CN113346523A - 一种风电场次同步振荡风险评估、抑制方法及系统 - Google Patents
一种风电场次同步振荡风险评估、抑制方法及系统 Download PDFInfo
- Publication number
- CN113346523A CN113346523A CN202110757402.6A CN202110757402A CN113346523A CN 113346523 A CN113346523 A CN 113346523A CN 202110757402 A CN202110757402 A CN 202110757402A CN 113346523 A CN113346523 A CN 113346523A
- Authority
- CN
- China
- Prior art keywords
- wind speed
- risk
- wind
- simulation
- direct
- 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
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
- H02J3/38—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
本发明公开了一种风电场次同步振荡风险评估、抑制方法及系统,方法包括:对直驱风机的小信号模型进行基于特征值的稳定性分析,得到不同机组数量、不同风速下的次同步振荡频率与阻尼,拟合机组数量与临界风速的变化曲线,确定直驱风机的风险风速区间;对连续风速状态及运行机组数量进行离散时序化模拟,在每次模拟后,计算当前模拟的风险系数、风险期望估计值、差异系数,评估风电场次同步振荡风险,从而实现对风电场次同步振荡风险的时序化模拟;基于所述连续模拟采样时刻的风险期望估计值,拟合风险期望估计值与切入风速曲线,根据预设风险期望阈值、风险期望估计值与切入风速曲线,调整切入风速,从而实现对风电场次同步振荡风险的抑制。
Description
技术领域
本发明涉及风力发电稳定性分析领域,具体涉及一种风电场次同步振荡风险评估、抑制方法及系统。
背景技术
随着风力发电的大规模并网,采用直驱风力发电机组的风电场并网产生的次同步振荡问题频繁出现,为电网的安全稳定运行带来了极大挑战。次同步振荡问题的理论分析常用建模方法主要有特征值分析法、阻抗法等。阻抗分析法具有物理概念清晰、可扩展性强等优点;特征值分析法基于线性系统理论,求解精度较高。总体而言,目前对直驱风电场并网系统次同步振荡问题建模方法较为成熟,振荡机理研究已有初步成果。
直驱风电场并网系统次同步振荡的主要影响因素可分为静态影响因素和动态影响因素两类,静态影响因素以控制器参数为代表,在运行过程中保持不变,现有研究较为充分。动态影响因素以风速、机组台数为代表,在风电场运行过程中存在随机特性与时变特性,并导致系统次同步振荡的动态特性。目前,基于动态因素不确定性的次同步振荡动态特性分析及风险评估的相关技术研究相对较少。有学者采用高斯混合模型进行风功率建模,对系统的次同步振荡频率和阻尼的概率分布进行计算,但并没有对机组台数及风速的影响进行详细区分。也有学者对风速和运行机组台数的随机特性对直驱风电场的影响进行了建模分析以及概率评估,但未讨论动态影响因素的时变特性。总体而言,基于时序化模拟的直驱风电场次同步振荡风险技术尚存在空白。
发明内容
因此,本发明要解决的技术问题在于克服现有技术中的基于时序化模拟的直驱风电场次同步振荡风险技术尚存在空白的缺陷,从而提供一种风电场次同步振荡风险评估、抑制方法及系统。
为达到上述目的,本发明提供如下技术方案:
第一方面,本发明实施例提供一种风电场次同步振荡风险评估、抑制方法,风电场由多个直驱风机构成,包括如下:对于每个直驱风机,将直驱风机等效为电压源型逆变器,建立直驱风机的小信号模型,并对小信号模型进行基于特征值的稳定性分析,得到不同机组数量、不同风速下的次同步振荡频率与阻尼;基于不同机组数量、不同风速下的次同步振荡频率与阻尼,拟合机组数量与临界风速的变化曲线,基于机组数量与临界风速的变化曲线、切入风速,确定直驱风机的风险风速区间;对连续风速状态及运行机组数量进行预设时间间隔的离散时序化模拟,得到多个模拟采样时刻的风速状态及运行机组数量;利用多个模拟采样时刻的风速状态及运行机组数量,风电场运行状态进行多次模拟,在每次模拟后,计算当前模拟的风险系数、风险期望估计值、差异系数,评估风电场次同步振荡风险;基于连续模拟采样时刻的风险期望估计值,拟合风险期望估计值与切入风速曲线,根据预设风险期望阈值、风险期望估计值与切入风速曲线,调整切入风速。
在一实施例中,建立直驱风机的小信号模型的过程,包括:根据最大功率点跟踪原理、直驱风机及其机侧变流器的功率损耗,得到电压源型逆变器直流侧输入功率;基于电压源型逆变器的电路拓扑结构、控制器结构,通过并网点电流方程引入机组数量,得到关于多状态变量及多代数变量的小信号模型。
在一实施例中,基于不同机组数量、不同风速下的次同步振荡频率与阻尼,拟合机组数量与临界风速的变化曲线的过程,包括:基于不同机组数量、不同风速下的次同步振荡频率与阻尼,利用最小二乘法多项式,得到每个机组数量对应的阻尼与风速的变化曲线;基于每个机组数量对应的阻尼与风速的变化曲线,利用最小二乘法多项式,拟合机组数量与临界风速的变化曲线。
在一实施例中,基于机组数量与临界风速的变化曲线、切入风速,确定直驱风机的风险风速区间的过程,包括:将低于机组数量与临界风速的变化曲线下方的风速确定为风险风速;根据大于切入风速的风险风速、切入风速,得到直驱风机的风险风速区间。
