CN112018758A - 基于数字孪生的含高比例新能源交直流混联系统建模方法 - Google Patents
基于数字孪生的含高比例新能源交直流混联系统建模方法 Download PDFInfo
- Publication number
- CN112018758A CN112018758A CN202010870376.3A CN202010870376A CN112018758A CN 112018758 A CN112018758 A CN 112018758A CN 202010870376 A CN202010870376 A CN 202010870376A CN 112018758 A CN112018758 A CN 112018758A
- Authority
- CN
- China
- Prior art keywords
- data
- new energy
- direct current
- alternating current
- hybrid system
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
- G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/148—Wavelet transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- H02J1/00—Circuit arrangements for dc mains or dc distribution 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
- H02J5/00—Circuit arrangements for transfer of electric power between ac networks and dc networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution 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]
Abstract
一种基于数字孪生的含高比例新能源交直流混联系统建模方法,包括数据采集:通过各类传感网络分别采集电力系统日常稳态和断路故障大扰动情况下的多维度海量数据,获得采样数据,并分析采样数据的时域特性和频域特性;数据处理:对采样数据进行预处理,包括数据采样频率及样本容量选择、数据冗余点和离群点筛选方法、噪声信号滤除、数据传输时延补偿,得到优化数据;建立模型:通过优化数据结合数字孪生技术构建含高比例新能源交直流混联系统的数字孪生分析模型;电网监测:基于含高比例新能源交直流混联系统的数字孪生分析模型,实现对电网运行状态实时监测、控制策略推演分析以及在线验证。
Description
技术领域
本发明涉及电网监测领域,特别是一种基于数字孪生的含高比例新能源交直流混联系统建模方法。
背景技术
随着电网交直流混联趋势的逐步形成以及新能源并网容量的持续增加,电网运行、调度以及扩展规划均面临越来越大的压力,为了求解最优运行控制方案以及更好地利用现有电网设备,需要在一个实时且高保真度的电网模型上重现历史运行状况,进而评估不同运行控制策略以及电网拓扑加固方案的影响和效果。
目前常用的电力系统仿真软件与平台较为封闭独立,与物理电网之间的联系不够紧密,无法对系统运行状态进行精准实时跟踪,在模型准确性、实时性、数据交互等方面有待进一步提升;本发明采用数字孪生技术对传统仿真模拟进行升级与深化,通过紧密结合实时数据与数字模型,使调度管理人员在物理电网正常运行的同时,预先对交直流混联电网运行状态进行推演和验证,并进行动态调整与及时纠偏;同时,通过数字孪生能够对电网设备及系统的全生命周期过程进行全要素、全流程、全维度的检测与仿真,显著提升交直流混联电网的运行水平和运行效率,为未来电网适应高渗透率新能源接入和负荷随机变化提供一个十分有效的在线分析、辅助设计与验证手段。
发明内容
本发明的目的就是提供一种基于数字孪生的含高比例新能源交直流混联系统建模方法,它可以用于对电网运行状态实时监测、控制策略推演分析以及在线验证。
本发明的目的是通过这样的技术方案实现的,它包括有以下步骤:
1)数据采集:通过各类传感网络分别采集电力系统日常稳态和断路故障大扰动情况下的多维度海量数据,获得采样数据,并分析采样数据的时域特性和频域特性;
2)数据处理:对步骤1)中获得的采样数据进行预处理,包括数据采样频率及样本容量选择、数据冗余点和离群点筛选、噪声信号滤除、数据传输时延补偿,得到优化数据;
3)建立模型:通过步骤2)中的到优化数据结合数字孪生技术构建含高比例新能源交直流混联系统的数字孪生分析模型;
