CN114123344B - 基于自适应递推最小二乘的电力系统惯量评估方法及装置 - Google Patents

基于自适应递推最小二乘的电力系统惯量评估方法及装置 Download PDF

Info

Publication number
CN114123344B
CN114123344B CN202111478043.7A CN202111478043A CN114123344B CN 114123344 B CN114123344 B CN 114123344B CN 202111478043 A CN202111478043 A CN 202111478043A CN 114123344 B CN114123344 B CN 114123344B
Authority
CN
China
Prior art keywords
inertia
unit
model
equivalent
power system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111478043.7A
Other languages
English (en)
Other versions
CN114123344A (zh
Inventor
于琳琳
司瑞华
张丽华
李甜甜
李元臣
贾鹏
刘万勋
蒋小亮
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.)
Hunan University
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Henan Electric Power Co Ltd
Original Assignee
Hunan University
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Henan Electric Power Co Ltd
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 Hunan University, State Grid Corp of China SGCC, Economic and Technological Research Institute of State Grid Henan Electric Power Co Ltd filed Critical Hunan University
Priority to CN202111478043.7A priority Critical patent/CN114123344B/zh
Publication of CN114123344A publication Critical patent/CN114123344A/zh
Application granted granted Critical
Publication of CN114123344B publication Critical patent/CN114123344B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/381—Dispersed generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • 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

Abstract

本发明提出了一种基于自适应递推最小二乘的电力系统惯量评估方法及装置，用以解决现有惯量评估方法无法适用于含虚拟惯量的新型电力系统技术问题。首先，建立新能源VSG等效虚拟惯量和同步发电机转动惯量统一惯量解析模型；其次，采用方程误差模型进行动态建模，将惯量求解问题转化为模型中参数辨识问题；进而，利用有功—频率时间序列数据，采用自适应递推最小二乘算法求解模型中的待辨识参数；最后，利用辨识得到的所述方程误差模型的参数，计算得到各机组惯量的大小，聚合得到系统等效惯量，实现不同工况下电力系统等效惯量的连续追踪。本发明通过建立统一线性化传递函数模型，实现了换流器高占比电力系统等效惯量的连续追踪。

