CN110299710A - 一种风电场接入电网的随机潮流计算方法及装置 - Google Patents
一种风电场接入电网的随机潮流计算方法及装置 Download PDFInfo
- Publication number
- CN110299710A CN110299710A CN201910712592.2A CN201910712592A CN110299710A CN 110299710 A CN110299710 A CN 110299710A CN 201910712592 A CN201910712592 A CN 201910712592A CN 110299710 A CN110299710 A CN 110299710A
- Authority
- CN
- China
- Prior art keywords
- wind
- power
- wind turbines
- turbines
- power plant
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 25
- 230000000694 effects Effects 0.000 claims abstract description 43
- 238000005315 distribution function Methods 0.000 claims abstract description 37
- 238000004088 simulation Methods 0.000 claims abstract description 6
- 238000004590 computer program Methods 0.000 claims description 11
- 230000005611 electricity Effects 0.000 claims description 10
- 230000003247 decreasing effect Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 230000002459 sustained effect Effects 0.000 claims description 7
- 238000012614 Monte-Carlo sampling Methods 0.000 claims description 5
- 238000000034 method Methods 0.000 abstract description 16
- 230000005684 electric field Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012876 topography Methods 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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种风电场接入电网的随机潮流计算方法、装置、设备及计算机可读存储介质,方法包括:对风电场中各风电机组的尾流效应进行模拟,建立风电场风速随机模型;利用风电场风速随机模型得到各风电机组的风速,并得到各风电机组的输出功率;通过各风电机组的输出功率计算风电场的功率参数,并计算电网中的负荷的功率参数、除各风电机组之外的发电机组的功率参数;利用风电场的功率参数、负荷的功率参数、除各风电机组之外的发电机组的功率参数得到节点电压的概率分布函数及支路功率的概率分布函数。本申请公开的上述技术方案,基于对尾流效应的模拟建立风电场风速随机模型,并借助该模型得到风电机组输出功率,以提高随机潮流计算的准确性。
Description
技术领域
本发明涉及潮流计算技术领域,更具体地说,涉及一种风电场接入电网的随机潮流计算方法、装置、设备及计算机可读存储介质。
背景技术
随着新能源技术的快速发展,利用风能进行发电、包含多台风电机组、占地面积比较大的风电场被接入到电网中。由于风电机组的出力具有随机性,因此,高渗透分散式风电场的接入会给配电网的运行带来诸多不确定的因素,而随机潮流计算可以有效地分析系统运行中随机因素的影响,以得到系统稳态运行的宏观统计信息,从而能够更加深刻、全面地反映系统的运行状况。
目前,风电场的随机潮流计算的基本原理是将风电场视为一个整体,风电场内所有风电机组的出力都相同,即风电场的输出功率等于单台风电机组的有功功率乘以风电机组的数量,然后,再利用该输出功率进行随机潮流计算。具体地,将风速的Weibull分布模型与风力发电机组的功率输出特性相结合,以得到单台风电机组出力的随机模型,并根据随机模型得到该台风电机组的输出功率,然后,将该台风电机组的输出功率与风电场所包含的风电机组的数量相乘而得到风电场的输出功率,并使该输出功率参与到随机潮流计算中,以得到节点电压和支路功率的概率分布函数。但在实际运行中,由于尾流效应(坐落在下风向的风电机组的风速低于坐落在上风向的风电机组的风速,风电机组相距越近,前面风电机组对后面风电机组风速的影响越大)对各台风电机组处的风速有较大的影响(即尾流效应会导致不同位置处的风电机组的风速各不相同),则会使得各台风电机组的实际出力情况并不相同,因此,采用单台风电机组的有功功率乘以风电机组的数量得到风电场的输出功率,并使该输出功率参与到随机潮流计算中的方式会降低随机潮流计算的准确性。
综上所述,如何提高随机潮流计算的准确性,是目前本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此,本发明的目的是提供一种风电场接入电网的随机潮流计算方法、装置、设备及计算机可读存储介质,以提高随机潮流计算的准确性。
