CN111210363A - 一种风电场无功电压控制能力综合评估方法 - Google Patents
一种风电场无功电压控制能力综合评估方法 Download PDFInfo
- Publication number
- CN111210363A CN111210363A CN202010054016.6A CN202010054016A CN111210363A CN 111210363 A CN111210363 A CN 111210363A CN 202010054016 A CN202010054016 A CN 202010054016A CN 111210363 A CN111210363 A CN 111210363A
- Authority
- CN
- China
- Prior art keywords
- index
- value
- weight
- indexes
- evaluation
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000005457 optimization Methods 0.000 claims abstract description 33
- 230000008859 change Effects 0.000 claims abstract description 17
- 238000010586 diagram Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 39
- 239000013598 vector Substances 0.000 claims description 21
- 238000012797 qualification Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 11
- 230000000295 complement effect Effects 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 6
- 238000010248 power generation Methods 0.000 claims description 4
- 241000669244 Unaspis euonymi Species 0.000 claims description 3
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 4
- 238000011217 control strategy Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种风电场无功电压控制能力综合评估方法,包括:获取风电场的评估指标基础数据;基于概率统计将指标数据量化分级并加权得到各指标评估结果;通过基于标度扩展的层次分析法与优序图法获得两组主观权重,通过熵权法与变异系数法获得两组客观权重,建立以评价值之间偏差最小的优化模型,计算出优化权重,进而加权得出综合评估结果。本发明的评估指标考虑了影响风电场无功电压控制能力的无功配置、风机出力等因素及其控制效果,优化权重既能反映专家经验等主观因素,又能反映指标数据的动态变化,能够全面有效评估风电场无功电压控制能力。评估结果可为风电场改进无功电压控制能力及电网的优化调度提供依据。
Description
技术领域
本发明涉及风电场性能检测评估技术领域,尤其涉及一种风电场无功电压控制能力综合评估方法。
背景技术
近年来,风电装机容量不断增长,由于风电出力的波动性,其并网运行给电网的电压稳定带来诸如电压偏差、电压波动等问题,因此对风电场安全并网技术提出了更高的要求。目前的风电场需要具备无功调节能力等电网适应能力,也为其参与电网调度与控制带来更多可能。风电场参与无功电压控制能提高电网运行可靠性,促进新能源由被动并网向主动友好并网转变,然而,实际风电场无功电压控制能力的改进和地区电网无功调度的依据,需要对风电场无功电压控制能力进行有效评估。
发明内容
本发明的目的在于提供一种风电场无功电压控制能力综合评估方法,以解决所述背景技术中提出的问题,本方法适用于永磁直驱风电机组构成的风电场。
为实现所述目的,本发明提供如下技术方案:
一种风电场无功电压控制能力综合评估方法,包括以下步骤:
步骤1:获取风电场无功电压控制能力评估指标的基础数据;
步骤2:基于各评估指标的标准规定限值,通过概率统计将步骤1所得基础数据进行等级划分,得到原始数据矩阵X,加权得到各指标的评估结果;
步骤3:将评估指标进行重要度不减排序,通过比较指标间的重要程度构建判断矩阵,由标度扩展的层次分析法求出主观权重W1;
步骤4:构建评估指标棋盘格,两两对比指标间重要程度,进行优序图法互补检验求出主观权重W2;