Description

基于自适应递推最小二乘的电力系统惯量评估方法及装置
技术领域
本发明涉及电力系统调度运行技术领域，特别是指一种基于自适应递推最小二乘的电力系统惯量评估方法及装置。
背景技术
电力系统等效惯量为以任何形式的能量抑制因有功功率扰动而引起的系统频率变化的能力。在传统电力系统中，惯量主要由同步发电机的旋转器件所提供。随着大量可再生能源通过电力电子换流器接入电网，系统惯量在特点及形式上发生了新的变化。例如，光伏阵列不含有机械旋转部件且通常运行与最大功率追踪模式，无法响应系统频率、电压变化，其等效惯量为零。随着新能源渗透率不断提高，系统等效惯量随之下降，换流器高占比电力系统频率稳定性受到极大威胁。
为解决换流器高占比电力系统的低惯量问题，虚拟同步发电控制技术(virtualsynchronous generator，VSG)随之发展。其根据传统电力系统的控制经验，通过模拟同步发电机的外特性并设置并网逆变器的控制算法，将接口逆变器等效为同步发电机，使得含有变流器件的新能源，储能具备与传统机组类似的惯性、阻尼和有功调频等运行外特性。因而，电力系统惯量评估，不仅要着眼于系统转动惯量的评估，更要着眼于新能源对电力系统的惯量贡献。
目前，针对电力系统等效惯量的评估主要适用于某一类发电资源，主要有：
1)基于等效惯量指标的电力系统转动惯量估计法：通过读取SCADA系统中机组开关状态对电力系统整体转动惯量水平进行估计，将所有开机机组的惯性时间常数与其容量相乘并累加得到系统总旋转动能以确定系统整体惯量大小。
2)基于概率分布模型的风电场可用惯量概率化估计法：通过分析风电场平均风速的时空分布特性，构建瞬时风速条件概率分布模型，建立可用惯量与惯量功率增量的估计模型，进而得到一定置信度下风电场可用惯量区间评估曲线。
3)基于系统辨识的电力系统惯量估计方法：在传统电力系统中，以某一区域/同步发电机为研究对象，基于转子运动方程，构建描述该区域/机组有功—频率动态过程的系统辨识模型，辨识得到模型中的未知参数，进而估计得出该区域/机组的惯量大小。
由上述分析可知，现有电力系统等效惯量的评估主要适用于某一类发电资源，难以建立转动惯量(同步发电机)、虚拟惯量(新能源)统一惯量解析模型，也无法应用于含虚拟惯量的新型电力系统。
发明内容
针对现有电力系统等效惯量的评估主要适用于某一类发电资源，难以建立转动惯量(同步发电机)、虚拟惯量(新能源)统一惯量解析模型，无法应用于含虚拟惯量的新型电力系统技术问题，本发明提出了一种基于自适应递推最小二乘的电力系统惯量评估方法及装置，建立新能源VSG有功控制模块及同步机转子运动方程的统一惯量解析模型，实现计及新能源虚拟惯量的电力系统等效惯量连续追踪。
本发明的技术方案是这样实现的：
一种基于自适应递推最小二乘的电力系统惯量评估方法，其步骤如下：
S1：采集电力系统正常/故障运行时各发电机和VSG控制并网逆变器出口侧输出有功功率，及其所连母线频率的时序数据，并分别基于机组额定容量、系统额定频率对所述时序数据进行归一化预处理；
S2：建立新能源VSG等效虚拟惯量和同步发电机转动惯量统一惯量解析模型；采用方程误差模型进行动态建模，将惯量求解问题转化为模型中参数辨识问题；
S3：利用有功—频率时间序列数据，采用自适应递推最小二乘法求解所述方程误差模型，辨识所述方程误差模型中的未知参数；
S4：利用步骤S3辨识得到的所述方程误差模型的参数，计算得到各机组惯量的大小，聚合得到系统等效惯量，实现不同工况下电力系统等效惯量的连续追踪。
在步骤S2中，具体包括以下步骤：
S21：基于虚拟同步发电机控制，得到新能源调速器作用后VSG有功控制模块的线性运动方程：
式中，J为转动惯量，ω0为系统额定频率，Sn为机组额定功率，ω*为PMU实测频率标幺值形式，P0*为机组指定功率标幺值形式，Pe*为机组输出电磁功率标幺值形式，D为阻尼系数，kω为调频系数，t为时间；
S22：同步发电机转子运动方程表示为：
式中，Hsyn为同步发电机惯性常数，ω*为PMU量测频率标幺值形式，Pm为机组输入机械功率标幺值形式，Pe为机组输出电磁功率标幺值形式，D为阻尼系数，t为时间；