为了实现上述目的,本发明提供如下技术方案:
一种风电场接入电网的随机潮流计算方法,包括:
对风电场中各风电机组的尾流效应进行模拟,并建立风电场风速随机模型;
利用所述风电场风速随机模型得到各所述风电机组的风速,并利用各所述风电机组的风速对应得到各所述风电机组的输出功率;
通过各所述风电机组的输出功率计算所述风电场的功率参数,并计算电网中的负荷的功率参数、除各所述风电机组之外的发电机组的功率参数;
利用所述风电场的功率参数、所述负荷的功率参数、所述除各所述风电机组之外的发电机组的功率参数,得到所述电网中节点电压的概率分布函数及支路功率的概率分布函数。
优选的,对风电场中各风电机组的尾流效应进行模拟,并建立风电场风速随机模型,包括:
利用Jensen模型对处于同一高度处的所述风电机组的尾流效应进行模拟;
利用Lissaman模型对处于不同高度处的所述风电机组的尾流效应进行模拟;
通过所述Jensen模型和所述Lissaman模型得到所述风电场风速随机模型为:vX=v'0(1-d2);
其中,v0为x=0处的自然风速,x=0为所述风电场的边缘位置处,h为风电机组塔筒的高度,H为x=X处相对于x=0处的海拔高度,α1为风速随高度的变化系数,v'0为当x=0处没有风电机组存在时x=X处的风速,d1、d2均为风速下降系数,CT为风电机组推力系数,R为风电机组中叶片的半径,k为尾流衰减系数,vX为当x=0处有风电机组存在时x=X处的风速。
优选的,利用各所述风电机组的风速对应得到各所述风电机组的输出功率,包括:
通过所述风电机组的输出功率特性曲线,得到风电机组输出功率与风速之间的对应关系为:
其中,v为风电机组的风速,vci为切入风速,vr为额定风速,vco为切出风速,Pr为风电机组的额定功率,Pw为风电机组输出功率;
利用各所述风电机组的风速、所述风电机组输出功率与风速之间的对应关系得到各所述风电机组的输出功率。
优选的,通过各所述风电机组的输出功率计算所述风电场的功率参数,并计算电网中的负荷的功率参数、所述除各所述风电机组之外的发电机组的功率参数,包括:
通过各所述风电机组的输出功率计算风电机组输出功率的各阶半不变量,并计算负荷功率的各阶半不变量、除各所述风电机组之外的发电机组输出功率的各阶半不变量。
优选的,通过各所述风电机组的输出功率计算风电机组输出功率的各阶半不变量,包括:
利用蒙特卡洛抽样抽取N个有功功率序列{P1,P2,…,PN},并在恒功率因数控制下,得到所述风电机组的无功功率序列{Q1,Q2,…,QN};
计算所述风电机组输出功率的各阶原点矩:其中,αPν、αQν分别为风电机组输出有功功率、无功功率的v阶原点矩,Pi、Qi分别为{P1,P2,…,PN}和{Q1,Q2,…,QN}中的第i个元素,i=1,2,…N;
通过半不变量与原点矩的关系得到所述风电机组输出功率的各阶半不变量。
优选的,利用所述风电场的功率参数、所述负荷的功率参数、所述除各所述风电机组之外的发电机组的功率参数,得到所述电网中节点电压的概率分布函数及支路功率的概率分布函数,包括:
利用所述风电机组输出功率的各阶半不变量、所述负荷功率的各阶半不变量、所述除各所述风电机组之外的发电机组输出功率的各阶半不变量,通过线性化潮流方程得到节点电压的各阶半不变量、支路功率的各阶半不变量;
通过Gram-Charlier级数展开得到所述节点电压的概率分布函数及所述支路功率的概率分布函数。
一种风电场接入电网的随机潮流计算装置,包括:
模拟模块,用于对风电场中各风电机组的尾流效应进行模拟,并建立风电场风速随机模型;
第一计算模块,用于利用所述风电场风速随机模型得到各所述风电机组的风速,并利用各所述风电机组的风速对应得到各所述风电机组的输出功率;
第二计算模块,用于通过各所述风电机组的输出功率计算所述风电场的功率参数,并计算电网中的负荷的功率参数、除各所述风电机组之外的发电机组的功率参数;
第三计算模块,用于利用所述风电场的功率参数、所述负荷的功率参数、所述除各所述风电机组之外的发电机组的功率参数,得到所述电网中节点电压的概率分布函数及支路功率的概率分布函数。
优选的,所述模拟模块包括:
第一模拟单元,用于利用Jensen模型对处于同一高度处的所述风电机组的尾流效应进行模拟;
第二模拟单元,用于利用Lissaman模型对处于不同高度处的所述风电机组的尾流效应进行模拟;
第三模拟单元,用于通过所述Jensen模型和所述Lissaman模型得到所述风电场风速随机模型为:vX=v'0(1-d2);
其中,v0为x=0处的自然风速,x=0为所述风电场的边缘位置处,h为风电机组塔筒的高度,H为x=X处相对于x=0处的海拔高度,α1为风速随高度的变化系数,v'0为当x=0处没有风电机组存在时x=X处的风速,d1、d2均为风速下降系数,CT为风电机组推力系数,R为风电机组中叶片的半径,k为尾流衰减系数,vX为当x=0处有风电机组存在时x=X处的风速。
一种风电场接入电网的随机潮流计算设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上述任一项所述的风电场接入电网的随机潮流计算方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一项所述的风电场接入电网的随机潮流计算方法的步骤。
本发明提供了一种风电场接入电网的随机潮流计算方法、装置、设备及计算机可读存储介质,其中,该方法包括:对风电场中各风电机组的尾流效应进行模拟,并建立风电场风速随机模型;利用风电场风速随机模型得到各风电机组的风速,并利用各风电机组的风速对应得到各风电机组的输出功率;通过各风电机组的输出功率计算风电场的功率参数,并计算电网中的负荷的功率参数、除各风电机组之外的发电机组的功率参数;利用风电场的功率参数、负荷的功率参数、除各风电机组之外的发电机组的功率参数,得到电网中节点电压的概率分布函数及支路功率的概率分布函数。