步骤5:基于步骤2所得矩阵X计算各指标数据熵值,由熵权法求出客观权重W3;
步骤6:基于步骤2所得矩阵X计算各指标数据平均值与标准差,进而计算指标数据的变异系数,由变异系数法求出客观权重W4;
步骤7:建立使评价值之间偏差尽可能小的优化模型,由步骤3-步骤6所得的主/客观权重得出优化权重W;
步骤8:基于步骤2所得的各指标评估结果与步骤7所得的优化权重W加权得出综合评估结果。
进一步地,步骤1中,评估指标包括功率指标、电能质量指标和调节指标;其中,功率指标包括实时无功裕度Q,有功变化△P、预测合格率QR、预测误差Erms;电能质量指标包括电压偏差△U、电压波动d、电压闪变Plt、电压谐波THDu、电压三相不平衡εU2;调节指标包括调节精度△V、调节响应时间TV;调节指标的基础数据为风电场入网测试报告中相应数据,其余评估指标的基础数据为一段时间内风电场相应的实时变化数据;
其中,获取风电场的额定无功容量QN、无功补偿装置容量Qc、风电场中n台风电机组的变流器容量si(i=1,2,L,n),测得n台风电机组的实时有功输出pi(i=1,2,L,n),计算实时无功裕度Q:
获取风电场的装机容量PN,测得风电场并网点的1min差值有功变化△p,计算有功变化△P:
△P=△p/PN
获取风电场短期预测合格率QR表示预测合格率指标,短期预测均方根误差Erms表示预测误差指标;
测得风电场并网点电能质量指标,其中,电压闪变指标采用长时间闪变值Plt,电压谐波指标采用电压总谐波畸变率THDu,三相电压不平衡指标采用三相电压负序不平衡度测量值εU2;
于风电场入网测试报告中获取调节精度△V、调节响应时间TV数据。
进一步地,步骤2中,各评估指标的标准规定限值从与风电场相关的各标准文件中得到;指标等级划分为:“优质”、“良好”、“一般”、“合格”、“不合格”;将指标不越限的区间等分为四个小区间,对于值越小越好的极小型指标,不越限小区间由小至大分别对应“优质”-“合格”;对于值越大越好的极大型指标,不越限小区间由大至小分别对应“优质”-“合格”;指标越限区间对应“不合格”;若指标无限值,则认为其不越限区间为其理论值域;
统计步骤1所得基础数据中第j个指标数据在第i个区间的概率值Pi(j),其中,j=1,2,L,11;i=1,2,L,5;由11个指标在5个等级区间的所有概率值组成原始数据矩阵X:
对于每个指标,由下式加权得到该指标的评估结果R(j):
指标评估结果R(j)的等级判断如下所示:当1≤R(j)<1.8时,评估结果为“优质”;当1.8≤R(j)<2.6时,评估结果为“良好”;当2.6≤R(j)<3.4时,评估结果为“一般”;当3.4≤R(j)<4.2时,评估结果为“合格”;当4.2≤R(j)≤5时,评估结果为“不合格”。
进一步地,步骤3中,假设11个指标的重要度不减排序为X1≥X2≥L≥X11,比较相邻指标Xi与Xi+1间的相对重要程度即标度值ti,i=1,2,L,10,其中,标度值根据如下所示的比例标度判断:当前一指标与后一指标相同重要,标度值为“1”;当前一指标比后一指标略微重要,标度值为“1.2”;当前一指标比后一指标明显重要,标度值为“1.4”;当前一指标比后一指标强烈重要,标度值为“1.6”;当前一指标比后一指标绝对重要,标度值为“1.8”;按照重要程度的传递性计算出非相邻指标间的标度值,由此构建判断矩阵P:
根据标度扩展的层次分析法,P的末列向量p=[t1t2L t10,t2t3L t10,L,t10,1]的1-范数向量即为主观权重W1:
式中,w1i为主观权重W1第i个指标的权重值,pi为判断矩阵P的末列向量p的第i个元素。
进一步地,步骤4中,11个指标的棋盘格为11×11格;将两两指标间的相对重要程度值填入棋盘格,指标自比无意义,因此主对角线的棋盘格不需填写,其中,当行指标比列指标重要,则重要程度值为“1”;当行指标与列指标同等重要,则重要程度值为“0.5”;当行指标不如列指标重要,则重要程度值为“0”;根据优序图法互补检验,主对角线两边对称的棋盘格数字之和应为1;将通过互补检验的棋盘格每行数字相加,除以T即为行指标对应的权重w2i,其中T=11×(11-1)/2=55,i=1,2,L,11,w2i为主观权重W2第i个指标的权重值。
进一步地,步骤5中,按照下式计算各指标即每列数据的熵值Hj:
式中,j=1,2,L,11;xij为原始数据矩阵X的元素;
根据熵权法由各指标的熵值计算出各指标权重:
式中,w3j为主观权重W3第j个指标的权重值。
进一步地,步骤6中,按照下式计算矩阵X中各指标即每列数据的平均值μj与标准差σj:
式中,j=1,2,L,11;xij为原始数据矩阵X的元素;
按照下式计算各指标的变异系数vj
vj=σj/μj
根据变异系数法归一化变异系数得出各指标权重:
式中,w4j为主观权重W4第j个指标的权重值。
