【技术实现步骤摘要】
一种送端电网故障状态下紧急源网协调调峰控制方法
本专利技术涉及一种协调调峰控制方法，特别涉及一种送端电网故障状态下紧急源网协调调峰控制方法，属于电气工程
技术介绍
在高比例可再生能源系统中，通常将风电/光伏以“负负荷”的被动形式参与系统的调度，这将需要电力系统提供大量的灵活性资源满足其波动性，促进消纳，但在系统调峰电源出现非计划停运等系统紧急状态时，系统出现调峰缺额，风电/光伏做为一种“波动性供能机组”也可以在系统紧急状态下提供调峰能力，由于风电/光伏具有随机性和波动性，不像火电等常规机组一样出力具有稳定可控的特点，因此需要对风电/光伏的可调度性出力进行研究并定量评估，计算风电/光伏可以给系统提供的调峰能力。
技术实现思路
本专利技术的目的在于提供一种送端电网故障状态下紧急源网协调调峰控制方法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种送端电网故障状态下紧急源网协调调峰控制方法，包括以下步骤：S1：对集群风电虚拟机组可调度性的作出评估；
【技术保护点】
1.一种送端电网故障状态下紧急源网协调调峰控制方法，其特征在于，包括以下步骤：/nS1：对集群风电虚拟机组可调度性的作出评估；/nS2：建立集群风电机组可调度性指标的计算方法；/nS3：对源荷调峰资源策略作出分析；/nS4：对联络线调峰的控制策略作出分配。/n
【技术特征摘要】
1.一种送端电网故障状态下紧急源网协调调峰控制方法，其特征在于，包括以下步骤：
S1：对集群风电虚拟机组可调度性的作出评估；
S2：建立集群风电机组可调度性指标的计算方法；
S3：对源荷调峰资源策略作出分析；
S4：对联络线调峰的控制策略作出分配。
2.根据权利要求1所述的一种送端电网故障状态下紧急源网协调调峰控制方法，其特征在于：所述S1中的评估方法为：
a1：对风电特性概率分布及相关系数的时变特性统计分析；通过关注的风电特性包括波动性和不确定性两个方面，WVPG的波动性和不确定性可表示为：
式中，nk为WVPG内风电场个数。
a2：依据边缘概率分布及秩相关系数矩阵的离线条件建立模型集；包括以下步骤：
(1)建立WVPG内部各风电场的波动性ΔPiw(t)和不确定性的条件相依概率分布离线模型集；
(2)建立WVPG内部多个风电场之间波动性ΔPiw(t)和不确定性的累积概率分布函数条件相依秩相关系数矩阵离线模型集；
(3)采用基于遗传算法的蒙特卡罗模拟方法，滚动建立每时刻在各风电场边缘条件相依概率分布，和多风电场条件相依秩相关系数矩阵共同约束下，WVPG的条件概率分布以及内部各风电场的条件概率分布。
a3：根据WVPG的时变概率分布在线采样算法；包括以下步骤：
Step1.初始化，随机生成S个ns×nk阶矩阵作为遗传算法的初始种群，其中ns为采样规模，nk为WVPG内风电场个数，矩阵元素均为[0，1]之间均匀分布的随机数；
Step2.从离线模型集中选取秩相关系数矩阵。首先根据时刻t风电场i，j预测风向，计算风向差异性系数；设分别为第m个m∈(1，2，...，S)随机矩阵中，第i列和第j列元素组成的数据对，按照式(3-78)将中数据对划分为若干子集。设为根据第m个随机矩阵中风电场i和j的第c个子集元素计算的秩相关系数。设为离线模型集中与条件集合取值相同的秩相关系数，可设置第m个矩阵Am目标函数为(3-79)，式中nc为子集个数：
Step3.利用遗传算法求解，其中经过遗传和变异改变S个随机矩阵中的元素，使得最优矩阵(每次迭代中使G(Am)最小的矩阵)的秩相关系数矩阵逼近目标值即使得(3-79)中G(Am)尽可能小；
Step4.收敛性判断。设为遗传算法第k代的最优矩阵，为初始最优矩阵，则第k代最优矩阵相对于初始情况的改进为在第k代，若则遗传算法迭代停止，σ为算法收敛性系数，否则转Step2；
Step5.根据时刻t风电场i不确定性条件集合取值，从离线模型集中选取风电场i对应的累积分布函数设为Step4中最优矩阵中第i列第g个元素，则风电场i的第g个采样样本为WVPG的第g个采样样本为
Step6.根据式进行样本时间相关性校核；
Step7.根据样本统计时刻t各风电场及WVPG不确定性的频率分布，当采样规模ns足够大时，即为离散概率分布的估计。由此，可得到风电场i和WVPG时刻t不确定性时变概率分布离散估计和
3.根据权利要求1所述的一种送端电网故障状态下紧急源网协调调峰控制方法，其特征在于：所述S2中的计算方法为：
