CN113381447A - 适应电网调频需求的风电响应能力状态划分方法及系统 - Google Patents

适应电网调频需求的风电响应能力状态划分方法及系统 Download PDF

Info

Publication number
CN113381447A
CN113381447A CN202110730610.7A CN202110730610A CN113381447A CN 113381447 A CN113381447 A CN 113381447A CN 202110730610 A CN202110730610 A CN 202110730610A CN 113381447 A CN113381447 A CN 113381447A
Authority
CN
China
Prior art keywords
quadrant
power
fuzzy
frequency modulation
output
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
CN202110730610.7A
Other languages
English (en)
Other versions
CN113381447B (zh
Inventor
褚晓东
徐晨
刘玉田
叶华
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.)
Shandong University
Original Assignee
Shandong University
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 Shandong University filed Critical Shandong University
Priority to CN202110730610.7A priority Critical patent/CN113381447B/zh
Publication of CN113381447A publication Critical patent/CN113381447A/zh
Application granted granted Critical
Publication of CN113381447B publication Critical patent/CN113381447B/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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
    • 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
    • H02J3/24—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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本公开提供了一种适应电网调频需求的风电响应能力状态划分方法及系统，根据预设风险源的概率模型，进行输电网层级供电不足风险评估；对风险评估结果和对应时刻的风机运行工况进行预设区间内的规格化处理，分别表征电网的调频需求和风机频率响应能力；根据象限划分特征确定二维变量模糊集并选取输入隶属函数，基于Mamdani模糊系统设计推理规则求解二维变量对于各象限的隶属度；将预设区间四等分且各子区间与各象限依次对应，确定各子区间内输出隶属函数并将各象限的隶属度映射到各子区间内，通过去模糊化处理求解模糊系统准确输出，根据输出值所属区间判别二维变量所属象限；本公开实现了电网调频需求与风电响应能力的四象限模糊划分。

