CN114880863B - 分布式可再生能源集群阻抗聚合模型自适应分频降阶方法 - Google Patents
分布式可再生能源集群阻抗聚合模型自适应分频降阶方法 Download PDFInfo
- Publication number
- CN114880863B CN114880863B CN202210556093.0A CN202210556093A CN114880863B CN 114880863 B CN114880863 B CN 114880863B CN 202210556093 A CN202210556093 A CN 202210556093A CN 114880863 B CN114880863 B CN 114880863B
- Authority
- CN
- China
- Prior art keywords
- model
- order
- matrix
- impedance
- formula
- 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
- 230000002776 aggregation Effects 0.000 title claims abstract description 120
- 238000004220 aggregation Methods 0.000 title claims abstract description 120
- 238000000034 method Methods 0.000 title claims abstract description 74
- 230000009467 reduction Effects 0.000 title claims abstract description 46
- 238000010248 power generation Methods 0.000 claims abstract description 47
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 102
- 230000003044 adaptive effect Effects 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000000354 decomposition reaction Methods 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 12
- 238000006116 polymerization reaction Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 6
- 238000011946 reduction process Methods 0.000 claims description 5
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 230000006978 adaptation Effects 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 2
- 238000010606 normalization Methods 0.000 abstract 1
- 238000009826 distribution Methods 0.000 description 10
- 230000010355 oscillation Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- G06F17/13—Differential equations
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Operations Research (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种分布式可再生能源集群阻抗聚合模型自适应分频降阶方法，是将模型降阶嵌入大规模可再生能源电站阻抗模型聚合过程，根据含频率约束的模型平衡化理论实现阻抗聚合模型指定频段内可观性和可控性的归一化，对平衡化阻抗聚合模型进行合理截断实现阻抗聚合模型降阶，基于综合标幺化模型效率系数获取指定频段阻抗聚合模型降阶误差，进而通过对比降阶误差和阈值自适应获取降阶目标阶数,根据模型复杂程度和降阶精度自适应获取降阶目标阶数，将最大模型阶数控制在合理范围内，大幅降低阻抗模型聚合过程计算成本，基于可再生能源发电单元的端口阻抗黑箱模型实施，对发电单元内部信息要求较低，用于获取可再生能源集群端口降阶阻抗聚合模型。
Description
技术领域
本发明涉及可再生能源电站建模领域，更具体地说是为适用分布式可再生能源集群阻抗模型聚合的自适应分频降阶方法。
背景技术