4)电网监测控制:基于含高比例新能源交直流混联系统的数字孪生分析模型结合日常稳态和断路故障情况下数据的时域特性和频域特性,对电网运行状态实时监测、推演分析,并控制物理电网运行,物理电网将实时数据反馈到数字孪生分析模型。
进一步,步骤1)中数据采集的具体步骤如下:
1-1)在电力系统日常稳态和断路故障大扰动情况,通过各类传感网络分别采集系统的多维度海量数据,建立数据库,获得采样数据;
1-2)根据PMU系统量测设备中的GPS时钟信号,分别对数据库中采样数据进行时间排序,获取数据时间序列,并利用时域仿真工具分析其时域特性;
1-3)利用快速傅里叶变换对系统稳态运行和断路大扰动情况下的数据时间序列进行频谱估计,分析其频域特性。
进一步,步骤2)中所述的的具体步骤如下:
2-1)选择电力系统数据采样频率和用于状态分析的数据样本容量,获得样本数据;
2-2)采用壳状数据选择算法删除样本数据的数据冗余;
2-3)采用基于距离的离群点检测算法来区分样本数据中的正常数据点和离群点,并剔除离群点;
2-4)采用小波变换对步骤2-3)中处理后数据中的噪声信号进行滤除;
2-5)采用改进双Smith时延预估补偿器对步骤2-4)中处理后的数据时延进行补偿,得到优化数据。
进一步,步骤2-2)中采用壳状数据选择算法删除样本数据的数据冗余的具体步骤如下:
2-2-1)对于每个数据类别,计算单个类的中心向量:
其中cm是第m个数据类别的中心向量,Cm是第m个数据类别中所有数据点的集合,Xn则是第m个数据类别中第n个数据点;
2-2-2)按顺序将单个类别中的向量点Xn到中心向量的距离和筛选半径R进行比较,若比半径R小,则剔除该向量点;
2-2-3)重复步骤2-2-2),直到筛选掉所有在中心向量半径R内的点;
2-2-4)重复步骤2-2-1)—步骤2-2-3),直到所有类别的中心向量半径R内无法筛选到数据点或留存的数据点达到截断阀值Tm。
进一步,步骤2-3)中采用基于距离的离群点检测算法来区分样本数据中的正常数据点和离群点,并剔除离群点的具体步骤如下:
2-3-1)在数据集S中,对于对象o,在S中存在p个数据点到o的距离大于dmin,称数据点o为以p和dmin作为参数的离群点D(p,dmin),在数据集S中,其维度为n,oi和oj为数据集S中任意两个对象,计算对象数据点之间的欧式距离、绝对距离、明考斯基距离:
欧式距离:
绝对距离:
明考斯基距离:
2-3-2)根据上述三种距离函数分别计算对象数据点之间的距离,根据预设距离阈值筛选出数据集中的离群点。
进一步,步骤2-4)采用小波变换,对步骤2-3)处理后数据中的噪声信号进行滤除的具体步骤如下:
ψa,b(t)为有母小波函数ψ(t)生成的依赖于参数a,b的小波变换基,a被称为尺度因子,b被称为平移因子,变量a反映函数的尺度(或宽度),变量b检测小波函数在t轴上的平移位置,母小波ψ(t)的能量集中到原点,小波函数ψa,b(t)的能量集中在b点;
2-4-2)给定的信号为f(t)∈L2(R),连续小波变换的定位为基本母函数ψa,b(t)与待分析信号f(t)的内积,即为:
其逆变换为:
进一步,步骤2-5)中采用改进双Smith时延预估补偿器对步骤2-4)中处理后的数据时延进行补偿,得到优化数据的具体方法如下:
D(s)为系统实时随机扰动信号,该系统闭环传递函数为:
式中Y(s)、R(s)分别为系统输出、输入信号,C(s)、G(s)为控制器传递函数和被控对象传递函数,τca、τsc、τ分别表示控制器节点-执行器节点之间时延因子、传感器节点-控制器节点之间时延因子以及被控对象时延因子。Gm(s)和τm分别为G(s)、τ的预估模型。
进一步,步骤3)中建立模型的具体步骤如下:
3-1)针对实体能源电力系统的高维非线性时变特性,通过数字仿真建模理论,形成知识驱动的电力系统微分代数方程模型;
3-2)在系统微分和代数模型基础上,通过泛在传感网络采集的海量系统多维度运行数据,利用统计学方法和智能学习算法,构建数据驱动的电力系统统计相关性模型;
3-3)将数值模拟和数据挖掘所得微分代数方程模型和系统统计相关性模型进行结合,形成含高比例新能源交直流混联系统的数字孪生分析模型。
进一步,其特征在于,步骤4)中电网监测控制的具体步骤如下:
4-1)基于电力系统实际历史运行数据,利用含高比例新能源交直流混联系统的数字孪生分析模型同时对系统的稳态潮流和故障条件下暂态稳定以及频率响应进行精准复现,分析并掌握系统在特定故障条件下的运行机理和特性;
4-2)利用传感系统采集的电网实时数据,对电力系统运行环境和运行状态实时监测,通过数据分析和优化对物理电网及其设备的未来运行状态进行预测,基于预测结果制定系统的稳定控制策略,并在含高比例新能源交直流混联系统的数字孪生分析模型中进行策略的沙盘推演、在线验证、智能优化,并控制物理电网运行;物理电网将实时数据反馈到含高比例新能源交直流混联系统的数字孪生分析模型。
由于采用了上述技术方案,本发明具有如下的优点:
