CN117767451A - 新能源极限渗透率确定方法、装置、设备和介质 - Google Patents
新能源极限渗透率确定方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN117767451A CN117767451A CN202410002581.6A CN202410002581A CN117767451A CN 117767451 A CN117767451 A CN 117767451A CN 202410002581 A CN202410002581 A CN 202410002581A CN 117767451 A CN117767451 A CN 117767451A
- Authority
- CN
- China
- Prior art keywords
- unit
- initial
- power system
- value
- edge
- 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 86
- 230000035699 permeability Effects 0.000 title claims abstract description 72
- 230000004044 response Effects 0.000 claims abstract description 58
- 238000012512 characterization method Methods 0.000 claims description 56
- 230000008569 process Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 17
- 230000002441 reversible effect Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000001360 synchronised effect Effects 0.000 description 13
- 238000012937 correction Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种新能源极限渗透率确定方法、装置、设备和介质。所述方法包括：获取初始电力系统中各初始机组的频率响应数据；根据频率响应数据确定初始电力系统的目标机组组合，目标机组组合为各初始机组中的部分机组，且目标机组组合使得初始电力系统关闭目标机组组合之后对应的目标最大频偏值与预设的边界阈值的误差值小于或者等于预设的误差阈值；根据目标机组组合的出力数据和初始电力系统对应的负荷有功功率数据，确定初始电力系统对应的新能源极限渗透率。采用本方法能够提高新能源极限渗透率确定的准确性。
Description
技术领域
本申请涉及于新能源电力系统技术领域，特别是涉及一种新能源极限渗透率确定方法、装置、设备和介质。
背景技术
随着新能源发电技术的发展，电力系统中利用新能源进行供电的新能源机组的规模逐渐扩大。为了保证新能源机组接入电力系统时，电力系统能够保持稳定，需要对电力系统最大可承载的新能源出力数据进行确定，即，对新能源机组的极限渗透率进行确定。
传统的新能源极限渗透率确定方法中，通过电力系统中负荷数据与发电数据之间的平衡关系对电力系统的新能源极限渗透率进行求解。
然而，传统的新能源极限渗透率确定方法准确度低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高准确度的新能源极限渗透率确定方法、装置、设备和介质。
第一方面，本申请提供了一种新能源极限渗透率确定方法，方法包括：
获取初始电力系统中各初始机组的频率响应数据；
根据频率响应数据确定初始电力系统的目标机组组合，目标机组组合为各初始机组中的部分机组，且目标机组组合使得初始电力系统关闭目标机组组合之后对应的目标最大频偏值与预设的边界阈值的误差值小于或者等于预设的误差阈值；
根据目标机组组合的出力数据和初始电力系统对应的负荷有功功率数据，确定初始电力系统对应的新能源极限渗透率。
在其中一个实施例中，提供的方法中根据频率响应数据获取初始电力系统的目标机组组合的过程，包括：
获取初始电力系统中各初始机组的性能表征值；
按照性能表征值从小到大的顺序，每次选择一个初始机组作为边缘机组；
根据频率响应数据，得到初始电力系统关闭边缘机组对应的中间机组组合之后的边缘最大频偏值，中间机组组合至少包括边缘机组；
判断边缘最大频偏值与边界阈值的误差值是否小于或者等于误差阈值；
若边缘最大频偏值与边界阈值的误差值小于或者等于误差阈值，则将中间机组组合作为目标机组组合。
在其中一个实施例中，提供的方法还包括：
若边缘最大频偏值与边界阈值的误差值大于误差阈值，则判断边缘最大频偏值是否大于或者等于边界阈值；
若边缘最大频偏值大于或者等于边界阈值，则将边缘机组从中间机组组合中删除，得到边界机组组合；
判断边缘机组是否为性能表征值最大的初始机组；
若边缘机组不是性能表征值最大的初始机组，则根据边界机组组合得到下一个边缘机组对应的中间机组组合。