在可再生能源主导的新型电力系统中，可再生能源在配电网中的渗透率将进一步提升。配电网中可再生能源并网接口电力电子设备的激增将深刻改变区域配电网系统的动态特性，进而激发不同模态的宽频振荡现象，这对配电网系统的安全稳定运行带来了巨大冲击。相较于经远距离输电通道接入主网的大型集中式可再生能源电站，直接接入配电网的分布式可再生能源集群具有接入点高度分散的特点。为了简化该类配电网的全局稳定性分析，需构建各分布式可再生能源集群的端口阻抗聚合模型，然而，由于分布式可再生能源集群内部的可再生能源发电单元数量众多，其端口模型构建过程中模型的阶数将呈指数趋势增长，大大增加了阻抗聚合及稳定性分析过程的计算成本；然而，现有电力系统模型降阶方法多注重对降阶模型时域误差的评估，难以适用于对降阶模型频域误差要求较高的稳定性分析中。
发明内容
本发明是为避免上述现有技术所存在的不足，提供一种分布式可再生能源集群阻抗聚合模型自适应分频降阶方法，在阻抗聚合模型降阶过程中实现根据降阶模型频域误差自适应获取降阶模型的目标阶数，并且避免阻抗模型聚合过程中模型阶数指数增长的问题。
本发明为解决技术问题采用如下技术方案：
本发明分布式可再生能源集群阻抗聚合模型自适应分频降阶方法的特点是按如下步骤进行：
步骤1：根据稳定性分析的需求设定降阶频段Ω，Ω＝[ω1,ω2]，ω2≥ω1≥0、误差阈值INNSEref、初始降阶阶数rint以及电站内可再生能源发电单元总台数imax的初始状态值；通过理论分析的方法获取可再生能源电站中的各可再生能源发电单元的单机阻抗模型Yinvi；
步骤2：根据可再生能源集群拓扑，从距集群PCC点电气距离最远端的可再生能源发电单元开始对集群内多台并联的可再生能源发电单元的阻抗模型进行逐一聚合，将聚合至第i台发电单元时的阻抗聚合模型表示为模型Yi；
步骤3：在设定降阶频段Ω内对阻抗聚合模型Yi进行平衡化，获得平衡化阻抗聚合模型，并令降阶目标阶数r为初始降阶阶数rint；
步骤4：根据模型截断理论将步骤3中所述平衡化阻抗聚合模型截断为r阶的降阶模型Yred；
步骤5：使用综合标幺化模型效率系数INNSE评估降阶模型Yred和模型Yi在设定降阶频段Ω内的频域响应误差，通过设置对比降阶模型Yred的INNSE和降阶误差阈值INNSEref自适应更新降阶目标阶数r，并获得模型阶数自适应获取的可再生能源集群降阶阻抗聚合模型Yi。
本发明分布式可再生能源集群阻抗聚合模型自适应分频降阶方法的特点也在于：在所述步骤3中按如下方法在设定降阶频段Ω内对阻抗聚合模型进行平衡化：
步骤3.1：将传递函数形式的阻抗聚合模型表达为式(1)所示的状态矩阵形式：
式(1)中：
u为输入向量，y为输出向量，A为系统矩阵，B为系统输入矩阵,C为系统输出矩阵；
x为状态向量，为状态向量x的一阶微分，/>
步骤3.2：根据Parseval理论将频域下阻抗聚合模型的可控性Gramian矩阵Wcf和可观性Gramian矩阵Wof表达为式(2)和式(3)：
式(2)和式(3)中：
H(v)＝(jvI-A)-1，j为虚数单位，I为单位对角矩阵，v为积分变量；
BT，HT(v)和CT分别表示矩阵B，H(v)和矩阵C的转置。
设定降阶频段Ω阻抗聚合模型的可控性矩阵Wcf(Ω)和可观性矩阵Wof(Ω)表达为式(4)和式(5)：
Wcf(Ω)＝Wcf(ω2)-Wcf(ω1) (4)
Wof(Ω)＝Wof(ω2)-Wof(ω1) (5)
式(4)中：Wcf(ω1)和Wcf(ω2)均由式(6)所表征：
式(5)中：Wof(ω1)和Wof(ω2)均由式(7)所表征：
将式(6)和式(7)经过部分分式分解获得式(8)和式(9)：
Wcf(ω)＝WcST(ω)-S(ω)Wc (8)
Wof(ω)＝ST(ω)Wo-WoS(ω) (9)
Wc是由式(10)计算获得的阻抗聚合模型在全频段内的可控性Gramian矩阵；
Wo是由式(11)计算获得的阻抗聚合模型在全频段内的可观性Gramian矩阵；
S(ω)是由式(12)所表征的阻抗聚合模型在设定降阶频段Ω内的权重矩阵；
ST(ω)为矩阵S(ω)的转置；
AWc+WcAT+BBT＝0 (10)
ATWo+WoA+CTC＝0 (11)
AT为系统矩阵A的转置；
步骤3.3：利用式(13)和式(14)分别对可观性矩阵Wof(Ω)和可控性矩阵Wcf(Ω)进行Cholesky分解获得分解矩阵Q和分解矩阵P：
Wof(Ω)＝QTQ (13)
Wcf(Ω)＝PPT (14)
QT和PT分别为矩阵Q和矩阵P的转置；
步骤3.4：利用式(15)对矩阵H进行奇异分解，H＝QP，获得分解的矩阵V和矩阵U：
H＝VΓ2UT (15)
矩阵V和矩阵U满足：VTV＝I，UTU＝I，Г为半正定对角阵；
步骤3.5：将平衡转换矩阵T表达为式(16)：
T＝PUΓ-1＝Q-1VΓ (16)
矩阵Г-1和Q-1分别为矩阵Г和Q的逆矩阵；
步骤3.6：将设定降阶频段Ω内阻抗聚合模型的平衡化模型表征为式(17)：
z为经平衡转换后的状态向量，为状态向量一阶微分，/>
完成设定降阶频段Ω内对阻抗聚合模型的平衡化。
本发明分布式可再生能源集群阻抗聚合模型自适应分频降阶方法的特点也在于：在所述步骤4中模型降阶过程按方法进行：
步骤4.1：利用式(18)将平衡转化矩阵T按照降阶目标阶数r划分为r阶保留矩阵Ψr和截断矩阵Tt：