在一实施例中,对连续风速状态进行预设时间间隔的离散时序化模拟的过程,包括:利用预设风速区间跨度,对风速为零到实际最大风速值的区间进行分区,得到多个风速状态,其中,每个风速状态对应一个风速区间;基于历史实际风速数据,得到计及无风的风速累计概率分布,根据计及无风的风速累计概率分布,得到每个风速状态的离散概率分布的概率质量函数和累计概率分布;基于相邻两个时刻风速状态的转移概率、每个风速状态的离散概率分布的概率质量函数和累计概率分布,得到当前时刻风速状态对于上一时刻风速状态的累计概率密度;根据当前时刻风速状态对于上一时刻风速状态的累计概率密度、每个风速状态的离散概率分布的概率质量函数和累计概率分布,抽取每隔预设时间间隔的模拟采样时刻的风速状态。
在一实施例中,对运行机组数量进行预设时间间隔的离散时序化模拟的过程,包括:根据全部的直驱风机的历史状态数据,得到每个历史状态的累计概率分布;对于每个直驱风机,根据每个历史状态的累计概率分布,抽取每隔预设时间间隔的模拟采样时刻的机组状态及其持续时间,确定每个模拟采样时刻的运行机组数量。
在一实施例中,在每次模拟后,计算当前模拟采样时刻的风险系数、连续模拟采样时刻的风险期望估计值、差异系数的过程,包括:基于当前模拟采样时刻的运行机组数量、机组数量与临界风速的变化曲线,确定当前模拟采样时刻的临界风速;根据当前模拟采样时刻的风速状态、临界风速及直驱风机的风险风速区间,确定当前模拟采样时刻的直驱风机的风险系数;根据已完成模拟的模拟采样时刻的直驱风机的风险系数、当前模拟采样时刻的直驱风机的风险系数,计算得到连续模拟采样时刻的风险期望估计值;基于每次模拟得到的连续模拟采样时刻的风险期望估计值的平均值及方差,计算差异系数。
第二方面,本发明实施例提供一种风电场次同步振荡风险评估、抑制系统,包括:小信号模型模块,用于对于每个直驱风机,将直驱风机等效为电压源型逆变器,建立直驱风机的小信号模型,并对小信号模型进行基于特征值的稳定性分析,得到不同机组数量、不同风速下的次同步振荡频率与阻尼;风险风速区间模块,用于基于不同机组数量、不同风速下的次同步振荡频率与阻尼,拟合机组数量与临界风速的变化曲线,基于机组数量与临界风速的变化曲线、切入风速,确定直驱风机的风险风速区间;模拟参数模块,用于对连续风速状态及运行机组数量进行预设时间间隔的离散时序化模拟,得到多个模拟采样时刻的风速状态及运行机组数量;模拟评估模块,用于利用多个模拟采样时刻的风速状态及运行机组数量,风电场运行状态进行多次模拟,在每次模拟后,计算当前模拟采样时刻的风险系数、连续模拟采样时刻的风险期望估计值、差异系数,评估风电场次同步振荡风险;抑制模块,用于基于连续模拟采样时刻的风险期望估计值,拟合风险期望估计值与切入风速曲线,根据预设风险期望阈值、风险期望估计值与切入风速曲线,调整切入风速。
第三方面,本发明实施例提供一种计算机设备,包括:至少一个处理器,以及与至少一个处理器通信连接的存储器,其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器执行本发明实施例第一方面的风电场次同步振荡风险评估、抑制方法。
第四方面,本发明实施例提供一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使计算机执行本发明实施例第一方面的风电场次同步振荡风险评估、抑制方法。
本发明技术方案,具有如下优点:
本发明提供的风电场次同步振荡风险评估、抑制方法及系统,建立直驱风机的小信号模型,并对小信号模型进行基于特征值的稳定性分析,得到不同机组数量、不同风速下的次同步振荡频率与阻尼;基于不同机组数量、不同风速下的次同步振荡频率与阻尼,拟合机组数量与临界风速的变化曲线,基于机组数量与临界风速的变化曲线、切入风速,确定直驱风机的风险风速区间;对连续风速状态及运行机组数量进行预设时间间隔的离散时序化模拟,得到多个模拟采样时刻的风速状态及运行机组数量;利用多个模拟采样时刻的风速状态及运行机组数量,对风电场运行状态进行多次模拟,在每次模拟后,计算当前模拟的风险系数、风险期望估计值、差异系数,评估风电场次同步振荡风险,从而实现对风电场次同步振荡风险的时序化模拟;基于所述连续模拟采样时刻的风险期望估计值,拟合风险期望估计值与切入风速曲线,根据预设风险期望阈值、风险期望估计值与切入风速曲线,调整切入风速,从而实现对风电场次同步振荡风险的抑制。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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为本发明实施例提供的次同步振荡风险评估、抑制方法的一个具体示例的流程图;
图2为本发明实施例提供的电压源型逆变器电路拓扑结构;
图3为本发明实施例提供的风速转移概率示意图;
图4为本发明实施例提供的次同步振荡风险评估、抑制系统的一个具体示例的示意图;
图5为本发明实施例提供的计算机设备一个具体示例的组成图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本发明实施例提供一种风电场次同步振荡风险评估、抑制方法,应用于对系统次同步振荡风险进行评估及抑制的场合,如图1所示,风电场由多个直驱风机构成,包括步骤S11~步骤S15,具体如下:
步骤S11:对于每个直驱风机,将直驱风机等效为电压源型逆变器,建立直驱风机的小信号模型,并对小信号模型进行基于特征值的稳定性分析,得到不同机组数量、不同风速下的次同步振荡频率与阻尼。
具体地,在实际工况中,由于直流环节将直驱风机并网系统机侧变流器与网侧变流器分隔,可视为二者互不影响,直驱风电场的次同步振荡主要与网侧变流器有关,因此,本发明实施例将直驱风机等效为如图2所示的电压源型逆变器。
