CN114188991A - 风电场一次调频模型辨识方法、装置、电子设备和存储介质 - Google Patents
风电场一次调频模型辨识方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114188991A CN114188991A CN202111295051.8A CN202111295051A CN114188991A CN 114188991 A CN114188991 A CN 114188991A CN 202111295051 A CN202111295051 A CN 202111295051A CN 114188991 A CN114188991 A CN 114188991A
- Authority
- CN
- China
- Prior art keywords
- vector
- wind power
- power plant
- frequency modulation
- discrete time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 239000013598 vector Substances 0.000 claims abstract description 112
- 230000006870 function Effects 0.000 claims abstract description 71
- 230000008859 change Effects 0.000 claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000005070 sampling Methods 0.000 claims description 9
- 150000001875 compounds Chemical class 0.000 claims description 6
- 238000012886 linear function Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims 1
- 230000001131 transforming effect Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 11
- 238000005312 nonlinear dynamic Methods 0.000 abstract description 4
- 230000003287 optical effect Effects 0.000 description 6
- 238000011217 control strategy Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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
- H02J3/38—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
Abstract
本公开提出一种风电场一次调频模型辨识方法、装置、电子设备和存储介质,属于电力系统运行控制技术领域。其中,所述方法包括:获取风电场一次调频后的离散时间序列数据,包括:风电场的出力增量序列、电力系统的频率偏差序列和频率变化率序列;将出力增量作为状态向量,频率偏差和频率偏差变化率作为输入向量,构建风电场一次调频离散时间域的状态方程;建立状态向量与输入向量的非线性函数集合,通过拟合离散时间序列数据,将状态方程转化为函数集合内函数的线性组合,以得到所述风电场一次调频的模型辨识结果。本公开采用非线性动态系统的稀疏辨识技术对风电场站的一次调频过程进行模型辨识,辨识结果兼顾简洁性与准确性。
Description
技术领域
本公开属于电力系统的运行控制技术领域,具体涉及一种风电场一次调频模型辨识方法、装置、电子设备和存储介质。
背景技术
随着大规模新能源机组并网,电力系统的惯量逐渐降低,系统的频率安全问题日益突出。为保障电力系统的频率安全,我国已出台相关政策要求新能源场站具备一次调频能力。另外,在电力系统调度方面,需要描述系统在某一运行状态下遇到突发工况后的频率动态过程,从而进行考虑频率安全约束的调度决策,这就需要得到所有参与一次调频过程的机组、场站的调频动态模型。对于风电场,由于各个机组参与一次调频控制方式的复杂性,以及各机组调频控制参数的难获取性,无法直接采用物理建模的方式对其调频模型进行辨识。
发明内容
本公开的目的是为填补已有技术的空白之处,提出一种风电场一次调频模型辨识方法、装置、电子设备和存储介质。本公开不需要事先得知动态系统的模型及参数,适用于采用不同调频控制策略的风电场的一次调频过程模型辨识,兼顾简洁性与准确性。
本公开第一方面实施例提出一种风电场一次调频模型辨识方法,包括:
获取风电场一次调频后的离散时间序列数据,所述离散时间序列数据包括:所述风电场的出力增量序列、电力系统的频率偏差序列和所述电力系统的频率变化率序列;
将所述出力增量作为状态向量,所述频率偏差和所述频率偏差变化率作为输入向量,构建所述风电场一次调频离散时间域的状态方程;
建立所述状态向量与所述输入向量的非线性函数集合,通过拟合所述离散时间序列数据,将所述状态方程转化为所述函数集合内函数的线性组合,以得到所述风电场一次调频的模型辨识结果。
在本公开的一个具体实施例中,所述频率变化率的计算表达式为:
式中,Δfk表示k时刻电力系统的频率偏差,t代表时间,Tsam表示采样时间间隔。
在本公开的一个具体实施例中,所述风电场一次调频离散时间域的状态方程表达式为:
xk+1=F(xk,uk)#
式中,x表示状态向量,u表示输入向量,下标k表示k时刻,F表示k+1时刻状态向量关于k时刻状态向量和输入向量的非线性函数;
其中,
x=ΔP#
式中,ΔP表示风电场的出力增量,Δf表示频率偏差,dΔf/dt表示频率变化率。
在本公开的一个具体实施例中,所述非线性函数集合包括:常数项函数,以及所述状态向量和所述输入向量分别对应的一次项函数、二次项函数和正弦项函数,表达式如下:
Θ(x,u)=[1 xT uT (xT)2 (uT)2 sin(xT) sin(uT)]。
在本公开的一个具体实施例中,所述通过拟合所述离散时间序列数据,将所述状态方程转化为所述函数集合内函数的线性组合,包括:
通过建立系数向量,将所述状态方程转化为所述函数集合内函数的线性组合,表达式如下:
通过稀疏辨识方法对所述离散时间序列数据进行辨识,得到所述系数向量。
在本公开的一个具体实施例中,所述通过稀疏辨识方法对所述离散时间序列数据进行辨识,得到所述系数向量,包括:
利用所述离散时间序列,分别构造状态向量与输入向量的数据矩阵如下:
X=[x1 x2 … xk … xn-1]T#
U=[i1 u2 … uk … un-1]T#
根据所述数据矩阵,则所述状态向量与所述输入向量的非线性函数集合转化为如下形式:
Θ(X,U)=[1 X U X2 U2 sin(X) sin(U)]#
则所述离散时间域的状态方程表示为:
Ξ=[ξ1 ξ2 … ξi …]#
式中,Ξ为各系数向量组成的系数矩阵;
采用L1正则化稀疏回归的方法对所述系数矩阵进行求解,得到:
在本公开的一个具体实施例中,所述方法还包括:
利用辨识得到的所述系数向量,得到所述风电场一次调频动态系统的最终状态方程为:
对所述最终状态方程进行离散时间到连续时间的域变换,得到所述风电场的等效调速器传递函数:
本公开第二方面实施例提出一种风电场一次调频模型辨识装置,包括:
离散时间序列获取模块,用于获取风电场一次调频后的离散时间序列数据,所述离散时间序列数据包括:所述风电场的出力增量序列、电力系统的频率偏差序列和所述电力系统的频率变化率序列;
辨识模块,用于将所述出力增量作为状态向量,所述频率偏差和所述频率偏差变化率作为输入向量,构建所述风电场一次调频离散时间域的状态方程;建立所述状态向量与所述输入向量的非线性函数集合,通过拟合所述离散时间序列数据,将所述状态方程转化为所述函数集合内函数的线性组合,以得到所述风电场一次调频的模型辨识结果。
本公开第三方面实施例提出一种电子设备,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,所述指令被设置为用于执行上述一种风电场一次调频模型辨识方法。
本公开第四方面实施例提出一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行上述一种风电场一次调频模型辨识方法。
本公开特点及有益效果在于:
本公开提出一种风电场一次调频模型辨识方法、装置、电子设备和存储介质,通过获取风电场站一次调频动作后的出力增量以及系统频率偏差的测量数据,在测量数据的基础上采用数据驱动的方法对风电场站调频动态系统进行模型辨识,通过对测量数据进行拟合,利用正则化稀疏回归技术确定动态系统的拟合参数,进而辨识得到风电场站一次调频动态系统的模型。
(1)选取风电场站出力增量为一次调频动态系统的状态向量,将系统频率偏差与频率偏差变化率设为输入向量,力求建立状态方程。
(2)利用多数动态系统状态方程右端函数项稀疏的特征,采用数据驱动的非线性动态系统的稀疏辨识技术对测量数据进行拟合,从而确定动态系统的拟合参数。
(3)本公开采用数据驱动的方法,通过对测量数据进行拟合,在精度损失可以接受的条件下,对风电场站的一次调频过程进行模型辨识,模型兼顾简洁性与准确性。该数据驱动方法不需要事先得知动态系统的模型及参数,适用于采用不同调频控制策略的风电场站,是一种通用的一次调频模型辨识框架。
附图说明
图1为本公开实施例中一种风电场一次调频模型辨识方法的整体流程图。
具体实施方式
本公开提出一种风电场一次调频模型辨识方法、装置、电子设备和存储介质,下面结合附图和具体实施例进一步详细说明如下。
本公开第一方面实施例提出一种风电场站一次调频模型辨识方法,整体流程如图1所示,包括以下步骤:
1)获取风电场一次调频后的风电场出力增量、电力系统频率偏差以及电力系统频率变化率的离散时间序列:
ΔP=[ΔP1 ΔP2 ΔP3 … ΔPn]#(1)
Δf=[Δf1 Δf2 Δf3 … Δfn]#(2)
其中,ΔPk为k时刻风电场站的出力增量,Δfk为k时刻电力系统的频率偏差(本公开实施例中,所述电力系统的频率偏差在风电场所在母线处进行测量),n为采样结束时的离散时刻序号,代表一次调频过程结束,本公开实施例中整个采样时间可取5-10秒。本公开实施例中,电力系统的频率变化率用下式近似计算:
其中,t代表时间,Tsam为采样时间间隔;本公开对采样时间间隔无特殊要求,在本公开实施例中可以取0.1s,若总采样时间为5s,则n=50。
2)构建风电场一次调频离散时间域的状态方程;
风电场站出力增量与当前的频率偏差Δf有关,也与当前频率的变化率dΔf/dt有关。对于风电场一次调频动态系统,选取状态向量x为风电场站出力增量ΔP,选取输入向量u为频率偏差Δf与频率变化率dΔf/dt:
x=ΔP#(5)
对于风电场一次调频动态系统,其离散时间域上的状态方程可以表示为:
xk+1=F(xk,uk)#(7)
式中,xk表示k时刻的状态向量;uk表示k时刻的输入向量;F为该动态系统后一时刻状态向量关于前一时刻状态向量和输入向量的非线性函数。
3)采用非线性动态系统的稀疏辨识技术对风电场一次调频进行模型辨识。
本公开实施例中,模型辨识的核心在于建立一个状态向量、输入向量的非线性函数“字典”Θ(x,u);对于风电调频动态系统,其函数“字典”内的函数项选取为常数项函数、状态向量和输入向量的一次项函数、二次项函数和正弦项函数,即:
Θ(x,u)=[1 xT uT (xT)2 (uT)2 sin(xT) sin(uT)]#(8)
则动态系统状态方程的非线性函数F即式(7)可转化为关于函数“字典”内函数项的线性组合:
式中,为状态向量xk+1的第i行分量;θm(xk,uk)表示“字典”Θ(xk,uk)的第m列;表示对应于状态向量第i行分量的系数向量;为系数向量的第m行,与“字典”中的θm函数项相对应。M为函数字典内函数项的总数。
