CN110146813A - 一种分散式风电机组电能质量测试方法 - Google Patents
一种分散式风电机组电能质量测试方法 Download PDFInfo
- Publication number
- CN110146813A CN110146813A CN201910419585.3A CN201910419585A CN110146813A CN 110146813 A CN110146813 A CN 110146813A CN 201910419585 A CN201910419585 A CN 201910419585A CN 110146813 A CN110146813 A CN 110146813A
- Authority
- CN
- China
- Prior art keywords
- data
- voltage
- power
- flicker
- power grid
- 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
Links
- 238000010998 test method Methods 0.000 title abstract 2
- 238000012360 testing method Methods 0.000 claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 45
- 239000010410 layer Substances 0.000 claims description 21
- 238000012372 quality testing Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 8
- 230000001360 synchronised effect Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000002346 layers by function Substances 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 7
- 238000005259 measurement Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 8
- 238000010248 power generation Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 5
- 239000002131 composite material Substances 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 108010015780 Viral Core Proteins Proteins 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- JFUIHGAGFMFNRD-UHFFFAOYSA-N fica Chemical compound FC1=CC=C2NC(C(=O)NCCS)=CC2=C1 JFUIHGAGFMFNRD-UHFFFAOYSA-N 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/30—Wind power
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种分散式风电机组电能质量测试方法，包括：利用虚拟电网模型，确定风电机组产生的电压波动和闪变；其中，通过极点对称模态分解算法，确定测试电压基波电气角；利用虚拟电网解析模型，确定电压波动和闪变与电网阻抗角的函数关系；并根据电压波动和闪变与电网阻抗角的函数关系，确定电网和风电机组波动性之间的关系；基于信息物理系统构建电能质量检测平台；并通过电能质量检测平台将隐性数据转化为显性数据，将显性数据转换成能理解的信息，以及通过智能分析与决策，形成最优策略和知识。本发明构建基于信息物理系统的分散式风力发电机组电能质量测试平台，准确评估电网对分散式风电机组电能质量的影响，提高检测准确度和可靠性。
Description
技术领域
本发明涉及风力发电技术领域，更具体的涉及一种分散式风电机组电能质量测试方法。
背景技术
与集中式风电相比，分散式风电位于负荷中心，接入当地电网进行消纳，不大规模远距离输送电力。分散式风电的建设有助于解决集中式风电大规模接入电网的安全性问题；有利于消纳，避免了“弃风”问题，提高风电利用率；可以解决远距离输送带来的能源损耗问题。按照相关文件要求，分散式风电项目的装机容量一般在6MW—50MW，单个项目总容量不超过50MW，接入当地110kV或66kV降压变压器及以下等级的配电变压器，鼓励多点接入。