进一步地,步骤7中,11个评价指标、4种赋权方法构成矩阵U,uij指采用第j种赋权法对第i个指标的赋权结果,如下所示:
建立使优化权重向量对应的评价值向量与主、客观权重向量对应的评价值向量之间的偏差尽可能小的优化模型。
进一步地,步骤7中,优化模型为:
式中,ulj为第l种赋权法中赋予第j个指标的权重;wj为优化权重W中第j个指标的权重值;xij为原始数据矩阵X的元素;求解优化模型得出优化权重。
进一步地,步骤8中,按照下式由各指标的评估结果R(j)与优化权重wj加权求和得到风电场的综合评估结果R:
综合评估的值越小越好,评估结果R的等级判断如下所示:当1≤R<1.8时,评估结果为“优质”;当1.8≤R<2.6时,评估结果为“良好”;当2.6≤R<3.4时,评估结果为“一般”;当3.4≤R<4.2时,评估结果为“合格”;当4.2≤R≤5时,评估结果为“不合格”。
与现有技术相比,本发明的有益效果是:本发明基于影响风电场无功电压控制能力的因素与风电场无功电压控制的效果,结合多个标准文件,构建了风电场无功电压控制能力评估体系。通过以标度扩展的层次分析法、优序图法两种主观赋权法与熵权法、变异系数法两种客观赋权法为基础的组合赋权法评估风电场无功电压控制能力,既能考虑到专家经验等主观因素,又能反映指标数据的动态变化,提高了指标权重的合理性。评估结果可反映出风电场无功电压控制能力的整体情况,为风电场改进无功电压控制能力与电网的控制调度提供依据。也可针对多个风电场的某一指标或综合评估指标评估值进行对比,为电网控制调度提供依据,或为无功电压控制策略验证提供证明等。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明的评估体系图;
图2为本发明的评估流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面将结合附图和具体的实施例对本发明的技术方案进行详细说明。需要指出的是,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。
实施例
如图1、图2所示,本发明提供一种风电场无功电压控制能力综合评估方法,包括以下步骤:
步骤1:获取风电场无功电压控制能力评估指标的基础数据;
步骤2:基于各评估指标的标准规定限值,通过概率统计将步骤1所得基础数据进行等级划分,得到原始数据矩阵X,加权得到各指标的评估结果;
步骤3:将评估指标进行重要度不减排序,通过比较指标间的重要程度构建判断矩阵,由标度扩展的层次分析法求出主观权重W1;
步骤4:构建评估指标棋盘格,两两对比指标间重要程度,进行优序图法互补检验求出主观权重W2;
步骤5:基于步骤2所得矩阵X计算各指标数据熵值,由熵权法求出客观权重W3;
步骤6:基于步骤2所得矩阵X计算各指标数据平均值与标准差,进而计算指标数据的变异系数,由变异系数法求出客观权重W4;
步骤7:建立使评价值之间偏差尽可能小的优化模型,由步骤3-步骤6所得的主/客观权重得出优化权重W;
步骤8:基于步骤2所得的各指标评估结果与步骤7所得的优化权重W加权得出综合评估结果。
具体地,步骤1中,考虑到指标的系统性、代表性、权威性、可比性和易获性,本发明根据影响风电场无功电压控制能力的因素与风电场无功电压控制的效果,结合多个国家标准、行业标准、企业标准等标准文件,构建了评估指标体系。评估指标包括功率指标、电能质量指标和调节指标。其中,功率指标反映风电场实时及未来的无功功率情况,包括实时无功裕度Q,有功变化△P、预测合格率QR、预测误差Erms;电能质量指标反映风电场的无功源对并网点电能质量的综合治理情况,包括电压偏差△U、电压波动d、电压闪变Plt、电压谐波THDu、电压三相不平衡εU2;调节指标反映风电场收到无功或电压调节指令后的调节性能,包括调节精度△V、调节响应时间TV。调节指标的基础数据为风电场入网测试报告中相应数据,其余评估指标的基础数据为一段时间内风电场相应的实时变化数据。
其中,获取风电场的额定无功容量QN、无功补偿装置容量Qc、风电场中n台风电机组的变流器容量si(i=1,2,L,n),测得n台风电机组的实时有功输出pi(i=1,2,L,n),计算实时无功裕度Q:
获取风电场的装机容量PN,测得风电场并网点的1min差值有功变化△p,计算有功变化△P:
△P=△p/PN
获取风电场短期预测合格率QR表示预测合格率指标,短期预测均方根误差Erms表示预测误差指标。
测得风电场并网点电能质量指标,其中,电压闪变指标采用长时间闪变值Plt,电压谐波指标采用电压总谐波畸变率THDu,三相电压不平衡指标采用三相电压负序不平衡度测量值εU2。
于风电场入网测试报告中获取调节精度△V、调节响应时间TV数据。
