CN113972669B - 一种发电机组一次调频动态调节能力在线预测方法 - Google Patents
一种发电机组一次调频动态调节能力在线预测方法 Download PDFInfo
- Publication number
- CN113972669B CN113972669B CN202111282356.5A CN202111282356A CN113972669B CN 113972669 B CN113972669 B CN 113972669B CN 202111282356 A CN202111282356 A CN 202111282356A CN 113972669 B CN113972669 B CN 113972669B
- Authority
- CN
- China
- Prior art keywords
- frequency modulation
- primary frequency
- dynamic adjustment
- primary
- disturbance
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000009471 action Effects 0.000 claims description 30
- 230000001105 regulatory effect Effects 0.000 claims description 24
- 238000012706 support-vector machine Methods 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 9
- 230000003828 downregulation Effects 0.000 claims description 6
- 230000003827 upregulation Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 230000033228 biological regulation Effects 0.000 abstract description 4
- 230000002265 prevention Effects 0.000 abstract description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
本发明涉及网源协调技术领域,具体涉及一种发电机组一次调频动态调节能力在线预测方法,该方法将WAMS系统中的一次调频动作时间分成高频扰动和低频扰动两类事件,并根据不同的事件分类,对不同时刻的一次调频动作进行建模。目的在于实现了电机一次调频动态调节能力在线预测方法,实现一次调频能力在线预警,辅助调度运行人员进行频率紧急控制,提升电网频率风险防控能力。
Description
技术领域
本发明属于网源协调技术领域,具体涉及一种发电机组一次调频动态调节能力在线预测方法。
背景技术
随着我国跨区电网的大规模互联、特高压交直流混联电网逐渐成形及新能源发电占比大幅提升,电网频率稳定风险日益凸显。发电机组一次调频响应速度快、是实现频率调节的首要措施,对电网的频率稳定和恢复具有重要作用。
一次调频作为具备调速器的发电机组的基本功能,其一定频差下的调节能力与机组运行方式、煤质状况、锅炉压力、控制系统精度等众多因素相关,是一个动态变化量。因此,若按照一次调频函数计算得到的响应能力指标往往与实际值存在较大偏差,难以真实反映机组一次调频的动态调节性能。通常,电网发生事故扰动引起系统频率大幅波动后,调度运行人员首先最为关心的是机组一次调频的能力是否足够,可用机组受当前运行工况约束的一次调频最大功率调节量与一次调频理论功率调节量的比值百分数表示,该指标反映了一次调频的动态调节能力。若一次调频调节指数不够,调度运行人员则要及时考虑启动其它调频资源促使频率快速恢复到目标值,避免发生频率失稳事故。
因此,研究发电机一次调频动态调节能力在线预测方法对于实现一次调频能力在线预警,辅助调度运行人员进行频率紧急控制,提升电网频率风险防控能力具有重要意义。
发明内容
为了解决上述问题,本发明提供了一种发电机组一次调频动态调节能力在线预测方法,。
本发明所采用的技术方案是:一种发电机组一次调频动态调节能力在线预测方法,包括以下步骤:
S1:测试样本选取;从WAMS系统中提取若干待预测机组的一次调频动作事件信息,记录每次事件中待预测机组的一次调频动作持续时间、有功功率序列、机组频率序列、系统频率序列、调门/导叶开度序列、汽轮机主汽压力序列;
S2:样本分组;根据系统中所记录的一次调频动作后机组的频差正负,对所提取的若干待预测机组的一次调频动作事件信息进行分类,分为低频扰动一次调频事件和高频扰动一次调频事件,形成低频扰动一次调频样本和高频扰动一次调频样本;
S3:构建预测模型;以步骤S1中记录的一次调频动作事件信息作为输入,使用支持向量机回归模型,输出一次调频动态调节能力指数,并采用步骤S1中的部分一次调频动作事件信息作为训练样本集,步骤S1中的另一部分一次调频动作事件信息作为测试样本集,最终构建不同频率扰动下不同时刻的一次调频动态调节能力指数模型;