分散式风力发电虽然具有较多的优势，可以接入当地低电压配电网，鼓励多点接入，但对接入电网的电能质量(电压波动、闪变和谐波)产生影响，因此，分散式风电机组投运初期和运行过程中对接入点处电能质量的测试显得尤为重要，以准确评估风电机组对电网电能质量的影响。目前，分散式风电的标准体系还不够完善，相关标准有：GB/T 19963-2011《风电场接入电力系统技术规定》、GB/T 33593-2017《分布式电源并网技术要求》、Q/GDW 1866-2012《分散式风电接入系统技术规定》。三个标准都规定：分散式风电接入电网后，各并网点的闪变值应满足GB/T 12326标准的要求。GB/T 12326标准规定了电压波动和闪变的限值及测试、计算和评估方法，闪变的测量应符合IEC 61000-4-15标准。分散式风电机组并网后，风机有功功率变化会引起风电场母线电压波动，因而需要依靠电网侧电压稳定风机出口侧电压，但如果接入的电网相对较弱，导致风机功率变化对电网电压的影响较为明显。因此在风电机组电能质量检测方面，要综合考虑电网电压和阻抗、风电机组的有功功率和无功功率、风电场母线电压等因素，建立电网与风电机组间的解析数学模型，确定电网和风力发电机组电压波动及闪变之间的关系。但GB/T 12326标准没有考虑电网与风电机组电压波动和闪变测量之间的关系，在标准的适用性方面有一定的缺陷。
并网型风力发电机组电能质量的检测还存在一定的问题：一是以上电能质量监测仪没有遵循IEC 61400-21(GB/T 20320—2013)标准实现电压闪变的测量和评估，只完成了闪变仪的简单功能；二是电能质量的在线监测是在并网运行情况下测试风电机组的电能质量，因此没有考虑电网对电能质量测试的影响；三是电能质量测试仪大多采用的信号处理算法是快速傅里叶变换，针对闪变、谐波、间谐波等非平稳信号，快速傅里叶变换在时间和频率分辨率上存在局限性。
发明内容
本发明实施例提供一种分散式风电机组电能质量测试方法，用以解决上述背景技术中存在的问题。
本发明实施例提供一种分散式风电机组电能质量测试方法，包括：
利用虚拟电网模型，确定风电机组产生的电压波动和闪变；其中，通过极点对称模态分解算法，确定测试电压基波电气角；
利用虚拟电网解析模型，确定电压波动和闪变与电网阻抗角的函数关系；并根据电压波动和闪变与电网阻抗角的函数关系，确定电网和风电机组波动性之间的关系；
基于信息物理系统构建电能质量检测平台；并通过电能质量检测平台将隐性数据转化为显性数据，将显性数据转换成能理解的信息，以及通过智能分析与决策，形成最优策略和知识。
进一步地，所述利用虚拟电网模型，确定风电机组产生的电压波动和闪变；具体包括：
风电机组用电流源im(t)代替，虚拟电网由一个理想的相电压源u0(t)、线路等效电阻Rfic和等效电感Lfic串联组成，虚拟电网上的电压波动如下：
其中，理想的相电压源u0(t)需满足两个条件：一是电压波动必须是0，不能产生闪变，二是与测试电压um(t)具有相同的电气角；理想的相电压源u0(t)定义如下：
式中，Un为电网额定电压的有效值；测试电压基波电气角的定义如下：
式中，f(t)是电网的基本频率，随时间变化；t为自时间序列开始记录起的时间；α0为t＝0时的电气角；
将虚拟电网上的电压波动ufic(t)输入到闪变仪，根据电压闪变算法，得到闪变值。
进一步地，所述通过极点对称模态分解算法，确定测试电压基波电气角；具体包括：
采用极点对称模态分解算法，检测电网的基本频率f(t)的瞬时频率和幅度；并根据电网的基本频率f(t)的瞬时频率和幅度，确定测试电压基波电气角。
进一步地，所述瞬时频率和幅度，包括：基波频率和幅度、谐波频率和幅度、间谐波频率和幅度、闪变信号的频率和幅度。
进一步地，所述利用虚拟电网解析模型，确定电压波动和闪变与电网阻抗角的函数关系；具体包括：
电压波动是由风的波动性引起风能量变化的结果，利用解析方法建立电网与风机间的数学模型，综合考虑电网阻抗、有功功率、无功功率，确定虚拟电网解析模型；
U1为电网的电压，U2为公共连接点PCC的电压，PCC处电压的表达式为：
其中，P为有功功率，Q为无功功率；选择虚拟电网解析模型中阻抗Z的实部Rk和虚部Xk，利用如下公式获得合适的电网阻抗相角ψk：
其中，fg为电网额定频率；虚拟电网的三相短路视在功率由如下公式确定：
根据U1、U2、Rk、Xk、ψk、Sk,fic、额定视在功率Sn之间的联系，确定电压波动和闪变与电网阻抗角ψk的函数关系。
进一步地，所述电能质量检测平台，具体包括：采用层次结构，顶层使用同步数据流计算模型描述数据流动，底层使用离散事件模型、进程网络、多路会话模型；
顶层：同步数据流模型中的数据来自于风力发电机组的电能质量检测数据，数据的顺序流动用角色之间的连接关系进行表征，而角色则基于其输入数据进行处理，并产生输出数据，通信由固定容量的先进先出(FIFO)队列实现，并且各角色间的执行顺序被静态调度；
