CN117154686A - 一种考虑深远海况的风场并网系统可靠性评估方法及系统 - Google Patents

一种考虑深远海况的风场并网系统可靠性评估方法及系统 Download PDF

Info

Publication number
CN117154686A
CN117154686A CN202310888486.6A CN202310888486A CN117154686A CN 117154686 A CN117154686 A CN 117154686A CN 202310888486 A CN202310888486 A CN 202310888486A CN 117154686 A CN117154686 A CN 117154686A
Authority
CN
China
Prior art keywords
wind
wind speed
reliability
grid
connected system
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
CN202310888486.6A
Other languages
English (en)
Inventor
殷磊
杨晓东
赵致远
胡伟
龚春阳
杜艳玲
裴军峰
王蕾
徐美娜
寇代新
范子贤
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.)
Clean Energy Branch of Huaneng Zhejiang Energy Development Co Ltd
Original Assignee
Clean Energy Branch of Huaneng Zhejiang Energy Development 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 Clean Energy Branch of Huaneng Zhejiang Energy Development Co Ltd filed Critical Clean Energy Branch of Huaneng Zhejiang Energy Development Co Ltd
Priority to CN202310888486.6A priority Critical patent/CN117154686A/zh
Publication of CN117154686A publication Critical patent/CN117154686A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开了一种考虑深远海况的风场并网系统可靠性评估方法涉及风电并网可靠性评估技术领域包括基于风电场运行数据，采用分层抽样，建立风速模型；分析中尺度涡、热带气旋以及海气耦合作用影响海上风电并网系统可靠性机理，得到海上风电场可靠性模型；建立风机的单状态模型和三状态模型，得到计算结果；高比例风电接入，分析海上风电并网系统可靠性的变化趋势和复杂海洋状况影响并网系统可靠性的机理；融合储能模型，在风电并网系统中加入铅酸蓄电池。本发明在计算精度、计算效率以及可靠性方面都取得更加良好的效果。

