CN116862713A - 高比例可再生能源系统下水电机组振动预测模型及方法 - Google Patents
高比例可再生能源系统下水电机组振动预测模型及方法 Download PDFInfo
- Publication number
- CN116862713A CN116862713A CN202310851647.4A CN202310851647A CN116862713A CN 116862713 A CN116862713 A CN 116862713A CN 202310851647 A CN202310851647 A CN 202310851647A CN 116862713 A CN116862713 A CN 116862713A
- Authority
- CN
- China
- Prior art keywords
- power
- vibration
- water
- calculating
- generating set
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 105
- 230000008569 process Effects 0.000 claims abstract description 13
- 238000010248 power generation Methods 0.000 claims description 39
- 238000009434 installation Methods 0.000 claims description 31
- 230000005540 biological transmission Effects 0.000 claims description 25
- 230000008859 change Effects 0.000 claims description 17
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 2
- 230000000295 complement effect Effects 0.000 abstract description 13
- 238000011161 development Methods 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Algebra (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Remote Sensing (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Tourism & Hospitality (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Public Health (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开了一种高比例可再生能源系统下水电机组振动预测模型及方法，将水电机组的振动分成水平振动和垂直振动，所构建的预测模型分别为：Vhv＝Vhv,0+vhv·Vhv,ref；Vvv＝Vvv,0+vvv·Vvv,ref；设定指标α和β，通过上述预测模型分别计算出调节过程中水电机组水平振动幅值Vhv和垂直振动幅值Vvv。本发明不但考虑了新能源功率波动对水电机组振动特性的影响，而且还能为新能源的开发利用和风、光、水多能互补系统的运行管理提供指导。
Description
技术领域
本发明涉及水电机组监测技术领域，特别是涉及一种高比例可再生能源系统下水电机组振动预测模型及方法。
背景技术
为应对化石能源导致的环境问题，实现“碳中和”国家战略，构建绿色低碳、安全高效的能源体系至关重要。大力开发以风、光为主的新能源是实现这一战略的最有效途径。近年来，我国新能源开发得到了快速发展，截止2022年底，我国可再生能源装机超过12.0亿KW，占总装机容量的比重超过47.0％。然而，由于新能源本身的波动性、随机性与间歇性，导致电能质量不佳，大规模并网发电面临诸多技术瓶颈。利用传统能源(水电、火电等)的优势组成多能互补系统可以有效缓解上述局面，促进新能源消纳。这其中，水电因其调节速度快、运行效率高、可靠稳定等特性被广泛关注。水电机组在高比例可再生能源系统中将承担双重任务：(1)承担电网中的调峰调频任务；(2)补偿新能源功率波动。与常规水电相比，在高比例可再生能源系统下，水电的功能将从“发电”为主，向“调蓄、保证电能质量和系统稳定”转变，意味着水电机组的功率变幅大，振动剧烈，会影响机组运行的稳定性。亟需对机组振动特性进行准确预测，为系统优化和运行提供参考。
