CN112994042A - 考虑风电机组参与电网一次调频的机组组合建模及优化方法 - Google Patents

考虑风电机组参与电网一次调频的机组组合建模及优化方法 Download PDF

Info

Publication number
CN112994042A
CN112994042A CN202110275065.7A CN202110275065A CN112994042A CN 112994042 A CN112994042 A CN 112994042A CN 202110275065 A CN202110275065 A CN 202110275065A CN 112994042 A CN112994042 A CN 112994042A
Authority
CN
China
Prior art keywords
power
frequency
unit
wind turbine
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.)
Withdrawn
Application number
CN202110275065.7A
Other languages
English (en)
Inventor
殷明慧
胡珊珊
陈载宇
周连俊
卜京
邹云
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202110275065.7A priority Critical patent/CN112994042A/zh
Publication of CN112994042A publication Critical patent/CN112994042A/zh
Withdrawn legal-status Critical Current

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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H02J3/241—The oscillation concerning frequency
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J3/381—Dispersed generators
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

本发明公开了一种考虑风电机组参与电网一次调频的机组组合建模及优化方法。针对风电高渗透率电网中因常规机组一次调频能力不足导致系统供需失衡的问题，该方法基于风电机组一次调频控制策略仿真得到其有功出力特性曲线，建立风电调频出力特性简化模型。然后结合风电机组控制策略与同步机转子运动方程，推导出风电参与调频的频率约束条件，其次基于风电备用不确定性合理地增加常规机组的备用容量，建立考虑风电备用不确定性的风火联合参与调频机组组合模型。本发明在兼顾调度安全性和经济性的同时，在机组组合问题中提出一种考虑风电备用不确定性的风电机组参与调频的建模方法，并仿真说明该模型能有效提升系统承受负荷扰动的能力。