T＝[Ψr|Tt] (18)
令R为矩阵T的逆矩阵，则矩阵R的r阶保留矩阵Φr T和截断矩阵Rt表征为式(19)：
利用式(18)和式(19)将式(17)表征为式(20)：
为阻抗聚合模型降阶过程中保留的状态变量；
xt为阻抗模型降阶过程中被截断的状态变量，d/dt表示求一阶微分；
步骤4.2：令Tt＝0，Rt＝0，则降阶后的阻抗聚合模型表征为式(21)：
将以状态方程表示的降阶阻抗聚合模型转化为传递函数形式，获得降阶模型Yred。
本发明分布式可再生能源集群阻抗聚合模型自适应分频降阶方法的特点也在于：在所述步骤5中由式(22)计算获得综合标幺化模型效率系数INNSE：
INNSE＝(NNSEpha+NNSEmag)/2 (22)
其中：
NNSEmag是由式(23)计算获得的辐频标幺化Nash-Sutcliffe模型效率系数；
NNSEpha是由式(24)计算获得的相频标幺化Nash-Sutcliffe模型效率系数；
且：0≤NNSEmag≤1，0≤NNSEpha≤1；
和/>分别为全阶阻抗聚合模型在频率ω处的幅频和相频响应值；
和/>分别为全阶阻抗聚合模型在设定降价频段Ω中幅频和相频响应的平均值；
qmagω，qphaω分别为降阶阻抗聚合模型在频率ω处的幅频和相频响应值。
本发明分布式可再生能源集群阻抗聚合模型自适应分频降阶方法的特点也在于：按如下方法通过评估和对比，实现降阶模型阶数r的自适应获取：
若INNSE＜INNSEref，表示降阶精度未达到要求，则将r的值增加1，返回执行步骤4；
若INNSE≥INNSEref，表示降阶精度已达到要求，则令Yi等于Yred，并根据i判断是否所有可再生能源发电单元已完成聚合；
若i＜imax，表示可再生能源电站内仍有剩余可再生能源发电单元仍未聚合，则将i的值增加1，返回步骤2；
若i＝imax，表示可再生能源电站内所有可再生能源发电单元已完成聚合，则结束阻抗模型聚合过程，获得模型阶数自适应获取的可再生能源集群降阶阻抗聚合模型Yi。
与现有技术相比，本发明有益效果体现在：
1、本发明方法通过综合标幺化Nash-Sutcliffe模型效率系数评估降阶模型的频域误差，从而降阶阻抗聚合模型的阶数可通过设定综合标幺化Nash-Sutcliffe模型效率系数的阈值来自适应获取；
2、本发明方法将模型降阶嵌入可再生能源集群阻抗模型聚合过程中，不仅实现在指定频段对阻抗聚合模型的合理降阶，并且将降阶程序处理的最大模型阶数控制在合理的范围内，大幅降低阻抗模型聚合过程中的计算负担；
3、本发明方法中模型降阶的实现基于可再生能源发电单元的端口黑箱阻抗模型，降阶过程不受可再生能源发电单元的拓扑、控制结构等因素制约，可用于风电、光伏等不同可再生能源形式构成的分布式可再生能源集群，具有较高通用性。
附图说明
图1为本发明中阻抗聚合过程示意图；
图2为实施例中的分布式可再生能源集群的等效阻抗电路示意图；
图3a、图3b和图3c依次为实施例中分布式可再生能源集群全阶模型和降阶模型在低频段[1Hz,1000Hz]、中频段[1000Hz,3000Hz]和高频段[3000Hz,5000Hz]的频域特性对比图；
图4a为实施例中分布式可再生能源集群不同频段的端口阻抗聚合模型求取过程中全阶阻抗聚合模型和降阶阻抗聚合模型随可再生能源发电单元数量增加的变化情况；
图4b为实施例中分布式可再生能源集群不同频段的端口阻抗聚合模型求取过程中阻抗聚合程序处理的最大模型阶数随可再生能源发电单元数量增加的变化情况；
图5为实施例中通过本专利方法所得分布式可再生能源集群的端口降阶阻抗聚合模型用于稳定性分析时的零极点分布图。
表1为本发明一种实施例下降阶初始化参数值；
表2为本发明一种实施例下集群内各台可再生能源发电单元并网变流器参数；
表3为本发明一种实施例下可再生能源集群的网络参数。
具体实施方式
本实施例中分布式可再生能源集群阻抗聚合模型自适应分频降阶方法按如下步骤进行：
步骤1：根据稳定性分析的需求设定降阶频段Ω，Ω＝[ω1,ω2]，ω2≥ω1≥0、误差阈值INNSEref、初始降阶阶数rint以及电站内可再生能源发电单元总台数imax的初始状态值，如表1所示。具体来说可再生能源主导的宽频振荡常发生于一个或多个频段，因此需在不同频段构建降阶模型来分别对配电网的稳定性进行分析，本实施例中分别构建了低频段[1Hz,1000Hz]，中频段[1000Hz,3000Hz],高频段[3000Hz,5000Hz]三个频段的阻抗降阶模型；并根据表2和表3中所示参数，通过理论分析的方法获取可再生能源电站中的各可再生能源发电单元的单机阻抗模型Yinvi。
步骤2：可再生能源集群阻抗聚合方法的具体实施方法表述如图1所示，根据可再生能源集群拓扑，从距集群PCC点电气距离最远端的可再生能源发电单元开始对集群内多台并联的可再生能源发电单元的阻抗模型进行逐一聚合；针对连接于配网同一交流母线上的由多台光伏逆变器并联构成的可再生能源集群的阻抗聚合方法可更为细节的阐述为：基于各可再生能源发电单元的单机阻抗模型，构建如图2所示的可再生能源集群的阻抗等效电路。如图1所示，首先求取包含输出线路阻抗的可再生能源发电单元等效阻抗模型Yi＝Zi+(1/Yinvi)，并将距离电站PCC点电气距离最远端的可再生能源发电单元编号为i，其余可再生能源发电单元标记为i+1,i+2,…,imax，根据编号，从第i台可再生能源发电单元开始聚合，将聚合至第i台发电单元时的阻抗聚合模型表示为模型Yi，每完成一次聚合则令i＝i+1，当i＝imax时代表所有可再生能源发电单元完成聚合。
