功率+156kVAR;0.5s至1s时,系统单位功率因数运行,发出有功功率500kW,无功功率为零;1s至1.6s时,功率因数滞后0.95状态下,逆变器发出有功功率475kW,发出无功功率-156kVAR,逆变器实现动态功率因数可调。
4)仿真情况四:输出电能质量符合并网标准。
选取采用270/380变比的逆变器为例,图10为逆变器输出至网侧(变压器二次侧)三相电流波形局部展开图,对其进行FFT分析,显示谐波率THD为1.13%,电能质量符合并网标准。
图11为注入式电流源型光伏变换器主电路结构,图11中的4个晶闸管三相桥构成主变换电路,其中上部两桥并联构成上部组,下部两桥并联下部组;上下两部组串联产生的直流电压施加到右侧的变换网络。右侧的变换网络将光伏电池阵列的输出电流按特定的变化规律周期地分配给上部组和下部组中的两个三相桥,即使上部组左侧桥的直流电流周期上升时而右侧桥的直流电流周期下降;上部组左侧桥的直流电流周期下降时而右侧桥的直流电流周期上升。在左侧桥电流为零时它的晶闸管换相,实现零电流换相,这时光伏电池阵列的电流全部流过右侧桥。相应的当右侧桥电流为零时它的晶闸管换相,光伏电池阵列的电流全部流过左侧桥,这样变压器Y绕组和△绕组的电流的谐波互相抵消而基波相加在变压器电网侧绕组形成连续的相位可控的类似正弦波的多阶梯输出电流。下部组的工作原理与上部组的一样。分别独立控制上部组和下部组变压器网侧绕组电流的相位,进入电网的合成电流即相位幅度都可控的电流。控制相位幅度都可控的入网电流即可控入网的有功和无功。
第二步:对光伏发电站模型进行各项性能测试,所述各项性能测试包括:所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、以及所述光伏发电站的电能质量测试;
其中,具体低电压穿越能力测试图如图3所示,测试方法具体如下:
a)光伏发电站并网点电压跌至0时,光伏发电站应能不脱网连续运行0.15s;
b)光伏发电站并网点电压跌至曲线1以下时,光伏发电站可以从电网切出。当并网点考核电压在图2中电压轮廓线及以上的区域内时,光伏电站必须保证不间断并网运行;并网点考核电压在图2电压轮廓线以下时,光伏电站停止向电网线路送电。
进行光伏电站低电压耐受能力测试和频率异常(扰动)时的响应能力测试应选择辐照良好的时段进行,测试点设置在光伏电站或单元发电模块的并网点。
表1并网光伏电站在电网频率异常下的耐受时间
对光伏电站额定功率10%~30%的部分加载测试,确认测试对公共连接点造成的电压低落符合要求后,再进行额定功率大于80%的全载测试;设定各类故障类型时的电压跌落20%、40%、60%、80%、90%,电压跌落的持续时间分别为1s、1.57s、2.14s、2.71s、3s;根据故障录波信号进行分析,记录光伏电站的分闸时间和恢复并网时间;记录测试数据并进行分析,输出统计报表和测量曲线。
其中,具体电能质量测试接线示意图如图4所示,测试方法具体如下:光伏电站并网电能质量测试点设在光伏电站并网点和公共连接点;应校核光伏电站实际并网容量;测量测试点的各项电能质量指标参数(谐波、波形畸变、直流分量、电压偏差、电压不平衡度、电压波动和闪变),在系统正常运行的方式下,连续测量24h;完整记录测试数据并进行分析,输出统计报表和测量曲线。具体如图4所示,将光伏电站并网端口PT、CT信号引入电能质量分析仪测试装置对光伏电站输出电能质量指标进行连续测量。
其中,具体功率特性测试示意图如图5所示,光伏电站功率特性测试主要分为:有功功率控制能力测试、有功功率输出能力测试和无功功率调节能力测试,测试方法具体如下:
如图5所示,将气象参数测量装置安装在能够表征光伏电站整体气象特征的位置,并将光伏电站并网端口PT、CT信号引入功率分析仪测试装置对光伏电站输出功率进行测量。测试点设在光伏电站并网点;分别控制光伏电站输出功率为当前有功功率输出的25%、50%、75%和100%,测量光伏电站接受指令后的有功功率输出,记录有功功率输出数据和功率变化曲线,测量光伏电站启动和停机的有功功率输出,记录输出数据和变化曲线。测量测试点的各项气象参数及有功功率输出参数,在系统正常运行方式下,连续测量24h。测量光伏电站当前无功功率输出和功率因数时,设定光伏电站功率因数为±0.98、±0.99、1,测无功功率曲线测量光伏电站接受指令后的无功功率输出和功率因数,记录无功功率输出数据。分析总结光伏电站功率特性测试统计报表和测量曲线。
对于光伏发电站的电压/频率响应特性测试以及光伏发电站的防孤岛保护特性测试可以参见现有的测试方法及测试流程。在此不再赘述。
第三步:将所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、所述光伏发电站的电能质量测试的测试结果进行特征化处理,得到对应的低电压穿越能力测试特征值、电压/频率响应特性测试特征值、有功功率输出特性测试特征值、有功/无功控制能力测试特征值、防孤岛保护特性测试特征值、电能质量测试特征值;