Description

考虑风电机组参与电网一次调频的机组组合建模及优化方法
技术领域
本发明属于电力系统调度领域，特别涉及一种考虑风电机组参与电网一次调频的机组组合建模及优化方法。
背景技术
机组组合(unit commitment，UC)是指根据未来一定调度周期内(通常是一天或一周)系统负荷预测功率，在满足系统和机组的各类运行约束条件和备用要求下，确定各调度时段机组的出力安排和备用容量，使得在该调度周期内的系统总发电成本(耗量)最低。机组组合是电力系统运行调度的重要决策过程，对保证电力系统的安全、可靠和经济运行具有重要意义。本发明主要以风电参与的机组组合优化模型为研究对象。
随着电力系统中风电渗透率的不断增加，单纯由常规机组承担系统的一次调频任务已经很难满足系统在较大负荷扰动下的调频需求。风电渗透率的提升在增加电网供需失衡风险的同时，也加剧了负荷扰动对电网频率稳定性的影响。因此，在风电高占比电网中研究考虑风机一次调频的机组组合优化模型，对于维持电网频率稳定、提高系统承受负荷扰动的能力具有重要意义。
目前，考虑风电参与的机组组合模型主要考虑风电与火电机组之间的功率协调分配问题，即只考虑到风电机组的发电功能，系统调频任务单纯由常规同步机组承担。这是由于风电本身具有波动性、不确定性和难预测性，使得风电调频也具有不确定性；其次，目前应用广泛的变速风电机组一般采用最大功率点跟踪的控制方式，转子转速和系统频率之间不存在耦合关系，使得风电机组无法像常规同步机组一样响应电网频率变化。
但是进一步地研究发现，通过附加调频控制器，如虚拟惯性控制、下垂控制等，风电机组可以提供与常规同步机组相似的频率支撑。即当系统频率跌落时，风电机组增加有功出力以提供频率支撑。在此基础上可以将风机在一次调频控制策略下的频率响应模型转化为频率约束形式加入到机组组合模型中，以得到高风电占比电网中更为合理的机组出力安排和每调度时段的机组备用容量。
发明内容
本发明的目的在于针对上述现有技术存在的问题，提供一种在风电高占比电网中考虑风电备用不确定性的风电机组参与系统一次调频的机组组合建模与优化方法。通过在机组组合问题中进一步考虑让风机参与一次调频，建立风机在一次调频控制策略下的频率响应模型，将其转化为频率约束形式加入到机组组合模型中，在保证系统调度的安全性和经济性的同时，有效地提升系统承受负荷扰动的能力。
实现本发明目的的技术解决方案为：一种考虑风电机组参与电网一次调频的机组组合建模及优化方法，所述方法包括以下步骤：
步骤1，建立传统含风电的机组组合优化模型；
步骤2，根据风电机组一次调频控制原理，仿真得到风电机组有功出力模型，并对该风电机组有功出力模型进行简化；
步骤3，结合简化后的风电机组有功出力模型与同步发电机转子运动方程，获取机组有功出力与电网频率的数学关系；
步骤4，将所述数学关系转化为频率约束条件，并加入到步骤1的模型中，建立考虑风电机组提供一次调频支撑的机组组合优化模型；
步骤5，通过两阶段大M法将步骤4获得的模型转化为混合整数线性规划MILP模型；
步骤6，基于置信水平的风电预测功率不确定性描述方法，提出风电备用不确定性描述方法，用于描述风电备用误差的数学期望；
步骤7，改进传统含风电机组组合模型的目标函数，建立考虑备用不确定的机组组合优化模型；
步骤8，求解步骤7建立的模型，获得优化结果。
进一步地，步骤1中所述传统含风电的机组组合优化模型包括目标函数与约束条件两部分；
其中，目标函数为系统中并网常规同步机组的综合发电成本，包括常规机组的开机成本、出力成本以及旋转备用成本，表示为：
Figure BDA0002976277840000021
式中，CG(x)为系统发电成本，T为机组组合的调度周期，N为常规机组数目，
Figure BDA0002976277840000022
为机组i第t时段的运行状态，
Figure BDA0002976277840000023
时表示机组处于运行状态，
Figure BDA0002976277840000024
表示机组处于停机状态，
Figure BDA0002976277840000025
为第t时段机组i的有功出力，
Figure BDA0002976277840000026
为第t时段机组i的出力成本，
Figure BDA0002976277840000027
为第t时段机组i的开机成本，
Figure BDA0002976277840000031
为第t时段机组i的旋转备用成本，cr,i为机组i的旋转备用成本系数，ri t为机组i第t时段的旋转备用；
约束条件包括系统有功功率平衡约束、备用约束、网络安全约束、火电机组有功出力上下限约束、爬坡率约束和最小开停机时间约束。
进一步地，步骤2所述对该风电机组有功出力模型进行简化，具体为：对风电机组有功出力模型进行线性化处理。
进一步地，步骤3所述结合简化后的风电机组有功出力模型与同步发电机转子运动方程，获取机组有功出力与电网频率的数学关系，具体包括：
步骤3-1，结合简化后的风电机组有功出力模型与同步发电机转子运动方程，获取由风电机组与常规火电机组同时提供一次频率支撑的系统惯量，具体为：
同步发电机转子运动方程在标幺值下表示为：
Figure BDA0002976277840000032
式中，TJ为同步发电机惯性时间常数，TJ＝2Wk/SB，Wk为转子旋转动能，SB为系统功率基准值；
Figure BDA0002976277840000033
分别为机械功率和电磁功率的标幺值，ω*为转速标幺值；
考虑负荷阻尼影响，式(2)两边同乘SB×2πfN，得到同步发电机转子运动方程的有名值形式为：
Figure BDA0002976277840000034
式中，Pm为机械功率，Pe为电磁功率，ΔPD＝kDΔf，表示因频率变化量Δf引起的负荷变化，其中kD为阻尼系数，其取值与负荷阻尼率、负荷等级
Figure BDA0002976277840000036
有关，在实际发生负荷扰动的电力系统中，Pm-Pe＝ΔPa-ΔPL，表示使扰动发生时机械功率与电磁功率之差等于机组备用能够提供的一次调频出力ΔPa与负荷扰动量ΔPL之差；fN为系统频率；
风电机组采取虚拟惯性控制时，其附加的功率指令与系统频率变化率之间的关系为：
Figure BDA0002976277840000035
式中，Kf为虚拟惯性系数，ΔP为基于虚拟惯性控制的频率控制环节得到的附加功率指令，ΔP与系统频率变化率df/dt成正比例关系；
将式(4)代入式(3)得到转子运动方程：
Figure BDA0002976277840000041
合并同类项得到：
Figure BDA0002976277840000042
令H*＝TJSB/fN+Kf，则式(5)表示为：
Figure BDA0002976277840000043
式中，H*表示由风电机组与常规火电机组同时提供一次频率支撑的系统惯量；
综上，由风电机组与常规火电机组同时提供一次频率支撑的系统惯量表示为：
