CN118013862A - 一种风电场短期电压稳定性仿真模型构建、评估及监测方法 - Google Patents

一种风电场短期电压稳定性仿真模型构建、评估及监测方法 Download PDF

Info

Publication number
CN118013862A
CN118013862A CN202410417568.7A CN202410417568A CN118013862A CN 118013862 A CN118013862 A CN 118013862A CN 202410417568 A CN202410417568 A CN 202410417568A CN 118013862 A CN118013862 A CN 118013862A
Authority
CN
China
Prior art keywords
data
simulation
short
wind farm
term voltage
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.)
Granted
Application number
CN202410417568.7A
Other languages
English (en)
Other versions
CN118013862B (zh
Inventor
帅智康
张容赫
沈阳
何梨梨
黄沁芸
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.)
Hunan University
Original Assignee
Hunan University
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 Hunan University filed Critical Hunan University
Priority to CN202410417568.7A priority Critical patent/CN118013862B/zh
Publication of CN118013862A publication Critical patent/CN118013862A/zh
Application granted granted Critical
Publication of CN118013862B publication Critical patent/CN118013862B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2123/00—Data types
    • G06F2123/02—Data types in the time domain, e.g. time-series data
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Power Engineering (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种风电场短期电压稳定性仿真模型构建、评估及监测方法，依托风力发电机原理进行了风力发电机仿真模型降阶简化，将发电机、机侧变换器、网侧变换器用数值模型进行替代，对整个海上风电场仿真模型进行了大量降阶，极大地减少了仿真计算耗时，使得大规模海上风电场仿真模型有了实际应用的可能；依托时间卷积神经网络可以大规模处理时序数据的能力，通过推断数值仿真提供的数据推断隐含的因果关系，能够对过去时刻影响未来结果的时间序列数据进行预测，并用仿真数据与实际提供的时间序列数据相整合，提高了对海岛微电网短期电压稳定评估的准确性，解决了现有海上大规模风电场接入的海岛微电网电压稳定评价难题和现有方法存在的不足。