目前，机组振动预测主要是针对传统机组而言，风光水的多能互补系统的研究中虽然有避振优化的相关文献，但其主要是针对传统水电机组的振动分析，考虑转子碰磨砺力、不平衡磁拉力、密封激振力、水力不平衡力、转子弓状回旋力、油膜力和转轮涡带偏心力作为外部激励振源，构建非线性模型，提取振动特征信号，从而识别故障类型，在对风、光、水互补系统分析时，主要采用避振策略对系统进行优化。目前还缺少高比例可再生能源系统下水电机组振动特性预测的模型和方法。
水电在多能互补系统中对促进节能减排和新能源开发利用上意义重大。然而，新能源的不确定性导致水电机组振动加剧，将严重威胁水电机组自身安全。因此，对水电机组的振动特性进行准确预测尤为重要。
发明内容
针对上述问题，本发明提供了一种高比例可再生能源系统下水电机组振动预测模型及方法，不但考虑了新能源功率波动对水电机组振动特性的影响，而且还能为新能源的开发利用和风、光、水多能互补系统的运行管理提供指导。
本发明的技术方案如下：
一种高比例可再生能源系统下水电机组振动预测模型，在该预测模型的构建过程中，一方面，由于新能源本身不可预测、不能存储的特点，需要利用水库作为蓄能装置，当新能源充沛时，通过减小水电机组的发电量，从而将富余的新能源转换为水能储存在水库里；反之，当新能源不足时，储存在水库里的水能就通过水电机组转化为电能，以补偿新能源的不足；另一方面，系统的输出功率还要满足负荷需求。
因此，该模型的构建过程如下：
S1、利用已知数据(气候、水文资料)预测风力发电功率、光伏发电功率和水力发电功率，其预测模型分别如下：
风力发电功率计算模型：
其中，Pwind为风力发电输出功率,W；ρair为空气密度,kg/m3；A为风机叶片扫过的面积，m2；Vwind为风速，m/s；Cp为风机系数；
光伏发电功率计算模型：
Ppv＝IV (5)；
其中，Ipv为光伏模块的光生电流，A；I0为参考工况(25℃和1000W×m-2条件下)下饱和限流，A；Vt＝NskT/q为光伏模块的热力电压，V；q为电子常数，q＝1.6022′10-19C；k为Boltmann常数,k＝1.3806′10-23J×K-1；Rs为光伏模块的等效串联电阻，Ω；Rp为等效并联电阻，Ω；e为二极管理想常数；Ipv,r参考工况下的光生电流，A；KI为短路电流系数；T为环境温度，K；G为光照度，W×m-2；Voc,r和Isc,r分别为参考工况下的开路电压和短路电流；KV为开路电压系数；Ppv为光伏发电输出功率，W；下标“r”代表参考工况；
水力发电计算模型：Phydro＝9.81QtHtηt (6)；
其中，Phydro为水电机组输出功率，kW；Qt为水轮机的流量，m3/s；Ht为水轮机的运行水头，mH2O；ηt为水轮机的效率，％；
S2、由于新能源的不确定性，需要确定其装机规模，本发明定义指标α为风电机组装机容量与水电机组装机容量之比；指标β为光伏装机容量与水电机组装机容量之比，用于衡量风电装机容量和光伏装机容量的大小，α和β的计算模型如下：
S3、根据负荷需求、电力部门所给目标功率、风电输出功率和光伏输出功率，计算水电机组调节功率ΔP，其计算模型如下：
ΔP＝Pobj-(Pwind+Ppv) (9)；
S4、水轮机水头与水库水位和引水管路水力损失有关，以水库水位和引水管路水头损失为变量，计算水轮机水头变化量ΔH，其计算模型如下：
Δhloss＝fΔQt|ΔQt| (11)；
ΔH＝ΔZ+Δhloss (12)；
其中，ΔZ为水库水位变化，m；Qriver为水库来流量，m3/s；Qt为水轮机的流量，m3/s；Δhloss为引水管路水力损失变化量，mH2O；f为引水管路水力损失系数；ΔQt为水轮机流量变化量，由活动导叶根据水轮机出力进行控制，m3/s；ΔH为水轮机水头变化量，mH2O；
S5、取水电机组额定功率Pr作为功率参考值，额定水头Hr作为水头参考值，将水电机组调节功率ΔP和水头变化量ΔH分别转换为相对量P和h，其中：
S6、将水电机组的振动分为水平方向振动和垂直方向振动，构建振动幅值与功率和水头的非线性函数，其模型如下：
其中，Vhv为水平方向上的振动幅值，μm；Vvv为垂直方向的振动幅值，μm；
将上述模型用台泰勒级数展开并保留一阶导数项得：
vhv＝khv,p·p+khv,h·h (16)；
vvv＝kvv,p·p+kvv,h·h (17)；
其中，为水平方向上的相对振幅；
为垂直方向上的相对振幅；
为水平振动对功率的传递系数；
为水平振动对水头的传递系数；
为垂直振动对功率的传递系数；
为垂直振动对水头的传递系数；
Vhv,ref为水平振动参考值，取为水平振动允许值，μm；
Vvv,ref为垂直振动参考值，取为垂直振动允许值，μm；
进而，得到水电机组振动幅值的计算模型如下：
调节过程中水电机组水平振动幅值计算模型：
Vhv＝Vhv,0+vhv·Vhv,ref (18)；
调节过程中水电机组垂直振动幅值计算模型：
Vvv＝Vvv,0+vvv·Vvv,ref (19)；