Description

一种考虑深远海况的风场并网系统可靠性评估方法及系统
技术领域
本发明涉及风电并网可靠性评估技术领域，具体为一种考虑深远海况的风场并网系统可靠性评估方法及系统。
背景技术
近年来，海岸附近的海上风力资源日益饱和，海上风电场逐步向深远海发展。对风电场的风能资源进行充分的评估和测算，这包括对风力发电设备的选址、风速测量、风能资源分布等多个方面的技术支持，以确保风电场具备可持续的风能资源供给。对风电场的电力系统进行可靠性分析。这包括对风电机组、变电站、输电线路等电力设备的可靠性进行评估，以确保电网的稳定性和安全性，在风电场接入电网的过程中不会对电网产生负面影响，然而，深远海海上风电场具有影响因素繁多、维修可及性差等特征，开展在考虑复杂海洋大气状况(如中尺度涡、热带气旋等)下的深远海风电场并网系统可靠性评估，具有很高的研究价值。
传统的可靠性评估模型仅能应对近浅海域风电场并网系统的状态分析和可靠性指标计算等问题，但深远海域环境复杂，现有模型未对中尺度涡、热带气旋以及两者之间的海气耦合作用对系统可靠性的影响进行量化分析。而中尺度涡、热带气旋和海-气耦合作用会引起风速以及相应风电场出力的进一步变化，为了后续风电并网系统的可靠性分析，将复杂海洋状况作为影响因素引入可靠性分析模型是更加准确合理的。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述存在的问题，提出了本发明。
因此，本发明解决的技术问题是：现有的风电并网可靠性评估方法存在风速数据缺失，可靠性低，以及如何评价海洋关键因素与系统可靠性之间的内在机制，分析复杂海洋与大气条件对海上风电可靠性的影响，对风电并网系统进行定量可靠性分析的问题。
为解决上述技术问题，本发明提供如下技术方案：一种考虑深远海况的风场并网系统可靠性评估方法，包括：基于风电场运行数据，采用分层抽样，建立风速模型；分析中尺度涡、热带气旋以及海气耦合作用影响海上风电并网系统可靠性机理，得到海上风电场可靠性模型；建立风机的单状态模型和三状态模型，得到计算结果；高比例风电接入，分析海上风电并网系统可靠性的变化趋势和复杂海洋状况影响并网系统可靠性的机理；融合储能模型，在风电并网系统中加入铅酸蓄电池。
作为本发明所述的考虑深远海况的风场并网系统可靠性评估方法的一种优选方案，其中：所述建立风速模型包括获取海上风电场的风速数据，采用对正样本做欠采样的分层抽样法对风速进行预处理，统计风机运行数据，将风速总样本集分为开发样本，验证样本，时间外样本，根据总样本集中的负样本数据确定正负样本比例，按照比例和总样本集合的负样本个数，得到训练集、验证集和时间外样本集的正样本数。
通过分配每一层次的抽样点数目nk，使抽样估计的方差最小，抽样点数目nk的求解表示为：
其中，NS为总抽样数目，Pk为第k层的概率，为第k层上随机变量方差的平均值。
采用两参数Weibull分布概率分布来描述风速的变化规律，分布函数表示为：
概率密度函数表示为：
其中，v为实际风速，V为模拟的风速向量，k为Weibull分布的形状参数，c表示Weibull分布的尺度参数。
作为本发明所述的考虑深远海况的风场并网系统可靠性评估方法的一种优选方案，其中：所述中尺度涡、热带气旋以及海气耦合作用包括使用AVISO海平面的海拔高度特性h'计算得到地转流异常数据，基于东海海洋局分析数据，进行对尺度涡的统计分析，表示为：
其中，U和V分别代表流场中的东西分量和南北分量，f为科式参数，g为重力加速度，x为相关海域的经度，y为纬度。
将位温变化平均值和风速变化平均值作为温度异常SSTA和风速异常WSA数据，涡旋的耦合系数s的计算表示为：
选用Batts台风模型，分析热带气旋的梯度风速，收集移动风速数据，判断热带气旋与中尺度涡相叠加的位置关系，确定实际风速值，最大梯度风速的计算表示为：
Rmax＝exp(-0.1239ΔP0.6+5.1034)
ΔP(t)＝ΔP0-0.675(1+sinβ)t
Vmax＝KVgx+0.5VT
其中，K为梯度常系数；f为地球自转力参数；Rmax为最大风速半径，热带气旋的风速半径与风速呈正相关关系，在最大风速半径Rmax处，平均风速通常也最大，最大风速为Vmax，ΔP(t)是热带气旋经过后t时刻的中心气压差，ΔP0为台风登陆前中心气压差，β为热带气旋经过时海平面与气旋运动方向的夹角，t为热带气旋途经的时间，VT为热带气旋的移动速度，热带气旋中观测点的风速大小计算表示为：
其中，Vr1为气旋风场在模拟圆内部分路径的平均风速，Vr2为气旋风场在模拟圆外部分路径的平均风速，r为风电场距热带气旋中心的距离，x为热带气旋模拟系数。
作为本发明所述的考虑深远海况的风场并网系统可靠性评估方法的一种优选方案，其中：所述单状态模型和三状态模型包括风机出力由实时风速决定，风电机组计算出力表示为：
其中，Pws为风机的实际出力，Pwr为风机的额定功率参数，vs为风电场实时风速，vci为切入风速，vr为额定风速，vco为切出风速，ABC分别为风机功率输出曲线计算式中给定系数，参数表示为：
用风机的三状态模型与单状态模型进行对比，δ表示故障率，μ表示修复率，数据由故障数据统计得到，转移方向由下标数值表示。
正常运行状态1，风力发电机正常工作，风机所发功率由风速决定，输出功率计算表达式与单状态模型相同。
降额运行状态2，风机状态异常影响正常运转时，通过切除负荷保护风机，输出功率为正常运行状态的80％。
故障停运状态3，系统故障导致风机出现停机状态，风机输出功率为0。
