CN115940148A - 最小惯量需求评估方法、装置、电子设备及存储介质 - Google Patents
最小惯量需求评估方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115940148A CN115940148A CN202211688836.6A CN202211688836A CN115940148A CN 115940148 A CN115940148 A CN 115940148A CN 202211688836 A CN202211688836 A CN 202211688836A CN 115940148 A CN115940148 A CN 115940148A
- Authority
- CN
- China
- Prior art keywords
- inertia
- optimization
- constraint
- minimum
- frequency response
- 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
Links
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种最小惯量需求评估方法、装置、电子设备及存储介质。该方法包括:在目标功率扰动变化量下,当预设频率响应模型中新能源机组的在线额定功率占比满足预设条件时,确定当前预设频率响应模型的惯量需求值以及约束条件;基于约束条件构建非线性约束最优化问题;利用预设算法以惯量需求值作为非线性约束最优化问题的初始值对非线性约束最优化问题进行求解,并根据非线性约束最优化问题的求解结果获得目标功率扰动变化量下预设频率响应模型对应的最小惯量。本发明能够精准评估电力系统的最小惯量需求以及在线监测系统惯量,还有利于帮助调度人员判断短期内当前调度方案是否惯量充足以及额外所需惯量,进而有效保证电力系统的安全可靠运行。
Description
技术领域
本发明涉及电网惯量需求评估技术领域,尤其涉及一种最小惯量需求评估方法、装置、电子设备及存储介质。
背景技术
近年来,随着各个国家脱碳步伐加快,新能源发电在世界范围内保持快速发展的态势。在我国,传统以火电机组为主的电力系统逐渐演变为以新能源为主体的新型电力系统。然而,由于大多数新能源发电机组通过电力电子设备接入电网,常规控制下与电网形成弱耦合甚至完全解耦的状态,不能够提供惯量响应以支撑频率的变化,极大地削弱了系统的惯量水平。
系统惯量减小可能引发以下问题:一方面,系统惯量减小会引起系统的频率变化率(Rate of Change of Frequency,RoCoF)增大,超过一定阈值后,保护继电器会动作导致发电机组脱网,使得频率问题进一步恶化;另一方面,系统惯量减小会导致频率最低点下移,触发低频减载动作而切负荷,进而会造成更大停电事故。
目前,我国大部分地区电力系统仍以火电同步机组为主,大多数时段惯量相对比较充足,但部分时段和新能源占比较高地区的惯量下降已经开始影响系统频率变化趋势,随着新能源占比增加和直流输电的影响,同步转动惯量将持续下降并在局部非常稀缺。因此,如何保证我国新型电力系统具备一定水平的惯量,进而确保电网的安全可靠运行,是本领域技术人员亟需解决的技术问题。
发明内容
本发明实施例提供了一种最小惯量需求评估方法、装置、电子设备及存储介质,以解决现有技术中由于不能准确评估电力系统所需的系统惯量,进而影响电力系统的安全可靠运行的问题。
第一方面,本发明实施例提供了一种最小惯量需求评估方法,包括:
在目标功率扰动变化量下,当预设频率响应模型中新能源机组的在线额定功率占比满足预设条件时,确定当前所述预设频率响应模型的惯量需求值以及约束条件;
基于所述约束条件构建非线性约束最优化问题;
利用预设算法以所述惯量需求值作为所述非线性约束最优化问题的初始值对所述非线性约束最优化问题进行求解,并根据所述非线性约束最优化问题的求解结果获得所述目标功率扰动变化量下所述预设频率响应模型对应的最小惯量。
在一种可能的实现方式中,所述利用预设算法以所述惯量需求值作为所述非线性约束最优化问题的初始值对所述非线性约束最优化问题进行求解包括:
获取与所述初始值之间欧几里得距离最近的优化设计点;
基于所述优化设计点确定所述初始值的不可行域;
基于所述不可行域更新本次优化迭代的求解空间,得到新求解空间;
将所述新求解空间中最小值对应的优化设计点作为本次优化迭代的优化点;
判断本次优化迭代的优化点是否收敛;
当本次优化迭代的优化点收敛时,对所述非线性约束最优化问题进行求解。
在一种可能的实现方式中,在判断本次优化迭代的优化点是否收敛之后,还包括:
当本次优化迭代的优化点不收敛时,将本次优化迭代的优化点作为初始值,并跳转执行“获取与所述初始值之间欧几里得距离最近的优化设计点”的步骤及后续步骤,直到本次优化迭代的优化点收敛。
在一种可能的实现方式中,所述根据所述非线性约束最优化问题的求解结果获得所述目标功率扰动变化量下所述预设频率响应模型对应的最小惯量包括:
