CN111064183A - 电力系统源荷平衡的各类备用容量的确定方法 - Google Patents

电力系统源荷平衡的各类备用容量的确定方法 Download PDF

Info

Publication number
CN111064183A
CN111064183A CN201911218307.8A CN201911218307A CN111064183A CN 111064183 A CN111064183 A CN 111064183A CN 201911218307 A CN201911218307 A CN 201911218307A CN 111064183 A CN111064183 A CN 111064183A
Authority
CN
China
Prior art keywords
frequency
power
actual
domain signal
spare capacity
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
CN201911218307.8A
Other languages
English (en)
Inventor
王波
王红霞
马恒瑞
陈石
刘芮彤
马富齐
朱丹蕾
罗鹏
周胤宇
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.)
State Grid Corp of China SGCC
Wuhan University WHU
China Electric Power Research Institute Co Ltd CEPRI
Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd
Qinghai University
Original Assignee
State Grid Corp of China SGCC
Wuhan University WHU
China Electric Power Research Institute Co Ltd CEPRI
Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd
Qinghai University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Wuhan University WHU, China Electric Power Research Institute Co Ltd CEPRI, Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd, Qinghai University filed Critical State Grid Corp of China SGCC
Priority to CN201911218307.8A priority Critical patent/CN111064183A/zh
Publication of CN111064183A publication Critical patent/CN111064183A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • H02J3/28Arrangements for balancing of the load in a network by storage of energy
    • 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
    • H02J3/46Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • Y02E10/70Wind energy
    • Y02E10/76Power conversion electric or electronic aspects
    • 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
    • Y02E70/00Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种电力系统源荷平衡的各类备用容量的确定方法,将负荷功率或输出功率实际值与预测值之间的偏差作为控制功率需求,得到用于确定备用容量的原始时域信号;然后将备用容量需求的时域信号转换成频域信号,分析控制功率需求的频谱,根据各类型备用容量所对应的频段,将频谱划分成各个频率分量,这些频率分量包含了各类型备用容量的需求信息;最后可得到各类型备用容量值,提前量化了新能源出力不确定性所带来的备用需求。本发明可以确定风电接入电力系统后备用容量的具体需求,确定到底需要多少快速备用资源以及慢速备用资源。有助于提高可再生能源在电力系统中的渗透率,并且提升能源利用效率。

