【技术实现步骤摘要】
一种多能柔性互补数字化供电管理方法
[0001]本专利技术属柔性直流供电
,具体涉及一种多能柔性互补数字化供电管理方法。
技术介绍
[0002]随着大量新能源的开发和应用,大规模可再生能源并网等问题成为研究热点。风力、光伏发电作为经济性和实用性较高的可再生能源,近年来发展迅速。但受限于目前电网实际情况以及电力系统消纳问题,风力发电和光伏发电发展举步维艰,甚至出现了大量的“弃风”、“弃光”现象。且由于风电的不确定性,直接接入电网必然会影响系统的稳定性。
[0003]柔性直流电网则指的是其电压和传输功率均完全可控的直流网络。柔性直流电网无论是在运行方式还是工作特性亦或是控制策略上均与传统的高压直流输电系统有着较大的差别。柔性直流电网中,各个换流器端口可以通过直流线路相互连接,互为冗余,从而提高供电可靠性和稳定性。通过大面积建设柔性直流输电技术的直流电网可将大量可再生能源与现有能源系统互联,实现多种类、多形式、多时间尺度的灵活电力系统。基于电压源换流器的柔性直流输电技术的风电场联网已被广泛认为是实现大型风电场及风电场群与主网之间稳定互联的最有潜力的电力传输方式。
[0004]柔性直流电网的稳定控制是柔性直流技术所关注的热点,合理的柔性直流电网架构是保障其安全稳定运行的基础,安全有效的控制策略能够保证各个换流站稳定运行,保障柔性直流电网的供电可靠性。
[0005]在柔性直流输电基础上发展而来的具有三个及三个以上换流站的直流输电,称为多端柔性直流输电,它具备常规直流输电系统远距离输电、潮流反转而电
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种多能互补柔性直流电网供电管理方法,其特征在于:包括以下步骤:步骤一、监测目标时刻新能源电能波动:步骤101、基于特征提取预测目标时刻风力发电机的功率P
W
‑
T
;步骤102、基于特征提取预测目标时刻光伏发电机的功率P
S
‑
T
;步骤二、判断目标时刻新能源电能波动:步骤201、若P
W
‑
T
≥P
W
‑
max
或P
S
‑
T
≥P
S
‑
max
,其中P
W
‑
max
表示与风力发电机相连接的第一换流站的最大承载功率,P
S
‑
max
表示与光伏发电机相连接的第二换流站的最大承载功率,进入步骤301,否则进入步骤202;步骤202、若P
W
‑
T
≥P
W
‑
max
且P
S
‑
T
≥P
S
‑
max
,进入步骤302,否则进入步骤203;步骤三、目标时刻新能源电能波动调整控制策略:步骤301、计算换流站的调节功率:计算机根据公式计算第i个换流站在目标时刻的调节功率,然后进入步骤四;其中φ
i
表示第i个换流站的功率调节因子,q表示换流站个数;P
i
(t)表示第i个换流站在当前时刻的功率,P
T
表示P
W
‑
T
或P
S
‑
T
,P
e
表示P
W
‑
max
或P
S
‑
max
,P
ie
表示第i个换流站的最大承载功率;步骤302、计算机根据公式:计算第i个换流站在目标时刻的调节功率,其中然后进入步骤四;步骤四、按照计算好的调节功率,执行控制策略;步骤五、监测柔性直流电网参数:多能互补柔性直流电网包括至少一个交流侧与风力发电机连接的第一换流站、至少一个交流侧与光伏发电机连接的第二换流站、多个分别与直流母线电源连接的第三换流站;多个检测传感器采集多能互补柔性直流电网的多个参数X
kp
,X
kp
表示k时刻多能柔性直流电网第p个参数的检测值;步骤六、基于DS证据理论判断直流电网故障:基于DS证据理论计算得到直流电网故障概率BetP(A),依据得到的直流电网故障概率BetP(A)对柔性直流电网做出诊断故障,若存在故障进入步骤七;步骤七、柔性直流电网退出,柔性直流电网切换至柴油发电机组供电。2.按照权利要求1所述的一种多能柔性互补数字化供电管理方法,其特征在于:步骤101包括以下步骤:步骤1011:通过测风站采集风速;步骤1012:采集垂风力发电机的转速;步骤1013:以t时刻的风速和t时刻风力发电机的功率作为矩阵元素,以矩阵元素作为图像像素点得到风速二维图像;将风速二维图像输入卷积神经网络,通过卷积神经网络提
取风速二维图像的图像特征,得到第一特征量;以t时刻的转速和t时刻风力发电机的功率作为矩阵元素,以矩阵元素作为图像像素点得到转速二维图像;将转速二维图像输入卷积神经网络,通过卷积神经网络提取转速二维图像的图像特征,得到第二特征量;对第一特征量和第二特征量进行融合得到第三特征量;步骤1014:对第三特征量进行降维处理,将降维处理后的第三特征量划分为训练集和测试集;步骤1015:选取卷积神经网络作为风能预测模型,输入训练集,进行样本学习;步骤1016:风能预测模型训练完成后,输入测试集,进行风能预测模型评估;步骤1017:实时获取当前时刻的风速和转速;根据步骤1013计算当前时刻的第三特征量,将当前时刻的第三特征量输入卷积神经网络风能预测模型;通过风能预测模型预测目标时刻风力发电机的功率P
W
‑
技术研发人员:郭睿,
申请(专利权)人:北京信云筑科技有限责任公司,
类型:发明
国别省市:
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。