Description

一种风电场短期电压稳定性仿真模型构建、评估及监测方法
技术领域
本发明涉及电力系统技术领域，具体涉及一种风电场短期电压稳定性仿真模型构建、评估及监测方法。
背景技术
海岛作为发展海洋经济、建设海洋强国的支点，具有战略意义。海岛大多数远离陆地，通过海底电缆连接成本高、难度大，一般以柴油发电机作为主要的电力来源。随着“双碳”目标的提出，新能源发展迅猛。风电、太阳能发电等技术被应用在海岛上的同时，大量电力电子变换器被接入配电网中，导致海岛微电网电力系统的运行工况和动态特性变得复杂多变；海上风电也作为一种潜力清洁能源，大型化是未来海上风电发展的重要趋势之一。大规模海上风电场接入海岛微电网使得电压失稳现象更加突出。为了保证海岛微电网群电力系统能够安全稳定的运行，亟需对短期电压稳定问题进行快速、准确的评估。
现有基于数值仿真搭建的单台风力发电模型由电气子系统以及机械子系统两大核心构成。机械子系统是由齿轮箱、风机以及部分组件组成；电气子系统由网侧变换器和机侧发电机以及机侧变换器构成。目前海上风机单机容量在5兆瓦到8兆瓦之间，整个海上风电场的装机规模在百台以上，总容量达百万千瓦。以现有的单台风力发电机模型搭建含有上百台风力发电机的大规模风电场，模型复杂，计算量大，仿真时间多达几百分钟，无法实际应用在秒级判定的海岛微电网短期电压稳定性评估中。
短期电压稳定是在电力系统遭遇到大扰动后母线电压维持稳定的能力。传统的数据驱动方法忽略了运行数据具有时间属性的特点。随着人工智能技术的发展以及电力系统测量装置的发展，数据驱动可以使短期电压稳定评估的实时性和准确性方面得到飞跃发展。电力系统运行的状态数据具有时间属性，利用历史信息和未来信息的数据驱动模式对于短期电压稳定评估准确度有待提高。
发明内容
有鉴于此，本发明提供了一种风电场短期电压稳定性仿真模型构建、评估及监测方法，用以至少解决现有技术中针对大规模海上风电场接入海岛微电网的短期电压稳定难以快速准确进行评估的问题。
为了实现上述目的，本发明采用如下技术方案：
一种风电场短期电压稳定性仿真模型构建方法，包括以下步骤：
构建海上风电场降阶简化模型：依据戴维南等效电路，将待评估的风力发电机进行简化，构建单台风力发电机降阶简化模型，根据单台风力发电机降阶简化模型构造海上风电场降阶简化模型；其中单台风力发电机降阶简化模型包括机侧降阶简化模型和网侧降阶简化模型，且在机侧降阶简化模型中，将风机与机侧变换器作为一个整体，通过直流母线电容C与网侧降阶简化模型相连；
构建仿真模型：将海上风电场降阶简化模型与海岛微电网相连作为仿真模型。
优选的，构建机侧降阶简化模型的具体内容包括：
将风机及机侧变换器视作整体，风机及机侧变换器的输出为：
（1）
式中，为直流电压参考值，/>为风力发电机并网处额定电压值，/>为衰减系数，/>为风机发出的功率，/>为风机输送的功率，/>为仿真采样频率；
通过PI控制器后作为网侧降阶简化模型的电流/>轴分量参考值/>，完成机侧降阶简化模型的构建。
优选的，获取风机及机侧变换器的输出的具体内容包括：
建立直流母线电容两端电压方程：
(2)
将上式中直流电容电压变化量移到等式左边，整理得：
(3)
将等效为：
(4)
式中，为仿真采样时间；
将式（4）代入式（3）中：
(5)
网侧变换器直流电压参考值表达式为：
(6)
式中为：
(7)
将公式(5)代入公式(6)：
(8)
通过输入风速/>和空气密度/>获取：
(9)
式中，为风能利用系数；/>为叶片扫过的面积。
优选的，构建网侧降阶简化模型的具体内容包括：
网侧变换器获取电流轴和/>轴的参考值/>和/>，输出电压/>轴和/>轴的参考值/>和/>，将/>和/>进行坐标变换，得到从旋转坐标系变换到自然坐标系下的三相电压/>、/>、，作为受控电压源的控制信号，完成网侧降阶简化模型的构建。
一种风电场短期电压稳定性评估方法，包括以下步骤：
通过仿真模型获取仿真数据，并与实测数据并进行数据整合：获取现场SCADA实时数据，将现场SCADA实测数据输入仿真模型进行仿真得到仿真数据，并与海上风电场与海岛微电网接口处的实测数据进行数据处理得到整合数据；
在线评估海岛微电网群短期电压稳定性并输出评估结果：将整合后的数据输入训练好的时间卷积网络进行短期电压稳定性的在线评估，判断短期电压是否稳定，判断后输出判断结果；若判断短期电压失去稳定，则发出警报。
优选的，仿真数据和实测数据均包括：电压时序数据、有功功率时序数据和无功功率时序数据。
优选的，通过仿真模型获取仿真数据，并与实测数据并进行数据整合的具体内容包括：
以当前时刻的海上风电场SCADA数据为基础，通过仿真模型进行仿真得到未来时刻海上风电场与海岛微电网接口处的仿真数据，同时在海上风电场与海岛微电网接口处实时采集实测数据；通过仿真数据对实测数据传输过程中缺失和噪声干扰后模糊的数据进行填充和替换完成数据整合。
优选的，对时间卷积网络进行训练的具体内容包括：
设置不同的大扰动情形，分别针对不同的大扰动情形通过仿真模型得到仿真数据，与实测数据进行整合后得到短期电压失稳运行数据，根据建立短期电压失稳运行数据库；
用短期电压失稳运行数据库内的数据训练时间卷积神经网络，得到训练后的时间卷积网络模型。
优选的，得到短期电压失稳运行数据的具体内容包括：