步骤3：分别在设定的低、中、高三个降阶频段Ω内对阻抗聚合模型Yi进行平衡化，获得平衡化阻抗聚合模型，并令降阶目标阶数r为初始降阶阶数rint。
步骤4：根据模型截断理论将步骤3中平衡化阻抗聚合模型截断为r阶的降阶模型Yred；
步骤5：使用综合标幺化模型效率系数INNSE评估降阶模型Yred和模型Yi在设定降阶频段Ω内的频域响应误差，通过设置对比降阶模型Yred的INNSE和降阶误差阈值INNSEref自适应更新降阶目标阶数r，并获得模型阶数自适应获取的可再生能源集群降阶阻抗聚合模型Yi。
具体实施中，相应的技术措施包括：
在步骤3中按如下方法分别在设定的低、中、高三个降阶频段Ω内对阻抗聚合模型进行平衡化：
步骤3.1：将传递函数形式的阻抗聚合模型表达为式(1)所示的状态矩阵形式：
u为输入向量，y为输出向量，A为系统矩阵，B为系统输入矩阵,C为系统输出矩阵；
x为状态向量，为状态向量x的一阶微分，/>
步骤3.2：根据Parseval理论将频域下阻抗聚合模型的可控性Gramian矩阵Wcf和可观性Gramian矩阵Wof表达为式(2)和式(3)：
H(v)＝(jvI-A)-1，j为虚数单位，I为单位对角矩阵，v为积分变量；
BT，HT(v)和CT分别表示矩阵B，H(v)和矩阵C的转置。
设定降阶频段Ω阻抗聚合模型的可控性矩阵Wcf(Ω)和可观性矩阵Wof(Ω)表达为式(4)和式(5)：
Wcf(Ω)＝Wcf(ω2)-Wcf(ω1) (4)
Wof(Ω)＝Wof(ω2)-Wof(ω1) (5)
式(4)中：Wcf(ω1)和Wcf(ω2)均由式(6)所表征：
式(5)中：Wof(ω1)和Wof(ω2)均由式(7)所表征：
将式(6)和式(7)经过部分分式分解获得式(8)和式(9)：
Wcf(ω)＝WcST(ω)-S(ω)Wc (8)
Wof(ω)＝ST(ω)Wo-WoS(ω) (9)
Wc是由式(10)计算获得的阻抗聚合模型在全频段内的可控性Gramian矩阵；
Wo是由式(11)计算获得的阻抗聚合模型在全频段内的可观性Gramian矩阵；
S(ω)是由式(12)所表征的阻抗聚合模型在设定降阶频段Ω内的权重矩阵，ST(ω)为矩阵S(ω)的转置；
AWc+WcAT+BBT＝0 (10)
ATWo+WoA+CTC＝0 (11)
AT为系统矩阵A的转置。
步骤3.3：利用式(13)和式(14)分别对可观性矩阵Wof(Ω)和可控性矩阵Wcf(Ω)进行Cholesky分解获得分解矩阵Q和分解矩阵P：
Wof(Ω)＝QTQ (13)
Wcf(Ω)＝PPT (14)
QT和PT分别为矩阵Q和矩阵P的转置；
步骤3.4：利用式(15)对矩阵H进行奇异分解，H＝QP，获得分解的矩阵V和矩阵U：
H＝VΓ2UT (15)
矩阵V和矩阵U满足：VTV＝I，UTU＝I，Г为半正定对角阵。
步骤3.5：将阻抗聚合模型Yi的平衡转换矩阵T表达为式(16)：
T＝PUΓ-1＝Q-1VΓ (16)
矩阵Г-1和Q-1分别为矩阵Г和Q的逆矩阵。
步骤3.6：将设定降阶频段Ω内阻抗聚合模型的平衡化模型表征为式(17)：
z为经平衡转换后的状态向量，为状态向量一阶微分，/>
完成设定降阶频段Ω内对阻抗聚合模型的平衡化。
本实施例中，步骤3所得平衡化阻抗聚合模型的模型降阶过程按方法进行：
步骤4.1：利用式(18)将平衡转化矩阵T按照降阶目标阶数r划分为r阶保留矩阵Ψr和截断矩阵Tt：
T＝[Ψr|Tt] (18)
令R为矩阵T的逆矩阵，则矩阵R的r阶保留矩阵Φr T和截断矩阵Rt表征为式(19)：
利用式(18)和式(19)将式(17)表征为式(20)：
为阻抗聚合模型降阶过程中保留的状态变量；
xt为阻抗模型降阶过程中被截断的状态变量，d/dt表示求一阶微分。
步骤4.2：令Tt＝0，Rt＝0，则降阶后的阻抗聚合模型表征为式(21)：
将以状态方程表示的降阶阻抗聚合模型转化为传递函数形式，获得降阶模型Yred。
本实施例的步骤5中由式(22)计算获得综合标幺化模型效率系数INNSE：
INNSE＝(NNSEpha+NNSEmag)/2 (22)
其中：
NNSEmag是由式(23)计算获得的辐频标幺化Nash-Sutcliffe模型效率系数；
NNSEpha是由式(24)计算获得的相频标幺化Nash-Sutcliffe模型效率系数；
且：0≤NNSEmag≤1，0≤NNSEpha≤1；
和/>分别为全阶阻抗聚合模型在频率ω处的幅频和相频响应值；
和/>分别为全阶阻抗聚合模型在设定降价频段Ω中幅频和相频响应的平均值；
qmagω，qphaω分别为降阶阻抗聚合模型在频率ω处的幅频和相频响应值；
按如下方法通过评估和对比，实现降阶模型阶数r的自适应获取：