Description

适应电网调频需求的风电响应能力状态划分方法及系统
技术领域
本公开涉及电力系统运行与控制技术领域，特别涉及一种适应电网调频需求的风电响应能力状态划分方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。
高比例风电并网使电力系统的频率稳定性下降，传统的风电调频策略通过附加功率控制环节令风机主动参与电网调频，但并不考虑电网对于风电参与调频的实际需求，风电参与电网调频具有一定的盲目性，因此面向传统发电机组和风力发电两种调频资源时，综合考虑电网对风机的调频需求和风机自身的频率响应能力进行电网调频需求与风电响应能力的状态划分具有较高的创新性和应用性价值，可为在各状态下统筹传统调频资源和风电调频资源对风机进行调频控制做基础。
电网的调频需求取决于电网的供电充裕程度，可基于电网的供电充裕度风险评估表征电网对于风电参与调频的需求；而风机的调频能力主要取决于其运行方式和运行的风速条件；因此可分别量化电网的调频需求和风电的频率响应能力，但是目前的电网调频需求与风电响应能力的状态划分边界具有一定的不确定性。
发明内容
为了解决现有技术的不足，本公开提供了一种适应电网调频需求的风电响应能力状态划分方法及系统，实现了电网调频需求与风电响应能力的四象限模糊划分，提高了风机参与电网调频的准确度和稳定性。
为了实现上述目的，本公开采用如下技术方案：
本公开第一方面提供了一种适应电网调频需求的风电响应能力状态划分方法。
一种适应电网调频需求的风电响应能力状态划分方法，包括以下过程：
获取输电网和风机的参量数据；
根据获取的参量数据和预设风险源的概率模型，进行输电网层级供电不足风险评估；
对风险评估结果和对应时刻的风机运行工况进行预设区间内的规格化处理，分别表征电网的调频需求和风机频率响应能力；
将电网的调频需求和风机频率响应能力进行模糊概念的定量化描述，根据象限划分特征确定二维变量模糊集并选取输入隶属函数，基于Mamdani模糊系统设计推理规则求解二维变量对于各象限的隶属度；
将预设区间四等分且各子区间与各象限依次对应，确定各子区间内输出隶属函数并将各象限的隶属度映射到各子区间内，通过去模糊化处理求解模糊系统准确输出，根据输出值所属区间判别二维变量所属象限。
进一步的，预设风险源的概率模型包括：发电机组集合和线路集合的实时状态概率模型、风电场出力预测误差概率模型、常规静态负荷预测误差概率模型以及计及光伏接入配网的有源配电网类型负荷预测误差概率模型。
进一步的，发电机组和线路集合的实时状态概率模型基于Markov两状态转移过程求解；
风电场出力预测误差概率模型采用分区间描述的方法，依次对比正态分布、TLS分布和Logistic分布对各出力区间的预测样本的描述效果，选取最优分布函数；
常规负荷预测误差概率模型采用正态分布描述；
有源配电网类型负荷预测误差模型采用双参数柯西-高斯混合分布描述。
进一步的，将各连续型的风险源概率模型进行七段离散化处理，并采用蒙特卡洛法模拟电网状态，利用直流最优潮流算法求解电网供电不足风险指标：
电网的供电不足风险指标定义为所有供电不足事件发生的概率与事件后最小期望切负荷量的乘积的加和。
进一步的，分别将电网的风险评估结果和风机运行工况进行预设区间内的规格化处理：
风机在定减载运行模式下，实际运行工况反映频率响应能力；
选取电网供电不足风险值和风电响应能力评估基值，其中电网供电不足风险基值选取电网旋转备用容量，风电响应能力基值取风机在MPPT曲线下有功出力达到额定值时对应的风速。
进一步的，将电网的调频需求规格化指标和风机自身响应能力规格化指标在各自论域内进行模糊概念的定量化描述，并确定其对于各自模糊集合的隶属度：
在象限划分前提将各变量的模糊集划分为两个评语集；
选定S状和Z状函数作为电网调频需求与风电响应能力的二维变量模糊输入隶属度函数，确定各输入变量对于各自模糊集合的隶属度。
进一步的，基于Mamdani模糊系统设计模糊推理规则求解各输入二维变量相对于各象限的隶属度，模糊推理规则的逻辑为各二维变量对于各象限的隶属度取决于各变量对于每一个象限隶属度的最小值。
进一步的，将预设区间四等分，各子区间依次对应四个象限，选用梯形隶属函数作为各子区间内的模糊输出隶属函数，并将二维变量对于各象限的隶属度输出值映射到各自对应的隶属函数中。
进一步的，利用面积平均法对各子区间的模糊输出进行去模糊化处理求解模糊输出准确值，根据去模糊化输出结果所属区间判别输入变量所属象限。
本公开第二方面提供了一种适应电网调频需求的风电响应能力状态划分系统。
一种适应电网调频需求的风电响应能力状态划分系统，包括：
数据获取模块，被配置为：获取输电网和风机的参量数据；
风险评估模块，被配置为：根据获取的参量数据和预设风险源的概率模型，进行输电网层级供电不足风险评估；
规格化处理模块，被配置为：对风险评估结果和对应时刻的风机运行工况进行预设区间内的规格化处理，分别表征电网的调频需求和风机频率响应能力；
隶属度获取模块，被配置为：将电网的调频需求和风机频率响应能力进行模糊概念的定量化描述，根据象限划分特征确定二维变量模糊集并选取输入隶属函数，基于Mamdani模糊系统设计推理规则求解二维变量对于各象限的隶属度；
象限判断模块，被配置为：将预设区间四等分且各子区间与各象限依次对应，确定各子区间内输出隶属函数并将各象限的隶属度映射到各子区间内，通过去模糊化处理求解模糊系统准确输出，根据输出值所属区间判别二维变量所属象限。
本公开第三方面提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的适应电网调频需求的风电响应能力状态划分方法中的步骤。
本公开第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第一方面所述的适应电网调频需求的风电响应能力状态划分方法中的步骤。
与现有技术相比，本公开的有益效果是：
1、本公开所述的方法、系统、介质或电子设备，提供了一种电网调频需求与风电响应能力的四象限模糊划分方法，提高了风机参与电网调频的准确度和稳定性。
