一种适用于新型电力系统的风电接纳能力分析与评估方法技术方案

一种适用于新型电力系统的风电接纳能力分析与评估方法，其步骤为：1)通过注意力机制和长短时记忆网络构建预测模型，将风功率以及电力负荷的影响因素带入到预测模型中，得到预测结果；2)基于日前预测结果以及影响系统运行的多种因素，利用粒子群优化算法优化得到风功率消纳区间的上限和下限；3)基于PSO优化算法，针对大规模风电并网系统中的电压水平低的问题，通过对补偿容量作为控制变量进行优化设置，改善系统的运行条件。本发明专利技术通过上述方法，为电网调度计划运行和电网运行方式安排提供技术支撑，也可为新能源发电企业提供并网运行技术支持。技术支持。技术支持。

【技术实现步骤摘要】
一种适用于新型电力系统的风电接纳能力分析与评估方法


[0001]本专利技术属于电力领域，具体涉及一种适用于新型电力系统的风电接纳能力分析与评估方法。

技术介绍

[0002]电力系统的风电接纳能力是指某一特定的电网在满足安全稳定运行条件下的最大并网规模。系统的最大风电接纳能力评估按照风电并网规模的大小分成两个阶段，第一阶段是在风电并网比例较低时以最大装机容量来评估风电的最大接纳能力，该阶段风电尚未大规模并网，主要用于风电场建设初期阶段的并网规划，研究范围仅局限于并网点及其附近区域；但是随着风电技术的不断完善以及相关政策的支持，多数地区风电装机规模已经超过了本地接纳能力的上限，并网的风电得不到充分接纳，造成大量的弃风现象，此时仅利用最大装机容量已经无法反映风电的接纳能力，因此在风电并网比例较大的第二阶段必须从系统的规划和安全稳定运行的角度来分析风电的接纳能力。
[0003]针对电网风电的接纳问题，已有很多学者做了大量的研究。主要的方法包括工程化方法、制约因素法两大类，制约因素法又包括稳定性制约因素时域仿真分析法、调峰因素约束方法、与经济运行相关的数学优化法等。
[0004](1)工程化方法主要根据历史经验通过估算的方法来确定并网风电场的最大接入容量，主要用于风电场规划，多出现在风电接纳能力评估的第一阶段。该方法常用到两个指标，即风电穿透功率极限和风电场短路容量比。这些指标都是从局部电网出发，表征风电注入对局部电网电压质量和电压稳定性的影响，分析局部网络承受风电扰动的能力。
[0005](2)制约因素法主要从限制电网对风电接纳的因素出发，以不影响系统安全稳定运行的最大风电接入容量来表征电网的风电接纳能力。但在不同的发展阶段制约因素法偏重的角度有所不同：在第一阶段，其主要从制约风电并网容量的角度出发进行风电接纳能力评估，所得结果往往只是反映系统某一节点在某一制约因素下的风电接纳能力，所得结果不具一般性；而在第二阶段，制约因素法更偏重于从系统整体的角度来评估电网风电接纳能力。对于制约因素法中的稳定性制约因素时域仿真分析法、调峰约束分析法、与经济运行相关的数学优化法的简要介绍如下：
[0006]1)时域仿真分析法是一种验证性的算法，该方法基于仿真平台设置不同的工况以及故障，以满足系统安全稳定运行为目标不断地调整风电场的装机容量的大小并通过仿真分析来进行最大接纳能力的评估。
[0007]2)调峰约束分析法主要从系统调峰能力角度分析最大风电接纳能力。
[0008]3)与经济运行相关的数学优化分析法是目前最常用的方法，这种方法是通过构造优化模型，综合考虑多个限制风电接纳的因素，从系统经济运行的角度来确定风电的接纳能力，如将风电的最大接入容量转化为考虑潮流、经济性约束条件下的数学优化问题，利用机会约束理论来进行最大接纳容量的评估或最小弃风率的优化等。
[0009]现有研究内容对于大规模风电接入的电力系统来说，仅研究风电整体对电力系统
影响下的风电接纳能力，或在此基础上考虑经济性问题，少有在风电接纳的基础上考虑风电并网系统的无功优化问题。当风力发电机系统与电网相连时，由于风速具有不确定性，风力发电机可能会导致无功功率的吸收，此时电网具备的感应负载特性使得电网络相当于一个巨大的电抗器，导致瞬时变化的电流将形成巨大的冲击电流，进而冲击区域电网，降低区域电网的稳定性与安全性，同时会导致网络损耗，从而使得电网运行效率变低，其主要表现为周期性的电压波动、电压骤降、电压闪变及电气设备损坏等。由于不同时段的风功率波动使系统潮流变化莫测，所以现有成果中考虑多时段的风电并网系统无功优化研究又少之又少，目前，还没有好的设计方案。