Figure BDA0002976277840000044
式中，Hi为火电机组的惯性时间常数，Hw为每个风电场等效虚拟惯性时间常数，与虚拟惯性控制系数Kf有关；Pi max为第i台常规火电机组的最大有功功率，
Figure BDA0002976277840000045
表示第t时段第i台常规机组处于开机状态，否则
Figure BDA0002976277840000046
fN＝50Hz，为系统频率标准值；
Figure BDA0002976277840000047
为第t时段风电预测功率，W为风电机组总数；
步骤4-2，结合式(7)、式(8)，获得机组有功出力与电网频率的数学关系式，包括：
(1)系统稳态频率fss的数学关系式
系统进入新稳态后，df/dt＝0，负荷扰动仍为ΔPL，而调频响应保持在ΔPa，代入同步发电机转子运动方程求积可得：
Figure BDA0002976277840000048
式中，ΔPa为一次调频出力，ΔPL为负荷扰动量；
(2)最低点频率fmin的数学关系式
当频率下降至最低点时，对同步发电机转子运动方程分段积分，得到频率偏差Δf(t)的时域表达式为：
Figure BDA0002976277840000051
对Δf(t)求导并令导数为0，求得最低点频率fmin为：
fmin＝|fN-Δfmax| (11)
其中，
Figure BDA0002976277840000052
式中，ΔPa为系统调频最大响应，Td＝tmin-tDB，tmin、tDB分别为频率降至最低点的时间与截止时间，ΔfDB为转子动能控制环节的调频死区；
(3)频率变化率RCF的数学关系式
根据同步发电机转子运动方程，在初始极短时间内，频率变化量Δf≈0，此时调频响应ΔPa忽略视为0，且此时的df/dt是整个调频过程中的最大值，即：
Figure BDA0002976277840000053
从而求得频率变化率RCF的数学关系式为：
Figure BDA0002976277840000054
进一步地，步骤4中所述将所述数学关系转化为频率约束条件，具体包括：
(1)将系统稳态频率fss的数学关系转化为系统稳态频率fss约束：
Figure BDA0002976277840000055
式中，
Figure BDA0002976277840000056
为电网规定的最大稳态频率变化量；
(2)将最低点频率fmin的数学关系转化为最低点频率fmin约束：
Figure BDA0002976277840000057
式中，Δfmaxs为电网规定的频率降低的最大值；
(3)将频率变化率RCF的数学关系转换为频率变化率RCF约束：
Figure BDA0002976277840000061
式中，RCFmax为电网规定的系统最大频率变化率，
Figure BDA0002976277840000062
为第t时段第w台风电机组的预测功率。
进一步地，步骤5所述通过两阶段大M法将步骤4获得的模型转化为混合整数线性规划MILP模型，具体包括通过两阶段大M法对最低点频率fmin约束进行线性化，线性化结果为：
Figure BDA0002976277840000063
式中，ΔPa为全部机组一次调频出力，
Figure BDA0002976277840000064
为将非线性的频率最低点约束线性化而引入的二元变量，用于选择可变的风电调速器的时间常数
Figure BDA0002976277840000065
分别为将非线性的频率最低点约束线性化而引入的连续变量；M为线性化过程中引入的常数，z＝H*ΔPa，为便于线性化而引入的量。
进一步地，步骤6所述基于置信水平的风电预测功率不确定性描述方法，提出风电备用不确定性描述方法，用于描述风电备用误差的数学期望，具体包括：
假设风电备用误差服从正态分布，当预测周期为24h时，风电备用误差
Figure BDA0002976277840000066
的标准差
Figure BDA0002976277840000067
表示为：
Figure BDA0002976277840000071
式中，
Figure BDA0002976277840000072
为第t时段预留的风电备用功率，WI为风电总装机容量；
风电备用误差
Figure BDA0002976277840000073
服从标准差为
Figure BDA0002976277840000074
且均值为
Figure BDA0002976277840000075
的正态分布，查正态分布概率表可知，风电备用误差
Figure BDA0002976277840000076
在不同置信区间中的概率分别为：
Figure BDA0002976277840000077
由此获得风电备用误差
Figure BDA0002976277840000078
的数学期望为：
Figure BDA0002976277840000079
进一步地，步骤7中改进后的目标函数包括发电成本、系统失负荷风险以及风电备用不足导致的频率跌落风险，表示为：
Z＝CG+γ1E(α)+γ2Ef (22)
式中，γ1与γ2分别为系统失负荷风险E(α)的惩罚因子和频率跌落风险Ef的惩罚因子；其中，Ef为：
Ef＝ΔPaw (23)
E(α)为：
Figure BDA00029762778400000710
式中，
Figure BDA00029762778400000711
表示风电功率预测误差的标准差，
Figure BDA00029762778400000712
为单边正态分布下的α分位点，其值可查单边正态分布概率表。
本发明与现有技术相比，其显著优点为：1)本发明提出了一种考虑风机一次调频的机组组合建模方法，解决了风电高占比电网发生较大负荷扰动时常规机组调频能力不足导致系统供需失衡的问题；2)本发明公开了确保风电参与一次调频的系统频率约束条件建模方法，在保证系统调度的安全性和经济性的同时，有效地提升了系统承受负荷扰动的能力；3)本发明同时考虑到风电机组参与一次调频的机组组合优化模型中风电调频备用不确定性对决策的影响，通过仿真说明考虑风电备用不确定性对于保证电力系统安全性的必要性。
下面结合附图对本发明作进一步详细描述。
附图说明
图1为一个实施例中考虑风电机组参与电网一次调频的机组组合建模及优化方法的流程图。
图2为一个实施例中考虑风电机组一次调频的机理图，其中图(a)为风电机组一次调频有功出力模型，图(b)为风机参与一次调频下系统频率响应模型。
图3为一个实施例中服从正态分布的风电备用误差的概率密度曲线图。
图4为一个实施例中本发明有效性验证的仿真结果，其中图(a)为仅火电机组调频方法下得到的调度时段各项频率的变化曲线，图(b)为本发明所提方法下得到的调度时段各项频率的变化曲线。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，结合图1，提供了一种考虑风电机组参与电网一次调频的机组组合建模及优化方法，所述方法包括以下步骤：