其中，Vhv,0为稳定工况时的水平振动幅值，μm；Vvv,0为稳定工况时的垂直振动幅值，μm；其值计算如下：
稳定工况时水电机组水平振动幅值计算模型：
Vhv,0＝(khv,p·p0+khv,h·h0)·Vhv,ref (20)；
稳定工况时水电机组垂直振动幅值计算模型：
Vvv,0＝(kvv,p·p0+kvv,h·h0)·Vvv,ref (21)。
本发明构建的模型为水电机组振动特性预测的非线性模型，认为机组振动与运行工况密切相关，即振动幅值是功率和水头的函数。该模型可以预测水电机组在高比例可再生能源系统下的振动特性,可为系统优化运行提供指导。
此外，本发明还提供了一种依据上述预测模型对水电机组的振动特性进行预测的方法，其技术方案如下：
一种高比例可再生能源系统下水电机组振动预测方法，包括以下步骤：
A1、设定指标α和β，计算相应的风电装机容量和光伏发电装机容量大小；
A2、根据已知数据(气候、水文资料)，通过上述公式(1)计算风力发电输出功率Pwind；通过上述公式(2)-(5)计算光伏发电输出功率Ppv；通过上述公式(6)计算水电机组输出功率Phydro；
A3、根据风能、太阳能的波动性以及负荷需求的变化，通过上述公式(9)计算水电机组调节功率ΔP；通过上述公式(10)-(12)计算水轮机水头变化量ΔH；
A4、通过上述公式(13)和(14)分别计算相对调节功率P和相对水头变化值h；
A5、根据相对调节功率P和相对水头变化值h对振动传递系数模型做插值获得水平振动对功率的传递系数、水平振动对水头的传递系数、垂直振动对功率的传递系数和垂直振动对水头的传递系数；
A6、通过上述公式(16)计算水平方向上的相对振幅vhv；通过上述公式(17)计算垂直方向上的相对振幅vvv；
A7、由水电机组稳定运行时的相对功率P0和相对水头h0，通过上述公式(20)和(21)分别算出稳定工况时的水平振动幅值Vhv,0和垂直振动幅值Vvv,0；
A8、最后通过上述公式(18)和(19)分别计算调节过程中水电机组水平振动幅值Vhv和垂直振动幅值Vvv；
A9、重新设定α和β，重复步骤A2-A8可对各种不同的风电装机容量、光伏发电装机容量和水电机组装机容量组合情况下的水电机组振动特性进行预测。
本发明的有益效果是：
1、本发明构建的预测模型，不但考虑了新能源功率波动对水电机组振动特性的影响，而且还能为新能源的开发利用和风、光、水多能互补系统的运行管理提供指导；
2、可以评估天气变化对水电机组的振动规律；
3、可对根据振动预测结果对风电、光伏装机规模进行优化；
4、可为风光水多能互补系统开发、设计提供参考，根据振动预测结果综合分析水电参与新能源调控的效益与成本；
5、通过振动预测结果，为水电机组在高可再生能源系统中的运行、管理提供指导。
附图说明
图1是本发明实施例所述对水电机组振动特性预测的流程图；
图2a是本发明实施例所述的风速数据图；
图2b是本发明实施例所述的光照度数据图；
图2c是本发明实施例所述的温度数据图；
图2d是本发明实施例所述的水库流量数据图；
图3是本发明实施例所述的目标功率图；
图4a是本发明实施例所述水电机组水平振动对水头的传递系数图；
图4b是本发明实施例所述水电机组水平振动对功率的传递系数图；
图4c是本发明实施例所述水电机组垂直振动对水头的传递系数图；
图4d是本发明实施例所述水电机组垂直振动对功率的传递系数图；
图5是本发明实施例所述α＝20％和β＝50％情况下功率波动与振动预测结果图。
具体实施方式
下面结合附图对本发明的实施例作进一步说明。
实施例1：
一种高比例可再生能源系统下水电机组振动预测模型，该模型的构建过程如下：
S1、利用如图2a-图2d所示的风速、光照度、温度、水库流量等气候、水文资料，预测风力发电功率、光伏发电功率和水力发电功率，其预测模型分别如下：
风力发电功率计算模型：
其中，Pwind为风力发电输出功率,W；ρair为空气密度,kg/m3；A为风机叶片扫过的面积，m2；Vwind为风速，m/s；Cp为风机系数；
光伏发电功率计算模型：
Ppv＝IV (5)；
其中，Ipv为光伏模块的光生电流，A；I0为参考工况(25℃和1000W×m-2条件下)下饱和限流，A；Vt＝NskT/q为光伏模块的热力电压，V；q为电子常数，q＝1.6022′10-19C；k为Boltmann常数,k＝1.3806′10-23J×K-1；Rs为光伏模块的等效串联电阻，Ω；Rp为等效并联电阻，Ω；e为二极管理想常数；Ipv,r参考工况下的光生电流，A；KI为短路电流系数；T为环境温度，K；G为光照度，W×m-2；Voc,r和Isc,r分别为参考工况下的开路电压和短路电流；KV为开路电压系数；Ppv为光伏发电输出功率，W；下标“r”代表参考工况；
水力发电计算模型：Phydro＝9.81QtHtηt (6)；
其中，Phydro为水电机组输出功率，kW；Qt为水轮机的流量，m3/s；Ht为水轮机的运行水头，mH2O；ηt为水轮机的效率，％；