若INNSE＜INNSEref，表示降阶精度未达到要求，则将r的值增加1，返回执行步骤4；
若INNSE≥INNSEref，表示降阶精度已达到要求，则令Yi等于Yred，并根据i判断是否所有可再生能源发电单元已完成聚合；
若i＜imax，表示可再生能源电站内仍有剩余可再生能源发电单元仍未聚合，则将i的值增加1，返回步骤2；
若i＝imax，表示可再生能源电站内所有可再生能源发电单元已完成聚合，则结束阻抗模型聚合过程，获得模型阶数自适应获取的可再生能源集群降阶阻抗聚合模型Yi。
图3a、图3b和图3c为本实施例中不同频段下全阶模型和降阶模型的频域特性对比图。图3a示出可再生能源集群在Ω＝[1Hz,1000Hz]的低频段中其全阶聚合阻抗模型(73阶)通过所提自适应分频降阶方法降至5阶，且满足INNSE≥0.999的降阶精度要求。图3b示出可再生能源集群在Ω＝[1000Hz,3000Hz]的中频段中其全阶聚合阻抗模型(73阶)通过所提自适应分频降阶方法降至5阶，并且满足INNSE≥0.999的降阶精度要求。同理，图3c示出可再生能源集群在Ω＝[3000Hz,5000Hz]的高频段中所包含的频域信息更为丰富，在满足INNSE≥0.999的降阶精度要求的前提下，全阶聚合阻抗模型(73阶)通过所提自适应分频降阶方法降至12阶，其降阶目标阶数高于中低频段，这验证了所提自适应分频降阶方法可根据模型复杂程度、降阶精度要求自适应选取合适的降阶目标阶数。
图4a和图4b为本实施例的降阶阻抗聚合模型求取过程中降阶阻抗聚合模型阶数和聚合过程中降阶程序处理的最大模型阶数随可再生能源发电单元台数的变化情况。图4a示出本实施例中若不将自适应分频降阶方法嵌入可再生能源集群阻抗模型聚合的过程中，集群端口阻抗模型的阶数随可再生能源发电单元台数的增加快速升高，当集群内含12台并联发电单元时，集群的端口阻抗模型达到74阶；通过将所提自适应分频降阶方法嵌入集群阻抗模型聚合的过程中，在不同频段下集群的端口降阶阻抗聚合模型都得到了大幅度降低，且通过对比随可再生能源发电单元台数的增加不同频段下降阶阻抗聚合模型阶数的变化趋势可看出低频段降阶模型的阶数上升最慢、中频段次之、高频段最快。聚合过程中降阶程序处理的最大模型阶数随可再生能源发电单元台数的变化情况如图4b所示，在集群内可再生能源发电单元较少时，由于降阶程序所处理的最大模型阶数等于当前阻抗聚合模型降阶后所得降阶阻抗聚合模型的阶数乘以下一轮阻抗聚合过程所聚合的发电单元全阶阻抗模型阶数，故其略大于全阶阻抗聚合模型的阶数，随着可再生能源发电单元台数的不断增加，全阶模型的阶数迅速上升，而不同频段下降阶程序所处理的最大模型阶数随高于最终所得降阶阻抗聚合模型的阶数，但通过所提自适应分频降阶方法可将其保持于合理范围内，从而防止随着集群内可再生能源发电台数的增加尔带来的维数爆炸问题，降低计算成本。
图5为本实施例中的可再生能源集群全阶阻抗聚合模型和降阶阻抗聚合模型用于稳定性分析时，系统主导振荡模态的极点随可再生能源集群输出线路阻抗的变化情况。为了简化分析过程，本实施例中将可再生能源集群接入的电网视为理想电网，可构建如下等效闭环系统G：
其中：
Yequal为可再生能源集群的端口阻抗聚合模型；
Zline为可再生能源集群输出线路阻抗，Zline＝s*Lline，Lline值的变化范围如表2所示。
由图5可得，根据式(25)所构建的等效闭环系统对可再生能源集群宽频振荡稳定性的分析，基于降阶和全阶阻抗聚合模型所得的系统主导振荡模态的极点分布位置基本一致，稳定性分析结果误差较小，表明基于所提自适应分频降阶方法能够用于适用宽频振荡稳定性分析的分布式可再生能源集群的降阶阻抗聚合模型的获取。
表1程序初始化参数值
| 参数 | 值 | 参数 | 值 |
| 低频段(Hz) | [1,1000] | i | 1 |
| 中频段(Hz) | [1000,3000] | imax | 12 |
| 高频段(Hz) | [3000,5000] | INNSEref | 0.999 |
| rint | 1 |
表2各台可再生能源发电单元并网变流器参数
表3可再生能源集群的网络参数
| 参数 | 值 | 参数 | 值 |
| ZL1 | j 3.14e-4 | ZL7 | j2.20e-3 |
| ZL2 | j6.28e-4 | ZL8 | j2.51e-3 |
| ZL3 | j9.42e-4 | ZL9 | j2.83e-3 |
| ZL4 | j1.26e-3 | ZL10 | j3.14e-3 |
| ZL5 | j1.57e-3 | ZL11 | j3.46e-3 |
| ZL6 | j1.88e-3 | ZL12 | j3.77e-3 |
| Lline | 1e-7H～1e-5H |
以上所述仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种分布式可再生能源集群阻抗聚合模型自适应分频降阶方法，其特征是按如下步骤进行：
步骤1：根据稳定性分析的需求设定降阶频段Ω，Ω＝[ω1,ω2]，ω2≥ω1≥0、误差阈值INNSEref、初始降阶阶数rint以及电站内可再生能源发电单元总台数imax的初始状态值；通过理论分析的方法获取可再生能源电站中的各可再生能源发电单元的单机阻抗模型Yinvi；