步骤1，建立传统含风电的机组组合优化模型；
步骤2，根据风电机组一次调频控制原理，仿真得到风电机组有功出力模型，并对该风电机组有功出力模型进行简化；
步骤3，结合简化后的风电机组有功出力模型与同步发电机转子运动方程，获取机组有功出力与电网频率的数学关系；
步骤4，将所述数学关系转化为频率约束条件，并加入到步骤1的模型中，建立考虑风电机组提供一次调频支撑的机组组合优化模型；
步骤5，通过两阶段大M法将步骤4获得的模型转化为混合整数线性规划MILP模型；
步骤6，基于置信水平的风电预测功率不确定性描述方法，提出风电备用不确定性描述方法，用于描述风电备用误差的数学期望；
步骤7，改进传统含风电机组组合模型的目标函数，建立考虑备用不确定的机组组合优化模型；
步骤8，求解步骤7建立的模型，获得优化结果。
进一步地，在其中一个实施例中，步骤1中所述传统含风电的机组组合优化模型包括目标函数与约束条件两部分；
传统考虑风电接入的机组组合优化模型将风电视为一种完全不需要消耗化石燃料的可持续清洁能源，一般不考虑风电机组的出力成本且往往忽略常规机组的停机成本，因此目标函数一般为系统中并网常规同步机组的综合发电成本，包括常规机组的开机成本、出力成本以及旋转备用成本，表示为：
Figure BDA0002976277840000091
式中，CG(x)为系统发电成本，T为机组组合的调度周期，N为常规机组数目，
Figure BDA0002976277840000092
为机组i第t时段的运行状态，
Figure BDA0002976277840000093
时表示机组处于运行状态，
Figure BDA0002976277840000094
表示机组处于停机状态，
Figure BDA0002976277840000095
为第t时段机组i的有功出力，
Figure BDA0002976277840000096
为第t时段机组i的出力成本，
Figure BDA0002976277840000097
为第t时段机组i的开机成本，
Figure BDA0002976277840000098
为第t时段机组i的旋转备用成本，cr,i为机组i的旋转备用成本系数，ri t为机组i第t时段的旋转备用；
约束条件包括系统有功功率平衡约束、备用约束、网络安全约束、火电机组有功出力上下限约束、爬坡率约束和最小开停机时间约束。传统含风电的机组组合模型主要考虑风电机组与常规机组之间的功率协调分配问题，即仅考虑到风电机组的发电功能，故障或扰动发生时系统进行一次调频往往由常规同步机组承担，风电机组不提供频率支撑。
进一步地，在其中一个实施例中，步骤2所述对该风电机组有功出力模型进行简化，具体为：对风电机组有功出力模型进行线性化处理。
具体过程包括：
在恒定风速与负荷突增情况下，对风电机组参与电网一次调频控制策略进行建模与仿真复现，得到风电机组有功功率输出曲线，如图2(a)所示。图中点划线为风机不参与电网一次调频的最大功率点跟踪曲线，实线为风机超速减载并运用综合惯性控制调频的输出功率曲线。当风电机组调频出力已达到其调频备用容量的上限时，电网频率必须已经或正好到达频率最低点，否则系统频率将会跌落致使电网损失，由此定义最大调频备用容量为ΔPa。
基于复杂的控制策略构造机组组合数学模型不仅构造难度大，所建模型求解效率也低。因此，有必要对相关的控制策略做一定的简化处理，以便于探究一般性的规律。具体地，假设风电机组的一次调频控制有功功率输出随时间线性增加，即将图2(a)中风机的有功功率输出曲线(实线)简化建模为线性直线(虚线)。
图2(a)为风电机组有功出力简化模型，相当于在风电机组控制模块附加转子动能控制环节，模拟风电机组出力特性，下发合理的附加功率指令。具体地，当电网负荷突增ΔPL时，如图2(b)所示，电网频率随之下降，考虑到转子动能控制环节的调频死区ΔfDB，当频率跌落小于ΔfDB时，转子动能控制环节无反馈；频率进一步下降至越过ΔfDB时，转子动能控制环节产生反馈信息，风电机组出力随时间快速线性增加，相应地，此时频率下降的速度减缓；当系统频率下降至最低点fmin时，风电机组出力保持不变，此后，系统频率逐步回升至新稳态频率fss。
进一步地，在其中一个实施例中，步骤3所述结合简化后的风电机组有功出力模型与同步发电机转子运动方程，获取机组有功出力与电网频率的数学关系，具体包括：
步骤3-1，结合简化后的风电机组有功出力模型与同步发电机转子运动方程，获取由风电机组与常规火电机组同时提供一次频率支撑的系统惯量，具体为：
同步发电机转子运动方程在标幺值下表示为：
Figure BDA0002976277840000101
式中，TJ为同步发电机惯性时间常数，TJ＝2Wk/SB，Wk为转子旋转动能，SB为系统功率基准值；
Figure BDA0002976277840000102
分别为机械功率和电磁功率的标幺值，ω*为转速标幺值；
考虑负荷阻尼影响，式(26)两边同乘SB×2πfN，得到同步发电机转子运动方程的有名值形式为：
Figure BDA0002976277840000103
式中，Pm为机械功率，Pe为电磁功率，ΔPD＝kDΔf，表示因频率变化量Δf引起的负荷变化，其中kD为阻尼系数，其取值与负荷阻尼率、负荷等级
Figure BDA0002976277840000104
有关，在实际发生负荷扰动的电力系统中，Pm-Pe＝ΔPa-ΔPL，表示使扰动发生时机械功率与电磁功率之差等于机组备用能够提供的一次调频出力ΔPa与负荷扰动量ΔPL之差；fN为系统频率；
风电机组采取虚拟惯性控制时，其附加的功率指令与系统频率变化率之间的关系为：
Figure BDA0002976277840000111
式中，Kf为虚拟惯性系数，ΔP为基于虚拟惯性控制的频率控制环节得到的附加功率指令，ΔP与系统频率变化率df/dt成正比例关系；
将式(28)代入式(27)得到：
Figure BDA0002976277840000112
合并同类项得到：
Figure BDA0002976277840000113
令H*＝TJSB/fN+Kf，则式(29)表示为：
Figure BDA0002976277840000114
式中，H*表示由风电机组与常规火电机组同时提供一次频率支撑的系统惯量；
综上，由风电机组与常规火电机组同时提供一次频率支撑的系统惯量表示为：
Figure BDA0002976277840000115
式中，Hi为火电机组的惯性时间常数，Hw为每个风电场等效虚拟惯性时间常数，与虚拟惯性控制系数Kf有关；Pi max为第i台常规火电机组的最大有功功率，
Figure BDA0002976277840000116
表示第t时段第i台常规机组处于开机状态，否则
Figure BDA0002976277840000117
fN＝50Hz，为系统频率标准值；
Figure BDA0002976277840000118
为第t时段风电预测功率；