对于大部分动态系统,其状态方程式(7)右边的函数项的个数是有限的,即系数向量ξi中只有少数元素不为零。利用非线性动态系统的稀疏辨识技术对步骤1)的离散数据进行拟合,可以求解得到各系数向量ξi;
本公开实施例中,求解过程如下:
利用步骤1)的离散时间序列,得到状态向量与输入向量的数据矩阵:
X=[x1 x2 … xk … xn-1]T#(10)
U=[u1 u2 … uk … un-1]T#(11)
利用上述数据矩阵,构建状态向量、输入向量时间序列的函数“字典”:
Θ(X,U)=[1 X U X2 U2 sin(X) sin(U)]#(13)
与所述函数“字典”Θ(x,u)不同,Θ(X,U)是用于模型辨识的数据“字典”,而Θ(x,u)则是状态向量、输入向量函数“字典”的表示符号。因此上述动态系统式(7)可以表示为:
Ξ=[ξ1 ξ2 … ξi …]#(15)
式中,ξi表示对应于状态向量第i行分量的系数向量;Ξ为各系数向量组成的系数矩阵。
对于上述拟合模型(14)-(15),可以采用L1正则化稀疏回归的方法进行求解:
通过求解得到动态系统的系数向量ξi,从而得到风电场一次调频动态系统的状态方程:
对式(17)进行离散时间到连续时间的域变换,可以得到风电场的等效调速器传递函数:
其中,式(18)即为风电场一次调频的模型辨识结果。
本公开实施例中,在DIgSILENT/PowerFactory软件中进行仿真,得到采用下垂控制策略的风电场站一次调频过程的数据,并采用本公开介绍的方法对其进行模型辨识,得到如下结果:
其中,正则化参数λ设为0.1,采样时间Tsam为0.1s,采样结束离散时间n为50(5s)。ξ1、ξ2为调频动态系统的控制参数。对上式进行域变换,得到等效调速器传递函数如下:
其中,
Tsam为采样时间间隔,R为等效调速器的下垂控制系数,Tw为等效调速器的时间常数。上述风电场站的等效调速器传递函数(18)可以用于求解电力系统的频率响应模型,进而得到系统在当前运行状态下遭受一定功率扰动后的频率偏差大小,从而可以指导电力系统的调度决策。
为实现上述实施例,本公开第二方面实施例提出一种风电场一次调频模型辨识装置,包括:
离散时间序列获取模块,用于获取风电场一次调频后的离散时间序列数据,所述离散时间序列数据包括:所述风电场的出力增量序列、电力系统的频率偏差序列和所述电力系统的频率变化率序列;
辨识模块,用于将所述出力增量作为状态向量,所述频率偏差和所述频率偏差变化率作为输入向量,构建所述风电场一次调频离散时间域的状态方程;建立所述状态向量与所述输入向量的非线性函数集合,通过拟合所述离散时间序列数据,将所述状态方程转化为所述函数集合内函数的线性组合,以得到所述风电场一次调频的模型辨识结果。
为实现上述实施例,本公开第三方面实施例提出一种电子设备,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,所述指令被设置为用于执行上述一种风电场一次调频模型辨识方法。
为实现上述实施例,本公开第四方面实施例提出一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行上述一种风电场一次调频模型辨识方法。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备执行上述实施例的一种风电场一次调频模型辨识方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种风电场一次调频模型辨识方法,其特征在于,包括:
获取风电场一次调频后的离散时间序列数据,所述离散时间序列数据包括:所述风电场的出力增量序列、电力系统的频率偏差序列和所述电力系统的频率变化率序列;
将所述出力增量作为状态向量,所述频率偏差和所述频率偏差变化率作为输入向量,构建所述风电场一次调频离散时间域的状态方程;
建立所述状态向量与所述输入向量的非线性函数集合,通过拟合所述离散时间序列数据,将所述状态方程转化为所述函数集合内函数的线性组合,以得到所述风电场一次调频的模型辨识结果。
4.根据权利要求3所述的方法,其特征在于,所述非线性函数集合包括:常数项函数,以及所述状态向量和所述输入向量分别对应的一次项函数、二次项函数和正弦项函数,表达式如下:
Θ(x,u)=[1xTuT(xT)2(uT)2sin(xT)sin(uT)]。
6.根据权利要求5所述的方法,其特征在于,所述通过稀疏辨识方法对所述离散时间序列数据进行辨识,得到所述系数向量,包括:
利用所述离散时间序列,分别构造状态向量与输入向量的数据矩阵如下:
X=[x1 x2 … xk … xn-1]T#
U=[u1 u2 … uk … un-1]T#
根据所述数据矩阵,则所述状态向量与所述输入向量的非线性函数集合转化为如下形式:
Θ(X,U)=[1 X U X2 U2 sin(X) sin(U)]#
则所述离散时间域的状态方程表示为:
Ξ=[ξ1 ξ2 … ξi …]#
式中,Ξ为各系数向量组成的系数矩阵;
采用L1正则化稀疏回归的方法对所述系数矩阵进行求解,得到:
8.一种风电场一次调频模型辨识装置,其特征在于,包括:
离散时间序列获取模块,用于获取风电场一次调频后的离散时间序列数据,所述离散时间序列数据包括:所述风电场的出力增量序列、电力系统的频率偏差序列和所述电力系统的频率变化率序列;
辨识模块,用于将所述出力增量作为状态向量,所述频率偏差和所述频率偏差变化率作为输入向量,构建所述风电场一次调频离散时间域的状态方程;建立所述状态向量与所述输入向量的非线性函数集合,通过拟合所述离散时间序列数据,将所述状态方程转化为所述函数集合内函数的线性组合,以得到所述风电场一次调频的模型辨识结果。
9.一种电子设备,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,所述指令被设置为用于执行上述权利要求1-7任一项所述的方法。