当本次优化迭代的优化点收敛时,根据该优化点收敛时对应的函数值获得所述目标功率扰动变化量下所述预设频率响应模型对应的最小惯量。
在一种可能的实现方式中,所述非线性约束最优化问题包括:
其中,min表示最小值函数,H表示电力系统的惯性时间常数,Hmin表示电力系统的惯性时间常数的最小值;ΔPG表示所述预设频率响应模型中各发电机组的机组可调节功率,ΔPGmin、ΔPGmax分别表示机组可调节功率约束中的最大上调功率、最大下调功率;Δf表示频率偏差,A表示第一预设阈值;RoCoF表示频率变化率,B表示第二预设阈值;h表示设计向量变量,Ω表示所述非线性约束最优化问题的可行域,Rn表示n维实数集;hi表示第i维变量,表示hi的下限,表示hi的上限。
在一种可能的实现方式中,当所述预设频率响应模型中各发电机组配置有储能装置时,所述机组可调节功率约束包括:
ΔPGmin-ΔPGBi≤ΔPGmi≤ΔPGmax+ΔPGB i
其中,ΔPGBi表示所述储能装置的最大可充放电功率,ΔPGmi表示所述预设频率响应模型中各发电机组在配置有储能装置后的机组可调节功率。
在一种可能的实现方式中,所述最小惯量的计算方式为:
Esys.min=Hmin×SB
其中,Esys.min表示所述最小惯量;SB表示电力系统的基准容量。
第二方面,本发明实施例提供了一种最小惯量需求评估装置,包括:
模型运行模块,用于在目标功率扰动变化量下,当预设频率响应模型中新能源机组的在线额定功率占比满足预设条件时,确定当前所述预设频率响应模型的惯量需求值以及约束条件;
问题构建模块,用于基于所述约束条件构建非线性约束最优化问题;
惯量评估模块,用于利用预设算法以所述惯量需求值作为所述非线性约束最优化问题的初始值对所述非线性约束最优化问题进行求解,并根据所述非线性约束最优化问题的求解结果获得所述目标功率扰动变化量下所述预设频率响应模型对应的最小惯量。
第三方面,本发明实施例提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
本发明实施例提供一种最小惯量需求评估方法、装置、电子设备及存储介质,在目标功率扰动变化量下,当预设频率响应模型中新能源机组的在线额定功率占比满足预设条件时,确定当前预设频率响应模型的惯量需求值以及约束条件;基于约束条件构建非线性约束最优化问题;利用预设算法以惯量需求值作为非线性约束最优化问题的初始值对非线性约束最优化问题进行求解,并根据非线性约束最优化问题的求解结果获得目标功率扰动变化量下预设频率响应模型对应的最小惯量。通过将电力系统所需临界惯量的求解转化为带约束的优化问题的求解,根据预设算法对该带约束的优化问题进行求解以得到电力系统的最小惯量需求,基于此,能够合理评估得到当前电力系统的最小惯量需求以及在线监测系统惯量,并且基于得到的系统最小惯量还有利于帮助调度人员判断短期内当前调度方案是否惯量充足以及额外还需要多少惯量,进而有效保证电力系统的安全可靠运行。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的最小惯量需求评估方法的实现流程图;
图2是本发明实施例提供的预设频率响应模型的结构示意图;
图3是本发明实施例提供的评估系统最小惯量需求的方法流程图;
图4是本发明实施例提供的最小惯量需求评估装置的结构示意图;
图5是本发明实施例提供的电子设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施例来进行说明。
图1为本发明实施例提供的最小惯量需求评估方法的实现流程图。如图1所示,现有高比例电力电子电力系统中大多数新能源发电机组通过电力电子设备接入电网,常规控制下与电网形成弱耦合甚至完全解耦的状态,以致系统惯量水平逐渐相对减小且调频能力相对减弱,阻断扰动下跨区惯量支撑及功率响应,严重恶化大扰动下系统频率的稳定性。基于此,本发明实施例提供了一种最小惯量需求评估方法,包括:
步骤101:在目标功率扰动变化量下,当预设频率响应模型中新能源机组的在线额定功率占比满足预设条件时,确定当前预设频率响应模型的惯量需求值以及约束条件。
在步骤101中,图2为本发明实施例提供的预设频率响应模型的结构示意图,请一并参照图1和图2,本实施例中,构建的预设频率响应模型可以包括火电机组一次调频环节、水电机组一次调频环节、新能源快速频率响应环节(示例性的,可以为风电参与快速频率响应环节)以及惯量和阻尼环节。其中,正向反馈环节包括惯量和阻尼环节,负反馈环节包括火电机组一次调频环节、水电机组一次调频环节以及新能源快速频率响应环节;具体地,负反馈环节中负反馈通道一由涡轮机和汽轮机调速器串联而成;负反馈通道二由水轮机调速器模型、水轮发电机组执行机构以及水轮发电机组调速器串联而成;负反馈通道三由新能源快速频率响应环节组成。三个负反馈环节均由频率变化量做出响应反馈给系统整体功率扰动量,从而通过正向反馈环节作用于系统频率变化量。
