CN111130122A - 一种风电场无功控制能力在线监测方法 - Google Patents

一种风电场无功控制能力在线监测方法 Download PDF

Info

Publication number
CN111130122A
CN111130122A CN202010038166.8A CN202010038166A CN111130122A CN 111130122 A CN111130122 A CN 111130122A CN 202010038166 A CN202010038166 A CN 202010038166A CN 111130122 A CN111130122 A CN 111130122A
Authority
CN
China
Prior art keywords
reactive power
representing
power plant
evaluation
wind
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.)
Granted
Application number
CN202010038166.8A
Other languages
English (en)
Other versions
CN111130122B (zh
Inventor
耿光超
张宽
江全元
王衡
张锋
于鹤洋
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.)
Zhejiang University ZJU
State Grid Xinjiang Electric Power Co Ltd
Original Assignee
Zhejiang University ZJU
State Grid Xinjiang Electric Power 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 Zhejiang University ZJU, State Grid Xinjiang Electric Power Co Ltd filed Critical Zhejiang University ZJU
Priority to CN202010038166.8A priority Critical patent/CN111130122B/zh
Publication of CN111130122A publication Critical patent/CN111130122A/zh
Application granted granted Critical
Publication of CN111130122B publication Critical patent/CN111130122B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/50—Controlling the sharing of the out-of-phase component
    • 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
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/30—Reactive power compensation

Abstract

本发明公开了一种风电场无功控制能力在线监测方法。该方法首先结合现场测量互感器测量得到的风电场运行状态信息，构建风电场无功控制能力聚合评估模型；然后基于过往应用经验选取一个相对较小的基准点更新阈值参数构建风电场无功控制能力在线监测模型；在上述模型的基础上，根据逐步积累的相关运行数据，通过数据驱动的方法拟合风电场日常运行场景下评估误差和评估耗时关于阈值参数的量化关系；最后构建基准点更新阈值参数优化模型并加以求解，得到评估基准点动态更新阈值的最优取值，从而实现风电场无功控制能力在线监测模型的最优运行效果。