步骤4-2，结合式(31)、式(32)，获得机组有功出力与电网频率的数学关系式，包括：
(1)系统稳态频率fss的数学关系式
系统进入新稳态后，df/dt＝0，负荷扰动仍为ΔPL，而调频响应保持在ΔPa，代入同步发电机转子运动方程求积可得：
Figure BDA0002976277840000121
式中，ΔPa为一次调频出力，ΔPL为负荷扰动量；
(2)最低点频率fmin的数学关系式
当频率下降至最低点时，对同步发电机转子运动方程分段积分，得到频率偏差Δf(t)的时域表达式为：
Figure BDA0002976277840000122
对Δf(t)求导并令导数为0，求得最低点频率fmin为：
fmin＝|fN-Δfmax| (35)
其中，
Figure BDA0002976277840000123
式中，ΔPa为系统调频最大响应，Td＝tmin-tDB，tmin、tDB分别为频率降至最低点的时间与截止时间；
(3)频率变化率RCF的数学关系式
根据同步发电机转子运动方程，在初始极短时间内，频率变化量Δf≈0，此时调频响应ΔPa忽略视为0，且此时的df/dt是整个调频过程中的最大值，即：
Figure BDA0002976277840000124
从而求得频率变化率RCF的数学关系式为：
Figure BDA0002976277840000125
进一步地，在其中一个实施例中，步骤4中所述将所述数学关系转化为频率约束条件，具体包括：
(1)将系统稳态频率fss的数学关系转化为系统稳态频率fss约束：
Figure BDA0002976277840000131
式中，
Figure BDA0002976277840000132
为电网规定的最大稳态频率变化量；
(2)将最低点频率fmin的数学关系转化为最低点频率fmin约束：
Figure BDA0002976277840000133
式中，Δfmaxs为电网规定的频率降低的最大值；
(3)将频率变化率RCF的数学关系转换为频率变化率RCF约束：
Figure BDA0002976277840000134
式中，RCFmax为电网规定的系统最大频率变化率，
Figure BDA0002976277840000135
为第t时段第w台风电机组的预测功率。
进一步地，在其中一个实施例中，步骤5所述通过两阶段大M法将步骤4获得的模型转化为混合整数线性规划MILP模型，具体包括通过两阶段大M法对最低点频率fmin约束进行线性化，线性化结果为：
Figure BDA0002976277840000136
式中，ΔPa为全部机组一次调频出力，
Figure BDA0002976277840000137
为将非线性的频率最低点约束线性化而引入的二元变量，用于选择可变的风电调速器的时间常数
Figure BDA0002976277840000141
Figure BDA0002976277840000142
分别为将非线性的频率最低点约束线性化而引入的连续变量；M为线性化过程中引入的常数，z＝H*ΔPa，为便于线性化而引入的量。严格意义下，两阶段大M法线性化后存在两个M，但由于它们都是很大的正数，此处不做区分，规定M＝1000。
这里，两阶段大M法引入新的变量将非线性约束线性化，虽然最终约束个数有所增加，但从数学上降低了约束的维度，减小计算的复杂度。
进一步地，在其中一个实施例中，步骤6所述基于置信水平的风电预测功率不确定性描述方法，提出风电备用不确定性描述方法，用于描述风电备用误差的数学期望，具体包括：
由于风电备用容量不确定性源于风电预测功率的不确定性，因此在风电预测功率不确定性描述方法的理论支持下对风电调频备用的预测误差做合理描述。假设风电备用误差服从正态分布，其概率密度曲线如图3所示。当预测周期为24h时，风电备用误差
Figure BDA0002976277840000143
的标准差
Figure BDA0002976277840000144
表示为：
Figure BDA0002976277840000145
式中，
Figure BDA0002976277840000146
为第t时段预留的风电备用功率，WI为风电总装机容量；
将实际风电预留备用值ΔPAW表示为风电预测功率与风电功率预测误差的组合：
Figure BDA0002976277840000147
风电备用误差
Figure BDA0002976277840000148
服从标准差为
Figure BDA0002976277840000149
且均值为
Figure BDA00029762778400001410
的正态分布。
Figure BDA00029762778400001411
一般取为0，而
Figure BDA00029762778400001412
随预测周期增大而增大。查正态分布概率表可知，风电备用误差
Figure BDA00029762778400001413
在不同置信区间中的概率分别为：
Figure BDA00029762778400001414
由此获得风电备用误差
Figure BDA00029762778400001415
的数学期望为：
Figure BDA00029762778400001416
进一步地，在其中一个实施例中，考虑风电备用不确定性的机组组合优化模型还要考虑到风电备用不确定性对调度决策的影响，因而步骤7中改进后的目标函数包括发电成本、系统失负荷风险以及风电备用不足导致的频率跌落风险，表示为：
Z＝CG+γ1E(α)+γ2Ef (47)
式中，γ1与γ2分别为系统失负荷风险E(α)的惩罚因子和频率跌落风险Ef的惩罚因子；其中，当按照置信水平方法预留备用时，Ef为：
Ef＝ΔPaw (48)
E(α)为：
Figure BDA0002976277840000151
式中，
Figure BDA0002976277840000152
表示风电功率预测误差的标准差，
Figure BDA0002976277840000153
为单边正态分布下的α分位点，其值可查单边正态分布概率表。
具体地，γ1影响置信水平(100-α)％的选择。γ1越大，表明系统倾向于选择风险更小的结果，此时置信水平较高，风电可信功率较小，风电备用的置信区间较大，发电成本较高。γ2影响系统对于选择风电备用或火电备用来提供一次调频支撑的偏向。γ2取较小值，表明系统倾向于选择风险更大的结果，此时系统选择风电备用来进行一次调频。实际系统中γ2倾向于取较小值。
作为一种具体示例，在其中一个实施例中，对本发明考虑风电机组参与电网一次调频的机组组合建模及优化方法进行进一步验证说明。
本实施例采用IEEE 10机39节点测试系统验证机组组合模型的合理性。在t＝0时，负荷取850MW，在此规定下以最小化系统发电成本为目标先确定常规机组初始有功出力。其中，基于风电为绿色能源的概念忽略风电机组的调频成本，火电机组的调频成本系数等于该火电机组的出力成本系数。