本实施例中,对该预设频率响应模型施加一目标功率扰动变化量后运行该预设频率响应模型,并进一步确定该预设频率响应模型中新能源机组的在线额定功率占比满足预设条件时预设频率响应模型的惯量需求值以及约束条件。示例性的,该预设条件可以为预设频率响应模型中新能源机组的在线额定功率占比最高,也即确定该预设频率响应模型中新能源机组的在线额定功率占比最高时该预设频率响应模型的惯量需求值。
约束条件可以为频率偏差约束、频率变化率约束以及机组可调节功率约束。其中,频率偏差约束可以为:Δf≤A。
其中,Δf表示频率偏差,A表示第一预设阈值;示例性的,A可以为0.8Hz,即系统允许最大频率偏差可以为0.8Hz。
频率变化率约束可以为:RoCoF≤B。
其中,RoCoF表示频率变化率,B表示第二预设阈值;示例性的,B可以为0.5Hz/s,即系统允许最大频率变化率可以为0.5Hz/s。
另外,在电力系统实际运行中,实际机组响应频率调节的功率具有一定的范围限制,因此需要考虑机组容量约束的影响。基于此,机组可调节功率约束可以为:ΔPGmin≤ΔPG≤ΔPGmax。
其中,ΔPG表示机组可调节功率,ΔPGmin、ΔPGmax分别表示机组可调节功率约束中的最大上调功率、最大下调功率。
更进一步地,在电力系统实际运行中,一些发电机组配置了储能装置以增大机组可调节功率范围,基于此,机组可调节功率约束可以为:ΔPGmin-ΔPGBi≤ΔPGmi≤ΔPGmax+ΔPGBi。
其中,ΔPGBi表示配置的储能装置的最大可充放电功率,ΔPGmi表示预设频率响应模型中各发电机组配置储能装置后的机组可调节功率。
本实施例中,通过建立改进的频率响应模型(也即预设频率响应模型)对实际复杂电网进行等值处理,在此基础上,对该预设频率响应模型施加一目标功率扰动变化量并运行该预设频率响应模型,以确定预设频率响应模型中新能源机组的在线额定功率占比最高时系统的惯量需求值以及约束条件,进而以利于分析求解电力系统所需的最小惯量。
图3为本发明实施例提供的评估系统最小惯量需求的方法流程图,请一并参照图1至图3,本实施例中,首先构建基于实际电网的改进频率响应模型,对应扰动瞬间,由于发电机调速器和新能源调频还未动作,电力系统可参与的频率调节手段最少,此时RoCoF(也即频率变化率)最大,因此将扰动发生后瞬间的频率变化率作为约束指标。
本实施例中,通过构建预设频率响应模型对实际复杂电网进行等值处理,通常电力系统的惯性支撑体现在系统惯量水平,一定程度上为电力系统状态(或者频率)改变的抵抗程度。当前电力系统的惯量主要为同步发电机(也即同步机惯量),以动能的形式存储在发电机的转子中,少量的异步惯量和负荷侧惯量,另外还有通过新能源换流器控制实现的惯量支撑。具体可表示为:
Esys=ESG+EV+EIM+ELoad
其中,ESG为同步机惯量,能够瞬时响应频率变化;EV为新能源虚拟惯量,其是通过新能源换流器控制实现的惯量支撑,按惯量源响应特性及控制方式可分为电压源型虚拟惯量和电流源型虚拟惯量;EIM为异步机惯量,由于转差作用使得其转动惯量延时响应;ELoad为负荷侧惯量,Esys为系统等效惯量。
另外,也可以用系统的惯性时间常数表征电力系统的惯量水平,具体可表示为:
其中,H为系统的惯性时间常数,SB为电力系统的基准容量。
测量扰动瞬间系统的扰动功率变化量ΔP,根据锁相环求得系统的频率f0以及频率变化率RoCoF,频率变化率约束以扰动瞬间的频率变化率不超过预设阈值作为约束(也即RoCoF≤RoCoFmax),计算得到频率变化率约束下系统的第一需求惯量值为:
其中,Esys.min表示频率变化率约束下系统的需求惯量值,RoComFax表示频率变化率的预设阈值。
由于频率偏差约束受系统惯量、快速频率响应以及一次调频共同影响,因此,本实施例中,在传统频率响应模型的基础上增加考虑了快速频率响应和一次调频旋转备用,以利于更为准确地求解出系统最小惯量需求。
具体地,基于虚拟惯量控制和频率下垂控制的新能源一次调频为:
在此基础上,确定参与一次调频和快速频率响应的各机组的额定出力占比。示例性的,α、β、γ分别为火电机组、水电机组以及新能源机组的在线额定功率占比,且系统内存在功率为ε的火电一次调频应急备用,那么在考虑系统的一次调频旋转备用后,可以确定火电机组、水电机组以及新能源机组的额定功率占比分别为除此之外,系统内其他机组可能也存在一次调频应急备用功率,可根据电力系统中机组的实际运行情况确定,进而确定实际各机组的额定功率占比,本申请对此不作限定。
当一次调频接入后,可以进一步确定各发电机组的一次调频系数以及系统发电阻尼系数等,选定系统内新能源机组在线额定功率占比最高时的机组组合,构建预设频率响应模型,基于此确定频率最低点约束下系统的第二需求惯量值。
另外,考虑到电力系统在实际运行中,一些机组配置了储能装置以增大机组调节功率范围,因此在满足机组可调节功率的条件下,综合考虑频率变化率约束和频率最低点约束,所得系统最小需求惯量值为:
Esys.min=max{Esys.RoCoF,Esys.nadir}