本申请公开的上述技术方案,通过对风电场中各风电机组的尾流效应进行模拟,建立风电场风速随机模型,并利用风电场风速随机模型得到各风电机组的风速,且利用各风电机组的风速得到各风电机组的输出功率,然后,将所得到的各风电机组的输出功率参与到随机潮流计算中,以得到电网中节点电压的概率分布函数及支路功率的概率分布函数。由于上述过程将尾流效应对风速的影响考虑在内,因此,可以提高获取各风电机组的风速的准确性,并可以提高获取各风电机组的输出功率的准确性,则在使各风电机组的输出功率参与到随机潮流计算中时则相应地可以提高随机潮流计算的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种风电场接入电网的随机潮流计算方法的流程图;
图2为本发明实施例提供的风电机组位于平坦地形的Jensen模型示意图;
图3为本发明实施例提供的风电机组位于复杂地形的Lissaman模型示意图;
图4为本发明实施例提供的一种风电场接入电网的随机潮流计算装置的结构示意图;
图5为本发明实施例提供的一种风电场接入电网的随机潮流计算设备的结构示意图。
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,其示出了本发明实施例提供的一种风电场接入电网的随机潮流计算方法的流程图,可以包括:
S11:对风电场中各风电机组的尾流效应进行模拟,并建立风电场风速随机模型。
在包含有多个风电机组的风电场中,对各风电机组的尾流效应进行模拟,并通过对尾流效应的模拟建立风电场风速随机模型,即所建立的风电场风速随机模型考虑了尾流效应的影响,以使所建立的风电场风速随机模型可以与风电机组的实际运行情况更加贴合。
需要说明的是,由于尾流效应与风电机组之间的位置有关,因此,所建立的风电场风速随机模型具体是和风电机组所处位置相关的函数。
S12:利用风电场风速随机模型得到各风电机组的风速,并利用各风电机组的风速对应得到各风电机组的输出功率。
在建立起风电场风速随机模型之后,可以利用风电场风速随机模型得到各风电机组的风速,并可以利用各风电机组的风速对应得到各风电机组的输出功率,同时,可以通过各风电机组的输出功率得到风电场的输出功率。
由于风电场风速随机模型是基于对风电场中各风电机组的尾流效应进行模拟之后得到的,因此,利用该风电场风速随机模型所得到的风电机组的风速则与风电机组周围的实际风速比较接近,相应地,最终所得到的风电机组的输出功率、风电场的输出功率则也与风电机组的实际输出功率、风电场的实际输出功率比较接近,即利用该风电场风速随机模型可以提高风速计算的准确性,并可以提高风电机组输出功率和风电场输出功率计算的准确性。
S13:通过各风电机组的输出功率计算风电场的功率参数,并计算电网中的负荷的功率参数、除各风电机组之外的发电机组的功率参数。
在得到各风电机组的输出功率之后,可以使各风电机组的输出功率(也可以为风电场的输出功率)参与到随机潮流计算中。具体地,可以通过各风电机组的输出功率计算风电场的功率参数,同时,可以计算风电场所接入的电网中的负荷的功率参数、除各风电机组之外的发电机组的功率参数,以便后续可以根据这些功率参数得到随机潮流计算的结果。其中,除各风电机组之外的发电机组具体为火电机组等能够进行发电的机组。
S14:利用风电场的功率参数、负荷的功率参数、除各风电机组之外的发电机组的功率参数,得到电网中节点电压的概率分布函数及支路功率的概率分布函数。
在计算得到上述所提及的功率参数之后,可以利用所计算出的风电场的功率参数、负荷的功率参数、除各风电机组之外的发电机组的功率参数,得到电网中节点电压的概率分布函数,并得到电网中支路功率的概率分布函数,以便于根据节点电压的概率分布函数和支路功率的概率分布函数来对系统运行中随机因素的影响进行有效地分析,从而得到系统稳态运行的宏观统计信息。
由于通过上述方式可以提高各风电机组输出功率计算的准确性,因此,在将各风电机组的输出功率参与到随机潮流计算中时,则可以提高随机潮流计算的准确性,从而可以提高根据随机潮流计算结果进行分析的准确性。
本申请公开的上述技术方案,通过对风电场中各风电机组的尾流效应进行模拟,建立风电场风速随机模型,并利用风电场风速随机模型得到各风电机组的风速,且利用各风电机组的风速得到各风电机组的输出功率,然后,将所得到的各风电机组的输出功率参与到随机潮流计算中,以得到电网中节点电压的概率分布函数及支路功率的概率分布函数。由于上述过程将尾流效应对风速的影响考虑在内,因此,可以提高获取各风电机组的风速的准确性,并可以提高获取各风电机组的输出功率的准确性,则在使各风电机组的输出功率参与到随机潮流计算中时则相应地可以提高随机潮流计算的准确性。
本发明实施例提供的一种风电场接入电网的随机潮流计算方法,对风电场中各风电机组的尾流效应进行模拟,并建立风电场风速随机模型,可以包括:
利用Jensen模型对处于同一高度处的风电机组的尾流效应进行模拟;
利用Lissaman模型对处于不同高度处的风电机组的尾流效应进行模拟;
通过Jensen模型和Lissaman模型得到风电场风速随机模型为:vX=v'0(1-d2);
其中,v0为x=0处的自然风速,x=0为风电场的边缘位置处,h为风电机组塔筒的高度,H为x=X处相对于x=0处的海拔高度,α1为风速随高度的变化系数,v'0为当x=0处没有风电机组存在时x=X处的风速,d1、d2均为风速下降系数,CT为风电机组推力系数,R为风电机组中叶片的半径,k为尾流衰减系数,vX为当x=0处有风电机组存在时x=X处的风速。
在对风电场中各风电机组的尾流效应进行模拟,并建立风电场风速随机模型时,可以借助Jensen模型和Lissaman模型进行模拟和建立:
具体地,可以利用Jensen模型对处于同一高度处(地形比较平坦)的风电机组的尾流效应进行模拟,如图2所示,其示出了本发明实施例提供的风电机组位于平坦地形的Jensen模型示意图,其中,X表示处于前后排位置处的两个风电机组之间的距离,x=0为风电场的边缘位置处,R和Rw分别为风电机组中叶片的半径和尾流半径,v0、vT、vX分别为自然风速、通过叶片的风速、受尾流效应影响的风速,通过动量理论计算得到如下表达式:vX在此即为x=X处且受尾流效应影响后的风速),其中,CT为风电机组推力系数,k为尾流衰减系数;
可以利用Lissaman模型近似模拟由于各风电机组位置高低不同而引起的有损耗的非均匀风速场,如图3所示,其示出了本发明实施例提供的风电机组位于复杂地形的Lissaman模型示意图,其中,图3反映了两个风电场,一个地形平坦(风电机组安装高度相同),另一个地形复杂(风电机组安装高度不同),两台相同型号的风电机组分别位于两个风电场的边缘,它们所处的坐标位置都是x=0,风速都为v0。当x=0处没有风电机组存在时,平坦地x=X处的风速仍为v0,而海拔高度H处的风速为其中,h为风电机组塔筒的高度,α1为风速随高度的变化系数。当在x=0处安装风电机组时,受尾流效应的影响,x=X处的风速分别为(v1x在此即为式(1)中的vX),其中,d1、d2为相应的风速下降系数;
由Jensen模型可得假设两种地形的尾流损耗相同,尾流中的压力相同,则根据无损耗伯努利方程得到因此,结合式(1)和式(2)最终得到风电场风速随机模型具体为vX=v'0(1-d2)(式(3)),其中,v0为x=0处的自然风速,x=0为风电场的边缘位置处,h为风电机组塔筒的高度,H为x=X处相对于x=0处的海拔高度,α1为风速随高度的变化系数,v'0为当x=0处没有风电机组存在时x=X处的风速,d1、d2均为风速下降系数,CT为风电机组推力系数,R为风电机组中叶片的半径,k为尾流衰减系数,vX为当x=0处有风电机组存在时x=X处的风速。
由上述可知,Jensen模型模拟的是平坦地形的尾流效应,Lissaman模型模拟的是复杂地形的尾流效应,因此,综合利用Jensen模型和Lissaman模型可以对处于不同地形环境中的风电机组的尾流效应进行模拟,从而可以得到较为准确的风电场风速随机模型。
在得到式(3)之后,则可以根据风电场中各风电机组的位置(即确定X的值)、风电机组的相关参数以及式(3)得到各风电机组的风速,以提高风速计算的准确性。
本发明实施例提供的一种风电场接入电网的随机潮流计算方法,利用各风电机组的风速对应得到各风电机组的输出功率,可以包括:
通过风电机组的输出功率特性曲线,得到风电机组输出功率与风速之间的对应关系为:
其中,v为风电机组的风速,vci为切入风速,vr为额定风速,vco为切出风速,Pr为风电机组的额定功率,Pw为风电机组输出功率;
利用各风电机组的风速、风电机组输出功率与风速之间的对应关系得到各风电机组的输出功率。
在利用风速计算各风电机组的输出功率时,可以通过风电机组的输出功率特性曲线得到风电机组输出功率与风速之间的对应关系为其中,v为风电机组的风速(即为利用风电场风速随机模型所得到的风速),vci为切入风速,vr为额定风速,vco为切出风速,Pr为风电机组的额定功率,Pw为风电机组输出功率,然后,可以利用通过风电场风速随机模型所得到的各风电机组的风速、风电机组输出功率与风速之间的对应关系(即式(4))计算得到各风电机组的输出功率。
本发明实施例提供的一种风电场接入电网的随机潮流计算方法,通过各风电机组的输出功率计算风电场的功率参数,并计算电网中的负荷的功率参数、除各风电机组之外的发电机组的功率参数,可以包括:
通过各风电机组的输出功率计算风电机组输出功率的各阶半不变量,并计算负荷功率的各阶半不变量、除各风电机组之外的发电机组输出功率的各阶半不变量。
在计算风电场的功率参数、负荷的功率参数、除各风电机组之外的发电机组的功率参数时,具体可以通过各风电机组的输出功率计算风电机组输出功率的各阶半不变量,并可以根据负荷的情况计算负荷功率的各阶半不变量,根据除各风电机组之外的发电机组的情况计算除各风电机组之外的发电机组输出功率的各阶半不变量,以利用相关输出功率的各阶半不变量进行随机潮流计算。
其中,负荷功率的各阶半不变量的求法可以为:负荷功率的随机成分是由负荷预测误差和负荷的随机波动构成的,用服从正态分布的随机变量描述,其一阶半不变量为数学期望,二阶半不变量等于方差,三阶及以上半不变量的值为0;另外,这里以火电机组为例说明除风电机组之外的发电机组输出功率的各阶半不变量的求法:火电机组均为两状态机组,即只有正常运行和强迫停运两种状态,根据各台机组的强迫停运概率,得到所有机组总的输出功率的各阶矩,然后,由半不变量和原点矩的关系求得火电机组输出功率的各阶半不变量。
通过输出功率的各阶半不变量进行随机潮流计算可以加快计算的速度,提高计算的效率,而且所耗费的时间与样本的数量无关,在系统规模大、需要在线进行随机潮流计算的情况下其有着广阔的应用前景。
本发明实施例提供的一种风电场接入电网的随机潮流计算方法,通过各风电机组的输出功率计算风电机组输出功率的各阶半不变量,可以包括:
利用蒙特卡洛抽样抽取N个有功功率序列{P1,P2,…,PN},并在恒功率因数控制下,得到风电机组的无功功率序列{Q1,Q2,…,QN};
计算风电机组输出功率的各阶原点矩:其中,αPν、αQν分别为风电机组输出有功功率、无功功率的v阶原点矩,Pi、Qi分别为{P1,P2,…,PN}和{Q1,Q2,…,QN}中的第i个元素,i=1,2,…N;
通过半不变量与原点矩的关系得到风电机组输出功率的各阶半不变量。