2、本公开所述的方法、系统、介质或电子设备，风险评估时考虑了多类型风险源，其中计及了配网中光伏出力不确定性对输电网节点负荷的影响，建立了BCGM模型描述有源配电网类型负荷预测误差概率分布，与常规正态分布相比该分布可在一定程度上光伏出力预测出现较大偏差时输电网负荷预测误差出现的尖峰特性。
3、本公开所述的方法、系统、介质或电子设备，基于源-网-荷侧的多种风险源概率模型建立了电网供电不足风险评估机制用以表征电网的调频需求；然后计及各风险评估状态所对应的风机运行工况，选定二者的评估基值，将电网实时供电不足风险与风速条件进行预设区间的规格化处理，并建立模糊推理体系实现对“电网调频需求-风电响应能力”的四象限划分，解决了二维变量象限划分边界的不确定性问题。
本公开附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为本公开实施例1提供的适应电网调频需求的风电响应能力状态划分方法流程图。
图2为本公开实施例1提供的供电不足风险评估算法流程图。
图3为本公开实施例1提供的IEEE-RTS 79可靠性测试电网拓扑结构示意图。
图4(a)-图4(e)为本公开实施例1提供的风场出力预测误差概率模型的拟合。
图5(a)-图5(c)为本公开实施例1提供的有源配电网类型负荷的预测误差概率模型的拟合。
图6为本公开实施例1提供的在某日24h内的供电不足风险评估结果和风场出力情况曲线图。
图7为本公开实施例1提供的二维变量模糊系统的推理过程示意图。
图8为本公开实施例1提供的电网调频需求与风险响应能力象限划分的模糊输出表面图。
图9(a)-图9(d)为本公开实施例1提供的各象限划分情况验证示意图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
实施例1：
正如背景技术所介绍的，进行电网调频需求与风电响应能力的象限划分对于指导风机参与电网频率响应具有重要意义。因此本实施例提供了一种适应电网调频需求的风电响应能力评估与状态划分方法及系统，以建立输电网层级的多类型风险源为基础进行电网供电不足风险评估方法，且建立风险源模型时着重考虑了光伏接入配网后对输电网负荷预测误差概率分布的影响，分别建立了常规负荷预测误差概率模型和有源配电网类型负荷预测误差概率模型。风机的运行工况反映其频率响应能力，利用模糊推理系统将电网调频需求和风电响应能力进行四象限的划分，为更好地适应模糊论域分别将二者进行规格化处理，并基于Mamdani模糊系统设计推理规则，选定各变量模糊输入函数和各象限隶属度的模糊输出隶属函数，通过去模糊化得到准确模糊输出结果判断二维变量所属象限。
具体实施例参见附图1所示，一种适应电网调频需求的风电响应能力评估与状态划分方法，包括以下步骤：
步骤1：建立源-网-荷侧多类型风险源概率模型，并对连续型概率密度分布函数进行七段离散化处理。
步骤1.1：基于两状态Markov转移过程建立发电机组集合实时状态模型；
Figure BDA0003139207420000051
式中：Pg和Pgr分别表示单个发电机组和发电机组集合的实时停运概率；Pg(0)表示发电机组的初始运行状态概率，取决于发电机组的启动成功率；λg表示发电机的故障率；m和n分别表示停运的发电机和运行发电机。
步骤1.2：基于两状态Markov转移过程建立输电线路集合的实时状态模型；
Figure BDA0003139207420000052
式中：Pline和PLr分别表示单条输电线路和输电线路集合的实时停运概率；Pline(0)表示输电线路的初始运行状态概率；λl表示线路的故障率；w和s分别表示停运线路和运行线路。
步骤1.3：建立风电场出力预测误差概率模型；
风电机组出力可表示为其预测出力与预测误差之和：
PW＝P’W+ε (3)
式中：PW为风电场实际有功出力；P′W为风电场预测有功功率；ε为预测误差。
一般假设风电场出力的预测误差服从某种概率分布，研究发现在风电场出力不同区间内预测误差服从的概率分布不同，采用TLS分布，正态分布和Logistic分布分别在不同的出力区间内对误差样本进行拟合，并选取拟合效果最优的分布函数作为描述各区间内误差样本的概率分布函数。
连续型的概率密度分布函数无法直接应用，因此采用七段离散式方法分别计算各分布类型分段区间内的概率值，将-3σ、-2σ、-σ、0、σ、2σ、3σ分别作为各分段区间的中点，N表示ε离散分段的第N个区间，则风电有功功率实际值PW在不同分布类型下的各分段区间内概率取值pWN如表1，表2和表3所示：
表1：TLS分布七段离散概率
Figure BDA0003139207420000061
表2：Logistic分布七段离散概率
Figure BDA0003139207420000062
表3：正态分布七段离散概率
Figure BDA0003139207420000063
Figure BDA0003139207420000071
步骤1.4：建立常规负荷预测误差概率模型；
负荷实际值可表示为负荷预测值与预测误差之和：
PL＝P′L+ξ (4)
式中：PL为节点负荷实际值，P′L为负荷预测值，ζ为负荷预测误差。
负荷预测误差的概率分布也是负荷实际值的概率分布，常规静态负荷的预测误差常采用正态分布描述，其七段离散化分段区间的概率值如表3所示。
步骤1.5：建立有源配电网类型负荷预测误差概率模型。
有源配电网类型负荷实际值仍表示为预测值与预测误差之和：
PSD＝P′SD+ζSD (5)
式中：PSD是有源配电网类型负荷实际值，PS′D是其预测值，ζSD是其预测误差。
有源配电网类型负荷预测值可近似处理为配网中负荷预测值与光伏出力预测值的差值：
P′SD＝P′DL-P′V (6)
式中：P′DL是配电网中负荷预测值，P′V为光伏出力预测值。
有源配电网类型负荷实际值采用全局潮流主从分裂算法求解，构建全局潮流方程组的主从分裂计算形式，全局电网的节点集为G，总节点数为N，主电网(输电网)节点集(GM)和从电网(配电网)节点集(GS)之间没有直接关联支路，只通过边界节点集(GB)联系在一起，则全局潮流方程组及其主从分裂形式可分别表示为：