具体地,步骤2中,各评估指标的标准规定限值从与风电场相关的各标准文件中得到。指标等级划分为:“优质”、“良好”、“一般”、“合格”、“不合格”。将指标不越限的区间等分为四个小区间,对于值越小越好的极小型指标,不越限小区间由小至大分别对应“优质”-“合格”;对于值越大越好的极大型指标,不越限小区间由大至小分别对应“优质”-“合格”;指标越限区间对应“不合格”;若指标无限值,则认为其不越限区间为其理论值域。
统计步骤1所得基础数据中第j个指标数据在第i个区间的概率值Pi(j),其中,j=1,2,L,11;i=1,2,L,5。由11个指标在5个等级区间的所有概率值组成原始数据矩阵X:
对于每个指标,由下式加权得到该指标的评估结果R(j):
指标评估结果R(j)的等级判断如下所示:当1≤R(j)<1.8时,评估结果为“优质”;当1.8≤R(j)<2.6时,评估结果为“良好”;当2.6≤R(j)<3.4时,评估结果为“一般”;当3.4≤R(j)<4.2时,评估结果为“合格”;当4.2≤R(j)≤5时,评估结果为“不合格”。
具体地,步骤3中,假设11个指标的重要度不减排序为X1≥X2≥L≥X11,比较相邻指标Xi与Xi+1间的相对重要程度即标度值ti,i=1,2,L,10,其中,标度值根据如下所示的比例标度判断:当前一指标与后一指标相同重要,标度值为“1”;当前一指标比后一指标略微重要,标度值为“1.2”;当前一指标比后一指标明显重要,标度值为“1.4”;当前一指标比后一指标强烈重要,标度值为“1.6”;当前一指标比后一指标绝对重要,标度值为“1.8”。按照重要程度的传递性计算出非相邻指标间的标度值,由此构建判断矩阵P:
根据标度扩展的层次分析法,P的末列向量p=[t1t2L t10,t2t3L t10,L,t10,1]的1-范数向量即为主观权重W1:
式中,w1i为主观权重W1第i个指标的权重值,pi为判断矩阵P的末列向量p的第i个元素。
具体地,步骤4中,11个指标的棋盘格为11×11格;将两两指标间的相对重要程度值填入棋盘格,指标自比无意义,因此主对角线的棋盘格不需填写,其中,当行指标比列指标重要,则重要程度值为“1”;当行指标与列指标同等重要,则重要程度值为“0.5”;当行指标不如列指标重要,则重要程度值为“0”;根据优序图法互补检验,主对角线两边对称的棋盘格数字之和应为1;将通过互补检验的棋盘格每行数字相加,除以T即为行指标对应的权重w2i,其中T=11×(11-1)/2=55,i=1,2,L,11,w2i为主观权重W2第i个指标的权重值。
具体地,步骤5中,按照下式计算各指标即每列数据的熵值Hj:
式中,j=1,2,L,11;xij为原始数据矩阵X的元素。
根据熵权法由各指标的熵值计算出各指标权重:
式中,w3j为主观权重W3第j个指标的权重值。
具体地,步骤6中,按照下式计算矩阵X中各指标即每列数据的平均值μj与标准差σj:
式中,j=1,2,L,11;xij为原始数据矩阵X的元素。
按照下式计算各指标的变异系数vj
vj=σj/μj
根据变异系数法归一化变异系数得出各指标权重:
式中,w4j为主观权重W4第j个指标的权重值。
具体地,步骤7中,本发明中11个评价指标、4种赋权方法构成矩阵U,uij指采用第j种赋权法对第i个指标的赋权结果,如下所示:
建立使优化权重向量对应的评价值向量与主、客观权重向量对应的评价值向量之间的偏差尽可能小的优化模型:
式中,ulj为第l种赋权法中赋予第j个指标的权重;wj为优化权重W中第j个指标的权重值;xij为原始数据矩阵X的元素。求解优化模型得出优化权重。
具体地,步骤8中,按照下式由各指标的评估结果R(j)与优化权重wj加权求和得到风电场的综合评估结果R:
综合评估的值越小越好,评估结果R的等级判断如下所示:当1≤R<1.8时,评估结果为“优质”;当1.8≤R<2.6时,评估结果为“良好”;当2.6≤R<3.4时,评估结果为“一般”;当3.4≤R<4.2时,评估结果为“合格”;当4.2≤R≤5时,评估结果为“不合格”。
下面以某实际风电场为例来说明本发明,该风电场的装机容量为50MW,共安装25台单机容量为2MW的永磁直驱风电机组。
步骤1:该风电场配置的SVG无功调节范围为-5Mvar~5Mvar,无源滤波装置的容量为5Mvar。在风电场并网点测得夏季某日的功率与电能质量数据,在数据平台获取风电场预测与调节数据,得到各指标的基础数据。
步骤2:在各标准规定中,该风电场各指标限值如表1所示:
表1风电场指标限值
指标 | 限值 | 参考标准文件 |
实时无功裕度 | 0%~100% | - |
有功变化 | 0%~10% | 《GB/T 19963-2011》 |
预测合格率 | 80%~100% | 《Q/GDW 10588-2015》 |
预测误差 | 0%~20% | 《Q/GDW 10588-2015》 |
电压偏差 | -3%~+7% | 《GB/T 19963-2011》 |
电压波动 | 0%~1% | 《GB/T 12326-2008》 |