图2中,为电压源型逆变器的交流出口的三相静止坐标系下的电压,其经过Park变换对应dq坐标系下的Ugd和Ugq,为电压源型逆变器的交流侧经过滤波电感的三相静止坐标系下的电流,其经过Park变换得到dq坐标系下的Igd和Igq,为电压源型逆变器并网点三相静止坐标系下的电压,其经过Park变换得到dq坐标系下的 Egd和Egq。Udc为直流母线电压。
为了建立包含机组数量、风速、次同步振荡频率和阻尼D的小信号模型,本发明实施例建立直驱风机的小信号模型的过程,包括:步骤S21~步骤S22,具体如下:
步骤S21:根据最大功率点跟踪原理、直驱风机及其机侧变流器的功率损耗,得到电压源型逆变器直流侧输入功率。
具体地,本发明实施例基于最大功率跟踪原理,求得如式(1)所示的风力获得的实际功率Pwt与风速vw的关系式。
式(1)中,Rtur为风力机叶片的半径,ρ为空气密度,Vin为切入风速,Vout为切出风速,Vrated为额定运行风速。若风机的叶片半径不变,在同一个地区假设空气密度不变,则k1为常数系数。
考虑到直驱电机和机侧变流器的功率损耗,假设转换效率为定值k2,则电压源型逆变器直流侧输入功率Ps(从机侧变流器传输入直流环节的有功功率)为:
Ps=k2Pwt (2)
步骤S22:基于电压源型逆变器的电路拓扑结构、控制器结构,通过并网点电流方程引入机组数量,得到关于多状态变量及多代数变量的小信号模型。
本发明实施例根据式(2)、电压源型逆变器的拓扑结构以及电压源逆变器的控制策略,通过功率方程将风速引入网侧参数状态方程,并通过并网点电流方程引入机组数量Nwt,得到关于状态变量 x=[Udc Igd IgqΔθxdc xigd xigq xpll]T和代数变量y=[Ugd Ugq Ed EqΔω]T的小信号模型。本发明实施例基于如图2所示的电压源型逆变器的拓扑结构,且利用电流内环、直流电压外环的控制策略控制该电压源型逆变器,得到小信号模型的如式(3)所示的状态方程、如式(4)所示的代数方程及如式(5)所示的中间方程。
式(3)~式(5)中,L1为滤波电感,Lg为变压器和电网等效电感,中间状态变量电压xdc、xigd和xigq分别为直流电压外环与电流内环d、q轴积分环节输出结果,Edcref为直流电压参考值,Igdref为d轴输出电流参考值,Igqref为q轴输出电流参考值,xpll为锁相环PI环节的积分环节输出结果,Δθ为锁相环相角θPLL的扰动偏差量,Kpll和Tpll分别为锁相环环节PI控制的比例增益系数和积分时间常数。
本发明实施例对小信号模型进行基于特征值的稳定性分析,得到不同机组数量、不同风速下的次同步振荡频率与阻尼的具体实现过程如下:
基于式(3)~式(5)所示的小信号模型,基于李雅普诺夫第一定律进行小干扰稳定性分析,对某一平衡点(x0,y0)有:
进一步消去Δy,可以得到:
步骤S12:基于不同机组数量、不同风速下的次同步振荡频率与阻尼,拟合机组数量与临界风速的变化曲线,基于机组数量与临界风速的变化曲线、切入风速,确定直驱风机的风险风速区间。
具体地,本发明实施例中,首先将机组数量设为已知数,对步骤S11 得到的不同机组数量、不同风速下的次同步振荡频率与阻尼进行多次曲线拟合,得到机组数量与临界风速的变化曲线,具体包括步骤S31~步骤S32,具体如下:
步骤S31:基于不同机组数量、不同风速下的次同步振荡频率与阻尼,利用最小二乘法多项式,得到每个机组数量对应的阻尼与风速的变化曲线。
具体地,基于步骤S11得到的不同机组数量、不同风速下的次同步振荡频率与阻尼的关系式,首先将机组数量设为已知,即根据同一机组数量 Nwt下,不同风速vw对应系统阻尼D的结果,采用最小二乘法多项式拟合,得到在机组数量设为已知数条件下,系统阻尼D与风速vw的变化曲线,如式(8)所示:
基于步骤S31可以得到多条如式(8)所示的机组数量设为已知数条件下,系统阻尼D与风速vw的变化曲线,即得到不同机组数量对应的系统阻尼D与风速vw的变化曲线,该变化曲线在实际系统常用的参数组合条件下为单调递增的。
步骤S32:基于每个机组数量对应的阻尼与风速的变化曲线,利用最小二乘法多项式,拟合机组数量与临界风速的变化曲线。
具体地,本发明实施例对步骤S31得到的不同机组数量对应的系统阻尼D与风速vw的变化曲线,得到不同机组数量对应的正负阻尼临界点的临界风速利用最小二乘法对机组数量Nwt与vσ(Nwt)对应关系的统计结果,拟合得到机组数量与临界风速的变化曲线,如式(9)所示:
vσ(Nwt)=b0+b1Nwt+b2Nwt 2+…+bnNwt n (9)
本发明实施例将低于机组数量与临界风速的变化曲线下方的风速确定为风险风速,并根据大于切入风速的风险风速、切入风速,得到直驱风机的风险风速区间,具体地,由于在机组数量设为已知数条件下,系统阻尼D 与风速vw的变化曲线DNwt(v)单调递增,因此在风速低于vσ(Nwt)的区间,系统阻尼D<0,即系统风险风速区间为[Vin,vσ(Nwt)),Vin为切入风速。
步骤S13:对连续风速状态及运行机组数量进行预设时间间隔的离散时序化模拟,得到多个模拟采样时刻的风速状态及运行机组数量。
本发明实施例模拟每个模拟采样时刻的风速状态及运行机组数量,因此基于时序蒙特卡洛模拟方法得到每个模拟采样时刻的风速状态及运行机组数量。
考虑实际风速数据记录是按一定时间间隔Ts记录的离散时序化风速序列,模拟评估时也应按照Ts时间间隔进行离散的时序化模拟。同时,考虑到对风速变化进行描述时,不同的当前时刻风速对应的下一时刻风速是不同的。因此,需要进一步对风速进行分段离散处理,确定若干个风速状态,使用离散的马尔科夫链,通过风速状态之间的转换进行时序化风速模拟。
具体地,对连续风速状态进行预设时间间隔的离散时序化模拟的过程,包括步骤S41~步骤S44,具体如下:
步骤S41:利用预设风速区间跨度,对风速为零到实际最大风速值的区间进行分区,得到多个风速状态,其中,每个风速状态对应一个风速区间。