步骤2：根据可再生能源集群拓扑，从距集群PCC点电气距离最远端的可再生能源发电单元开始对集群内多台并联的可再生能源发电单元的阻抗模型进行逐一聚合，将聚合至第i台发电单元时的阻抗聚合模型表示为模型Yi；
步骤3：在设定降阶频段Ω内对阻抗聚合模型Yi进行平衡化，获得平衡化阻抗聚合模型，并令降阶目标阶数r为初始降阶阶数rint；
步骤4：根据模型截断理论将步骤3中所述平衡化阻抗聚合模型截断为r阶的降阶模型Yred；
步骤5：使用综合标幺化模型效率系数INNSE评估降阶模型Yred和模型Yi在设定降阶频段Ω内的频域响应误差，通过设置对比降阶模型Yred的INNSE和降阶误差阈值INNSEref自适应更新降阶目标阶数r，并获得模型阶数自适应获取的可再生能源集群降阶阻抗聚合模型Yi。
2.根据权利要求1所述的分布式可再生能源集群阻抗聚合模型自适应分频降阶方法，其特征是：在所述步骤3中按如下方法在设定降阶频段Ω内对阻抗聚合模型进行平衡化：
步骤3.1：将传递函数形式的阻抗聚合模型表达为式(1)所示的状态矩阵形式：
式(1)中：
u为输入向量，y为输出向量，A为系统矩阵，B为系统输入矩阵,C为系统输出矩阵；
x为状态向量，为状态向量x的一阶微分，/>
步骤3.2：根据Parseval理论将频域下阻抗聚合模型的可控性Gramian矩阵Wcf和可观性Gramian矩阵Wof表达为式(2)和式(3)：
式(2)和式(3)中：
H(v)＝(jvI-A)-1，j为虚数单位，I为单位对角矩阵，v为积分变量；
BT，HT(v)和CT分别表示矩阵B，H(v)和矩阵C的转置，
设定降阶频段Ω阻抗聚合模型的可控性矩阵Wcf(Ω)和可观性矩阵Wof(Ω)表达为式(4)和式(5)：
Wcf(Ω)＝Wcf(ω2)-Wcf(ω1) (4)
Wof(Ω)＝Wof(ω2)-Wof(ω1) (5)
式(4)中：Wcf(ω1)和Wcf(ω2)均由式(6)所表征：
式(5)中：Wof(ω1)和Wof(ω2)均由式(7)所表征：
将式(6)和式(7)经过部分分式分解获得式(8)和式(9)：
Wcf(ω)＝WcST(ω)-S(ω)Wc (8)
Wof(ω)＝ST(ω)Wo-WoS(ω) (9)
Wc是由式(10)计算获得的阻抗聚合模型在全频段内的可控性Gramian矩阵；
Wo是由式(11)计算获得的阻抗聚合模型在全频段内的可观性Gramian矩阵；
S(ω)是由式(12)所表征的阻抗聚合模型在设定降阶频段Ω内的权重矩阵；
ST(ω)为矩阵S(ω)的转置；
AWc+WcAT+BBT＝0 (10)
ATWo+WoA+CTC＝0 (11)
AT为系统矩阵A的转置；
步骤3.3：利用式(13)和式(14)分别对可观性矩阵Wof(Ω)和可控性矩阵Wcf(Ω)进行Cholesky分解获得分解矩阵Q和分解矩阵P：
Wof(Ω)＝QTQ (13)
Wcf(Ω)＝PPT (14)
QT和PT分别为矩阵Q和矩阵P的转置；
步骤3.4：利用式(15)对矩阵H进行奇异分解，H＝QP，获得分解的矩阵V和矩阵U：
H＝VΓ2UT (15)
矩阵V和矩阵U满足：VTV＝I，UTU＝I，Г为半正定对角阵；
步骤3.5：将平衡转换矩阵T表达为式(16)：
T＝PUΓ-1＝Q-1VΓ (16)
矩阵Г-1和Q-1分别为矩阵Г和Q的逆矩阵；
步骤3.6：将设定降阶频段Ω内阻抗聚合模型的平衡化模型表征为式(17)：
z为经平衡转换后的状态向量，为状态向量一阶微分，/>
完成设定降阶频段Ω内对阻抗聚合模型的平衡化。
3.根据权利要求2所述的分布式可再生能源集群阻抗聚合模型自适应分频降阶方法，其特征是：在所述步骤4中模型降阶过程按方法进行：
步骤4.1：利用式(18)将平衡转化矩阵T按照降阶目标阶数r划分为r阶保留矩阵Ψr和截断矩阵Tt：
T＝[Ψr|Tt] (18)
令R为矩阵T的逆矩阵，则矩阵R的r阶保留矩阵Φr T和截断矩阵Rt表征为式(19)：
利用式(18)和式(19)将式(17)表征为式(20)：
为阻抗聚合模型降阶过程中保留的状态变量；
xt为阻抗模型降阶过程中被截断的状态变量，d/dt表示求一阶微分；
步骤4.2：令Tt＝0，Rt＝0，则降阶后的阻抗聚合模型表征为式(21)：
将以状态方程表示的降阶阻抗聚合模型转化为传递函数形式，获得降阶模型Yred。
4.根据权利要求1所述的分布式可再生能源集群阻抗聚合模型自适应分频降阶方法，其特征是：在所述步骤5中由式(22)计算获得综合标幺化模型效率系数INNSE：
INNSE＝(NNSEpha+NNSEmag)/2 (22)
其中：
NNSEmag是由式(23)计算获得的辐频标幺化Nash-Sutcliffe模型效率系数；
NNSEpha是由式(24)计算获得的相频标幺化Nash-Sutcliffe模型效率系数；
且：0≤NNSEmag≤1，0≤NNSEpha≤1；
和/>分别为全阶阻抗聚合模型在频率ω处的幅频和相频响应值；
和/>分别为全阶阻抗聚合模型在设定降价频段Ω中幅频和相频响应的平均值；
qmagω，qphaω分别为降阶阻抗聚合模型在频率ω处的幅频和相频响应值。