Description

一种风电场无功控制能力在线监测方法
技术领域
本发明属于可再生新能源发电并网电压无功优化控制领域，具体涉及一种风电场无功控制能力在线监测方法。
背景技术
在大规模开发利用可再生新能源所面临的众多挑战当中，电压稳定问题尤为突出。进一步提升可再生新能源发电并网系统的无功电压管理能力，是建设坚强智能电网的重要内容和必要条件。目前，大多数可再生新能源发电基地都保持单位功率因数运行，即不与外界进行无功交换，但是随着未来电力系统中可再生新能源渗透率越来越高，受其出力的随机性与波动性的影响，含可再生新能源电力系统的电压稳定问题将越来越严重，因此，可再生新能源发电基地作为系统的一种潜在无功电源有必要参与系统的综合无功调整及电压控制体系。传统电力系统的自动电压控制(automatic voltage control，AVC)体系一般由运行在控制中心的主站系统与运行在厂站侧的子站系统构成，二者通过调度数据网进行远程通信。AVC系统利用数据采集与监视控制(supervisory control and dataacquisition，SCADA)系统的遥测与遥信功能，将电网各节点运行状态实时采集并上传至控制中心，在控制中心主站系统内进行优化决策，得到对全网不同控制设备的优化调节指令，并通过SCADA系统的遥控与遥调功能下发至厂站侧，由厂站侧子站系统或监控系统最终执行，实现自动、闭环、优化控制。因此，若要将下层可再生新能源发电基地整合进上层AVC系统，对下层可再生新能源发电基地的实时无功控制能力等状态信息进行在线评估监测则显得尤为重要。
发明内容
本发明的目的在于为风电场运营方和电网调度方提供一种风电场无功控制能力在线监测方法，
为实现上述发明的目的，本发明解决其技术问题所采用的方案是：
一种风电场无功控制能力在线监测方法，步骤如下：
S1：构建风电场无功控制能力聚合评估模型；
S2：构建风电场无功控制能力在线监测模型；
S3：在风电场无功控制能力聚合评估模型和风电场无功控制能力在线监测模型的基础上，根据逐步积累的运行数据，通过数据驱动的方法，拟合风电场日常运行场景下评估误差和评估耗时分别与阈值参数之间的量化关系；
S4：根据所述的量化关系，构建阈值参数优化模型并加以求解，最终得到评估基准点动态更新阈值的最优取值，使风电场无功控制能力在线监测达到最优性能。
在上述技术方案基础上，各步骤还可以进一步采用如下优选方式实现。
所述的步骤S1中，风电场无功控制能力聚合评估模型P1基于现场测量互感器测量得到的风电场运行状态信息进行构建，模型P1的形式如下：
Figure BDA0002366771270000021
Figure BDA0002366771270000022
s.t.
Figure BDA0002366771270000023
Figure BDA0002366771270000024
i＝1,2,...,n；j＝1,2,...,n
式中，
Figure BDA0002366771270000025
均为优化变量，
Figure BDA0002366771270000026
表示风电场内部第i台风电机组的无功出力，
Figure BDA0002366771270000027
表示风电场内部第i组无功补偿装置的无功出力；
Figure BDA0002366771270000028
均为目标函数，
Figure BDA0002366771270000031
表示风电场出口无功出力的最大值，
Figure BDA0002366771270000032
表示风电场出口无功出力的最小值，
Figure BDA0002366771270000033
和
Figure BDA0002366771270000034
的差值即可反映风电场的无功控制能力；QPCC表示风电场出口的无功出力；
Figure BDA0002366771270000035
表示第i台风电机组的有功出力；
Figure BDA0002366771270000036
表示节点i、j之间线路的有功潮流；
Figure BDA0002366771270000037
表示节点i、j之间线路的无功潮流；
Figure BDA0002366771270000038
表示第i台风电机组接入节点的电压幅值；
Figure BDA0002366771270000039
表示第i台风电机组接入节点的电压相角；n表示风电场内部风电机组的数量；fPF表示风电场的潮流约束，hsafe表示风电场的安全约束，其具体形式如下：
fPF:
Figure BDA00023667712700000310
hsafe:
Figure BDA00023667712700000311
式中：Gij表示节点i、j之间的线路电导；Bij表示节点i、j之间的线路电纳；vi表示节点i的电压幅值；vj表示节点j的电压幅值；δij表示节点i、j之间的相角差；Pi表示节点i的注入有功功率，由
Figure BDA00023667712700000312