电压闪变 | 0~1 | 《GB/T 12326-2008》 |
电压谐波 | 0%~2% | 《BG/T14549-1993》 |
电压三相不平衡 | 0%~4% | 《GB/T 15543-2008》 |
调节精度 | -0.5%~+5% | 《GB/T 19963-2011》 |
调节响应时间 | 0s~30s | 《GB/T 19963-2011》 |
基于概率统计将指标数据量化分级,得到原始数据矩阵X,
矩阵X每列代表一个指标,分别为:实时无功裕度、有功变化、预测合格率、预测误差、电压偏差、电压波动、电压闪变、电压谐波、电压三相不平衡、调节精度、调节响应时间;每行代表一个等级,分别为“优质”,“良好”,“一般”,“合格”,“不合格”。
加权平均得到各指标的评估结果R(1)~R(11),判断各指标的等级,各指标评估结果等级如表2所示。由原始数据矩阵X和表2可知,风电场的实时无功裕度一般较大,预测合格率不符合标准,电压偏差问题严重,调节精度与调节响应时间都不理想。与实际风电场调研结果相符。
表2指标评估结果等级
步骤3:由标度扩展的层次分析法得到主观权重W1,如表3所示。
步骤4:由优序图法得到主观权重W2,如表3所示。
步骤5:由熵权法得到客观权重W3,如表3所示。
步骤6:由变异系数法得到客观权重W4,如表3所示。
步骤7:由四组主、客观权重构成4行11列的权重矩阵U,求解优化模型得出优化权重W。优化权重如表3所示。
表3不同方法中各指标权重
步骤8:由各指标的评估结果R(1)~R(11)与优化权重W风电场无功电压控制能力的最终评估结果R=3.016,该风电场的无功电压控制能力一般。综合考虑指标权重与指标评估结果,若要提高该风电场的无功电压控制能力,需以优化调节精度、调节响应时间、电压偏差方面为主,优化功率预测合格率、预测误差为辅,比如提高风电场无功电压控制系统的性能、加快风电场的无功响应时间以及改进功率预测算法等。
本发明基于影响风电场无功电压控制能力的因素与风电场无功电压控制的效果,结合多个标准文件,构建了风电场无功电压控制能力评估体系。通过以标度扩展的层次分析法、优序图法两种主观赋权法与熵权法、变异系数法两种客观赋权法为基础的组合赋权法评估风电场无功电压控制能力,既能考虑到专家经验等主观因素,又能反映指标数据的动态变化,提高了指标权重的合理性。评估结果可反映出风电场无功电压控制能力的整体情况,为风电场改进无功电压控制能力与电网的控制调度提供依据。也可针对多个风电场的某一指标或综合评估指标评估值进行对比,为电网控制调度提供依据,或为无功电压控制策略验证提供证明等。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种风电场无功电压控制能力综合评估方法,其特征在于:包括以下步骤:
步骤1:获取风电场无功电压控制能力评估指标的基础数据;
步骤2:基于各评估指标的标准规定限值,通过概率统计将步骤1所得基础数据进行等级划分,得到原始数据矩阵X,加权得到各指标的评估结果;
步骤3:将评估指标进行重要度不减排序,通过比较指标间的重要程度构建判断矩阵,由标度扩展的层次分析法求出主观权重W1;
步骤4:构建评估指标棋盘格,两两对比指标间重要程度,进行优序图法互补检验求出主观权重W2;
步骤5:基于步骤2所得矩阵X计算各指标数据熵值,由熵权法求出客观权重W3;
步骤6:基于步骤2所得矩阵X计算各指标数据平均值与标准差,进而计算指标数据的变异系数,由变异系数法求出客观权重W4;
步骤7:建立使评价值之间偏差尽可能小的优化模型,由步骤3-步骤6所得的主/客观权重得出优化权重W;
步骤8:基于步骤2所得的各指标评估结果与步骤7所得的优化权重W加权得出综合评估结果。
2.根据权利要求1所述的风电场无功电压控制能力综合评估方法,其特征在于:步骤1中,评估指标包括功率指标、电能质量指标和调节指标;其中,功率指标包括实时无功裕度Q,有功变化ΔP、预测合格率QR、预测误差Erms;电能质量指标包括电压偏差ΔU、电压波动d、电压闪变Plt、电压谐波THDu、电压三相不平衡εU2;调节指标包括调节精度ΔV、调节响应时间TV;调节指标的基础数据为风电场入网测试报告中相应数据,其余评估指标的基础数据为一段时间内风电场相应的实时变化数据;
其中,获取风电场的额定无功容量QN、无功补偿装置容量Qc、风电场中n台风电机组的变流器容量si(i=1,2,L,n),测得n台风电机组的实时有功输出pi(i=1,2,L,n),计算实时无功裕度Q:
获取风电场的装机容量PN,测得风电场并网点的1min差值有功变化Δp,计算有功变化ΔP:
ΔP=Δp/PN
获取风电场短期预测合格率QR表示预测合格率指标,短期预测均方根误差Erms表示预测误差指标;
测得风电场并网点电能质量指标,其中,电压闪变指标采用长时间闪变值Plt,电压谐波指标采用电压总谐波畸变率THDu,三相电压不平衡指标采用三相电压负序不平衡度测量值εU2;