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任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111295051.8A CN114188991B (zh) | 2021-11-03 | 2021-11-03 | 风电场一次调频模型辨识方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111295051.8A CN114188991B (zh) | 2021-11-03 | 2021-11-03 | 风电场一次调频模型辨识方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114188991A true CN114188991A (zh) | 2022-03-15 |
CN114188991B CN114188991B (zh) | 2024-03-12 |
Family
ID=80540610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111295051.8A Active CN114188991B (zh) | 2021-11-03 | 2021-11-03 | 风电场一次调频模型辨识方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114188991B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106910142A (zh) * | 2017-02-17 | 2017-06-30 | 三峡大学 | 一种含风电有功‑频率耦合作用的电力系统频率特性计算方法 |
US20170337495A1 (en) * | 2016-05-23 | 2017-11-23 | General Electric Company | System and method for controlling power production from a wind farm |
US20200169219A1 (en) * | 2017-12-31 | 2020-05-28 | Beijing Goldwind Science & Creation Windpower Equipment Co., Ltd. | Photovoltaic power plant and primary frequency modulation control method therefor |
CN111786395A (zh) * | 2020-05-19 | 2020-10-16 | 中国电力科学研究院有限公司 | 一种风电机组出力调节方法及装置 |
CN112636366A (zh) * | 2020-12-01 | 2021-04-09 | 国家电网有限公司 | 一种基于控制过程数据拟合的风电场动态频率控制方法 |
US20210180563A1 (en) * | 2017-07-18 | 2021-06-17 | Beijing Goldwind Science & Creation Windpower Equipment Co., Ltd. | Method and device for controlling output power of a wind turbine |
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 |
-
2021
- 2021-11-03 CN CN202111295051.8A patent/CN114188991B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170337495A1 (en) * | 2016-05-23 | 2017-11-23 | General Electric Company | System and method for controlling power production from a wind farm |
CN106910142A (zh) * | 2017-02-17 | 2017-06-30 | 三峡大学 | 一种含风电有功‑频率耦合作用的电力系统频率特性计算方法 |
US20210180563A1 (en) * | 2017-07-18 | 2021-06-17 | Beijing Goldwind Science & Creation Windpower Equipment Co., Ltd. | Method and device for controlling output power of a wind turbine |
US20200169219A1 (en) * | 2017-12-31 | 2020-05-28 | Beijing Goldwind Science & Creation Windpower Equipment Co., Ltd. | Photovoltaic power plant and primary frequency modulation control method therefor |
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 |
CN111786395A (zh) * | 2020-05-19 | 2020-10-16 | 中国电力科学研究院有限公司 | 一种风电机组出力调节方法及装置 |
CN112636366A (zh) * | 2020-12-01 | 2021-04-09 | 国家电网有限公司 | 一种基于控制过程数据拟合的风电场动态频率控制方法 |
Non-Patent Citations (4)
Title |
---|
JIANFENG DAI: "An_Extended_SFR_Model_With_High_Penetration_Wind_Power_Considering_Operating_Regions_and_Wind_Speed_Disturbance", 《IEEE ACCESS》, 24 July 2019 (2019-07-24), pages 103416 - 103426 * |