S2、由于新能源的不确定性，需要确定其装机规模，本发明定义指标α为风电机组装机容量与水电机组装机容量之比；指标β为光伏装机容量与水电机组装机容量之比，用于衡量风电装机容量和光伏装机容量的大小，α和β的计算模型如下：
S3、根据负荷需求、电力部门所给目标功率(如图3所示)、风电输出功率和光伏输出功率，计算水电机组调节功率ΔP，其计算模型如下：
ΔP＝Pobj-(Pwind+Ppv) (9)；
S4、水轮机水头与水库水位和引水管路水力损失有关，以水库水位和引水管路水头损失为变量，计算水轮机水头变化量ΔH，其计算模型如下：
Δhloss＝fΔQt|ΔQt| (11)；
ΔH＝ΔZ+Δhloss (12)；
其中，ΔZ为水库水位变化，m；Qriver为水库来流量，m3/s；Qt为水轮机的流量，m3/s；Δhloss为引水管路水力损失变化量，mH2O；f为引水管路水力损失系数；ΔQt为水轮机流量变化量，由活动导叶根据水轮机出力进行控制，m3/s；ΔH为水轮机水头变化量，mH2O；
S5、取水电机组额定功率Pr作为功率参考值，额定水头Hr作为水头参考值，将水电机组调节功率ΔP和水头变化量ΔH分别转换为相对量P和h，其中：
S6、将水电机组的振动分为水平方向振动和垂直方向振动，构建振动幅值与功率和水头的非线性函数，其模型如下：
其中，Vhv为水平方向上的振动幅值，μm；Vvv为垂直方向的振动幅值，μm；
将上述模型用台泰勒级数展开并保留一阶导数项得：
vhv＝khv,p·p+khv,h·h (16)；
vvv＝kvv,p·p+kvv,h·h (17)；
其中，为水平方向上的相对振幅；
为垂直方向上的相对振幅；
为水平振动对功率的传递系数；
为水平振动对水头的传递系数；
为垂直振动对功率的传递系数；
为垂直振动对水头的传递系数；
Vhv,ref为水平振动参考值，取为水平振动允许值，μm；
Vvv,ref为垂直振动参考值，取为垂直振动允许值，μm；
进而，得到水电机组振动幅值的计算模型如下：
调节过程中水电机组水平振动幅值计算模型：
Vhv＝Vhv,0+vhv·Vhv,ref (18)；
调节过程中水电机组垂直振动幅值计算模型：
Vvv＝Vvv,0+vvv·Vvv,ref (19)；
其中，Vhv,0为稳定工况时的水平振动幅值，μm；Vvv,0为稳定工况时的垂直振动幅值，μm；其值计算如下：
稳定工况时水电机组水平振动幅值计算模型：
Vhv,0＝(khv,p·p0+khv,h·h0)·Vhv,ref (20)；
稳定工况时水电机组垂直振动幅值计算模型：
Vvv,0＝(kvv,p·p0+kvv,h·h0)·Vvv,ref (21)。
实施例2：
一种高比例可再生能源系统下水电机组振动预测方法，其流程如图1所示，具体包括以下步骤：
A1、设定指标α和β，计算相应的风电装机容量和光伏发电装机容量大小；
A2、根据已知数据(气候、水文资料)，通过上述公式(1)计算风力发电输出功率Pwind；通过上述公式(2)-(5)计算光伏发电输出功率Ppv；通过上述公式(6)计算水电机组输出功率Phydro；
A3、根据风能、太阳能的波动性以及负荷需求的变化，通过上述公式(9)计算水电机组调节功率ΔP；通过上述公式(10)-(12)计算水轮机水头变化量ΔH；
A4、通过上述公式(13)和(14)分别计算相对调节功率P和相对水头变化值h；
A5、根据相对调节功率P和相对水头变化值h对如图4a-图4d所示的振动传递系数模型做插值，分别获得水平振动对功率的传递系数、水平振动对水头的传递系数、垂直振动对功率的传递系数和垂直振动对水头的传递系数；
A6、通过上述公式(16)计算水平方向上的相对振幅vhv；通过上述公式(17)计算垂直方向上的相对振幅vvv；
A7、由水电机组稳定运行时的相对功率P0和相对水头h0，通过上述公式(20)和(21)分别算出稳定工况时的水平振动幅值Vhv,0和垂直振动幅值Vvv,0；
A8、最后通过上述公式(18)和(19)分别计算调节过程中水电机组水平振动幅值Vhv和垂直振动幅值Vvv；
A9、重新设定α和β，重复步骤A2-A8可对各种不同的风电装机容量、光伏发电装机容量和水电机组装机容量组合情况下的水电机组振动特性进行预测。
实施例3：
采用实施例1所述模型和实施例2所述方法，以水轮机顶盖位置为例，设定α＝20％、β＝50％情况下，连续10天对水电机组的功率波动与振动进行预测，预测结果如图5所示。预测结果可见，风电和光伏发电输出功率受天气影响较大，风电功率表现出随机性，光伏功率呈周期性变化，水电能够充分补偿风电、光伏功率波动，满足目标功率的需求。与此同时，水电机组在调节新能源功率过程中的振动特性也与天气有关。具体来看，第一天和第四天，由于当地风速和光照度都很大，所以从上午11：00至下午16：00时段，水电机组振动幅值超过了允许值较多，且持续时间较长；第二天和第五天，虽然光照度较大，但风速相对较小，所以机组振动幅值虽然超过了允许值，但持续时间较短；第九天，虽然光照度较大，但风速很小，所以机组振动幅值较小，在允许范围内；其余天，光照度和风速都很小，机组振动幅值也小。可见，在风光水互补发电系统中，水电机组机组振动幅值不仅受α、β的影响，还受天气变化的影响。