Description

电力系统源荷平衡的各类备用容量的确定方法
技术领域
本发明属于电力工程领域,特别是一种电力系统源荷平衡的各类备用容量的确定方法。
背景技术
目前,已有的备用容量优化方法主要有三大类:传统配比方法、模型优化方法以及统计分析方法。其中,统计分析方法指通过对历史数据的统计分析得到备用容量需求,该方法已得到国内外电力调度控制的广泛使用,但是统计分析方法对数据采集和数据分析有着较高要求。
由于电力系统源荷平衡过程更接近于一个典型的非平稳强随机过程,若系统发生功率偏差,将引起频率偏移。为了确定备用需求量化方法,可以考虑在频域中分析系统功率的不平衡现象,使功率和频率这两个密切相关的因素通过频谱分析方法联系在一起。
利用频谱分析方法将控制功率需求的时域信号转换成频域信号,基于频谱分析结果,得到平抑系统波动所需要的备用容量需求,并将其在频域内进行描述,可以直观反映出系统功率偏差所导致的频率波动情况以及所调用不同类型备用容量的特点。
根据原信号的不同,傅里叶变换分成四种类型:傅里叶变换(Fourier Transform,FT)、傅里叶级数(Fourier Series,FS)、离散时域傅里叶变换(Discrete Time FourierTransform,DTFT)和离散傅里叶变换(Discrete Fourier Transform,DFT),分别对应于非周期性连续信号、周期性连续信号、非周期性离散信号和周期性离散信号。这四种傅里叶变换都针对于长度无穷大的信号,而这对于计算机处理而言难以实现,面对这种困难,存在两种解决方法:第一,将信号无限地从左右进行延伸,延伸部分用零表示,使信号成为非周期性离散信号;第二,将信号用复制的方法进行延伸,使信号成为周期性离散信号,这样就可以分别利用离散时域傅里叶变换DTFT和离散傅里叶变换DFT进行转换。然而,非周期性信号需要由无穷多不同频率的正弦信号来表示,计算机将无法实现。因此,只有离散傅里叶变换DFT才能对离散信号进行转换,且电力系统备用容量量化所需的时域信号通常由离散的时间测量数据组成,因此,釆用DFT对原始数据进行时频转换。
发明内容
新能源出力不确定性带来的误差,需要由系统预留备用来平衡。本发明的目的是提供一种电力系统源荷平衡的各类备用容量的确定方法,该方法将频谱分析方法运用到调节电力系统源荷平衡,以更加适应的电网系统中的备用资源出力不确定性所带来的备用需求,提高控制容量的能力。
本发明的技术解决方案如下:
一种电力系统源荷平衡的各类备用容量的确定方法,包含四个步骤:
步骤1,根据负荷功率或输出功率实际值与预测值之间的偏差,即控制功率需求,得到用于确定备用需求的原始时域信号并其转换成频域信号;
将备用容量需求的时域信号转换成频域信号的方法为:
选取时域信号相邻2个釆样点之间的时间间隔作为釆样周期Ts,采样总时段T与采样点数N、和采样周期Ts、采样频率fs之间满足以下关系式:
T=NTs=N/fs (1)
负荷功率和输出功率的实测值和预测值均是由离散时间测量数据组成的序列ym和yp,两者的偏差为控制功率需求yc,即为系统备用和储能容量的原始时域信号:
yc=ym-yp (2)
ym、yp和yc序列的采样周期均为Ts(s)。
步骤2,将备用容量需求的时域信号转换成频域信号:
采用DFT将时域中的一个序列y(k)变换成频域中的另一个序列Y(n),k和n都是整数,分别对应于时间轴和频率轴,表示序列y(k)和Y(n)中采样值的序号。确定实际时间轴和实际频率轴的关键在于得到采样周期Ts或采样频率fs,离散时间轴上任意点k所对应的实际时间为t=kTs,频谱图形中离散频率轴上任意点n所对应的实际频率为f=(fs/N)n;
Y(n)的模|Y(n)|表示第n个频谱分量的幅值,并非原信号的实际幅值|Y(n)|real,利用式(3)和式(4)求频谱分量的实际幅值:
当N为奇数时:
Figure BDA0002299408390000021
当N为偶数时:
Figure BDA0002299408390000031
式中:
Figure BDA0002299408390000032
表示
Figure BDA0002299408390000033
取整,由此得到横纵坐标均为实际值的频谱图形;
步骤3,分析控制功率需求的频谱:
根据备用容量的响应时间分为8类,现取有明确响应时间的4类进行,其响应时间分别为3s、60s、300s、600s和1800s,考虑到在正弦信号中,上升时间为总时段的四分之一,因此备用容量的分类时间界限分别为12s、240s、1200s、2400s和7200s,为了便于在频谱图形上对备用容量进行分类,将分类时域界限转换成频域界限,如表1所示。根据表1中各类型备用容量所对应的频段,将频谱划分成各个频率分量,这些频率分量包含了各类型备用容量的需求信息;
步骤4,得到各类型备用容量值。
将备用容量需求的时域信号转换成频域信号的方法为:
帕塞瓦儿定理(Parsevals’theorem)规定,信号能量等于傅里叶分量的能量密度之和。因此,频带[f1,f2]的信号能量分量可由下式得到:
Figure BDA0002299408390000034
根据指定的频率范围f1和f2定义容量控制类型,每一类控制容量的能量分量等于E(f1,f2)
Figure BDA0002299408390000035
P(f1,f2)即为定义在频率范围[f1,f2]内的控制容量类型的功率值。
本发明主要技术效果为:
原有的电力系统备用容量确定仅仅是确定总的备用需求,而没有将其细分。随着储能设备的不断普及,电力市场的逐渐形成,大量新型备用可以作为备用资源参与电力系统辅助服务的备用市场中来。通过本发明,可以确定风电接入电力系统后备用容量的具体需求,确定到底需要多少快速备用资源以及慢速备用资源。有助于提高可再生能源在电力系统中的渗透率,并且提升能源利用效率。
附图说明
图1为备用容量确定方法简要流程图
图2为风电场预测功率输出曲线
图3为风电场实测功率输出曲线
图4为风电场备用功率需求情况
图5为风电场备用功率幅频特性需求情况
图6为风电场各类型设备需求备用量需求(MW)
具体实施方式
下面结合附图和实施例,对本发明作进一步具体的说明。但不应以此限制本发明的保护范围。
实施例--以某风电场某个特征天的数据为例,
该风电场由50台额定功率为2MW的双馈风力发电机组组成,单台风电机的切入风速为3m/s,额定风速为11m/s,切出风速为25m/s。将一天划分为12个时段,图2为风电场预测功率输出曲线。图3风机输出功率实测数据曲线,采样点数N为21600,采样总时间T为24h,采样周期T为4s,采样频率f为1/4Hz,风机输出最大功率为100MW,最小功率为0MW。
步骤1,根据图2风电场预测功率输出曲线和图3风电场实测功率输出曲线,得到风电场控制功率需求曲线图4,图4即为备用容量的原始时域信号;
步骤2,将备用容量需求的时域信号转换成频域信号,利用DFT对该曲线进行时频转换,即公式(2)至公式(5)得到图5。
步骤3,分析控制功率需求的频谱,根据表1中各类型备用容量所对应的频段,根据步骤3中的备用容量的分类时间界限将频谱划分成各个频率分量,这些频率分量包含了各类型备用容量的需求信息。
表1为备用调控场景及其响应时间尺度
Figure BDA0002299408390000041
步骤4,基于频谱分析结果,根据步骤4中公式(6)和公式(7)确定平抑风电系统输出波动所需的各类型备用功率值(图6和表2)。
表2为风电场备用容量需求(MW)
Figure BDA0002299408390000051
风电输出功率具有间歇性和波动性,离散傅里叶变换适用于像风电功率这样难以预测的散点,根据离散傅里叶变换的性质,频谱分析方法已经考虑了风电功率的波动特点,从频率的角度分析,完全可以对功率偏差进行控制。
仿真结果显示,该风电场需要较多的慢速备用,如30min旋转备用的需求均达到了7MW以上,而对于快速备用的需求量则较少。如果要使风电功率预测均方根误差RMSE从10.2466%降低至近0,则需根据备用需求对该风电场配置约为其装机容量30%的备用容量,可见,由于不确定电源的波动性和间歇性,备用需求非常大,这将对备用机组造成很大的负担。
因此,为了更好的消纳可再生能源,减小系统调节的压力,需要从“源-网-荷-储”各个环节挖掘备用潜力,合理协调各类备用资源,使大规模不确定电源方便可靠地并入常规电网,解决电网对大规模可再生能源的消纳能力,提高能源利用效率,实现系统的供需平衡。
本发明中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (1)

