CN114996980A - 一种分布式能源微网群的聚合惯量能力评估方法 - Google Patents

一种分布式能源微网群的聚合惯量能力评估方法 Download PDF

Info

Publication number
CN114996980A
CN114996980A CN202210941091.3A CN202210941091A CN114996980A CN 114996980 A CN114996980 A CN 114996980A CN 202210941091 A CN202210941091 A CN 202210941091A CN 114996980 A CN114996980 A CN 114996980A
Authority
CN
China
Prior art keywords
inertia
microgrid
nth
nth microgrid
aggregation
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
CN202210941091.3A
Other languages
English (en)
Other versions
CN114996980B (zh
Inventor
邓卫
王冠淇
李毅丰
裴玮
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.)
Institute of Electrical Engineering of CAS
Original Assignee
Institute of Electrical Engineering of CAS
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 Institute of Electrical Engineering of CAS filed Critical Institute of Electrical Engineering of CAS
Priority to CN202210941091.3A priority Critical patent/CN114996980B/zh
Publication of CN114996980A publication Critical patent/CN114996980A/zh
Application granted granted Critical
Publication of CN114996980B publication Critical patent/CN114996980B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • H02J3/38—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
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Power Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Mathematical Analysis (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明提供一种分布式能源微网群的聚合惯量能力评估方法，其为一种针对微电网群的聚合惯量能力评估方法，在精确计算各微电网惯量的同时，也能够准确评估出微电网群整体的惯量，从而实现对微电网群的精准控制。本发明的方法为基于Minkowski Sum算法评估微网群的聚合惯量的方法，该方法能够根据各微网的状态以及惯量值，准确计算出微网群整体的聚合惯量，相较于传统的单一微网的惯量计算方法，其具有更好的普适性和灵活性，具有更大的工程实践意义，以及更广阔的市场前景。