离散事件模型，是针对并行采集多台风力发电机组电能质量数据，角色通过位于同一时间轴的事件进行通信，每个事件都有一个值和时间戳，并且角色对数据的处理是按照时间顺序完成的；
进程网络模型，每一个风电机组的电能质量检测数据作为一个线程，在通信网络里并发执行每个线程；
多路会话模型，存储到云平台中的电能质量数据的流动与共享，一个角色的发送输出到多个其他角色，通信形成了多路会话。
进一步地，所述信息物理系统的功能层，具体包括：
感知层硬件包括：风电机组、嵌入式设备、窄带物联网通信设备，嵌入式硬件高速采集风电机组的电压、电流、风速信号，输入到虚拟电网，实施边缘计算，实现隐性数据到显性数据的转换；
网络层是运营商提供的窄带物联网核心网络，实现数据的智能传输；
平台层包括：服务器、数据库、存储器，集合了数据存储、数据融合、分布式计算、大数据分析、数据服务功能，实现数据的智能分析，将显性数据转换成能理解的信息；
应用层是电能质量智能服务平台，通过智能分析与决策，形成最优策略和知识。
本发明实施例提供一种分散式风电机组电能质量测试方法，与现有技术相比，其有益效果如下：
本发明构建基于信息物理系统的分散式风力发电机组电能质量测试平台，实现符合IEC 61400-21(GB/T 20320—2013)标准的电能质量测量和评估方法，深入研究分散式风电机组并网检测中存在的关键技术及技术难点，改进现有的检测方法和检测手段，完善分散式风电机组检测标准体系；准确评估电网对分散式风电机组电能质量的影响，建立电网的理论模型，确定电网与风电机组电能质量之间的关系，提高检测准确度和可靠性；利用信息物理系统，将隐性数据转化成显性数据，实现数据的有效流动与共享。即本发明针对分散式风力发电机组在检测方面标准不完善的问题，提出以IEC 61400-21(GB/T 20320—2013)为标准测量和评估风电机组电能质量，提高并网测试的可靠性；基于信息物理系统构建电能质量检测平台，将隐性数据转化为显性数据，将显性数据转换成可以理解的信息，最终通过智能分析与决策，形成最优策略和知识；针对IEC61400-21标准中基波电气角的准确测量是重点和难点问题，提出极点对称模态分解算法，可以准确得到电压、电流的瞬时频率，计算出电气角；建立虚拟电网的解析模型，确定电网阻抗角与电压波动与闪变之间的函数关系，评估电网和风电机组波动性之间的关系。
附图说明
图1为本发明实施例提供的一种分散式风电机组电能质量测试平台；
图2为本发明实施例提供的风力发电机组连续运行状态下闪变的测量和评估程序示意图；
图3为本发明实施例提供的模拟风力发电机组输出电压的虚拟电网简单电路模型；
图4为本发明实施例提供的ESMD分解电压数据的结果；
图5为本发明实施例提供的各模态分量的频率、幅度图；
图6为本发明实施例提供的虚拟电网解析模型；
图7为本发明实施例提供的电能质量测试平台信息物理系统建模；
图8为本发明实施例提供的基于信息物理系统的电能质量测试平台功能分层。
具体实施方式
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，所描述的实施例仅仅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。
参见图1～8，本发明实施例提供一种分散式风电机组电能质量测试方法，该方法包括：
步骤1：利用虚拟电网模型，确定风电机组产生的电压波动和闪变；其中，通过极点对称模态分解算法，确定测试电压基波电气角。
步骤2：利用虚拟电网解析模型，确定电压波动和闪变与电网阻抗角的函数关系；并根据电压波动和闪变与电网阻抗角的函数关系，确定电网和风电机组波动性之间的关系。
步骤3：基于信息物理系统构建电能质量检测平台；并通过电能质量检测平台将隐性数据转化为显性数据，将显性数据转换成能理解的信息，以及通过智能分析与决策，形成最优策略和知识。
对于上述步骤1～3，具体过程如下：
分散式风力发电机组电能质量测试平台是以信息物理系统为模型，融合信号感知、窄带物联网、云计算、大数据等技术，构建信息和物理空间“状态感知、实时分析、科学决策、精准执行”的系统，实现机组的电能质量的在线测试和评估，符合电网友好型风电机组的指标要求，使机组更具智能化，风力发电机组电能质量测试平台的网络架构如图1所示。
图2说明了按照IEC 61400-21标准在连续运行状态下实现闪变测量和评估的过程，首先采集风电机组10分钟的电压um(t)、电流im(t)序列；在4种不同的电网阻抗相角ψk下，模拟短路视在功率Sk,fic在虚拟电网上的电压波动ufic(t)；然后，将每组模拟瞬时电压时间序列ufic(t)输入到闪变仪，按IEC 61000-4-15所规定的电压闪变算法，得到闪变值Pst,fic，将Pst,fic标准化，得到闪变系数C(ψk)；在4种不同风速分布下，对应每个电网阻抗相角ψk，经过加权后计算出闪变系数的加权累积分布函数Pr(c<x)；在每个累积分布，取分布概率为0.99所对应的分位数即得闪变系数C(ψa,va)；评估程序说明了如何用得出的闪变系数来估计任一指定场所单台风力发电机组或机群在连续运行状态下产生的闪变。