分别设置采样周期和仿真时长/>，在/>时刻海岛微电网群仿真发生大扰动故障，设置/>为故障发生时刻，/>为故障清除时刻，获得海上风电场与海岛微电网接口处的仿真数据，并与实时采集到的实测数据相对比，对实测数据传输过程中缺失和噪声干扰的数据进行填充和替换得到整合数据，作为短期电压失稳运行数据。
一种风电场短期电压稳定性监测方法，包括以下步骤：
获取现场SCADA实时数据，将现场SCADA实时数据输入仿真模型进行仿真得到仿真数据，并与海上风电场与海岛微电网接口处的实测数据进行数据处理得到整合数据；
将整合后的数据输入训练好的时间卷积网络进行短期电压稳定性的在线评估，判断短期电压是否稳定，判断后输出判断结果；
当判断短期电压稳定时，接口处电压保持稳定，不作预警，进入下一循环，对新一轮整合仿真数据进行监测；
当判断海岛微电网系统在时刻发生大扰动故障时，接口处电压发生波动，则获取时刻的现场SCADA实时数据进行仿真，并结合训练好的时间卷积网络对/>时刻接口处的电压情况进行预测；
若在时刻故障及时切除，且预测到短期电压可以恢复稳定，则不作预警；
若在时刻故障未能切除，或预测短期电压即将失稳以至于崩溃，则发出警告。
经由上述的技术方案可知，与现有技术相比，本发明公开了一种风电场短期电压稳定性仿真模型构建、评估及监测方法，具有以下有益效果：
本发明依托风力发电机原理进行了风力发电机仿真模型降阶简化，将发电机、机侧变换器、网侧变换器用数值模型进行替代，对整个海上风电场仿真模型有效进行了大量降阶，以5s仿真设置时长为标准，仿真计算耗时由1716s缩短到13s，极大地减少了仿真计算耗时，使得大规模海上风电场仿真模型有了实际应用的可能；依托时间卷积神经网络可以大规模处理时序数据的能力，通过推断数值仿真提供的数据推断隐含的因果关系，能够对过去时刻影响未来结果的时间序列数据进行预测，并用仿真数据与实际提供的时间序列数据相整合，提高了对海岛微电网短期电压稳定评估的准确性，解决了现有海上大规模风电场接入的海岛微电网电压稳定评价难题和现有方法存在的不足。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的戴维南等效电路示意图；
图2为本发明实施例提供的单台风力发电机简化降阶拓扑结构；
图3为本发明实施例提供的海上大规模风电场接入海岛微电网的仿真模型示意图；
图4为本发明实施例提供的时间卷积网络结构；
图5为本发明实施例提供的适用于海上大规模风电场接入海岛微电网的短期电压稳定性简化与评估方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术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，都属于本发明保护的范围。
本发明提供了一种风电场短期电压稳定性仿真模型构建方法，包括以下步骤：
构建海上风电场降阶简化模型：依据戴维南等效电路，将待评估的风力发电机进行简化，构建单台风力发电机降阶简化模型，根据单台风力发电机降阶简化模型构造海上风电场降阶简化模型；其中单台风力发电机降阶简化模型包括机侧降阶简化模型和网侧降阶简化模型，且在机侧降阶简化模型中，将风机与机侧变换器作为一个整体，通过直流母线电容C与网侧降阶简化模型相连；
构建仿真模型：将海上风电场降阶简化模型与海岛微电网相连作为仿真模型。
需要说明的是：
依据戴维南等效电路，从直流电容两端向机侧变换器进行分析，风力发电机向外输出电能经机侧变换器转换成电容两端的电压，将风力发电机和机侧变换器视为一个整体，戴维南等效电路结构如图1所示，单台风力发电机降阶简化模型的具体结构如图2所示。仿真模型的具体结构如图3所示。
由于海上风电场中包括多台风力发电机，这些风力发电机通过母线汇总后，统一接入海岛微电网，在本发明实际的应用过程中，每一台风力发电机均根据本发明提供的简化方法进行简化，得到多个单台风力发电机简化降阶模型，构造海上风电场降阶简化模型，在本实施例中，将海上风电场降阶简化模型与海岛微电网的35kV母线相连接，搭建已知真实网络结构的数值仿真模型。
为了进一步实施上述技术方案，构建机侧降阶简化模型的具体内容包括：
将风机及机侧变换器视作整体，风机及机侧变换器的输出为：
（1）
式中，为直流电压参考值，/>为风力发电机并网处额定电压值，/>为衰减系数，/>为风机发出的功率，/>为风机输送的功率，/>为仿真采样频率；
通过PI控制器后作为网侧降阶简化模型的电流/>轴分量参考值/>，完成机侧降阶简化模型的构建。
为了进一步实施上述技术方案，获取风机及机侧变换器的输出的具体内容包括：
建立直流母线电容两端电压方程：
(2)
将上式中直流电容电压变化量移到等式左边，整理得：
(3)
将等效为：
(4)
式中，为仿真采样时间；
将式（4）代入式（3）中：
(5)
网侧变换器直流电压参考值表达式为：
(6)
式中为：
(7)
将公式(5)代入公式(6)：
(8)
通过输入风速/>和空气密度/>获取：
(9)
式中，为风能利用系数；/>为叶片扫过的面积。
为了进一步实施上述技术方案，构建网侧降阶简化模型的具体内容包括：
网侧变换器获取电流轴和/>轴的参考值/>和/>，输出电压/>轴和/>轴的参考值/>和/>，将/>和/>进行坐标变换，得到从旋转坐标系变换到自然坐标系下的三相电压/>、/>、，作为受控电压源的控制信号，完成网侧降阶简化模型的构建。