根据负荷预测数据中最大负荷1335MW，计算得到风电场的装机总容量约为534MW，接入节点3，11，17，33，36。逐步递增ΔPL，通过遍历算法算出不同风电渗透率下，风电机组参与一次调频和单独火电机组调频可以应对的最大负荷扰动ΔPL,max。减小风电渗透率至35％，其余参数不变，再次调节ΔPL，得到此风电渗透率下风电机组参与一次调频可以应对的最大突发干扰值。
表1不同风电渗透率下各模型能应对的最大负荷干扰
Figure BDA0002976277840000161
对比表1数据，将ΔPL,max作为衡量系统承受负荷扰动能力(即调频能力)的指标，提出的考虑风机参与一次调频的调度模型与原模型相比，在不同风电渗透率下ΔPL,max均有效增大，体现了新模型能够使系统承受更大的负荷扰动。
表2忽略备用不确定与考虑备用不确定模型的发电成本与失负荷风险比较
Figure BDA0002976277840000162
表2比较了忽略风电备用不确定的优化模型和考虑风电备用不确定模型的发电成本与失负荷成本。由表2数据可以看出，考虑备用不确定的优化模型虽然由于增加了火电机组的旋转备用而提高了发电成本，但另一方面也正是由于增加备用而降低了系统失负荷风险，提高了机组组合调度的安全性。
图4(b)是风电机组参与一次调频下每调度时段稳态频率和频率最低点的变化情况，可以看到稳态频率被有效限制在设定的阈值49.5Hz之内，频率最低点被有效限制在设定的阈值49.2Hz之内，均符合约束条件。进一步验证了风电机组参与一次调频机组组合模型的可靠性。
对比图4(a)、图4(b)可见，虽然频率被同样约束在限定阈值之内，但考虑风机调频的优化模型的调频效果更好，就频率最低点而言，仅考虑常规机组调频模型的频率最低点接近阈值的时间更长，侧面显示出该模型后续调频乏力；就稳态频率而言，仅考虑常规机组调频模型的稳态频率波动范围更大，波动更剧烈。
综上，采用本发明所提的风电机组一次调频的机组组合建模与优化方法，能够有效地提升系统承受负荷扰动的能力；其次，考虑风电备用不确定性能够提高机组组合调度的安全性，均验证了本发明所提建模方法的有效性。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种考虑风电机组参与电网一次调频的机组组合建模及优化方法，其特征在于，所述方法包括以下步骤：
步骤1，建立传统含风电的机组组合优化模型；
步骤2，根据风电机组一次调频控制原理，仿真得到风电机组有功出力模型，并对该风电机组有功出力模型进行简化；
步骤3，结合简化后的风电机组有功出力模型与同步发电机转子运动方程，获取机组有功出力与电网频率的数学关系；
步骤4，将所述数学关系转化为频率约束条件，并加入到步骤1的模型中，建立考虑风电机组提供一次调频支撑的机组组合优化模型；
步骤5，通过两阶段大M法将步骤4获得的模型转化为混合整数线性规划MILP模型；
步骤6，基于置信水平的风电预测功率不确定性描述方法，提出风电备用不确定性描述方法，用于描述风电备用误差的数学期望；
步骤7，改进传统含风电机组组合模型的目标函数，建立考虑备用不确定的机组组合优化模型；
步骤8，求解步骤7建立的模型，获得优化结果。
2.根据权利要求1所述的考虑风电机组参与电网一次调频的机组组合建模及优化方法，其特征在于，步骤1中所述传统含风电的机组组合优化模型包括目标函数与约束条件两部分；
其中，目标函数为系统中并网常规同步机组的综合发电成本，包括常规机组的开机成本、出力成本以及旋转备用成本，表示为：
Figure FDA0002976277830000011
式中，CG(x)为系统发电成本，T为机组组合的调度周期，N为常规机组数目，
Figure FDA0002976277830000012
为机组i第t时段的运行状态，
Figure FDA0002976277830000013
时表示机组处于运行状态，
Figure FDA0002976277830000014
表示机组处于停机状态，
Figure FDA0002976277830000015
为第t时段机组i的有功出力，
Figure FDA0002976277830000016
为第t时段机组i的出力成本，
Figure FDA0002976277830000017
为第t时段机组i的开机成本，
Figure FDA0002976277830000018
为第t时段机组i的旋转备用成本，cr,i为机组i的旋转备用成本系数，ri t为机组i第t时段的旋转备用；
约束条件包括系统有功功率平衡约束、备用约束、网络安全约束、火电机组有功出力上下限约束、爬坡率约束和最小开停机时间约束。
3.根据权利要求2所述的考虑风电机组参与电网一次调频的机组组合建模及优化方法，其特征在于，步骤2所述对该风电机组有功出力模型进行简化，具体为：对风电机组有功出力模型进行线性化处理。
4.根据权利要求3所述的考虑风电机组参与电网一次调频的机组组合建模及优化方法，其特征在于，步骤3所述结合简化后的风电机组有功出力模型与同步发电机转子运动方程，获取机组有功出力与电网频率的数学关系，具体包括：
步骤3-1，结合简化后的风电机组有功出力模型与同步发电机转子运动方程，获取由风电机组与常规火电机组同时提供一次频率支撑的系统惯量，具体为：
同步发电机转子运动方程在标幺值下表示为：
Figure FDA0002976277830000021
式中，TJ为同步发电机惯性时间常数，TJ＝2Wk/SB，Wk为转子旋转动能，SB为系统功率基准值；
Figure FDA0002976277830000022
分别为机械功率和电磁功率的标幺值，ω*为转速标幺值；
考虑负荷阻尼影响，式(2)两边同乘SB×2πfN，得到同步发电机转子运动方程的有名值形式为：
Figure FDA0002976277830000023
式中，Pm为机械功率，Pe为电磁功率，ΔPD＝kDΔf，表示因频率变化量Δf引起的负荷变化，其中kD为阻尼系数，其取值与负荷阻尼率、负荷等级
Figure FDA0002976277830000024
有关，在实际发生负荷扰动的电力系统中，Pm-Pe＝ΔPa-ΔPL，表示使扰动发生时机械功率与电磁功率之差等于机组备用能够提供的一次调频出力ΔPa与负荷扰动量ΔPL之差；fN为系统频率；
风电机组采取虚拟惯性控制时，其附加的功率指令与系统频率变化率之间的关系为：
Figure FDA0002976277830000031
式中，Kf为虚拟惯性系数，ΔP为基于虚拟惯性控制的频率控制环节得到的附加功率指令，ΔP与系统频率变化率df/dt成正比例关系；
将式(4)代入式(3)得到转子运动方程：
Figure FDA0002976277830000032
合并同类项得到：
Figure FDA0002976277830000033
令H*＝TJSB/fN+Kf，则式(5)表示为：
Figure FDA0002976277830000034
式中，H*表示由风电机组与常规火电机组同时提供一次频率支撑的系统惯量；