在其中一个实施例中，提供的方法还包括：
若边缘机组是性能表征值最大的初始机组，则将边界机组组合作为目标机组组合。
在其中一个实施例中，提供的方法还包括：
若边缘最大频偏值小于边界阈值，则按照性能表征值从小到大的顺序，将边缘机组的下一个初始机组作为边缘机组，重新执行得到目标机组组合的过程。
在其中一个实施例中，提供的方法中获取初始电力系统中各初始机组的性能表征值的过程，包括：
获取初始电力系统中各初始机组的频率响应固有时间、出力数据和有功功率支撑数据；
针对每个初始机组，对频率响应固有时间和出力数据进行乘法运算处理，得到反向支撑数据；
对有功功率支撑数据和反向支撑数据进行除法运算处理，得到初始机组的性能表征值。
在其中一个实施例中，提供的方法中根据目标机组组合的出力数据和初始电力系统对应的负荷有功功率数据，确定初始电力系统对应的新能源极限渗透率的过程，包括：
将出力数据与负荷有功功率数据进行比值处理，得到新能源极限渗透率。
第二方面，本申请还提供了一种新能源极限渗透率确定装置，装置包括：
数据获取模块，用于获取初始电力系统中各初始机组的频率响应数据；
机组确定模块，用于根据频率响应数据确定初始电力系统的目标机组组合，目标机组组合为各初始机组中的部分机组，且目标机组组合使得初始电力系统关闭目标机组组合之后对应的目标最大频偏值与预设的边界阈值的误差值小于或者等于预设的误差阈值；
极限渗透率计算模块，用于根据目标机组组合的出力数据和初始电力系统对应的负荷有功功率数据，确定初始电力系统对应的新能源极限渗透率。
第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的方法的步骤。
第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的方法的步骤。
上述新能源极限渗透率确定方法、装置、设备和介质，通过获取初始电力系统中各初始机组的频率响应数据；根据频率响应数据确定初始电力系统的目标机组组合，目标机组组合为各初始机组中的部分机组，且目标机组组合使得初始电力系统关闭目标机组组合之后对应的目标最大频偏值与预设的边界阈值的误差值小于或者等于预设的误差阈值；根据目标机组组合的出力数据和初始电力系统对应的负荷有功功率数据，确定初始电力系统对应的新能源极限渗透率。本申请中，根据频率响应数据确定初始电力系统的目标机组组合，使得初始电力系统关闭目标机组组合之后对应的目标最大频偏值与预设的边界阈值的误差值小于或者等于预设的误差阈值，这样，得到的目标机组组合对初始电力系统的频率影响小，将目标机组组合中的初始机组替换成新能源机组时能够保证初始电力系统的频率稳定性，避免现有技术中只考虑初始机组与负荷之间的供电平衡，忽略初始机组的调频特性，本申请中基于各初始机组的频率响应数据得到初始电力系统的目标最大频偏值，在初始电力系统频率稳定的情况下确定新能源极限渗透率，从而提高新能源极限渗透率确定方法的准确性。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中新能源极限渗透率确定方法的应用环境图；
图2为一个实施例中新能源极限渗透率确定方法的流程示意图；
图3为一个实施例中获取目标机组组合的步骤的流程示意图；
图4为一个实施例中获取目标机组组合的步骤的流程示意图；
图5为一个实施例中获取各初始机组的性能表征值的步骤的流程示意图；
图6为另一个实施例中新能源极限渗透率确定方法的流程示意图；
图7为一个实施例中初始电力系统的示意图；
图8为一个实施例中新能源极限渗透率确定装置的结构框图；
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的新能源极限渗透率确定方法，可以应用于如图1所示的应用环境中。其中，初始机组102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。
其中，初始机组102为通过调速器和同步器进行连接并同步运行的同步机组。示例性的，初始机组102可以是火电同步机组或者水电同步机组。
其中，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个示例性的实施例中，如图2所示，提供了一种新能源极限渗透率确定方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤202至步骤206。其中：
步骤202，获取初始电力系统中各初始机组的频率响应数据。
其中，初始电力系统包括输电线路、变电站、配电网、负荷和至少一个初始机组，初始电力系统用于将初始机组产生的电能传输给负荷。
其中，频率响应数据包括：在初始电力系统中存在至多一个元件发生故障的情况下，各初始机组的有功功率增量、到达最大频偏时的时间、输出功率限幅。示例性的，初始电力系统中可能发生故障的元件包括各初始机组或者输电线路。
步骤204，根据频率响应数据确定初始电力系统的目标机组组合。
其中，目标机组组合为各初始机组中的部分机组，且目标机组组合使得初始电力系统关闭目标机组组合之后对应的目标最大频偏值与预设的边界阈值的误差值小于或者等于预设的误差阈值。