具体地,本发明实施例假设vmax是采集的实际风速数据最大值,则从0 到vmax的风速可以采用预设风速区间跨度Δvw(例如:1m/s)分为Ng个风速状态。为简化运算,减少无意义的风速区间数,可直接设置状态数Ng,使得风速大于NgΔvw的数据占比极小(例:<0.01%)。其中,第g组风速状态对应风速区间Vg:
Vg=[(g-1)Δvw,gΔvw) (10)
式(10)中,g=1,2,…,Ng。
步骤S42:基于历史实际风速数据,得到计及无风的风速累计概率分布,根据计及无风的风速累计概率分布,得到每个风速状态的离散概率分布的概率质量函数和累计概率分布。
具体地,本发明实施例根据收集的历史实际风速数据,统计计算无风概率P0,并将有风时段的数据拟合威布尔分布对应的累计分布函数Fwbl,得到计及无风的风速累计概率分布F0(vw):
F0(vw)=P0+(1-P0)Fwbl(vw) (11)
根据历史实际风速数据,通过式(10)~式(11),可得各风速状态的离散概率分布的概率质量函数f(Vg)和累计概率分布F(Vg),如式(12)所示:
步骤S43:基于相邻两个时刻风速状态的转移概率、每个风速状态的离散概率分布的概率质量函数和累计概率分布,得到当前时刻风速状态对于上一时刻风速状态的累计概率密度。
具体地,由于下一状态的风速概率分布取决于当前时刻的风速。因此,以vs_y_k表示历史实际风速数据的第y年的第k个风速数据,基于历史实际风速数据中任意两个连续记录数据vs_y_k-1和vs_y_k间的转移关系,风速状态的从Vg1到Vg2的转移概率为:
ftp(Vg1,Vg2)=P(vs_y_k∈Vg2|vs_y_k-1∈Vg1) (13)
式(13)中,P(·)表示统计概率结果,g1,g2=1,2,…,Ng,y=1,2,…,Ny,k=2,3,…,Nk,风速转移概率的示意图如图3所示。
式(13)对应的风速状态Vg2关于上一时刻风速状态Vg1的累计概率密度为:
步骤S44:根据当前时刻风速状态对于上一时刻风速状态的累计概率密度、每个风速状态的离散概率分布的概率质量函数和累计概率分布,抽取每隔预设时间间隔的模拟采样时刻的风速状态。
具体地,由式(14)已知当前时刻风速状态对于上一时刻风速状态的累计概率密度,可以进行风速状态抽样。初始时刻风速状态服从式(12)的分布函数,抽样得到:
vm_0=F-1(xv0) (15)
式(15)中,xv0是服从U(0,1)分布的标准随机数,用于进行随机抽样,F 表示累计概率分布函数。
基于式(14)的累计概率密度,后续模拟采样时刻的风速状态可以基于前一模拟采样时刻的风速状态逐个抽样确定,在tm_k=kTs时刻,风速状态:
其中,xvk是服从U(0,1)分布的标准随机数,k=1,2,…,Nk。
本发明实施例不计初始采样点,每次模拟Nk个连续风速状态,总模拟时长Tsum=NkTs。
在后续模拟过程中,风速状态vm_k将用于统计、判断等相关运算,设 G(vm_k)为应用了vm_k的某一步运算的输出结果,称为目标函数。目标函数是一个概括性名词,即所有应用到了风速状态vm_k进行运算或判断的场景下,其输出结果,都可以称为目标函数。
假设抽样得到的风速状态vm_k=Vg对应第g个风速区间[(g-1)Δvw,gΔvw),目标函数G(vm_k)有以下两种情况:
1)当该风速区间内所有风速vw对应的目标函数G(vw)一致时,则统一取区间的最小值(g-1)Δvw对应目标函数值。即:G(vm_k)=G((g-1)Δvw)。
2)当该风速区间内所有风速vw对应的目标函数G(vw)不一致时,考虑到风速总体上服从式(10)的F0(vw)分布,在风速区间Vg内的累计概率分布函数Fg(vx):
此时,可根据式(17)抽样得到风速状态vx∈[(g-1)Δvw,gΔvw),以vx的目标函数值代表风速状态vm_k的目标函数值,即:G(vm_k)=G(vx)。
具体地,由于风电场的直驱风机并不是全部投入使用,因此每个模拟采样时刻的运行直驱风机的数量仍需进行概率推算模拟,本发明实施例采用传统的D-PMSG两状态可靠性分析模型模拟机组状态,假定每台 D-PMSG机组仅有两种状态:并网状态和故障状态,前者表示D-PMSG运行良好,或可以运行良好但由于风速低于Vin或高于Vout而没有投入运行;后者指机组处于除SSO以外的故障状态。
具体地,对运行机组数量进行预设时间间隔的离散时序化模拟的过程,包括步骤S51~步骤S52:
步骤S51:根据全部的直驱风机的历史状态数据,得到每个历史状态的累计概率分布。
具体地,本发明实施例根据直驱风机的历史数据,可以将并网状态和故障状态的持续时间分别拟合为常用的指数分布形式,对应累计概率分布 Fon(t)和Foff(t)如下:
其中,λon和λoff分别是D-PMSG的并网状态和故障状态的指数分布参数。
步骤S52:对于每个直驱风机,根据每个历史状态的累计概率分布,抽取每隔预设时间间隔的模拟采样时刻的机组状态及其持续时间,确定每个模拟采样时刻的运行机组数量。
具体地,以Nwt0表示风电场总机组台数,由于D-PMSG极大概率处于并网状态,假设全部的Nwt0台机组都在模拟采样时刻t=0时处于并网状态。对每台D-PMSG机组,假设xp_n是时序蒙特卡洛模拟的第n个机组状态,只有两种状态xp_n=0(并网)和xp_n=1(故障)交替出现,且各机组状态xp_n 对应的持续时间tp_n可以分别根据Fon(t)和Foff(t)随机采样,直到总持续时间 tp_sum≥模拟时间Tsum。tp_sum可以计算为:
tp_sum=tp_1+tp_2+…+tp_n (19)
通过模拟每台D-PMSG机组状态xp_n,可以统计出在各模拟采样时刻 tm_k的并网D-PMSG的数量Nwt(tm_k)。考虑到同风速模型中的Nwt(tm_k)台并网D-PMSG机组的风速相同,因此,可通过判断风速vm_k是否在工作范围 [vin,vout]内来确定实际运行的D-PMSG机组台数为Nwt(tm_k)或0。