S23：将VSG的等效虚拟惯性常数定义为：则VSG算法有功控制模块及同步机转子运动方程的传递函数模型如下所示：
其中，Geqv(s)为描述VSG有功—频率特性的传递函数，Gsyn(s)为描述同步机有功—频率特性的传递函数，s为拉普拉斯算子；
S24：根据初值定理，得到传递函数初始时刻冲激响应值为：
新能源VSG等效虚拟惯性常数及同步发电机惯性常数均可通过其传递函数模型初始时刻的冲激响应来求解得到，由此，建立起解析新能源等效虚拟惯量和同步发电机转动惯量的统一模型；
S25：通过构建方程误差模型描述机组“有功—频率”动态变化过程，所述方程误差模型如下：
A(z)y(t)＝B(z)u(t)+v(t)；
式中，y(t)为EE模型的输出序列，u(t)为EE模型的输入序列，v(t)为白噪声序列，z-1为单位后移算子：z-1y(t)＝y(t-1)，均表示待辨识参数。
在步骤S3中，具体包括以下步骤：
S31：构建参数估计性能指标函数：
式中，表示待辨识参数向量，λ为自适应遗忘因子，是小于1的正数；
S32：在满足准则函数J(θ)最小的前提下，获取方程误差模型参数的最优辨识结构，得到EE模型中所有未知参数的数值。
在步骤S4中，具体包括以下步骤：
S41：基于双线性变换法构建Z变换算子z与拉普拉斯算子s之间的关系，将步骤S3辨识得到的方程误差模型转化为连续传递函数形式；
S42：求解步骤S41得到连续传递函数模型的初始时刻冲激响应值，获取机组等效惯量估计值；
S43：根据各机组等效惯量估计值和在线容量得到系统等效惯量大小，在运行周期内循环执行步骤S3和S4获得运行周期内所有时刻的系统等效惯量，实现不同工况下电力系统等效惯量的连续追踪。
所述双线性变换法的表达式为：
式中，z为采样拉式算子，s为拉普拉斯算子，T为采样周期。
所述根据各机组等效惯量估计值和在线容量得到系统等效惯量大小的方法为：
式中，Hsys为系统等效惯量大小，Hi为第i台机组的惯量估计值，Si为第i台机组的在线容量。
一种基于自适应递推最小二乘的电力系统惯量评估装置，包括获取单元、第一计算单元、第二计算单元和解析单元；
获取单元用于采集电力系统正常/故障运行时各发电机和VSG控制并网逆变器出口侧输出有功功率，及其所连母线频率的时序数据；
第一计算单元用于建立新能源VSG等效虚拟惯量和同步发电机转动惯量统一惯量解析模型及描述机组有功—频率动态过程的方程误差模型；
第二计算单元用于辨识所述方程误差模型中的未知参数；
解析单元用于利用所述第二计算单元辨识得到的方程误差模型的参数计算得到各机组惯量大小，进而估计得到系统等效惯量大小。
与现有技术相比，本发明产生的有益效果为：
1)本发明方法的系统等效惯量估计结果准确度高：已有研究仅测量同步发电机的惯性常数，而系统中基于VSG控制的新能源同样具有一定的惯量响应能力；在本发明中建立VSG算法有功—频率控制模块及同步机转子运动方程的统一惯量解析模型，可求解转动惯量及虚拟惯量，辨识得到的系统等效惯量估计结果准确度更高。
2)本发明方法所建的方程误差模型鲁棒性强：PMU量测电网动态数据中存在大量随机因素干扰，导致辨识过程的不确定性；本发明中构建描述机组有功—频率动态过程的方程误差模型，注重对闭环系统外特性的表达，能有效克服单一时刻数据测量精度的影响，所以模型鲁棒性更好。
3)本发明方法对系统惯量的追踪性更好：在递推最小二乘算法中引入可变遗忘因子，只需要有限的最近时刻的误差起作用，使递推最小二乘算法能够很快跟踪上非平稳信号的局部趋势，更好的追踪系统整体惯量的变化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，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为本发明的流程图。
图2为本发明实施例IEEE-39节点系统拓扑结构图。