示例性的，目标机组组合的确定过程可以包括以下步骤：对各初始机组进行排列组合，得到多个机组组合；针对每个机组组合，根据各初始机组的频率响应数据计算初始电力系统关闭机组组合之后对应的最大频偏值；将最大频偏值与预设的边界阈值的误差值小于或者等于预设的误差阈值的机组组合作为目标机组组合。若最大频偏值与预设的边界阈值的误差值小于或者等于预设的误差阈值的机组组合有多个，保留出力数据最大的机组组合作为目标机组组合。
示例性的，预设的边界阈值可以是1Hz。
本步骤中，若初始电力系统关闭目标机组组合之后对应的目标最大频偏值与预设的边界阈值的误差值小于或者等于预设的误差阈值，表示目标机组组合中的初始机组频率响应水平低，可以将其替换为相同出力水平的新能源机组，同时保持初始电力系统的频率稳定。
步骤206，根据目标机组组合的出力数据和初始电力系统对应的负荷有功功率数据，确定初始电力系统对应的新能源极限渗透率。
其中，新能源极限渗透率是电力系统最大可承载的新能源出力数据。根据步骤204，目标机组组合中的初始机组可以被替换为相同出力水平的新能源机组，当目标机组组合中的初始机组全部被替换为新能源机组时，即为初始电力系统中最大可承载的新能源规模。由于被替换的初始机组与新能源机组出力水平相同，因此根据目标机组组合的出力数据和初始电力系统对应的负荷有功功率数据即可确定初始电力系统对应的新能源极限渗透率。
上述新能源极限渗透率确定方法中，通过获取初始电力系统中各初始机组的频率响应数据；根据频率响应数据确定初始电力系统的目标机组组合，目标机组组合为各初始机组中的部分机组，且目标机组组合使得初始电力系统关闭目标机组组合之后对应的目标最大频偏值与预设的边界阈值的误差值小于或者等于预设的误差阈值；根据目标机组组合的出力数据和初始电力系统对应的负荷有功功率数据，确定初始电力系统对应的新能源极限渗透率。本实施例中，根据频率响应数据确定初始电力系统的目标机组组合，使得初始电力系统关闭目标机组组合之后对应的目标最大频偏值与预设的边界阈值的误差值小于或者等于预设的误差阈值，这样，得到的目标机组组合对初始电力系统的频率影响小，将目标机组组合中的初始机组替换成新能源机组时能够保证初始电力系统的频率稳定性，避免现有技术中只考虑初始机组与负荷之间的供电平衡，忽略初始机组的调频特性，本实施例中基于各初始机组的频率响应数据得到初始电力系统的目标最大频偏值，在初始电力系统频率稳定的情况下确定新能源极限渗透率，从而提高新能源极限渗透率确定方法的准确性。
在一个示例性的实施例中，基于图2所示的实施例，如图3所示，提供的方法中根据频率响应数据获取初始电力系统的目标机组组合的过程，包括：
步骤302，获取初始电力系统中各初始机组的性能表征值。
其中，各初始机组的性能表征值可以表示各初始机组的频率响应能力和出力水平。
示例性的，初始机组的性能表征值越小，说明频率响应能力越差，对维持初始电力系统的稳定性起到的作用越小；初始机组的性能表征值越大，说明频率响应能力越好，对维持初始电力系统的稳定性起到的作用越大。
又示例性的，初始机组的性能表征值越小，说明出力水平越低，对新能源极限渗透率的贡献越低；初始机组的性能表征值越大，说明出力水平越高，对新能源极限渗透率的贡献越高。
步骤304，按照性能表征值从小到大的顺序，每次选择一个初始机组作为边缘机组。
步骤306，根据频率响应数据，得到初始电力系统关闭边缘机组对应的中间机组组合之后的边缘最大频偏值。
其中，中间机组组合至少包括边缘机组。
其中，中间机组组合还可以包括性能表征值小于或者等于边缘机组的一个或多个初始机组。
示例性的，在初始电力系统中存在至多一个元件发生故障的情况下，初始电力系统关闭边缘机组对应的中间机组组合之后，初始电力系统的有功功率增量可以表示为：
；
其中，为初始电力系统的频率到达最大频偏时的时间，/>为故障引发的扰动功率值。
初始电力系统的频率偏差可以近似表示为：
，
其中，Hsys为预设的初始电力系统的同步惯量。
初始电力系统在最大频偏处，频率变化率为0。此时，根据转子运动方程建立功率平衡表达式为：
，
其中，表示初始机组i在初始电力系统达到最大频偏时的有功功率增量，i的取值范围为[1,E]，E表示初始电力系统中初始机组的个数；damp表示初始电力系统预设的阻尼系数。
在没有初始机组达到功率限幅的情况下，通过牛顿拉夫逊法求解该功率平衡表达式，可以得到初始电力系统的频率到达最大频偏时的时间。
在一种可能的实施方式中，初始电力系统中的部分初始机组可能达到输出功率限幅的情况。因此，需要对初始电力系统的有功功率增量表达式进行修正。
在时域中，初始机组在时的有功功率增量/>可以表示为：
，
其中，为初始机组的一次调频传递函数，/>在频域中可以表示为：
，
其中，a1、b0和b1为初始机组中的调速器低阶等值模型参数，s为初始电力系统的频率偏差在频域中的表达形式。
当初始机组i的有功功率增量大于有功功率支撑数据/>时，初始机组i达到功率限幅。此时，可通过牛顿拉夫逊法求解下式，得到初始机组达到功率限幅的时间。
，
此时，初始机组i的有功功率增量曲线可以近似表示为一条分段曲线，表达式为：