S4:在线预测;从WAMS系统中在线实时提取待预测机组的输入特征量数据,代入步骤S3所构建的模型中,即可得到该时刻下,待预测机组一次调频动态调节能力指数,并输出预测结果。
优选的,步骤S3中,分别构建15s、30s、60s三个时刻对应的机组一次调频动态调节能力指数模型,具体方法为:
构建15s一次调频动态调节能力指数模型时,输入15s相应的特征量数据,形成15s一次调频动态调节能力指数模型;
构建30s一次调频动态调节能力指数模型时,输入30s相应的特征量数据以及15s一次调频动态调节能力指数,形成30s一次调频动态调节能力指数模型;
构建60s一次调频动态调节能力指数模型时,输入60s相应的特征量数据以及15s、30s一次调频动态调节能力指数,形成60s一次调频动态调节能力指数模型。
优选的,步骤S1中,所选取的待预测机组的一次调频动作事件信息的一次调频动作持续时间不小于60s。
优选的,步骤S2中,形成低频扰动一次调频样本和高频扰动一次调频样本中,两类样本的数量均不小于500个。
优选的,步骤S3中,构建的低频扰动一次调频动态调节能力指数模型中,输入特征量数据有:发电机有功功率初值、频率初值、最低频率、调门/导叶开度初值、调门/导叶开启方向最大调整量、有功功率上调备用、汽轮机主汽压力初值、低频扰动频差;
构建的高频扰动一次调频动态调节能力指数模型中,输入特征量数据有:发电机有功功率初值、频率初值、最高频率、调门/导叶开度初值、调门/导叶关闭方向最大调整量、有功功率下调备用、汽轮机主汽压力初值、高频扰动频差。
优选的,所述的调门/导叶开启方向最大调整量为调门/导叶开度的上限值与调门/导叶开度初值的差值,所述的调门/导叶关闭方向最大调整量为调门/导叶开度初值与调门/导叶开度的下限值的差值;所述的有功功率上调备用为低频扰动一次调频时间中机组有功功率与发电机有功功率初值的差值,所述有功功率下调备用为发电机有功功率初值与高频扰动一次调频事件中机组有功功率的差值。
优选的,所述低频扰动频差为频率初值与最低频率之间的差值,所述高频扰动频差为最高频率与频率初值之间的差值。
优选的,对于步骤S3中样本的输入和输出数据,均进行归一化处理;作为训练样本集和测试样本集的一次调频动作事件信息的比例为7:3。
优选的,步骤S3中,采用粒子群优化算法确定最佳的支持向量机回归模型参数,从而得到不同频率扰动下不同时刻的一次调频动态调节能力指数的支持向量机回归预测模型。
优选的,步骤S3中所述的不同频率扰动,包括高频扰动和低频扰动,所述的不同时刻的一次调频动态调节能力指数模型包括15s、30s、60s三个时刻所对应的一次调频动态调节能力指数。
本发明的有益之处在于:
1)本发明根据系统中的一次调频动作事件信息,将其分成高频扰动和低频扰动两类事件,并根据不同的事件分类,对不同时刻的一次调频动作进行建模,从而实现了电机一次调频动态调节能力在线预测方法,实现一次调频能力在线预警,辅助调度运行人员进行频率紧急控制,提升电网频率风险防控能力,具有重要意义;
2)本发明的方法采用支持向量机回归模型,构建一次调频动态调节能力指数模型,与传统的机理建模仿真方法相比,支持向量机回归模型具有建模简单,计算量小、速度快、自学习能力强和对运行方式适应能力强的优点。
附图说明
图1为本发明在线预测方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,为一种发电机组一次调频动态调节能力在线预测方法流程图,该方法具体包括以下步骤:
S1:测试样本选取;从WAMS系统中提取若干待预测机组的一次调频动作事件信息,记录每次事件中待预测机组的一次调频动作持续时间△ti(△ti=tn-t1)、有功功率序列{Pi(tj)}、机组频率序列{fi(tj)}、系统频率序列{fsi(tj)}、调门/导叶开度序列{μi(tj)}、汽轮机主汽压力序列(针对火电机组){pri(tj)};其中i表示事件编号(1<=i<=N),j表示一次调频动作时段对应的第j个时刻(1<=j<=n);其中△ti需满足大于等于60s。
S2:样本分组;根据系统中所记录的一次调频动作后机组的频差正负(频差正负可直接从系统中所记录的值中进行判断),对所提取的若干待预测机组的一次调频动作事件信息进行分类,也即频差为正的分为一类,频差为负的分为一类,分为低频扰动(对应频差为负)一次调频事件和高频扰动(对应频差为正)一次调频事件,形成低频扰动一次调频样本和高频扰动一次调频样本,为了后续训练的准确性,本实施例中,两类样本的数量分别为NL>=500(高频扰动)、NH>=500(低频扰动);
S3:构建预测模型;以步骤S1中记录的一次调频动作事件信息作为输入,使用支持向量机回归模型,输出一次调频动态调节能力指数,并采用步骤S1中的部分一次调频动作事件信息作为训练样本集,步骤S1中的另一部分一次调频动作事件信息作为测试样本集,本实施例中,作为训练样本集和测试样本集的一次调频动作事件信息的比例为7:3,最终构建不同频率扰动下不同时刻的一次调频动态调节能力指数模型。