基于马尔可夫过程和全概率理论条件求解风机的三状态模型得：
其中P1、P2、P3分别为风机处于正常运行状态、降额运行状态和故障停运状态的概率。
作为本发明所述的考虑深远海况的风场并网系统可靠性评估方法的一种优选方案，其中：所述高比例风电接入包括基于风速的随机性和波动性，将海上风电场中的风电机组接入电力系统，风电并网系统的可靠性水平基于风电渗透率的增加而降低。
作为本发明所述的考虑深远海况的风场并网系统可靠性评估方法的一种优选方案，其中：所述融合储能模型包括采用两状态铅酸蓄电池模型，蓄电池充放电状态由并网系统总发电量和负荷量差值、蓄电池最大充放电功率以及蓄电池的容量大小共同决定。
作为本发明所述的考虑深远海况的风场并网系统可靠性评估方法的一种优选方案，其中：所述融合储能模型还包括当系统总发电量大于负荷时，外部系统功率差额ΔPi＞0，储能系统处于充电状态，充电功率表示为：
Pci＝min{Pcmax,Pcsoc，ΔPi}
其中，Pci为蓄电池充电功率；Pcmax为蓄电池充电功率最大值；Pcsoc为蓄电池荷电状态最大值；Socmax为设定的蓄电池荷电率最大值参数；Em为蓄电池额定容量；ηc为蓄电池充电效率；Δt为仿真时间间隔。
当系统总发电量小于负荷时，外部系统功率差额ΔPi＜0，储能系统处于放电状态，放电功率表示为：
Pdi＝min{Pdmax,Pdsoc，-ΔPi}
其中，Pdi为蓄电池放电功率；Pdmax为蓄电池放电功率最大值；Pdsoc为蓄电池荷电状态最大值；Socmin为设定的蓄电池荷电率最小值参数；ηd为蓄电池放电时的效率。
本发明的另外一个目的是提供一种考虑深远海况的风场并网系统可靠性评估系统，其能通过在风电并网系统中加入铅酸蓄电池，解决了目前的风电并网可靠性评估方法并网系统可靠性水平低的问题。
作为本发明所述的考虑深远海况的风场并网系统可靠性评估系统的一种优选方案，其中：包括分层抽样模块，机理分析模块，风机模型建立模块，变化趋势分析模块，融合储能模块；所述分层抽样模块用于获取海上风电场的风速数据，采用对正样本做欠采样的分层抽样法对风速进行预处理，统计风机运行数据；所述机理分析模块用于分析中尺度涡、热带气旋以及海气耦合作用影响海上风电并网系统可靠性机理；所述风机模型建立模块用于建立风机的单状态模型和三状态模型；所述变化趋势分析模块用于分析风电渗透率从低到高时，海上风电并网系统可靠性的变化趋势和复杂海洋状况影响并网系统可靠性的机理；所述融合储能模块用于在风电并网系统中加入铅酸蓄电池。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序是实现考虑深远海况的风场并网系统可靠性评估方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现考虑深远海况的风场并网系统可靠性评估方法的步骤。
本发明的有益效果：本发明提供的考虑深远海况的风场并网系统可靠性评估方法将现有风速数据进行预处理，解决了部分风速数据缺失等问题带来的误差；选取三种风机模型，实际生产中可以选用最符合实际状况的风机模型；在风电并网系统中加入铅酸蓄电池，提高了并网系统可靠性水平，减少高比例风电接入的负面影响，本发明在计算精度、计算效率以及可靠性水平方面都取得更加良好的效果。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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它的附图。其中：
图1为本发明第一个实施例提供的一种考虑深远海况的风场并网系统可靠性评估方法的整体流程图。
图2为本发明第二个实施例提供的一种考虑深远海况的风场并网系统可靠性评估方法的相邻风场实际风速和模拟风速的数据散点图。
图3为本发明第二个实施例提供的一种考虑深远海况的风场并网系统可靠性评估方法的海上风电场风速拟合数据与实际数据的对比图。
图4为本发明第二个实施例提供的一种考虑深远海况的风场并网系统可靠性评估方法的东海海域20年间中尺度涡生成源点图。
图5为本发明第二个实施例提供的一种考虑深远海况的风场并网系统可靠性评估方法的风机三状态模型示意图。
图6为本发明第二个实施例提供的一种考虑深远海况的风场并网系统可靠性评估方法的风速与风力发电机故障率相关性风机模型的流程图。
图7为本发明第二个实施例提供的一种考虑深远海况的风场并网系统可靠性评估方法的风机三状态模型时，投入储能装置对系统可靠性的影响图。
图8为本发明第三个实施例提供的一种考虑深远海况的风场并网系统可靠性评估系统的整体流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1-图6，为本发明的一个实施例，提供了一种考虑深远海况的风场并网系统可靠性评估方法，包括：
S1：基于风电场运行数据，采用分层抽样，建立风速模型。
更进一步的，根据现有风电场历史运行数据，采用分层抽样解决因风机故障和维护造成的数据缺失问题，建立更符合实际的风速模型。
应说明的是，图2为相邻风场实际风速和模拟风速的数据散点图。图3为海上风电场风速拟合数据与实际数据的对比。具体的，先获取海上风电场的风速历史数据，部分风力发电机存在故障和数据缺失等问题，为提升风速预测的准确性，采用考虑对正样本做欠采样的分层抽样法对风速进行预处理。其中，风速数据每10分钟记录一次，每台风机每年约有52560个数据点，共统计21台风机在七年中的运行数据，将所得风速总样本集分为三个子集，分别为开发样本，验证样本，时间外样本，对正样本做欠采样处理，根据总样本集中的负样本数据确定正负样本比例，按照该比例和总样本集合的负样本个数，得到训练集、验证集和时间外样本集的正样本数，以保证抽样后三个样本子集中正负样本比例相同，具体内容如下。