本申请通过数字孪生技术充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程;同时数字孪生多概率、多时间尺度仿真功能对新能源输出功率的随机分布特性以及系统机电、电磁暂态特性进行有效精准描述,构建实体物理电网在数字空间的超写实动态模型,实现对系统运行状态的实时在线监测和分析。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。
附图说明
本发明的附图说明如下。
图1为本发明的流程图。
图2为本发明基于改进Smith预估补偿器的网络控制系统结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
实施例1:
基于数字孪生的含高比例新能源交直流混联系统建模方法,包括以下步骤:
1)数据采集:通过各类传感网络分别采集电力系统日常稳态和断路故障大扰动情况下的多维度海量数据,获得采样数据,并分析采样数据的时域特性和频域特性;
2)数据处理:对步骤1)中获得的采样数据进行预处理,包括数据采样频率及样本容量选择、数据冗余点和离群点筛选、噪声信号滤除、数据传输时延补偿,得到优化数据;
3)建立模型:通过步骤2)中的到优化数据结合数字孪生技术构建含高比例新能源交直流混联系统的数字孪生分析模型;
4)电网监测控制:基于含高比例新能源交直流混联系统的数字孪生分析模型结合日常稳态和断路故障情况下数据的时域特性和频域特性,对电网运行状态实时监测、推演分析,并控制物理电网运行,物理电网将实时数据反馈到数字孪生分析模型。
步骤1)中数据采集的具体步骤如下:
1-1)在电力系统日常稳态和断路故障大扰动情况,通过各类传感网络分别采集系统的多维度海量数据,建立数据库,获得采样数据;
1-2)根据PMU系统量测设备中的GPS时钟信号,分别对数据库中采样数据进行时间排序,获取数据时间序列,并利用时域仿真工具分析其时域特性;
1-3)利用快速傅里叶变换对系统稳态运行和断路大扰动情况下的数据时间序列进行频谱估计,分析其频域特性。
步骤2)中所述的的具体步骤如下:
2-1)选择电力系统数据采样频率和用于状态分析的数据样本容量,获得样本数据;
2-2)采用壳状数据选择算法删除样本数据的数据冗余;
2-3)采用基于距离的离群点检测算法来区分样本数据中的正常数据点和离群点,并剔除离群点;
2-4)采用小波变换对步骤2-3)中处理后数据中的噪声信号进行滤除;
2-5)采用改进双Smith时延预估补偿器对步骤2-4)中处理后的数据时延进行补偿,得到优化数据。
步骤2-2)中采用壳状数据选择算法删除样本数据的数据冗余的具体步骤如下:
2-2-1)对于每个数据类别,计算单个类的中心向量:
其中cm是第m个数据类别的中心向量,Cm是第m个数据类别中所有数据点的集合,Xn则是第m个数据类别中第n个数据点;
2-2-2)按顺序将单个类别中的向量点Xn到中心向量的距离和筛选半径R进行比较,若比半径R小,则剔除该向量点;
2-2-3)重复步骤2-2-2),直到筛选掉所有在中心向量半径R内的点;
2-2-4)重复步骤2-2-1)—步骤2-2-3),直到所有类别的中心向量半径R内无法筛选到数据点或留存的数据点达到截断阀值Tm。
步骤2-3)中采用基于距离的离群点检测算法来区分样本数据中的正常数据点和离群点,并剔除离群点的具体步骤如下:
2-3-1)在数据集S中,对于对象o,在S中存在p个数据点到o的距离大于dmin,称数据点o为以p和dmin作为参数的离群点D(p,dmin),在数据集S中,其维度为n,oi和oj为数据集S中任意两个对象,计算对象数据点之间的欧式距离、绝对距离、明考斯基距离:
欧式距离:
绝对距离:
明考斯基距离:
2-3-2)根据上述三种距离函数分别计算对象数据点之间的距离,根据预设距离阈值筛选出数据集中的离群点。
步骤2-4)采用小波变换,对步骤2-3)处理后数据中的噪声信号进行滤除的具体步骤如下:
ψa,b(t)为有母小波函数ψ(t)生成的依赖于参数a,b的小波变换基,a被称为尺度因子,b被称为平移因子,变量a反映函数的尺度(或宽度),变量b检测小波函数在t轴上的平移位置,母小波ψ(t)的能量集中到原点,小波函数ψa,b(t)的能量集中在b点;
2-4-2)给定的信号为f(t)∈L2(R),连续小波变换的定位为基本母函数ψa,b(t)与待分析信号f(t)的内积,即为:
其逆变换为:
步骤2-5)中采用改进双Smith时延预估补偿器对步骤2-4)中处理后的数据时延进行补偿,得到优化数据的具体方法如下:
如图2所示,D(s)为系统实时随机扰动信号,该系统闭环传递函数为:
式中Y(s)、R(s)分别为系统输出、输入信号,C(s)、G(s)为控制器传递函数和被控对象传递函数,τca、τsc、τ分别表示控制器节点-执行器节点之间时延因子、传感器节点-控制器节点之间时延因子以及被控对象时延因子。Gm(s)和τm分别为G(s)、τ的预估模型。