可以通过如下方式计算风电机组输出功率的各阶半不变量:首先利用蒙特卡洛抽样抽取N个有功功率序列{P1,P2,…,PN},并且由恒功率因数控制下风电机组的无功功率与有功功率成正比的关系可以得到,在恒功率因数控制下的风电机组的无功功率序列{Q1,Q2,…,QN}。然后,由原点矩的定义,计算出风电机组输出功率的各阶原点矩其中,αPν、αQν分别为风电机组输出有功功率、无功功率的v阶原点矩。之后,则由半不变量与原点矩的关系得到风电机组的各阶半不变量。
当然,也可以先利用蒙特卡洛抽样从服从双参数Weibull分布的风速函数中抽取N个风速序列{v1,v2,…,vN},然后,可以利用式(4)得到风电机组的有功功率序列{P1,P2,…,PN},之后,则可以进行与上述相同的步骤,以得到风电机组输出功率的各阶半不变量。
本发明实施例提供的一种风电场接入电网的随机潮流计算方法,利用风电场的功率参数、负荷的功率参数、除各风电机组之外的发电机组的功率参数,得到电网中节点电压的概率分布函数及支路功率的概率分布函数,可以包括:
利用风电机组输出功率的各阶半不变量、负荷功率的各阶半不变量、除各风电机组之外的发电机组输出功率的各阶半不变量,通过线性化潮流方程得到节点电压的各阶半不变量、支路功率的各阶半不变量;
通过Gram-Charlier级数展开得到节点电压的概率分布函数及支路功率的概率分布函数。
在利用上述所得到的各阶半不变量进行随机潮流计算时,可以应用半不变量的可加性,由节点发电机功率的各阶半不变量(包含风电机组输出功率的各阶半不变量、除各风电机组之外的发电机组输出功率的各阶半不变量)和节点负荷功率的各阶半不变量(即为负荷功率的各阶半不变量)求得节点注入功率的各阶半不变量ΔW(k),即:
然后,可以根据半不变量的幂指型,结合线性化潮流方程计算得到节点电压ΔX的各阶半不变量和支路功率ΔZ的各阶半不变量,即 其中,分别为矩阵S0和T0中元素的k次幂所构成的矩阵,S0和T0分别为线性化潮流方程中的灵敏度矩阵和功率传输矩阵。
在得到式(6)之后,则可以通过Gram-Charlier级数展开对节点电压的各阶半不变量进行处理,以得到节点电压的概率分布函数,并通过Gram-Charlier级数展开对支路功率的各阶半不变量进行处理,以得到支路功率的概率分布函数。具体地,在通过Gram-Charlier级数展开进行处理之后,所得到节点电压和支路功率的相应的概率分布函数为:
其中,gν为ν阶规格化半不变量(即分别对应节点电压的各阶半不变量和支路功率的各阶半不变量),为标准化的状态变量(状态变量包括节点电压和支路功率,其中,当gν对应节点电压时,即对应节点电压;当gν对应支路功率时,即对应支路功率),为标准正态分布密度函数,为Hermite多项式。
可以IEEE-30节点系统为例,其风电场容量为5×2MW,风电场中风电机组分为2排,排间距为120m,风电机组以恒功率因数控制方式运行,其功率因数为0.75,风电场内空气密度为1.2245kg/m3,风电场通过变压器和110kV线路接入系统的25节点,则在经过各阶半不变量计算之后,可以得到节点电压幅值和支路有功功率的各阶半不变量,具体如表1所示:
表1风电场接入后部分节点电压幅值和支路有功功率的各阶半不变量
然后,可以将所得到的节点电压幅值和支路有功功率的各阶半不变量利用Gram-Charlier级数展开得到节点电压的概率分布函数和支路功率的概率分布函数。
本发明实施例还提供了一种风电场接入电网的随机潮流计算装置,参见图4,其示出了本发明实施例提供的一种风电场接入电网的随机潮流计算装置的结构示意图,可以包括:
模拟模块11,用于对风电场中各风电机组的尾流效应进行模拟,并建立风电场风速随机模型;
第一计算模块12,用于利用风电场风速随机模型得到各风电机组的风速,并利用各风电机组的风速对应得到各风电机组的输出功率;
第二计算模块13,用于通过各风电机组的输出功率计算风电场的功率参数,并计算电网中的负荷的功率参数、除各风电机组之外的发电机组的功率参数;
第三计算模块14,用于利用风电场的功率参数、负荷的功率参数、除各风电机组之外的发电机组的功率参数,得到电网中节点电压的概率分布函数及支路功率的概率分布函数。
本发明实施例提供的一种风电场接入电网的随机潮流计算装置,模拟模块11可以包括:
第一模拟单元,用于利用Jensen模型对处于同一高度处的风电机组的尾流效应进行模拟;
第二模拟单元,用于利用Lissaman模型对处于不同高度处的风电机组的尾流效应进行模拟;
第三模拟单元,用于通过Jensen模型和Lissaman模型得到风电场风速随机模型为:vX=v'0(1-d2);
其中,v0为x=0处的自然风速,x=0为风电场的边缘位置处,h为风电机组塔筒的高度,H为x=X处相对于x=0处的海拔高度,α1为风速随高度的变化系数,v'0为当x=0处没有风电机组存在时x=X处的风速,d1、d2均为风速下降系数,CT为风电机组推力系数,R为风电机组中叶片的半径,k为尾流衰减系数,vX为当x=0处有风电机组存在时x=X处的风速。
本发明实施例提供的一种风电场接入电网的随机潮流计算装置,第一计算模块12可以包括:
第一计算单元,用于通过风电机组的输出功率特性曲线,得到风电机组输出功率与风速之间的对应关系为:
其中,v为风电机组的风速,vci为切入风速,vr为额定风速,vco为切出风速,Pr为风电机组的额定功率,Pw为风电机组输出功率;
第二计算单元,用于利用各风电机组的风速、风电机组输出功率与风速之间的对应关系得到各风电机组的输出功率。
本发明实施例提供的一种风电场接入电网的随机潮流计算装置,第二计算模块13可以包括:
第三计算单元,用于通过各风电机组的输出功率计算风电机组输出功率的各阶半不变量,并计算负荷功率的各阶半不变量、除各风电机组之外的发电机组输出功率的各阶半不变量。