分层抽样法：
通过分配每一层次的抽样点数目nk，使抽样估计的方差最小。抽样点数目nk的求解式为：
其中，NS为总抽样数目，Pk为第k层的概率，为第k层上随机变量方差的平均值。
威布尔分布：
双参数Weibull分布在模拟风速时较为符合实际风速序列，故通常采用两参数Weibull分布概率分布来描述风速的变化规律，其分布函数为：
概率密度函数为：
其中，v为实际风速，单位为m/s，V为模拟的风速向量，单位为m/s，k为Weibull分布的形状参数，c表示Weibull分布的尺度参数。
S2：分析中尺度涡、热带气旋以及海气耦合作用影响海上风电并网系统可靠性机理，得到海上风电场可靠性模型。
更进一步的，分析中尺度涡、热带气旋和海气耦合作用影响系统可靠性机理：将传统的海洋与气象影响机制转化为海上风电并网系统可靠性的影响机理，分析多种影响因素下的海上风电并网系统可靠性变化趋势，得到考虑复杂海洋状况的海上风电场可靠性模型。
应说明的是，中尺度涡影响机理：
中尺度涡作为在海洋中普遍存在物理现象，是含深远海海上风电场的并网发电系统可靠性评估时不可忽视的影响因素。洋流在旋转过程中，出现的10-100km量级的流动现象，称为中尺度涡旋。使用AVISO上海平面的海拔高度特性(h')计算得到地转流异常数据，辅以东海海洋局分析数据，完成对1999-2019年全球中尺度涡的统计分析。具体公式如下：
其中，U和V分别代表流场中的东西分量和南北分量，f为科式参数，g为中立加速度。地转流数据取自空间范围北纬5°到25°之间，东经105°到122°之间。分析结果表明，东海在20年间中产生了2427个中尺度涡，最大生命周期为220天，大多数周期为两个月左右。
气旋涡和反气旋涡带来的风速异常的空间模式与夏季、冬季海面温度异常(seasurface temperature anomalies，SSTA)的变化格局一致，总体呈现正相关性。夏季反气旋型暖涡使海面风速加快，冬季气旋型冷涡使海面风速变慢。海表面温度异常与涡旋表面风速的耦合系数受海面面积和涡旋的空间分布差异影响。根据运行经验，将海平面以下0-100m的位温变化平均值和高于海面180m的风速变化平均值作为SSTA和风速异常(windspeed anomalies，WSA)数据，涡旋的耦合系数s的计算公式为：
还应说明的是，热带气旋影响机理：
我国东海海域夏季热带气旋频发，深远海海上风电场由于其特殊的地理位置，受到热带气旋的影响更大。
选用Batts台风模型，分析热带气旋的梯度风速，收集移动风速数据，判断热带气旋与中尺度涡相叠加的位置关系，综合确定实际风速值，最大梯度风速的计算公式如下所示：
Rmax＝exp(-0.1239ΔP0.6+5.1034)
ΔP(t)＝ΔP0-0.675(1+sinβ)t
Vmax＝KVgx+0.5VT
其中，K为梯度常系数，本发明取值为0.865；f为地球自转力参数；Rmax为最大风速半径，热带气旋的风速半径通常与风速呈正相关关系，在最大风速半径Rmax处，平均风速通常也最大，最大风速为Vmax，ΔP(t)是热带气旋经过后t时刻的中心气压差，单位为hpa，ΔP0为台风登陆前中心气压差，单位为hpa，β为热带气旋经过时海平面与气旋运动方向的夹角，t为热带气旋途经的时间，单位为h，VT为热带气旋的移动速度，单位为m/s，值得一提的是，后文在进行风速计算时忽略了梯度风的摩擦系数。
本发明对选用的Batts台风模型使用了局部路径模拟方法，热带气旋中各观测点的风速大小计算公式如下所示：
其中，Vr1为气旋风场在模拟圆内部分路径的平均风速，Vr2为气旋风场在模拟圆外部分路径的平均风速，r为风电场距热带气旋中心的距离，x为热带气旋模拟系数，根据气旋强度的不同而不断变化，通常取值范围为0.5-0.7之间。
还应说明的是，海气耦合作用影响机理：
在天气尺度上，海洋涡旋对于热带气旋的影响形式主要表现为负反馈夏季热带气旋频发，此时中尺度涡的主要表现形式为反气旋暖涡，其较厚的暖水层会抑制冷水上翻进程，削弱负反馈作用，海水表面降温幅度较弱。夏季暖涡的作用机制与冬季冷涡相反，此时中尺度涡的主要表现形式为反气旋暖涡，暖涡较厚的暖水层会抑制冷水上翻进程，削弱负反馈作用，海水表面降温幅度较弱。暖涡位置处于2Rmax以内时，途经中尺度涡的热带气旋强度会显著增强，随着夏季暖涡偏离气旋中心,热带气旋强度的增强效应也相应减弱。当暖涡位置处于2Rmax以外时,暖涡反而导致台风强度减弱。海-气耦合作用会引起相应海域海表面风速的进一步变化，为了后续海上风电并网系统的可靠性分析，将海-气耦合作用引入可靠性分析模型是更加准确合理的。
S3：建立风机的单状态模型和三状态模型，得到计算结果。
更进一步的，单状态模型：
不考虑风机故障状态，此时风机出力完全由实时风速决定。风电机组计算出力的表达式为；
其中，Pws为风机的实际出力，Pwr为风机的额定功率参数，vs为风电场实时风速，vci为切入风速，vr为额定风速，vco为切出风速，ABC分别为风机功率输出曲线计算式中给定系数，具体参数表达式为：
应说明的是，三状态模型：
风机三状态模型如图5所示，图6为生成风速与风力发电机故障率相关性风机模型的流程图，通过采样及计算数据，得到最终随机样本。在考虑复杂海洋与大气因素的基础上，本发明还考虑风机故障率对出力水平概率的影响。用风机的三状态模型与单状态模型进行对比，δ表示故障率，μ表示修复率，具体数据由历史故障数据统计得到，转移方向由下标数值表示。