需要说明的是：
坐标变换的具体内容如图2所示，其中：
上式中/>代表PI模块，坐标变换是dp0到abc模块，在图2中，/>为通过锁相环PLL计算得到的坐标变换角度；/>、/>为并网处电压/>轴分量的实际值；/>、/>为并网处电流/>轴分量的实际值；/>为并网处电流/>轴分量参考值，为0；/>为电网频率；/>为并网处电感值；/>分别为并网处测得的三相电流值和三相电压值。
一种风电场短期电压稳定性评估方法，包括以下步骤：
通过仿真模型获取仿真数据，并与实测数据并进行数据整合：获取现场SCADA实时数据，将现场SCADA实测数据输入仿真模型进行仿真得到仿真数据，并与海上风电场与海岛微电网接口处的实测数据进行数据处理得到整合数据；
在线评估海岛微电网群短期电压稳定性并输出评估结果：将整合后的数据输入训练好的时间卷积网络进行短期电压稳定性的在线评估，判断短期电压是否稳定，判断后输出判断结果；若判断短期电压失去稳定，则发出警报。
需要说明的是：
本实施例中的时间卷积网络结构由输入层，四层隐藏层，两层全连接层，输出层构成；时间卷积神经网络接收完成数据整合后的时序数据，采集频率为每一次，如图4所示。
为了进一步实施上述技术方案，仿真数据和实测数据均包括：电压时序数据、有功功率时序数据和无功功率时序数据。
为了进一步实施上述技术方案，通过仿真模型获取仿真数据，并与实测数据并进行数据整合的具体内容包括：
以当前时刻的海上风电场SCADA数据为基础，通过仿真模型进行仿真得到未来时刻海上风电场与海岛微电网接口处的仿真数据，同时在海上风电场与海岛微电网接口处实时采集实测数据；通过仿真数据对实测数据传输过程中缺失和噪声干扰后模糊的数据进行填充和替换完成数据整合。
为了进一步实施上述技术方案，对时间卷积网络进行训练的具体内容包括：
设置不同的大扰动情形，分别针对不同的大扰动情形通过仿真模型得到仿真数据，与实测数据进行整合后得到短期电压失稳运行数据，根据建立短期电压失稳运行数据库；
用短期电压失稳运行数据库内的数据训练时间卷积神经网络，得到训练后的时间卷积网络模型。
在本实施例中，设置了如下大扰动情形：
情形1：总负荷需求分别设定为基准水平的80%、90%、100%、110%、120%，模拟海底电缆发生故障，海上风电场被切除的情况；
情形2: 总负荷需求分别设定为基准水平的80%、90%、100%、110%、120%，模拟增加或切除负荷时，海上风电场对海岛微电网母线发生能量灌输，导致母线电压跌落或母线电压抬升的情况；
情形3:从海上风电场的海底电缆末端开始，分别在全长的0、20%、40%、60%、80%施加三相短路故障。
在本实施例中，使用评价指标来对时间卷积网络进行评价，评价指标包括准确值accuracy；精确率precision；召回率recall，在实际的应用过程中，若时间卷积网络模型合格即可进一步应用。
为了进一步实施上述技术方案，得到短期电压失稳运行数据的具体内容包括：
分别设置采样周期和仿真时长/>，在/>时刻海岛微电网群仿真发生大扰动故障，设置/>为故障发生时刻，/>为故障清除时刻，获得海上风电场与海岛微电网接口处的仿真数据，并与实时采集到的实测数据相对比，对实测数据传输过程中缺失和噪声干扰的数据进行填充和替换得到整合数据，作为短期电压失稳运行数据。
在本实施例中，采样频率取1ms，仿真时长为3s，在2s时海岛微电网群仿真发生大扰动故障。
一种风电场短期电压稳定性监测方法，包括以下步骤：
获取现场SCADA实时数据，将现场SCADA实时数据输入仿真模型进行仿真得到仿真数据，并与海上风电场与海岛微电网接口处的实测数据进行数据处理得到整合数据；
将整合后的数据输入训练好的时间卷积网络进行短期电压稳定性的在线评估，判断短期电压是否稳定，判断后输出判断结果；
当判断短期电压稳定时，接口处电压保持稳定，不作预警，进入下一循环，对新一轮整合仿真数据进行监测；
当判断海岛微电网系统在时刻发生大扰动故障时，接口处电压发生波动，则获取时刻的现场SCADA实时数据进行仿真，并结合训练好的时间卷积网络对/>时刻接口处的电压情况进行预测；
若在时刻故障及时切除，且预测到短期电压可以恢复稳定，则不作预警；
若在时刻故障未能切除，或预测短期电压即将失稳以至于崩溃，则发出警告。
在本实施例中，从仿真模型的构建到进行仿真评估以及在线监测的过程如图5所示。
以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种风电场短期电压稳定性仿真模型构建方法，其特征在于，包括以下步骤：
构建海上风电场降阶简化模型：依据戴维南等效电路，将待评估的风力发电机进行简化，构建单台风力发电机降阶简化模型，根据单台风力发电机降阶简化模型构造海上风电场降阶简化模型；其中单台风力发电机降阶简化模型包括机侧降阶简化模型和网侧降阶简化模型，且在机侧降阶简化模型中，将风机与机侧变换器作为一个整体，通过直流母线电容C与网侧降阶简化模型相连；
构建仿真模型：将海上风电场降阶简化模型与海岛微电网相连作为仿真模型。
2.根据权利要求1所述的一种风电场短期电压稳定性仿真模型构建方法，其特征在于，构建机侧降阶简化模型的具体内容包括：