构建的低频扰动一次调频动态调节能力指数模型中,输入特征量数据有:发电机有功功率初值PG0、频率初值fG0、最低频率fGmin、调门/导叶开度初值μ0、调门/导叶开启方向最大调整量μmax-μ0、有功功率上调备用PGmax-PG0、汽轮机主汽压力初值p0(水电不考虑)、低频扰动频差△fG低;
构建的高频扰动一次调频动态调节能力指数模型中,输入特征量数据有:发电机有功功率初值PG0、频率初值fG0、最高频率fGmax、调门/导叶开度初值μ0、调门/导叶关闭方向最大调整量μ0-μmin、有功功率下调备用PG0-PGmin、汽轮机主汽压力初值p0(水电不考虑)、高频扰动频差△fG高。
其中,PGmax、μmax分别为低频扰动一次调频时间中机组有功功率、调门/导叶开度的上限;PGmin、μmin分别为高频扰动一次调频事件中机组有功功率、调门/导叶开度的下限;对于低频扰动一次调频事件样本,△fG低=fG0-fGmin;对于高频扰动一次调频事件样本,△fG高=fGmax-fG0。也即所述的调门/导叶开启方向最大调整量为调门/导叶开度的上限值与调门/导叶开度初值的差值,所述的调门/导叶关闭方向最大调整量为调门/导叶开度初值与调门/导叶开度的下限值的差值;所述的有功功率上调备用为低频扰动一次调频时间中机组有功功率与发电机有功功率初值的差值,所述有功功率下调备用为发电机有功功率初值与高频扰动一次调频事件中机组有功功率的差值。
所述低频扰动频差为频率初值与最低频率之间的差值,所述高频扰动频差为最高频率与频率初值之间的差值。
进一步的技术方案是,对于样本的输入和输出数据,均进行归一化处理,处理公式如下:
式中,X={xi}(i=1,2,…,N)为输入或输出特征量构成的序列;xi_new为元素xi进行归一化处理后的值。也即有几组输入或输出特征量,则均需对这几组输入或输出特征量进行归一化处理,归一化处理为现有技术,不再赘述。
本实施例中,优选对三个时刻(15s、30s、60s)所对应的机组一次调频动态调节能力指数O15、O30、O60作为目标输出。
式中,PG15、PG30、PG60分别为样本事件中15s、30s、60s三个时刻机组的有功功率;fG15、fG30、fG60分别为样本事件中15s、30s、60s三个时刻机组的频率;δ、PGN分别为机组的转速不等率和额定有功功率。
以O15作为目标输出,输入上述的特征量数据,形成输入输出数据样本,并按照7:3的比例划分训练样本集和测试样本集,使用支持向量机回归模型进行训练及测试。采用粒子群优化算法确定最佳的支持向量机回归模型参数,分别得到低频、高频扰动下15s时刻一次调频动态调节能力指数的支持向量机回归预测模型。
以O30作为目标输出,同时将相应的特征量数据以及O15作为输入,形成输入输出数据样本,同理可得到低频、高频扰动下30s时刻一次调频动态调节能力指数的支持向量机回归预测模型。
以O60作为目标输出,同时将相应的特征量数据以及O15、O30作为输入,同理可得到低频、高频扰动下60s时刻一次调频动态调节能力指数的支持向量机回归预测模型。
S4:在线预测;从WAMS系统中在线实时提取待预测机组的输入特征量数据,进行归一化处理后,根据频率扰动类型,代入步骤S3所构建的模型中,即可得到该时刻下,待预测机组一次调频动态调节能力指数(15s、30s、60s),并输出预测结果。
以某额定有功功率为1050MW燃煤机组为例,其一次调频转速死区为±2r/min,转速不等率为5%,在CCS+DEH一次调频方式下,进行±4~±8r/min的转速扰动阶跃试验,将试验前预测得到的一次调频动态调节能力指数与实测得到的一次调频动态调节能力指数进行对比以验证预测的准确性,对比结果如下:
从以上对比结果可以看出,6种工况下的预测误差的绝对值最大为4.22%,能够满足工程应用需要。
上述实施方式是优选的实施方式,应当指出的是,上述优选实施方式不应视为对发明的限制,本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说,在不脱离本发明的精神和范围内,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种发电机组一次调频动态调节能力在线预测方法,其特征在于,包括以下步骤:
S1:测试样本选取;从WAMS系统中提取若干待预测机组的一次调频动作事件信息,记录每次事件中待预测机组的一次调频动作持续时间、有功功率序列、机组频率序列、系统频率序列、调门/导叶开度序列、汽轮机主汽压力序列;
S2:样本分组;根据系统中所记录的一次调频动作后机组的频差正负,对所提取的若干待预测机组的一次调频动作事件信息进行分类,分为低频扰动一次调频事件和高频扰动一次调频事件,形成低频扰动一次调频样本和高频扰动一次调频样本;
S3:构建预测模型;以步骤S1中记录的一次调频动作事件信息作为输入,使用支持向量机回归模型,输出一次调频动态调节能力指数,并采用步骤S1中的部分一次调频动作事件信息作为训练样本集,步骤S1中的另一部分一次调频动作事件信息作为测试样本集,最终构建不同频率扰动下不同时刻的一次调频动态调节能力指数模型;