①分散式风力发电机组电压波动和闪变的测试算法；
分散式风电机组的并网对电网的电能质量产生影响，但电网也会对风力发电机组电压波动和闪变的测试产生影响。因此，需按照IEC 61400-21(GB/T20320—2013)标准定义闪变的测量程序，包括虚拟电网模型的建立及数字化实现、电能质量测量、评估；为评估电网对风电机组电压波动及闪变测量的影响，建立虚拟电网的解析模型。
虚拟电网模型中理想电压源u0(t)的计算，关键在于准确得到测量电压的基波电气角αm(t)，其中f(t)是电网的基本频率，随时间变化，利用现代信号处理方法准确得到αm(t)，实现电压波动和闪变的实时监测。
IEC 61400-21标准中建立虚拟电网模型，目的是测试仅由风电机组产生的电压波动与闪变，虚拟电网的简单电路模型如图3所示。图3中表明了电网和风电机组之间的相互关系，风电机组用电流源im(t)代替，虚拟电网由一个理想的相电压源u0(t)、线路等效电阻Rfic和等效电感Lfic串联组成。
理想的相电压源u0(t)应满足两个条件：一是电压波动必须是0，不能产生闪变，二是与测试的um(t)具有相同的电气角。
理想的相电压源u0(t)定义如下：
式中：Un为电网额定电压的有效值。测量电压基波电气角的定义如下：
式中：f(t)是电网的基本频率(随时间变化)；t为自时间序列开始记录起的时间；α0为t＝0时的电气角。
影响电能质量的原因是f(t)中除了含有电网的基波频率外，还有其他的谐波、间谐波、闪变等信号。f(t)是时变的非平稳信号，如果利用傅里叶变换将会丢失信号的时间特性，因此，采用极点对称模态分解(ESMD)算法检测f(t)的瞬时频率、幅度等信息信息，实现电压波动和闪变的实时监测。ESMD方法是希尔伯特—黄变换(HHT)方法的新发展，由两部分组成：第一部分是模态分解，可以产生数个模态与一条最佳自适应全局均线；第二部分是时-频分析，涉及瞬时频率的“直接插值法”和总能量变化等问题。
假定f(t)是由电压工频信号、闪变信号、3次谐波和5次谐波组成的复合信号，利用ESMD方法实现信号的分解，确定各信号的频率和幅度信息。
图4中Y是复合的电压信号，imf是分解的模态分量，R是最佳自适应全局均线。
图5中Fi表示各模态分量的频率值，Ai表示各模态分量的幅度值。
②基于极点对称模态分解的电能质量检测算法；
针对电压波动、谐波、间谐波等非线性非平稳信号，提出基于(Extreme-PointSymmetric Mode Decomposition，ESMD)的检测算法。ESMD是借鉴了希尔伯特—黄变换的思想，采用“内部极点对称插值”和“最小二乘法”优化剩余模态，得到采集信号的“自适应全局均线”；改变频谱分析依靠积分变换的思想，采用“直接插值(DI)法”，得到各模态的振幅与频率的时变特性，并可获得采集电压、电流信号总能量变化情况。
③评估电网对电压波动及闪变的影响；
电网波动会对电压闪变测量的精度产生影响，为了准确评估四种电网阻抗角下电压闪变水平，通过建立虚拟电网解析模型，研究各参数之间的联系，确定电压波动与闪变和电网阻抗角ψk的函数关系。
电压波动是由于风的波动性引起风能量变化的结果。利用解析方法建立电网与风机间的数学模型，综合考虑电网阻抗、有功功率、无功功率等因素，虚拟电网解析模型如图6所示。
U1为电网的电压，U2为公共连接点PCC的电压，PCC处电压的表达式为：
其中，P为有功功率，Q为无功功率。
选择Rk和Xk利用下述公式获得合适的电网阻抗相角ψk
其中，fg为电网额定频率(50Hz或60Hz)。
虚拟电网的三相短路视在功率由下述公式来计算：
通过研究U1、U2、Rk、Xk、ψk、Sk,fic、额定视在功率Sn等参数之间的联系，确定电压波动与闪变和电网阻抗角ψk的函数关系。
④基于信息物理系统电能质量测试平台建模、设计；
基于信息物理系统电能质量测试平台建模采用层次模型，可以降低模型的复杂度，并提高模型的可重用性，分层复合建模使多个计算模型结合起来，每个模型拥有自己的层次。
电能质量测试平台硬件系统由电能质量监测装置、窄带物联网(NB-IoT)核心网络和终端设备、云平台等组成。电能质量监测装置以嵌入式微处理器为控制核心，采集风力发电系统的电压、电流、风速、风向等信号，按照IEC标准测量和评估电压波动和闪变，将结果通过NB-IoT传输到云平台，实现存储、统计、查询、智能分析等功能。
利用同步数据流计算模型对电能质量测试平台进行建模，该模型协调复合角色和各原子角色之间的交互通信，通过进行静态分析决定各原子角色的执行顺序并产生相应的代码，实现电能质量测试平台的建模与仿真。
传统的嵌入式系统的单点解决方案已不能适应信息化和网络化的需求，急需对计算、感知、通信、控制等技术进行更为深度的融合，因此，开发基于信息物理系统(CPS)的测试平台具有重要的意义。
A.基于Ptolemy II平台的信息物理系统建模
