CN116054246A - 一种基于分区与辨识的集群风电场虚拟惯量评估方法 - Google Patents
一种基于分区与辨识的集群风电场虚拟惯量评估方法 Download PDFInfo
- Publication number
- CN116054246A CN116054246A CN202211701270.6A CN202211701270A CN116054246A CN 116054246 A CN116054246 A CN 116054246A CN 202211701270 A CN202211701270 A CN 202211701270A CN 116054246 A CN116054246 A CN 116054246A
- Authority
- CN
- China
- Prior art keywords
- inertia
- power plant
- wind power
- evaluation method
- partitioning
- 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
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
- H02J3/381—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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/002—Flicker reduction, e.g. compensation of flicker introduced by non-linear load
-
- 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
- H02J3/01—Arrangements for reducing harmonics or ripples
-
- 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
- H02J3/26—Arrangements for eliminating or reducing asymmetry in polyphase networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Nonlinear Science (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种基于分区与辨识的集群风电场虚拟惯量评估方法,包括(1)采集集群风电场数据并进行数据预处理;(2)采用电气距离为指标对集群风电场系统中机组进行初步分区,开基于计算惯量距离对系统节点进行再分区;(3)建立系统辨识的惯量评估模型,并使用PI控制器对降阶处理得到的一阶惯性环节进行修正;(4)获取整体系统等效惯量和各个分区子系统的等效惯量,将系统整体惯量水平与各个子系统惯量之和的差值作为整个风电场惯量水平的量化信息。本发明使用PI控制器对模型进行修正,能够提高惯量时间常数的精确度;使用系统整体等效惯量与各个子系统等效惯量之和的差值对风电场进行惯量评估能够减小惯量评估误差。
Description
技术领域
本发明涉及一种惯量评估方法,尤其涉及一种基于分区与辨识的集群风电场虚拟惯量评估方法。
背景技术
为助力实现“双碳”目标,风电机组的装机容量会迅速增大的同时也会逐渐代替部分同步机组发电。然而,同步机组退出运行会导致系统惯量水平降低,增大了有功功率缺额扰动下系统发生频率安全事故的可能性。针对这个问题,对并网风电机组施加虚拟惯量控制可以使其提供惯量响应,是提升新型电力系统惯量水平的有效措施之一。
近年来,有部分学者开始关注风电等效虚拟惯量的定量评估问题。相关研究提出定量解析表征风电场等效虚拟惯量的方法,揭示了风电等效虚拟惯量具有快速时变特征,但该研究方法需要获取较多风电机组控制参数和运行参数才能求解,难以推广至系统级的惯量评估。基于混合Copula函数构建的瞬时风速概率分布模型,获得了一定置信度下风电场的可用惯量区间评估结果,该研究须依赖于大量风速和机组运行状态数据样本,并基于概率统计方法获得了较粗略的风电场惯量。上述研究在评估风电场/风电机组虚拟惯量时所需数据复杂,也不能精确估计出风电场的等效时变虚拟惯量,无法应用于场站/系统级惯量评估。
发明内容
发明目的:本发明旨在提供一种不依赖于多种数据且能够提高惯量时间常数的精度、减小惯量评估误差的基于分区与辨识的集群风电场虚拟惯量评估方法。
技术方案:本发明所述的一种基于惯量分区与辨识的集群风电场虚拟惯量评估方法,包括以下步骤:
(1)采集集群风电场数据并进行数据预处理;
(2)采用电气距离为指标对集群风电场系统中机组进行初步分区,并基于计算惯量距离对系统节点进行再分区;
(3)建立系统辨识的惯量评估模型,并使用ξI控制器对降阶处理得到的一阶惯性环节进行修正;
(4)获取整体系统等效惯量和各个分区子系统的等效惯量,将系统整体惯量水平与各个子系统惯量之和的差值作为整个风电场惯量水平的量化信息。
优选地,所述步骤(1)中采集集群风电场数据包括利用相量测量单元采集风电机组输出功率与系统频率。
优选地,所述步骤(1)中数据预处理包括标幺化、滤波、去均值以及重采样处理。
优选地,所述步骤(2)中初步分区包括:首先,获取系统等效导纳矩阵,依据收缩到发电机内电势节点的系统等效导纳矩阵对发电单元之间的电气距离分析,并进行各机组的分区;然后对等效导纳矩阵进行归一化处理,得到电气距离的相关度矩阵;最后对相关度矩阵进行特征分析,实现系统中各发电机分区。
优选地,所述特征分析为聚类分析。
优选地,所属步骤(2)中再分区包括:计算各节点的计算惯量,并将系统中各节点划分到距离计算惯量最近的机组。
优选地,所述步骤(3)中系统辨识包括:采用ARMAX辨识技术,以系统的功率不平衡量作为输入,频率偏差值作为输出的频率响应模型,得到系统频率响应的传递函数,对其进行降阶处理,得到一阶惯性环节F(s),
其中,Hsys为系统整体或者子系统的惯量时间常数;Dsys为系统整体或者子系统的阻尼常数。
优选地,所述步骤(3)中使用PI控制器对降阶处理得到的一阶惯性环节进行修正包括:
使用实际采集的功率扰动数据ΔP(s)作为输入参考值,再经降阶得到的一阶惯性环节F(s)输出频率扰动数据Δf1(s),而输出的频率扰动数据经过PI控制器的修正得到反馈回来的功率扰动数据ΔP1(s),采集的功率扰动数据ΔP(s)与反馈回来的功率扰动数据ΔP1(s)两者的差值再次经过一阶惯性环节F(s);修正PI控制器的比例系数和积分系数,直到实际采集的功率扰动数据ΔP(s)与反馈回来的功率扰动数据ΔP1(s)的差值在阈值范围内,或经整体传递函数输出的频率扰动数据Δf1(s)与实际采样的频率扰动数据Δf(s)的差值在误差范围内。
有益效果:与现有技术相比,本发明具有如下显著优点:1、使用PI控制器对模型进行修正,减小了常规系统辨识降阶处理带来的误差较大的间题,提高了基于稳态运行数据获取惯量时间常数的精确度;2、使用系统整体等效惯量与各个子系统等效惯量之和的差值对风电场进行惯量评估不需要获取单台风机具体的控制参数,而是将整个风电场视作一个整体,不依赖于大量数据样本,降低了风电场惯量评估方法的实施难度,减小了评估误差。
附图说明
图1为本发明的惯量评估流程图;
图2为本发明的PI控制器工作原理图;
图3为本发明的惯量评估值与惯量计算值对比图;
图4为本发明的评估方法与现有方法评估结果对比图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
本发明所述的一种基于分区与辨识的集群风电场虚拟惯量评估方法,包括以下步骤:
(1)利用相量测量单元(PMU)采集稳态环境风电机组输出功率与系统频率。
(2)对采集到的数据进行标幺化、滤波、去均值以及重采样处理。
(3)进行惯量分区,具体的包括:
(3.1)采用电气距离为指标对集群风电场系统中机组进行初步分区:首先,获取系统等效导纳矩阵,依据收缩到发电机内电势节点的系统等效导纳矩阵对发电单元之间的电气距离分析,并进行各机组的分区。然后对等效导纳矩阵进行归一化处理,将等效导纳矩阵的元素映射到0~1范围之内,得到电气距离的相关度矩阵,相关度矩阵中元素的取值大小用以描述电气距离的相关度,相关度越高,其对应元素越大,表明两者之间的电气距离越近。最后对相关度矩阵进行聚类分析,相关度矩阵中数值较为接近可以用于刻画电气距离相近的机组,将其划分到相同的区域,而电气距离相距较远的机组对应的相关度矩阵中元素数值相差较大,可以将其划分到不同的区域,实现系统中各发电机分区。
(3.2)基于计算惯量距离对系统节点进行再分区:
计算各节点的计算惯量,并计算各节点与发电机间计算惯量距离有关的参数,该参数包括节点计算惯量与发电机直接相连节点计算惯量差值的绝对值d1和节点计算惯量对发电机惯量的灵敏度d2,根据该参数计算得到计算惯量距离综合参数p,p=d1/d2,评估各节点的计算惯量距离,并将系统中各节点划分到距离其最近的机组,及综合参数p最小机组。
(4)建立系统辨识的惯量评估模型,并使用PI控制器对降阶处理得到的一阶惯性环节进行修正。具体包括:
采用ARMAX辨识技术,以系统功率不平衡量作为输入,频率偏差值作为输出的频率响应模型,得到系统频率响应的传递函数,对其进行降阶处理,得到一阶惯性环节F(s),