步骤3)中建立模型的具体步骤如下:
3-1)针对实体能源电力系统的高维非线性时变特性,通过数字仿真建模理论,形成知识驱动的电力系统微分代数方程模型;
3-2)在系统微分和代数模型基础上,通过泛在传感网络采集的海量系统多维度运行数据,利用统计学方法和智能学习算法,构建数据驱动的电力系统统计相关性模型;
3-3)将数值模拟和数据挖掘所得微分代数方程模型和系统统计相关性模型进行结合,形成含高比例新能源交直流混联系统的数字孪生分析模型。
步骤4)中电网监测控制的具体步骤如下:
4-1)基于电力系统实际历史运行数据,利用含高比例新能源交直流混联系统的数字孪生分析模型同时对系统的稳态潮流和故障条件下暂态稳定以及频率响应进行精准复现,分析并掌握系统在特定故障条件下的运行机理和特性;
4-2)利用传感系统采集的电网实时数据,对电力系统运行环境和运行状态实时监测,通过数据分析和优化对物理电网及其设备的未来运行状态进行预测,基于预测结果制定系统的稳定控制策略,并在含高比例新能源交直流混联系统的数字孪生分析模型中进行策略的沙盘推演、在线验证、智能优化,并控制物理电网运行;物理电网将实时数据反馈到含高比例新能源交直流混联系统的数字孪生分析模型。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (9)
1.基于数字孪生的含高比例新能源交直流混联系统建模方法,其特征在于,包括以下步骤:
1)数据采集:通过各类传感网络分别采集电力系统日常稳态和断路故障大扰动情况下的多维度海量数据,获得采样数据,并分析采样数据的时域特性和频域特性;
2)数据处理:对步骤1)中获得的采样数据进行预处理,包括数据采样频率及样本容量选择、数据冗余点和离群点筛选、噪声信号滤除、数据传输时延补偿,得到优化数据;
3)建立模型:通过步骤2)中的到优化数据结合数字孪生技术构建含高比例新能源交直流混联系统的数字孪生分析模型;
4)电网监测控制:基于含高比例新能源交直流混联系统的数字孪生分析模型结合日常稳态和断路故障情况下数据的时域特性和频域特性,对电网运行状态实时监测、推演分析,并控制物理电网运行,物理电网将实时数据反馈到数字孪生分析模型。
2.如权利要求1所述的基于数字孪生的含高比例新能源交直流混联系统建模方法,其特征在于,步骤1)中数据采集的具体步骤如下:
1-1)在电力系统日常稳态和断路故障大扰动情况,通过各类传感网络分别采集系统的多维度海量数据,建立数据库,获得采样数据;
1-2)根据PMU系统量测设备中的GPS时钟信号,分别对数据库中采样数据进行时间排序,获取数据时间序列,并利用时域仿真工具分析其时域特性;
1-3)利用快速傅里叶变换对系统稳态运行和断路大扰动情况下的数据时间序列进行频谱估计,分析其频域特性。
3.如权利要求1所述的基于数字孪生的含高比例新能源交直流混联系统建模方法,其特征在于,步骤2)中所述的的具体步骤如下:
2-1)选择电力系统数据采样频率和用于状态分析的数据样本容量,获得样本数据;
2-2)采用壳状数据选择算法删除样本数据的数据冗余;
2-3)采用基于距离的离群点检测算法来区分样本数据中的正常数据点和离群点,并剔除离群点;
2-4)采用小波变换对步骤2-3)中处理后数据中的噪声信号进行滤除;
2-5)采用改进双Smith时延预估补偿器对步骤2-4)中处理后的数据时延进行补偿,得到优化数据。
4.如权利要求3所述的基于数字孪生的含高比例新能源交直流混联系统建模方法,其特征在于,步骤2-2)中采用壳状数据选择算法删除样本数据的数据冗余的具体步骤如下:
2-2-1)对于每个数据类别,计算单个类的中心向量:
其中cm是第m个数据类别的中心向量,Cm是第m个数据类别中所有数据点的集合,Xn则是第m个数据类别中第n个数据点;
2-2-2)按顺序将单个类别中的向量点Xn到中心向量的距离和筛选半径R进行比较,若比半径R小,则剔除该向量点;
2-2-3)重复步骤2-2-2),直到筛选掉所有在中心向量半径R内的点;
2-2-4)重复步骤2-2-1)—步骤2-2-3),直到所有类别的中心向量半径R内无法筛选到数据点或留存的数据点达到截断阀值Tm。
5.如权利要求3所述的基于数字孪生的含高比例新能源交直流混联系统建模方法,其特征在于,步骤2-3)中采用基于距离的离群点检测算法来区分样本数据中的正常数据点和离群点,并剔除离群点的具体步骤如下:
2-3-1)在数据集S中,对于对象o,在S中存在p个数据点到o的距离大于dmin,称数据点o为以p和dmin作为参数的离群点D(p,dmin),在数据集S中,其维度为n,oi和oj为数据集S中任意两个对象,计算对象数据点之间的欧式距离、绝对距离、明考斯基距离:
欧式距离:
绝对距离:
明考斯基距离:
2-3-2)根据上述三种距离函数分别计算对象数据点之间的距离,根据预设距离阈值筛选出数据集中的离群点。