第四步:将所述低电压穿越能力测试特征值、电压/频率响应特性测试特征值、有功功率输出特性测试特征值、有功/无功控制能力测试特征值、防孤岛保护特性测试特征值、电能质量测试特征值输入到预先训练好的机器学习预测模型中,预测得到所述光伏发电站的并网监测评估打分结果;
其中,所述机器学习预测模型通过以下方法训练得到:
将历史时间段内各个光伏发电站的实际运行过程中得到的低电压穿越能力测试、电压/频率响应特性测试、有功功率输出特性测试、有功/无功控制能力测试、防孤岛保护特性测试、电能质量测试的测试结果对应的测试特征值作为所述机器学习预测模型的输入;将专家根据各个光伏发电站的实际运行过程对各个光伏发电站的打分值作为所述机器学习预测模型的输出,对所述机器学习预测模型进行学习训练,以得到训练好的机器学习预测模型。通过将实际巡行的光伏发电站的各个测试值对应的特征值输入到机器学习预测模型,并将各个专家(比如电网专家和光伏发电站的业主专家等)对于实际运行的光伏发电站进行打分,打分的规则可以预先制定,制定的规则可以尽量客观化。由于对设计的光伏发电站的打分规则(评价标准)与实际运行的光伏发电站的评价标准一致,所以只要预先的评分规则尽量客观,通过机器学习模型训练学习得到各个特征值与打分值之间的内在关系。在预测时,依据该内在关系,将仿真平台中建模得到的各个测试纸对应的特征值作为输入,即可得到预测得到对应的预测打分值。
进一步地,所述机器学习预测模型为神经网络模型。
进一步地,所述将所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、所述光伏发电站的电能质量测试的测试结果进行特征化处理,包括:当所述光伏发电站的低电压穿越能力测试的测试结果为满足预设的低电压穿越能力条件时,低电压穿越能力测试特征值设置为1;当所述光伏发电站的低电压穿越能力测试的测试结果为不满足预设的低电压穿越能力条件时,低电压穿越能力测试特征值设置为0;
当所述光伏发电站的电压/频率响应特性测试的测试结果为满足预设的电压/频率响应条件时,电压/频率响应特性测试特征值设置为1;当所光伏发电站的电压/频率响应特性测试的测试结果为不满足预设的电压/频率响应条件时,电压/频率响应特性特征值设置为0;
当所述有功/无功控制能力测试的测试结果为满足预设的有功/无功控制能力条件时,有功/无功控制能力测试特征值设置为1;当所述有功/无功控制能力测试的测试结果为不满足预设的有功/无功控制能力条件时,有功/无功控制能力测试特征值设置为0;
当所述防孤岛保护特性测试的测试结果为满足预设的防孤岛保护特性条件时,防孤岛保护特性测试特征值设置为1;当所述防孤岛保护特性测试的测试结果为不满足预设的防孤岛保护特性条件时,防孤岛保护特性测试特征值设置为0;
根据预设的第一量化标准,将光伏发电站的有功功率输出特性测试的测试结果进行计算得到有功功率输出特性测试特征值;
根据预设的第二量化标准,将光伏发电站的电能质量测试的测试结果进行计算得到电能质量测试特征值。
进一步地,所述预设的第一量化标准为:计算测试时间段内各个时间点光伏发电站的有功功率输出特性测试的测试结果的积分值;
所述第二量化标准为计算测试时间段内各个时间点光伏发电站的电能质量测试的测试结果的平均值。
进一步地,所述电能质量测试的测试结果包括:对所述光伏发电站的闪变测试、对所述光伏发电站的谐波和间谐波测试:以及对所述光伏发电站的三相电压不平衡度测试。
本实施例通过在RTDS实时仿真平台中搭建形成光伏发电站模型,以对光伏发电站模型进行各项性能测试;并将所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、所述光伏发电站的电能质量测试的测试结果进行特征化处理,得到对应的测试特征值;进一步将各测试特征值输入到预先训练好的机器学习预测模型中,预测得到所述光伏发电站的并网监测评估打分结果。由于该机器学习预测模型在训练时将将历史时间段内各个光伏发电站的实际运行过程中得到的低电压穿越能力测试、电压/频率响应特性测试、有功功率输出特性测试、有功/无功控制能力测试、防孤岛保护特性测试、电能质量测试的测试结果对应的测试特征值作为输入;将专家(主要是实际对设计的光伏发电站进行评价的人,比如电网方面的专家、发电站的业主等)根据各个光伏发电站的实际运行过程对各个光伏发电站的打分值作为机器学习预测模型的输出,对所述机器学习预测模型进行学习训练,以得到根据实际运行参数和实际打分值训练好的机器学习预测模型,因此实施本发明能对设计的光伏发电站模型进行优劣打分,进而实现对光伏发电站模型的整体评估。
图12为本发明实施例提供的光伏发电站的并网监测与评估系统的结构示意图。图1-图11所示实施例都可以用于解释本实施例例,如图12所示,一种光伏发电站的并网监测与评估系统,包括:
RTDS实时仿真平台201,用于搭建形成光伏发电站模型,所述光伏发电站模型包括太阳能电池板阵列模型、光伏逆变器模型、运行工况模型和变压器模型;
测试装置203,用于对光伏发电站模型进行各项性能测试,所述各项性能测试包括:所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、以及所述光伏发电站的电能质量测试;
机器学习预测装置205,用于将所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、所述光伏发电站的电能质量测试的测试结果进行特征化处理,得到对应的低电压穿越能力测试特征值、电压/频率响应特性测试特征值、有功功率输出特性测试特征值、有功/无功控制能力测试特征值、防孤岛保护特性测试特征值、电能质量测试特征值;
将所述低电压穿越能力测试特征值、电压/频率响应特性测试特征值、有功功率输出特性测试特征值、有功/无功控制能力测试特征值、防孤岛保护特性测试特征值、电能质量测试特征值输入到预先训练好的机器学习预测模型中,预测得到所述光伏发电站的并网监测评估打分结果;
其中,所述机器学习预测模型通过以下方法训练得到:
将历史时间段内各个光伏发电站的实际运行过程中得到的低电压穿越能力测试、电压/频率响应特性测试、有功功率输出特性测试、有功/无功控制能力测试、防孤岛保护特性测试、电能质量测试的测试结果对应的测试特征值作为所述机器学习预测模型的输入;将专家根据各个光伏发电站的实际运行过程对各个光伏发电站的打分值作为所述机器学习预测模型的输出,对所述机器学习预测模型进行学习训练,以得到训练好的机器学习预测模型。
进一步地,所述机器学习预测模型为神经网络模型。
进一步地,所述将所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、所述光伏发电站的电能质量测试的测试结果进行特征化处理,包括:当所述光伏发电站的低电压穿越能力测试的测试结果为满足预设的低电压穿越能力条件时,低电压穿越能力测试特征值设置为1;当所述光伏发电站的低电压穿越能力测试的测试结果为不满足预设的低电压穿越能力条件时,低电压穿越能力测试特征值设置为0;
当所述光伏发电站的电压/频率响应特性测试的测试结果为满足预设的电压/频率响应条件时,电压/频率响应特性测试特征值设置为1;当所光伏发电站的电压/频率响应特性测试的测试结果为不满足预设的电压/频率响应条件时,电压/频率响应特性特征值设置为0;
当所述有功/无功控制能力测试的测试结果为满足预设的有功/无功控制能力条件时,有功/无功控制能力测试特征值设置为1;当所述有功/无功控制能力测试的测试结果为不满足预设的有功/无功控制能力条件时,有功/无功控制能力测试特征值设置为0;
当所述防孤岛保护特性测试的测试结果为满足预设的防孤岛保护特性条件时,防孤岛保护特性测试特征值设置为1;当所述防孤岛保护特性测试的测试结果为不满足预设的防孤岛保护特性条件时,防孤岛保护特性测试特征值设置为0;
根据预设的第一量化标准,将光伏发电站的有功功率输出特性测试的测试结果进行计算得到有功功率输出特性测试特征值;
根据预设的第二量化标准,将光伏发电站的电能质量测试的测试结果进行计算得到电能质量测试特征值。
进一步地,所述预设的第一量化标准为:计算测试时间段内各个时间点光伏发电站的有功功率输出特性测试的测试结果的积分值;
所述第二量化标准为计算测试时间段内各个时间点光伏发电站的电能质量测试的测试结果的平均值。
进一步地,所述电能质量测试的测试结果包括:对所述光伏发电站的闪变测试、对所述光伏发电站的谐波和间谐波测试:以及对所述光伏发电站的三相电压不平衡度测试。
本实施例通过在RTDS实时仿真平台中搭建形成光伏发电站模型,以对光伏发电站模型进行各项性能测试;并将所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、所述光伏发电站的电能质量测试的测试结果进行特征化处理,得到对应的测试特征值;进一步将各测试特征值输入到预先训练好的机器学习预测模型中,预测得到所述光伏发电站的并网监测评估打分结果。由于该机器学习预测模型在训练时将将历史时间段内各个光伏发电站的实际运行过程中得到的低电压穿越能力测试、电压/频率响应特性测试、有功功率输出特性测试、有功/无功控制能力测试、防孤岛保护特性测试、电能质量测试的测试结果对应的测试特征值作为输入;将专家(主要是实际对设计的光伏发电站进行评价的人,比如电网方面的专家、发电站的业主等)根据各个光伏发电站的实际运行过程对各个光伏发电站的打分值作为机器学习预测模型的输出,对所述机器学习预测模型进行学习训练,以得到根据实际运行参数和实际打分值训练好的机器学习预测模型,因此实施本发明能对设计的光伏发电站模型进行优劣打分,进而实现对光伏发电站模型的整体评估。
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 (10)