于风电场入网测试报告中获取调节精度ΔV、调节响应时间TV数据。
3.根据权利要求1所述的风电场无功电压控制能力综合评估方法,其特征在于:步骤2中,各评估指标的标准规定限值从与风电场相关的各标准文件中得到;指标等级划分为:“优质”、“良好”、“一般”、“合格”、“不合格”;将指标不越限的区间等分为四个小区间,对于值越小越好的极小型指标,不越限小区间由小至大分别对应“优质”-“合格”;对于值越大越好的极大型指标,不越限小区间由大至小分别对应“优质”-“合格”;指标越限区间对应“不合格”;若指标无限值,则认为其不越限区间为其理论值域;
统计步骤1所得基础数据中第j个指标数据在第i个区间的概率值Pi(j),其中,j=1,2,L,11;i=1,2,L,5;由11个指标在5个等级区间的所有概率值组成原始数据矩阵X:
对于每个指标,由下式加权得到该指标的评估结果R(j):
指标评估结果R(j)的等级判断如下所示:当1≤R(j)<1.8时,评估结果为“优质”;当1.8≤R(j)<2.6时,评估结果为“良好”;当2.6≤R(j)<3.4时,评估结果为“一般”;当3.4≤R(j)<4.2时,评估结果为“合格”;当4.2≤R(j)≤5时,评估结果为“不合格”。
4.根据权利要求1所述的风电场无功电压控制能力综合评估方法,其特征在于:步骤3中,假设11个指标的重要度不减排序为X1≥X2≥L≥X11,比较相邻指标Xi与Xi+1间的相对重要程度即标度值ti,i=1,2,L,10,其中,标度值根据如下所示的比例标度判断:当前一指标与后一指标相同重要,标度值为“1”;当前一指标比后一指标略微重要,标度值为“1.2”;当前一指标比后一指标明显重要,标度值为“1.4”;当前一指标比后一指标强烈重要,标度值为“1.6”;当前一指标比后一指标绝对重要,标度值为“1.8”;按照重要程度的传递性计算出非相邻指标间的标度值,由此构建判断矩阵P:
根据标度扩展的层次分析法,P的末列向量p=[t1t2L t10,t2t3L t10,L,t10,1]的1-范数向量即为主观权重W1:
式中,w1i为主观权重W1第i个指标的权重值,pi为判断矩阵P的末列向量p的第i个元素。
5.根据权利要求1所述的风电场无功电压控制能力综合评估方法,其特征在于:步骤4中,11个指标的棋盘格为11×11格;将两两指标间的相对重要程度值填入棋盘格,指标自比无意义,因此主对角线的棋盘格不需填写,其中,当行指标比列指标重要,则重要程度值为“1”;当行指标与列指标同等重要,则重要程度值为“0.5”;当行指标不如列指标重要,则重要程度值为“0”;根据优序图法互补检验,主对角线两边对称的棋盘格数字之和应为1;将通过互补检验的棋盘格每行数字相加,除以T即为行指标对应的权重w2i,其中T=11×(11-1)/2=55,i=1,2,L,11,w2i为主观权重W2第i个指标的权重值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010054016.6A CN111210363B (zh) | 2020-01-17 | 2020-01-17 | 一种风电场无功电压控制能力综合评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010054016.6A CN111210363B (zh) | 2020-01-17 | 2020-01-17 | 一种风电场无功电压控制能力综合评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111210363A true CN111210363A (zh) | 2020-05-29 |
CN111210363B CN111210363B (zh) | 2023-09-01 |
Family
ID=70784724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010054016.6A Active CN111210363B (zh) | 2020-01-17 | 2020-01-17 | 一种风电场无功电压控制能力综合评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111210363B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861248A (zh) * | 2020-07-27 | 2020-10-30 | 国网河南省电力公司电力科学研究院 | 一种配电网的电能质量治理效果综合评估方法及装置 |
CN112103987A (zh) * | 2020-08-06 | 2020-12-18 | 湖南大学 | 一种风电接入电网的无功电压两级分区及控制方法 |