6.如权利要求3所述的基于数字孪生的含高比例新能源交直流混联系统建模方法,其特征在于,步骤2-4)采用小波变换,对步骤2-3)处理后数据中的噪声信号进行滤除的具体步骤如下:
ψa,b(t)为有母小波函数ψ(t)生成的依赖于参数a,b的小波变换基,a被称为尺度因子,b被称为平移因子,变量a反映函数的尺度(或宽度),变量b检测小波函数在t轴上的平移位置,母小波ψ(t)的能量集中到原点,小波函数ψa,b(t)的能量集中在b点;
2-4-2)给定的信号为f(t)∈L2(R),连续小波变换的定位为基本母函数ψa,b(t)与待分析信号f(t)的内积,即为:
其逆变换为:
8.如权利要求1所述的基于数字孪生的含高比例新能源交直流混联系统建模方法,其特征在于,步骤3)中建立模型的具体步骤如下:
3-1)针对实体能源电力系统的高维非线性时变特性,通过数字仿真建模理论,形成知识驱动的电力系统微分代数方程模型;
3-2)在系统微分和代数模型基础上,通过泛在传感网络采集的海量系统多维度运行数据,利用统计学方法和智能学习算法,构建数据驱动的电力系统统计相关性模型;
3-3)将数值模拟和数据挖掘所得微分代数方程模型和系统统计相关性模型进行结合,形成含高比例新能源交直流混联系统的数字孪生分析模型。
9.如权利要求1所述的基于数字孪生的含高比例新能源交直流混联系统建模方法,其特征在于,步骤4)中电网监测控制的具体步骤如下:
4-1)基于电力系统实际历史运行数据,利用含高比例新能源交直流混联系统的数字孪生分析模型同时对系统的稳态潮流和故障条件下暂态稳定以及频率响应进行精准复现,分析并掌握系统在特定故障条件下的运行机理和特性;
4-2)利用传感系统采集的电网实时数据,对电力系统运行环境和运行状态实时监测,通过数据分析和优化对物理电网及其设备的未来运行状态进行预测,基于预测结果制定系统的稳定控制策略,并在含高比例新能源交直流混联系统的数字孪生分析模型中进行策略的沙盘推演、在线验证、智能优化,并控制物理电网运行;物理电网将实时数据反馈到含高比例新能源交直流混联系统的数字孪生分析模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010870376.3A CN112018758A (zh) | 2020-08-26 | 2020-08-26 | 基于数字孪生的含高比例新能源交直流混联系统建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010870376.3A CN112018758A (zh) | 2020-08-26 | 2020-08-26 | 基于数字孪生的含高比例新能源交直流混联系统建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112018758A true CN112018758A (zh) | 2020-12-01 |
Family
ID=73503442
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010870376.3A Pending CN112018758A (zh) | 2020-08-26 | 2020-08-26 | 基于数字孪生的含高比例新能源交直流混联系统建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112018758A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112615364A (zh) * | 2020-12-02 | 2021-04-06 | 国网重庆市电力公司电力科学研究院 | 一种新型的电网稳控装置广域智能协同控制方法 |
CN112909937A (zh) * | 2021-02-05 | 2021-06-04 | 北京千驷驭电气有限公司 | 一种轨道交通牵引供电系统的多模态数字孪生仿真方法和装置 |
CN113489459A (zh) * | 2021-07-26 | 2021-10-08 | 安徽科技学院 | 一种基于数字孪生的光伏发电组件故障检测和识别方法 |
CN114362173A (zh) * | 2022-01-17 | 2022-04-15 | 国网内蒙古东部电力有限公司检修分公司 | 一种基于数字孪生的送端电网潮流稳定性评价方法 |
CN115563873A (zh) * | 2022-10-12 | 2023-01-03 | 国网山西省电力公司 | 一种电力网络的数字孪生仿真系统及方法 |
CN115859700A (zh) * | 2023-03-02 | 2023-03-28 | 国网湖北省电力有限公司电力科学研究院 | 一种基于数字孪生技术的电网建模方法 |