对电能质量测试平台进行信息物理系统建模，模型采用层次结构，顶层使用同步数据流计算模型描述数据流动，底层使用离散事件模型、进程网络、多路会话模型，具体结构如图7所示。
顶层：同步数据流模型中的数据来自于风力发电机组的电能质量检测数据，数据的顺序流动可用角色之间的连接关系进行表征，而角色则基于其输入数据进行处理，并产生输出数据，通信由固定容量的先进先出(FIFO)队列实现，并且各角色间的执行顺序被静态调度；
离散事件模型，是针对并行采集多台风力发电机组电能质量数据，角色通过位于同一时间轴的事件进行通信，每个事件都有一个值和时间戳，并且角色对数据的处理是按照时间顺序完成的；
进程网络模型，每一个风电机组的电能质量检测数据作为一个线程，在通信网络里并发执行每个线程；
多路会话模型，存储到云平台中的电能质量数据的流动与共享，一个角色的发送输出到多个其他角色，通信形成了多路会话。
B.信息物理系统的功能分层
测试平台四大核心技术要素是“一硬、一软、一网络、一平台”，目的是构建一套信息空间与物理空间之间基于数据自动流动的状态感知、实时分析、科学决策、精准执行的闭环系统，解决风电机组与电网之间的复杂性和不确定性问题，提高系统的稳定性，基于信息物理系统的电能质量测试平台的功能分层如图8所示。
感知层硬件包括风电机组、嵌入式设备、窄带物联网通信设备，嵌入式硬件高速采集风电机组的电压、电流、风速信号，输入到虚拟电网，按照IEC标准实施边缘计算，实现隐性数据到显性数据的转换。
网络层是运营商提供的窄带物联网核心网络，实现数据的智能传输。
平台层包括服务器、数据库、存储器，集合了数据存储，数据融合，分布式计算、大数据分析，数据服务等功能，实现数据的智能分析，将显性数据转换成可以理解的信息。
应用层是电能质量智能服务平台，是CPS的核心关键环节，通过智能分析与决策最终形成最优策略和知识。
⑤分散式风力发电机组电能质量监测应用系统；
电能质量监测应用系统是系统级CPS，通过感知技术，将风电机组在物理环境中的隐性数据转化为显性数据，利用通信技术实现数据的远程传输，并在信息空间进行计算分析，将显性数据转化为有价值的信息，实现远程监控和诊断。应用系统主要实现数据的汇聚、数据存储、数据融合、分布式计算、大数据分析等功能，完成科学决策。
综上所述，本发明实施例提出了两种研究方案：一是以GB/T 20320—2013(IEC61400-21:2008)为标准，研究分散式风电机组电压波动和闪变测量及评估算法，建立虚拟电网解析模型；二是利用信号处理算法，实现电压波动和闪变的实时监测。并利用现有的物联网、云计算、大数据等技术，搭建基于信息物理系统(Cyber-Physical Systems,CPS)的测试技术平台。
以上公开的仅为本发明的几个具体实施例，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种分散式风电机组电能质量测试方法，其特征在于，包括：
利用虚拟电网模型，确定风电机组产生的电压波动和闪变；其中，通过极点对称模态分解算法，确定测试电压基波电气角；
利用虚拟电网解析模型，确定电压波动和闪变与电网阻抗角的函数关系；并根据电压波动和闪变与电网阻抗角的函数关系，确定电网和风电机组波动性之间的关系；
基于信息物理系统构建电能质量检测平台；并通过电能质量检测平台将隐性数据转化为显性数据，将显性数据转换成能理解的信息，以及通过智能分析与决策，形成最优策略和知识。
2.如权利要求1所述的分散式风电机组电能质量测试方法，其特征在于，所述利用虚拟电网模型，确定风电机组产生的电压波动和闪变；具体包括：
风电机组用电流源im(t)代替，虚拟电网由一个理想的相电压源u0(t)、线路等效电阻Rfic和等效电感Lfic串联组成，虚拟电网上的电压波动如下：
其中，理想的相电压源u0(t)需满足两个条件：一是电压波动必须是0，不能产生闪变，二是与测试电压um(t)具有相同的电气角；理想的相电压源u0(t)定义如下：
式中，Un为电网额定电压的有效值；测试电压基波电气角的定义如下：
式中，f(t)是电网的基本频率，随时间变化；t为自时间序列开始记录起的时间；α0为t＝0时的电气角；
将虚拟电网上的电压波动ufic(t)输入到闪变仪，根据电压闪变算法，得到闪变值。
3.如权利要求2所述的分散式风电机组电能质量测试方法，其特征在于，所述通过极点对称模态分解算法，确定测试电压基波电气角；具体包括：
采用极点对称模态分解算法，检测电网的基本频率f(t)的瞬时频率和幅度；并根据电网的基本频率f(t)的瞬时频率和幅度，确定测试电压基波电气角。
4.如权利要求3所述的分散式风电机组电能质量测试方法，其特征在于，所述瞬时频率和幅度，包括：基波频率和幅度、谐波频率和幅度、间谐波频率和幅度、闪变信号的频率和幅度。
5.如权利要求1所述的分散式风电机组电能质量测试方法，其特征在于，所述利用虚拟电网解析模型，确定电压波动和闪变与电网阻抗角的函数关系；具体包括：
电压波动是由风的波动性引起风能量变化的结果，利用解析方法建立电网与风机间的数学模型，综合考虑电网阻抗、有功功率、无功功率，确定虚拟电网解析模型；