和节点接入信息决定；Qi表示节点i的注入无功功率，由
Figure BDA00023667712700000313
和节点接入信息决定；
Figure BDA00023667712700000314
表示第i台风电机组的无功出力下限；
Figure BDA00023667712700000315
表示第i台风电机组的无功出力上限；
Figure BDA00023667712700000316
表示第i组无功补偿装置的无功出力下限；
Figure BDA00023667712700000317
表示第i组无功补偿装置的无功出力上限；
Figure BDA00023667712700000318
表示节点i、j之间线路的有功潮流下限；
Figure BDA00023667712700000319
表示节点i、j之间线路的有功潮流上限；
Figure BDA00023667712700000320
表示节点i、j之间线路的无功潮流下限；
Figure BDA00023667712700000321
表示节点i、j之间线路的无功潮流上限；
Figure BDA00023667712700000322
表示第i台风电机组接入节点电压幅值的下限；
Figure BDA00023667712700000323
表示第i台风电机组接入节点电压幅值的上限。
所述的步骤S2中，风电场无功控制能力在线监测模型为：
在线监测初始阶段，预设一个阈值参数DT，基于模型P1构建风电场无功控制能力在线监测模型P2，模型P2的形式如下：
Figure BDA0002366771270000041
式中，
Figure BDA0002366771270000042
为风电场的实时无功控制能力，
Figure BDA0002366771270000043
为风电场在基准点的无功控制能力，Δp为扰动变化量，
Figure BDA0002366771270000044
为基准点处风电场无功控制能力相对于系统扰动变量的最优灵敏度；pbase为基准时刻的扰动变量，solve P1(pbase+Δp)表示求解扰动变量(pbase+Δp)下的模型P1；
阈值参数Dt为基准点更新判据，用以衡量扰动大小，Dt选取为当前评估点相对于基准点的欧式距离，表达式如下：
Figure BDA0002366771270000045
式中：
Figure BDA0002366771270000046
表示t时刻的第i个扰动变量；
Figure BDA0002366771270000047
表示基准时刻的第i个扰动变量；N为扰动变量数目；
当更新判据Dt不超过阈值DT时，说明扰动较小，可通过最优灵敏度信息进行线性化近似估计；当更新判据Dt超过阈值DT时，说明扰动较大，需要重新计算P1，并更新基准点为当前评估点。
所述的步骤S3中，评估误差和评估耗时关于阈值参数的量化关系的构建方法为：
随着监测时间的推进，根据逐步积累的运行数据，通过数据驱动的方法拟合当前风电场日常运行场景下，评估误差E关于系统扰动Δp的函数关系f(Δp)，以及评估耗时T关于基准点更新次数N的函数关系f(N)，所述函数为非线性函数或线性函数；系统扰动Δp和基准点更新次数N均由阈值参数DT计算得出，由此得到评估误差E和评估耗时T关于阈值参数DT的量化联系，如下所示：
E＝f(Δp)＝fE(DT)
T＝f(N)＝fT(DT)
式中：fE(DT)表示评估误差E关于阈值参数DT的函数关系；fT(DT)表示表示评估耗时T关于阈值参数DT的函数关系。
所述的步骤S4中，阈值参数优化模型P3在评估误差E和评估耗时T关于阈值参数DT的量化关系的基础上进行构建，模型P3形式如下：
Figure BDA0002366771270000051
s.t.
Figure BDA0002366771270000052
Figure BDA0002366771270000053
Figure BDA0002366771270000054
式中，α和β分别为评估误差E和评估耗时T在优化目标函数中的权重因子，均由风电场运营偏好决定；
Figure BDA0002366771270000055
表示评估误差上限；
Figure BDA0002366771270000056
表示评估耗时上限；DT 表示阈值参数下限；
Figure BDA0002366771270000057
表示阈值参数上限；
通过求解所建立的参数优化模型P3，即可得到评估基准点动态更新阈值DT的最优取值，从而使得风电场无功控制能力在线监测方法在实际应用中达到最优性能。
本发明具有的有益效果是：本发明建立了风电场无功控制能力在线监测方法，可在运行过程中逐步优化自身阈值参数，实现了风电场无功控制能力在线监测过程中精度要求和速度要求的合理协调。本发明可为风电场无功控制能力在线监测的落地应用提供参考依据。
附图说明
图1是风电场无功控制能力在线监测方法技术流程图；
图2是评估误差关于系统扰动的非线性关系示意图；