其中,Esys.RoCoF为RoCoF约束下的第一需求惯量值,Esys.nadir为频率偏差约束下的第二惯量需求值。
本实施例中,基于上述最小惯量求解思路,将临界惯量(也即系统最小惯量)的求解转化为带约束的优化问题的求解,具体过程如下:
步骤102:基于约束条件构建非线性约束最优化问题。
在步骤102中,以频率偏差约束、频率变化率约束以及机组可调节功率约束作为约束条件,构建非线性约束最优化问题。如此一来,将电力系统临界惯量的求解转化为带约束的优化问题的求解,有效提升了电力系统最小惯量需求的求解精度。
在一种可能的实现方式中,非线性约束最优化问题包括:
其中,min表示最小值函数,H表示电力系统的惯性时间常数,Hmin表示电力系统的惯性时间常数的最小值;ΔPG表示预设频率响应模型中各发电机组的机组可调节功率,ΔPGmin、ΔPGmax分别表示机组可调节功率约束中的最大上调功率、最大下调功率;Δf表示频率偏差,A表示第一预设阈值;RoCoF表示频率变化率,B表示第二预设阈值;h表示设计向量变量,Ω表示非线性约束最优化问题的可行域,Rn表示n维实数集;hi表示第i维变量,liu表示hi的下限,li t表示hi的上限。
本实施例中,该非线性约束最优化问题包括:
其中,min表示最小值函数,H表示电力系统的惯性时间常数,Hmin表示电力系统的惯性时间常数的最小值;ΔPG表示预设频率响应模型中各发电机组的机组可调节功率,ΔPGmin、ΔPGmax分别表示机组可调节功率约束中的最大上调功率、最大下调功率;Δf表示频率偏差,A表示第一预设阈值;RoCoF表示频率变化率,B表示第二预设阈值;h表示设计向量变量,Ω表示非线性约束最优化问题的可行域,Rn表示n维实数集;hi表示第i维变量,表示hi的下限,表示hi的上限。本实施例中,通过构建该非线性约束最优化问题,以电力系统的惯性时间常数最小作为该问题的目标函数,并在机组可调节功率约束、频率偏差约束以及频率变化率约束下,基于预设算法对该问题进行求解,也即将电力系统的临界惯量求解问题转化为带约束的优化问题的求解,如此一来,可以合理评估电力系统的最小惯量需求以及在线监测电力系统的惯量,还可以帮助调度人员判断短期内当前调度方案是否惯量充足以及额外所需惯量,进而有效保证电力系统的安全可靠运行。
在一种可能的实现方式中,当预设频率响应模型中各发电机组配置有储能装置时,机组可调节功率约束包括:
ΔPGmin-ΔPGBi≤ΔPGmi≤ΔPGmax+ΔPGB i
其中,ΔPGBi表示储能装置的最大可充放电功率,ΔPGmi表示预设频率响应模型中各发电机组在配置有储能装置后的机组可调节功率。
本实施例中,考虑到在电力系统的实际运行中,实际机组响应频率调节的功率具有一定的范围限制,因此需要考虑机组容量约束的影响,对于一些配置了储能装置的发电机组,能够有效增大机组可调节功率范围,基于此,机组可调节功率约束包括:ΔPGmin-ΔPGBi≤ΔPGmi≤ΔPGmax+ΔPGBi,其中,ΔPGBi表示储能装置的最大可充放电功率,ΔPGmi表示预设频率响应模型中各发电机组在配置有储能装置后的机组可调节功率。
步骤103:利用预设算法以惯量需求值作为非线性约束最优化问题的初始值对非线性约束最优化问题进行求解,并根据非线性约束最优化问题的求解结果获得目标功率扰动变化量下预设频率响应模型对应的最小惯量。
在步骤103中,将预设频率响应模型中新能源机组的在线额定功率占比最高时该预设频率响应模型的惯量需求值作为非线性约束最优化问题的初始值,根据预设算法以及该初始值对构建的非线性约束最优化问题进行求解,以利于根据求解结果获得系统所需最小惯量。本实施例中,通过采用预设算法求解含单变量的多个约束条件下电力系统的最小惯量需求,以利于基于该最小惯量需求帮助调度人员判断当前调度方案是否惯量充足以及额外所需惯量,进而有效保证电力系统的安全可靠运行。
在一种可能的实现方式中,利用预设算法以惯量需求值作为非线性约束最优化问题的初始值对非线性约束最优化问题进行求解包括:
获取与初始值之间欧几里得距离最近的优化设计点;
基于优化设计点确定初始值的不可行域;
基于不可行域更新本次优化迭代的求解空间,得到新求解空间;
将新求解空间中最小值对应的优化设计点作为本次优化迭代的优化点;
判断本次优化迭代的优化点是否收敛;
当本次优化迭代的优化点收敛时,对非线性约束最优化问题进行求解。
本实施例中,求解初始值或优化设计点附近的不可行域是通过多个自由化过程完成的。基于非线性约束最优化问题中约束函数曲线计算与初始值之间欧几里得距离最近的优化设计点,然后基于该优化设计点确定该初始值的不可行域;之后在原求解空间中去除本次优化迭代得到的不可行域(也即基于不可行域更新本次优化迭代的求解空间),得到新求解空间;并将新求解空间中优化设计点的最小值作为本次优化迭代的优化点,以及将该优化点对应的变量区间作为下次迭代时的优化变量区间,以及将该优化点对应的函数值作为此次优化迭代所得优化值;进一步判断该优化点是否收敛,若该优化点收敛,则将收敛的该优化点作为全局最优点,并将该优化点对应的函数值作为非线性约束最优化问题的最优解。本实施例中,通过每次求解空间的迭代,不断去除不可行域,进而使得每次优化迭代后的求解空间能够进一步趋近于非线性约束最优化问题的可行域,进而得以确定非线性约束最优化问题的最优解,如此一来,有效简化了非线性约束最优化问题的求解,还提高了求解精度。