，
其中，为在/>时刻的单位阶跃函数。
假设在第l次修正时共有个初始机组出现功率限幅，第l-1次修正时共有/>个初始机组出现功率限幅，第l次修正的有功功率增量表达式可近似表示为：
，
第l次修正的近似频率偏差表达式为：
，
此时，对最大频偏时的功率平衡表达式进行求解可得第l次修正后到达最大频偏时的时间，进而得到初始机组i到达功率限幅的时间，若第l次修正与第l-1次修正中初始机组i到达功率限幅的时间相同，则暂停修正过程，根据第l次修正的近似频率偏差表达式可得初始电力系统关闭边缘机组对应的中间机组组合之后的边缘最大频偏值。
步骤308，判断边缘最大频偏值与边界阈值的误差值是否小于或者等于误差阈值。
步骤310，若边缘最大频偏值与边界阈值的误差值小于或者等于误差阈值，则将中间机组组合作为目标机组组合。
其中，若边缘最大频偏值与边界阈值的误差值小于或者等于误差阈值，说明关闭目标机组组合中的初始机组不会对初始电力系统的稳定性产生影响，目标机组组合中的初始机组可以全部被替换为新能源机组，在目标机组组合中的初始机组全部被替换为新能源机组时初始电力系统对应的新能源极限渗透率是最高的。
本实施例中，通过边缘最大频偏值与边界阈值的误差值的关系来确定目标机组组合，使得初始电力系统在保持频率稳定的情况下，将目标机组组合全部替换为新能源机组时能够使得新能源极限渗透率最高，从而提高确定的新能源极限渗透率。
在一个示例性的实施例中，基于图3所示的实施例，如图4所示，提供的方法还包括：
步骤402，若边缘最大频偏值与边界阈值的误差值大于误差阈值，则判断边缘最大频偏值是否大于或者等于边界阈值。
其中，在边缘最大频偏值与边界阈值的误差值大于误差阈值的情况下，表明当前的中间机组组合对初始电力系统整体的最大频偏值产生了较大影响，若将该中间机组组合作为目标机组组合，关停后可能对初始电力系统的频率稳定性产生影响，因此需要进一步判断当前的边缘机组对初始电力系统整体的最大频偏值的影响。
步骤404，若边缘最大频偏值大于或者等于边界阈值，则将边缘机组从中间机组组合中删除，得到边界机组组合。
其中，若边缘最大频偏值大于或者等于边界阈值，表示当前的边缘机组对对初始电力系统整体有较强的频率响应能力，因此需要在初始电力系统中保留该边缘机组，在可供关停的中间机组组合中删除该边缘机组。
步骤406，判断边缘机组是否为性能表征值最大的初始机组。
其中，边缘机组的选择是按照性能表征值从小到大的顺序排列的，若边缘机组不是性能表征值最大的初始机组，说明还有可供选择的初始机组能够作为边缘机组，可以继续进行得到目标机组组合的过程；若边缘机组是性能表征值最大的初始机组，说明已无可供选择的初始机组能够作为边缘机组，将当前的边界机组组合作为目标机组组合。
步骤408，若边缘机组不是性能表征值最大的初始机组，则根据边界机组组合得到下一个边缘机组对应的中间机组组合。
在一种可能的实施方式中，请参考图4，提供的方法还包括步骤410，若边缘机组是性能表征值最大的初始机组，则将边界机组组合作为目标机组组合。
在一种可能的实施方式中，请参考图4，提供的方法还包括步骤412，若边缘最大频偏值小于边界阈值，则按照性能表征值从小到大的顺序，将边缘机组的下一个初始机组作为边缘机组，重新执行得到目标机组组合的过程。
其中，在边缘最大频偏值小于边界阈值时，说明当前的边缘机组对初始电力系统的频率响应的影响较小，对维持初始电力系统的稳定性起到的作用小，可以将其关停，即将其作为目标机组组合中的其中一个机组，然后继续将下一个初始机组作为边缘机组，进而得到目标机组组合。
本实施例中，根据边缘最大频偏值与边界阈值的误差值、边缘最大频偏值与边界阈值的大小关系确定目标机组组合，使得初始电力系统关闭目标机组组合之后对应的目标最大频偏值与预设的边界阈值的误差值小于或者等于预设的误差阈值，并且保留对初始电力系统的最大频偏值影响较大的初始机组，使得在确定新能源极限渗透率的过程中尽量保持初始电力系统的频率稳定，从而提高新能源极限渗透率确定方法的准确度。
在一个示例性的实施例中，基于图3所示的实施例，如图5所示，提供的方法中获取初始电力系统中各初始机组的性能表征值的过程，包括：
步骤502，获取初始电力系统中各初始机组的频率响应固有时间、出力数据和有功功率支撑数据。
其中，各初始机组的频率响应固有时间用于表示初始机组i在调频过程中有功功率完全释放所需时间，即频率响应的快慢。
示例性的，在初始电力系统中存在至多一个元件发生故障的情况下，如某一元件发生了频率跌落故障，故障后初始机组的有功功率增量可以表示为：
，
其中，为初始机组的频率到达最大频偏的时间，/>为故障引发的扰动功率值。
初始机组的频率偏差可以近似表示为：
，
其中，H为初始机组预设的惯量。
初始机组在最大频偏时功率平衡时域表达式可以表示为：
，
其中，a1、b0和b1为初始机组中的调速器低阶等值模型参数。
在初始机组最大频偏时功率平衡时域表达式的两边同时除以扰动功率值，得到功率平衡时域方程g(t)：
，
可见功率平衡时域方程g(t)为一高阶非线性表达式，且与扰动功率值无关。可选择使用牛顿拉夫逊法对功率平衡时域方程g(t)进行迭代求解，第k+1次迭代时牛顿拉夫逊迭代表达式为：
，