将风机及机侧变换器视作整体，风机及机侧变换器的输出为：
（1）
式中，为直流电压参考值，/>为风力发电机并网处额定电压值，/>为衰减系数，/>为风机发出的功率，/>为风机输送的功率，/>为仿真采样频率；
通过PI控制器后作为网侧降阶简化模型的电流/>轴分量参考值/>，完成机侧降阶简化模型的构建。
3.根据权利要求2所述的一种风电场短期电压稳定性仿真模型构建方法，其特征在于，获取风机及机侧变换器的输出的具体内容包括：
建立直流母线电容两端电压方程：
(2)
将上式中直流电容电压变化量移到等式左边，整理得：
(3)
将等效为：
(4)
式中，为仿真采样时间；
将式（4）代入式（3）中：
(5)
网侧变换器直流电压参考值表达式为：
(6)
式中为：
(7)
将公式(5)代入公式(6)：
(8)
通过输入风速/>和空气密度/>获取：
(9)
式中，为风能利用系数；/>为叶片扫过的面积。
4.根据权利要求1所述的一种风电场短期电压稳定性仿真模型构建方法，其特征在于，构建网侧降阶简化模型的具体内容包括：
网侧变换器获取电流轴和/>轴的参考值/>和/>，输出电压/>轴和/>轴的参考值/>和/>，将/>和/>进行坐标变换，得到从旋转坐标系变换到自然坐标系下的三相电压/>、/>、/>，作为受控电压源的控制信号，完成网侧降阶简化模型的构建。
5.一种风电场短期电压稳定性评估方法，基于权利要求1-4任意一项所述的一种风电场短期电压稳定性仿真模型构建方法，其特征在于，包括以下步骤：
通过仿真模型获取仿真数据，并与实测数据并进行数据整合：获取现场SCADA实时数据，将现场SCADA实测数据输入仿真模型进行仿真得到仿真数据，并与海上风电场与海岛微电网接口处的实测数据进行数据处理得到整合数据；
在线评估海岛微电网群短期电压稳定性并输出评估结果：将整合后的数据输入训练好的时间卷积网络进行短期电压稳定性的在线评估，判断短期电压是否稳定，判断后输出判断结果；若判断短期电压失去稳定，则发出警报。
6.根据权利要求5所述的一种风电场短期电压稳定性评估方法，其特征在于，仿真数据和实测数据均包括：电压时序数据、有功功率时序数据和无功功率时序数据。
7.根据权利要求5所述的一种风电场短期电压稳定性评估方法，其特征在于，通过仿真模型获取仿真数据，并与实测数据并进行数据整合的具体内容包括：
以当前时刻的海上风电场SCADA数据为基础，通过仿真模型进行仿真得到未来时刻海上风电场与海岛微电网接口处的仿真数据，同时在海上风电场与海岛微电网接口处实时采集实测数据；通过仿真数据对实测数据传输过程中缺失和噪声干扰后模糊的数据进行填充和替换完成数据整合。
8.根据权利要求5所述的一种风电场短期电压稳定性评估方法，其特征在于，对时间卷积网络进行训练的具体内容包括：
设置不同的大扰动情形，分别针对不同的大扰动情形通过仿真模型得到仿真数据，与实测数据进行整合后得到短期电压失稳运行数据，根据建立短期电压失稳运行数据库；
用短期电压失稳运行数据库内的数据训练时间卷积神经网络，得到训练后的时间卷积网络模型。
9.根据权利要求8所述的一种风电场短期电压稳定性评估方法，其特征在于，得到短期电压失稳运行数据的具体内容包括：
分别设置采样周期和仿真时长/>，在/>时刻海岛微电网群仿真发生大扰动故障，设置/>为故障发生时刻，/>为故障清除时刻，获得海上风电场与海岛微电网接口处的仿真数据，并与实时采集到的实测数据相对比，对实测数据传输过程中缺失和噪声干扰的数据进行填充和替换得到整合数据，作为短期电压失稳运行数据。
10.一种风电场短期电压稳定性监测方法，基于权利要求1-4任意一项所述的一种风电场短期电压稳定性仿真模型构建方法，其特征在于，包括以下步骤：
获取现场SCADA实时数据，将现场SCADA实时数据输入仿真模型进行仿真得到仿真数据，并与海上风电场与海岛微电网接口处的实测数据进行数据处理得到整合数据；
将整合后的数据输入训练好的时间卷积网络进行短期电压稳定性的在线评估，判断短期电压是否稳定，判断后输出判断结果；
当判断短期电压稳定时，接口处电压保持稳定，不作预警，进入下一循环，对新一轮整合仿真数据进行监测；
当判断海岛微电网系统在时刻发生大扰动故障时，接口处电压发生波动，则获取/>时刻的现场SCADA实时数据进行仿真，并结合训练好的时间卷积网络对/>时刻接口处的电压情况进行预测；
若在时刻故障及时切除，且预测到短期电压可以恢复稳定，则不作预警；
若在时刻故障未能切除，或预测短期电压即将失稳以至于崩溃，则发出警告。
CN202410417568.7A 2024-04-09 2024-04-09 一种风电场短期电压稳定性仿真模型构建、评估及监测方法 Active CN118013862B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410417568.7A CN118013862B (zh) 2024-04-09 2024-04-09 一种风电场短期电压稳定性仿真模型构建、评估及监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410417568.7A CN118013862B (zh) 2024-04-09 2024-04-09 一种风电场短期电压稳定性仿真模型构建、评估及监测方法