综上，由风电机组与常规火电机组同时提供一次频率支撑的系统惯量表示为：
Figure FDA0002976277830000035
式中，Hi为火电机组的惯性时间常数，Hw为每个风电场等效虚拟惯性时间常数，与虚拟惯性控制系数Kf有关；Pi max为第i台常规火电机组的最大有功功率，
Figure FDA0002976277830000036
表示第t时段第i台常规机组处于开机状态，否则
Figure FDA0002976277830000037
fN＝50Hz，为系统频率标准值；
Figure FDA0002976277830000038
为第t时段风电预测功率，W为风电机组总数；
步骤4-2，结合式(7)、式(8)，获得机组有功出力与电网频率的数学关系式，包括：
(1)系统稳态频率fss的数学关系式
系统进入新稳态后，df/dt＝0，负荷扰动仍为ΔPL，而调频响应保持在ΔPa，代入同步发电机转子运动方程求积可得：
Figure FDA0002976277830000041
式中，ΔPa为一次调频出力，ΔPL为负荷扰动量；
(2)最低点频率fmin的数学关系式
当频率下降至最低点时，对同步发电机转子运动方程分段积分，得到频率偏差Δf(t)的时域表达式为：
Figure FDA0002976277830000042
对Δf(t)求导并令导数为0，求得最低点频率fmin为：
fmin＝|fN-Δfmax| (11)
其中，
Figure FDA0002976277830000043
式中，ΔPa为系统调频最大响应，Td＝tmin-tDB，tmin、tDB分别为频率降至最低点的时间与截止时间，ΔfDB为转子动能控制环节的调频死区；
(3)频率变化率RCF的数学关系式
根据同步发电机转子运动方程，在初始极短时间内，频率变化量Δf≈0，此时调频响应ΔPa忽略视为0，且此时的df/dt是整个调频过程中的最大值，即：
Figure FDA0002976277830000044
从而求得频率变化率RCF的数学关系式为：
Figure FDA0002976277830000045
5.根据权利要求4所述的考虑风电机组参与电网一次调频的机组组合建模及优化方法，其特征在于，步骤4中所述将所述数学关系转化为频率约束条件，具体包括：
(1)将系统稳态频率fss的数学关系转化为系统稳态频率fss约束：
Figure FDA0002976277830000051
式中，
Figure FDA0002976277830000052
为电网规定的最大稳态频率变化量；
(2)将最低点频率fmin的数学关系转化为最低点频率fmin约束：
Figure FDA0002976277830000053
式中，Δfmaxs为电网规定的频率降低的最大值；
(3)将频率变化率RCF的数学关系转换为频率变化率RCF约束：
Figure FDA0002976277830000054
式中，RCFmax为电网规定的系统最大频率变化率，
Figure FDA0002976277830000055
为第t时段第w台风电机组的预测功率。
6.根据权利要求5所述的考虑风电机组参与电网一次调频的机组组合建模及优化方法，其特征在于，步骤5所述通过两阶段大M法将步骤4获得的模型转化为混合整数线性规划MILP模型，具体包括通过两阶段大M法对最低点频率fmin约束进行线性化，线性化结果为：
Figure FDA0002976277830000056
式中，ΔPa为全部机组一次调频出力，
Figure FDA0002976277830000057
为将非线性的频率最低点约束线性化而引入的二元变量，用于选择可变的风电调速器的时间常数
Figure FDA0002976277830000058
Figure FDA0002976277830000059
分别为将非线性的频率最低点约束线性化而引入的连续变量；M为线性化过程中引入的常数，z＝H*ΔPa，为便于线性化而引入的量。
7.根据权利要求6所述的考虑风电机组参与电网一次调频的机组组合建模及优化方法，其特征在于，步骤6所述基于置信水平的风电预测功率不确定性描述方法，提出风电备用不确定性描述方法，用于描述风电备用误差的数学期望，具体包括：
假设风电备用误差服从正态分布，当预测周期为24h时，风电备用误差
Figure FDA0002976277830000061
的标准差
Figure FDA0002976277830000062
表示为：
Figure FDA0002976277830000063
式中，
Figure FDA0002976277830000064
为第t时段预留的风电备用功率，WI为风电总装机容量；
风电备用误差
Figure FDA0002976277830000065
服从标准差为
Figure FDA0002976277830000066
且均值为
Figure FDA0002976277830000067
的正态分布，查正态分布概率表可知，风电备用误差
Figure FDA0002976277830000068
在不同置信区间中的概率分别为：
Figure FDA0002976277830000069
由此获得风电备用误差
Figure FDA00029762778300000610
的数学期望为：
Figure FDA00029762778300000611
8.根据权利要求7所述的考虑风电机组参与电网一次调频的机组组合建模及优化方法，其特征在于，步骤7中改进后的目标函数包括发电成本、系统失负荷风险以及风电备用不足导致的频率跌落风险，表示为：
Z＝CG+γ1E(α)+γ2Ef (22)
式中，γ1与γ2分别为系统失负荷风险E(α)的惩罚因子和频率跌落风险Ef的惩罚因子；其中，Ef为：
Ef＝ΔPaw (23)
E(α)为：
Figure FDA0002976277830000071
式中，
Figure FDA0002976277830000072
表示风电功率预测误差的标准差，
Figure FDA0002976277830000073
为单边正态分布下的α分位点，其值可查单边正态分布概率表。
CN202110275065.7A 2021-03-15 2021-03-15 考虑风电机组参与电网一次调频的机组组合建模及优化方法 Withdrawn CN112994042A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110275065.7A CN112994042A (zh) 2021-03-15 2021-03-15 考虑风电机组参与电网一次调频的机组组合建模及优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110275065.7A CN112994042A (zh) 2021-03-15 2021-03-15 考虑风电机组参与电网一次调频的机组组合建模及优化方法