1.一种光伏发电站的并网监测与评估方法,其特征在于,所述方法包括步骤:
在RTDS实时仿真平台中搭建形成光伏发电站模型,所述光伏发电站模型包括太阳能电池板阵列模型、光伏逆变器模型、运行工况模型和变压器模型;
对光伏发电站模型进行各项性能测试,所述各项性能测试包括:所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、以及所述光伏发电站的电能质量测试;
将所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、所述光伏发电站的电能质量测试的测试结果进行特征化处理,得到对应的低电压穿越能力测试特征值、电压/频率响应特性测试特征值、有功功率输出特性测试特征值、有功/无功控制能力测试特征值、防孤岛保护特性测试特征值、电能质量测试特征值;
将所述低电压穿越能力测试特征值、电压/频率响应特性测试特征值、有功功率输出特性测试特征值、有功/无功控制能力测试特征值、防孤岛保护特性测试特征值、电能质量测试特征值输入到预先训练好的机器学习预测模型中,预测得到所述光伏发电站的并网监测评估打分结果;
其中,所述机器学习预测模型通过以下方法训练得到:
将历史时间段内各个光伏发电站的实际运行过程中得到的低电压穿越能力测试、电压/频率响应特性测试、有功功率输出特性测试、有功/无功控制能力测试、防孤岛保护特性测试、电能质量测试的测试结果对应的测试特征值作为所述机器学习预测模型的输入;将专家根据各个光伏发电站的实际运行过程对各个光伏发电站的打分值作为所述机器学习预测模型的输出,对所述机器学习预测模型进行学习训练,以得到训练好的机器学习预测模型。
2.如权利要求1所述的光伏发电站的并网监测与评估方法,其特征在于,所述机器学习预测模型为神经网络模型。
3.如权利要求2所述的光伏发电站的并网监测与评估方法,其特征在于,所述将所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、所述光伏发电站的电能质量测试的测试结果进行特征化处理,包括:
当所述光伏发电站的低电压穿越能力测试的测试结果为满足预设的低电压穿越能力条件时,低电压穿越能力测试特征值设置为1;当所述光伏发电站的低电压穿越能力测试的测试结果为不满足预设的低电压穿越能力条件时,低电压穿越能力测试特征值设置为0;
当所述光伏发电站的电压/频率响应特性测试的测试结果为满足预设的电压/频率响应条件时,电压/频率响应特性测试特征值设置为1;当所光伏发电站的电压/频率响应特性测试的测试结果为不满足预设的电压/频率响应条件时,电压/频率响应特性特征值设置为0;
当所述有功/无功控制能力测试的测试结果为满足预设的有功/无功控制能力条件时,有功/无功控制能力测试特征值设置为1;当所述有功/无功控制能力测试的测试结果为不满足预设的有功/无功控制能力条件时,有功/无功控制能力测试特征值设置为0;
当所述防孤岛保护特性测试的测试结果为满足预设的防孤岛保护特性条件时,防孤岛保护特性测试特征值设置为1;当所述防孤岛保护特性测试的测试结果为不满足预设的防孤岛保护特性条件时,防孤岛保护特性测试特征值设置为0;
根据预设的第一量化标准,将光伏发电站的有功功率输出特性测试的测试结果进行计算得到有功功率输出特性测试特征值;
根据预设的第二量化标准,将光伏发电站的电能质量测试的测试结果进行计算得到电能质量测试特征值。
4.如权利要求3所述的光伏发电站的并网监测与评估方法,其特征在于,所述预设的第一量化标准为:计算测试时间段内各个时间点光伏发电站的有功功率输出特性测试的测试结果的积分值;
所述第二量化标准为计算测试时间段内各个时间点光伏发电站的电能质量测试的测试结果的平均值。
5.如权利要求4所述的光伏发电站的并网监测与评估方法,其特征在于,所述电能质量测试的测试结果包括:对所述光伏发电站的闪变测试、对所述光伏发电站的谐波和间谐波测试:以及对所述光伏发电站的三相电压不平衡度测试。
6.一种光伏发电站的并网监测与评估系统,其特征在于,包括:
RTDS实时仿真平台,用于搭建形成光伏发电站模型,所述光伏发电站模型包括太阳能电池板阵列模型、光伏逆变器模型、运行工况模型和变压器模型;
测试装置,用于对光伏发电站模型进行各项性能测试,所述各项性能测试包括:所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、以及所述光伏发电站的电能质量测试;