Figure BDA0003139207420000072
Figure BDA0003139207420000073
Figure BDA0003139207420000081
Figure BDA0003139207420000082
式中：Gi是与节点i相关联节点集；PGi和QGi分别为节点i的发电机组有功出力和无功出力；PDi和QDi分别为节点i的有功负荷和无功负荷；Pij和Qij分别为支路ij在节点i侧的有功功率和无功功率；
Figure BDA0003139207420000083
和
Figure BDA0003139207420000084
分别为主电网、从电网和边界节点集的节点注入的复功率；
Figure BDA0003139207420000085
表示节点集GX中各节点流向节点集GY的支路复功率组成的潮流矢量，也是主从分裂算法迭代过程的中间变量；
Figure BDA0003139207420000086
为节点集GY中各节点流入节点集自身的支路复功率所组成的潮流矢量。
根据输配电网边界节点电压值的迭代求解边界节点有功潮流交互得到有源配电网类型负荷的实际值。
求解出有源配电网类型负荷预测误差样本后，采用BCGM模型其分布的拖尾特性：
Figure BDA0003139207420000087
式中仅有两个参数(ε,σ)，其中ε为混合比率；2σ2为高斯分布方差，σ为柯西分布离差，因此该模型称为双参数柯西-高斯混合模型。
采用对数矩阵法估算分布参数。设样本X服从BCGM分布，令Y＝log|X|,则Y的均值和方差表示为：
Figure BDA0003139207420000088
Figure BDA0003139207420000089
式中：Ce＝0.5772为欧拉常数，求解参数α和σ后考虑BCGM模型具有线性特征，则满足：
Var(Y,α)＝εVar(Y,1)+(1-ε)Var(Y,2) (14)
则混合比率表示为：
ε＝(4-a2)/3α2 (15)
可以看出ε＝1且α＝1时，BCGM为柯西分布形式，具有最大的拖尾概率；ε＝0且α＝2时，BCGM为高斯分布形式，其反映样本概率分布的拖尾程度最小。因此ε∈(0，1)的取值一定程度上反映了样本概率分布的拖尾程度。
BCGM分布的七段离散式概率取值如表4所示：
表4BCGM分布七段离散概率
Figure BDA0003139207420000091
步骤2：基于各风险源模型进行输电网层级供电不足风险评估，具体评估流程如图2所示。
电网的供电不足风险评估值定义为电网发生供电不足的概率与发生供电不去时的电网失负荷量的成绩的加和，同时考虑风电场出力预测误差概率、发电机实时运行状态概率、线路实时状态概率、常规负荷和有源配电网类型负荷的预测误差概率等五种风险因素建立电网频率风险评估模型，其具体的风险模型求取表示为：
Figure BDA0003139207420000092
式中：R为风险值；pgr(Eii)和pLr(Eii)分别为电网状态Ei下发电机集合和线路集合的实时状态概率；N、M和K分别为风场有功功率预测误差、常规负荷预测误差和有源配电网类型负荷预测误差离散化分段区间序号(N、M、K＝1,2,…,7)；
Figure BDA0003139207420000093
表示风电有功功率在第N个区间分段内的概率值；
Figure BDA0003139207420000094
为常规节点负荷在分段区间M内的概率值；
Figure BDA0003139207420000095
为有源配电网类型负荷在第K个区间分段内的概率值；Sev(Ei)为电网状态在Ei下的严重度，即为电网评估指标的严重程度。
利用非序贯性蒙特卡洛法模拟发电机集合和线路集合实时状态，每个元件的状态表示为：
Figure BDA0003139207420000096
式中：ESi代表元件i的状态，Di代表元件故障概率。Ri为针对每个元件在[0,1]区间内产生随机数。
假设电网有M个元件，则经抽样后可形成电网状态矢量
Figure BDA0003139207420000101
Figure BDA0003139207420000102
计算每个抽样状态下电网的期望失负荷量(EDNS，单位/MW)作为评估电网供电充裕度的风险指标，表示为：
Figure BDA0003139207420000103
式中：S为评估时间尺度内造成电网切负荷的事故集；Ck表示第k个事故状态失去的负荷，Pk为事故集S中第k个事故发生的概率。
负荷削减量Ck的求取采用基于直流最优潮流的负荷削减模型，以最小切负荷量为目标函数，有功潮流平衡为等式约束条件，发电机出力、线路潮流限制和节点负荷的切除量限制为不等式约束条件，建立线性优化方程组。其中，目标函数为：
Figure BDA0003139207420000104
目标函数的约束条件：
PL(Y)＝A(Y)(PG-PD+C) (21)
Figure BDA0003139207420000105
Figure BDA0003139207420000106
0≤Ci≤PDi i∈ND (24)
|PLk(Y)|≤PLkmax k∈NL (25)
式中：PL(Y)为电网状态选择为Y时各条线路有功潮流矢量；A(Y)是电网状态为Y时支路有功潮流和节点注入功率间的关系矩阵；PG为节点发电功率矢量；PD为节点负荷功率矢量；C为母线上负荷削减矢量；PGi为发电机i的有功功率；Ci为母线i负荷削减量；PDi为母线i上的有功负荷；ND为负荷节点母线集合；NG为发电机节点母线集合；NL为线路集合；
Figure BDA0003139207420000107
和
Figure BDA0003139207420000108
分别为发电机组i有功输出的最小值和最大值；PLk(Y)是电网Y状态下第k条输电的线路流过的有功潮流矢量；PLkmax为第k条线路的有功潮流传输最大限值。
步骤3：选定电网供电不足风险值与对应评估状态下风机运行工况的基值，将二者进行[0,1]区间上的规格化处理。
