【技术实现步骤摘要】
基于机器学习的新能源振荡预测和辅助决策方法及系统
[0001]本专利技术涉及新能源并网系统的振荡监测
,并且更具体地,涉及一种基于机器学习的新能源振荡预测和辅助决策方法及系统。
技术介绍
[0002]大规模新能源场站与电网系统之间相互作用容易引发次/超同步振荡以及高频振荡。随着新能源的不断发展,新能源引发的振荡对于电网安全的不良影响也越发不容忽视,对振荡进行准确预测并采取适用控制措施以预防振荡发生,成为亟待解决的工程难题。
[0003]现有的振荡分析监测装置一般是离线或在线分析,即需要振荡已经发生时才可监测到,但振荡发生时系统可能已经受到了不良影响。目前已有的振荡抑制措施包括调整电网方式、优化参数、附加阻尼控制及虚拟电阻方法等。调整电网方式指的是改变电网的电路结构,例如对于双馈风机经串联电容补偿并网系统,可优化串补电容投入组数,通过改变电网参数的方式避开谐振点。参数调整优化包括优化锁相环、控制器参数等,但参数调整后可能对原来的控制效果有影响。目前实际常采用的振荡控制措施是直接切除大面积新能源场站,该措施不利于电网安全稳定运行,也降低了电网运行的经济性。
[0004]新能源并网系统的振荡特性会受到多个因素的影响,例如风电并网系统的振荡机理,既有风机内部参数的影响,也有风速风向的影响,且风况具有很强的不确定性;风电场内的地形、风机拓扑位置、尾流效应等也都会影响到振荡建模、分析的准确性。在振荡的预测和控制方面,目前已有的振荡监测装置大多需要振荡发生时才可以监测到;对于含多个新能源场站并网的系统,各场站 ...
【技术保护点】
【技术特征摘要】
1.一种基于机器学习的新能源振荡预测和辅助决策方法,其特征在于,所述方法包括:获取新能源并网系统的多组历史数据,所述历史数据包括存在关联关系的历史气象数据、历史运行数据和历史系统阻尼;根据所述多组历史数据进行拟合,确定系统阻尼评估模型;根据所述系统阻尼评估模型、所述新能源并网系统当前的运行数据和当前的气象数据,确定当前的系统阻尼;当所述当前的系统阻尼小于预设阻尼阈值时,确定所述新能源并网系统发生振荡;进行辅助决策确定切机方案,以根据所述切机方案对所述新能源并网系统的运行方式进行优化。2.根据权利要求1所述的方法,其特征在于,所述气象数据,包括:各新能源场站的风速、风向、光照强度和温度;所述运行数据包括:各新能源场站中新能源机组的开机台数、并网开关状态和电网强弱程度。3.根据权利要求1所述的方法,其特征在于,所述根据所述多组存在关联关系的历史气象数据、历史运行数据和历史系统阻尼进行拟合,确定系统阻尼评估模型,包括:利用如下方式计算各组历史数据中的历史气象数据和历史运行数据对应的系统阻尼的估计值,包括:利用如下方式确定系统阻尼评估模型的决策树的参数,从而确定系统阻尼评估模型,包括:其中,F
K
(x
i
)为第i组历史数据中的系统阻尼的估计值;K为决策树的数量;T(x
i
;m
k
)表示决策树,m
k
是决策树的参数,k为决策树的序号;为决策树的参数m
k
的估值;L(
·
)表示均方根误差;x
i
=[x
i1
,x
i2
,x
i3
,
……
,x
im
],x
i
是第i组历史数据中的历史气象数据和历史运行数据,x
i
中的每个元素都表示一个影响因素,m为气象数据和运行数据中影响因素的总个数;N表示获取的历史数据组数;y
i
表示x
i
对应的第i组历史数据中的历史系统阻尼。4.根据权利要求1所述的方法,其特征在于,所述方法还包括:当确定所述新能源并网系统发生振荡时,将所述系统阻尼模型线性化为代理模型,根据所述代理模型确定不同因素对系统阻尼的影响程度;其中,所述代理模型的形式如下:其中,G(z)为当前的系统阻尼;ω
i
所述线性代理模型中第i个影响因素的权重值,用于反映第i个影响因素对系统阻尼的影响程度;z
i
为第i个影响因素;ω0为模型参数;M为影响因素的数量。5.根据权利要求4所述的方法,其特征在于,所述进行辅助决策确定切机方案,以根据所述切机方案对所述新能源并网系统的运行方式进行优化,包括:
根据不同因素对系统阻尼的影响程度的正负,确定与振荡正相关的因素,并基于所述与振荡正相关的因素中对系统阻尼的影响程度最大的因素确定切机方案,并根据所述切机方案对所述新能源并网系统的运行方式进行优化,以增强系统阻尼。6.一种基于机器学习的新能源振荡预测和辅助决策系统,其特征在于,所述系统包括:数据获...
【专利技术属性】
技术研发人员:向玮华,周佩朋,李亚楼,宋瑞华,项祖涛,刘涛,韩亚楠,张铭,王晓晖,费斐,黄阮明,宋天立,戚宇辰,
申请(专利权)人:国网上海市电力公司国家电网有限公司,
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。