CN115833111A - 高比例新能源电力系统的最小惯量需求评估方法、装置、系统及介质 - Google Patents

高比例新能源电力系统的最小惯量需求评估方法、装置、系统及介质 Download PDF

Info

Publication number
CN115833111A
CN115833111A CN202211682762.5A CN202211682762A CN115833111A CN 115833111 A CN115833111 A CN 115833111A CN 202211682762 A CN202211682762 A CN 202211682762A CN 115833111 A CN115833111 A CN 115833111A
Authority
CN
China
Prior art keywords
inertia
minimum inertia
frequency
minimum
constraint
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.)
Pending
Application number
CN202211682762.5A
Other languages
English (en)
Inventor
冀肖彤
柳丹
叶畅
曹侃
梅欣
夏勇军
王伟
邓万婷
陈孝明
蔡萱
肖繁
熊平
康逸群
江克证
谭道军
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.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hubei 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 State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202211682762.5A priority Critical patent/CN115833111A/zh
Publication of CN115833111A publication Critical patent/CN115833111A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种高比例新能源电力系统的最小惯量需求评估方法、装置、系统及介质，该方法包括以下步骤：建立高比例新能源电力系统的最小惯量需求评估模型，所述最小惯量评估数学模型以各时段的惯量需求最小化为优化目标，所述最小惯量评估数学模型的约束条件包括系统可调度惯量约束、频率稳定约束及电源备用容量约束；采用内嵌暂态仿真的粒子群优化算法求解所述最小惯量评估数学模型，得到保障系统安全稳定所需的最小惯量。本发明综合考虑频率变化率和暂态频率极值约束建立系统最小惯量需求评估模型，采用基于暂态仿真的粒子群优化方法求解，得到系统在给定运行状态下惯量充裕度的衡量标准，有利于保障电力系统的安全稳定运行。