1.一种电力系统源荷平衡的各类备用容量的确定方法,其特征在于,包括以下步骤:
1)通过测量获得系统内负荷功率或输出功率的实际值与预测值,根据负荷功率或输出功率实际值与预测值之间的偏差,确定备用容量的原始时域信号;
选取时域信号相邻2个釆样点之间的时间间隔作为釆样周期Ts,采样总时段T与采样点数N、采样周期Ts、采样频率fs之间满足以下关系式:
T=NTs=N/fs (1)
所述的负荷功率或输出功率的实测值和预测值由离散时间测量数据组成的序列ym和yp表示,两者的偏差为需求的控制功率Chs,由式(2)表示,即为所述的备用容量的原始时域信号:
yc=ym-yp (2)
ym、yp和yc序列的采样周期均为Ts(s);
2)将备用容量需求的时域信号转换成频域信号:
采用DFT方法将时域中的一个序列y(k)变换成频域中的序列Y(n),k和n都是整数,分别对应于时间轴和频率轴,分别表示序列y(k)和Y(n)中采样值的序号;确定实际时间轴和实际频率轴的关键在于得到采样周期Ts或采样频率fs,离散时间轴上任意点k所对应的实际时间为t=kTs,频谱图形中离散频率轴上任意点n所对应的实际频率为f=(fs/N)n;
Y(n)的模|Y(n)|表示第n个频谱分量的幅值,并非原信号的实际幅值|Y(n)|real,利用式(3)和式(4)求频谱分量的实际幅值:
当N为奇数时:
Figure FDA0002299408380000011
当N为偶数时:
Figure FDA0002299408380000012
式中,
Figure FDA0002299408380000021
表示
Figure FDA0002299408380000022
取整,由此得到横纵坐标均为实际值的频谱图形;
3)将所述的控制功率频谱划分成包含各类型备用容量的需求信息的频率分量;
4)分析控制功率需求形成的控制功率频谱,得到各类型备用容量值。
CN201911218307.8A 2019-12-02 2019-12-02 电力系统源荷平衡的各类备用容量的确定方法 Pending CN111064183A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911218307.8A CN111064183A (zh) 2019-12-02 2019-12-02 电力系统源荷平衡的各类备用容量的确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911218307.8A CN111064183A (zh) 2019-12-02 2019-12-02 电力系统源荷平衡的各类备用容量的确定方法