图3是评估耗时关于基准点更新次数的近似线性关系示意图；
图4是所得最优参数的效果验证示意图。
图5是最优参数下风电场无功控制能力在线监测效果示意图
具体实施方式
下面结合附图和实施例对本发明做进一步阐述和说明。
本发明的一种风电场无功控制能力在线监测方法的原理为：在风电场无功控制能力聚合评估模型和风电场无功控制能力在线监测初步模型的基础上，根据逐步积累的相关运行数据优化自身阈值参数，实现了风电场无功控制能力在线监测过程中精度要求和速度要求的合理协调。该方法具体步骤如下：
S1：应用于一个新的风电场时，首先结合现场测量互感器测量得到的风电场运行状态信息，构建风电场无功控制能力聚合评估模型。
模型P1的形式如下：
Figure BDA0002366771270000061
Figure BDA0002366771270000062
s.t.
Figure BDA0002366771270000063
Figure BDA0002366771270000064
i＝1,2,...,n；j＝1,2,...,n
式中，
Figure BDA0002366771270000065
均为优化变量，
Figure BDA0002366771270000066
表示风电场内部第i台风电机组的无功出力，
Figure BDA0002366771270000067
表示风电场内部第i组无功补偿装置的无功出力；
Figure BDA0002366771270000068
均为目标函数，
Figure BDA0002366771270000069
表示风电场出口无功出力的最大值，
Figure BDA00023667712700000610
表示风电场出口无功出力的最小值，
Figure BDA0002366771270000071
和
Figure BDA0002366771270000072
的差值即可反映风电场的无功控制能力；QPCC表示风电场出口的无功出力；
Figure BDA0002366771270000073
表示第i台风电机组的有功出力；
Figure BDA0002366771270000074
表示节点i、j之间线路的有功潮流；
Figure BDA0002366771270000075
表示节点i、j之间线路的无功潮流；
Figure BDA0002366771270000076
表示第i台风电机组接入节点的电压幅值；
Figure BDA0002366771270000077
表示第i台风电机组接入节点的电压相角；n表示风电场内部风电机组的数量；fPF表示风电场的潮流约束，hsafe表示风电场的安全约束，其具体形式如下：
fPF:
Figure BDA0002366771270000078
hsafe:
Figure BDA0002366771270000079
式中：Gij表示节点i、j之间的线路电导；Bij表示节点i、j之间的线路电纳；vi表示节点i的电压幅值；vj表示节点j的电压幅值；δij表示节点i、j之间的相角差；Pi表示节点i的注入有功功率，由
Figure BDA00023667712700000710
和节点接入信息决定；Qi表示节点i的注入无功功率，由
Figure BDA00023667712700000711
和节点接入信息决定；
Figure BDA00023667712700000712
表示第i台风电机组的无功出力下限；
Figure BDA00023667712700000713
表示第i台风电机组的无功出力上限；
Figure BDA00023667712700000714
表示第i组无功补偿装置的无功出力下限；
Figure BDA00023667712700000715
表示第i组无功补偿装置的无功出力上限；
Figure BDA00023667712700000716
表示节点i、j之间线路的有功潮流下限；
Figure BDA00023667712700000717
表示节点i、j之间线路的有功潮流上限；
Figure BDA00023667712700000718
表示节点i、j之间线路的无功潮流下限；
Figure BDA00023667712700000719
表示节点i、j之间线路的无功潮流上限；
Figure BDA00023667712700000720
表示第i台风电机组接入节点电压幅值的下限；
Figure BDA00023667712700000721
表示第i台风电机组接入节点电压幅值的上限。
S2：构建风电场无功控制能力在线监测模型：
在线监测初始阶段，预设一个阈值参数DT(根据过往应用经验选取一个相对较小，优先保证精度，并不一定最优)，基于模型P1构建风电场无功控制能力在线监测模型P2，模型P2的形式如下：
Figure BDA0002366771270000081
式中，
Figure BDA0002366771270000082
为风电场的实时无功控制能力，