步骤S14:利用多个模拟采样时刻的风速状态及运行机组数量,风电场运行状态进行多次模拟,在每次模拟后,计算当前模拟的风险系数、风险期望估计值、差异系数,评估风电场次同步振荡风险。
具体地,本发明实施例基于步骤S13得到的每个模拟采样时刻的风速状态、运行机组数量及机组运行时间,对风电场实际工况进行多次模拟,每次模拟多个连续模拟采样时刻,其中,在每次模拟后,计算当前模拟风险系数、风险期望估计值、差异系数的过程,包括步骤S61~步骤S64,具体如下:
步骤S61:基于当前模拟采样时刻的运行机组数量、机组数量与临界风速的变化曲线,确定当前模拟采样时刻的临界风速。
具体地,根据式(9)所示的机组数量与临界风速的变化曲线表达式、当前模拟采样时刻的运行机组数量,得到当前模拟采样时刻的临界风速: vσ(Nwt(tm_k)),简记为vσ(tm_k)。
步骤S62:根据当前模拟采样时刻的风速状态、临界风速及直驱风机的风险风速区间,确定当前模拟采样时刻的直驱风机的风险系数。
具体地,根据式(8)可知阻尼随风速增加而增加,则临界风速vσ(tm_k)将运行风速区间[vin,vout]分为了无次同步振荡风险的运行风速区间[vσ(tm_k),vout] 和有次同步振荡风险的运行风速区间[vin,vσ(tm_k))。
此时,可根据tm_k采样时刻的风速状态vm_k与临界风速vσ(tm_k)的关系,确定该采样时刻系统阻尼的正负。引入风险系数H(tm_k):
H(tm_k)=0表示采样点tm_k没有发生发散的SSO的风险,对应正阻尼系统;H(tm_k)=1表示采样点tm_k存在发生发散的SSO的风险,对应负阻尼系统。
由于风速状态vm_k实际代表一个区间,因此根据风速状态vm_k的不同,有如下三种可能:
1)风速状态vm_k在区间[vσ(tm_k),Vout)、[Vout,NgΔvw)或[0,Vin)范围内时, H(tm_k)=0;
2)风速状态vm_k在区间[Vin,vσ(tm_k))范围内时,H(tm_k)=1;
3)风速状态vm_k的区间跨度刚好位于上述4区间中连续的两区间边界时,按式(16)抽样得到vx,根据vx所在区间按上述1)或2)确定H(m_k)。
步骤S63:根据已完成模拟的模拟采样时刻的直驱风机的风险系数、当前模拟采样时刻的直驱风机的风险系数,计算得到连续模拟采样时刻的风险期望估计值。
具体地,基于每次模拟的H(m_k)统计结果,即可确定前Nc次模拟,每次模拟Nk个连续采样点的风险期望I的估计值:
步骤S64:基于每次模拟得到的连续模拟采样时刻的风险期望估计值的平均值及方差,计算差异系数。
具体地,基于式(20)计算每次模拟的差异系数β,如式(21)所示,其中,差异系数β表示该指标评估结果的离散度:
需要说明的是,本发明实施例将βref设置为各个指标的精度要求,将 Nmax设置为最大模拟次数,当差异系数达到精度要求或模拟次数达到Nmax时,得到最终评估结果。
步骤S15:基于连续模拟采样时刻的风险期望估计值,拟合风险期望估计值与切入风速曲线,根据预设风险期望阈值、风险期望估计值与切入风速曲线,调整切入风速。
具体地,本发明实施例基于风险期望I的估计值关于切入风速变化的拟合曲线按照一定的风险期望指标Iref,调整切入风速Vin的大小,以减小系统次同步振荡风险,且在不同风速分布场景下,该切入风速调整策略均应随风险抑制的目标期望发生变化。
实施例2
本发明实施例提供一种风电场次同步振荡风险评估、抑制系统,如图4 所示,包括:
小信号模型模块1,用于对于每个直驱风机,将直驱风机等效为电压源型逆变器,建立直驱风机的小信号模型,并对小信号模型进行基于特征值的稳定性分析,得到不同机组数量、不同风速下的次同步振荡频率与阻尼;此模块执行实施例1中的步骤S11所描述的方法,在此不再赘述。
风险风速区间模块2,用于基于不同机组数量、不同风速下的次同步振荡频率与阻尼,拟合机组数量与临界风速的变化曲线,基于机组数量与临界风速的变化曲线、切入风速,确定直驱风机的风险风速区间;此模块执行实施例1中的步骤S12所描述的方法,在此不再赘述。
模拟参数模块3,用于对连续风速状态及运行机组数量进行预设时间间隔的离散时序化模拟,得到多个模拟采样时刻的风速状态及运行机组数量;此模块执行实施例1中的步骤S13所描述的方法,在此不再赘述。
模拟评估模块4,用于利用多个模拟采样时刻的风速状态及运行机组数量,风电场运行状态进行多次模拟,在每次模拟后,计算当前模拟采样时刻的风险系数、连续模拟采样时刻的风险期望估计值、差异系数,评估风电场次同步振荡风险;此模块执行实施例1中的步骤S14所描述的方法,在此不再赘述。
抑制模块5,用于基于连续模拟采样时刻的风险期望估计值,拟合风险期望估计值与切入风速曲线,根据预设风险期望阈值、风险期望估计值与切入风速曲线,调整切入风速;此模块执行实施例1中的步骤S15所描述的方法,在此不再赘述。
实施例3
本发明实施例提供一种计算机设备,如图5所示,包括:至少一个处理器401,例如CPU(Central Processing Unit,中央处理器),至少一个通信接口403,存储器404,至少一个通信总线402。其中,通信总线402用于实现这些组件之间的连接通信。其中,通信接口403可以包括显示屏 (Display)、键盘(Keyboard),可选通信接口403还可以包括标准的有线接口、无线接口。存储器404可以是高速RAM存储器(Ramdom Access Memory,易挥发性随机存取存储器),也可以是非不稳定的存储器 (non-volatile memory),例如至少一个磁盘存储器。存储器404可选的还可以是至少一个位于远离前述处理器401的存储装置。其中处理器401可以执行实施例1的风电场次同步振荡风险评估、抑制方法。存储器404中存储一组程序代码,且处理器401调用存储器404中存储的程序代码,以用于执行实施例1的风电场次同步振荡风险评估、抑制方法。