Description

高比例新能源电力系统的最小惯量需求评估方法、装置、系统 及介质
技术领域
本发明涉及电力系统惯量评估领域，具体是一种高比例新能源电力系统的最小惯量需求评估方法、装置、系统及介质。
背景技术
高比例新能源的接入给电力系统的安全稳定运行带来了严峻挑战。其中，系统惯量不足的问题尤为突出。当前电力系统的调节资源以常规火电为主，然而在高比例新能源并网的背景下，火电的装机份额不断被风电与光伏发电取代，系统惯量水平和抗扰能力持续下降，给电力系统的频率稳定带来威胁，也给电力系统的优化调度运行提出了新的要求。
目前，国内外针对系统惯量评估已展开了大量相关研究，如，国外比较成熟的实时惯量监测系统可以使调度人员实时感知系统的惯量水平，但是，该装置测得的惯量水平是否能够保证电力系统的频率稳定性，还需要结合系统最小惯量评估结果才能够进一步判断当前系统是否具备抵御风险的能力。而学者目前在关于最小惯量评估方面的研究还较少，大多为利用数学解析方法来构建动态频率响应模型，计算过程较为复杂繁琐，中间对频率响应模型或动态微分方程进行简化处理在一定程度上降低了问题的求解精度。
因此，如何打破常规数学解析方法的局限性，更加精确快捷地进行最小惯量评估是未来惯量评估领域的一个技术难点。
发明内容
有鉴于此，本发明提出一种高比例新能源电力系统的最小惯量需求评估方法、装置、系统及介质，该策略基于频率稳定性分析开展系统最小惯量评估方法制定，综合考虑频率变化率和暂态频率极值约束建立系统最小惯量需求评估模型，采用基于暂态仿真的粒子群优化方法求解，通过算例验证了该评估方法的有效性。
一种高比例新能源电力系统的最小惯量需求评估方法，包括以下步骤：
建立高比例新能源电力系统的最小惯量需求评估模型，所述最小惯量评估数学模型以各时段的惯量需求最小化为优化目标，所述最小惯量评估数学模型的约束条件包括系统可调度惯量约束、频率稳定约束及电源备用容量约束；
采用内嵌暂态仿真的粒子群优化算法求解所述最小惯量评估数学模型，得到保障系统安全稳定所需的最小惯量。
进一步的，所述建立高比例新能源电力系统的最小惯量需求评估模型，包括：
构建最小惯量需求评估模型的目标函数：
minHt (1)
式中：Ht为电力系统待估计的最小惯量；
建立最小惯量需求评估模型的约束条件，所述最小惯量需求评估模型的约束条件包括系统可调度惯量约束、频率稳定约束及电源备用容量约束，其中系统可调度惯量约束表达式如下，
Hmin≤Ht≤Hmax (2)
式中：Hmax为所有火电机组的转动惯量与新能源机组提供的最大虚拟惯量之和；Hmin为运行火电机组的转动惯量之和；
频率稳定约束表达式如下，
Figure BDA0004018939630000021
Figure BDA0004018939630000022
RoCoFmin≤RoCoFM≤RoCoFmax (5)
ft＝fN+Δft＝fN+f(ΔPL,Ht,ΔPG) (6)
fmin≤ft≤fmax (7)
式中：式(3)表示转子运动方程，fN、Δft分别为系统额定频率和频率偏差，ΔPG为所有调频资源的一次调频功率，ΔPL为初始扰动功率；RoCoFM表示系统最大频率变化率，由式(3)可知扰动发生后瞬间即t＝0+时刻的系统频率变化率最大；ft表示扰动后的系统暂态频率极值；RoCoFmax、RoCoFmin分别表示频率变化率上下限值；fmax、fmin分别表示系统频率上下限值；
电源备用容量约束表达式如下所示，
Figure BDA0004018939630000031
Figure BDA0004018939630000032
Figure BDA0004018939630000033
式中：下标G、W、ES分别表示同步机组、风电机组与储能装置；ΔP”Gi、ΔP”W、ΔP”ES表示各类电源限幅环节的输入量；ΔP'Gi、ΔP'W、ΔP'ES表示各类电源限幅环节的输出量；
Figure BDA0004018939630000034
表示各电源上调备用容量；
Figure BDA0004018939630000035
Figure BDA0004018939630000036
表示各电源下调备用容量。
进一步的，还包括：建立高比例新能源电力系统的有功优化调度模型，求解所述有功优化调度模型以获取各机组的运行状态，基于所述各机组的运行状态搭建频率响应模型，并设置所有惯性元件的惯性参数。
进一步的，所述采用内嵌暂态仿真的粒子群优化算法求解所述最小惯量评估数学模型，得到保障系统安全稳定所需的最小惯量，包括：
步骤3.1，设置内嵌暂态仿真的粒子群优化算法中的迭代次数、种群规模、学习因子、惯性权重，预设种群及对应频率的存储空间、初始化种群；
步骤3.2，利用求解得到的机组运行状态和设置的惯性元件的惯性参数信息，在Simulink仿真平台搭建频率响应仿真模块；
步骤3.3，将粒子群算法优化程序中设置的扰动功率和初始化最小惯量代入频率响应仿真模块，输出相应的暂态频率极值并储存在粒子群算法优化程序中；
步骤3.4，采用罚函数的形式处理系统暂态频率偏差约束，来计算群体中每个粒子的适应度；
步骤3.5，更新粒子的速度和位置，更新公式如下，
vi(t+1)＝wvi(t)+c1r1(Pi,best(t)-xi(t))+c2r2(Pg,best(t)-xi(t))
xi(t+1)＝xi(t)+vi(t)
式中：vi(t)表示粒子i的第t次迭代的速度；r1和r2为[0,1]的随机数；xi(t)表示粒子i的第t次迭代的位置；Pi,best(t)表示第t次迭代后粒子i的个体最优值；Pg,best(t)表示第t次迭代后种群全局最优值；