图3为IEEE-39节点系统等效惯量连续估计结果。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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付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。
现有电力系统等效惯量的评估主要适用于某一类发电资源，难以建立转动惯量(同步发电机)、虚拟惯量(新能源)统一惯量解析模型，也无法应用于含虚拟惯量的新型电力系统。
因此，本发明设计了基于自适应递推最小二乘的电力系统惯量评估方法及装置，包括建立VSG算法有功控制模块及同步机转子运动方程的传递函数模型；建立上述传递函数模型与机组等效惯量之间的数学关系；构建方程误差模型对机组进行动态建模；利用自适应递推最小二乘算法求解模型参数，估计得出各个机组惯量，进而聚合得到系统等效惯量。
所述研究场景中建立VSG算法有功控制模块及同步机转子运动方程的传递函数模型，为接下来系统等效惯量评估做准备；所述建立传递函数模型与机组等效惯量之间的数学关系，解析模型参数与惯性之间的关系，为机组等效惯量的评估奠定理论基础；所述构建方程误差模型对机组进行动态建模，将惯量求解问题转化为模型中参数辨识问题；所述利用自适应递推最小二乘算法求解模型参数，估计得出各个机组惯量，进而聚合得到系统等效惯量，实现计及新能源虚拟惯量的电力系统等效惯量连续追踪。
实施例1，如图1所示，一种基于自适应递推最小二乘的电力系统惯量评估方法，其步骤如下：
S1：从同步向量测量装置PMU实测数据中获取描述电力系统动态特征的数据信息，具体为：电力系统正常/故障运行时各发电机和VSG控制并网逆变器出口侧输出有功功率，及其所连母线频率的时序数据；分别基于机组额定容量、系统额定频率对所述时序数据进行归一化预处理，形成标准形式的数据集。系统辨识是根据系统的输入输出时间函数来确定描述系统行为的数学模型。辨识模型(方程误差模型)确立后，采用辨识方法(自适应递推最小二乘算法)可以利用输入输出数据求解模型中未知参数。
S2：建立新能源VSG等效虚拟惯量和同步发电机转动惯量统一惯量解析模型；采用方程误差模型进行动态建模，将惯量求解问题转化为模型中参数辨识问题。
在步骤S2中，具体包括以下步骤：
S21：基于虚拟同步发电机控制，得到新能源调速器作用后VSG有功控制模块的线性运动方程：
式中，J为转动惯量，ω0为系统额定频率，Sn为机组额定功率，ω*为PMU实测频率标幺值形式，P0*为机组指定功率标幺值形式，Pe*为机组输出电磁功率标幺值形式，D为阻尼系数，kω为调频系数，t为时间。
S22：同步发电机转子运动方程表示为：
式中，Hsyn为同步发电机惯性常数，ω*为PMU量测频率标幺值形式，Pm为机组输入机械功率标幺值形式，Pe为机组输出电磁功率标幺值形式，D为阻尼系数，t为时间。
S23：将VSG的等效虚拟惯性常数定义为：则VSG算法有功控制模块及同步机转子运动方程的传递函数模型如下所示：
其中，Geqv(s)为描述VSG有功—频率特性的传递函数，Gsyn(s)为描述同步机有功—频率特性的传递函数，s为拉普拉斯算子。
S24：根据初值定理，得到传递函数初始时刻冲激响应值为：
新能源VSG等效虚拟惯性常数及同步发电机惯性常数均可通过其传递函数模型初始时刻的冲激响应来求解得到。由此，建立起解析新能源等效虚拟惯量和同步发电机转动惯量的统一模型。
S25：通过构建方程误差模型(Equation Error model，EE model)描述机组“有功—频率”动态变化过程，所述方程误差模型如下：
A(z)y(t)＝B(z)u(t)+v(t)；
式中，y(t)为EE模型的输出序列，u(t)为EE模型的输入序列，v(t)为白噪声序列，z-1为单位后移算子：z-1y(t)＝y(t-1)，均表示待辨识参数。
S3：采用自适应递推最小二乘法求解所述方程误差模型，辨识所述误差模型中未知参数；
在步骤S3中，具体包括以下步骤：
S31：自适应递推最小二乘法是在最小二乘算法基础上加入了自适应遗忘因子，在迭代过程中用降低旧数据影响的方法来提高新数据的利用率，使算法能够很快的跟踪上非平稳信号的局部趋势。构建参数估计性能指标函数：