其中,通信总线402可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。通信总线402可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条线表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器404可以包括易失性存储器(英文:volatile memory),例如随机存取存储器(英文:random-access memory,缩写:RAM);存储器也可以包括非易失性存储器(英文:non-volatile memory),例如快闪存储器(英文:flash memory),硬盘(英文:hard diskdrive,缩写:HDD) 或固降硬盘(英文:solid-state drive,缩写:SSD);存储器404还可以包括上述种类的存储器的组合。
其中,处理器401可以是中央处理器(英文:central processing unit,缩写:CPU),网络处理器(英文:network processor,缩写:NP)或者CPU 和NP的组合。
其中,处理器401还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文:application-specific integrated circuit,缩写:ASIC),可编程逻辑器件(英文:programmable logic device,缩写:PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文:complex programmable logic device,缩写:CPLD),现场可编程逻辑门阵列(英文:field-programmable gate array,缩写:FPGA),通用阵列逻辑(英文:generic arraylogic,缩写: GAL)或其任意组合。
可选地,存储器404还用于存储程序指令。处理器401可以调用程序指令,实现如本申请执行实施例1中的风电场次同步振荡风险评估、抑制方法。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机可执行指令,该计算机可执行指令可执行实施例1的风电场次同步振荡风险评估、抑制方法。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard DiskDrive,缩写:HDD)或固降硬盘(Solid-State Drive,SSD)等;存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种风电场次同步振荡风险评估、抑制方法,其特征在于,所述风电场由多个直驱风机构成,包括如下:
对于每个直驱风机,将所述直驱风机等效为电压源型逆变器,建立直驱风机的小信号模型,并对所述小信号模型进行基于特征值的稳定性分析,得到不同机组数量、不同风速下的次同步振荡频率与阻尼;
基于不同机组数量、不同风速下的次同步振荡频率与阻尼,拟合机组数量与临界风速的变化曲线,基于机组数量与临界风速的变化曲线、切入风速,确定直驱风机的风险风速区间;
对连续风速状态及运行机组数量进行预设时间间隔的离散时序化模拟,得到多个模拟采样时刻的风速状态及运行机组数量;
利用多个模拟采样时刻的风速状态及运行机组数量,对风电场运行状态进行多次模拟,在每次模拟后,计算当前模拟的风险系数、风险期望估计值、差异系数,评估风电场次同步振荡风险;
基于所述连续模拟采样时刻的风险期望估计值,拟合风险期望估计值与切入风速曲线,根据预设风险期望阈值、风险期望估计值与切入风速曲线,调整切入风速。
2.根据权利要求1所述的风电场次同步振荡风险评估、抑制方法,其特征在于,所述建立直驱风机的小信号模型的过程,包括:
根据最大功率点跟踪原理、直驱风机及其机侧变流器的功率损耗,得到所述电压源型逆变器直流侧输入功率;
基于所述电压源型逆变器的电路拓扑结构、控制器结构,通过并网点电流方程引入机组数量,得到关于多状态变量及多代数变量的小信号模型。
3.根据权利要求1所述的风电场次同步振荡风险评估、抑制方法,其特征在于,所述基于不同机组数量、不同风速下的次同步振荡频率与阻尼,拟合机组数量与临界风速的变化曲线的过程,包括:
基于不同机组数量、不同风速下的次同步振荡频率与阻尼,利用最小二乘法多项式,得到每个机组数量对应的阻尼与风速的变化曲线;
基于每个机组数量对应的阻尼与风速的变化曲线,利用最小二乘法多项式,拟合机组数量与临界风速的变化曲线。
4.根据权利要求1所述的风电场次同步振荡风险评估、抑制方法,其特征在于,所述基于机组数量与临界风速的变化曲线、切入风速,确定直驱风机的风险风速区间的过程,包括:
将低于机组数量与临界风速的变化曲线下方的风速确定为风险风速;
根据大于切入风速的风险风速、切入风速,得到直驱风机的风险风速区间。
5.根据权利要求1所述的风电场次同步振荡风险评估、抑制方法,其特征在于,对连续风速状态进行预设时间间隔的离散时序化模拟的过程,包括:
利用预设风速区间跨度,对风速为零到实际最大风速值的区间进行分区,得到多个风速状态,其中,每个风速状态对应一个风速区间;
基于历史实际风速数据,得到计及无风的风速累计概率分布,根据计及无风的风速累计概率分布,得到每个风速状态的离散概率分布的概率质量函数和累计概率分布;
基于相邻两个时刻风速状态的转移概率、每个风速状态的离散概率分布的概率质量函数和累计概率分布,得到当前时刻风速状态对于上一时刻风速状态的累计概率密度;
根据当前时刻风速状态对于上一时刻风速状态的累计概率密度、每个风速状态的离散概率分布的概率质量函数和累计概率分布,抽取每隔预设时间间隔的模拟采样时刻的风速状态。