本发明实施例提供的一种风电场接入电网的随机潮流计算装置,第三计算单元可以包括:
抽样子单元,用于利用蒙特卡洛抽样抽取N个有功功率序列{P1,P2,…,PN},并在恒功率因数控制下,得到风电机组的无功功率序列{Q1,Q2,…,QN};
第一计算子单元,用于计算风电机组输出功率的各阶原点矩:其中,αPν、αQν分别为风电机组输出有功功率、无功功率的v阶原点矩,Pi、Qi分别为{P1,P2,…,PN}和{Q1,Q2,…,QN}中的第i个元素,i=1,2,…N;
第二计算子单元,用于通过半不变量与原点矩的关系得到风电机组输出功率的各阶半不变量。
本发明实施例提供的一种风电场接入电网的随机潮流计算装置,第三计算模块14可以包括:
第四计算单元,用于利用风电机组输出功率的各阶半不变量、负荷功率的各阶半不变量、除各风电机组之外的发电机组输出功率的各阶半不变量,通过线性化潮流方程得到节点电压的各阶半不变量、支路功率的各阶半不变量;
第五计算单元,用于通过Gram-Charlier级数展开得到节点电压的概率分布函数及支路功率的概率分布函数。
本发明实施例还提供了一种风电场接入电网的随机潮流计算设备,参见图5,其示出了本发明实施例提供的一种风电场接入电网的随机潮流计算设备的结构示意图,可以包括:
存储器21,用于存储计算机程序;
处理器22,用于执行计算机程序时实现上述任一种风电场接入电网的随机潮流计算方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述任一种风电场接入电网的随机潮流计算方法的步骤。
该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例提供的一种风电场接入电网的随机潮流计算装置、设备及计算机可读存储介质中相关部分的说明请参见本发明实施例提供的一种风电场接入电网的随机潮流计算方法中对应部分的详细说明,在此不再赘述。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外,本发明实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明,以免过多赘述。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种风电场接入电网的随机潮流计算方法,其特征在于,包括:
对风电场中各风电机组的尾流效应进行模拟,并建立风电场风速随机模型;
利用所述风电场风速随机模型得到各所述风电机组的风速,并利用各所述风电机组的风速对应得到各所述风电机组的输出功率;
通过各所述风电机组的输出功率计算所述风电场的功率参数,并计算电网中的负荷的功率参数、除各所述风电机组之外的发电机组的功率参数;
利用所述风电场的功率参数、所述负荷的功率参数、所述除各所述风电机组之外的发电机组的功率参数,得到所述电网中节点电压的概率分布函数及支路功率的概率分布函数。
2.根据权利要求1所述的风电场接入电网的随机潮流计算方法,其特征在于,对风电场中各风电机组的尾流效应进行模拟,并建立风电场风速随机模型,包括:
利用Jensen模型对处于同一高度处的所述风电机组的尾流效应进行模拟;
利用Lissaman模型对处于不同高度处的所述风电机组的尾流效应进行模拟;
通过所述Jensen模型和所述Lissaman模型得到所述风电场风速随机模型为:vX=v'0(1-d2);
其中,v0为x=0处的自然风速,x=0为所述风电场的边缘位置处,h为风电机组塔筒的高度,H为x=X处相对于x=0处的海拔高度,α1为风速随高度的变化系数,v'0为当x=0处没有风电机组存在时x=X处的风速,d1、d2均为风速下降系数,CT为风电机组推力系数,R为风电机组中叶片的半径,k为尾流衰减系数,vX为当x=0处有风电机组存在时x=X处的风速。
3.根据权利要求2所述的风电场接入电网的随机潮流计算方法,其特征在于,利用各所述风电机组的风速对应得到各所述风电机组的输出功率,包括:
通过所述风电机组的输出功率特性曲线,得到风电机组输出功率与风速之间的对应关系为:
其中,v为风电机组的风速,vci为切入风速,vr为额定风速,vco为切出风速,Pr为风电机组的额定功率,Pw为风电机组输出功率;
利用各所述风电机组的风速、所述风电机组输出功率与风速之间的对应关系得到各所述风电机组的输出功率。
4.根据权利要求1所述的风电场接入电网的随机潮流计算方法,其特征在于,通过各所述风电机组的输出功率计算所述风电场的功率参数,并计算电网中的负荷的功率参数、所述除各所述风电机组之外的发电机组的功率参数,包括:
通过各所述风电机组的输出功率计算风电机组输出功率的各阶半不变量,并计算负荷功率的各阶半不变量、除各所述风电机组之外的发电机组输出功率的各阶半不变量。
5.根据权利要求4所述的风电场接入电网的随机潮流计算方法,其特征在于,通过各所述风电机组的输出功率计算风电机组输出功率的各阶半不变量,包括:
利用蒙特卡洛抽样抽取N个有功功率序列{P1,P2,…,PN},并在恒功率因数控制下,得到所述风电机组的无功功率序列{Q1,Q2,…,QN};
计算所述风电机组输出功率的各阶原点矩:其中,αPν、αQν分别为风电机组输出有功功率、无功功率的v阶原点矩,Pi、Qi分别为{P1,P2,…,PN}和{Q1,Q2,…,QN}中的第i个元素,i=1,2,…N;
通过半不变量与原点矩的关系得到所述风电机组输出功率的各阶半不变量。
6.根据权利要求5所述的风电场接入电网的随机潮流计算方法,其特征在于,利用所述风电场的功率参数、所述负荷的功率参数、所述除各所述风电机组之外的发电机组的功率参数,得到所述电网中节点电压的概率分布函数及支路功率的概率分布函数,包括:
利用所述风电机组输出功率的各阶半不变量、所述负荷功率的各阶半不变量、所述除各所述风电机组之外的发电机组输出功率的各阶半不变量,通过线性化潮流方程得到节点电压的各阶半不变量、支路功率的各阶半不变量;
通过Gram-Charlier级数展开得到所述节点电压的概率分布函数及所述支路功率的概率分布函数。
7.一种风电场接入电网的随机潮流计算装置,其特征在于,包括:
模拟模块,用于对风电场中各风电机组的尾流效应进行模拟,并建立风电场风速随机模型;
第一计算模块,用于利用所述风电场风速随机模型得到各所述风电机组的风速,并利用各所述风电机组的风速对应得到各所述风电机组的输出功率;
第二计算模块,用于通过各所述风电机组的输出功率计算所述风电场的功率参数,并计算电网中的负荷的功率参数、除各所述风电机组之外的发电机组的功率参数;
第三计算模块,用于利用所述风电场的功率参数、所述负荷的功率参数、所述除各所述风电机组之外的发电机组的功率参数,得到所述电网中节点电压的概率分布函数及支路功率的概率分布函数。
8.根据权利要求7所述的风电场接入电网的随机潮流计算装置,其特征在于,所述模拟模块包括:
第一模拟单元,用于利用Jensen模型对处于同一高度处的所述风电机组的尾流效应进行模拟;
第二模拟单元,用于利用Lissaman模型对处于不同高度处的所述风电机组的尾流效应进行模拟;
第三模拟单元,用于通过所述Jensen模型和所述Lissaman模型得到所述风电场风速随机模型为:vX=v'0(1-d2);
其中,v0为x=0处的自然风速,x=0为所述风电场的边缘位置处,h为风电机组塔筒的高度,H为x=X处相对于x=0处的海拔高度,α1为风速随高度的变化系数,v'0为当x=0处没有风电机组存在时x=X处的风速,d1、d2均为风速下降系数,CT为风电机组推力系数,R为风电机组中叶片的半径,k为尾流衰减系数,vX为当x=0处有风电机组存在时x=X处的风速。
9.一种风电场接入电网的随机潮流计算设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至6任一项所述的风电场接入电网的随机潮流计算方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的风电场接入电网的随机潮流计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910712592.2A CN110299710A (zh) | 2019-08-02 | 2019-08-02 | 一种风电场接入电网的随机潮流计算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910712592.2A CN110299710A (zh) | 2019-08-02 | 2019-08-02 | 一种风电场接入电网的随机潮流计算方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110299710A true CN110299710A (zh) | 2019-10-01 |
Family
ID=68032506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910712592.2A Pending CN110299710A (zh) | 2019-08-02 | 2019-08-02 | 一种风电场接入电网的随机潮流计算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110299710A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242390A (zh) * | 2020-03-06 | 2020-06-05 | 南方电网科学研究院有限责任公司 | 基于随机模拟的分散式风电场机组布局优化方法与装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208798A (zh) * | 2013-03-26 | 2013-07-17 | 河海大学 | 一种含风电场电力系统概率潮流的计算方法 |
CN103401248A (zh) * | 2013-07-17 | 2013-11-20 | 华南理工大学 | 一种含风电场配电网随机无功优化方法 |
CN105656084A (zh) * | 2016-03-22 | 2016-06-08 | 江苏省电力试验研究院有限公司 | 一种计及新能源发电预测误差的改进随机潮流算法 |
CN105811403A (zh) * | 2016-03-22 | 2016-07-27 | 江苏省电力试验研究院有限公司 | 基于半不变量和级数展开法的随机潮流算法 |
-
2019
- 2019-08-02 CN CN201910712592.2A patent/CN110299710A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208798A (zh) * | 2013-03-26 | 2013-07-17 | 河海大学 | 一种含风电场电力系统概率潮流的计算方法 |
CN103401248A (zh) * | 2013-07-17 | 2013-11-20 | 华南理工大学 | 一种含风电场配电网随机无功优化方法 |
CN105656084A (zh) * | 2016-03-22 | 2016-06-08 | 江苏省电力试验研究院有限公司 | 一种计及新能源发电预测误差的改进随机潮流算法 |
CN105811403A (zh) * | 2016-03-22 | 2016-07-27 | 江苏省电力试验研究院有限公司 | 基于半不变量和级数展开法的随机潮流算法 |