Publications (1)

Publication Number Publication Date
CN112994042A true CN112994042A (zh) 2021-06-18

Family

ID=76335469

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110275065.7A Withdrawn CN112994042A (zh) 2021-03-15 2021-03-15 考虑风电机组参与电网一次调频的机组组合建模及优化方法

Country Status (1)

Country Link
CN (1) CN112994042A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113922389A (zh) * 2021-10-09 2022-01-11 湖南铁路科技职业技术学院 一种考虑频率约束的电力系统改进故障分析方法
CN114465246A (zh) * 2022-02-21 2022-05-10 华北电力大学 一种计及调速器死区与限幅环节的机组组合优化方法
CN114530889A (zh) * 2022-03-28 2022-05-24 四川大学 基于大扰动区间识别的光伏系统双模式频率控制方法
CN115688469A (zh) * 2022-11-15 2023-02-03 华北电力大学 一种考虑节点频率变化率约束的电力系统机组组合方法
CN117277428A (zh) * 2023-08-18 2023-12-22 三峡大学 考虑频率约束的风电出力波动优化调度方法
CN117477605A (zh) * 2023-12-27 2024-01-30 山东大学 与同步机一次调频响应协同的新能源滞后性惯量控制方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113922389A (zh) * 2021-10-09 2022-01-11 湖南铁路科技职业技术学院 一种考虑频率约束的电力系统改进故障分析方法
CN113922389B (zh) * 2021-10-09 2023-06-20 湖南铁路科技职业技术学院 一种考虑频率约束的电力系统改进故障分析方法
CN114465246A (zh) * 2022-02-21 2022-05-10 华北电力大学 一种计及调速器死区与限幅环节的机组组合优化方法
CN114530889A (zh) * 2022-03-28 2022-05-24 四川大学 基于大扰动区间识别的光伏系统双模式频率控制方法
CN114530889B (zh) * 2022-03-28 2022-12-13 四川大学 基于大扰动区间识别的光伏系统双模式频率控制方法
CN115688469A (zh) * 2022-11-15 2023-02-03 华北电力大学 一种考虑节点频率变化率约束的电力系统机组组合方法
CN117277428A (zh) * 2023-08-18 2023-12-22 三峡大学 考虑频率约束的风电出力波动优化调度方法
CN117277428B (zh) * 2023-08-18 2024-05-28 三峡大学 考虑频率约束的风电出力波动优化调度方法
CN117477605A (zh) * 2023-12-27 2024-01-30 山东大学 与同步机一次调频响应协同的新能源滞后性惯量控制方法
CN117477605B (zh) * 2023-12-27 2024-04-02 山东大学 与同步机一次调频响应协同的新能源滞后性惯量控制方法

Similar Documents

Publication Publication Date Title
CN112994042A (zh) 考虑风电机组参与电网一次调频的机组组合建模及优化方法
Zhang et al. A frequency security constrained scheduling approach considering wind farm providing frequency support and reserve
CN110492531B (zh) 考虑同步旋转惯量水平的电力系统调度运行方法及系统
Gonzalez-Longatt Frequency control and inertial response schemes for the future power networks
CN109992818B (zh) 大规模风电参与一次调频的机组组合模型及求解方法
CN111525628B (zh) 考虑多时间尺度灵活性约束的含风电并网机组组合方法
Siniscalchi-Minna et al. Predictive control of wind farms based on lexicographic minimizers for power reserve maximization
CN106684928B (zh) 一种基于调峰成本的电网调峰裕度计算方法
Zhang et al. A short-term optimal scheduling model for wind-solar-hydro-thermal complementary generation system considering dynamic frequency response
Jiang et al. Frequency constrained unit commitment considering reserve provision of wind power
CN112541612B (zh) 一种基于多网耦合的虚拟电厂经济优化调度方法
Wen et al. Research on wind-storage coordinated frequency regulation strategy of high permeability wind power connected to regional power grid
Zhao et al. Integrated assessment of the reliability and frequency deviation risks in power systems considering the frequency regulation of DFIG-based wind turbines
CN112803487A (zh) 一种考虑风电机组调频控制的电力系统机组组合优化方法
Zhang et al. Research on frequency regulation strategy based on model predictive control for wind-hydro-storage complementary microgrid
CN113991647B (zh) 一种面向频率响应容量规划的电力系统随机生产模拟方法
Ali et al. Automatic Generation Control of a Multi-Area Hybrid Renewable Energy System Using a Proposed Novel GA-Fuzzy Logic Self-Tuning PID Controller
Huang et al. Hierarchical Service Quality Regulation Method in Wind Farms Based on Optimal Generating Strategy
Lu et al. Pitch Deloading Method of Wind Farm for Optimal Frequency Control Performance
Zhou et al. Analysis of Energy Storage Operation Configuration of Power System Based on Multi-Objective Optimization
Hao et al. Intra-day rolling dispatch considering large-scale wind power participation in primary frequency regulation and unit fast start-up capability
Lu et al. Unit commitment of power system with wind power and photovoltaic considering frequency safety constraint
Kalpana et al. Optimized Frequency For Isolated Hybrid Energy System With Battery Energy Storage Using Bee Colony Algorithm
Gou et al. A New Method for Optimal Dispatch Considering System Flexibility in Wind Farm
Xi et al. Investigation on Distributed Coordinated Control Method of DFIGs Participating in Power System Frequency Regulation

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20210618

WW01 Invention patent application withdrawn after publication