6.根据权利要求1所述的风电场次同步振荡风险评估、抑制方法,其特征在于,对运行机组数量进行预设时间间隔的离散时序化模拟的过程,包括:
根据全部的直驱风机的历史状态数据,得到每个历史状态的累计概率分布;
对于每个直驱风机,根据每个历史状态的累计概率分布,抽取每隔预设时间间隔的模拟采样时刻的机组状态及其持续时间,确定每个模拟采样时刻的运行机组数量。
7.根据权利要求1所述的风电场次同步振荡风险评估、抑制方法,其特征在于,在每次模拟后,计算当前模拟采样时刻的风险系数、连续模拟采样时刻的风险期望估计值、差异系数的过程,包括:
基于当前模拟采样时刻的运行机组数量、机组数量与临界风速的变化曲线,确定当前模拟采样时刻的临界风速;
根据当前模拟采样时刻的风速状态、临界风速及直驱风机的风险风速区间,确定当前模拟采样时刻的直驱风机的风险系数;
根据已完成模拟的模拟采样时刻的直驱风机的风险系数、当前模拟采样时刻的直驱风机的风险系数,计算得到连续模拟采样时刻的风险期望估计值;
基于每次模拟得到的连续模拟采样时刻的风险期望估计值的平均值及方差,计算差异系数。
8.一种风电场次同步振荡风险评估、抑制系统,其特征在于,包括:
小信号模型模块,用于对于每个直驱风机,将所述直驱风机等效为电压源型逆变器,建立直驱风机的小信号模型,并对所述小信号模型进行基于特征值的稳定性分析,得到不同机组数量、不同风速下的次同步振荡频率与阻尼;
风险风速区间模块,用于基于不同机组数量、不同风速下的次同步振荡频率与阻尼,拟合机组数量与临界风速的变化曲线,基于机组数量与临界风速的变化曲线、切入风速,确定直驱风机的风险风速区间;
模拟参数模块,用于对连续风速状态及运行机组数量进行预设时间间隔的离散时序化模拟,得到多个模拟采样时刻的风速状态及运行机组数量;
模拟评估模块,用于利用多个模拟采样时刻的风速状态及运行机组数量,风电场运行状态进行多次模拟,在每次模拟后,计算当前模拟采样时刻的风险系数、连续模拟采样时刻的风险期望估计值、差异系数,评估风电场次同步振荡风险;
抑制模块,用于基于所述连续模拟采样时刻的风险期望估计值,拟合风险期望估计值与切入风速曲线,根据预设风险期望阈值、风险期望估计值与切入风速曲线,调整切入风速。
9.一种计算机设备,其特征在于,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行权利要求1-7中任一所述的风电场次同步振荡风险评估、抑制方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-7中任一所述的风电场次同步振荡风险评估、抑制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110757402.6A CN113346523B (zh) | 2021-07-05 | 2021-07-05 | 一种风电场次同步振荡风险评估、抑制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110757402.6A CN113346523B (zh) | 2021-07-05 | 2021-07-05 | 一种风电场次同步振荡风险评估、抑制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113346523A true CN113346523A (zh) | 2021-09-03 |
CN113346523B CN113346523B (zh) | 2022-05-20 |
Family
ID=77482545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110757402.6A Active CN113346523B (zh) | 2021-07-05 | 2021-07-05 | 一种风电场次同步振荡风险评估、抑制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113346523B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105896599A (zh) * | 2016-04-27 | 2016-08-24 | 国家电网公司 | 一种考虑风机特性的风机出力多指标评估方法 |
CN109103903A (zh) * | 2018-09-13 | 2018-12-28 | 华北电力大学 | 一种用于直驱风机引发次同步振荡的判断方法 |
CN110148967A (zh) * | 2019-06-18 | 2019-08-20 | 华北电力大学 | 一种基于导纳分析直驱风机次同步振荡特性的研究方法 |
CN110299712A (zh) * | 2019-07-30 | 2019-10-01 | 华北电力大学 | 一种直驱风机次同步振荡的控制方法及系统 |
CA3105143A1 (en) * | 2018-07-06 | 2020-01-09 | Wobben Properties Gmbh | Method for controlling a wind farm in order to damp subsynchronous oscillations |
CN110854884A (zh) * | 2019-12-07 | 2020-02-28 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种风电汇集区域次同步振荡风险在线评估和预警方法 |
CN111597680A (zh) * | 2020-04-09 | 2020-08-28 | 华北电力大学 | 基于模态频率处电气阻尼的次同步谐振风险量化评估方法 |