U1为电网的电压，U2为公共连接点PCC的电压，PCC处电压的表达式为：
其中，P为有功功率，Q为无功功率；选择虚拟电网解析模型中阻抗Z的实部Rk和虚部Xk，利用如下公式获得合适的电网阻抗相角ψk：
其中，fg为电网额定频率；虚拟电网的三相短路视在功率由如下公式确定：
根据U1、U2、Rk、Xk、ψk、Sk,fic、额定视在功率Sn之间的联系，确定电压波动和闪变与电网阻抗角ψk的函数关系。
6.如权利要求1所述的分散式风电机组电能质量测试方法，其特征在于，所述电能质量检测平台，具体包括：采用层次结构，顶层使用同步数据流计算模型描述数据流动，底层使用离散事件模型、进程网络、多路会话模型；
顶层：同步数据流模型中的数据来自于风力发电机组的电能质量检测数据，数据的顺序流动用角色之间的连接关系进行表征，而角色则基于其输入数据进行处理，并产生输出数据，通信由固定容量的先进先出队列实现，并且各角色间的执行顺序被静态调度；
离散事件模型，是针对并行采集多台风力发电机组电能质量数据，角色通过位于同一时间轴的事件进行通信，每个事件都有一个值和时间戳，并且角色对数据的处理是按照时间顺序完成的；
进程网络模型，每一个风电机组的电能质量检测数据作为一个线程，在通信网络里并发执行每个线程；
多路会话模型，存储到云平台中的电能质量数据的流动与共享，一个角色的发送输出到多个其他角色，通信形成了多路会话。
7.如权利要求6所述的分散式风电机组电能质量测试方法，其特征在于，所述信息物理系统的功能层，具体包括：
感知层硬件包括：风电机组、嵌入式设备、窄带物联网通信设备，嵌入式硬件高速采集风电机组的电压、电流、风速信号，输入到虚拟电网，实施边缘计算，实现隐性数据到显性数据的转换；
网络层是运营商提供的窄带物联网核心网络，实现数据的智能传输；
平台层包括：服务器、数据库、存储器，集合了数据存储、数据融合、分布式计算、大数据分析、数据服务功能，实现数据的智能分析，将显性数据转换成能理解的信息；
应用层是电能质量智能服务平台，通过智能分析与决策，形成最优策略和知识。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910419585.3A CN110146813A (zh) | 2019-05-20 | 2019-05-20 | 一种分散式风电机组电能质量测试方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910419585.3A CN110146813A (zh) | 2019-05-20 | 2019-05-20 | 一种分散式风电机组电能质量测试方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110146813A true CN110146813A (zh) | 2019-08-20 |
Family
ID=67592317
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910419585.3A Pending CN110146813A (zh) | 2019-05-20 | 2019-05-20 | 一种分散式风电机组电能质量测试方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110146813A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110658410A (zh) * | 2019-10-18 | 2020-01-07 | 宁波恒晨电力建设有限公司 | 一种电能质量监测装置 |
| CN111030527A (zh) * | 2019-12-25 | 2020-04-17 | 孚创动力控制技术（启东）有限公司 | 一种基于窄带物联和边缘计算的柴油发电机组智能终端 |
| CN111740494A (zh) * | 2020-06-14 | 2020-10-02 | 石霜霜 | 基于边缘计算和云计算的数据管理方法及边缘计算平台 |
| CN113381450A (zh) * | 2021-07-12 | 2021-09-10 | 国网浙江省电力有限公司经济技术研究院 | 分布式电源接入点电能质量评估系统及其评估控制方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103018670A (zh) * | 2012-12-04 | 2013-04-03 | 辽宁省电力有限公司电力科学研究院 | 基于工控机的风电机组并网性能测试系统及方法 |
| CN103973559A (zh) * | 2014-05-30 | 2014-08-06 | 国家电网公司 | 一种基于信息物理系统融合的能量路由器 |