式中：为/>在/>处的导数值。当第k+1次迭代的结果与第k次迭代的结果之间误差小于设定误差范围Error，即：
，
可得到达最大频偏时的时间。初始机组i的频率响应固有时间/>可以表示为：
。
其中，初始机组i预设的出力数据。
其中，初始机组i的有功功率支撑数据是初始机组i最大可提供的有功功率支撑(Maximum Adjustable Power，MAP)。初始机组i的有功功率支撑数据/>越小，表示初始机组i可供频率响应的有功功率越小。
示例性的，在初始电力系统发生低频故障，即时，初始机组i的有功功率支撑数据/>为初始机组i功率输出上限/>与出力数据/>之差。又示例性的，在初始电力系统发生高频故障，即/>时，初始机组i的有功功率支撑数据/>为初始机组i出力数据/>与功率输出下限/>之差。初始机组i的有功功率支撑数据/>可以表示为：
。
步骤504，针对每个初始机组，对频率响应固有时间和出力数据进行乘法运算处理，得到反向支撑数据。
其中，初始机组i的反向支撑数据可以表示为：
步骤506，对有功功率支撑数据和反向支撑数据进行除法运算处理，得到初始机组的性能表征值。
可选的，性能表征值可以表示为GSI(Generator Shutdown Indicator，机组关停机指标)，初始机组i的机组关停机指标可以表示为：
。
本实施例中，根据初始机组的频率响应固有时间、出力数据和有功功率支撑数据确定各初始机组的性能表征值，按照性能表征值从小到大的顺序，将性能表征值小的初始机组先作为边缘机组，这样，在确定目标机组组合时能够优先选择频率响应速度慢、有功支撑能力弱和出力水平高的机组，能够迅速准确地得到对初始电力系统的频率稳定性影响最小的机组组合作为目标机组组合，从而提高新能源极限渗透率确定方法的效率，还能够提高新能源极限渗透率的确定值。
在一个示例性的实施例中，提供的方法中根据目标机组组合的出力数据和初始电力系统对应的负荷有功功率数据/>，确定初始电力系统对应的新能源极限渗透率/>的过程，包括：将出力数据/>与负荷有功功率数据/>进行比值处理，得到新能源极限渗透率/>。
其中，目标机组组合的出力数据可以表示为：
，
其中，j表示目标机组组合中包含的初始机组，j的取值范围为[1,S]，S表示目标机组组合中包含的初始机组的个数，表示初始机组j的出力数据。
其中，新能源极限渗透率可以表示为：
。
本实施例中，确定目标机组组合使得初始电力系统关闭目标机组组合之后对应的目标最大频偏值与预设的边界阈值的误差值小于或者等于预设的误差阈值，这样，可以将目标机组组合中的全部初始机组都替换为新能源机组，从而在保证初始电力系统频率稳定的基础上确定初始电力系统的新能源极限渗透率，提高新能源极限渗透率确定方法的准确性。
在一个示例性的实施例中，如图6所示，提供了一种新能源极限渗透率确定方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤602至步骤206。其中：
步骤602，获取初始电力系统中各初始机组的频率响应数据和性能表征值。
示例性的，初始电力系统可以是如图7所示的通过PSD-BPA（Power SystemDepartment-Bonneville Power Administration电力系统研究所-美国邦纳维尔电力局）的相应软件搭建改进的IEEE-39（Institute of Electrical and ElectronicsEngineers-39，电气电子工程师协39号）节点系统。其中，箭头表示负荷，G1~G3、G5~G10为火电同步机组，G4为水电同步机组，火电同步机组可以是配备GS-TB型调速器-原动机系统的同步机组，水电同步机组可以是配备GM-GA-TW型调速器-原动机系统的同步机组；母线21处馈入一条额定容量1000MW的直流线路，通过该直流向电网输送900MW有功功率。初始电力系统初始总负荷水平为6833MW，阻尼系数damp为1.2。
可选的，提供的方法中获取初始电力系统中各初始机组的性能表征值的过程，包括：获取初始电力系统中各初始机组的频率响应固有时间、出力数据和有功功率支撑数据；针对每个初始机组，对频率响应固有时间和出力数据进行乘法运算处理，得到反向支撑数据；对有功功率支撑数据和反向支撑数据进行除法运算处理，得到初始机组的性能表征值。
示例性的，各初始机组G9发生故障时，各初始机组的频率响应固有时间、出力数据/>、有功功率支撑数据/>和以机组关停机指标/>表示的性能表征值可以如表1所示。
表1 各初始机组的频率响应固有时间、出力数据/>、有功功率支撑数据/>和机组关停机指标/>/>
步骤604，选择性能表征值最小的初始机组作为边缘机组。
步骤606，根据频率响应数据，得到初始电力系统关闭边缘机组对应的中间机组组合之后的边缘最大频偏值。
步骤608，判断边缘最大频偏值与边界阈值的误差值是否小于或者等于误差阈值。
步骤610，若边缘最大频偏值与边界阈值的误差值小于或者等于误差阈值，则将中间机组组合作为目标机组组合。
步骤612，若边缘最大频偏值与边界阈值的误差值大于误差阈值，则判断边缘最大频偏值是否大于或者等于边界阈值。
步骤614，若边缘最大频偏值大于或者等于边界阈值，则将边缘机组从中间机组组合中删除，得到边界机组组合。