CN116339134A (zh) * | 2022-12-30 | 2023-06-27 | 华能国际电力股份有限公司德州电厂 | 一种大扰动火电机组调频优化控制系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427821A (zh) * | 2017-11-24 | 2018-08-21 | 中国电力科学研究院有限公司 | 一种交直流混联电网运行特性的数模混合仿真方法及系统 |
-
2020
- 2020-08-26 CN CN202010870376.3A patent/CN112018758A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427821A (zh) * | 2017-11-24 | 2018-08-21 | 中国电力科学研究院有限公司 | 一种交直流混联电网运行特性的数模混合仿真方法及系统 |
Non-Patent Citations (4)
Title |
---|
MIKE ZHOU 等: "Digital Twin Framework and Its Application to Power Grid Online Analysis", 《CSEE JOURNAL OF POWER AND ENERGY SYSTEMS》 * |
唐文虎 等: "面向智慧能源系统的数字孪生技术及其应用", 《中国工程科学》 * |
徐星星 等: "基于改进Smith预估补偿及自适应Fuzzy-PID控制的NCS研究", 《陕西理工学院学报(自然科学版)》 * |
王蒙: "机器学习中样本筛选方法的研究与应用", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112615364A (zh) * | 2020-12-02 | 2021-04-06 | 国网重庆市电力公司电力科学研究院 | 一种新型的电网稳控装置广域智能协同控制方法 |
CN112909937A (zh) * | 2021-02-05 | 2021-06-04 | 北京千驷驭电气有限公司 | 一种轨道交通牵引供电系统的多模态数字孪生仿真方法和装置 |
CN112909937B (zh) * | 2021-02-05 | 2023-01-24 | 北京千驷驭电气有限公司 | 一种轨道交通牵引供电系统的多模态数字孪生仿真方法和装置 |
CN113489459A (zh) * | 2021-07-26 | 2021-10-08 | 安徽科技学院 | 一种基于数字孪生的光伏发电组件故障检测和识别方法 |
CN113489459B (zh) * | 2021-07-26 | 2022-07-19 | 安徽科技学院 | 一种基于数字孪生的光伏发电组件故障检测和识别方法 |
CN114362173A (zh) * | 2022-01-17 | 2022-04-15 | 国网内蒙古东部电力有限公司检修分公司 | 一种基于数字孪生的送端电网潮流稳定性评价方法 |
CN114362173B (zh) * | 2022-01-17 | 2024-04-19 | 国网内蒙古东部电力有限公司检修分公司 | 一种基于数字孪生的送端电网潮流稳定性评价方法 |
CN115563873A (zh) * | 2022-10-12 | 2023-01-03 | 国网山西省电力公司 | 一种电力网络的数字孪生仿真系统及方法 |
CN116339134A (zh) * | 2022-12-30 | 2023-06-27 | 华能国际电力股份有限公司德州电厂 | 一种大扰动火电机组调频优化控制系统 |
CN116339134B (zh) * | 2022-12-30 | 2023-10-24 | 华能国际电力股份有限公司德州电厂 | 一种大扰动火电机组调频优化控制系统 |
CN115859700A (zh) * | 2023-03-02 | 2023-03-28 | 国网湖北省电力有限公司电力科学研究院 | 一种基于数字孪生技术的电网建模方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112018758A (zh) | 基于数字孪生的含高比例新能源交直流混联系统建模方法 | |
CN110163429B (zh) | 一种基于相似日优化筛选的短期负荷预测方法 | |
Mohideen et al. | Real-coded Genetic Algorithm for system identification and tuning of a modified Model Reference Adaptive Controller for a hybrid tank system | |