Publications (2)

Publication Number Publication Date
CN118013862A true CN118013862A (zh) 2024-05-10
CN118013862B CN118013862B (zh) 2024-07-05

Family

ID=90950450

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410417568.7A Active CN118013862B (zh) 2024-04-09 2024-04-09 一种风电场短期电压稳定性仿真模型构建、评估及监测方法

Country Status (1)

Country Link
CN (1) CN118013862B (zh)

Citations (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1261096A1 (en) * 2001-05-21 2002-11-27 Abb Research Ltd. Stability prediction for an electric power network
CN101359026A (zh) * 2008-09-17 2009-02-04 中国电力科学研究院 一种全时域电压稳定性综合评估方法
CN101446990A (zh) * 2008-08-18 2009-06-03 中国电力科学研究院 一种大干扰概率电压稳定性的评估方法
CN101814743A (zh) * 2010-01-12 2010-08-25 福建省电力有限公司福州电业局 基于短期风功率预测的风电并网在线安全预警系统
CN102346442A (zh) * 2011-05-12 2012-02-08 天津大学 适于节点分析框架的微网暂态仿真并行计算方法
CN102819641A (zh) * 2012-08-08 2012-12-12 天津大学 适于电磁暂态仿真的大规模配电网络整体模型化简方法
CN103606921A (zh) * 2013-12-10 2014-02-26 上海交通大学 基于实时广义戴维南等值的暂态电压稳定判断方法
US20160224702A1 (en) * 2015-01-30 2016-08-04 State Grid Corporation Of China Method of calculating voltage and power of large-scaled photovoltaic power plant
CN106599425A (zh) * 2016-12-02 2017-04-26 广州供电局有限公司 电力系统暂态电压稳定检测方法和装置
WO2018072427A1 (zh) * 2016-10-18 2018-04-26 中国能源建设集团广东省电力设计研究院有限公司 海上风电场电气系统最大暂态过电压分析方法和系统
CN108336741A (zh) * 2017-12-29 2018-07-27 中国电力科学研究院有限公司 一种全过程电压稳定性分析的故障筛选方法及系统
CN109474014A (zh) * 2018-12-13 2019-03-15 西安交通大学 一种对双馈风场接入电网友好性的量化评估方法
CN110245795A (zh) * 2019-06-10 2019-09-17 北京千尧新能源科技开发有限公司 一种用于海上风电运维决策仿真模拟的方法及系统
CN113239643A (zh) * 2021-04-30 2021-08-10 南京河大风电科技有限公司 一种海上风电场自动发电控制流场动态建模方法
CN113378460A (zh) * 2021-06-07 2021-09-10 华南理工大学 基于深度迁移学习的电网结构短期电压稳定性评估方法
CN113675878A (zh) * 2021-07-07 2021-11-19 广东电网有限责任公司 海上风电场并网性能测试方法、系统、计算机设备和介质
US20210391723A1 (en) * 2020-06-12 2021-12-16 Tsinghua University Method for monitoring short-term voltage stability of power system
CN115013261A (zh) * 2022-08-08 2022-09-06 国网浙江省电力有限公司舟山供电公司 一种用于海上风电场的状态监测方法及系统
CN115017787A (zh) * 2022-06-22 2022-09-06 国网山东省电力公司电力科学研究院 基于智能算法的风电场电压穿越特性等值建模方法及系统
CN115392098A (zh) * 2022-10-31 2022-11-25 浙江远算科技有限公司 基于水沙数值仿真的海上风电海缆裸露预测方法和系统
CN115510659A (zh) * 2022-09-30 2022-12-23 江苏方天电力技术有限公司 一种基于传递函数与聚合等值的有效风电场建模方法
CN115622067A (zh) * 2022-09-22 2023-01-17 国网浙江省电力有限公司宁波供电公司 一种基于网络方程电压可解性的短期电压稳定性分析方法
CN116388207A (zh) * 2022-10-24 2023-07-04 国网安徽省电力有限公司经济技术研究院 提高电压稳定性的statcom多目标协同规划方法
CN116937593A (zh) * 2023-07-19 2023-10-24 广东电网有限责任公司 一种海岛微电网群短期电压稳定评估方法及系统
US11906957B1 (en) * 2023-03-09 2024-02-20 Hunan University Method for assessing short-term voltage stability of power grid based on synchronous spatio-temporal information learning