Description

一种分布式能源微网群的聚合惯量能力评估方法
技术领域
本发明属于电力系统领域，具体涉及一种分布式能源微网群的聚合惯量能力评估方法。
背景技术
双碳目标下，我国分布式发电将呈现爆发性的增长态势，微电网可实现风、光、储等多类型分布式电源之间的有效协同控制，这已成为我国关注的重点领域和新能源发展的重点方向。微电网把分布式电源和它所供能的负荷以及能量转换、保护、监控等装置作为一个系统，使得分布式能源更加柔性可控。而为实现更大范围内资源整合与优化配置，提升系统可靠性以及能源利用率，多个微电网可以组成微电网群，其常见的系统结构如图1所示。然而风电、光伏等新能源机组一般通过电力电子装置并网，常规控制下无法为微电网以及微电网群提供转动惯量支撑，难以抑制系统频率波动，尤其是当高密度分布式能源接入后，微电网低惯量特征更加显著，频率稳定性问题也更为突出。
为缓解高比例新能源并网带来的惯量支撑问题，以虚拟同步机(virtualsynchronous machine, VSM)为典型代表的虚拟惯量控制技术应运而生，有助于提高系统惯量的水平，而使用VSM控制需要对微电网的惯量进行评估计算。目前，国内外的研究主要是对单一微电网的惯量进行计算，很少涉及对微电网群的聚合惯量进行分析评估，因此无法对微电网群整体的惯量进行准确计算，并进行有效控制。
发明内容
针对上述问题，本发明提出一种针对微电网群的聚合惯量能力评估方法，在精确计算各微电网惯量的同时，也能够准确评估出微电网群整体的惯量，从而实现对微电网群的精准控制。
为达到上述目的，本发明采用的技术方案如下：
一种分布式能源微网群的聚合惯量能力评估方法，包括如下步骤：
步骤S1：设定第n个微网的等效惯性时间常数为H sys-n ，最大输出功率P n,max以及最小输出功率P n,min；其中，第n个微网系统的等效惯性时间常数H sys-n 的计算为：
Figure 233944DEST_PATH_IMAGE001
上式中H n,i 和S n,i 分别为第n个微电网中第i个常规机组的惯性常数和额定容量；
Figure 416664DEST_PATH_IMAGE002
，
Figure 461980DEST_PATH_IMAGE003
为第n个微网中第j个虚拟机组的惯性常数和额定容量；
步骤S2：通过调度系统，获取未来某一时间段内第n个微网的调度功率时序指令；
步骤S3：设定t时刻第n个微网的状态为S n (t)：
Figure 122769DEST_PATH_IMAGE004
；
步骤S4：根据步骤S1中获取的等效惯性时间常数H sys-n ，步骤S2中获取的调度功率时序指令，以及步骤S3中获取的状态S n (t)，计算t时刻第n个微网惯量I n (t)，并计算时段总时长T内对应的惯量时序；将第n个微网对应时刻的惯量作图，得到第n个微网的惯量时序图；
步骤S5：对步骤S4中得到的惯量时序图进行分段线性化拟合，并得到相应的惯量拟合曲线；根据惯量拟合曲线的转折点进行折算；
步骤S6：计算t时刻微网群的聚合惯量能力I(t)为：
Figure 733879DEST_PATH_IMAGE005
其中，I n '(t)为第n个微网在惯量拟合曲线上对应的惯量值，N为微网总数量，并满足以下条件：
Figure 572653DEST_PATH_IMAGE006
。
进一步地，所述步骤S2中的调度功率时序指令计算如下：
P n (1),P n (2)…P n (t)…P n (T)
Figure 105265DEST_PATH_IMAGE007
其中，P n (t)是t时刻第n个微网的调度功率指令，T为计算时段的总时长。
进一步地，所述步骤S4中，t时刻第n个微网惯量I n (t)计算如下：
I n (t)=P n (t)·H sys-n ·S n (t)
因此得到计算时段总时长T内对应的惯量时序：
I n (1),I n (2)…I n (t)…I n (T)
Figure 835324DEST_PATH_IMAGE008
。
进一步地，所述步骤S5中的转折点计算规则为：
I n,max '=min(max(I n (1),I n (2)…I n (t)…I n (T)),I n,rated )
I n,min '=max(min(I n (1),I n (2)…I n (t)…I n (T)),0)
I n,tp '=max(min(I n,tm ,I n,rated ),0)
Figure 769782DEST_PATH_IMAGE009
其中，I n,max '为第n个微网的惯量拟合曲线中的最大惯量值，I n (t)为第n个微网在t时刻的惯量，I n,rsted 为第n个微网的惯量额定值，I n,min '为第n个微网的惯量拟合曲线中的最小惯量值，I n,tm 为第n个微网惯量时序曲线中转折点对应的惯量值，I n,tp '为第n个微网的惯量拟合曲线中转折点对应的惯量值。
有益效果：
本发明的方法为基于Minkowski Sum算法评估微网群的聚合惯量的方法，该方法能够根据各微网的状态以及惯量值，准确计算出微网群整体的聚合惯量，相较于传统的单一微网的惯量计算方法，其具有更好的普适性和灵活性，具有更大的工程实践意义，以及更广阔的市场前景。
附图说明
图1 为现有技术中的微网群多级系统结构示意图；
图2为本发明的分布式能源微网群的聚合惯量能力评估方法流程图；
图3为第n个微网的调度功率时序图；
图4为第n个微网的惯量时序图；
图5为第n个微网的惯量拟合曲线。
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，以下结合附图及实施例，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。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示，其为一种微网群的结构。其中微网群由多个微网组成，微网的组成包括风电、光伏、储能等分布式能源，并通过电力电子变换器实现能量的传递。再将这些地理上毗邻、容量不等、结构不同的微网通过中压馈线连接在一起，其中直流微网通过DC/AC变换器并入，构成一个微网群。由于每个微网中都不包含大量同步电机所提供的惯量支撑，因此会使得有微电网构成的微电网群因惯量缺失引起的稳定性问题突出。
在此基础上，本发明提供一种分布式能源微网群的聚合惯量能力评估方法，具体包括如下步骤：
步骤S1：设定第n个微网的等效惯性时间常数为H sys-n ，最大输出功率P n,max以及最小输出功率P n,min。其中，第n个微网的等效惯性时间常数H sys-n 的计算为：
Figure 28725DEST_PATH_IMAGE010
上式中H n,i 和S n,i 分别为第n个微电网中第i个常规机组的惯性常数和额定容量；
Figure 48633DEST_PATH_IMAGE011
，
Figure 67536DEST_PATH_IMAGE012
为第n个微网中第j个虚拟机组的惯性常数和额定容量。
步骤S2：通过调度系统，获取未来某一时间段内第n个微网的调度功率时序指令如下：