5.根据权利要求4所述的分布式可再生能源集群阻抗聚合模型自适应分频降阶方法，其特征是：按如下方法通过评估和对比，实现降阶模型阶数r的自适应获取：
若INNSE＜INNSEref，表示降阶精度未达到要求，则将r的值增加1，返回执行步骤4；
若INNSE≥INNSEref，表示降阶精度已达到要求，则令Yi等于Yred，并根据i判断是否所有可再生能源发电单元已完成聚合；
若i＜imax，表示可再生能源电站内仍有剩余可再生能源发电单元仍未聚合，则将i的值增加1，返回步骤2；
若i＝imax，表示可再生能源电站内所有可再生能源发电单元已完成聚合，则结束阻抗模型聚合过程，获得模型阶数自适应获取的可再生能源集群降阶阻抗聚合模型Yi。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210556093.0A CN114880863B (zh) | 2022-05-20 | 2022-05-20 | 分布式可再生能源集群阻抗聚合模型自适应分频降阶方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210556093.0A CN114880863B (zh) | 2022-05-20 | 2022-05-20 | 分布式可再生能源集群阻抗聚合模型自适应分频降阶方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114880863A CN114880863A (zh) | 2022-08-09 |
| CN114880863B true CN114880863B (zh) | 2024-03-01 |
Family
ID=82678378
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210556093.0A Active CN114880863B (zh) | 2022-05-20 | 2022-05-20 | 分布式可再生能源集群阻抗聚合模型自适应分频降阶方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114880863B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117767288B (zh) * | 2023-12-20 | 2024-06-04 | 安徽农业大学 | 一种基于等效状态变量的vsg并网系统降阶建模方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104376140A (zh) * | 2013-08-15 | 2015-02-25 | 复旦大学 | 电源地供电网络模型降阶方法及装置 |
| GB201609551D0 (en) * | 2016-05-31 | 2016-07-13 | Wang Wei | Electrical impedance measurement and EIT image for location of a micro bio-channel under skin |
| EP3299826A1 (en) * | 2016-09-27 | 2018-03-28 | ABB Schweiz AG | Method to estimate an equivalent grid impedance for power generators |
| CN110994666A (zh) * | 2019-10-21 | 2020-04-10 | 合肥工业大学 | 在谐振频率处将阻抗模型降阶为rlc电路的降阶方法 |
| CN113435065A (zh) * | 2021-08-09 | 2021-09-24 | 华北电力大学 | 一种基于“黑箱”dc/dc变换器的等效阻抗建模方法 |
| WO2022042158A1 (zh) * | 2020-08-27 | 2022-03-03 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 基于傅里叶分解的mmc小信号阻抗建模方法 |
-
2022
- 2022-05-20 CN CN202210556093.0A patent/CN114880863B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104376140A (zh) * | 2013-08-15 | 2015-02-25 | 复旦大学 | 电源地供电网络模型降阶方法及装置 |
| GB201609551D0 (en) * | 2016-05-31 | 2016-07-13 | Wang Wei | Electrical impedance measurement and EIT image for location of a micro bio-channel under skin |