Patent Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1261096A1 (en) * 2001-05-21 2002-11-27 Abb Research Ltd. Stability prediction for an electric power network
US20030040846A1 (en) * 2001-05-21 2003-02-27 Christian Rehtanz Stability prediction for an electric power network
CN101446990A (zh) * 2008-08-18 2009-06-03 中国电力科学研究院 一种大干扰概率电压稳定性的评估方法
CN101359026A (zh) * 2008-09-17 2009-02-04 中国电力科学研究院 一种全时域电压稳定性综合评估方法
CN101814743A (zh) * 2010-01-12 2010-08-25 福建省电力有限公司福州电业局 基于短期风功率预测的风电并网在线安全预警系统
CN102346442A (zh) * 2011-05-12 2012-02-08 天津大学 适于节点分析框架的微网暂态仿真并行计算方法
CN102819641A (zh) * 2012-08-08 2012-12-12 天津大学 适于电磁暂态仿真的大规模配电网络整体模型化简方法
CN103606921A (zh) * 2013-12-10 2014-02-26 上海交通大学 基于实时广义戴维南等值的暂态电压稳定判断方法
US20160224702A1 (en) * 2015-01-30 2016-08-04 State Grid Corporation Of China Method of calculating voltage and power of large-scaled photovoltaic power plant
WO2018072427A1 (zh) * 2016-10-18 2018-04-26 中国能源建设集团广东省电力设计研究院有限公司 海上风电场电气系统最大暂态过电压分析方法和系统
CN106599425A (zh) * 2016-12-02 2017-04-26 广州供电局有限公司 电力系统暂态电压稳定检测方法和装置
CN108336741A (zh) * 2017-12-29 2018-07-27 中国电力科学研究院有限公司 一种全过程电压稳定性分析的故障筛选方法及系统
CN109474014A (zh) * 2018-12-13 2019-03-15 西安交通大学 一种对双馈风场接入电网友好性的量化评估方法
CN110245795A (zh) * 2019-06-10 2019-09-17 北京千尧新能源科技开发有限公司 一种用于海上风电运维决策仿真模拟的方法及系统
US20210391723A1 (en) * 2020-06-12 2021-12-16 Tsinghua University Method for monitoring short-term voltage stability of power system
CN113239643A (zh) * 2021-04-30 2021-08-10 南京河大风电科技有限公司 一种海上风电场自动发电控制流场动态建模方法
CN113378460A (zh) * 2021-06-07 2021-09-10 华南理工大学 基于深度迁移学习的电网结构短期电压稳定性评估方法
CN113675878A (zh) * 2021-07-07 2021-11-19 广东电网有限责任公司 海上风电场并网性能测试方法、系统、计算机设备和介质
CN115017787A (zh) * 2022-06-22 2022-09-06 国网山东省电力公司电力科学研究院 基于智能算法的风电场电压穿越特性等值建模方法及系统
CN115013261A (zh) * 2022-08-08 2022-09-06 国网浙江省电力有限公司舟山供电公司 一种用于海上风电场的状态监测方法及系统
CN115622067A (zh) * 2022-09-22 2023-01-17 国网浙江省电力有限公司宁波供电公司 一种基于网络方程电压可解性的短期电压稳定性分析方法
CN115510659A (zh) * 2022-09-30 2022-12-23 江苏方天电力技术有限公司 一种基于传递函数与聚合等值的有效风电场建模方法
CN116388207A (zh) * 2022-10-24 2023-07-04 国网安徽省电力有限公司经济技术研究院 提高电压稳定性的statcom多目标协同规划方法
CN115392098A (zh) * 2022-10-31 2022-11-25 浙江远算科技有限公司 基于水沙数值仿真的海上风电海缆裸露预测方法和系统
US11906957B1 (en) * 2023-03-09 2024-02-20 Hunan University Method for assessing short-term voltage stability of power grid based on synchronous spatio-temporal information learning
CN116937593A (zh) * 2023-07-19 2023-10-24 广东电网有限责任公司 一种海岛微电网群短期电压稳定评估方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
BOYU QIN ET AL.: "Quantitative short-term voltage stability analysis of power systems integrated with DFIG-based wind farms", 《IET GENERATION, TRANSMISSION & DISTRIBUTION》, vol. 14, no. 19, 6 August 2020 (2020-08-06), pages 4264 - 4272, XP006092218, DOI: 10.1049/iet-gtd.2019.1701 *
刘洋;帅智康;李杨;程莹;沈征;: "多逆变器并网系统谐波谐振模态分析", 中国电机工程学报, no. 14, 29 November 2016 (2016-11-29) *
涂春鸣;侯尊;姜飞;帅智康;邓树;唐君华;: "新型DVR-FCL的SCIG风电场短路故障穿越方法", 电力系统及其自动化学报, no. 12, 15 December 2016 (2016-12-15) *
田益名;魏立明;郭思成;: "分布式发电中大型风电场并网对静态电压稳定性影响研究", 吉林建筑大学学报, no. 01, 15 February 2018 (2018-02-15) *
许加柱;袁晋蓉;沈阳武;邓小亮;熊尚峰;吴和海;: "海上风电并网的有限控制集模型预测控制", 电机与控制学报, no. 05, 15 May 2017 (2017-05-15) *