CN112734274A (zh) * | 2021-01-20 | 2021-04-30 | 国家电网公司华中分部 | 一种低碳电网运营主导影响因素挖掘及综合评估方法 |
CN112994028A (zh) * | 2021-05-24 | 2021-06-18 | 广东电网有限责任公司中山供电局 | 一种虚拟电厂无功电压快速调节方法及装置 |
CN114971128A (zh) * | 2021-12-31 | 2022-08-30 | 中国矿业大学 | 一种基于盲数和改进未确知测度的电能质量综合评估方法 |
CN115202328A (zh) * | 2022-09-16 | 2022-10-18 | 南方电网数字电网研究院有限公司 | 考虑多场耦合的大容量海上风电机组并网性能分析方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139263A (zh) * | 2015-01-28 | 2015-12-09 | 国家电网公司 | 一种基于wams数据的风电场无功电压水平评估方法及其系统 |
CN105515012A (zh) * | 2015-12-09 | 2016-04-20 | 华北电力科学研究院有限责任公司 | 一种储能参与电力系统电压控制方法及装置 |
CN107038532A (zh) * | 2017-04-17 | 2017-08-11 | 国网江苏省电力公司 | 基于最优组合权重的配电网负荷转供方案评价方法 |
CN109003000A (zh) * | 2018-04-10 | 2018-12-14 | 华侨大学 | 一种主动配电网的电能质量综合评估方法 |
CN109858758A (zh) * | 2018-12-29 | 2019-06-07 | 中国电力科学研究院有限公司 | 一种配电网电能质量的组合赋权评估方法及系统 |
CN110348652A (zh) * | 2018-04-03 | 2019-10-18 | 普华讯光(北京)科技有限公司 | 配电室运行健康度的量化评估方法 |
-
2020
- 2020-01-17 CN CN202010054016.6A patent/CN111210363B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139263A (zh) * | 2015-01-28 | 2015-12-09 | 国家电网公司 | 一种基于wams数据的风电场无功电压水平评估方法及其系统 |
CN105515012A (zh) * | 2015-12-09 | 2016-04-20 | 华北电力科学研究院有限责任公司 | 一种储能参与电力系统电压控制方法及装置 |
CN107038532A (zh) * | 2017-04-17 | 2017-08-11 | 国网江苏省电力公司 | 基于最优组合权重的配电网负荷转供方案评价方法 |
CN110348652A (zh) * | 2018-04-03 | 2019-10-18 | 普华讯光(北京)科技有限公司 | 配电室运行健康度的量化评估方法 |
CN109003000A (zh) * | 2018-04-10 | 2018-12-14 | 华侨大学 | 一种主动配电网的电能质量综合评估方法 |
CN109858758A (zh) * | 2018-12-29 | 2019-06-07 | 中国电力科学研究院有限公司 | 一种配电网电能质量的组合赋权评估方法及系统 |
Non-Patent Citations (3)
Title |
---|
XUN MAO等: "Study on the plan of UHV substation location based on grey comprehensive optimal selection using moment estimation theory to weight" * |
孙士强: "电能质量综合评估方法的研究", pages 8 - 32 * |
沈阳武等: "基于最优组合权重的电能质量灰色综合评价方法" * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861248A (zh) * | 2020-07-27 | 2020-10-30 | 国网河南省电力公司电力科学研究院 | 一种配电网的电能质量治理效果综合评估方法及装置 |
CN112103987A (zh) * | 2020-08-06 | 2020-12-18 | 湖南大学 | 一种风电接入电网的无功电压两级分区及控制方法 |
CN112734274A (zh) * | 2021-01-20 | 2021-04-30 | 国家电网公司华中分部 | 一种低碳电网运营主导影响因素挖掘及综合评估方法 |