| EP3079217A1 (en) * | 2015-04-09 | 2016-10-12 | ABB Technology AG | Method for detecting islanding in grid connected power generation systems and related dc/ac converter apparatus |
| CN205693378U (zh) * | 2016-04-18 | 2016-11-16 | 武汉大学 | 一种分布式新能源接入电力cps系统的接口装置 |
| CN106921702A (zh) * | 2015-12-25 | 2017-07-04 | 中国电力科学研究院 | 一种基于面向服务的配电网信息物理系统 |
| CN107742009A (zh) * | 2017-09-21 | 2018-02-27 | 国家电网公司 | 配电网信息物理系统仿真过程多态可视化建模方法 |
| CN108680782A (zh) * | 2018-05-04 | 2018-10-19 | 上海电力学院 | 基于极值点对称模式分解的电压闪变参数检测方法 |
| CN109713672A (zh) * | 2019-02-21 | 2019-05-03 | 莱茵技术（上海）有限公司 | 一种风电电能质量评估方法 |
-
2019
- 2019-05-20 CN CN201910419585.3A patent/CN110146813A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103018670A (zh) * | 2012-12-04 | 2013-04-03 | 辽宁省电力有限公司电力科学研究院 | 基于工控机的风电机组并网性能测试系统及方法 |
| CN103973559A (zh) * | 2014-05-30 | 2014-08-06 | 国家电网公司 | 一种基于信息物理系统融合的能量路由器 |
| EP3079217A1 (en) * | 2015-04-09 | 2016-10-12 | ABB Technology AG | Method for detecting islanding in grid connected power generation systems and related dc/ac converter apparatus |
| CN106921702A (zh) * | 2015-12-25 | 2017-07-04 | 中国电力科学研究院 | 一种基于面向服务的配电网信息物理系统 |
| CN205693378U (zh) * | 2016-04-18 | 2016-11-16 | 武汉大学 | 一种分布式新能源接入电力cps系统的接口装置 |
| CN107742009A (zh) * | 2017-09-21 | 2018-02-27 | 国家电网公司 | 配电网信息物理系统仿真过程多态可视化建模方法 |
| CN108680782A (zh) * | 2018-05-04 | 2018-10-19 | 上海电力学院 | 基于极值点对称模式分解的电压闪变参数检测方法 |
| CN109713672A (zh) * | 2019-02-21 | 2019-05-03 | 莱茵技术（上海）有限公司 | 一种风电电能质量评估方法 |
Non-Patent Citations (4)
| Title |
|---|
| V.K. ARUNSHANKAR: "Power Quality Performance Analysis of grid tied PV fed Parallel Pumping System under Normal and Vibrating Condition", 《ENERGY PROCEDIA》 * |
| 刘艳章: "电能质量监测与辅助决策系统研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
| 张宇华: "基于ESMD和HT相结合的谐波检测新方法", 《电力系统保护与控制》 * |
| 张宇舟: "智能微电网电能质量监控系统设计及实现", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110658410A (zh) * | 2019-10-18 | 2020-01-07 | 宁波恒晨电力建设有限公司 | 一种电能质量监测装置 |
| CN111030527A (zh) * | 2019-12-25 | 2020-04-17 | 孚创动力控制技术（启东）有限公司 | 一种基于窄带物联和边缘计算的柴油发电机组智能终端 |
| CN111740494A (zh) * | 2020-06-14 | 2020-10-02 | 石霜霜 | 基于边缘计算和云计算的数据管理方法及边缘计算平台 |