步骤616，判断边缘机组是否为性能表征值最大的初始机组。
步骤618，若边缘机组不是性能表征值最大的初始机组，则根据边界机组组合得到下一个边缘机组对应的中间机组组合。
步骤620，若边缘机组是性能表征值最大的初始机组，则将边界机组组合作为目标机组组合。
步骤622，若边缘最大频偏值小于边界阈值，则按照性能表征值从小到大的顺序，将边缘机组的下一个初始机组作为边缘机组，重新执行得到目标机组组合的过程。
步骤624，根据目标机组组合的出力数据和初始电力系统对应的负荷有功功率数据，确定初始电力系统对应的新能源极限渗透率。
可选的，将出力数据与负荷有功功率数据进行比值处理，得到新能源极限渗透率。
在一种可能的实施方式，记为实施方式1，根据初始机组i的频率响应固有时间从大到小替换同步机组；/>
在一种可能的实施方式中，记为实施方式2，根据初始机组i的有功功率支撑数据从小到大替换同步机组；
在一种可能的实施方式中，记为实施方式3，根据初始机组i的出力数据从大到小替换同步机组。
根据上述实施例和实施方式，得到的新能源极限渗透率确定结果如表2所示。
表2 新能源极限渗透率确定结果
注：“替换”指将该初始机组替换为等值出力的新能源机组。
可见，采用本实施例中提供的新能源极限渗透率确定方法能够得到最高的初始电力系统的新能源极限渗透率。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的新能源极限渗透率确定方法的新能源极限渗透率确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个新能源极限渗透率确定装置实施例中的具体限定可以参见上文中对于新能源极限渗透率确定方法的限定，在此不再赘述。
在一个示例性的实施例中，如图8所示，提供了一种新能源极限渗透率确定装置，包括：数据获取模块802、机组确定模块804和极限渗透率计算模块806，其中：
数据获取模块802，用于获取初始电力系统中各初始机组的频率响应数据；
机组确定模块804，用于根据频率响应数据获取初始电力系统的目标机组组合，目标机组组合为各初始机组中的部分机组，且目标机组组合使得初始电力系统关闭目标机组组合之后对应的目标最大频偏值小于或者等于预设的误差阈值；
极限渗透率计算模块806，用于根据目标机组组合的出力数据和初始电力系统对应的负荷有功功率数据，确定初始电力系统对应的新能源极限渗透率。
在其中一个实施例中，机组确定模块804还用于获取初始电力系统中各初始机组的性能表征值；按照性能表征值从小到大的顺序，每次选择一个初始机组作为边缘机组；根据频率响应数据，得到初始电力系统关闭边缘机组对应的中间机组组合之后的边缘最大频偏值，中间机组组合至少包括边缘机组；判断边缘最大频偏值是否小于或者等于误差阈值；若边缘最大频偏值小于或者等于误差阈值，则将中间机组组合作为目标机组组合。
在其中一个实施例中，机组确定模块804还用于在边缘最大频偏值大于误差阈值时，判断边缘最大频偏值是否大于或者等于预设的边界阈值；若边缘最大频偏值大于或者等于边界阈值，则将边缘机组从中间机组组合中删除，得到边界机组组合；判断边缘机组是否为性能表征值最大的初始机组；若边缘机组不是性能表征值最大的初始机组，则根据边界机组组合得到下一个边缘机组对应的中间机组组合。
在其中一个实施例中，机组确定模块804还用于在边缘机组是性能表征值最大的初始机组时，将边界机组组合作为目标机组组合。
在其中一个实施例中，机组确定模块804还用于在边缘最大频偏值小于边界阈值时，按照性能表征值从小到大的顺序，将边缘机组的下一个初始机组作为边缘机组，重新执行得到目标机组组合的过程。
在其中一个实施例中，机组确定模块804还用于获取初始电力系统中各初始机组的频率响应固有时间、出力数据和有功功率支撑数据；针对每个初始机组，对频率响应固有时间和出力数据进行乘法运算处理，得到反向支撑数据；对有功功率支撑数据和反向支撑数据进行除法运算处理，得到初始机组的性能表征值。
在其中一个实施例中，极限渗透率计算模块806还用于将出力数据与负荷有功功率数据进行比值处理，得到新能源极限渗透率。
上述新能源极限渗透率确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储服务器104要处理的各种数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种新能源极限渗透率确定方法。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种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上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种新能源极限渗透率确定方法，其特征在于，所述方法包括：
获取初始电力系统中各初始机组的频率响应数据；
根据所述频率响应数据确定所述初始电力系统的目标机组组合，所述目标机组组合为所述各初始机组中的部分机组，且所述目标机组组合使得所述初始电力系统关闭所述目标机组组合之后对应的目标最大频偏值与预设的边界阈值的误差值小于或者等于预设的误差阈值；