正常运行状态1：风力发电机正常工作，风机所发功率由实时风速决定，输出功率计算表达式与单状态模型相同。
降额运行状态2：风机状态异常影响正常运转时，通过切除负荷保护风机，输出功率为正常运行状态的80％。
故障停运状态3：系统故障导致风机出现停机状态，此时风机输出功率为0。
利用马尔可夫过程和全概率理论条件求解风机的三状态模型，可得：
其中，P1、P2、P3分别为风机处于正常运行状态、降额运行状态和故障停运状态的概率。
S4：高比例风电接入，分析海上风电并网系统可靠性的变化趋势和复杂海洋状况影响并网系统可靠性的机理。
更进一步的，采用修改后的RBTS可靠性测试系统作为算例进行可靠性评估，年峰值负荷以2016年中国沿海某地实际用电峰荷6100MW为基准。将海上风电场中若干额定容量为4MW的风电机组接入电力系统，常规发电机组与风电集群的总装机容量为8000MW，风电渗透率分别选取0％、10％、20％、30％和40％。风电并网系统的可靠性水平随着风电渗透率的增加而逐渐降低，这是由于风速的随机性和波动性导致。
应说明的是，为更突出深远海风电场特性，讨论复杂海洋状况对风电并网系统的影响，本发明选用风电渗透率40％时的计算结果进行着重分析。
S5：融合储能模型，在风电并网系统中加入铅酸蓄电池。
更进一步的，在高比例风电渗透率前提下，在风电并网系统中加入铅酸蓄电池，用以提高并网系统可靠性水平，减少高比例风电接入的负面影响。
应说明的是，本发明实施例采用一种两状态铅酸蓄电池模型，蓄电池充放电状态由并网系统总发电量和负荷量差值、蓄电池最大充放电功率、蓄电池的容量大小共同决定。
当系统总发电量大于负荷时，外部系统功率差额ΔPi＞0，储能系统处于充电状态，其充电功率为：
Pci＝min{Pcmax,Pcsoc，ΔPi}
其中，Pci为蓄电池充电功率；Pcmax为蓄电池充电功率最大值；Pcsoc为蓄电池荷电状态最大值；Socmax为设定的蓄电池荷电率最大值参数；Em为蓄电池额定容量；ηc为蓄电池充电效率；Δt为仿真时间间隔。
当系统总发电量小于负荷时，外部系统功率差额ΔPi＜0，储能系统处于放电状态，其放电功率为：
Pdi＝min{Pdmax,Pdsoc，-ΔPi}
其中，Pdi为蓄电池放电功率；Pdmax为蓄电池放电功率最大值；Pdsoc为蓄电池荷电状态最大值；Socmin为设定的蓄电池荷电率最小值参数；ηd为蓄电池放电时的效率。
实施例2
参照图7，为本发明的一个实施例，提供了一种考虑深远海况的风场并网系统可靠性评估方法，为了验证本发明的有益效果，通过经济效益计算和仿真实验进行科学论证。
蓄电池的相关模型参数如表1所示，风机三状态模型的故障率和修复率参数如表2所示。本发明实施例选用改进RBTS可靠性测试系统，利用Python进行仿真计算，年峰值负荷以2016年中国沿海某地实际用电峰荷6100MW为基准。将风场中若干额定容量为4MW的风电机组接入传统系统，常规发电机组与风电集群的总装机容量为8000MW，风电渗透率分别选取0％、10％、20％、30％和40％。风电机组的切入、切出及额定风速分别为4、12、25m/s，热带气旋数据来源于2020年8月某过境台风资料。
表1储能系统模型参数表
表2风机模型参数表
故障率 取值/(次/年) 修复率 取值/(次/年)
δ12 5.84 μ21 48.3
δ13 7.96 μ31 58.4
δ23 0 μ32 0
本发明实施例在传统可靠性评估理论基础上，进一步考虑中尺度涡、热带气旋以及两者的海气耦合作用对风电并网系统可靠性的影响。实施例计算了3种场景下系统的可靠性参数：
场景0：不考虑中尺度涡旋和热带气旋时的风电并网系统可靠性参数(作为对照组)。
场景1：只考虑中尺度涡旋，不考虑热带气旋时的风电并网系统可靠性参数。
场景2：考虑了中尺度涡旋、热带气旋和海气耦合作用时的风电并网系统可靠性参数。
根据本发明介绍的风电并网系统建模方法，计算风机模型不同时的系统可靠性参数，采用风机单状态模型时的计算结果如表3所示，采用风机三状态模型时的计算结果如表4所示。
由表3、4可知，风电并网系统的可靠性水平随着风电渗透率的增加而逐渐降低，这是由于风速随机性和波动性导致。为更突出深远海风电场特性，讨论复杂海洋状况对风电并网系统的影响，后文选用风电渗透率40％时的计算结果进行分析。
表3系统可靠性参数(单状态模型)
表4系统可靠性参数(三状态模型)
表5显示了风电渗透率为40％时，单状态模型和三状态模型在三种场景下的可靠性参数对比。从表5中可以看出，当风机模型从单状态模型变更为三状态模型时，风电并网系统的可靠性有所降低。这是因为在实际应用中，三状态模型必须额外考虑降额运行状态和故障停运状态，致使风电场出力减小，总停电时间增长，缺供电量增加，但少部分风机的出力下降甚至停运并不足以导致系统停电次数出现大幅度变化。
表5系统可靠性参数
综上所述，在风电渗透率为40％的风电并网系统中，风机模型不同时，复杂海洋状况对风电并网系统的影响趋势相同，但使用三状态模型时影响程度更大。因此，后文中均采用三状态模型下的可靠性参数进行分析。
计算在中尺度涡影响下的整年、夏季及冬季的风电并网系统可靠性指标，可靠性参数如表6所示。
表6考虑中尺度涡对可靠性参数的影响趋势