技术实现思路

[0010]本专利技术专利提出一种适用于新型电力系统的风电接纳能力分析与评估方法，解决现有技术中存在的风电利用率低、风电接纳能力难以确定和评估的问题。
[0011]为解决上述技术问题，本专利技术创造技术方案为：种适用于新型电力系统的风电接纳能力分析与评估方法，其步骤为：
[0012]1)通过注意力机制和长短时记忆网络构建预测模型，将风功率以及电力负荷的影响因素带入到预测模型中，得到预测结果；
[0013]预测模型为风功率及负荷预测模型，构建Attention
‑
LSTM预测模型，获取历史相关影响因素，将历史相关影响因素归一化后带入到预测模型中进行训练以及相关参数设置，实现对风功率以及电力负荷的预测，即实现影响因素与预测结果的对应；
[0014]风功率及负荷预测模型：包括风功率预测模型和电力负荷预测模型2个子模型；预测模型通过提取影响风功率和电力负荷的相关因子，对风功率和电力负荷进行短期预测，风功率预测模型的相关因子为：风速、对应测量时间的温度、气压及湿度和风机实际发电功率；电力负荷预测模型的相关因子为日最高温度、日最低温度、日平均温度、日相对湿度以及日降雨量，对这些相关因子进行分析及数据清洗，并将处理好的数据代入到Attention
‑
LSTM预测模型中进行短期风功率及电力负荷预测，预测结果将用于后续模型分析。
[0015]2)基于日前预测结果以及影响系统运行的多种因素，利用粒子群优化算法优化得到风功率消纳区间的上限和下限：
[0016]基于日前预测结果以及影响系统运行的多种因素，利用PSO优化算法可直接优化得到机组启停安排以及风功率消纳区间的下限；
[0017]基于日前预测结果以及机组启停安排，利用PSO优化算法可迭代探寻风电消纳区间的上限，并利用评估判据最终得到系统全时段可消纳风电区间范围。
[0018]具体采用风电接纳能力评估模型：基于日前预测结果以及机组启停安排，采用PSO优化算法对消纳区间进行迭代探寻，并以极端风电出力作为优化判据，评估极端风电出力是否可被系统消纳，最终确定可消纳风电的区间范围。
[0019]风电接纳能力评估模型，包括5个子模型：常规机组启停优化模型、可消纳风电下限优化模型、可消纳风电上限优化模型、为极端风电出力优化模型、校验模型。
[0020]2.1)常规机组启停优化模型：模型由已掌握的风电和电力负荷预测信息，用PSO优化算法来优化常规机组的启停，优化原则为系统对于预测所得风电按最小弃风方式消纳，目标函数为：
[0021][0022]式(1)中，为预测所得的风电功率，P
WIND,t
为可消纳的风电功率；
[0023]优化过程中部分约束条件为：
[0024]2.1.1)t时段电力平衡约束：
[0025][0026]式(2)中，P
LOAD,t
为预测的t时段系统负荷，d
i
为机组启停状态量，P
G,i,t
为非风电机组i在t时段的出力；
[0027]2.1.2)常规机组t时段出力约束：
[0028][0029]式(3)中，和分别为机组的最小处理和最大出力；
[0030]2.1.3)常规机组增减出力约束：
[0031本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于新型电力系统的风电接纳能力分析与评估方法，其特征在于，其步骤为：1)通过注意力机制和长短时记忆网络构建预测模型，将风功率以及电力负荷的影响因素带入到预测模型中，得到预测结果；2)基于日前预测结果以及影响系统运行的多种因素，利用粒子群优化算法优化得到风功率消纳区间的上限和下限；3)基于PSO优化算法，针对大规模风电并网系统中的电压水平低的问题，通过对补偿容量作为控制变量进行优化设置，改善系统的运行条件。2.根据权利要求1所述的一种适用于新型电力系统的风电接纳能力分析与评估方法，其特征在于，所述的步骤1)中具体的，预测模型为风功率及负荷预测模型，构建Attention
‑