Non-Patent Citations (3)
Title |
---|
戎晓雪,别朝红等: "考虑风电场相关性的含风电电力系统随机潮流分析", 《电网技术》 * |
朱星阳,刘文霞等: "考虑大规模风电并网的电力系统随机潮流", 《中国电机工程学报》 * |
郑睿敏,李建华等: "考虑尾流效应的风电场建模以及随机潮流计算", 《西安交通大学学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242390A (zh) * | 2020-03-06 | 2020-06-05 | 南方电网科学研究院有限责任公司 | 基于随机模拟的分散式风电场机组布局优化方法与装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shakoor et al. | Wake effect modeling: A review of wind farm layout optimization using Jensen׳ s model | |
DuPont et al. | An advanced modeling system for optimization of wind farm layout and wind turbine sizing using a multi-level extended pattern search algorithm | |
Chen et al. | Wind turbine layout optimization with multiple hub height wind turbines using greedy algorithm | |
CN110533347B (zh) | 一种风电场风资源计算方法、装置、设备及可读介质 | |
Han et al. | Four-dimensional wind speed model for adequacy assessment of power systems with wind farms | |
Wu et al. | A design methodology for wind farm layout considering cable routing and economic benefit based on genetic algorithm and GeoSteiner | |
CN103810535B (zh) | 电力系统风电消纳能力评估方法 | |
Suomalainen et al. | Synthetic wind speed scenarios including diurnal effects: Implications for wind power dimensioning | |
CN103208798A (zh) | 一种含风电场电力系统概率潮流的计算方法 | |
CN104217077A (zh) | 一种反映风速变化特性的风力发电出力随机模型建模方法 | |
CN107394809A (zh) | 基于风速时间周期特征的风电并网系统风险评估方法 | |
CN105184683A (zh) | 一种基于风电场运行数据的概率聚类分群方法 | |
Han et al. | Adequacy study of a wind farm considering terrain and wake effect | |
Prospathopoulos et al. | Modelling wind turbine wakes in complex terrain | |
Singh et al. | Wind power estimation using artificial neural network | |
CN105634018A (zh) | 一种基于随机响应面法和内点法的含风电随机最优潮流求解方法 | |
Dhungana et al. | Data constrained adequacy assessment for wind resource planning | |
CN108269197A (zh) | 风电机组功率特性评估方法及装置 | |
Teyabeen et al. | Assessment of wind energy potential in Zwara, Libya | |
CN110299710A (zh) | 一种风电场接入电网的随机潮流计算方法及装置 | |
CN109921472A (zh) | 基于粒子群优化算法的电力系统等效惯量评估方法 | |
Kirchner-Bossi et al. | Wind farm power density optimization according to the area size using a novel self-adaptive genetic algorithm | |
CN107784692A (zh) | 变形叶片的三维蒙皮建模方法及装置 | |
Vicente | Validation of wind turbine wake models | |
Hammer et al. | Comparison metrics microscale simulation challenge for wind resource assessment |
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: 20191001 |
|
RJ01 | Rejection of invention patent application after publication |