Publications (1)

Publication Number Publication Date
CN111064183A true CN111064183A (zh) 2020-04-24

Family

ID=70299445

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911218307.8A Pending CN111064183A (zh) 2019-12-02 2019-12-02 电力系统源荷平衡的各类备用容量的确定方法

Country Status (1)

Country Link
CN (1) CN111064183A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103078353A (zh) * 2013-01-25 2013-05-01 黑龙江省电力有限公司 一种计及风电波动性的电源配置方法
US20150268644A1 (en) * 2014-03-20 2015-09-24 Tsinghua University Optimal control method and apparatus for power system
CN105610159A (zh) * 2016-03-02 2016-05-25 东北电力大学 电力系统需要风电场提供一次调频备用容量分析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103078353A (zh) * 2013-01-25 2013-05-01 黑龙江省电力有限公司 一种计及风电波动性的电源配置方法
US20150268644A1 (en) * 2014-03-20 2015-09-24 Tsinghua University Optimal control method and apparatus for power system
CN105610159A (zh) * 2016-03-02 2016-05-25 东北电力大学 电力系统需要风电场提供一次调频备用容量分析方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李滨等: "风电场储能容量优化的频谱分析方法", 《中国电机工程学报》 *

Similar Documents

Publication Publication Date Title
DK201800230A1 (en) Method for evaluating power characteristics of wind turbines, apparatus and storage medium
CN112348292B (zh) 一种基于深度学习网络的短期风电功率预测方法和系统
CN106548256B (zh) 一种风电场时空动态相关性建模的方法和系统
CN107204615B (zh) 一种实现功率预测的方法及系统
CN113256033B (zh) 基于模态互补的发电站选址定容方法、装置、系统及介质
CN110991725A (zh) 一种基于风速分频和权值匹配的rbf超短期风电功率预测方法
CN111242353A (zh) 风电功率组合预测建模和预测方法
Zhicun et al. Evaluating the effect of sample length on forecasting validity of FGM (1, 1)
CN109193791B (zh) 一种基于改进shapley值的风电汇聚趋势性分状态量化方法
CN111064183A (zh) 电力系统源荷平衡的各类备用容量的确定方法
CN111275238A (zh) 基于每时晴空指数的大规模电站光伏出力序列生成方法
CN115898787A (zh) 一种风电机组静态偏航误差动态识别方法及装置
JP5989571B2 (ja) 自然エネルギー型分散電源群の合計発電出力の変動推定方法、変動推定装置及び変動推定プログラム
CN112803403B (zh) 基于时频特征的海上风电集群效应多层级评估方法
CN109066791B (zh) 一种风电模拟弃风序列的确定方法和装置
CN105975736B (zh) 一种基于正交级数的可再生能源输出功率概率建模方法
CN115063255B (zh) 一种海上风电场的运维资源优化配置方法、装置及系统
CN113688511B (zh) 一种电力系统频率稳定性的评估方法
Wang et al. Short-term Wind Speed Forecast Using ARIMA Based on EEMD Decomposition
CN110797884B (zh) 模拟agc调频确定储能容量方法和装置
Wang et al. Research on Prediction of Dynamic Load Complementarity Based on Big Data
Yang et al. Research on modeling of wind turbine based on LS-SVM
Roy Worst-case temporal aggregate power ramp distributions for a PAC wind turbine
Guo et al. Short-term Wind Power Interval Prediction Method Based on Empirical Mode Decomposition (EMD) and Non-parametric Estimation Method
Yan et al. Research on Wind Power Forecasting Error Based on Gaussian Mixture Distribution Model

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200424