S4:在线预测;从WAMS系统中在线实时提取待预测机组的输入特征量数据,代入步骤S3所构建的模型中,即可得到该时刻下,待预测机组一次调频动态调节能力指数,并输出预测结果;
步骤S3中,构建的低频扰动一次调频动态调节能力指数模型中,输入特征量数据有:发电机有功功率初值、频率初值、最低频率、调门/导叶开度初值、调门/导叶开启方向最大调整量、有功功率上调备用、汽轮机主汽压力初值、低频扰动频差;构建的高频扰动一次调频动态调节能力指数模型中,输入特征量数据有:发电机有功功率初值、频率初值、最高频率、调门/导叶开度初值、调门/导叶关闭方向最大调整量、有功功率下调备用、汽轮机主汽压力初值、高频扰动频差;
对三个时刻所对应的机组一次调频动态调节能力指数O 15、O 30、O 60作为目标输出:
式中,P G0为发电机有功功率初值,P G15、P G30、P G60分别为样本事件中15s、30s、60s三个时刻机组的有功功率;f G0为频率初值,f G15、f G30、f G60分别为样本事件中15s、30s、60s三个时刻机组的频率;δ、P GN分别为机组的转速不等率和额定有功功率。
2.根据权利要求1所述的发电机组一次调频动态调节能力在线预测方法,其特征在于:步骤S3中,分别构建15s、30s、60s三个时刻对应的机组一次调频动态调节能力指数模型,具体方法为:
构建15s一次调频动态调节能力指数模型时,输入15s相应的特征量数据,形成15s一次调频动态调节能力指数模型;
构建30s一次调频动态调节能力指数模型时,输入30s相应的特征量数据以及15s一次调频动态调节能力指数,形成30s一次调频动态调节能力指数模型;
构建60s一次调频动态调节能力指数模型时,输入60s相应的特征量数据以及15s、30s一次调频动态调节能力指数,形成60s一次调频动态调节能力指数模型。
3.根据权利要求1所述的发电机组一次调频动态调节能力在线预测方法,其特征在于:步骤S1中,所选取的待预测机组的一次调频动作事件信息的一次调频动作持续时间不小于60s。
4.根据权利要求1所述的发电机组一次调频动态调节能力在线预测方法,其特征在于:步骤S2中,形成低频扰动一次调频样本和高频扰动一次调频样本中,两类样本的数量均不小于500个。
5.根据权利要求4所述的发电机组一次调频动态调节能力在线预测方法,其特征在于:所述的调门/导叶开启方向最大调整量为调门/导叶开度的上限值与调门/导叶开度初值的差值,所述的调门/导叶关闭方向最大调整量为调门/导叶开度初值与调门/导叶开度的下限值的差值;所述的有功功率上调备用为低频扰动一次调频时间中机组有功功率与发电机有功功率初值的差值,所述有功功率下调备用为发电机有功功率初值与高频扰动一次调频事件中机组有功功率的差值。
6.根据权利要求4所述的发电机组一次调频动态调节能力在线预测方法,其特征在于:所述低频扰动频差为频率初值与最低频率之间的差值,所述高频扰动频差为最高频率与频率初值之间的差值。
7.根据权利要求1所述的发电机组一次调频动态调节能力在线预测方法,其特征在于:对于步骤S3中样本的输入和输出数据,均进行归一化处理;作为训练样本集和测试样本集的一次调频动作事件信息的比例为7:3。
8.根据权利要求1所述的发电机组一次调频动态调节能力在线预测方法,其特征在于:步骤S3中,采用粒子群优化算法确定最佳的支持向量机回归模型参数,从而得到不同频率扰动下不同时刻的一次调频动态调节能力指数的支持向量机回归预测模型。
9.根据权利要求1所述的发电机组一次调频动态调节能力在线预测方法,其特征在于:步骤S3中所述的不同频率扰动,包括高频扰动和低频扰动,所述的不同时刻的一次调频动态调节能力指数模型包括15s、30s、60s三个时刻所对应的一次调频动态调节能力指数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111282356.5A CN113972669B (zh) | 2021-11-01 | 2021-11-01 | 一种发电机组一次调频动态调节能力在线预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111282356.5A CN113972669B (zh) | 2021-11-01 | 2021-11-01 | 一种发电机组一次调频动态调节能力在线预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113972669A CN113972669A (zh) | 2022-01-25 |
CN113972669B true CN113972669B (zh) | 2023-11-24 |
Family