-
2021
- 2021-07-05 CN CN202110757402.6A patent/CN113346523B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105896599A (zh) * | 2016-04-27 | 2016-08-24 | 国家电网公司 | 一种考虑风机特性的风机出力多指标评估方法 |
CA3105143A1 (en) * | 2018-07-06 | 2020-01-09 | Wobben Properties Gmbh | Method for controlling a wind farm in order to damp subsynchronous oscillations |
CN109103903A (zh) * | 2018-09-13 | 2018-12-28 | 华北电力大学 | 一种用于直驱风机引发次同步振荡的判断方法 |
CN110148967A (zh) * | 2019-06-18 | 2019-08-20 | 华北电力大学 | 一种基于导纳分析直驱风机次同步振荡特性的研究方法 |
CN110299712A (zh) * | 2019-07-30 | 2019-10-01 | 华北电力大学 | 一种直驱风机次同步振荡的控制方法及系统 |
CN110854884A (zh) * | 2019-12-07 | 2020-02-28 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种风电汇集区域次同步振荡风险在线评估和预警方法 |
CN111597680A (zh) * | 2020-04-09 | 2020-08-28 | 华北电力大学 | 基于模态频率处电气阻尼的次同步谐振风险量化评估方法 |
Non-Patent Citations (2)
Title |
---|
SHUN TAO 等: "Probability Assessment of Characteristics of Sub-Synchronous Oscillation in D-PMSG-Based Wind Power Generation System", 《IEEE ACCESS》 * |
陈武晖 等: "双馈风电场感应发电机效应的安全风险评估方法", 《电网技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113346523B (zh) | 2022-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108512258B (zh) | 一种基于改进多智能体一致性算法的风电场有功调度方法 | |
CN112736926A (zh) | 一种分布式新能源接入配电网区间仿射潮流动态优化方法 | |
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 | |
CN105184027A (zh) | 一种基于交互式多模型算法的电力负荷建模方法 | |
CN103986193B (zh) | 一种最大风电并网容量获取的方法 | |
CN115017787A (zh) | 基于智能算法的风电场电压穿越特性等值建模方法及系统 | |
CN113011679A (zh) | 水电站泄洪发电联合运行调控方法、装置及电子设备 | |
CN116454967A (zh) | 一种电网新能源消纳能力评估方法及装置 | |
CN116306306A (zh) | 一种基于非洲秃鹫算法的微网惯性常数估计方法 | |
CN106410862B (zh) | 基于有功恢复斜率校正的风电场单机等值方法 | |
CN111401792A (zh) | 一种基于极限梯度提升决策树的动态安全评估方法 | |
CN104951654A (zh) | 基于控制变量抽样的大规模风电场可靠性评估方法 | |
CN113346523B (zh) | 一种风电场次同步振荡风险评估、抑制方法及系统 | |
CN109149566A (zh) | 一种大功率缺失下频率最低点预测的仿真模型的建模方法 | |
CN110363338B (zh) | 基于cos衰减性原子分解和混沌理论的风电功率超短期预测方法 | |
CN109902352B (zh) | 一种暂态功角稳定分析关键特征量提取方法及系统 | |
CN106528978A (zh) | 一种先进压水堆核电机组调速系统的动态仿真方法和系统 | |
CN112003288B (zh) | 一种电网运行方式电压智能调整方法及装置 | |
Lu | Multi-step ahead ultra-short-term wind power forecasting based on time series analysis | |
CN110970915B (zh) | 风力发电机组的并网电压的控制方法和设备 | |
CN111541239A (zh) | 基于时域仿真确定全过程动态电压稳定裕度的方法和系统 | |
US20190081478A1 (en) | Method for monitoring and controlling an electrical network | |
CN111478292B (zh) | 一种基于深度强化学习的电力系统的故障切除方法和系统 | |
CN116488267B (zh) | 一种基于建模的风电场无功容量极限仿真计算方法及装置 | |
CN113946985B (zh) | 一种确定新能源场站等值模型的方法及系统 |
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 |