电网供电不足风险基值的选取容量为电网旋转事故备用容量，其值不小于在单一事故中可能损失的发电容量，根据经验规定一般取电网最大发电负荷的8％～10％左右。电网供电不足风险值经过规格化处理后规格化指标表示为：
Figure BDA0003139207420000111
式中：EDNS为电网供电不足指标值；SB是风险评估过程所取的电网容量基准值；SEB为风险指标规格化参考基值；GEDNS即为风险评估指标的规格化结果。
风电机组的频率响应能力与风速条件和风力发电机的运行状态有关，定减载模式运行状态下风机频率响应能力取决于风速条件，利用MPPT模式下所对应的额定功率求解出的风速条件可保证风机具有较强的频率响应能力，因此风电频率响应能力基值的计算为：
Figure BDA0003139207420000112
Figure BDA0003139207420000113
式中：Pmppt是风电机组最佳追踪功率；ρ为空气密度；Dw为风轮直径；v为当前风速；Cpmax为风能最佳利用系数；vr是风机响应能力规格化参考值；Sw是风机的额定有功输出。
风机频率响应能力规格化指标表达为：
Figure BDA0003139207420000114
步骤4：确定各变量模糊集并选取模糊输入隶属函数，设计模糊推理规则确定各二维变量对于各象限的隶属度。
步骤4.1：选取二维变量的模糊集与隶属度函数。
进行模糊推理前需要将电网的调频需求和风机自身响应能力的规格化指标在各自论域内进行模糊概念的定量化描述，即将“电网调频需求高低”、“风电响应能力高低”用相应的模糊集合定义，并确定其对于各自模糊集合的隶属度。
根据象限划分前提将各变量的模糊集划分为“高、低”两个等级，即电网调频需求模糊集记为A＝(高需求，低需求)，风电频率响应能力模糊集记为B＝(高响应，低响应)；
在各模糊集上建立隶属度函数，使各变量在模糊集中的模糊概念描述转化为对应的隶属度来表示。根据经验，选用S状和Z状隶属函数分别对电网调频需求规格化指标、风电机组频率响应能力规格化指标进行模糊论域上的定量描述。其中S状函数用于定量描述评价变量位于高需求(高响应)区间的隶属度，表示为smf(x，[a1,b1])，参数a1和b1分别为隶属度为0和1时输入变量临界值；而Z状隶属函数用于描述变量处于低需求(低响应)区间的隶属度，表示为zmf(x，[a2,b2])，参数a2和b2则为变量隶属度为1和0时的临界值。
步骤4.2：基于Mamdani推理系统设计二维变量模糊推理规则确定各组变量对于四个象限的隶属度；
假设Lfm和Hfm分别表示电网低需求和高需求的隶属函数；Lwm和Hwm分别表示风电机组低响应和高响应能力的隶属函数；a、b、c和d分别表示二维规格化指标在各自对应隶属函数条件下隶属于低需求(低响应)或高需求(高响应)的隶属度，如表5所示：
表5：二维变量象限划分隶属度
Figure BDA0003139207420000121
取各变量评价语言集中的最小隶属度值作为其所划分象限的隶属度。设output1、output2、output3和output4分别为模糊输入变量对于象限一、二、三和四的隶属程度的输出值，则根据Mamdani推理的最小值逻辑规则可得output1＝min(b,d)；output2＝min(b,c)；output3＝min(a,c)；output4＝min(a,d)，对应的模糊推理规则为：
(1)IF(电网调频需求是“Hfm”)AND(风电响应能力是“Hwm”)Then(输出output1是“第一象限”)；
(2)IF(电网调频需求是“Hfm”)AND(风电响应能力是“Lwm”)Then(输出output2是“第二象限”)；
(3)IF(电网调频需求是“Lfm”)AND(风电响应能力是“Lwm”)Then(输出output3是“第三象限”)；
(4)IF(电网调频需求是“Lfm”)AND(风电响应能力是“Hwm”)Then(输出output4是“第四象限”)。
步骤5：将[0,1]区间四等分，各子区间依次对应四个象限。确定各象限模糊输出隶属函数，并将步骤4.2中二维变量对于各象限的隶属读映射到各子区间的输出隶属函数中，通过“面积平均法”进行去模糊化处理求解模糊输出系统的准确输出值。根据输出值所属的子区间可判别二维变量的所属象限。
各子区间的输出隶属函数选取梯形函数：
trapmf(x，[a b c d]) (30)
式中：a、b、c和d是trapmf函数的形状参数。
求出模糊输出的隶属函数曲线与横坐标轴所围成的面积，然后求解出将所围面积等分成两份的平分线所对应的横坐标值作为去模糊化的输出结果，具体表达为：
Figure BDA0003139207420000131
式中：l为模糊推理规则数，μBi为输出变量各象限的隶属度函数，xi为各象限的输出变量，ai和bi分别为第i条模糊规则下模糊输出变量区间的上下限。
所设计模糊系统的具体推理过程示意图如图7所示。
工程实施例一：
本实施例以IEEE RTS-79可靠性测试系统为例，对本发明的具体实现过程进行进一步说明，图3为该系统拓扑结构示意图。在输电网16节点接入风电场(装机容量为712.2MW)取代原155MW发电机组，并将13节点设置为有源配电网类型负荷。其中有源配电网类型负荷设置为20个IEEE18节点配网，单个配网的最大总负荷量为11.6MW+j7.59Mvar，光伏发电(装机容量为48.6MW)接入IEEE18节点配网的3节点处。
风场出力的预测样本和实际样本数据取自Elia电网2016年比利时地区的海上风场，光伏出力预测和实际样本取自Elia电网2016年比利时Brussel地区的光伏发电，且均以15min为一个采样周期。
选取风场各出力区间内的预测误差概率模型。将风场出力范围划分为[0,140]、[140,280]、[280,420]、[420,560]和[560,700]五个区间，利用Matlab中DistributionFitter工具箱对各区间内的预测误差分别进行概率模型拟合，并求取拟合参数。在各出力预测区间内选择拟合效果最佳的概率函数描述风电出力预测误差概率分布。不同区间内各类型概率函数的拟合效果分别如图4(a)-图4(e)所示，可以看出在各出力预测区间内拟合效果最佳的概率模型依次是TLS分布、正态分布、Logistic分布、Logistic分布和TLS分布。