步骤3.6，由步骤3.5更新得到的粒子位置即为更新后的最小惯量，将其代入频率响应仿真模块，得到新的暂态频率极值和新的适应度函数值；
步骤3.7，更新当前个体最优和群体最优；
步骤3.8，若满足终止条件，则输出粒子的群体最优及其对应的适应度值；否则转向步骤3.4；
步骤3.9，由步骤3.8输出的粒子群体最优值即为最终的系统最小惯量评估结果，对最小惯量评估阶段的结果进行展示与分析。
一种高比例新能源电力系统的最小惯量需求评估装置，包括：
最小惯量需求评估模型建立模块，用于建立高比例新能源电力系统的最小惯量需求评估模型，所述最小惯量评估数学模型以各时段的惯量需求最小化为优化目标，所述最小惯量评估数学模型的约束条件包括系统可调度惯量约束、频率稳定约束及电源备用容量约束；
最小惯量需求评估模型求解模块，用于采用内嵌暂态仿真的粒子群优化算法求解所述最小惯量评估数学模型，得到保障系统安全稳定所需的最小惯量。
进一步的，所述最小惯量需求评估模型建立模块立高比例新能源电力系统的最小惯量需求评估模型，包括：
构建最小惯量需求评估模型的目标函数：
minHt(1)
式中：Ht为电力系统待估计的最小惯量；
建立最小惯量需求评估模型的约束条件，所述最小惯量评估数学模型的约束条件包括系统可调度惯量约束、频率稳定约束及电源备用容量约束，其中系统可调度惯量约束表达式如下，
Hmin≤Ht≤Hmax(2)
式中：Hmax为所有火电机组的转动惯量与新能源机组提供的最大虚拟惯量之和；Hmin为运行火电机组的转动惯量之和；
频率稳定约束表达式如下，
Figure BDA0004018939630000051
Figure BDA0004018939630000052
RoCoFmin≤RoCoFM≤RoCoFmax (5)
ft＝fN+Δft＝fN+f(ΔPL,Ht,ΔPG) (6)
fmin≤ft≤fmax (7)
式中：式(3)表示转子运动方程，fN、Δft分别为系统额定频率和频率偏差，ΔPG为所有调频资源的一次调频功率，ΔPL为初始扰动功率；RoCoFM表示系统最大频率变化率，由式(3)可知扰动发生后瞬间即t＝0+时刻的系统频率变化率最大；ft表示扰动后的系统暂态频率极值；RoCoFmax、RoCoFmin分别表示频率变化率上下限值；fmax、fmin分别表示系统频率上下限值；
电源备用容量约束表达式如下所示，
Figure BDA0004018939630000053
Figure BDA0004018939630000054
Figure BDA0004018939630000055
式中：下标G、W、ES分别表示同步机组、风电机组与储能装置；ΔP”Gi、ΔP”W、ΔP”ES表示各类电源限幅环节的输入量；ΔP'Gi、ΔP'W、ΔP'ES表示各类电源限幅环节的输出量；
Figure BDA0004018939630000056
表示各电源上调备用容量；
Figure BDA0004018939630000057
Figure BDA0004018939630000058
表示各电源下调备用容量。
进一步的，还包括有功优化调度模型建立及求解模块，用于建立高比例新能源电力系统的有功优化调度模型，求解所述有功优化调度模型以获取各机组的运行状态，基于所述各机组的运行状态搭建频率响应模型，并设置所有惯性元件的惯性参数。
进一步的，所述最小惯量需求评估模型求解模块采用内嵌暂态仿真的粒子群优化算法求解所述最小惯量评估数学模型，得到保障系统安全稳定所需的最小惯量，包括：
步骤3.1，设置基于所述各机组的运行状态的迭代次数、种群规模、学习因子、惯性权重，预设种群及对应频率的存储空间、初始化种群；
步骤3.2，利用求解得到的机组运行状态和设置的惯性元件的惯性参数信息，在Simulink仿真平台搭建频率响应仿真模块；
步骤3.3，将粒子群算法优化程序中设置的扰动功率和初始化最小惯量代入频率响应仿真模块，输出相应的暂态频率极值并储存在粒子群算法优化程序中；
步骤3.4，采用罚函数的形式处理系统暂态频率偏差约束，来计算群体中每个粒子的适应度；
步骤3.5，更新粒子的速度和位置，更新公式如下，
vi(t+1)＝wvi(t)+c1r1(Pi,best(t)-xi(t))+c2r2(Pg,best(t)-xi(t))
xi(t+1)＝xi(t)+vi(t)
式中：vi(t)表示粒子i的第t次迭代的速度；r1和r2为［0,1］的随机数；xi(t)表示粒子i的第t次迭代的位置；Pi,best(t)表示第t次迭代后粒子i的个体最优值；Pg,best(t)表示第t次迭代后种群全局最优值；
步骤3.6，由步骤3.5更新得到的粒子位置即为更新后的最小惯量，将其代入频率响应仿真模块，得到新的暂态频率极值和新的适应度函数值；
步骤3.7，更新当前个体最优和群体最优；
步骤3.8，若满足终止条件，则输出粒子的群体最优及其对应的适应度值；否则转向步骤3.4；
步骤3.9，由步骤3.8输出的粒子群体最优值即为最终的系统最小惯量评估结果，对最小惯量评估阶段的结果进行展示与分析。
一种高比例新能源电力系统的最小惯量需求评估系统，包括：计算机可读存储介质和处理器；
所述计算机可读存储介质用于存储可执行指令；
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行所述的高比例新能源电力系统的最小惯量需求评估方法。