ID=79589187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111282356.5A Active CN113972669B (zh) | 2021-11-01 | 2021-11-01 | 一种发电机组一次调频动态调节能力在线预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113972669B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110445191A (zh) * | 2019-08-02 | 2019-11-12 | 浙江大学 | 用支持向量机的电力系统发电机组调频备用功率分配方法 |
CN110581550A (zh) * | 2019-08-27 | 2019-12-17 | 佳源科技有限公司 | 一种风储联合电站响应电网频率的分析方法 |
CN110994589A (zh) * | 2019-11-07 | 2020-04-10 | 国电南瑞科技股份有限公司 | 电力电子接入电力系统调频能力在线评价方法及系统 |
CN111478312A (zh) * | 2019-11-20 | 2020-07-31 | 国网河北省电力有限公司电力科学研究院 | 一种提升电网稳定性的综合能源集群协调控制方法 |
CN111900740A (zh) * | 2019-05-05 | 2020-11-06 | 中国电力科学研究院有限公司 | 一种基于需求响应设备的电力系统调频方法和系统 |
CN112383069A (zh) * | 2020-11-05 | 2021-02-19 | 国网山东省电力公司电力科学研究院 | 一种发电机组一次调频补偿能力动态预测方法 |
CN112803501A (zh) * | 2021-01-04 | 2021-05-14 | 中国大唐集团科学技术研究院有限公司华中电力试验研究院 | 一种基于机器学习算法的火电机组自优化辅助调频方法 |
CN113031565A (zh) * | 2021-03-08 | 2021-06-25 | 国网湖南省电力有限公司 | 一种火电机组一次调频功率响应性能预测方法及系统 |
CN113131532A (zh) * | 2021-04-16 | 2021-07-16 | 南京邮电大学 | 一种新能源电站一次调频网络化控制方法 |
-
2021
- 2021-11-01 CN CN202111282356.5A patent/CN113972669B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111900740A (zh) * | 2019-05-05 | 2020-11-06 | 中国电力科学研究院有限公司 | 一种基于需求响应设备的电力系统调频方法和系统 |
CN110445191A (zh) * | 2019-08-02 | 2019-11-12 | 浙江大学 | 用支持向量机的电力系统发电机组调频备用功率分配方法 |
CN110581550A (zh) * | 2019-08-27 | 2019-12-17 | 佳源科技有限公司 | 一种风储联合电站响应电网频率的分析方法 |
CN110994589A (zh) * | 2019-11-07 | 2020-04-10 | 国电南瑞科技股份有限公司 | 电力电子接入电力系统调频能力在线评价方法及系统 |
CN111478312A (zh) * | 2019-11-20 | 2020-07-31 | 国网河北省电力有限公司电力科学研究院 | 一种提升电网稳定性的综合能源集群协调控制方法 |
CN112383069A (zh) * | 2020-11-05 | 2021-02-19 | 国网山东省电力公司电力科学研究院 | 一种发电机组一次调频补偿能力动态预测方法 |
CN112803501A (zh) * | 2021-01-04 | 2021-05-14 | 中国大唐集团科学技术研究院有限公司华中电力试验研究院 | 一种基于机器学习算法的火电机组自优化辅助调频方法 |
CN113031565A (zh) * | 2021-03-08 | 2021-06-25 | 国网湖南省电力有限公司 | 一种火电机组一次调频功率响应性能预测方法及系统 |
CN113131532A (zh) * | 2021-04-16 | 2021-07-16 | 南京邮电大学 | 一种新能源电站一次调频网络化控制方法 |
Non-Patent Citations (4)
Title |
---|
"Frequency Regulation Potential Prediction of Wind Power Based on Historical Data";Cheng Yan 等;《2020 12th IEEE PES Asia-Pacific Power and Energy Engineering Conference (APPEEC)》;1-5 * |
"基于广域相量测量系统的电网一次调频能力预测";张琦兵 等;《电力工程技术》;第38卷(第2期);64-68 * |
基于支持向量机的电力系统紧急控制实时决策方法;胡伟;张玮灵;闵勇;陈磊;董昱;余锐;刘柏私;王磊;;中国电机工程学报;第37卷(第16期);4567-4575 * |