式中，表示待辨识参数向量，λ为自适应遗忘因子，是小于1的正数；
S32：在满足准则函数J(θ)最小的前提下，获取所述方程误差模型参数的最优辨识结构，得到EE模型中所有未知参数的数值。
S4：利用步骤S3辨识得到的所述方程误差模型的参数，计算得到各机组惯量的大小，进而聚合得到系统等效惯量。
在步骤S4中，具体包括以下步骤：
S41：基于双线性变换法构建Z变换算子z与拉普拉斯算子s之间的关系，将步骤S3辨识得到的方程误差模型转化为连续传递函数形式；
所述双线性变换法的表达式为：
式中，z为采样拉式算子，s为拉普拉斯算子，T为采样周期。
S42：求解步骤S41得到连续传递函数模型的初始时刻冲激响应值，获取机组等效惯量估计值；
S43：根据各机组等效惯量估计值和在线容量得到系统等效惯量大小，在运行周期内循环执行步骤S3和S4获得运行周期内所有时刻的系统等效惯量，实现不同工况下电力系统等效惯量的连续追踪。
所述根据各机组等效惯量估计值和在线容量得到系统等效惯量大小的方法为：
式中，Hsys为系统等效惯量大小，Hi为第i台机组的惯量估计值，Si为第i台机组的在线容量。
实施例2，一种基于自适应递推最小二乘的电力系统惯量评估装置，用于所述的基于自适应递推最小二乘的电力系统惯量评估方法，该装置包括获取单元、第一计算单元、第二计算单元和解析单元；获取单元，获取数据及数据与处理；第一计算单元，建立辨识模型，明晰模型参数与惯量之间的耦合关系；第二计算单元，求解辨识模型中待辨识参数；解析单元，从模型参数中提取惯量估计值，得到系统等效惯量大小。
获取单元用于采集电力系统正常/故障运行时各发电机和VSG控制并网逆变器出口侧输出有功功率，及其所连母线频率的时序数据；
进一步地，所述获取单元执行过程如下：
从同步向量测量装置PMU实测数据中获取描述电力系统动态特征的数据信息，具体为：电力系统正常/故障运行时各发电机和VSG控制并网逆变器出口侧输出有功功率，及其所连母线频率的时序数据；
分别基于机组额定容量、系统额定频率对所述时序数据进行归一化预处理，形成标准形式的数据集。
第一计算单元用于建立新能源VSG等效虚拟惯量和同步发电机转动惯量统一惯量解析模型及描述机组有功—频率动态过程的方程误差模型；
进一步地，所述第一计算单元执行过程如下：
基于虚拟同步发电机控制，得到新能源调速器作用后VSG有功控制模块的线性运动方程：
式中，J为转动惯量，ω0为系统额定频率，Sn为机组额定功率，ω*为PMU实测频率标幺值形式，P0*为机组指定功率标幺值形式，Pe*为机组输出电磁功率标幺值形式，D为阻尼系数，kω为调频系数，t为时间；
同步发电机转子运动方程表示为：
式中，Hsyn为同步发电机惯性常数，ω*为PMU量测频率标幺值形式，Pm为机组输入机械功率标幺值形式，Pe为机组输出电磁功率标幺值形式，D为阻尼系数，t为时间；
将VSG的等效虚拟惯性常数定义为：则VSG算法有功控制模块及同步机转子运动方程的传递函数模型如下所示：
其中，Geqv(s)为描述VSG有功—频率特性的传递函数，Gsyn(s)为描述同步机有功—频率特性的传递函数，s为拉普拉斯算子；
根据初值定理，得到传递函数初始时刻冲激响应值为：
新能源VSG等效虚拟惯性常数及同步发电机惯性常数均可通过其传递函数模型初始时刻的冲激响应来求解得到。由此，建立起解析新能源等效虚拟惯量和同步发电机转动惯量的统一模型。
通过构建方程误差模型(Equation Error model，EE model)描述机组“有功—频率”动态变化过程，所述方程误差模型如下：
A(z)y(t)＝B(z)u(t)+v(t)；
式中，y(t)为EE模型的输出序列，u(t)为EE模型的输入序列，v(t)为白噪声序列，z-1为单位后移算子：z-1y(t)＝y(t-1)，均表示待辨识参数。
第二计算单元用于辨识所述方程误差模型中的未知参数；
进一步地，第二计算单元执行过程如下：