根据所述目标机组组合的出力数据和所述初始电力系统对应的负荷有功功率数据，确定所述初始电力系统对应的新能源极限渗透率。
2.根据权利要求1所述的方法，其特征在于，所述根据所述频率响应数据获取所述初始电力系统的目标机组组合，包括：
获取所述初始电力系统中所述各初始机组的性能表征值；
按照所述性能表征值从小到大的顺序，每次选择一个所述初始机组作为边缘机组；
根据所述频率响应数据，得到所述初始电力系统关闭所述边缘机组对应的中间机组组合之后的边缘最大频偏值，所述中间机组组合至少包括所述边缘机组；
判断所述边缘最大频偏值与所述边界阈值的误差值是否小于或者等于所述误差阈值；
若所述边缘最大频偏值与所述边界阈值的误差值小于或者等于所述误差阈值，则将所述中间机组组合作为所述目标机组组合。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
若所述边缘最大频偏值与所述边界阈值的误差值大于所述误差阈值，则判断所述边缘最大频偏值是否大于或者等于所述边界阈值；
若所述边缘最大频偏值大于或者等于所述边界阈值，则将所述边缘机组从所述中间机组组合中删除，得到边界机组组合；
判断所述边缘机组是否为所述性能表征值最大的初始机组；
若所述边缘机组不是所述性能表征值最大的初始机组，则根据所述边界机组组合得到下一个边缘机组对应的中间机组组合。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
若所述边缘机组是所述性能表征值最大的初始机组，则将所述边界机组组合作为所述目标机组组合。
5.根据权利要求3所述的方法，其特征在于，所述方法还包括：
若所述边缘最大频偏值小于所述边界阈值，则按照所述性能表征值从小到大的顺序，将所述边缘机组的下一个所述初始机组作为边缘机组，重新执行得到所述目标机组组合的过程。
6.根据权利要求2所述的方法，其特征在于，所述获取所述初始电力系统中所述各初始机组的性能表征值，包括：
获取所述初始电力系统中所述各初始机组的频率响应固有时间、出力数据和有功功率支撑数据；
针对每个所述初始机组，对所述频率响应固有时间和所述出力数据进行乘法运算处理，得到反向支撑数据；
对所述有功功率支撑数据和所述反向支撑数据进行除法运算处理，得到所述初始机组的所述性能表征值。
7.根据权利要求1所述的方法，其特征在于，所述根据所述目标机组组合的出力数据和所述初始电力系统对应的负荷有功功率数据，确定所述初始电力系统对应的新能源极限渗透率，包括：
将所述出力数据与所述负荷有功功率数据进行比值处理，得到所述新能源极限渗透率。
8.一种新能源极限渗透率确定装置，其特征在于，所述装置包括：
数据获取模块，用于获取初始电力系统中各初始机组的频率响应数据；
机组确定模块，用于根据所述频率响应数据确定所述初始电力系统的目标机组组合，所述目标机组组合为所述各初始机组中的部分机组，且所述目标机组组合使得所述初始电力系统关闭所述目标机组组合之后对应的目标最大频偏值与预设的边界阈值的误差值小于或者等于预设的误差阈值；
极限渗透率计算模块，用于根据所述目标机组组合的出力数据和所述初始电力系统对应的负荷有功功率数据，确定所述初始电力系统对应的新能源极限渗透率。
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中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410002581.6A CN117767451A (zh) | 2024-01-02 | 2024-01-02 | 新能源极限渗透率确定方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410002581.6A CN117767451A (zh) | 2024-01-02 | 2024-01-02 | 新能源极限渗透率确定方法、装置、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117767451A true CN117767451A (zh) | 2024-03-26 |
Family
ID=90320157
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410002581.6A Pending CN117767451A (zh) | 2024-01-02 | 2024-01-02 | 新能源极限渗透率确定方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117767451A (zh) |
-
2024
- 2024-01-02 CN CN202410002581.6A patent/CN117767451A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bu et al. | Probabilistic analysis of small-signal stability of large-scale power systems as affected by penetration of wind generation | |