机器学习预测装置,用于将所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、所述光伏发电站的电能质量测试的测试结果进行特征化处理,得到对应的低电压穿越能力测试特征值、电压/频率响应特性测试特征值、有功功率输出特性测试特征值、有功/无功控制能力测试特征值、防孤岛保护特性测试特征值、电能质量测试特征值;
将所述低电压穿越能力测试特征值、电压/频率响应特性测试特征值、有功功率输出特性测试特征值、有功/无功控制能力测试特征值、防孤岛保护特性测试特征值、电能质量测试特征值输入到预先训练好的机器学习预测模型中,预测得到所述光伏发电站的并网监测评估打分结果;
其中,所述机器学习预测模型通过以下方法训练得到:
将历史时间段内各个光伏发电站的实际运行过程中得到的低电压穿越能力测试、电压/频率响应特性测试、有功功率输出特性测试、有功/无功控制能力测试、防孤岛保护特性测试、电能质量测试的测试结果对应的测试特征值作为所述机器学习预测模型的输入;将专家根据各个光伏发电站的实际运行过程对各个光伏发电站的打分值作为所述机器学习预测模型的输出,对所述机器学习预测模型进行学习训练,以得到训练好的机器学习预测模型。
7.如权利要求6所述的光伏发电站的并网监测与评估系统,其特征在于,所述机器学习预测模型为神经网络模型。
8.如权利要求7所述的光伏发电站的并网监测与评估系统,其特征在于,所述将所述光伏发电站的低电压穿越能力测试、所述光伏发电站的电压/频率响应特性测试、所述光伏发电站的有功功率输出特性测试、所述光伏发电站的有功/无功控制能力测试、所述光伏发电站的防孤岛保护特性测试、所述光伏发电站的电能质量测试的测试结果进行特征化处理,包括:
当所述光伏发电站的低电压穿越能力测试的测试结果为满足预设的低电压穿越能力条件时,低电压穿越能力测试特征值设置为1;当所述光伏发电站的低电压穿越能力测试的测试结果为不满足预设的低电压穿越能力条件时,低电压穿越能力测试特征值设置为0;
当所述光伏发电站的电压/频率响应特性测试的测试结果为满足预设的电压/频率响应条件时,电压/频率响应特性测试特征值设置为1;当所光伏发电站的电压/频率响应特性测试的测试结果为不满足预设的电压/频率响应条件时,电压/频率响应特性特征值设置为0;
当所述有功/无功控制能力测试的测试结果为满足预设的有功/无功控制能力条件时,有功/无功控制能力测试特征值设置为1;当所述有功/无功控制能力测试的测试结果为不满足预设的有功/无功控制能力条件时,有功/无功控制能力测试特征值设置为0;
当所述防孤岛保护特性测试的测试结果为满足预设的防孤岛保护特性条件时,防孤岛保护特性测试特征值设置为1;当所述防孤岛保护特性测试的测试结果为不满足预设的防孤岛保护特性条件时,防孤岛保护特性测试特征值设置为0;
根据预设的第一量化标准,将光伏发电站的有功功率输出特性测试的测试结果进行计算得到有功功率输出特性测试特征值;
根据预设的第二量化标准,将光伏发电站的电能质量测试的测试结果进行计算得到电能质量测试特征值。
9.如权利要求8所述的光伏发电站的并网监测与评估系统,其特征在于,所述预设的第一量化标准为:计算测试时间段内各个时间点光伏发电站的有功功率输出特性测试的测试结果的积分值;
所述第二量化标准为计算测试时间段内各个时间点光伏发电站的电能质量测试的测试结果的平均值。
10.如权利要求9所述的光伏发电站的并网监测与评估系统,其特征在于,所述电能质量测试的测试结果包括:对所述光伏发电站的闪变测试、对所述光伏发电站的谐波和间谐波测试:以及对所述光伏发电站的三相电压不平衡度测试。
CN201810747626.7A 2018-07-09 2018-07-09 光伏发电站的并网监测与评估方法及系统 Pending CN108988382A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810747626.7A CN108988382A (zh) 2018-07-09 2018-07-09 光伏发电站的并网监测与评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810747626.7A CN108988382A (zh) 2018-07-09 2018-07-09 光伏发电站的并网监测与评估方法及系统