Figure BDA0002366771270000083
为风电场在基准点的无功控制能力，Δp为扰动变化量，
Figure BDA0002366771270000084
为基准点处风电场无功控制能力相对于系统扰动变量的最优灵敏度；pbase为基准时刻的扰动变量，solve P1(pbase+Δp)表示求解扰动变量(pbase+Δp)下的模型P1；
阈值参数Dt为基准点更新判据，用以衡量扰动大小，Dt选取为当前评估点相对于基准点的欧式距离，表达式如下：
Figure BDA0002366771270000085
式中：
Figure BDA0002366771270000086
表示t时刻的第i个扰动变量；
Figure BDA0002366771270000087
表示基准时刻的第i个扰动变量；N为扰动变量数目；
当更新判据Dt不超过阈值DT时，说明扰动较小，可通过最优灵敏度信息进行线性化近似估计；当更新判据Dt超过阈值DT时，说明扰动较大，需要重新计算P1，并更新基准点为当前评估点。
S3：在风电场无功控制能力聚合评估模型和风电场无功控制能力在线监测模型的基础上，根据逐步积累的运行数据，通过数据驱动的方法，拟合风电场日常运行场景下评估误差和评估耗时分别与阈值参数之间的量化关系。
其中，评估误差和评估耗时关于阈值参数的量化关系的构建方法为：
随着监测时间的推进，根据逐步积累的运行数据，通过数据驱动的方法拟合当前风电场日常运行场景下，评估误差E关于系统扰动Δp的函数关系f(Δp)，以及评估耗时T关于基准点更新次数N的函数关系f(N)，所述函数为非线性函数或线性函数；系统扰动Δp和基准点更新次数N均由阈值参数DT计算得出，由此得到评估误差E和评估耗时T关于阈值参数DT的量化联系，如下所示：
E＝f(Δp)＝fE(DT)
T＝f(N)＝fT(DT)
式中：fE(DT)表示评估误差E关于阈值参数DT的函数关系；fT(DT)表示表示评估耗时T关于阈值参数DT的函数关系。
S4：根据S3中得到的量化关系，构建阈值参数优化模型并加以求解，最终得到评估基准点动态更新阈值的最优取值，使风电场无功控制能力在线监测达到最优性能。
其中，阈值参数优化模型P3在评估误差E和评估耗时T关于阈值参数DT的量化关系的基础上进行构建，模型P3形式如下：
Figure BDA0002366771270000091
s.t.
Figure BDA0002366771270000092
Figure BDA0002366771270000093
Figure BDA0002366771270000094
式中，α和β分别为评估误差E和评估耗时T在优化目标函数中的权重因子，均由风电场运营偏好决定；
Figure BDA0002366771270000095
表示评估误差上限；
Figure BDA0002366771270000096
表示评估耗时上限；DT 表示阈值参数下限；
Figure BDA0002366771270000097
表示阈值参数上限；
通过求解所建立的参数优化模型P3，即可得到评估基准点动态更新阈值DT的最优取值，从而使得风电场无功控制能力在线监测方法在实际应用中达到最优性能。
下面将上述方法应用于一个具体的实施例中，以展示其技术效果，其具体的步骤如前所述，不再赘述。
实施例
下面本发明以国内某实际风电场作为实施例，具体阐述本发明的应用效果。该风电场包含33台额定功率1.5MW的双馈风电机组，并接入到一个经过适当修改后的IEEE-9节点电力系统。选择2019年5月18日这一天的实测数据作为测试数据，其中包括风电场内部各台风机的实测风速(每5分钟一个测量点，一共288个测量点)和各台风电机组的实时有功出力。
图1展示了本发明内容的实施流程。在风电场无功控制能力聚合评估模型和风电场无功控制能力在线监测模型的基础上，根据逐步积累的相关运行数据，通过数据驱动的方法拟合风电场日常运行场景下评估误差和评估耗时关于阈值参数的量化关系。其中，评估误差关于系统扰动的非线性关系如图2所示，评估耗时关于基准点更新次数的近似线性关系如图3所示。基于上述结果，构建阈值参数优化模型并加以求解。其中，评估误差和评估耗时在优化目标函数中的权重因子均设为0.5，最终得到评估基准点动态更新阈值的最优取值为0.4。图4给出了评估误差E和评估耗时T关于阈值参数DT的实际仿真结果，其中选取了若干个典型阈值参数(0.05，0.1，0.2，0.3，0.4，0.5，0.6，0.7，0.8，0.9，1.0，2.0)进行测试，可以看出0.4是一个相对最优的参数取值，这一结论验证了本发明所构建的阈值参数优化模型的正确性。图5给出了最优参数下风电场无功控制能力在线监测方法的运行结果，可以看出该方法取得了非常好的监测效果。
综上所述，本发明所提的风电场无功控制能力在线监测方法能够实现风电场无功控制能力在线监测过程中精度要求和速度要求的合理协调，从而达到最优的在线监测性能，具有十分重要的落地应用价值。