风光水互补发电系统可以利用水电站的水库、调节迅速、稳定可靠等特性增加电网消纳新能源的比例，同时风光水互补系统还可缓解水电站依赖水库的压力，两种资源形成了优势互补，不仅改善现在电力供应依赖化石能源的局面，而且促进节能减排、环境友好。但本发明计算结果表明互补系统给水电机组运行带来了一些不良影响，造成水电机组本身振动突出，本发明成功预测了水电机组的振动规律，为机组运行与控制提供了参考。
以上所述实施例仅表达了本发明的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (2)
1.一种高比例可再生能源系统下水电机组振动预测模型，其特征在于，该模型的构建过程如下：
S1、利用已知数据预测风力发电功率、光伏发电功率和水力发电功率，其预测模型分别如下：
风力发电功率计算模型：
其中，Pwind为风力发电输出功率,W；ρair为空气密度,kg/m3；A为风机叶片扫过的面积，m2；Vwind为风速，m/s；Cp为风机系数；
光伏发电功率计算模型：
Ppv＝IV (5)；
其中，Ipv为光伏模块的光生电流，A；I0为参考工况(25℃和1000W×m-2条件下)下饱和限流，A；Vt＝NskT/q为光伏模块的热力电压，V；q为电子常数，q＝1.6022′10-19C；k为Boltmann常数,k＝1.3806′10-23J×K-1；Rs为光伏模块的等效串联电阻，Ω；Rp为等效并联电阻，Ω；e为二极管理想常数；Ipv,r参考工况下的光生电流，A；KI为短路电流系数；T为环境温度，K；G为光照度，W×m-2；Voc,r和Isc,r分别为参考工况下的开路电压和短路电流；KV为开路电压系数；Ppv为光伏发电输出功率，W；下标“r”代表参考工况；
水力发电计算模型：Phydro＝9.81QtHtηt (6)；
其中，Phydro为水电机组输出功率，kW；Qt为水轮机的流量，m3/s；Ht为水轮机的运行水头，mH2O；ηt为水轮机的效率，％；
S2、定义指标α为风电机组装机容量与水电机组装机容量之比；指标β为光伏装机容量与水电机组装机容量之比，α和β的计算模型如下：
S3、根据负荷需求、目标功率、风电输出功率和光伏输出功率，计算水电机组调节功率ΔP，其计算模型如下：
ΔP＝Pobj-(Pwind+Ppv) (9)；
S4、以水库水位和引水管路水头损失为变量，计算水轮机水头变化量ΔH，其计算模型如下：
Δhloss＝fΔQt|ΔQt| (11)；
ΔH＝ΔZ+Δhloss (12)；
其中，ΔZ为水库水位变化，m；Qriver为水库来流量，m3/s；Qt为水轮机的流量，m3/s；Δhloss为引水管路水力损失变化量，mH2O；f为引水管路水力损失系数；ΔQt为水轮机流量变化量，由活动导叶根据水轮机出力进行控制，m3/s；ΔH为水轮机水头变化量，mH2O；
S5、取水电机组额定功率Pr作为功率参考值，额定水头Hr作为水头参考值，将水电机组调节功率ΔP和水头变化量ΔH分别转换为相对量P和h，其中：
S6、将水电机组的振动分为水平方向振动和垂直方向振动，构建振动幅值与功率和水头的非线性函数，其模型如下：
其中，Vhv为水平方向上的振动幅值，μm；Vvv为垂直方向的振动幅值，μm；
将上述模型用台泰勒级数展开并保留一阶导数项得：
vhv＝khv,p·p+khv,h·h (16)；
vvv＝kvv,p·p+kvv,h·h (17)；
其中，为水平方向上的相对振幅；
为垂直方向上的相对振幅；
为水平振动对功率的传递系数；
为水平振动对水头的传递系数；
为垂直振动对功率的传递系数；
为垂直振动对水头的传递系数；
Vhv,ref为水平振动参考值，取为水平振动允许值，μm；
Vvv,ref为垂直振动参考值，取为垂直振动允许值，μm；
进而，得到水电机组振动幅值的计算模型如下：
调节过程中水电机组水平振动幅值计算模型：
Vhv＝Vhv,0+vhv·Vhv,ref (18)；
调节过程中水电机组垂直振动幅值计算模型：
Vvv＝Vvv,0+vvv·Vvv,ref (19)；
其中，Vhv,0为稳定工况时的水平振动幅值，μm；Vvv,0为稳定工况时的垂直振动幅值，μm；其值计算如下：
稳定工况时水电机组水平振动幅值计算模型：
Vhv,0＝(khv,p·p0+khv,h·h0)·Vhv,ref (20)；
稳定工况时水电机组垂直振动幅值计算模型：
Vvv,0＝(kvv,p·p0+kvv,h·h0)·Vvv,ref (21)。
2.一种高比例可再生能源系统下水电机组振动预测方法，其特征在于，包括以下步骤：