其中,Hsys为系统整体或者子系统的惯量时间常数;Dsys为系统整体或者子系统的阻尼常数。
由于ARMAX辨识方法对高阶的传递函数进行降阶处理过程中易造成获取结果误差较大的问题,因此,采用PI控制器对降阶处理得到的一阶惯性环节进行修正,修正过程如图2所示。
使用实际采集的功率扰动数据ΔP(s)作为输入参考值,再经降阶得到的一阶惯性环节F(s)输出频率扰动数据Δf1(s),而输出的频率扰动数据经过PI控制器的修正得到反馈回来的功率扰动数据ΔP1(s),采集的功率扰动数据ΔP(s)与反馈回来的功率扰动数据ΔP1(s)两者的差值再次经过一阶惯性环节F(s);修正PI控制器的比例系数和积分系数,直到实际采集的功率扰动数据ΔP(s)与反馈回来的功率扰动数据ΔP1(s)的差值在阈值范围内,或经整体传递函数输出的频率扰动数据Δf1(s)与实际采样的频率扰动数据Δf(s)的差值在误差范围内。
基于PI控制器修正得到采集的功率扰动数据与输出的频率扰动数据整体之间的传递函数为
其中,Kp表示比例系数,Ki表示积分系数;s表示拉式算子。
将式(1)代入(2)可得到
传递函数T(s)的分母最高次项与分子的最高次项比值即为修正后的惯量时间常数
其中,Hsys,mod为经过PI控制器修正后获得的系统惯量时间常数。Hsys为ARMAX辨识获得的系统惯量时间常数
(5)获取整体系统等效惯量和各个分区子系统的等效惯量,将系统整体惯量水平与各个子系统惯量之和的差值作为整个风电场惯量水平的量化信息:
式中,HwF为风电场等效惯量;Ssys为系统整体容量;Hsys,mod为经过PI控制器修正后得到的系统整体惯量时间常数;Sarea,i为子系统的额定容量;Harea,i为经过PI控制器修正后得到的子系统惯量常数值;SWF为风电场额定容量。
为了验证本发明的有效性,将风电场惯量计算值作为参考值,风电场惯量计算值则是依据单台风机的参数计算得到,然后聚合为整个风电场的惯量。根据本发明所提的差值法获得的虚拟惯性控制下的风电场惯量信息与参考值的拟合情况如图3所示,说明本发明所述的等效惯量评估方法的有效性。
同时采用不经PI控制器修正的系统辨识方法和经PI控制器修正的系统辨识方法进行风电场等效虚拟惯量评估,如图4所示。其中不经PI控制器修正的系统辨识方法的误差指标为0.0498,而本发明的经过PI控制器修正的系统辨识方法方法误差指标为0.0186,说明本发明评估结果精度更高。而不经PI控制器修正的系统辨识方法之所以会产生相对较大的误差,是因为该方法在求取隐式惯量值时需将高阶辨识模型降阶成一阶模型,而降阶会引起模型拟合度下降,即辨识模型无法准确反映输入和输出数据之间的关系,进而导致惯量评估结果产生误差。
Claims (8)
1.一种基于分区与辨识的集群风电场虚拟惯量评估方法,其特征在于,包括以下步骤:
(1)采集集群风电场数据并进行数据预处理;
(2)根据电气距离对集群风电场系统中机组进行初步分区,并基于计算惯量距离对系统节点进行再分区;
(3)建立基于系统辨识的惯量评估模型,并使用PI控制器对降阶处理得到的一阶惯性环节进行修正;
(4)根据步骤(3)获取整体系统等效惯量和分区后的各个子系统的等效惯量,将系统整体惯量水平与各个子系统惯量之和的差值作为集群风电场惯量水平的量化信息。
2.根据权利要求1所述的惯量评估方法,其特征在于,所述步骤(1)中采集集群风电场数据包括利用相量测量单元采集风电机组输出功率与系统频率。
3.根据权利要求1所述的惯量评估方法,其特征在于,所述步骤(1)中数据预处理包括标幺化、滤波、去均值以及重采样处理。
4.根据权利要求1所述的惯量评估方法,其特征在于,所述步骤(2)中初步分区包括:首先,获取系统等效导纳矩阵,依据收缩到发电机内电势节点的系统等效导纳矩阵对发电单元之间的电气距离分析,并进行各机组的分区;然后对等效导纳矩阵进行归一化处理,得到电气距离的相关度矩阵;最后对相关度矩阵进行特征分析,实现系统中各发电机分区。
5.根据权利要求4所述的惯量评估方法,其特征在于,所述特征分析为聚类分析。
6.根据权利要求1所述的惯量评估方法,其特征在于,所属步骤(2)中再分区包括计算各节点的计算惯量,并将系统中各节点划分到距离其最近的机组。
8.根据权利要求1所述的惯量评估方法,其特征在于,所述步骤(3)中使用PI控制器对降阶处理得到的一阶惯性环节进行修正包括:
使用实际采集的功率扰动数据ΔP(s)作为输入参考值,再经降阶得到的一阶惯性环节F(s)输出频率扰动数据Δf1(s),而输出的频率扰动数据经过PI控制器的修正得到反馈回来的功率扰动数据ΔP1(s),采集的功率扰动数据ΔP(s)与反馈回来的功率扰动数据ΔP1(s)两者的差值再次经过一阶惯性环节F(s);修正PI控制器的比例系数和积分系数,直到实际采集的功率扰动数据ΔP(s)与反馈回来的功率扰动数据ΔP1(s)的差值在阈值范围内,或经整体传递函数输出的频率扰动数据Δf1(s)与实际采样的频率扰动数据Δf(s)的差值在误差范围内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211701270.6A CN116054246A (zh) | 2022-12-28 | 2022-12-28 | 一种基于分区与辨识的集群风电场虚拟惯量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211701270.6A CN116054246A (zh) | 2022-12-28 | 2022-12-28 | 一种基于分区与辨识的集群风电场虚拟惯量评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116054246A true CN116054246A (zh) | 2023-05-02 |
Family
ID=86115746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211701270.6A Pending CN116054246A (zh) | 2022-12-28 | 2022-12-28 | 一种基于分区与辨识的集群风电场虚拟惯量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116054246A (zh) |
-
2022
- 2022-12-28 CN CN202211701270.6A patent/CN116054246A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110162871B (zh) | 一种基于无迹卡尔曼粒子滤波的电力系统动态估计方法 | |
CN109842373A (zh) | 基于时空分布特性的光伏阵列故障诊断方法及装置 | |
CN108574300B (zh) | 一种基于相似性聚合的分布式光伏发电功率状态估计方法 | |
CN110503153B (zh) | 基于差分进化算法和支持向量机的光伏系统故障诊断方法 | |
CN113822418A (zh) | 一种风电场功率预测方法、系统、设备和存储介质 | |
CN116306798A (zh) | 一种超短时风速预测方法及系统 | |
CN115081795A (zh) | 多维场景下企业能耗异常成因分析方法及系统 | |
CN113626767A (zh) | 一种风机限电识别方法、系统、设备和存储介质 | |
CN114583767B (zh) | 一种数据驱动的风电场调频响应特性建模方法及系统 | |
CN115034485A (zh) | 一种基于数据空间的风电功率区间预测方法及装置 | |
CN115908051A (zh) | 一种电力系统储能容量确定方法 | |
CN111754029A (zh) | 一种社区负荷预测系统 | |
CN111797545B (zh) | 一种基于实测数据的风电机组偏航折减系数计算方法 | |
CN113991711A (zh) | 一种光伏电站储能系统容量配置方法 | |
CN101529347A (zh) | 识别有延时的调节对象的方法和装置、调节装置和计算机程序产品 | |
CN112036718A (zh) | 一种考虑新能源不确定性的电力系统安全风险评估方法 | |
CN112182499A (zh) | 一种基于时序电量数据的低压配电网拓扑结构辨识方法 | |
CN116054246A (zh) | 一种基于分区与辨识的集群风电场虚拟惯量评估方法 | |
CN115112948B (zh) | 多分支电量校准方法、装置、智能终端及存储介质 | |
CN116885702A (zh) | 基于随机矩阵理论主成分分析的电网状态分析方法及系统 | |
CN113554203B (zh) | 基于高维网格化和LightGBM的风电预测方法及装置 | |
CN111027816B (zh) | 一种基于数据包络分析的光伏发电效率计算方法 | |
CN115114983B (zh) | 基于大数据设备电量数据采集分析方法、计算机系统 | |
CN114896829B (zh) | 一种超差电表定位方法 | |
CN113822470B (zh) | 计及新能源场站出力不确定性的出力数据生成方法及系统 |
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 |