一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的高比例新能源电力系统的最小惯量需求评估方法。
本发明提综合考虑频率变化率和暂态频率极值约束建立系统最小惯量需求评估模型，采用基于暂态仿真的粒子群优化方法求解，此得到系统在给定运行状态下惯量充裕度的衡量标准，有利于保障电力系统的安全稳定运行，通过算例验证了该评估方法的有效性。
附图说明
图1是IEEE30节电系统的网络拓扑结构图；
图2是本发明实施例的系统频率响应模型；
图3是在5％～10％功率缺额下系统各时段的最小惯量需求与实际惯量曲线。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。
针对现有技术的缺陷或改进需求，本发明第一方面提供了一种高比例新能源电力系统的最小惯量需求评估方法，综合考虑频率变化率和暂态频率极值约束建立系统最小惯量需求评估模型，采用基于暂态仿真的粒子群优化方法求解，通过算例验证了该评估方法的有效性。所述方法包括如下步骤：
步骤1，建立高比例新能源电力系统的有功优化调度模型，求解有功优化调度模型，以获取各机组的运行状态，即各机组的启停情况；根据各机组的运行状态，搭建频率响应模型，并设置所有惯性元件的惯性参数，为后续步骤3中仿真平台搭建系统各时段的频率响应模块提供必要的参数信息。
在本发明优选的实施方式中，步骤1具体包括：
步骤1.1，建立高比例新能源电力系统的有功优化调度模型，求解有功优化调度模型，以获取各机组的运行状态，各机组的运行状态即为各机组的日前启停情况。如，选取IEEE30节点系统作为研究对象，IEEE30节点系统的网络拓扑结构如图1所示，统筹IEEE30节点系统中各类有功可调资源，建立高比例新能源电力系统的有功优化调度模型，并采用CPLEX对有功优化调度模型进行求解，得出一组日前机组的启停情况(0表示停机，1表示运行)，如表1所示，
表1机组启停情况
Figure BDA0004018939630000081
步骤1.2，搭建频率响应模型，并设置所有惯性元件的惯性参数。分析高比例新能源电力系统的惯量影响因素，建立系统频率响应模型如图2所示。在考虑常规火电机组频率响应过程的基础上(RGi表示火电机组i的调速器调差系数，TGi,1和TGi,2分别表示火电机组的调速器时间常数和蒸汽箱时间常数)，还计及了风电机组及储能装置的频率调节能力，其中，风电机组一次调频由下垂控制和惯性响应控制效果叠加得到(RW和KV分别是风电机组的一次调频调差系数及虚拟惯量常数，TW为风电机组的惯性时间常数)，储能装置一次调频模拟同步发电机的频率响应过程，采用比例环节和一阶惯性环节表示(RES和TES是储能装置的等效调差系数和惯性时间常数)。
建立系统频率响应模型后进行参数设置，各惯性元件的惯性参数设置情况如表2、3、4所示。
表2常规机组的惯性参数
H<sub>Gi</sub>(s) R<sub>Gi</sub> T<sub>Gi,1</sub>(s) T<sub>Gi,2</sub>(s)
G1 5.8 0.05 0.25 0.35
G2 5.8 0.05 0.25 0.35
G3 4.5 0.05 0.25 0.35
G4 5.8 0.05 0.25 0.35
G5 5.8 0.05 0.25 0.35
G6 4.5 0.05 0.25 0.35
表3风电机组的惯性参数
H<sub>W</sub>(s) R<sub>W</sub> K<sub>V</sub> T<sub>W</sub>(s)
WT 2-6(3) 0.05 6 1.0
表4储能装置的惯性参数
H<sub>ES</sub>(s) R<sub>ES</sub> T<sub>ES</sub>(s)
ES 1-6(3) 0.02 0.3
步骤2，根据火电机组、风电机组、光伏-储能装置、负荷特性的调节控制作用及有功冲击故障的影响，建立高比例新能源电力系统的最小惯量需求评估模型。所述最小惯量评估数学模型是以各时段的惯量需求最小化为优化目标，最小惯量评估数学模型的约束为可调度惯量约束、频率稳定约束及电源备用容量约束。
在本发明优选的实施方式中，步骤2具体包括：
步骤2.1，构建最小惯量需求评估模型的目标函数。最小惯量需求评估数学模型的优化目标为最小化系统在研究周期内各时段的惯量需求，目标函数如下，
minHt (1)
式中：Ht为电力系统待估计的最小惯量。
步骤2.2，建立最小惯量需求评估模型的约束条件。
在本发明进一步优选的实施方式中，步骤2.2包括：
步骤2.2.1，建立系统的可调度惯量约束
系统的实际惯量的可调整范围受到各类惯量资源的限制，可调度惯量约束的表达式如下，
Hmin≤Ht≤Hmax (2)
式中：Hmax为所有火电机组的转动惯量与新能源机组提供的最大虚拟惯量之和；Hmin为运行火电机组的转动惯量之和。
步骤2.2.2，建立频率稳定约束
频率变化率和暂态频率极值是衡量系统频率稳定性的两个重要指标，频率稳定约束的表达式如下，
Figure BDA0004018939630000101
Figure BDA0004018939630000102
RoCoFmin≤RoCoFM≤RoCoFmax (5)
ft＝fN+Δft＝fN+f(ΔPL,Ht,ΔPG) (6)
fmin≤ft＝fmax (7)
式中：式(3)表示转子运动方程，fN、Δft分别为系统的额定频率和频率偏差，ΔPG为所有调频资源的一次调频功率，ΔPL为初始扰动功率；RoCoFM表示系统的最大频率变化率，