Publications (1)

Publication Number Publication Date
CN108988382A true CN108988382A (zh) 2018-12-11

Family

ID=64536630

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810747626.7A Pending CN108988382A (zh) 2018-07-09 2018-07-09 光伏发电站的并网监测与评估方法及系统

Country Status (1)

Country Link
CN (1) CN108988382A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113777430A (zh) * 2021-09-02 2021-12-10 国网福建省电力有限公司 一种直驱风机电压穿越模型二次验证系统及方法
CN114113870A (zh) * 2022-01-28 2022-03-01 西安德纳检验检测有限公司 一种新能源场站电网适应性检测方法、装置和系统
CN116885775A (zh) * 2023-07-10 2023-10-13 郭栋 基于并网光伏发电系统对电网电能质量影响的分析方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101764413A (zh) * 2009-11-25 2010-06-30 中国电力科学研究院 一种大规模风电集中接入电网的系统仿真方法
CN101853330A (zh) * 2010-04-30 2010-10-06 华南理工大学 腹膜透析充分性的智能评估装置
CN104077494A (zh) * 2014-07-15 2014-10-01 国家电网公司 一种分布式电源接入配电网的仿真评价方法
CN104101801A (zh) * 2014-06-20 2014-10-15 国家电网公司 光伏太阳能一站式并网检测系统
CN104361453A (zh) * 2014-11-18 2015-02-18 国家电网公司 一种智能配电网智能化建设项目的决策方法
CN106021374A (zh) * 2016-05-11 2016-10-12 百度在线网络技术(北京)有限公司 查询结果的底层召回方法和装置
CN106127377A (zh) * 2016-06-21 2016-11-16 国家电网公司 一种智能电网多能源综合协调水平评价方法
CN106374832A (zh) * 2016-09-29 2017-02-01 中国东方电气集团有限公司 基于rtds的光伏机组仿真测试平台