Also Published As

Publication number Publication date
CN118013862B (zh) 2024-07-05

Similar Documents

Publication Publication Date Title
US20220397879A1 (en) Method for evaluating resonance stability of flexible direct current (dc) transmission system in offshore wind farm
CN109063276B (zh) 适用于长时域风速波动的风电场动态等值建模方法
CN103400302A (zh) 一种风电基地连锁故障风险感知预警方法及其系统
CN102545214A (zh) 一种含电池储能设备的风电场可靠性评估方法
CN115249980B (zh) 数据和知识联合驱动的新能源场站阻抗辨识方法及系统
CN111221266A (zh) 一种适用于微电网黑启动的仿真测试系统和测试方法
CN110571794A (zh) 一种适用于双馈风机风电场的暂态模型等值计算方法
CN106410862B (zh) 基于有功恢复斜率校正的风电场单机等值方法
CN112039051A (zh) 一种含双馈风力发电机接入变电站母线负荷的实时建模方法
CN109816261A (zh) 海上半直驱式风电场等值方法、系统和装置
CN118013862B (zh) 一种风电场短期电压稳定性仿真模型构建、评估及监测方法
CN116306236A (zh) 一种基于gru-lstm-fc组合网络的风电场动态等值建模方法及系统
Liu et al. Dynamic equivalent modeling for microgrids based on LSTM recurrent neural network
Sun Power instability prediction method for wind turbine based on fuzzy decision tree
CN112861326B (zh) 一种基于量测的新能源电网发电机阻尼评估装置及方法
Zhu et al. Research on voltage fluctuation of power system considering wind power connection
Qin et al. Effect of submarine cable capacitance on dynamic aggregation modeling of SCIG-based wind farm
Ma et al. Cyber-physical Modeling Technique based Dynamic Aggregation of Wind Farm Considering LVRT Characteristic
Zhang et al. Simulation Study on Power Stability Model of Variable Speed Wind Farm Control Based on BP Neural Network
Zhou et al. Power Grid transient stability prediction method based on improved CNN under big data background
Zhang et al. Optimization of Dual-Drive Modeling for Large-Scale Offshore Wind Farms
Zhu et al. Refined Equivalent Modeling Method for Mixed Wind Farms Based on Small Sample Data. Energies 2023, 16, 7191
Huang et al. Black-box modeling of PMSG-based wind energy conversion systems based on neural ODEs
Abri et al. MODELING OF AN ADAPTIVE SYSTEM OF NEURO-FUZZY CONTROL OF A WIND POWER PLANT
Zhang et al. Fast Probabilistic TTC Assessment Based on Copula Theory and Deep Ensemble Learning

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
GR01 Patent grant
GR01 Patent grant