由式(3)可知当扰动发生后，瞬间即t＝0+时刻的系统频率变化率最大；ft表示扰动后的系统暂态频率极值，式(6)是一个涉及到多变量的复杂非线性数学表达式，本文通过建立图2所示的频率响应模型进行仿真获得频率极值信息；RoCoFmax、RoCoFmin分别表示频率变化率上下限值；fmax、fmin分别表示系统频率上下限值。
步骤2.2.3，建立电源备用容量约束
由图2可知，同步机组、风电机组和储能装置的调节功率要受到电源备用容量的约束，电源备用容量约束的表达式如下所示，
Figure BDA0004018939630000103
Figure BDA0004018939630000104
Figure BDA0004018939630000105
式中：下标G、W、ES分别表示同步机组、风电机组与储能装置；ΔP”Gi、ΔP”W、ΔP”ES表示各类电源限幅环节的输入量；ΔP'Gi、ΔP'W、ΔP'ES表示各类电源限幅环节的输出量；
Figure BDA0004018939630000111
表示各电源的上调备用容量；
Figure BDA0004018939630000112
Figure BDA0004018939630000113
表示各电源下的调备用容量。
步骤3，采用内嵌暂态仿真的粒子群优化算法求解所述最小惯量评估数学模型，得到保障系统安全稳定所需的最小惯量。其中，粒子群算法优化程序向Simulink仿真平台传递系统最小惯量评估结果，Simulink仿真平台向粒子群算法优化程序传递频率响应后得到的暂态频率极值，将系统暂态频率偏差约束以罚函数的形式处理，通过迭代获取系统最小惯量评估结果。
在本发明优选的实施方式中，步骤3具体包括：
步骤3.1，首先设置内嵌暂态仿真的粒子群优化算法中的参数，如设置迭代次数为200，种群规模为100，学习因子c1＝1.51、c2＝1.49，惯性权重w＝0.9，然后，预设种群及对应频率的存储空间、初始化种群，包括初始位置和速度。
步骤3.2，利用步骤1求解得到的机组的运行状态和设置的惯性元件的惯性参数信息，在Simulink仿真平台搭建频率响应仿真模块；
步骤3.3，将粒子群算法优化程序中设置的扰动功率和初始化最小惯量代入频率响应仿真模块，输出相应的暂态频率极值并储存在粒子群算法优化程序中；
步骤3.4，采用罚函数的形式处理系统暂态频率偏差约束，来计算群体中每个粒子的适应度；
步骤3.5，更新粒子的速度和位置，更新公式如下，
vi(t+1)＝wvi(t)+c1r1(Pi,best(t)-xi(t))+c2r2(Pg,best(t)-xi(t))
xi(t+1)＝xi(t)+vi(t)
式中：vi(t)表示粒子i的第t次迭代的速度；r1和r2为[0,1]的随机数；xi(t)表示粒子i的第t次迭代的位置；Pi,best(t)表示第t次迭代后粒子i的个体最优值；Pg,best(t)表示第t次迭代后种群全局最优值。
步骤3.6，由步骤3.5更新得到的粒子位置即为更新后的最小惯量，将其代入频率响应仿真模块，得到新的暂态频率极值和新的适应度函数值；
步骤3.7，更新当前个体最优和群体最优；
步骤3.8，若满足终止条件，则输出粒子的群体最优及其对应的适应度值；否则转向步骤3.4；
步骤3.9，由步骤3.8输出的粒子群体最优值即为最终的系统最小惯量评估结果，对最小惯量评估阶段的结果进行展示与分析。系统最大功率缺额为5％至10％下，系统各时段的最小惯量需求与系统实际惯量如图3所示。
由图3可知，系统各时段所需的最小惯量随着功率缺额的增大而增大。系统在5％～7％功率缺额情况下评估得到的各时段最低惯量需求值均小于系统实际惯量；当功率缺额继续增大时，即在功率缺额为8％～10％情况下开始出现个别时段的实际惯量不满足最小惯量要求，对于这些时段需要通过增开机组或增加虚拟惯量的手段来提升系统惯量，保证系统的频率稳定和安全运行。
综上，本发明提供了一种高比例新能源电力系统的最小惯量需求评估方法，综合考虑频率变化率和暂态频率极值约束建立系统最小惯量需求评估模型，采用基于暂态仿真的粒子群优化方法求解，通过算例验证了该评估方法的有效性。
本发明另一方面提供了一种高比例新能源电力系统的最小惯量需求评估装置，包括：
最小惯量需求评估模型建立模块，用于建立高比例新能源电力系统的最小惯量需求评估模型，所述最小惯量评估数学模型以各时段的惯量需求最小化为优化目标，约束条件包括系统可调度惯量约束、频率稳定约束及电源备用容量约束，所述频率稳定约束以频率变化率和暂态频率极值为衡量系统频率稳定性的两个指标；
最小惯量需求评估模型求解模块，用于采用内嵌暂态仿真的粒子群优化算法求解所述最小惯量评估数学模型，得到保障系统安全稳定所需的最小惯量。
本发明另一方面提供了一种高比例新能源电力系统的最小惯量需求评估系统，包括：计算机可读存储介质和处理器；
所述计算机可读存储介质用于存储可执行指令；
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行第一方面所述的高比例新能源电力系统的最小惯量需求评估方法。
本发明另一方面提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现第一方面所述的高比例新能源电力系统的最小惯量需求评估方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种高比例新能源电力系统的最小惯量需求评估方法，其特征在于，包括以下步骤：