求解有源配电网类型负荷预测误差的BCGM分布模型，并对比不同类型概率分布函数对误差样本的描述效果。根据全局潮流主从分裂算法求解出有源配电网类型负荷预测误差样本，其BCGM分布的参数估计如表6所示，对应的分布函数表达为：
Figure BDA0003139207420000141
表6BCGM分布参数估计结果
Figure BDA0003139207420000142
该分布对误差样本的整体拟合效果以及左、右尾部的拟合效果如图5(a)-图5(c)所示。由拟合效果图可知单一正态分布不能有效描述主动配电网类型负荷预测误差的概率分布情况，而BCGM分布则具有最佳的拟合效果，且其具有最明显的拖尾特性，对样本左右尾部的描述效果也最优。
基于求解出的风险源概率模型进行输电网层级的供电不足风险评估。热备用机组的启动成功率为0.999001，燃气机组启动成功率为0.804878，额定容量小于100MW的发电机组调差系数设置为5％，而额定容量为100MW以上发电机组的调差系数设为3％，评估中的负荷和潮流数据均采用标幺值。
基于某日的日前发电计划，风场预测出力样本和24h内负荷预测情况求解出电网一天内的供电不足风险值曲线如图6所示。
本发明的实施例达到了如下技术效果：本发明提出的电网供电不足风险评估算法综合考虑了源-网-荷侧的多种风险源模型。其中风场的出力预测误差概率模型采用了分区间描述的方法，比传统单一的概率分布更能准确描述误差样本的分布情况；基于输配全局潮流主从分裂算法负荷出力预测误差概率模型分为了常规类型负荷与有源配电网类型负荷，构造输配电网并基于输配电网的全局潮流主从分裂算法求解了有源配电网类型负荷的预测误差样本，最后利用BCGM模型描述有源配电网类型负荷预测误差的概率分布，该分布可有效反映光伏接入配网后其出力不确定性造成的输电网负荷预测误差出现的尖峰特性。
电网的供电不足风险表征了电网的调频需求，针对电网调频需求和对应时刻风机的运行工况进行二者状态的划分可为进一步指导风机参与电网调频做基础。本专利将二者划分为四个象限，由于各象限之间的边界并不是脆性的而是具有一定的不确定性，因此从二维变量的模糊推理角度出发，基于Mamdani模糊推理法构造模糊系统进行电网调频需求与风电频率响应能力的象限划分。
工程实施例二：
基于工程实施例一中的电网供电不足风险评估结果以及对应时刻风机的运行工况，并分别进行规格化处理。本工程实施例中风险参考基值取IEEE-RTS79电网的事故旋转备用容量，取电网最大装机容量的10％约为300MW，风机运行工况的参考基值取11.2m/s。
基于Fuzzy工具箱将二维变量规格化指标输入模糊推理系统，推理确定其象限划分情况。其中二维变量的输入隶属函数参数如表7所示，四象限隶属度在四个子区间的输出隶属函数参数如表8所示，模糊推理系统的模糊输出表面如图8所示。
表7：二维变量的隶属函数参数选择
Figure BDA0003139207420000151
表8：各象限的输出隶属函数参数
Figure BDA0003139207420000152
针对四个象限分别挑选对应的场景进行模糊推理，四个象限的模糊推理结果如图9(a)-图9(d)所示。
第一象限场景：电网供电不足的风险评估值为220.843MW，风机运行工况为10m/s，二者的规格化指标分别为0.736和0.909，模糊系统的输出结果为0.13∈[0,0.25]，隶属于第一象限所对应区间内，因此该场景下的二维变量模糊划分结果为第一象限，比较符合实际的场景划分需求。
第二象限场景：电网供电不足的风险评估值为258.88MW，风机运行工况为7.5m/s，二者的规格化指标分别为0.8629和0.668，模糊系统的输出结果为0.31∈[0.25,0.5]，隶属于第二象限所对应区间内，因此该场景下的二维变量模糊划分结果为第二象限，符合实际象限划分的要求。
第三象限场景：电网供电不足的风险评估值为128.7MW，风机运行工况为6.8m/s，二者的规格化指标分别为0.429和0.607,输出结果为0.6∈[0.5,0.75]，隶属于第三象限所对应区间内，因此该场景下的二维变量模糊划分结果为第三象限，推理结果符合实际的划分需求。
第四象限场景：电网供电不足的风险评估值为37.143MW，风机运行工况为10.36m/s，二者的规格化指标分别为0.1061和0.925，输出结果为0.87∈[0.75,1]，隶属于第四象限所对应区间内，因此该场景下的二维变量模糊划分结果属于第四象限，也符合变量的实际划分需求。
实施例2：
本公开实施例2提供了一种适应电网调频需求的风电响应能力状态划分系统，包括：
数据获取模块，被配置为：获取输电网和风机的参量数据；
风险评估模块，被配置为：根据获取的参量数据和预设风险源的概率模型，进行输电网层级供电不足风险评估；
规格化处理模块，被配置为：对风险评估结果和对应时刻的风机运行工况进行预设区间内的规格化处理，分别表征电网的调频需求和风机频率响应能力；
隶属度获取模块，被配置为：将电网的调频需求和风机频率响应能力进行模糊概念的定量化描述，根据象限划分特征确定二维变量模糊集并选取输入隶属函数，基于Mamdani模糊系统设计推理规则求解二维变量对于各象限的隶属度；
象限判断模块，被配置为：将预设区间四等分且各子区间与各象限依次对应，确定各子区间内输出隶属函数并将各象限的隶属度映射到各子区间内，通过去模糊化处理求解模糊系统准确输出，根据输出值所属区间判别二维变量所属象限。
实施例3：
本公开实施例3提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例1所述的适应电网调频需求的风电响应能力状态划分方法中的步骤。
实施例4：