在夏季，场景1的系统LOLE下降了约11.16％，LOLF降低了5.79次，EENS下降了5199.59MW·h；而在冬季，LOLE则会上升约9.01％，LOLF提高了4.6次，EENS增加了9467.6MW·h，这些结果和趋势表明，夏季暖涡提高了相关海域的风速，增加了风场出力，风电并网系统的可靠性提高，场景1的性能优于场景0；而冬季冷涡的影响机理相反，风电并网系统可靠性下降。场景0性能优于场景1。当时间跨度为整年时，场景1的系统LOLE增加了约1.37％，LOLF提高了1.47次，EENS增加了5899.32MW·h，系统的可靠性小幅度下降。这是由于季节不同时，中尺度涡对风电并网系统的影响趋势相反，且冬季时SSTA和WSA的变化幅度均高于夏季导致的。
计算在中尺度涡、热带气旋及海气耦合作用影响下的夏季和整年的风电并网系统可靠性指标，详细数据如表7所示。
表7考虑中尺度涡及热带气旋对可靠性参数的影响趋势
分析可得，在夏季，场景2系统的LOLE值比情景0下降了约5.55％，比场景1增加了约6.31％，LOLF和EENS也呈现出类似的趋势。这是因为热带气旋及中尺度暖涡都会使相关海域的风速加快，虽然气旋带来的冷水上翻会使SST有所降低，但气旋经过暖涡后强度上升，进一步提升了底层风场风速，从而增大了风场出力，场景2的可靠性高于场景0；然而热带气旋会加剧风速不稳定性，威布尔拟合数据波动大，风电并网系统可靠性有所降低。因此，场景2的可靠性低于场景1。
系统整年的可靠性变化则呈现另一种趋势。在表5中，场景2系统的LOLE比场景0增加了约3.81％。这是因为冬季中尺度涡影响较大，系统可靠性显著降低，同时由于热带气旋集中在夏季，风速的大幅度变化会降低系统的可靠性，此时场景0性能最好，场景1处于中等水平，而场景2中可靠性最差。
此外，经实验表明，系统可靠性的具体数据会根据过境热带气旋的强度有所区别，但整体趋势基本保持不变。
在冬季时，中尺度涡会使风电并网系统的可靠性显著下降，且中尺度涡、热带气旋及二者的海气耦合作用会使系统整年的可靠性有所下降。因此本节将研究储能装置对上述两种场景下系统可靠性的影响。当储能装置的最大充放电功率分别为额定容量的30％、50％和80％，风电渗透率为40％，储能容量从0MW增加到500MW时，系统可靠性指标的变化趋势如图6所示。
由图6可以看出，对高比例风电接入的风电并网系统，采取储能装置能够有效提升风电并网系统的可靠性。在最大充放电功率为30％时，85MW的储能容量可以补偿中尺度涡旋和热带气旋对系统可靠性的影响，在冬季需要的储能容量则为187MW。随着最大充放电功率逐渐增加，补偿复杂海洋状况对风电并网系统影响所需的储能容量逐渐减小。当最大充放电功率为50％时，对应的存储容量要求为56MW和132MW，当最大充放电功率提高到80％时，配置37MW和108MW即可达到补偿的目的。
以上对本发明所提供的技术方案进行了详细介绍。本发明实施例中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
实施例3
参照图8，为本发明的一个实施例，提供了一种考虑深远海况的风场并网系统可靠性评估系统，包括分层抽样模块，机理分析模块，风机模型建立模块，变化趋势分析模块，融合储能模块。
其中分层抽样模块用于获取海上风电场的风速数据，采用对正样本做欠采样的分层抽样法对风速进行预处理，统计风机运行数据；机理分析模块用于分析中尺度涡、热带气旋以及海气耦合作用影响海上风电并网系统可靠性机理；风机模型建立模块用于建立风机的单状态模型和三状态模型；变化趋势分析模块用于分析风电渗透率从低到高时，海上风电并网系统可靠性的变化趋势和复杂海洋状况影响并网系统可靠性的机理；融合储能模块用于在风电并网系统中加入铅酸蓄电池
功能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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种考虑深远海况的风场并网系统可靠性评估方法，其特征在于，包括：
基于风电场运行数据，采用分层抽样，建立风速模型；
分析中尺度涡、热带气旋以及海气耦合作用影响海上风电并网系统可靠性机理，得到海上风电场可靠性模型；
建立风机的单状态模型和三状态模型，得到计算结果；
高比例风电接入，分析海上风电并网系统可靠性的变化趋势和复杂海洋状况影响并网系统可靠性的机理；
融合储能模型，在风电并网系统中加入铅酸蓄电池。
2.如权利要求1所述的考虑深远海况的风场并网系统可靠性评估方法，其特征在于：所述建立风速模型包括获取海上风电场的风速数据，采用对正样本做欠采样的分层抽样法对风速进行预处理，统计风机运行数据，将风速总样本集分为开发样本，验证样本，时间外样本，根据总样本集中的负样本数据确定正负样本比例，按照比例和总样本集合的负样本个数，得到训练集、验证集和时间外样本集的正样本数；
通过分配每一层次的抽样点数目nk，使抽样估计的方差最小，抽样点数目nk的求解表示为：
其中，NS为总抽样数目，Pk为第k层的概率，为第k层上随机变量方差的平均值；
采用两参数Weibull分布概率分布来描述风速的变化规律，分布函数表示为：
概率密度函数表示为：
其中，v为实际风速，V为模拟的风速向量，k为Weibull分布的形状参数，c表示Weibull分布的尺度参数。
3.如权利要求2所述的考虑深远海况的风场并网系统可靠性评估方法，其特征在于：所述中尺度涡、热带气旋以及海气耦合作用包括使用AVISO海平面的海拔高度特性h'计算得到地转流异常数据，基于东海海洋局分析数据，进行对尺度涡的统计分析，表示为：