| CN111740494B (zh) * | 2020-06-14 | 2021-03-02 | 廊坊市讯云数据科技有限公司 | 基于边缘计算和云计算的数据管理方法及边缘计算平台 |
| CN113381450A (zh) * | 2021-07-12 | 2021-09-10 | 国网浙江省电力有限公司经济技术研究院 | 分布式电源接入点电能质量评估系统及其评估控制方法 |
| CN113381450B (zh) * | 2021-07-12 | 2022-07-08 | 国网浙江省电力有限公司经济技术研究院 | 分布式电源接入点电能质量评估系统及其评估控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110146813A (zh) | 一种分散式风电机组电能质量测试方法 | |
| CN107453357B (zh) | 一种基于分层求解的配电网状态估计方法 | |
| CN101441231B (zh) | 一种谐波电能计量误差分析装置 | |
| CN111026927A (zh) | 一种低压台区运行状态智能监测系统 | |
| CN102565574A (zh) | 船舶电能质量监测系统 | |
| CN106786608B (zh) | 一种适用于分布式电源接入的不确定谐波潮流计算方法 | |
| CN107886171A (zh) | 一种基于pmu数据的断路器状态在线诊断方法及系统 | |
| CN107741577A (zh) | 一种关口表准确度在线监控和分析方法及系统 | |
| CN111965484B (zh) | 基于连续谐波状态估计的配电网谐波贡献计算方法及系统 | |
| Jalilian et al. | Detection of short-term voltage disturbances and harmonics using μPMU-based variational mode extraction method | |
| Xu et al. | Interval prediction method for wind power based on VMD-ELM/ARIMA-ADKDE | |
| CN117394311B (zh) | 一种基于多源信息融合的配电网韧性评估及紧急控制方法 | |
| CN104007408A (zh) | 一种pmu动态性能的在线检测方法及装置 | |
| CN109581045A (zh) | 一种满足iec标准框架的间谐波功率计量方法 | |
| CN117236744A (zh) | 一种考虑多谐波源的谐波影响评估方法 | |
| CN113156358B (zh) | 一种架空输电线路异常线损分析方法及系统 | |
| CN114966201B (zh) | 一种典型场景下谐波电压电流测量与特征分析方法 | |
| CN109387806B (zh) | 基于simulink仿真的数字化电能表溯源系统误差影响分析方法 | |
| CN112886583A (zh) | 一种对配变台区线损异常用户用电分析方法 | |
| Li et al. | Decentralized Power Data Quality Evaluation System in Blockchain Environment | |
| CN117639107B (zh) | 配电网电能质量评估方法及系统 | |
| Chen et al. | Intelligent Identification Method of Sub/Super-synchronous Oscillation Parameters Based on CNN and Synchrophasor | |
| Yichao et al. | Short-term wind speed prediction based on CEEMD decomposition and optimization BP model | |
| Linghua et al. | Research on the algorithm model of predicting line loss diagnosis based on computer multiple linear regression | |
| Yang et al. | A Prediction Method of the Load Capacity of Transmission Lines Considering Meteorological Uncertainties |
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: 20190820 |
|
| RJ01 | Rejection of invention patent application after publication |