P n (1),P n (2)…P n (t)…P n (T)
Figure 856501DEST_PATH_IMAGE013
其中P n (t)是t时刻第n个微网的调度功率指令，T为计算时段的总时长，其时序图如图2所示。图3表示为微网群中第n个微网在0-T时刻内所对应的惯量值。
步骤S3：设定t时刻第n个微网的状态为S n (t)：
Figure 817503DEST_PATH_IMAGE014
步骤S4：根据步骤S1中获取的等效惯性时间常数H sys-n ，步骤S2中获取的调度功率时序指令，以及步骤S3中获取的状态S n (t)，计算t时刻第n个微网惯量I n (t)：
I n (t)=P n (t)·H sys-n ·S n (t)
因此得到计算时段总时长T内对应的惯量时序：
I n (1),I n (2)…I n (t)…I n (T)
Figure 324708DEST_PATH_IMAGE015
将第n个微网对应时刻的惯量作图，即可得到如图4所示的第n个微网的惯量时序图。
步骤S5：对步骤S4中得到的惯量时序图进行分段线性化拟合，并得到相应的惯量拟合曲线，如图5所示。
根据惯量拟合曲线的转折点进行折算，其转折点计算规则为：
I n,max '=min(max(I n (1),I n (2)…I n (t)…I n (T)),I n,rated )
I n,min '=max(min(I n (1),I n (2)…I n (t)…I n (T)),0)
I n,tp '=max(min(I n,tm ,I n,rated ),0)
Figure 865411DEST_PATH_IMAGE009
其中，I n,max '为第n个微网的惯量拟合曲线中的最大惯量值，I n (t)为第n个微网在t时刻的惯量，I n,rated 为第n个微网的惯量额定值，I n,min '为第n个微网的惯量拟合曲线中的最小惯量值，I n,tm 为第n个微网惯量时序曲线中转折点对应的惯量值，I n,tp '为第n个微网的惯量拟合曲线中转折点对应的惯量值，t n,p 为第n个微网惯量拟合曲线转折点对应的时刻。
步骤S6：利用闵可夫斯基和（Minkowski Sum）算法，计算t时刻微网群的聚合惯量能力I(t)为：
Figure 774461DEST_PATH_IMAGE005
其中，I n '(t)为第n个微网在惯量拟合曲线上对应的惯量值，N为微网总数量，并满足以下条件：
Figure 391518DEST_PATH_IMAGE016
。
本领域的技术人员容易理解，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、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种分布式能源微网群的聚合惯量能力评估方法，其特征在于，包括如下步骤：
步骤S1：设定第n个微网的等效惯性时间常数为H sys-n ，最大输出功率P n,max以及最小输出功率P n,min；其中，第n个微网系统的等效惯性时间常数H sys-n 的计算为：
Figure 374066DEST_PATH_IMAGE001
上式中H n,i 和S n,i 分别为第n个微电网中第i个常规机组的惯性常数和额定容量；
Figure 554511DEST_PATH_IMAGE002
，
Figure 685278DEST_PATH_IMAGE003
为第n个微网中第j个虚拟机组的惯性常数和额定容量；
步骤S2：通过调度系统，获取未来某一时间段内第n个微网的调度功率时序指令；
步骤S3：设定t时刻第n个微网的状态为S n (t)：
Figure 152032DEST_PATH_IMAGE004
；
步骤S4：根据步骤S1中获取的等效惯性时间常数H sys-n ，步骤S2中获取的调度功率时序指令，以及所述步骤S3中获取的状态S n (t)，计算t时刻第n个微网惯量I n (t)，并计算时段总时长T内对应的惯量时序；将第n个微网对应时刻的惯量作图，得到第n个微网的惯量时序图；
步骤S5：对步骤S4中得到的惯量时序图进行分段线性化拟合，并得到相应的惯量拟合曲线；根据惯量拟合曲线的转折点进行折算；
步骤S6：计算t时刻微网群的聚合惯量能力I(t)为：
Figure 1039DEST_PATH_IMAGE005
其中，I n '(t)为第n个微网在惯量拟合曲线上对应的惯量值，N为微网总数量，并满足以下条件：
Figure 719596DEST_PATH_IMAGE006
。
2.根据权利要求1所述的一种分布式能源微网群的聚合惯量能力评估方法，其特征在于，所述步骤S2中的调度功率时序指令计算如下：
P n (1),P n (2)…P n (t)…P n (T)
Figure 32766DEST_PATH_IMAGE007
其中，P n (t)是t时刻第n个微网的调度功率指令，T为计算时段的总时长。
3.根据权利要求2所述的一种分布式能源微网群的聚合惯量能力评估方法，其特征在于，所述步骤S4中，t时刻第n个微网惯量I n (t)计算如下：
I n (t)=P n (t)·H sys-n ·S n (t)
因此得到计算时段总时长T内对应的惯量时序：
I n (1),I n (2)…I n (t)…I n (T)
Figure 608104DEST_PATH_IMAGE008
。
4.根据权利要求3所述的一种分布式能源微网群的聚合惯量能力评估方法，其特征在于，所述步骤S5中的转折点计算规则为：
I n,max '=min(max(I n (1),I n (2)…I n (t)…I n (T)),I n,rated )
I n,min '=max(min(I n (1),I n (2)…I n (t)…I n (T)),0)
I n,tp '=max(min(I n,tm ,I n,rated ),0)
Figure 147670DEST_PATH_IMAGE008
其中，I n,max '为第n个微网的惯量拟合曲线中的最大惯量值，I n (t)为第n个微网在t时刻的惯量，I n,rated 为第n个微网的惯量额定值，I n,min '为第n个微网的惯量拟合曲线中的最小惯量值，I n,tm 为第n个微网惯量时序曲线中转折点对应的惯量值，I n,tp '为第n个微网的惯量拟合曲线中转折点对应的惯量值。
CN202210941091.3A 2022-08-08 2022-08-08 一种分布式能源微网群的聚合惯量能力评估方法 Active CN114996980B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210941091.3A CN114996980B (zh) 2022-08-08 2022-08-08 一种分布式能源微网群的聚合惯量能力评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210941091.3A CN114996980B (zh) 2022-08-08 2022-08-08 一种分布式能源微网群的聚合惯量能力评估方法