b1：可发功率的计算；可发功率指WVPG时刻t实际出力的可能取值。火电机组的可发功率为最小稳燃出力和装机容量之间任意点值，当其在线运行时，不同时刻可发功率范围均不变。而WVPG的可发功率服从一概率分布，且不同时刻的可发功率概率分布会随着功率预测值和不确定性概率分布的变化而时变。
定义WVPG时刻t可发功率如式(3-80)。
式中，PaVPG(t)为WVPG时刻t可发功率(MW)，为随机变量，对应的时变概率分布为为WVPG时刻t功率点预测值(MW)；εVPG(t)为WVPG时刻t出力不确定性随机变量(MW)，对应的时变概率分布为
可发功率概率分布的计算方法如下：
(1)将WVPG时刻t的不确定性的多状态概率分布做平移运算，平移长度为预测值设分别为平移前后第i个状态的取值，分别为相应的状态概率，则有：
(2)WVPG的可发功率最小值为0，因此，需将平移后的概率分布从取值为0处进行向下截断运算。设平移后概率分布的第1～a个状态取值小于0，则向下截断后0状态对应的概率为：
式中，为在0处进行截断运算前，多状态分布取值为0的概率，若截断前分布无取值为0的状态，则
b2：可发功率极限的计算；可发功率极限指时刻tWVPG可发功率的最大、最小值。火电机组出力上限为装机容量，出力下限为最小稳燃出力，在各时刻均为固定值。WVPG可发功率极限为一定置信水平下概率分布的上下边界值，并且会随着可发功率概率分布的时变而变化。
基于风险价值理论，定义时刻tWVPG可发功率上限如式(3-83)：
式中，为WVPG时刻t可发功率上限(MW)；β为置信概率。(3-83)含义为以超过β的概率确信，WVPG时刻t可发功率小于等于a，所有a中最小值为出力上限。
定义时刻tWVPG可发功率下限如式(3-84)：
式中，为WVPG时刻t可发功率下限(MW)。(3-84)含义为以超过β概率确信，WVPG时刻t可发功率大于等于b，所有b中最大值为可发功率下限。
可发功率极限指标计算方法：
设多状态概率分布的第i个状态值和状态概率分别为以可发功率上限为例，若的第b个状态值对应的累积概率满足式(3-85)：
则可发功率上限为式(3-86)：
式中，表示第b+1个和第b个状态的状态值取值之差，表示置信概率β和第b个状态的累积概率之差，占第b+1个和第b个状态累积概率之差的比例。
b3：出力调节范围的计算；出力调节范围指WVPG时刻t出力向上/向下调节极限。火电机组出力调节范围等于可发功率上下限决定的范围；WVPG出力调节范围由可发功率上下限和控制手段共同决定。
WVPG时刻t出力上调极限等于可发功率上限出力下调极限的确定有两种情况：当允许切机控制时，WVPG出力可下调至0，此时当仅允许桨距角调节时，设风电机组功率下调极限(MW)为可发的功率的k％，则出力下调极限可表示为：
b4：出力调节范围的计算；火电机组爬坡率为一固定值，而WVPG爬坡率由其出力波动性决定，是波动性概率分布在一定置信概率下的上下界边界值。同时，在调度模型中对WVPG爬坡率极限的确定，还需考虑调度规程对单位时间内允许的风电功率波动范围限制。
首先，定义WVPG时刻t由出力波动性决定的上爬坡率极限如式(3-88)所示：
式中，ΔPVPG(t)为WVPG时刻t出力波动性随机变量；β为置信概率；为WVPG时刻t由波动性决定的上爬坡率极限，为正值。式(3-88)含义为以超过β的概率确信波动性取值小于等于a，所有a中最小值为波动特性决定的上爬坡率极限。
定义WVPG时刻t由出力波动性决定的下爬坡率极限如式(3-89)所示：
式中，为WVPG时刻t由出力波动性决定的下爬坡率极限，为负值。式(3-89)含义为以超过β的概率确信波动性的取值大于等于b，所有b中最大值为波动性决定的下爬坡率极限。
综合考虑由出力波动性决定的爬坡率极限，以及调度规程对单位时间内允许的风电功率波动范围的限制，可按式(3-91)、(3-90)分别确定调度模型中WVPG的爬坡率下、上限值。
WVPG上爬坡率极限为：
式中，为WVPG时刻t由调度规程决定的上爬坡率极限(MW/min)；为...
【专利技术属性】
技术研发人员：周强，张彦琪，赵龙，高鹏飞，张珍珍，黄蓉，张艳丽，贾东强，路亮，龙虹毓，吴保华，梁嘉文，陈柏旭，魏博，马彦宏，韩旭杉，李韶瑜，
申请(专利权)人：国网甘肃省电力公司电力科学研究院，国网甘肃省电力公司，国家电网有限公司，国网北京市电力公司，重庆邮电大学，国家电网公司西南分部，国网甘肃省电力公司甘南供电公司，
类型：发明
国别省市：甘肃;62
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。