自适应递推最小二乘法是在最小二乘算法基础上加入了自适应遗忘因子，在迭代过程中用降低旧数据影响的方法来提高新数据的利用率，使算法能够很快的跟踪上非平稳信号的局部趋势。构建参数估计性能指标函数：
式中，表示待辨识参数向量，λ为自适应遗忘因子，是小于1的正数；
在满足准则函数J(θ)最小的前提下，获取所述方程误差模型参数的最优辨识结构，得到EE模型中所有未知参数的数值。解析单元用于利用所述第二计算单元辨识得到的方程误差模型的参数计算得到各机组惯量大小，进而估计得到系统等效惯量大小。
进一步地，解析单元执行过程如下：
基于双线性变换法构建Z变换算子z与拉普拉斯算子s之间的关系，将辨识得到方程误差模型转化为连续传递函数形式，双线性变换表达式如下：
式中，z为采样拉式算子，s为拉普拉斯算子，T为采样周期。
求解得到连续传递函数模型的初始时刻冲激响应值，获取机组等效惯量估计值；在求解各机组惯量的基础上可以聚合得到系统等效惯量大小，当获得运行周期内所有时刻的系统等效惯量，即可实现不同工况下电力系统等效惯量的连续追踪。
基于以上实施步骤，本实例将所提出的基于自适应递推最小二乘的电力系统惯量评估方法及装置应用于IEEE-39的新英格兰系统上，以追踪该电力系统的惯量变化情况，其频率稳定计算结果模拟实际系统中PMU同步测量结果。所用IEEE-39节点系统的拓扑结构如图2所示，系统总负荷大小为6150MW；额定频率为50Hz。
仿真分析过程中，为分析所提系统惯量估计方法对不同大小的扰动故障的适应性，特设置不同规模的故障场景如下：
大扰动场景：在10s时切除母线#20处负荷总计508MW(约占总负荷8％)。
小扰动场景：在节点#4，节点#7，节点#15，节点#20，节点#23，节点#27处添加小负荷扰动100MW(约占总负荷1.63％)，模拟系统稳态运行过程中的负荷投切等小扰动。
各发电机组等效惯量估计值如表1所示：
表1机组等效惯量结果
对比由本发明方法得到的各台机组惯量估计值与实际值的差别可知，同步发电机组惯量估计误差均在5％以内，受虚拟惯性控制方法的影响新能源VSG等效虚拟惯量估计误差略高同步发电机估计误差，但所辨识得到的结果和VSG算法中设置的等效惯量较为接近，证明了本文所提方法对评估含新能源VSG的电力系统等效惯量的有效性。
进一步地，考虑新能源出力及负荷波动等因素的影响，电力系统的整体惯量水平在不同时段可能有所不同。探究不同负荷扰动规模及大小下电力系统等效惯量连续估计结果，并将本文方法(Adaptive Recursive Least Square Algorithm，ARLS)与递推最小二乘算法(Recursive Least Square Algorithm，RLS)作对比，如图3所示。由图3可知，本发明方法能够有效减少历史数据对当前系统惯量辨识结果的影响，从而很好的解决数据饱和的问题，实现不同工况下系统等效惯量的自适应辨识与精确追踪。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于自适应递推最小二乘的电力系统惯量评估方法，其特征在于，其步骤如下：
S1：采集电力系统正常/故障运行时各发电机和VSG控制并网逆变器出口侧输出有功功率，及其所连母线频率的时序数据，并分别基于机组额定容量、系统额定频率对所述时序数据进行归一化预处理；
S2：建立新能源VSG等效虚拟惯量和同步发电机转动惯量统一惯量解析模型；采用方程误差模型进行动态建模，将惯量求解问题转化为模型中参数辨识问题；
在步骤S2中，具体包括以下步骤：
S21：基于虚拟同步发电机控制，得到新能源调速器作用后VSG有功控制模块的线性运动方程：
式中，J为转动惯量，ω0为系统额定频率，Sn为机组额定功率，ω*为PMU实测频率标幺值形式，P0*为机组指定功率标幺值形式，Pe*为机组输出电磁功率标幺值形式，D为阻尼系数，kω为调频系数，t为时间；
S22：同步发电机转子运动方程表示为：
式中，Hsyn为同步发电机惯性常数，ω*为PMU量测频率标幺值形式，Pm为机组输入机械功率标幺值形式，Pe为机组输出电磁功率标幺值形式，D为阻尼系数，t为时间；