LSTM预测模型，获取历史相关影响因素，将历史相关影响因素归一化后带入到预测模型中进行训练以及相关参数设置，实现对风功率以及电力负荷的预测，即实现影响因素与预测结果的对应。3.根据权利要求2所述的一种适用于新型电力系统的风电接纳能力分析与评估方法，其特征在于，所述的风功率及负荷预测模型：包括风功率预测模型和电力负荷预测模型2个子模型；测模型通过提取影响风功率和电力负荷的相关因子，对风功率和电力负荷进行短期预测，风功率预测模型的相关因子为：风速、对应测量时间的温度、气压及湿度和风机实际发电功率；电力负荷预测模型的相关因子为日最高温度、日最低温度、日平均温度、日相对湿度以及日降雨量，对这些相关因子进行分析及数据清洗，并将处理好的数据代入到Attention
‑
LSTM预测模型中进行短期风功率及电力负荷预测，预测结果将用于后续模型分析。4.根据权利要求1所述的一种适用于新型电力系统的风电接纳能力分析与评估方法，其特征在于，所述的步骤2)中具体为：基于日前预测结果以及影响系统运行的多种因素，利用PSO优化算法可直接优化得到机组启停安排以及风功率消纳区间的下限；基于日前预测结果以及机组启停安排，利用PSO优化算法可迭代探寻风电消纳区间的上限，并利用评估判据最终得到系统全时段可消纳风电区间范围。5.根据权利要求1所述的一种适用于新型电力系统的风电接纳能力分析与评估方法，其特征在于，所述的步骤2)中，具体采用风电接纳能力评估模型：基于日前预测结果以及机组启停安排，采用PSO优化算法对消纳区间进行迭代探寻，并以极端风电出力作为优化判据，评估极端风电出力是否可被系统消纳，最终确定可消纳风电的区间范围。6.根据权利要求5所述的一种适用于新型电力系统的风电接纳能力分析与评估方法，其特征在于，所述的风电接纳能力评估模型，包括5个子模型：常规机组启停优化模型、可消纳风电下限优化模型、可消纳风电上限优化模型、为极端风电出力优化模型、校验模型。7.根据权利要求6所述的一种适用于新型电力系统的风电接纳能力分析与评估方法，其特征在于，2.1)常规机组启停优化模型：模型由已掌握的风电和电力负荷预测信息，用PSO优化算法来优化常规机组的启停，优化原则为系统对于预测所得风电按最小弃风方式消纳，目标函数为：
式(1)中，为预测所得的风电功率，P
WIND,t
为可消纳的风电功率；优化过程中部分约束条件为：2.1.1)t时段电力平衡约束：式(2)中，P
LOAD,t
为预测的t时段系统负荷，d
i
为机组启停状态量，P
G,i,t
为非风电机组i在t时段的出力；2.1.2)常规机组t时段出力约束：式(3)中，和分别为机组的最小处理和最大出力；2.1.3)常规机组增减出力约束：2.1.3)常规机组增减出力约束：其中，和分别为非风电机组的最大增处理速率与最大减出力速率；2.1.4)风电出力约束：2.1.5)系统在时段t的旋转备用约束：2.1.5)系统在时段t的旋转备用约束：式中，和分别为满足系统安全要求的最小正备用容量与最小负备用容量；2.1.6)常规机组启停约束：式(9)中，可关闭的常规机组主要为允许启停的燃煤火电机组，非可关闭的机组保持开机状态，状态量d
i
固定为1，可关闭的机组状态量d
i
可为1或0。2.2)可消纳风电下限优化模型，该模型基于子模型一中所确定的机组启停状态以及各类机组的出力可以直接利用PSO优化算法优化确定可消纳风电的下限目标函数为：
优化过程中需要满足的约束条件为：2.2.1)t时段电力平衡约束：2.2.2)常规机组t时段出力约束：2.2.3)常规机组增减出力约束：2.2.3)常规机组增减出力约束：利用PSO算法求解(3)
‑
(5)、(10)
‑
(14)即可得到可消纳风电下限。2.3)可消纳风电上限优化模型，该模型不同于可消纳风电下限优化模型，不能通过单次优化直接找到可消纳风电的上限，须以极端风电出力为校核判据，迭代探寻可消纳风电的上限；定义拓展因子其范围为(1,+∞)，由子模型一确定的基于日前计划所安排的机组启停状态可以消纳的风电出力为第m次拓展时待消纳的风电出力为然后根据子模型一所确定的开机状态，以最小弃风方式消纳为原则进行优化；目标函数为：优化过程中t时段的风电出力约束为：利用PSO算法求解(3)
‑
(5)、(11)、(13)
‑
(16)构成的优化问题，即可得到第m次拓展时可消纳的风电上限2.4极端风电出...

【专利技术属性】
技术研发人员：张涛，付钰惠，王超，何苗苗，佟岩，
申请(专利权)人：辽宁东科电力有限公司，
类型：发明
国别省市：