| Yao et al. | Voltage stability analysis of power systems with induction motors based on holomorphic embedding | |
| CN107342586B (zh) | 一种用于确定配电网静态等值的方法及装置 | |
| CN109301880B (zh) | 直流近区最小开机确定方法、装置及系统 | |
| Hou et al. | Cluster computing-based trajectory sensitivity analysis application to the WECC system | |
| Yu et al. | Static equivalent method based on component particularity representation and sensitivity consistency | |
| Chen et al. | Disturbance rejection‐based LFC for multi‐area parallel interconnected AC/DC system | |
| CN111914205A (zh) | 台区理论线损计算方法、装置和日负荷曲线计算方法 | |
| Qin et al. | Local input to state stability based stability criterion with applications to isolated power systems | |
| Mitrentsis et al. | A dynamic active distribution network equivalent for enhancing the generalization capability of the exponential recovery model in stability studies | |
| Aristidou et al. | Dynamic simulations of combined transmission and distribution systems using decomposition and localization | |
| Rinaldi et al. | Distributed observers for state estimation in power grids | |
| KR20200073039A (ko) | 전력민감도 기반 가상 멀티슬랙 드룹 제어를 위한 장치 및 방법 | |
| CN117767451A (zh) | 新能源极限渗透率确定方法、装置、设备和介质 | |
| Ivic et al. | Weakly meshed distribution networks with distributed generation—power flow analysis using improved impedance matrix based algorithm | |
| Höger et al. | Power flow analysis of networks with loads of constant current-constant power factor type | |
| CN109873415B (zh) | 一种电力系统等值方法和装置 | |
| Ye et al. | Comprehensive mitigation strategy of voltage sag based on sensitive load clustering | |
| CN108649596B (zh) | 一种适于负荷建模的电池储能系统动态模型 | |
| Wei et al. | Voltage Stability Bifurcation Analysis for AC/DC Systems with VSC‐HVDC | |
| CN117081110B (zh) | 一种多机并联新能源虚拟惯量振荡抑制方法及相关装置 | |
| Krishna et al. | Power flow algorithm for radial distribution system with voltage sensitive loads | |
| CN117293859A (zh) | 变流器控制方法和装置 | |
| CN109412154B (zh) | 光伏发电系统的稳定性分析方法、装置及实现装置 | |
| CN108616126A (zh) | 计及输电网供电能力概率等值模型的配网可靠性计算方法 |
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 |