Claims (5)

1.一种风电场无功控制能力在线监测方法，其特征在于，步骤如下：
S1：构建风电场无功控制能力聚合评估模型；
S2：构建风电场无功控制能力在线监测模型；
S3：在风电场无功控制能力聚合评估模型和风电场无功控制能力在线监测模型的基础上，根据逐步积累的运行数据，通过数据驱动的方法，拟合风电场日常运行场景下评估误差和评估耗时分别与阈值参数之间的量化关系；
S4：根据所述的量化关系，构建阈值参数优化模型并加以求解，最终得到评估基准点动态更新阈值的最优取值，使风电场无功控制能力在线监测达到最优性能。
2.如权利要求1所述的一种风电场无功控制能力在线监测方法，其特征在于：所述的步骤S1中，风电场无功控制能力聚合评估模型P1基于现场测量互感器测量得到的风电场运行状态信息进行构建，模型P1的形式如下：
Figure FDA0002366771260000011
Figure FDA0002366771260000012
Figure FDA0002366771260000013
Figure FDA0002366771260000014
i＝1,2,...,n；j＝1,2,...,n
式中，
Figure FDA0002366771260000015
均为优化变量，
Figure FDA0002366771260000016
表示风电场内部第i台风电机组的无功出力，
Figure FDA0002366771260000017
表示风电场内部第i组无功补偿装置的无功出力；
Figure FDA0002366771260000018
均为目标函数，
Figure FDA0002366771260000019
表示风电场出口无功出力的最大值，
Figure FDA00023667712600000110
表示风电场出口无功出力的最小值，
Figure FDA00023667712600000111
和
Figure FDA00023667712600000112
的差值即可反映风电场的无功控制能力；QPCC表示风电场出口的无功出力；Pi WT表示第i台风电机组的有功出力；
Figure FDA00023667712600000113
表示节点i、j之间线路的有功潮流；
Figure FDA00023667712600000114
表示节点i、j之间线路的无功潮流；
Figure FDA00023667712600000115
表示第i台风电机组接入节点的电压幅值；
Figure FDA0002366771260000021
表示第i台风电机组接入节点的电压相角；n表示风电场内部风电机组的数量；fPF表示风电场的潮流约束，hsafe表示风电场的安全约束，其具体形式如下：
Figure FDA0002366771260000022
Figure FDA0002366771260000023
式中：Gij表示节点i、j之间的线路电导；Bij表示节点i、j之间的线路电纳；vi表示节点i的电压幅值；vj表示节点j的电压幅值；δij表示节点i、j之间的相角差；Pi表示节点i的注入有功功率，由Pi WT和节点接入信息决定；Qi表示节点i的注入无功功率，由
Figure FDA0002366771260000024
和节点接入信息决定；
Figure FDA0002366771260000025
表示第i台风电机组的无功出力下限；
Figure FDA0002366771260000026
表示第i台风电机组的无功出力上限；
Figure FDA0002366771260000027
表示第i组无功补偿装置的无功出力下限；
Figure FDA0002366771260000028
表示第i组无功补偿装置的无功出力上限；
Figure FDA0002366771260000029
表示节点i、j之间线路的有功潮流下限；
Figure FDA00023667712600000210
表示节点i、j之间线路的有功潮流上限；
Figure FDA00023667712600000211
表示节点i、j之间线路的无功潮流下限；
Figure FDA00023667712600000212
表示节点i、j之间线路的无功潮流上限；
Figure FDA00023667712600000213
表示第i台风电机组接入节点电压幅值的下限；
