-
随着风电装机容量的持续增长,风电参与电力系统一次调频的必要性显著提升.然而,传统双馈感应发电机因采用最大功率点追踪控制策略,存在固有频率调节能力缺失问题,因此本文提出一种基于双馈风机旋转惯量的一次调频控制策略.该策略系统解析了双馈风机的有功功率控制机理及其在电网频率扰动下的动态响应特性;构建了具有虚拟惯量响应特性的组合调频策略,增强了双馈风机在系统频率变化时的暂稳态有功功率调节能力,实现对电网一次调频的有效支撑.为验证控制效果,在 Matlab/Simulink 环境下构建了含20%风电渗透率的3 机9 节点系统模型.仿真结果表明,所提出的虚拟惯量+下垂控制的组合调频策略可使双馈风机输出功率随电网频率动态响应,能够有效参与电网的一次调频.
双馈风机虚拟惯量下垂控制一次调频组合调频
-
新型电力系统控制时,主要通过单目标收敛实现有功调度,过程中难以在短时间之内平衡功率,导致最终输出的调度结果不稳定.为此,本文提出基于卷积神经网络-长短期记忆网络混合的新型电力系统有功调度方法.通过电力系统机组电压偏移状态,明确电压裕度环境,环境覆盖范围内根据功率因数的波动,展开潮流计算.以潮流计算结果作为引导,融合 CNN 捕捉局部有功特征目标,利用特征目标和 LSTM原则同步收敛,短时间之内实现平衡调度.制定电力系统有功功率的平衡约束,参考平衡调度结果展开上下级联动优化,完成有功调度目标.实验结果表明:提出方法实际的有功调度标准与预期的标准偏差为 1.5kW,有效地强化调度效果,提升稳定性,整体性能更为优越可靠.
卷积神经网络长短期记忆网络电力调度有功功率电力系统有功调度
-
当前配电变压器(以下简称"配变")的台区电压预测研究多以时间序列建模的单点预测为主,对配变间复杂的时空相关性建模不充分,大规模配变集群场景下的扩展性和计算效率存在不足.为此,提出一种基于长短时间尺度双层聚类与时空图注意力网络的电压预测方法.首先,在短时间尺度上刻画典型日的电压波动特征,构建运行特性相似的配变子集群;其次,在长时间尺度上提取年运行水平特征,形成双层聚类结构;在此基础上,构建融合电压、有功功率及地理位置三类异构图结构的多通道图注意力网络,实现对集群电压的精准预测.最后,基于上海市某区域配变的真实运行数据进行算例仿真,结果验证了该方法在提升配变电压预测精度方面的有效性.
配变电压预测多时间尺度特征双层聚类时空相关性图神经网络多通道注意力机制
-
在电网发生不对称故障时,虚拟同步发电机(virtual synchronous generator,VSG)将面临三相电流不对称、过电流及暂态失稳等问题.针对现有 VSG 研究多局限于对称工况下的不足,该文依托三相四桥臂拓扑,在电网不对称故障下提出一种直接给定 VSG 不对称励磁参考的故障穿越控制策略.首先,通过冻结无功功率环,仅保留有功功率环,综合考虑 VSG 电流限幅、电压支撑能力与系统容量,给出不同故障深度下的非故障相励磁参考幅值最优解;其次,根据系统相量几何关系,求得故障相励磁参考幅值和功角;然后,同时考虑正序分量和负序分量产生的有功功率,并计及励磁幅值动态变化,根据有功参考对系统功角的作用机制,提出一种有功参考指令实时动态调整方法,控制功角达到目标值,最终形成一套完整的 VSG 不对称故障穿越协同控制策略;最后,进行硬件在环半实物实验.实验结果表明,所提故障穿越策略能够在实现三相电流对称的同时,抑制过电流和提高暂态稳定性.
虚拟同步发电机不对称故障故障穿越相量几何关系暂态稳定性
-
针对风电场运行中尾流效应导致的有功功率损失与风机疲劳损伤累积问题,提出一种结合多目标优化与多属性决策的综合方法,实现有功功率与疲劳损伤的协同优化.首先,基于 Jensen 尾流模型构建尾流衰减与有功功率输出模型,结合 Palmgren-Miner 线性累积损伤理论建立疲劳损伤模型;其次,采用 NSGA-Ⅱ算法求解模型得到 Pareto 结果;最后,通过熵权 TOPSIS 法从 Pareto 解集中选取最优方案,并开发异常处理机制,保障计算稳定性.结果表明,在 4×4 风机布局场景下,优化方案总有功功率较基准方案提升了 8.9%,疲劳损伤降低了 2.2%,表明有功功率与疲劳损伤呈显著负相关性,熵权 TOPSIS 法验证了权重分配的合理性,所提方法能有效平衡风电场经济性与可靠性,为复杂风场布局优化提供参考.