电网一次调频能力的在线估计;于达仁, 郭钰锋;中国电机工程学报;第24卷(第03期);72-76 * |
Also Published As
Publication number | Publication date |
---|---|
CN113972669A (zh) | 2022-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108123438B (zh) | 一种考虑风电和储能的电网频率态势在线预测方法 | |
CN112069727B (zh) | 具备高可信度的电力系统暂态稳定智能化评估系统及方法 | |
CN109449937B (zh) | 一种通过系统频率稳定约束确定电网新能源承载力的方法 | |
CN108390397B (zh) | 大容量多直流馈入电网频率稳定自适应紧急控制方法 | |
CN105186502B (zh) | 基于安全域的含双馈风机电力系统暂态稳定性分析方法 | |
CN111654042B (zh) | 一种考虑风电-直流辅助调频的电网频率态势在线预测方法 | |
CN108879721B (zh) | 一种基于风电消纳的频率控制方法 | |
CN110994589B (zh) | 电力电子接入电力系统调频能力在线评价方法及系统 | |
OĞUZ et al. | Adaptive neuro-fuzzy inference system to improve the power quality of variable-speed wind power generation system | |
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 | |
Oladeji et al. | Density-based clustering and probabilistic classification for integrated transmission-distribution network security state prediction | |
CN113972669B (zh) | 一种发电机组一次调频动态调节能力在线预测方法 | |
CN106354999B (zh) | 一种火电机组负荷振荡与负荷突变故障的在线诊断方法 | |
CN114583746B (zh) | 一种预测新能源接入电网频率最低点的通用建模方法 | |
CN113991647A (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 | |
CN115549118A (zh) | 配电网无功补偿设备出力平滑指数预测方法 | |
CN110705098B (zh) | 一种原动机及其调速系统模型在线校核方法及系统 | |
CN109494761B (zh) | 一种计及资源动作速度的紧急频率控制方法及系统 | |
CN113922389A (zh) | 一种考虑频率约束的电力系统改进故障分析方法 | |
Ramirez-Gonzalez et al. | Power System Inertia Estimation Using A Residual Neural Network Based Approach | |
Wu et al. | Online Monitoring and Early Warning of Subsynchronous Oscillation Using Levenberg–Marquardt and Backpropagation Algorithm Combined with Sensitivity Analysis and Principal Component Analysis | |
Tang et al. | Static voltage stability margin prediction of island microgrid based on Tri-Training-Lasso-BP network | |
Palaniappan et al. | Implementation of Machine Learning-based DER Local Control Schemes on Measurement Devices for Counteracting Communication Failures | |
Ou et al. | Fault Prediction Model of Wind Power Pitch System Based on BP Neural Network | |
Hao et al. | Research on the flow characteristics identification of steam turbine valve based on FCM-LSSVM |
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 |