Publications (2)

Publication Number Publication Date
CN114996980A true CN114996980A (zh) 2022-09-02
CN114996980B CN114996980B (zh) 2022-11-18

Family

ID=83023185

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210941091.3A Active CN114996980B (zh) 2022-08-08 2022-08-08 一种分布式能源微网群的聚合惯量能力评估方法

Country Status (1)

Country Link
CN (1) CN114996980B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019187411A1 (ja) * 2018-03-28 2019-10-03 株式会社日立製作所 分散電源の制御装置
CN113283654A (zh) * 2021-05-28 2021-08-20 济南大学 基于聚合解列机制的微网群优化控制方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019187411A1 (ja) * 2018-03-28 2019-10-03 株式会社日立製作所 分散電源の制御装置
CN113283654A (zh) * 2021-05-28 2021-08-20 济南大学 基于聚合解列机制的微网群优化控制方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HUANG JIAYI;JIANG CHUANWEN: "A review on distributed energy resources", 《SCIENCE DIRECT》 *
解云兴: "含分布式电源的微网群能量协调控制控制方法研究", 《科技通报》 *

Also Published As

Publication number Publication date
CN114996980B (zh) 2022-11-18

Similar Documents

Publication Publication Date Title
Li et al. A distributed coordination control based on finite-time consensus algorithm for a cluster of DC microgrids
WO2022165914A1 (zh) 分布式电压源变流器协同控制方法及交直流混联微电网
US12074443B2 (en) Source-grid-load-storage networked collaborative frequency control method
CN110350597B (zh) 基于分布式光伏有功-无功优化的配电网电压控制方法
CN106374498B (zh) 一种考虑二次电压频率控制的微电网潮流计算方法
CN108390387B (zh) 一种动态自律分散协调的源荷调峰控制方法
WO2019165637A1 (zh) 风电场群有功功率的控制方法及装置
WO2022156014A1 (zh) 混联风光微电网快速频率响应分布式协调控制方法及系统
CN117875663A (zh) 分布式电热气耦合综合能源系统低碳经济优化调度方法
CN116436040B (zh) 考虑频率动态安全约束的输配电协同优化调度方法和系统
CN114996980B (zh) 一种分布式能源微网群的聚合惯量能力评估方法
CN114725920B (zh) 一种适用于多分布式电源虚拟惯量直流并网系统的功率精确分配方法及装置
Wang et al. Improved PSO-based energy management of Stand-Alone Micro-Grid under two-time scale
Sondhi et al. Primary control in DC microgrids: A review
CN113592125B (zh) 一种特高压直流配套电源配比优化比选方法和系统
CN110460109B (zh) 区域电网间输电通道新增容量的分析方法及装置
CN110247414B (zh) 用于超级ups的直流母线电压稳定控制方法、装置及系统
CN113471985A (zh) 计及svg控制精度小需量距离寻优无功补偿方法及装置
JP2022077667A (ja) 水素製造システム
CN113471995A (zh) 一种基于改进平均值法提升新能源高占比区域频率稳定性的储能配置方法
CN111082429A (zh) 一种含分布式光伏发电的中压配电网电压控制策略
CN106410867B (zh) 一种电能路由器功率流优化分析方法
CN111555264B (zh) 基于分布式连续凸逼近非凸优化的电力系统经济调度方法
CN110994655A (zh) 一种分布式电源的集中式协调控制方法
Finamor et al. Solar photovoltaic static conversion system applied to a smart microgrid

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