CN112734274B (zh) * | 2021-01-20 | 2023-11-03 | 国家电网公司华中分部 | 一种低碳电网运营主导影响因素挖掘及综合评估方法 |
CN112994028A (zh) * | 2021-05-24 | 2021-06-18 | 广东电网有限责任公司中山供电局 | 一种虚拟电厂无功电压快速调节方法及装置 |
CN112994028B (zh) * | 2021-05-24 | 2021-07-23 | 广东电网有限责任公司中山供电局 | 一种虚拟电厂无功电压快速调节方法及装置 |
CN114971128A (zh) * | 2021-12-31 | 2022-08-30 | 中国矿业大学 | 一种基于盲数和改进未确知测度的电能质量综合评估方法 |
CN115202328A (zh) * | 2022-09-16 | 2022-10-18 | 南方电网数字电网研究院有限公司 | 考虑多场耦合的大容量海上风电机组并网性能分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111210363B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111210363B (zh) | 一种风电场无功电压控制能力综合评估方法 | |
CN112308427B (zh) | 一种基于组合赋权-灰关联的新能源消纳制约因素评估方法及系统 | |
CN104156889B (zh) | 一种基于wams数据的风电场性能评估系统及其评估方法 | |
CN103839192A (zh) | 基于层次分析法及距离综合评价法的风电场综合评价方法 | |
CN111446721B (zh) | 一种基于暂态电压灵敏度的配电网调压控制方法 | |
CN107069835B (zh) | 新能源电站实时有功的分配方法及分配装置 | |
CN109167387A (zh) | 风场风电功率预测方法 | |
CN111612326A (zh) | 一种配变供电可靠性的综合评估方法 | |
CN112487051A (zh) | 光伏汇集区大数据管理系统及方法 | |
CN113112114A (zh) | 一种储能电站在线评估方法和装置 | |
CN114610591A (zh) | 基于设备健康度模型的锂离子电池储能系统评价方法 | |
CN112990710A (zh) | 一种基于dea的风电场电能质量多层次综合评估方法 | |
Penangsang et al. | Optimal placement and sizing of distributed generation in radial distribution system using K-means clustering method | |
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 | |
CN114662809A (zh) | 一种综合能源园区内供电电源的电能质量评价方法和系统 | |
CN116468331A (zh) | 一种分级评估的风电场主动支撑控制能力评价方法 | |
Lin et al. | Operational Probabilistic Power Flow Analysis for Hybrid AC-DC Interconnected Power Systems with High Penetration of Offshore Wind Energy | |
CN116436080A (zh) | 一种灵活性资源集群参与电网调控的综合评价方法及系统 | |
CN110336322A (zh) | 基于日最小负荷置信区间的光伏发电准入容量确定方法 | |
CN112861376B (zh) | 一种基于单元调度模型的评估方法及装置 | |
CN112803403B (zh) | 基于时频特征的海上风电集群效应多层级评估方法 | |
CN111950131B (zh) | 一种考虑限电因素的风电场出力等值聚合模型构建方法 | |
CN115051392A (zh) | 一种含新能源、储能及柔性负荷的无功协调优化控制方法 | |
CN114004390A (zh) | 计及风电外送及投资风险的储能系统容量规划方法 | |
Yang et al. | Simplified Prediction Model of Frequency Nadir for Power Systems Penetrated With Renewable Energy |
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 |