本公开实施例4提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例1所述的适应电网调频需求的风电响应能力状态划分方法中的步骤。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开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和光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、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。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种适应电网调频需求的风电响应能力状态划分方法，其特征在于：包括以下过程：
获取输电网和风机的参量数据；
根据获取的参量数据和预设风险源的概率模型，进行输电网层级供电不足风险评估；
对风险评估结果和对应时刻的风机运行工况进行预设区间内的规格化处理，分别表征电网的调频需求和风机频率响应能力；
将电网的调频需求和风机频率响应能力进行模糊概念的定量化描述，根据象限划分特征确定二维变量模糊集并选取输入隶属函数，基于Mamdani模糊系统设计推理规则求解二维变量对于各象限的隶属度；
将预设区间四等分且各子区间与各象限依次对应，确定各子区间内输出隶属函数并将各象限的隶属度映射到各子区间内，通过去模糊化处理求解模糊系统准确输出，根据输出值所属区间判别二维变量所属象限。
2.如权利要求1所述的适应电网调频需求的风电响应能力状态划分方法，其特征在于：
预设风险源的概率模型包括：发电机组集合和线路集合的实时状态概率模型、风电场出力预测误差概率模型、常规静态负荷预测误差概率模型以及计及光伏接入配网的有源配电网类型负荷预测误差概率模型。
3.如权利要求1所述的适应电网调频需求的风电响应能力状态划分方法，其特征在于：
发电机组和线路集合的实时状态概率模型基于Markov两状态转移过程求解；
风电场出力预测误差概率模型采用分区间描述的方法，依次对比正态分布、TLS分布和Logistic分布对各出力区间的预测样本的描述效果，选取最优分布函数；
常规负荷预测误差概率模型采用正态分布描述；
有源配电网类型负荷预测误差模型采用双参数柯西-高斯混合分布描述。
4.如权利要求1所述的适应电网调频需求的风电响应能力状态划分方法，其特征在于：
将各连续型的风险源概率模型进行七段离散化处理，并采用蒙特卡洛法模拟电网状态，利用直流最优潮流算法求解电网供电不足风险指标：
电网的供电不足风险指标定义为所有供电不足事件发生的概率与事件后最小期望切负荷量的乘积的加和。
5.如权利要求1所述的适应电网调频需求的风电响应能力状态划分方法，其特征在于：
分别将电网的风险评估结果和风机运行工况进行预设区间内的规格化处理：
风机在定减载运行模式下，实际运行工况反映频率响应能力；
选取电网供电不足风险值和风电响应能力评估基值，其中电网供电不足风险基值选取电网旋转备用容量，风电响应能力基值取风机在MPPT曲线下有功出力达到额定值时对应的风速。
6.如权利要求1所述的适应电网调频需求的风电响应能力状态划分方法，其特征在于：
将电网的调频需求规格化指标和风机自身响应能力规格化指标在各自论域内进行模糊概念的定量化描述，并确定其对于各自模糊集合的隶属度：
在象限划分前提将各变量的模糊集划分为两个评语集；
选定S状和Z状函数作为电网调频需求与风电响应能力的二维变量模糊输入隶属度函数，确定各输入变量对于各自模糊集合的隶属度。
7.如权利要求1所述的适应电网调频需求的风电响应能力状态划分方法，其特征在于：
基于Mamdani模糊系统设计模糊推理规则求解各输入二维变量相对于各象限的隶属度，模糊推理规则的逻辑为各二维变量对于各象限的隶属度取决于各变量对于每一个象限隶属度的最小值；
或者，
将预设区间四等分，各子区间依次对应四个象限，选用梯形隶属函数作为各子区间内的模糊输出隶属函数，并将二维变量对于各象限的隶属度输出值映射到各自对应的隶属函数中；
或者，
利用面积平均法对各子区间的模糊输出进行去模糊化处理求解模糊输出准确值，根据去模糊化输出结果所属区间判别输入变量所属象限。
8.一种适应电网调频需求的风电响应能力状态划分系统，其特征在于：包括：
数据获取模块，被配置为：获取输电网和风机的参量数据；
风险评估模块，被配置为：根据获取的参量数据和预设风险源的概率模型，进行输电网层级供电不足风险评估；
规格化处理模块，被配置为：对风险评估结果和对应时刻的风机运行工况进行预设区间内的规格化处理，分别表征电网的调频需求和风机频率响应能力；
隶属度获取模块，被配置为：将电网的调频需求和风机频率响应能力进行模糊概念的定量化描述，根据象限划分特征确定二维变量模糊集并选取输入隶属函数，基于Mamdani模糊系统设计推理规则求解二维变量对于各象限的隶属度；
象限判断模块，被配置为：将预设区间四等分且各子区间与各象限依次对应，确定各子区间内输出隶属函数并将各象限的隶属度映射到各子区间内，通过去模糊化处理求解模糊系统准确输出，根据输出值所属区间判别二维变量所属象限。
9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的适应电网调频需求的风电响应能力状态划分方法中的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的适应电网调频需求的风电响应能力状态划分方法中的步骤。
CN202110730610.7A 2021-06-29 2021-06-29 适应电网调频需求的风电响应能力状态划分方法及系统 Active CN113381447B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110730610.7A CN113381447B (zh) 2021-06-29 2021-06-29 适应电网调频需求的风电响应能力状态划分方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110730610.7A CN113381447B (zh) 2021-06-29 2021-06-29 适应电网调频需求的风电响应能力状态划分方法及系统