在一种可能的实现方式中,在判断本次优化迭代的优化点是否收敛之后,还包括:
当本次优化迭代的优化点不收敛时,将本次优化迭代的优化点作为初始值,并跳转执行“获取与初始值之间欧几里得距离最近的优化设计点”的步骤及后续步骤,直到本次优化迭代的优化点收敛。
本实施例中,若判断出本次优化迭代的优化点不收敛,则将本次优化迭代的优化点作为初始值,并跳转执行“获取与初始值之间欧几里得距离最近的优化设计点”的步骤及后续步骤,直到优化迭代的优化点收敛时,将收敛时的优化点对应的函数值作为非线性约束最优化问题的最优解,也即该非线性约束最优化问题的求解结果。
在一种可能的实现方式中,根据非线性约束最优化问题的求解结果获得目标功率扰动变化量下预设频率响应模型对应的最小惯量包括:
当本次优化迭代的优化点收敛时,根据该优化点收敛时对应的函数值获得目标功率扰动变化量下预设频率响应模型对应的最小惯量。
本实施例中,将优化迭代的优化点收敛时该优化点对应的函数值作为非线性约束最优化问题的求解结果,并基于该求解结果计算目标功率扰动变化量下预设频率响应模型对应的最小惯量,进而有利于基于该最小惯量帮助调度人员判断短期内当前调度方案是否惯量充足以及额外所需惯量,进而有效保证电力系统的安全可靠运行。
在一种可能的实现方式中,最小惯量的计算方式为:
Esys.min=Hmin×SB
其中,Esys.min表示最小惯量;SB表示电力系统的基准容量。
本实施例中,在得到非线性约束最优化问题的求解结果(也即电力系统的最小惯性时间常数)后,可以基于该最小惯性常数计算电力系统所需的最小惯量,其计算方式为:Esys.min=Hmin×SB,其中,Esys.min表示最小惯量;SB表示电力系统的基准容量。
本发明实施例提供一种最小惯量需求评估方法,在目标功率扰动变化量下,当预设频率响应模型中新能源机组的在线额定功率占比满足预设条件时,确定当前预设频率响应模型的惯量需求值以及约束条件;基于约束条件构建非线性约束最优化问题;利用预设算法以惯量需求值作为非线性约束最优化问题的初始值对非线性约束最优化问题进行求解,并根据非线性约束最优化问题的求解结果获得目标功率扰动变化量下预设频率响应模型对应的最小惯量。通过将电力系统所需临界惯量的求解转化为带约束的优化问题的求解,根据预设算法对该带约束的优化问题进行求解以得到电力系统的最小惯量需求,基于此,能够合理评估得到当前电力系统的最小惯量需求以及在线监测系统惯量,并且基于得到的系统最小惯量还有利于帮助调度人员判断短期内当前调度方案是否惯量充足以及额外还需要多少惯量,进而有效保证电力系统的安全可靠运行。
综上所述,本发明利用预设频率响应模型提出一种考虑快速频率响应和一次调频旋转备用的面向新型电力系统的最小惯量需求评估方法。采用频率响应模型对实际复杂电网进行等值处理,准确分析了系统惯量、快速频率响应以及一次调频调节功率对系统频率最低点的影响。并且通过将临界惯量的求解转化为带约束的优化问题的求解;其中,优化问题的目标函数为电网惯量需求最小;约束条件包括频率偏差约束、RoCoF约束与机组可调节功率约束三种非线性约束条件,可以合理评估电网惯量需求以及在线监测系统惯量。最后本发明采用预设算法求解含单变量的三个约束的最小惯量需求,得到电力系统所需的最小惯量,可以帮助调度人员判断短期内当前调度方案是否惯量充足以及额外还需要多少惯量,以及为未来系统内新能源机组需要额外提供多少虚拟惯量提供参考,以有效保证电力系统的安全可靠运行。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例,对于其中未详尽描述的细节,可以参考上述对应的方法实施例。
图4为本发明实施例提供的最小惯量需求评估装置的结构示意图,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
如图4所示,最小惯量需求评估装置4包括:
模型运行模块401,用于在目标功率扰动变化量下,当预设频率响应模型中新能源机组的在线额定功率占比满足预设条件时,确定当前预设频率响应模型的惯量需求值以及约束条件。
问题构建模块402,用于基于约束条件构建非线性约束最优化问题。
惯量评估模块403,用于利用预设算法以惯量需求值作为非线性约束最优化问题的初始值对非线性约束最优化问题进行求解,并根据非线性约束最优化问题的求解结果获得目标功率扰动变化量下预设频率响应模型对应的最小惯量。
本发明实施例提供一种最小惯量需求评估装置,包括:模型运行模块401、问题构建模块402以及惯量评估模块403。通过将电力系统所需临界惯量的求解转化为带约束的优化问题的求解,根据预设算法对该带约束的优化问题进行求解以得到电力系统的最小惯量需求,基于此,能够合理评估得到当前电力系统的最小惯量需求以及在线监测系统惯量,并且基于得到的系统最小惯量还有利于帮助调度人员判断短期内当前调度方案是否惯量充足以及额外还需要多少惯量,进而有效保证电力系统的安全可靠运行。