建立高比例新能源电力系统的最小惯量需求评估模型，所述最小惯量评估数学模型以各时段的惯量需求最小化为优化目标，所述最小惯量评估数学模型的约束条件包括系统可调度惯量约束、频率稳定约束及电源备用容量约束；
采用内嵌暂态仿真的粒子群优化算法求解所述最小惯量评估数学模型，得到保障系统安全稳定所需的最小惯量。
2.如权利要求1所述的高比例新能源电力系统的最小惯量需求评估方法，其特征在于，所述建立高比例新能源电力系统的最小惯量需求评估模型，包括：
构建最小惯量需求评估模型的目标函数：
min Ht (1)
式中：Ht为电力系统待估计的最小惯量；
建立最小惯量需求评估模型的约束条件，所述最小惯量需求评估模型的约束条件包括系统可调度惯量约束、频率稳定约束及电源备用容量约束，其中，系统可调度惯量约束表达式如下，
Hmin≤Ht≤Hmax (2)
式中：Hmax为所有火电机组的转动惯量与新能源机组提供的最大虚拟惯量之和；Hmin为运行火电机组的转动惯量之和；
频率稳定约束表达式如下，
Figure FDA0004018939620000011
Figure FDA0004018939620000012
RoCoFmin≤RoCoFM≤RoCoFmax (5)
ft＝fN+Δft＝fN+f(ΔPL,Ht,ΔPG) (6)
fmin≤ft≤fmax (7)式中：式(3)表示转子运动方程，fN、Δft分别为系统额定频率和频率偏差，ΔPG为所有调频资源的一次调频功率，ΔPL为初始扰动功率；RoCoFM表示系统最大频率变化率，由式(3)可知扰动发生后瞬间即t＝0+时刻的系统频率变化率最大；ft表示扰动后的系统暂态频率极值；RoCoFmax、RoCoFmin分别表示频率变化率上下限值；fmax、fmin分别表示系统频率上下限值；
电源备用容量约束表达式如下所示，
Figure FDA0004018939620000021
Figure FDA0004018939620000022
Figure FDA0004018939620000023
式中：下标G、W、ES分别表示同步机组、风电机组与储能装置；ΔP”Gi、ΔP”W、ΔP”ES表示各类电源限幅环节的输入量；ΔP'Gi、ΔP'W、ΔP'ES表示各类电源限幅环节的输出量；
Figure FDA0004018939620000024
表示各电源上调备用容量；
Figure FDA0004018939620000025
Figure FDA0004018939620000026
表示各电源下调备用容量。
3.如权利要求1所述的高比例新能源电力系统的最小惯量需求评估方法，其特征在于，还包括：建立高比例新能源电力系统的有功优化调度模型，求解所述有功优化调度模型以获取各机组的运行状态，基于所述各机组的运行状态搭建频率响应模型，并设置所有惯性元件的惯性参数。
4.如权利要求3所述的高比例新能源电力系统的最小惯量需求评估方法，其特征在于，所述采用内嵌暂态仿真的粒子群优化算法求解所述最小惯量评估数学模型，得到保障系统安全稳定所需的最小惯量，包括：
步骤3.1，设置内嵌暂态仿真的粒子群优化算法中的迭代次数、种群规模、学习因子、惯性权重，预设种群及对应频率的存储空间、初始化种群；
步骤3.2，利用求解得到的机组运行状态和设置的惯性元件的惯性参数信息，在Simulink仿真平台搭建频率响应仿真模块；
步骤3.3，将粒子群算法优化程序中设置的扰动功率和初始化最小惯量代入频率响应仿真模块，输出相应的暂态频率极值并储存在粒子群算法优化程序中；
步骤3.4，采用罚函数的形式处理系统暂态频率偏差约束，来计算群体中每个粒子的适应度；
步骤3.5，更新粒子的速度和位置，更新公式如下，
vi(t+1)＝wvi(t)+c1r1(Pi,best(t)-xi(t))+c2r2(Pg,best(t)-xi(t))
xi(t+1)＝xi(t)+vi(t)
式中：vi(t)表示粒子i的第t次迭代的速度；r1和r2为[0,1]的随机数；xi(t)表示粒子i的第t次迭代的位置；Pi,best(t)表示第t次迭代后粒子i的个体最优值；Pg,best(t)表示第t次迭代后种群全局最优值；
步骤3.6，由步骤3.5更新得到的粒子位置即为更新后的最小惯量，将其代入频率响应仿真模块，得到新的暂态频率极值和新的适应度函数值；
步骤3.7，更新当前个体最优和群体最优；
步骤3.8，若满足终止条件，则输出粒子的群体最优及其对应的适应度值；否则转向步骤3.4；
步骤3.9，由步骤3.8输出的粒子群体最优值即为最终的系统最小惯量评估结果，对最小惯量评估阶段的结果进行展示与分析。
5.一种高比例新能源电力系统的最小惯量需求评估装置，其特征在于，包括：
最小惯量需求评估模型建立模块，用于建立高比例新能源电力系统的最小惯量需求评估模型，所述最小惯量评估数学模型以各时段的惯量需求最小化为优化目标，所述最小惯量评估数学模型的约束条件包括系统可调度惯量约束、频率稳定约束及电源备用容量约束；
最小惯量需求评估模型求解模块，用于采用内嵌暂态仿真的粒子群优化算法求解所述最小惯量评估数学模型，得到保障系统安全稳定所需的最小惯量。
6.如权利要求5所述的高比例新能源电力系统的最小惯量需求评估装置，其特征在于，所述最小惯量需求评估模型建立模块立高比例新能源电力系统的最小惯量需求评估模型，包括：
构建最小惯量需求评估模型的目标函数：
min Ht (1)
式中：Ht为电力系统待估计的最小惯量；