Publications (2)

Publication Number Publication Date
CN113381447A true CN113381447A (zh) 2021-09-10
CN113381447B CN113381447B (zh) 2022-07-08

Family

ID=77580013

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110730610.7A Active CN113381447B (zh) 2021-06-29 2021-06-29 适应电网调频需求的风电响应能力状态划分方法及系统

Country Status (1)

Country Link
CN (1) CN113381447B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117348383A (zh) * 2023-12-04 2024-01-05 广州泛美实验室系统科技股份有限公司 基于实验室环境监测的通风柜变风量控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105305489A (zh) * 2015-10-23 2016-02-03 天津大学 一种电网需求侧响应资源频率响应能力评估方法
US20160169202A1 (en) * 2013-05-03 2016-06-16 State Grid Corporation Of China Short-term operation optimization method of electric power system including large-scale wind power
CN110768302A (zh) * 2019-08-13 2020-02-07 华北电力大学 一种区域电网消纳可再生能源能力评估及调控方法
CN111181199A (zh) * 2020-02-17 2020-05-19 江苏方天电力技术有限公司 协调风电机组调频能力的风电场功率分配方法、系统、计算机设备和存储介质
CN111276973A (zh) * 2020-03-09 2020-06-12 国网江苏省电力有限公司 一种计及风功率波动的电力系统惯量需求评估的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160169202A1 (en) * 2013-05-03 2016-06-16 State Grid Corporation Of China Short-term operation optimization method of electric power system including large-scale wind power
CN105305489A (zh) * 2015-10-23 2016-02-03 天津大学 一种电网需求侧响应资源频率响应能力评估方法
CN110768302A (zh) * 2019-08-13 2020-02-07 华北电力大学 一种区域电网消纳可再生能源能力评估及调控方法
CN111181199A (zh) * 2020-02-17 2020-05-19 江苏方天电力技术有限公司 协调风电机组调频能力的风电场功率分配方法、系统、计算机设备和存储介质
CN111276973A (zh) * 2020-03-09 2020-06-12 国网江苏省电力有限公司 一种计及风功率波动的电力系统惯量需求评估的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CHEN XU 等: "Wide-area synthetic inertia control of multiple resources incorporating primary frequency control of wind turbines", 《2018 INTERNATIONAL SEMINAR ON COMPUTER SCIENCE AND ENGINEERING TECHNOLOGY (SCSET 2018)》 *
XINGQUAN JI 等: "Distributionally Multi-level Co-optimization Dispatch Considering Primary and Secondary Frequency Regulation", 《2020 IEEE/IAS INDUSTRIAL AND COMMERCIAL POWER SYSTEM ASIA (I&CPS ASIA)》 *
彭勃 等: "考虑风速分区的风-储系统短期频率响应协同控制策略", 《电力系统自动化》 *
温玉琦: "一种基于数据驱动与物理模型融合的含风电系统频率响应分析方法", 《广东电力》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117348383A (zh) * 2023-12-04 2024-01-05 广州泛美实验室系统科技股份有限公司 基于实验室环境监测的通风柜变风量控制方法
CN117348383B (zh) * 2023-12-04 2024-03-12 广州泛美实验室系统科技股份有限公司 基于实验室环境监测的通风柜变风量控制方法

Also Published As

Publication number Publication date
CN113381447B (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
Ke et al. A novel probabilistic optimal power flow model with uncertain wind power generation described by customized Gaussian mixture model
CN110854932B (zh) 一种交直流配电网多时间尺度优化调度方法及系统
US20230037193A1 (en) Wind power output interval prediction method
CN105279707B (zh) 一种综合考虑负荷与风电时序特性的随机生产模拟方法
CN109034587B (zh) 一种协调多种可控单元的主动配电系统优化调度方法
Wang et al. Coordinated dispatch of networked energy storage systems for loading management in active distribution networks
CN107834540B (zh) 一种基于概率约束的分布式光伏接入容量的确定方法
CN113381447B (zh) 适应电网调频需求的风电响应能力状态划分方法及系统
CN115345380A (zh) 一种基于人工智能的新能源消纳电力调度方法
Oladeji et al. Density-based clustering and probabilistic classification for integrated transmission-distribution network security state prediction
CN113128005B (zh) 基于动态特性电网节点聚类及频率安全分析方法及系统
Ilyas et al. Optimal Power Flow Model Integrated Electric Power System with Wind Power Generation-Case Study: Electricity System South Sulawesi-Indonesia.
CN111525556B (zh) 一种计及风电置信风险的多目标最优潮流计算方法
Wang et al. Mvmo-based identification of key input variables and design of decision trees for transient stability assessment in power systems with high penetration levels of wind power
Liu et al. An AGC dynamic optimization method based on proximal policy optimization
CN116937685A (zh) 一种基于安全域的可再生能源电网时间序列生产模拟方法
CN115296345B (zh) 一种燃气发电机组启停-出力-备用联合优化方法及装置
Gholami-Rahimabadi et al. Multiple-deme parallel genetic algorithm based on modular neural network for effective load shedding
Ghosh et al. Reliability evaluation and enhancement of microgrid incorporating the effect of distributed generation
CN115133540A (zh) 一种配电网无模型的实时电压控制方法
CN109787217A (zh) 基于风电多状态模型及机会成本修正的备用出清方法
Wang et al. A new improved combined model algorithm for the application of photovoltaic power prediction
Yang et al. Offshore Wind Power Prediction Based on Variational Mode Decomposition and Long Short Term Memory Networks
Feng et al. Distributed risk-averse approximate dynamic programming algorithm for stochastic economic dispatch of power system with multiple offshore wind farms
Wang et al. Multi-objective evaluation of wind power acceptable capacity based on statistical characterisation

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