S23：将VSG的等效虚拟惯性常数定义为：则VSG算法有功控制模块及同步机转子运动方程的传递函数模型如下所示：
其中，Geqv(s)为描述VSG有功—频率特性的传递函数，Gsyn(s)为描述同步机有功—频率特性的传递函数，s为拉普拉斯算子；
S24：根据初值定理，得到传递函数初始时刻冲激响应值为：
新能源VSG等效虚拟惯性常数及同步发电机惯性常数均可通过其传递函数模型初始时刻的冲激响应来求解得到，由此，建立起解析新能源等效虚拟惯量和同步发电机转动惯量的统一模型；
S25：通过构建方程误差模型描述机组“有功—频率”动态变化过程，所述方程误差模型如下：
A(z)y(t)＝B(z)u(t)+v(t)；
式中，y(t)为EE模型的输出序列，u(t)为EE模型的输入序列，v(t)为白噪声序列，z-1为单位后移算子：z-1y(t)＝y(t-1)，/>均表示待辨识参数；
S3：利用有功—频率时间序列数据，采用自适应递推最小二乘法求解所述方程误差模型，辨识所述方程误差模型中的未知参数；
在步骤S3中，具体包括以下步骤：
S31：构建参数估计性能指标函数：
式中，表示待辨识参数向量，λ为自适应遗忘因子，是小于1的正数；
S32：在满足准则函数J(θ)最小的前提下，获取方程误差模型参数的最优辨识结构，得到EE模型中所有未知参数的数值；
S4：利用步骤S3辨识得到的所述方程误差模型的参数，计算得到各机组惯量的大小，聚合得到系统等效惯量，实现不同工况下电力系统等效惯量的连续追踪。
2.根据权利要求1所述的基于自适应递推最小二乘的电力系统惯量评估方法，其特征在于，在步骤S4中，具体包括以下步骤：
S41：基于双线性变换法构建Z变换算子z与拉普拉斯算子s之间的关系，将步骤S3辨识得到的方程误差模型转化为连续传递函数形式；
S42：求解步骤S41得到连续传递函数模型的初始时刻冲激响应值，获取机组等效惯量估计值；
S43：根据各机组等效惯量估计值和在线容量得到系统等效惯量大小，在运行周期内循环执行步骤S3和S4获得运行周期内所有时刻的系统等效惯量，实现不同工况下电力系统等效惯量的连续追踪。
3.根据权利要求2所述的基于自适应递推最小二乘的电力系统惯量评估方法，其特征在于，所述双线性变换法的表达式为：
式中，z为采样拉式算子，s为拉普拉斯算子，T为采样周期。
4.根据权利要求2所述的基于自适应递推最小二乘的电力系统惯量评估方法，其特征在于，所述根据各机组等效惯量估计值和在线容量得到系统等效惯量大小的方法为：
式中，Hsys为系统等效惯量大小，Hi为第i台机组的惯量估计值，Si为第i台机组的在线容量。
5.一种权利要求1-4任一项所述的基于自适应递推最小二乘的电力系统惯量评估装置，其特征在于，包括获取单元、第一计算单元、第二计算单元和解析单元；
获取单元用于采集电力系统正常/故障运行时各发电机和VSG控制并网逆变器出口侧输出有功功率，及其所连母线频率的时序数据；
第一计算单元用于建立新能源VSG等效虚拟惯量和同步发电机转动惯量统一惯量解析模型及描述机组有功—频率动态过程的方程误差模型；
第二计算单元用于辨识所述方程误差模型中的未知参数；
解析单元用于利用所述第二计算单元辨识得到的方程误差模型的参数计算得到各机组惯量大小，进而估计得到系统等效惯量大小。
CN202111478043.7A 2021-12-06 2021-12-06 基于自适应递推最小二乘的电力系统惯量评估方法及装置 Active CN114123344B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111478043.7A CN114123344B (zh) 2021-12-06 2021-12-06 基于自适应递推最小二乘的电力系统惯量评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111478043.7A CN114123344B (zh) 2021-12-06 2021-12-06 基于自适应递推最小二乘的电力系统惯量评估方法及装置