其中，U和V分别代表流场中的东西分量和南北分量，f为科式参数，g为重力加速度，x为相关海域的经度，y为纬度；
将位温变化平均值和风速变化平均值作为温度异常SSTA和风速异常WSA数据，涡旋的耦合系数s的计算表示为：
选用Batts台风模型，分析热带气旋的梯度风速，收集移动风速数据，判断热带气旋与中尺度涡相叠加的位置关系，确定实际风速值，最大梯度风速的计算表示为：
Rmax＝exp(-0.1239ΔP0.6+5.1034)
ΔP(t)＝ΔP0-0.675(1+sinβ)t
Vmax＝KVgx+0.5VT
其中，K为梯度常系数；f为地球自转力参数；Rmax为最大风速半径，热带气旋的风速半径与风速呈正相关关系，在最大风速半径Rmax处，平均风速通常也最大，最大风速为Vmax，ΔP(t)是热带气旋经过后t时刻的中心气压差，ΔP0为台风登陆前中心气压差，β为热带气旋经过时海平面与气旋运动方向的夹角，t为热带气旋途经的时间，VT为热带气旋的移动速度，热带气旋中观测点的风速大小计算表示为：
其中，Vr1为气旋风场在模拟圆内部分路径的平均风速，Vr2为气旋风场在模拟圆外部分路径的平均风速，r为风电场距热带气旋中心的距离，x为热带气旋模拟系数。
4.如权利要求3所述的考虑深远海况的风场并网系统可靠性评估方法，其特征在于：所述单状态模型和三状态模型包括风机出力由实时风速决定，风电机组计算出力表示为：
其中，Pws为风机的实际出力，Pwr为风机的额定功率参数，vs为风电场实时风速，vci为切入风速，vr为额定风速，vco为切出风速，ABC分别为风机功率输出曲线计算式中给定系数，参数表示为：
用风机的三状态模型与单状态模型进行对比，δ表示故障率，μ表示修复率，数据由故障数据统计得到，转移方向由下标数值表示；
正常运行状态1，风力发电机正常工作，风机所发功率由风速决定，输出功率计算表达式与单状态模型相同；
降额运行状态2，风机状态异常影响正常运转时，通过切除负荷保护风机，输出功率为正常运行状态的80％；
故障停运状态3，系统故障导致风机出现停机状态，风机输出功率为0；
基于马尔可夫过程和全概率理论条件求解风机的三状态模型得：
其中P1、P2、P3分别为风机处于正常运行状态、降额运行状态和故障停运状态的概率。
5.如权利要求4所述的考虑深远海况的风场并网系统可靠性评估方法，其特征在于：所述高比例风电接入包括基于风速的随机性和波动性，将海上风电场中的风电机组接入电力系统，风电并网系统的可靠性水平基于风电渗透率的增加而降低。
6.如权利要求5所述的考虑深远海况的风场并网系统可靠性评估方法，其特征在于：所述融合储能模型包括采用两状态铅酸蓄电池模型，蓄电池充放电状态由并网系统总发电量和负荷量差值、蓄电池最大充放电功率以及蓄电池的容量大小共同决定。
7.如权利要求6所述的考虑深远海况的风场并网系统可靠性评估方法，其特征在于：所述融合储能模型还包括当系统总发电量大于负荷时，外部系统功率差额ΔPi＞0，储能系统处于充电状态，充电功率表示为：
Pci＝min{Pcmax,Pcsoc，ΔPi}
其中，Pci为蓄电池充电功率；Pcmax为蓄电池充电功率最大值；Pcsoc为蓄电池荷电状态最大值；Socmax为设定的蓄电池荷电率最大值参数；Em为蓄电池额定容量；ηc为蓄电池充电效率；Δt为仿真时间间隔；
当系统总发电量小于负荷时，外部系统功率差额ΔPi＜0，储能系统处于放电状态，放电功率表示为：
Pdi＝min{Pdmax,Pdsoc，-ΔPi}
其中，Pdi为蓄电池放电功率；Pdmax为蓄电池放电功率最大值；Pdsoc为蓄电池荷电状态最大值；Socmin为设定的蓄电池荷电率最小值参数；ηd为蓄电池放电时的效率。
8.一种采用如权利要求1～7任一所述的考虑深远海况的风场并网系统可靠性评估方法的系统，其特征在于：包括分层抽样模块，机理分析模块，风机模型建立模块，变化趋势分析模块，融合储能模块；
所述分层抽样模块用于获取海上风电场的风速数据，采用对正样本做欠采样的分层抽样法对风速进行预处理，统计风机运行数据；
所述机理分析模块用于分析中尺度涡、热带气旋以及海气耦合作用影响海上风电并网系统可靠性机理；
所述风机模型建立模块用于建立风机的单状态模型和三状态模型；
所述变化趋势分析模块用于分析风电渗透率从低到高时，海上风电并网系统可靠性的变化趋势和复杂海洋状况影响并网系统可靠性的机理；
所述融合储能模块用于在风电并网系统中加入铅酸蓄电池。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的考虑深远海况的风场并网系统可靠性评估方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的考虑深远海况的风场并网系统可靠性评估方法的步骤。
CN202310888486.6A 2023-07-19 2023-07-19 一种考虑深远海况的风场并网系统可靠性评估方法及系统 Pending CN117154686A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310888486.6A CN117154686A (zh) 2023-07-19 2023-07-19 一种考虑深远海况的风场并网系统可靠性评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310888486.6A CN117154686A (zh) 2023-07-19 2023-07-19 一种考虑深远海况的风场并网系统可靠性评估方法及系统