NSGA-Ⅱ算法风电场优化尾流效应熵权TOPSIS法
-
针对风电场并网功率因风速波动与机组特性差异产生的跟踪偏差问题,剖析了永磁直驱与双馈异步主力机型的功率调节特性,揭示了有功功率指令在机组层、场站层间的耦合传递规律,提出了有功功率协调控制技术方案.经过验证,该方案可平抑风速阶跃扰动下的有功波动,缩短功率爬坡响应时间,实现风电场并网功率的精准跟踪.
风电场并网电源有功功率协调控制变桨控制增量分配
-
针对电网运行调度中仍缺乏有效的节点惯量在线监测手段的核心问题,提出一种基于矢量匹配法的新能源电力系统节点惯量评估方法.通过解析多类型惯量资源的频率响应机理,构建包含同步机组及新能源机组的节点惯量统一评估框架.进而建立基于矢量匹配法的传递函数参数辨识模型,利用节点有功功率-频率动态特性传递函数参数反演惯量水平.为突破传统矢量匹配法对初始极点配置的敏感性制约,引入粒子群优化算法,以频率拟合均方误差作为适应度函数优化初始极点配置.最后,基于改进的IEEE-39节点系统的多工况仿真测试表明:所提方法在评估精度、适应性等方面均具有显著优势.
惯量新能源频率响应节点惯量评估矢量匹配法粒子群优化
-
[目的]越来越多不确定性、波动性的分布式可再生能源的接入使电力系统的频率偏差增加,系统有功功率的不平衡加剧.为解决可再生能源并网带来的有功功率不平衡问题,提出一种Transformer与Q学习双驱动智能发电控制(transformer and Q learning dual-driven smart generation control,TQDD)算法.[方法]基于TQDD算法的智能发电控制器由1个数模双驱动环和1个比例环组成;在数模双驱动环中,完全自适应噪声集合经验模态分解(complementary ensemble empirical mode decomposition with adaptive noise,CEEMDAN)对采集的频率偏差信号进行模态分解;Transformer对模态分解后的一系列模态分量进行预测;K均值聚类对预测信号进行大、小波动信号分类;Q学习跟随分类后的大波动信号;分数阶比例-积分-微分(fractional-order proportional-integral-derivative,FOPID)快速跟随分类后的小波动信号.[结果]所提TQDD算法与其他5种对比算法在可再生能源发电机组出力占比为80%的两区域电力系统算例中进行仿真,结果显示,TQDD算法控制下的频率偏差、发电总成本和碳排放量成本较对比算法分别降低45.44%、12.04%和10.25%.[结论]该算法能精确控制新型电力系统各发电机组的输出功率,减少电力系统的频率波动.
新型电力系统智能发电控制Transformer数模双驱动双闭环结构高比例可再生能源强化学习完全自适应噪声集合经验模态分解(CEEMDAN)
-
新型电力系统中新能源波动将对电压造成不可忽视的影响,对电压稳定分析和控制性能提出了更高要求,为此提出一种基于潮流灵敏度的静态电压稳定裕度和电压补偿分析方法.首先,进行潮流灵敏度分析并结合参数化潮流方程,建立表征静态电压稳定临界点处状态的方程.其次,根据潮流雅克比行列式的连续性,利用抛物线法和二分法求解考虑系统运行电压约束的静态电压稳定裕度.最后,根据新能源波动对电力系统电压的影响,结合潮流灵敏度,分析静态电压稳定临界点处无功补偿对电压变化的弥补作用,建立综合考虑有功功率调节和无功补偿的经济性电压补偿方法.仿真结果表明,所提静态电压稳定裕度分析方法相比现有方法计算效率更高,当新能源波动较大时结合有功功率调节可显著减小无功补偿配置容量.所提方法可适应新型电力系统新能源波动情况下超短期时间尺度静态电压稳定分析的需要,实现更经济的电压调节.
潮流灵敏度静态电压稳定裕度雅克比行列式抛物线法新能源波动电压补偿
-
随着风电并网规模的持续扩大,双馈风力发电机的低电压穿越能力成为保障电网稳定运行的关键约束条件.本文针对双馈风力发电系统在电网电压跌落时出现的暂态过程中转子侧变流器的控制策略展开研究,提出一种在定子绕组保持并网状态下的转子变流器平滑重投入的控制方法.基于该控制方法,进一步设计了具备故障期间无功功率主动支撑和故障清除后有功功率快速恢复功能的低电压穿越控制架构,以提升双馈风力发电机组对电网故障的适应能力.
低电压穿越双馈风力发电机变流器重投入无功支撑