PEIHONG YANG: "Research_on_Primary_Frequency_Regulation_Control_Strategy_of_Wind-thermal_Power_Coordination", 《IEEE ACCESS》, 8 October 2019 (2019-10-08), pages 144766 - 144776 * |
赵晟凯: "直驱风电系统自适应惯量和一次调频协调控制策略", 《电网与清洁能源》, vol. 36, no. 9, 30 September 2020 (2020-09-30), pages 76 - 84 * |
颜湘武: "基于非线性最小二乘曲线拟合...电机惯量与阻尼系数测量方法", 《电工技术学报》, vol. 34, no. 7, 30 April 2019 (2019-04-30), pages 1516 - 1526 * |
Also Published As
Publication number | Publication date |
---|---|
CN114188991B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Short-term wind power prediction based on extreme learning machine with error correction | |
Xiaoyun et al. | Short-term prediction of wind power based on deep long short-term memory | |
CN107591844B (zh) | 考虑节点注入功率不确定性的主动配电网鲁棒重构方法 | |
Fannakh et al. | Hardware implementation of the fuzzy logic MPPT in an Arduino card using a Simulink support package for PV application | |
Yuan et al. | Short-term wind power prediction based on LSSVM–GSA model | |
CN111179121B (zh) | 基于专家系统与深度逆向强化学习的电网紧急控制方法 | |
Niestrój et al. | An energy consumption model for designing an AGV energy storage system with a PEMFC stack | |
US20160169205A1 (en) | Method for constructing wind power connection system model based on measured data | |
US9261864B2 (en) | Method and device for producing a state signal | |
CN113822418A (zh) | 一种风电场功率预测方法、系统、设备和存储介质 | |
Shen et al. | An EMD-RF based short-term wind power forecasting method | |
Li et al. | Generalized linear‐constrained optimal power flow for distribution networks | |
Larios et al. | Operational simulation environment for SCADA integration of renewable resources | |
Wang et al. | Analysis of network loss energy measurement based on machine learning | |
CN114188991A (zh) | 风电场一次调频模型辨识方法、装置、电子设备和存储介质 | |
CN116707331A (zh) | 基于模型预测的逆变器输出电压高精度调节方法及系统 | |
Ni et al. | Cross‐gramian‐based dynamic equivalence of wind farms | |
Wang et al. | Multiscale prediction of wind speed and output power for the wind farm | |
Lukhyswara et al. | Solar irradiation forecasting uses time series analysis | |
CN111682552B (zh) | 数据驱动的无功电压控制方法、装置、设备及存储介质 | |
CN113837432B (zh) | 一种物理-数据联合驱动的电力系统频率预测方法 | |
CN112733348B (zh) | 基于多项式和最大熵模型的混联电网概率计算方法及装置 | |
Tran et al. | Load forecasting with support vector regression: Influence of data normalization on grid search algorithm | |
Li et al. | Data‐driven optimal PEMFC temperature control via curriculum guidance strategy‐based large‐scale deep reinforcement learning | |
Bai | Probabilistic load flow using point estimate method based on nataf transformation for active distribution network |
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 |