Publications (1)

Publication Number Publication Date
CN117154686A true CN117154686A (zh) 2023-12-01

Family

ID=88885712

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310888486.6A Pending CN117154686A (zh) 2023-07-19 2023-07-19 一种考虑深远海况的风场并网系统可靠性评估方法及系统

Country Status (1)

Country Link
CN (1) CN117154686A (zh)

Similar Documents

Publication Publication Date Title
CN103400009B (zh) 基于分裂层次半监督谱聚类算法的风电场动态等值方法
CN107797063A (zh) 基于scada的风电机组运行状态评估及故障诊断方法
CN107394809B (zh) 基于风速时间周期特征的风电并网系统风险评估方法
Saeed et al. Wind energy potential and economic analysis with a comparison of different methods for determining the optimal distribution parameters
CN104217077A (zh) 一种反映风速变化特性的风力发电出力随机模型建模方法
Noman et al. Comprehensive review of wind energy in Malaysia: Past, present, and future research trends
Stewart Design load analysis of two floating offshore wind turbine concepts
CN110460038A (zh) 一种涉及新能源并网的多场景输电网扩展规划方法
CN105825002A (zh) 一种基于动态灰关联分析法的风电场动态等值建模方法
CN112072643A (zh) 一种基于深度确定性梯度策略的光-蓄系统在线调度方法
Mirzadeh et al. Reliability evaluation of power systems containing tidal power plant
CN103632314B (zh) 基于概率统计的风电场广义节点特征建模方法
Sarkar et al. Proficiency assessment of adaptive neuro-fuzzy inference system to predict wind power: A case study of Malaysia
Pryor et al. Wakes in and between very large offshore arrays
CN113449847B (zh) 考虑秒级时间序列风速变化的海上风电功率滚动预测方法
CN109816261A (zh) 海上半直驱式风电场等值方法、系统和装置
CN117878958A (zh) 水光互补光伏电站夜间无功补偿分析方法及系统
CN117154686A (zh) 一种考虑深远海况的风场并网系统可靠性评估方法及系统
Bao et al. Iterative modeling of wind turbine power curve based on least‐square B‐spline approximation
CN110334951A (zh) 一种风电机组高温降容状态的智能评估方法及系统
CN117521282B (zh) 用于风电场气候特征模拟的密度依赖型风机参数化方法
CN117390418B (zh) 一种风电并网系统暂态稳定评估方法、系统及设备
Chen et al. Multi‐dimensional evaluation and diagnostic methods for wind turbine power generation performance based on different influencing factors
Dirik Wind turbine control via power measurements in complex terrain
Ali Risk Identification of Wind Energy Development in Iraq

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