在一种可能的实现方式中,问题构建模块402所构建的非线性约束最优化问题包括:
其中,min表示最小值函数,H表示电力系统的惯性时间常数,Hmin表示电力系统的惯性时间常数的最小值;ΔPG表示预设频率响应模型中各发电机组的机组可调节功率,ΔPGmin、ΔPGmax分别表示机组可调节功率约束中的最大上调功率、最大下调功率;Δf表示频率偏差,A表示第一预设阈值;RoCoF表示频率变化率,B表示第二预设阈值;h表示设计向量变量,Ω表示非线性约束最优化问题的可行域,Rn表示n维实数集;hi表示第i维变量,表示hi的下限,表示hi的上限。
在一种可能的实现方式中,问题构建模块402具体用于当预设频率响应模型中各发电机组配置有储能装置时,机组可调节功率约束包括:
ΔPGmin-ΔPGBi≤ΔPGmi≤ΔPGmax+ΔPGB i
其中,ΔPGBi表示储能装置的最大可充放电功率,ΔPGmi表示预设频率响应模型中各发电机组在配置有储能装置后的机组可调节功率。
在一种可能的实现方式中,惯量评估模块403具体用于利用预设算法以惯量需求值作为非线性约束最优化问题的初始值对非线性约束最优化问题进行求解包括:
获取与初始值之间欧几里得距离最近的优化设计点;
基于优化设计点确定初始值的不可行域;
基于不可行域更新本次优化迭代的求解空间,得到新求解空间;
将新求解空间中最小值对应的优化设计点作为本次优化迭代的优化点;
判断本次优化迭代的优化点是否收敛;
当本次优化迭代的优化点收敛时,对非线性约束最优化问题进行求解。
在一种可能的实现方式中,惯量评估模块403具体用于在判断本次优化迭代的优化点是否收敛之后,还包括:
当本次优化迭代的优化点不收敛时,将本次优化迭代的优化点作为初始值,并跳转执行惯量评估模块403中“获取与初始值之间欧几里得距离最近的优化设计点”的操作及后续操作,直到本次优化迭代的优化点收敛。
在一种可能的实现方式中,惯量评估模块403具体用于根据非线性约束最优化问题的求解结果获得目标功率扰动变化量下预设频率响应模型对应的最小惯量包括:
当本次优化迭代的优化点收敛时,根据该优化点收敛时对应的函数值获得目标功率扰动变化量下预设频率响应模型对应的最小惯量。
在一种可能的实现方式中,惯量评估模块403具体用于求解最小惯量的计算方式为:
Esys.min=Hmin×SB
其中,Esys.min表示最小惯量;SB表示电力系统的基准容量。
图5为本发明实施例提供的电子设备的示意图。如图5所示,该实施例的电子设备5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时实现上述各个最小惯量需求评估方法实施例中的步骤,例如图2所示的步骤101至步骤103。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能,例如图4所示模块401至403的功能。
示例性的,所述计算机程序52可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序52在所述电子设备5中的执行过程。例如,所述计算机程序52可以被分割成图4所示的模块401至403。
所述电子设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述电子设备5可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是电子设备5的示例,并不构成对电子设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述电子设备5的内部存储单元,例如电子设备5的硬盘或内存。所述存储器51也可以是所述电子设备5的外部存储设备,例如所述电子设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述电子设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,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单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/电子设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,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单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个最小惯量需求评估方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种最小惯量需求评估方法,其特征在于,包括:
在目标功率扰动变化量下,当预设频率响应模型中新能源机组的在线额定功率占比满足预设条件时,确定当前所述预设频率响应模型的惯量需求值以及约束条件;
基于所述约束条件构建非线性约束最优化问题;
利用预设算法以所述惯量需求值作为所述非线性约束最优化问题的初始值对所述非线性约束最优化问题进行求解,并根据所述非线性约束最优化问题的求解结果获得所述目标功率扰动变化量下所述预设频率响应模型对应的最小惯量。
2.根据权利要求1所述的最小惯量需求评估方法,其特征在于,所述利用预设算法以所述惯量需求值作为所述非线性约束最优化问题的初始值对所述非线性约束最优化问题进行求解包括:
获取与所述初始值之间欧几里得距离最近的优化设计点;
基于所述优化设计点确定所述初始值的不可行域;
基于所述不可行域更新本次优化迭代的求解空间,得到新求解空间;
将所述新求解空间中最小值对应的优化设计点作为本次优化迭代的优化点;
判断本次优化迭代的优化点是否收敛;
当本次优化迭代的优化点收敛时,对所述非线性约束最优化问题进行求解。
3.根据权利要求2所述的最小惯量需求评估方法,其特征在于,在判断本次优化迭代的优化点是否收敛之后,还包括:
当本次优化迭代的优化点不收敛时,将本次优化迭代的优化点作为初始值,并跳转执行“获取与所述初始值之间欧几里得距离最近的优化设计点”的步骤及后续步骤,直到本次优化迭代的优化点收敛。
4.根据权利要求3所述的最小惯量需求评估方法,其特征在于,所述根据所述非线性约束最优化问题的求解结果获得所述目标功率扰动变化量下所述预设频率响应模型对应的最小惯量包括:
当本次优化迭代的优化点收敛时,根据该优化点收敛时对应的函数值获得所述目标功率扰动变化量下所述预设频率响应模型对应的最小惯量。
6.根据权利要求5所述的最小惯量需求评估方法,其特征在于,当所述预设频率响应模型中各发电机组配置有储能装置时,所述机组可调节功率约束包括:
ΔPGmin-ΔPGBi≤ΔPGmi≤ΔPGmax+ΔPGBi;
其中,ΔPGBi表示所述储能装置的最大可充放电功率,ΔPGmi表示所述预设频率响应模型中各发电机组在配置有储能装置后的机组可调节功率。
7.根据权利要求6所述的最小惯量需求评估方法,其特征在于,所述最小惯量的计算方式为:
Esys.min=Hmin×SB;
其中,Esys.min表示所述最小惯量;SB表示电力系统的基准容量。
8.一种最小惯量需求评估装置,其特征在于,包括:
模型运行模块,用于在目标功率扰动变化量下,当预设频率响应模型中新能源机组的在线额定功率占比满足预设条件时,确定当前所述预设频率响应模型的惯量需求值以及约束条件;
问题构建模块,用于基于所述约束条件构建非线性约束最优化问题;
惯量评估模块,用于利用预设算法以所述惯量需求值作为所述非线性约束最优化问题的初始值对所述非线性约束最优化问题进行求解,并根据所述非线性约束最优化问题的求解结果获得所述目标功率扰动变化量下所述预设频率响应模型对应的最小惯量。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上的权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211688836.6A CN115940148A (zh) | 2022-12-27 | 2022-12-27 | 最小惯量需求评估方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211688836.6A CN115940148A (zh) | 2022-12-27 | 2022-12-27 | 最小惯量需求评估方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115940148A true CN115940148A (zh) | 2023-04-07 |
Family
ID=86653966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211688836.6A Pending CN115940148A (zh) | 2022-12-27 | 2022-12-27 | 最小惯量需求评估方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115940148A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117236233A (zh) * | 2023-11-10 | 2023-12-15 | 苏州培风图南半导体有限公司 | 半导体器件初始值评估方法、装置、电子设备及存储介质 |
-
2022
- 2022-12-27 CN CN202211688836.6A patent/CN115940148A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117236233A (zh) * | 2023-11-10 | 2023-12-15 | 苏州培风图南半导体有限公司 | 半导体器件初始值评估方法、装置、电子设备及存储介质 |