| EP3299826A1 (en) * | 2016-09-27 | 2018-03-28 | ABB Schweiz AG | Method to estimate an equivalent grid impedance for power generators |
| CN110994666A (zh) * | 2019-10-21 | 2020-04-10 | 合肥工业大学 | 在谐振频率处将阻抗模型降阶为rlc电路的降阶方法 |
| WO2022042158A1 (zh) * | 2020-08-27 | 2022-03-03 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 基于傅里叶分解的mmc小信号阻抗建模方法 |
| CN113435065A (zh) * | 2021-08-09 | 2021-09-24 | 华北电力大学 | 一种基于“黑箱”dc/dc变换器的等效阻抗建模方法 |
Non-Patent Citations (2)
| Title |
|---|
| 利用平衡理论进行电力系统模型降阶;赵洪山;宋国维;江全元;;电工技术学报;20100226(02);全文 * |
| 含风电场的多端柔性直流输电系统小信号建模方法;时帅;安鹏;符杨;刘栋;米阳;杨兴武;;电力系统自动化;20200525(10);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114880863A (zh) | 2022-08-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107508307B (zh) | 用于抑制次同步振荡的自抗扰直流附加阻尼控制方法 | |
| CN102856917B (zh) | 一种配电网无功优化方法 | |
| CN102684201B (zh) | 一种基于电压越限概率的含风电场电网无功优化方法 | |
| CN110429648B (zh) | 考虑风速随机波动的小干扰稳定裕度概率评估方法 | |
| CN111884259B (zh) | 一种考虑系统小干扰稳定特性的场站级风电机组等值方法 | |
| CN109412203B (zh) | 一种风电多馈入电力系统并网容量极限计算方法 | |
| CN106229995B (zh) | 基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法 | |
| CN114880863B (zh) | 分布式可再生能源集群阻抗聚合模型自适应分频降阶方法 | |
| CN108198091A (zh) | 一种基于改进粒子群算法的风电系统无功优化方法 | |
| CN114725982B (zh) | 一种分布式光伏集群精细化划分及建模方法 | |
| CN111245032B (zh) | 一种计及风电场集电线路降损优化的电压预测控制方法 | |
| CN110380404A (zh) | 考虑高耗能点负荷的输电网励磁系统调差系数优化整定方法 | |
| Malmir et al. | Controlling megawatt class WECS by ANFIS network trained with modified genetic algorithm | |
| CN110323979A (zh) | 一种考虑电压稳定的发电机励磁调差系数优化整定方法 | |
| CN115085224A (zh) | 一种新能源电力系统频率稳定快速分析方法 | |
| CN109494787B (zh) | 一种光伏多馈入电力系统并网容量极限计算方法 | |
| CN111614110A (zh) | 一种基于改进多目标粒子群算法的受端电网储能优化配置方法 | |
| CN106786766B (zh) | 一种基于p2g技术的提高风电最大并网容量的方法 | |
| CN116995749A (zh) | 基于电能质量调节器的微网功率优化方法 | |
| CN117193404A (zh) | 一种水电机组模型多目标优化控制方法 | |
| CN115085260B (zh) | 新能源场站聚合模型的振荡模式保真度评价方法 | |
| Dongmei et al. | Reactive power optimization by genetic algorithm integrated with reduced gradient method | |
| CN115313510A (zh) | 一种自适应无功补偿的光伏逆变器控制方法与系统 | |
| CN115549118A (zh) | 配电网无功补偿设备出力平滑指数预测方法 | |
| Mahider et al. | Optimization of STATCOM PI Controller Parameters Using the Hybrid GA-PSO Algorithm |
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 |