Safiyullah et al. | Prediction on performance degradation and maintenance of centrifugal gas compressors using genetic programming | |
Xu et al. | CNC internal data based incremental cost-sensitive support vector machine method for tool breakage monitoring in end milling | |
CN114492675B (zh) | 一种电容式电压互感器故障原因智能诊断方法 | |
Grema et al. | Optimal feedback control of oil reservoir waterflooding processes | |
CN115438726A (zh) | 一种基于数字孪生技术的设备寿命与故障类型预测方法及系统 | |
Chen et al. | A multivariate grey RBF hybrid model for residual useful life prediction of industrial equipment based on state data | |
Hu et al. | Implementation of real-time machining process control based on fuzzy logic in a new STEP-NC compatible system | |
CN117113086A (zh) | 一种储能机组负荷预测方法、系统、电子设备及介质 | |
Zhao et al. | Gas turbine exhaust system health management based on recurrent neural networks | |
Liu et al. | Fault diagnosis for TE process using RBF neural network | |
Parnianifard et al. | Robust simulation-optimization of dynamic-stochastic production/inventory control system under uncertainty using computational intelligence | |
Costello et al. | Real-time optimization when plant and model have different sets of inputs | |
CN115994674A (zh) | 一种基于数字孪生综合能源系统的调度管理方法 | |
Taylor et al. | Nonlinear dynamic data reconciliation: In-depth case study | |
CN112801388B (zh) | 一种基于非线性时间序列算法的电力负荷预测方法及系统 | |
JPH08196041A (ja) | 発電機負荷配分装置 | |
Zhao et al. | A dynamic process adjustment method based on residual prediction for quality improvement | |
GB2623693A (en) | Power consumption estimation device, power consumption estimation method, and power consumption estimation program | |
Jiang et al. | Application of an optimized grey system model on 5-Axis CNC machine tool thermal error modeling | |
CN112821383A (zh) | 一种基于深度学习的电力系统自然频率特性系数区间预测方法 | |
CN112862211A (zh) | 通信管理系统动环缺陷派单方法及装置 | |
Franco et al. | Very short-term bus reactive load forecasting models based on KDD approach |
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: 20201201 |
|
RJ01 | Rejection of invention patent application after publication |