A1、设定指标α和β，计算相应的风电装机容量和光伏发电装机容量大小；
A2、根据已知数据，通过权利要求1中所述的公式(1)计算风力发电输出功率Pwind；通过权利要求1中所述的公式(2)-(5)计算光伏发电输出功率Ppv；通过权利要求1中所述的公式(6)计算水电机组输出功率Phydro；
A3、根据风能、太阳能的波动性以及负荷需求的变化，通过权利要求1中所述的公式(9)计算水电机组调节功率ΔP；通过权利要求1中所述的公式(10)-(12)计算水轮机水头变化量ΔH；
A4、通过权利要求1中所述的公式(13)和(14)分别计算相对调节功率P和相对水头变化值h；
A5、根据相对调节功率P和相对水头变化值h对振动传递系数模型做插值获得水平振动对功率的传递系数、水平振动对水头的传递系数、垂直振动对功率的传递系数和垂直振动对水头的传递系数；
A6、通过权利要求1中所述的公式(16)计算水平方向上的相对振幅vhv；通过权利要求1中所述的公式(17)计算垂直方向上的相对振幅vvv；
A7、由水电机组稳定运行时的相对功率P0和相对水头h0，通过权利要求1中所述的公式(20)和(21)分别算出稳定工况时的水平振动幅值Vhv,0和垂直振动幅值Vvv,0；
A8、最后通过权利要求1中所述的公式(18)和(19)分别计算调节过程中水电机组水平振动幅值Vhv和垂直振动幅值Vvv；
A9、重新设定α和β，重复步骤A2-A8可对各种不同的风电装机容量、光伏发电装机容量和水电机组装机容量组合情况下的水电机组振动特性进行预测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310851647.4A CN116862713A (zh) | 2023-07-12 | 2023-07-12 | 高比例可再生能源系统下水电机组振动预测模型及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310851647.4A CN116862713A (zh) | 2023-07-12 | 2023-07-12 | 高比例可再生能源系统下水电机组振动预测模型及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116862713A true CN116862713A (zh) | 2023-10-10 |
Family
ID=88223060
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310851647.4A Pending CN116862713A (zh) | 2023-07-12 | 2023-07-12 | 高比例可再生能源系统下水电机组振动预测模型及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116862713A (zh) |
-
2023
- 2023-07-12 CN CN202310851647.4A patent/CN116862713A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108321837B (zh) | 一种风电-光热联合发电系统及其运行方法 | |
| CN112541609A (zh) | 风光热和水蓄能联合可再生能源发电系统容量优化模型 | |
| CN111130145B (zh) | 一种基于弃风弃光的风光机组装机容量优化规划方法 | |
| Brandeis et al. | Analysis of electrical energy storage technologies for future electric grids | |
| CN116862713A (zh) | 高比例可再生能源系统下水电机组振动预测模型及方法 | |
| Bie et al. | Studies on models and algorithms of the power system probabilistic production simulation integrated with wind farm | |
| CN112149339B (zh) | 风电-光伏-光热-电加热器互补发电系统容量优化模型 | |
| Kumar et al. | Fractional order PI controller based load frequency control of hybrid power system with electric vehicle | |
| Liao et al. | Optimal Capacity Allocation for Wind-Solar Station Considering Power Response of Pumped Storage | |