建立最小惯量需求评估模型的约束条件，所述最小惯量评估数学模型的约束条件包括系统可调度惯量约束、频率稳定约束及电源备用容量约束，其中系统可调度惯量约束表达式如下，
Hmin≤Ht≤Hmax (2)
式中：Hmax为所有火电机组的转动惯量与新能源机组提供的最大虚拟惯量之和；Hmin为运行火电机组的转动惯量之和；
频率稳定约束表达式如下，
Figure FDA0004018939620000041
Figure FDA0004018939620000042
RoCoFmin≤RoCoFM≤RoCoFmax (5)
ft＝fN+Δft＝fN+f(ΔPL,Ht,ΔPG) (6)
fmin≤ft＝fmax (7)
式中：式(3)表示转子运动方程，fN、Δft分别为系统额定频率和频率偏差，ΔPG为所有调频资源的一次调频功率，ΔPL为初始扰动功率；RoCoFM表示系统最大频率变化率，由式(3)可知扰动发生后瞬间即t＝0+时刻的系统频率变化率最大；ft表示扰动后的系统暂态频率极值；RoCoFmax、RoCoFmin分别表示频率变化率上下限值；fmax、fmin分别表示系统频率上下限值；
电源备用容量约束表达式如下所示，
Figure FDA0004018939620000043
Figure FDA0004018939620000044
Figure FDA0004018939620000051
式中：下标G、W、ES分别表示同步机组、风电机组与储能装置；ΔP”Gi、ΔP”W、ΔP”ES表示各类电源限幅环节的输入量；ΔP'Gi、ΔP'W、ΔP'ES表示各类电源限幅环节的输出量；
Figure FDA0004018939620000052
表示各电源上调备用容量；
Figure FDA0004018939620000053
Figure FDA0004018939620000054
表示各电源下调备用容量。
7.如权利要求5所述的高比例新能源电力系统的最小惯量需求评估装置，其特征在于，还包括有功优化调度模型建立及求解模块，用于建立高比例新能源电力系统的有功优化调度模型，求解所述有功优化调度模型以获取各机组的运行状态，基于所述各机组的运行状态搭建频率响应模型，并设置所有惯性元件的惯性参数。
8.如权利要求7所述的高比例新能源电力系统的最小惯量需求评估装置，其特征在于，所述最小惯量需求评估模型求解模块采用内嵌暂态仿真的粒子群优化算法求解所述最小惯量评估数学模型，得到保障系统安全稳定所需的最小惯量，包括：
步骤3.1，设置内嵌暂态仿真的粒子群优化算法中的迭代次数、种群规模、学习因子、惯性权重，预设种群及对应频率的存储空间、初始化种群；
步骤3.2，利用求解得到的机组运行状态和设置的惯性元件的惯性参数信息，在Simulink仿真平台搭建频率响应仿真模块；
步骤3.3，将粒子群算法优化程序中设置的扰动功率和初始化最小惯量代入频率响应仿真模块，输出相应的暂态频率极值并储存在粒子群算法优化程序中；
步骤3.4，采用罚函数的形式处理系统暂态频率偏差约束，来计算群体中每个粒子的适应度；
步骤3.5，更新粒子的速度和位置，更新公式如下，
vi(t+1)＝wvi(t)+c1r1(Pi,best(t)-xi(t))+c2r2(Pg,best(t)-xi(t))
xi(t+1)＝xi(t)+vi(t)
式中：vi(t)表示粒子i的第t次迭代的速度；r1和r2为[0,1]的随机数；xi(t)表示粒子i的第t次迭代的位置；Pi,best(t)表示第t次迭代后粒子i的个体最优值；Pg,best(t)表示第t次迭代后种群全局最优值；
步骤3.6，由步骤3.5更新得到的粒子位置即为更新后的最小惯量，将其代入频率响应仿真模块，得到新的暂态频率极值和新的适应度函数值；
步骤3.7，更新当前个体最优和群体最优；
步骤3.8，若满足终止条件，则输出粒子的群体最优及其对应的适应度值；否则转向步骤3.4；
步骤3.9，由步骤3.8输出的粒子群体最优值即为最终的系统最小惯量评估结果，对最小惯量评估阶段的结果进行展示与分析。
9.一种高比例新能源电力系统的最小惯量需求评估系统，其特征在于，包括：计算机可读存储介质和处理器；
所述计算机可读存储介质用于存储可执行指令；
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行权利要求1-4中任一项所述的高比例新能源电力系统的最小惯量需求评估方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现权利要求1-4中任一项所述的高比例新能源电力系统的最小惯量需求评估方法。
CN202211682762.5A 2022-12-27 2022-12-27 高比例新能源电力系统的最小惯量需求评估方法、装置、系统及介质 Pending CN115833111A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211682762.5A CN115833111A (zh) 2022-12-27 2022-12-27 高比例新能源电力系统的最小惯量需求评估方法、装置、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211682762.5A CN115833111A (zh) 2022-12-27 2022-12-27 高比例新能源电力系统的最小惯量需求评估方法、装置、系统及介质