Figure FDA00023667712600000214
表示第i台风电机组接入节点电压幅值的上限。
3.如权利要求2所述的一种风电场无功控制能力在线监测方法，其特征在于：所述的步骤S2中，风电场无功控制能力在线监测模型为：
在线监测初始阶段，预设一个阈值参数DT，基于模型P1构建风电场无功控制能力在线监测模型P2，模型P2的形式如下：
Figure FDA0002366771260000031
式中，
Figure FDA0002366771260000032
为风电场的实时无功控制能力，
Figure FDA0002366771260000033
为风电场在基准点的无功控制能力，Δp为扰动变化量，
Figure FDA0002366771260000034
为基准点处风电场无功控制能力相对于系统扰动变量的最优灵敏度；pbase为基准时刻的扰动变量，solve P1(pbase+Δp)表示求解扰动变量(pbase+Δp)下的模型P1；
阈值参数Dt为基准点更新判据，用以衡量扰动大小，Dt选取为当前评估点相对于基准点的欧式距离，表达式如下：
Figure FDA0002366771260000035
式中：
Figure FDA0002366771260000036
表示t时刻的第i个扰动变量；
Figure FDA0002366771260000037
表示基准时刻的第i个扰动变量；N为扰动变量数目；
当更新判据Dt不超过阈值DT时，说明扰动较小，可通过最优灵敏度信息进行线性化近似估计；当更新判据Dt超过阈值DT时，说明扰动较大，需要重新计算P1，并更新基准点为当前评估点。
4.如权利要求3所述的一种风电场无功控制能力在线监测方法，其特征在于：所述的步骤S3中，评估误差和评估耗时关于阈值参数的量化关系的构建方法为：
随着监测时间的推进，根据逐步积累的运行数据，通过数据驱动的方法拟合当前风电场日常运行场景下，评估误差E关于系统扰动Δp的函数关系f(Δp)，以及评估耗时T关于基准点更新次数N的函数关系f(N)，所述函数为非线性函数或线性函数；系统扰动Δp和基准点更新次数N均由阈值参数DT计算得出，由此得到评估误差E和评估耗时T关于阈值参数DT的量化联系，如下所示：
E＝f(Δp)＝fE(DT)
T＝f(N)＝fT(DT)
式中：fE(DT)表示评估误差E关于阈值参数DT的函数关系；fT(DT)表示表示评估耗时T关于阈值参数DT的函数关系。
5.如权利要求4所述的一种风电场无功控制能力在线监测方法，其特征在于：所述的步骤S4中，阈值参数优化模型P3在评估误差E和评估耗时T关于阈值参数DT的量化关系的基础上进行构建，模型P3形式如下：
Figure FDA0002366771260000041
Figure FDA0002366771260000042
Figure FDA0002366771260000043
Figure FDA0002366771260000044
式中，α和β分别为评估误差E和评估耗时T在优化目标函数中的权重因子，均由风电场运营偏好决定；
Figure FDA0002366771260000045
表示评估误差上限；
Figure FDA0002366771260000046
表示评估耗时上限；DT 表示阈值参数下限；
Figure FDA0002366771260000047
表示阈值参数上限；
通过求解所建立的参数优化模型P3，即可得到评估基准点动态更新阈值DT的最优取值，从而使得风电场无功控制能力在线监测方法在实际应用中达到最优性能。
CN202010038166.8A 2020-01-14 2020-01-14 一种风电场无功控制能力在线监测方法 Active CN111130122B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010038166.8A CN111130122B (zh) 2020-01-14 2020-01-14 一种风电场无功控制能力在线监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010038166.8A CN111130122B (zh) 2020-01-14 2020-01-14 一种风电场无功控制能力在线监测方法