Publications (2)

Publication Number Publication Date
CN114123344A CN114123344A (zh) 2022-03-01
CN114123344B true CN114123344B (zh) 2023-08-25

Family

ID=80367219

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111478043.7A Active CN114123344B (zh) 2021-12-06 2021-12-06 基于自适应递推最小二乘的电力系统惯量评估方法及装置

Country Status (1)

Country Link
CN (1) CN114123344B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115549131B (zh) * 2022-11-03 2023-04-21 浙江大学 一种考虑频率动态响应实时分区的惯量在线评估方法
CN116613736B (zh) * 2023-05-04 2024-01-26 兰州理工大学 一种含虚拟惯量的新能源电力系统等效惯量预测方法
CN116667462B (zh) * 2023-07-28 2023-09-29 昆明理工大学 一种新能源并网电力系统惯量需求量化方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020007255A1 (zh) * 2018-07-03 2020-01-09 上海交通大学 基于虚拟同步电机的iidg的自适应惯性控制方法
WO2020252813A1 (zh) * 2019-06-20 2020-12-24 上海交通大学 逆变型分布式电源双层自适应惯量控制方法及装置
CN112636341A (zh) * 2020-12-22 2021-04-09 湖南大学 基于多新息辨识的电力系统惯量空间分布估计方法及装置
WO2021164112A1 (zh) * 2020-02-18 2021-08-26 山东大学 风电场优化配置储能作为黑启动电源的频率控制方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020007255A1 (zh) * 2018-07-03 2020-01-09 上海交通大学 基于虚拟同步电机的iidg的自适应惯性控制方法
WO2020252813A1 (zh) * 2019-06-20 2020-12-24 上海交通大学 逆变型分布式电源双层自适应惯量控制方法及装置
WO2021164112A1 (zh) * 2020-02-18 2021-08-26 山东大学 风电场优化配置储能作为黑启动电源的频率控制方法及系统
CN112636341A (zh) * 2020-12-22 2021-04-09 湖南大学 基于多新息辨识的电力系统惯量空间分布估计方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
VSG转动惯量的自适应控制策略研究;张福东;朴政国;郭裕祺;张晓磊;周京华;;太阳能学报(第10期);全文 *

Also Published As

Publication number Publication date
CN114123344A (zh) 2022-03-01

Similar Documents

Publication Publication Date Title
CN114123344B (zh) 基于自适应递推最小二乘的电力系统惯量评估方法及装置
Pulendran et al. Energy storage system control for prevention of transient under-frequency load shedding
Liu et al. A method for sizing energy storage system to increase wind penetration as limited by grid frequency deviations
Abdeltawab et al. Robust energy management of a hybrid wind and flywheel energy storage system considering flywheel power losses minimization and grid-code constraints
CN112636341B (zh) 基于多新息辨识的电力系统惯量空间分布估计方法及装置
Azad et al. Parameter estimation of doubly fed induction generator driven by wind turbine
CN109474014B (zh) 一种对双馈风场接入电网友好性的量化评估方法
Yi et al. An integrated model-driven and data-driven method for on-line prediction of transient stability of power system with wind power generation
Jain et al. Grid-supportive loads—a new approach to increasing renewable energy in power systems
CN104537233B (zh) 一种基于核密度估计的配电网伪量测生成方法
Baruzzi et al. Analysis and improvement of an algorithm for the online inertia estimation in power grids with RES
Sun et al. MPPT adaptive controller of DC-based DFIG in resistances uncertainty
Mughees et al. A new predictive control strategy for improving operating performance of a permanent magnet synchronous generator-based wind energy and superconducting magnetic energy storage hybrid system integrated with grid
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
CN116780659A (zh) 考虑系统惯量需求的分布式资源同步化控制方法
CN109245090A (zh) 一种大功率缺失下频率最低点预测的解析模型的建模方法
Sarvi et al. A novel maximum power point tracking method based on extension theory for wind energy conversion system
Guo et al. Online model-free estimation of the dynamic system model for a power system with renewables in ambient conditions
Karady Improving transient stability using generator tripping based on tracking rotor-angle
CN114465280A (zh) 一种新能源并网系统动态等效建模方法
Chappa et al. Real Time Voltage Instability Detection in DFIG Based Wind Integrated Grid with Dynamic Components
CN111555354B (zh) 一种自主可再生微电网系统的控制方法、装置及存储介质
CN116029464B (zh) 一种电网精确箱型经济运行域的加速求解方法
Cao et al. Equivalence method for wind farm based on clustering of output power time series data
Jin et al. A distribution network state estimation method based on distribution generation output mode discrimination

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