Publications (1)

Publication Number Publication Date
CN115833111A true CN115833111A (zh) 2023-03-21

Family

ID=85518547

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211682762.5A Pending CN115833111A (zh) 2022-12-27 2022-12-27 高比例新能源电力系统的最小惯量需求评估方法、装置、系统及介质

Country Status (1)

Country Link
CN (1) CN115833111A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117335449A (zh) * 2023-10-30 2024-01-02 华北电力大学 一种高比例新能源电力系统最低调频能力需求计算方法
CN117613992A (zh) * 2023-10-19 2024-02-27 国网河北省电力有限公司邯郸供电分公司 一种分布式光伏主动支撑的方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117613992A (zh) * 2023-10-19 2024-02-27 国网河北省电力有限公司邯郸供电分公司 一种分布式光伏主动支撑的方法
CN117335449A (zh) * 2023-10-30 2024-01-02 华北电力大学 一种高比例新能源电力系统最低调频能力需求计算方法
CN117335449B (zh) * 2023-10-30 2024-03-15 华北电力大学 一种高比例新能源电力系统最低调频能力需求计算方法

Similar Documents

Publication Publication Date Title
Oshnoei et al. Novel load frequency control scheme for an interconnected two-area power system including wind turbine generation and redox flow battery
Zhao et al. Fatigue load sensitivity-based optimal active power dispatch for wind farms
Pandey et al. Frequency regulation in hybrid power systems using particle swarm optimization and linear matrix inequalities based robust controller design
CN115833111A (zh) 高比例新能源电力系统的最小惯量需求评估方法、装置、系统及介质
CN102761133B (zh) 基于模糊控制的微网电池储能系统调频控制方法
CN106786677B (zh) 一种互联电力系统分布式动态矩阵频率控制方法
KR101398400B1 (ko) 시변 드룹 기반 풍력발전기의 관성 제어 방법
CN107689638B (zh) 一种基于相轨迹分析的含风电电力系统暂态协调控制方法
CN110120686B (zh) 一种基于电力系统在线惯量估计的新能源承载力预警方法
Liu et al. Hierarchical model predictive control of wind farm with energy storage system for frequency regulation during black-start
Bao et al. Field verification of frequency control by energy-intensive loads for isolated power systems with high penetration of wind power
CN107482649A (zh) 一种基于分频控制的两域互联系统负荷频率控制方法
CN107658910A (zh) 一种基于dfig与同步发电机的电力系统二次调频方法
CN110829487A (zh) 一种电力系统的频率动态预测方法
Zhang et al. Modeling frequency response dynamics in power system scheduling
Basit et al. Real-time impact of power balancing on power system operation with large scale integration of wind power
CN110061521A (zh) 一种考虑频率累积作用的最大风电渗透率快速评估方法
CN113507137B (zh) 基于DigSILENT/PF的风电场模型构建方法及相关装置
CN105610200A (zh) 一种基于同步协调控制的火电厂全功率控制方法
CN107346889A (zh) 考虑一二次调频及最小频率偏差的负荷削减优化模型构建方法
CN107979112B (zh) 一种风机控制方法、系统、终端及可读存储介质
Zhang et al. Frequency-constrained unit commitment for power systems with high renewable energy penetration
Liu et al. Stochastic unit commitment with high-penetration offshore wind power generation in typhoon scenarios
CN106169756A (zh) 一种计及经济特性的孤岛微网频率协同控制方法
Oshnoei et al. Intelligent coordination of traditional power plants and inverters air conditioners controlled with feedback-corrected MPC in LFC

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