| CN112184000A (zh) | 含光热电站的新能源发电系统调峰效能评价方法及系统 | |
| Khan et al. | Solar-wind-power hybrid power generation system | |
| CN112186737B (zh) | 水电机组在水电-风电互补系统调控中使用寿命评估方法 | |
| Guhe et al. | A Review on Control Scheme for Stand-Alone WECS | |
| Khatoniar | A Review on Power Electronics in Renewable Energy Systems | |
| Arya et al. | Design and performance analysis of grid connected hybrid-distributed generation using DIgSILENT powerfactory | |
| CN116505554A (zh) | 利用蓄电池克服水电机组反调节特性的系统及方法 | |
| Chukwuorji et al. | Improving Power Generation in Nigeria: The Solar and Wind Energy Option | |
| Avdeev et al. | Transition to Smart Grids of Power Supply with Renewable Energy Sources in the Republic of Crimea | |
| Zhao et al. | A novel SoC feedback control of ESS for frequency regulation of fractional frequency transmission system with offshore wind power | |
| Keerthana et al. | Hybrid water pumping control system for irrigation using Arduino | |
| Sharma et al. | Renewable Energy Sources | |
| Tang et al. | Research on Capacity Configuration Optimization of Multi-Energy Complementary System Using Deep Reinforce Learning | |
| Skander-Mustapha et al. | A case study of small hydropower station based on pump as turbine and doubly fed induction generator | |
| Rana et al. | Performance of Grid Connected Hybrid System with Maximum Power Optimization Algorithms | |
| Tang et al. | Design Hydro-Solar-Wind Multi-energy Complementary System via Multi-Objective Optimization |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhang Changbing Inventor after: Zhang Yongqi Inventor after: Wang Chongxun Inventor after: Mo Zhengyu Inventor after: Li Chaohui Inventor after: Zhang Yaping Inventor after: Zhang Yao Inventor after: Liu Demin Inventor after: Shao Qinfeng Inventor before: Zhang Changbing Inventor before: Zhang Yongqi Inventor before: Wang Chongxun Inventor before: Mo Zhengyu Inventor before: Li Chaohui Inventor before: Zhang Yaping Inventor before: Zhang Yao Inventor before: Liu Demin Inventor before: Shao Qinfeng |
|
| CB03 | Change of inventor or designer information |