Publications (2)

Publication Number Publication Date
CN111130122A true CN111130122A (zh) 2020-05-08
CN111130122B CN111130122B (zh) 2021-06-29

Family

ID=70490483

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010038166.8A Active CN111130122B (zh) 2020-01-14 2020-01-14 一种风电场无功控制能力在线监测方法

Country Status (1)

Country Link
CN (1) CN111130122B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111756049A (zh) * 2020-06-18 2020-10-09 国网浙江省电力有限公司电力科学研究院 计及配电网实时量测信息缺失的数据驱动无功优化方法
CN112881822A (zh) * 2021-01-07 2021-06-01 国网河北省电力有限公司电力科学研究院 一种风电场电压控制功能的检测方法及设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100134076A1 (en) * 2009-10-06 2010-06-03 General Electric Company Reactive power regulation and voltage support for renewable energy plants
CN107591811A (zh) * 2017-10-17 2018-01-16 中国农业大学 配电网无功优化方法及装置
CN109301882A (zh) * 2018-10-23 2019-02-01 华北电力大学 一种基于admm的电力系统分散式经济调度方法
CN109525000A (zh) * 2018-05-31 2019-03-26 南京天谷电气科技有限公司 一种用于风电场监控系统的风电无功功率自动控制方法
CN110635494A (zh) * 2019-11-13 2019-12-31 云南电网有限责任公司 一种应用于超低频振荡抑制的储能控制参数优化选取方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100134076A1 (en) * 2009-10-06 2010-06-03 General Electric Company Reactive power regulation and voltage support for renewable energy plants
CN107591811A (zh) * 2017-10-17 2018-01-16 中国农业大学 配电网无功优化方法及装置
CN109525000A (zh) * 2018-05-31 2019-03-26 南京天谷电气科技有限公司 一种用于风电场监控系统的风电无功功率自动控制方法
CN109301882A (zh) * 2018-10-23 2019-02-01 华北电力大学 一种基于admm的电力系统分散式经济调度方法
CN110635494A (zh) * 2019-11-13 2019-12-31 云南电网有限责任公司 一种应用于超低频振荡抑制的储能控制参数优化选取方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
BRUNO LEONARDI: "Development of Multilinear Regression Models for Online Voltage Stability Margin Estimation", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 *
HAIYING DONG: "Aggregation modeling of wind farms based on multi machine representation", 《2018 2ND IEEE CONFERENCE ON ENERGY INTERNET AND ENERGY SYSTEM INTEGRATION (EI2)》 *
KUAN ZHANG , GUANGCHAO GENG: "Online Tracking of Reactive Power Reserve For Wind Farms", 《IEEE TRANSACTIONS ON SUSTAINABLE ENERGY》 *
李洋麟: "基于卷积神经网络的电力系统小干扰稳定评估", 《电力系统自动化》 *
江全元，耿光超: "含高压直流输电系统的内点最优潮流算法", 《中国电机工程学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111756049A (zh) * 2020-06-18 2020-10-09 国网浙江省电力有限公司电力科学研究院 计及配电网实时量测信息缺失的数据驱动无功优化方法
CN111756049B (zh) * 2020-06-18 2021-09-21 国网浙江省电力有限公司电力科学研究院 计及配电网实时量测信息缺失的数据驱动无功优化方法
CN112881822A (zh) * 2021-01-07 2021-06-01 国网河北省电力有限公司电力科学研究院 一种风电场电压控制功能的检测方法及设备

Also Published As

Publication number Publication date
CN111130122B (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN101931241B (zh) 风电场并网协调控制方法
CN101860044B (zh) 风电场无功电压的协调控制方法
CN103138256B (zh) 一种新能源电力消纳全景分析系统及方法
US9822765B2 (en) Wind power plant control system
CN107689638B (zh) 一种基于相轨迹分析的含风电电力系统暂态协调控制方法
CN108695857B (zh) 风电场自动电压控制方法、装置及系统
CN106712058B (zh) 双馈风机风电场参与电力系统一次调频的协调控制方法
CN103605360A (zh) 一种风电场功率控制策略的测试系统及方法
CN109038613A (zh) 一种计及风电虚拟惯性/一次调频响应的自适应低频减载方法
CN111244968B (zh) 计及电网电压支撑能力影响的风电场电压控制方法及系统
CN103001249A (zh) 基于bp神经网络的风电场短期功率预测方法
CN111130122B (zh) 一种风电场无功控制能力在线监测方法
CN108539760A (zh) 一种基于群灰狼优化算法的双馈感应风电机组调频pid控制方法
CN108711868A (zh) 一种计及孤岛运行电压安全的配电网无功优化规划方法
CN114033617B (zh) 一种控制参量自适应调整的可控风力发电方法及系统
CN107346889B (zh) 考虑一二次调频及最小频率偏差的负荷削减优化模型构建方法
CN109103946B (zh) 风电经柔性直流电网送出系统电容器组投切计划生成方法
CN115800296B (zh) 远海风电经vsc-mtdc并网系统的电压频率协同支撑方法
Morovati et al. Control coordination between DFIG-based wind turbines and synchronous generators for optimal primary frequency response
CN109508062B (zh) 一种基于模糊电导的光伏发电控制方法及系统
Asadollah et al. Decentralized reactive power and voltage control of wind farms with type-4 generators
Spruce et al. Simulation and control of windfarms
CN107453366B (zh) 计及风电决策风险的含upfc多目标最优潮流计算方法
Yang et al. Parameter optimization of hydropower governor for small system during black start
CN109667713B (zh) 一种风力发电机组增功控制方法及装置

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