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101764413A (zh) * 2009-11-25 2010-06-30 中国电力科学研究院 一种大规模风电集中接入电网的系统仿真方法
CN101853330A (zh) * 2010-04-30 2010-10-06 华南理工大学 腹膜透析充分性的智能评估装置
CN104101801A (zh) * 2014-06-20 2014-10-15 国家电网公司 光伏太阳能一站式并网检测系统
CN104077494A (zh) * 2014-07-15 2014-10-01 国家电网公司 一种分布式电源接入配电网的仿真评价方法
CN104361453A (zh) * 2014-11-18 2015-02-18 国家电网公司 一种智能配电网智能化建设项目的决策方法
CN106021374A (zh) * 2016-05-11 2016-10-12 百度在线网络技术(北京)有限公司 查询结果的底层召回方法和装置
CN106127377A (zh) * 2016-06-21 2016-11-16 国家电网公司 一种智能电网多能源综合协调水平评价方法
CN106374832A (zh) * 2016-09-29 2017-02-01 中国东方电气集团有限公司 基于rtds的光伏机组仿真测试平台

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113777430A (zh) * 2021-09-02 2021-12-10 国网福建省电力有限公司 一种直驱风机电压穿越模型二次验证系统及方法
CN113777430B (zh) * 2021-09-02 2022-12-06 国网福建省电力有限公司 一种直驱风机电压穿越模型二次验证系统及方法
CN114113870A (zh) * 2022-01-28 2022-03-01 西安德纳检验检测有限公司 一种新能源场站电网适应性检测方法、装置和系统
CN114113870B (zh) * 2022-01-28 2022-04-26 西安德纳检验检测有限公司 一种新能源场站电网适应性检测方法、装置和系统
CN116885775A (zh) * 2023-07-10 2023-10-13 郭栋 基于并网光伏发电系统对电网电能质量影响的分析方法
CN116885775B (zh) * 2023-07-10 2024-02-27 郭栋 基于并网光伏发电系统对电网电能质量影响的分析方法

Similar Documents

Publication Publication Date Title
Van et al. Virtual synchronous generator: An element of future grids
CN103454521B (zh) 一种风电场电网运行模拟装置
CN102684220B (zh) 船用光伏发电并网实验平台
WO2017067120A1 (zh) 一种光伏电站低电压穿越数据获取方法
CN103400302A (zh) 一种风电基地连锁故障风险感知预警方法及其系统
CN105403811A (zh) 风电场电网故障诊断方法和装置
CN103852663A (zh) 一种能量回馈型分布式光伏电源逆变器综合测试系统
CN102353863B (zh) 一种可再生能源发电并网测试平台
CN108988382A (zh) 光伏发电站的并网监测与评估方法及系统
Hariri et al. Impacts of distributed generation on power quality
CN103178546B (zh) 用于低电压穿越测试的低电压发生装置及其电压控制方法
Lu et al. Analysis of measured power-quality results of a PV system connected to Peng-Hu Power System
Yongning et al. Study on grid-connected renewable energy grid code compliance
CN104993711A (zh) 一种电压暂降过渡过程模拟装置及方法
Hill et al. Development of a real-time testing environment for battery energy storage systems in renewable energy applications
CN106526347A (zh) 一种基于数模混合仿真的光伏逆变器低电压穿越评估方法
CN110311374B (zh) 泛在电力物联网电能质量技术经济运行方法
CN104820167A (zh) 直流输电系统换相失败检测方法
CN106847019A (zh) 一种微电网调度监控系统及控制方法
CN104678302A (zh) 一种Boost变流器的风电机组低电压穿越测试系统及方法
Gevorgian et al. Controllable grid interface for testing ancillary service controls and fault performance of utility-scale wind power generation
Khoa et al. Experimental study on fault ride-through capability of VSC-based HVDC transmission system
CN203479929U (zh) 一种风电场电网运行模拟装置
CN205487032U (zh) 一种新能源教学实训设备装置
CN203504197U (zh) 家庭光伏并网发电系统

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20181211