CN117236233B (zh) * | 2023-11-10 | 2024-02-06 | 苏州培风图南半导体有限公司 | 半导体器件初始值评估方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021164112A1 (zh) | 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 | |
Keyhani et al. | Automatic generation control structure for smart power grids | |
Aziz et al. | Variable universe fuzzy logic-based hybrid LFC control with real-time implementation | |
Ghaderi Darebaghi et al. | Dynamic multi‐stage under frequency load shedding considering uncertainty of generation loss | |
CN111444596B (zh) | 电力系统功率扰动后频率安全性检测方法及装置 | |
Fan et al. | An optimized decentralized power sharing strategy for wind farm de-loading | |
CN115940148A (zh) | 最小惯量需求评估方法、装置、电子设备及存储介质 | |
Zhang et al. | Real-time autonomous line flow control using proximal policy optimization | |
CN111224425A (zh) | 基于分层预测控制的风储系统黑启动频率控制方法及系统 | |
Zadeh et al. | A novel probabilistic method for under frequency load shedding setting considering wind turbine response | |
Liu et al. | Modeling of frequency security constraints and quantification of frequency control reserve capacities for unit commitment | |
CN107979112B (zh) | 一种风机控制方法、系统、终端及可读存储介质 | |
WO2016189756A1 (ja) | 発電制御装置、制御装置、制御方法および記録媒体 | |
CN116154791B (zh) | 一种协同多可控资源的功角稳定控制方法、系统及终端 | |
CN110994639B (zh) | 一种电厂储能辅助调频的仿真定容方法、装置及设备 | |
CN112186764A (zh) | 一种配电网设备的接入优化方法、装置及电子设备 | |
CN115842355A (zh) | 风储联合系统发电控制方法、装置、电子设备和存储介质 | |
CN115659098A (zh) | 一种分布式新能源消纳能力计算方法、装置、设备及介质 | |
CN114498755A (zh) | 一种风电场的一次调频参数频率控制方法、装置及设备 | |
CN114123236A (zh) | 电力电子设备的频率响应控制方法及装置 | |
CN114336663A (zh) | 一种新型电力系统源网协同规划方法及装置 | |
Kou et al. | Transmission constrained economic dispatch via interval optimization considering wind uncertainty | |
Santos et al. | A Holistic Fuzzy Measure for Load Priority in Under Frequency Load Shedding Schemes | |
Santos et al. | New scoring metric for load shedding in multi‐control area systems | |
Han et al. | Robust allocation of distributed energy storage systems considering locational frequency security |
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 |