新能源及储能联合发电系统黑启动时空支撑能力评估方法技术方案

本发明专利技术提出一种新能源及储能联合发电系统黑启动时空支撑能力评估方法，首先分析了制约新能源参与初期黑启动安全问题的关键技术因素，从安全裕度水平与持续支撑时间两方面定义黑启动时空支撑能力；其次，搭建光储参与黑启动初期的仿真模型并进行快速时域仿真，构建神经网络训练样本集；最后，使用长短期记忆神经网络建立黑启动时空支撑能力的评估模型，基于所述黑启动时空支撑能力评估模型和构建的神经网络训练样本集，对定义的新能源及储能联合发电系统的黑启动时空支撑能力进行评估。本发明专利技术可在计及新能源出力随机性的同时，提升初期黑启动阶段对启动功率的使用效果，为后续黑启动方案的制定与黑启动分区提供指标支撑。启动方案的制定与黑启动分区提供指标支撑。启动方案的制定与黑启动分区提供指标支撑。

【技术实现步骤摘要】
新能源及储能联合发电系统黑启动时空支撑能力评估方法


[0001]本专利技术涉及电力系统恢复领域，提出了一种新能源及储能联合发电系统黑启动时空支撑能力评估方法。

技术介绍

[0002]为推动能源结构转型，保证其可持续发展，电力行业亟需加速构建以新能源为主体的新型电力系统。随着新能源大规模进入电网，电力系统的网架结构和动态行为也日益复杂，由故障导致电网大范围停电的风险随之增加。近年来，“韧性电网”概念被提出，通过建设韧性电网，进而对各类扰动做出主动预判与积极预备，主动防御，快速恢复重要电力负荷，提升电网应对扰动和灾害的能力。尽管电力系统在不断完善，但大停电的风险仍无法彻底消除，因此制定适用于新型电力系统的黑启动方案，充分挖掘新能源机组的黑启动能力具有重要的现实意义。
[0003]现有研究表明，储能可平抑风光输出功率波动、加快电网供电的恢复。随着储能设备单位成本的不断下降和控制技术的持续发展，光储电站已具备了作为黑启动电源的潜力。已有文献提出以储能型风电场作为黑启动电源来辅助热电机组启动的方案，并对各个暂态过程进行仿真分析，对方案的可行性进行了深入探讨。另有研究针对双馈异步风电机组自启动过程的机电暂态特性，设计了基于反馈线性控制的自启动控制器和自启动控制策略。同时，深度学习由于其强大的拟合能力，在电力系统恢复领域也有着独特的优势与良好的应用前景。针对黑启动阶段空充输电线路，已有研究利用人工神经网络(artificial neural network，ANN)实现快速预测黑启动合闸过电压最大电压峰值，具体采用了误差反向传播算法进行训练。
[0004]基于上述，新能源自启动特性的研究成果丰硕，但尚未纳入黑启动应急功率保障能力评估体系；同时，现有的黑启动方案评估体系框架尚未计及新能源机组出力的时空波动性。因此对于亟需启动功率支撑的黑启动阶段，如果能对不同新能源场站的黑启动支撑潜力进行周期性评价或黑启动时空支撑能力的滚动预测，将极大提升初期黑启动阶段对启动功率的优化使用效果。

技术实现思路

[0005]有鉴于此，本专利技术提出一种新能源及储能联合发电系统黑启动时空支撑能力评估方法，该方法针对黑启动初期启动功率稀缺的问题，考虑了新能源出力的随机性，计及了黑启动过程中黑启动电源的安全裕度水平与持续支撑时间，对其支撑能力进行评估。结果表明，该方法能实现区域电网中不同黑启动方案的评估寻优，提升初期黑启动阶段对启动功率的使用效果，为后续黑启动分区提供指标支撑。
[0006]本专利技术提供一种新能源及储能联合发电系统黑启动时空支撑能力评估方法，其特征在于包括以下步骤：
[0007]S1：确定制约新能源参与初期黑启动安全问题的关键技术因素；
[0008]S2：依据步骤1确定的制约新能源参与初期黑启动安全问题的关键技术因素，定义新能源发电系统的黑启动时空支撑能力；
[0009]S3：搭建新能源及其储能联合发电系统参与初期黑启动的仿真模型；
[0010]S4：依据步骤S3搭建仿真模型，采用动态链接库仿真技术构建神经网络训练样本集；
[0011]S5：建立基于LSTM神经网络的黑启动时空支撑能力评估模型，并基于所述黑启动时空支撑能力评估模型和步骤S4构建的神经网络训练样本集，对步骤S2定义的新能源及储能联合发电系统的黑启动时空支撑能力进行评估。
[0012]进一步的，所述步骤S1中，确定制约新能源参与初期黑启动安全问题的关键技术因素具体为：厂用辅机启动时系统频率与电压的跌落为制约新能源作为黑启动电源参与初期黑启动的关键技术因素，控制最大容量辅机启动时对系统造成的频率电压冲击处于一定限值范围内。
[0013]进一步的，所述步骤S2中，依据步骤S1对制约新能源参与初期黑启动安全问题关键技术因素的分析，从安全裕度水平与持续支撑时间两方面定义黑启动时空支撑能力；
[0014]首先，对于安全裕度水平，根据裕度在数学上的表示形式“距离/限值”，从频率与电压两方面定义初期黑启动安全裕度指标M
f
和M
U
：
[0015][0016][0017]其中，M
f
为表征系统频率水平的安全裕度指标；M
U
为表征系统电压水平的安全裕度指标；Δf
max
为保持系统稳定可接受最大频率偏移；Δf为接入负荷系统实际频率最大频率偏移；ΔU
max
为保持系统稳定可接受电压最大跌落；ΔU为系统实际电压跌落；
[0018]定义新能源发电系统参与初期黑启动时的安全裕度水平为：
[0019][0020]式中，Q为新能源发电系统参与初期黑启动时的安全裕度水平；h为权重系数，表示电压指标相比于频率指标的重要程度，取1则表示二者相同重要；
[0021]其次，对于持续支撑时间，利用时域仿真的方式获取已知外界条件的系统的安全裕度水平，因光照强度随时间不断变化，不同时段光伏出力也随之变化，指定每一个样本代表时间轴上的一个时间断面，自此不断延伸，即形成时间维度上的黑启动支撑能力。
[0022]进一步的，所述步骤S4中，对步骤S2定义的黑启动时空支撑能力进行影响因素分析，将储能配置、储能SOC值、启动距离、光照强度、启动负荷的大小与光伏机组的装机容量作为神经网络的输入特征，根据步骤S3搭建的初期黑启动的仿真模型，采用动态链接库技术，通过时域仿真获取样本数据，计算安全裕度水平，并与影响因素共同作为样本数据，在对样本数据进行标注与预处理后，形成神经网络训练样本集，将其按比例划分为训练数据与测试数据。
[0023]与现有技术相比，本专利技术具备以下有益效果：
[0024]1、考虑到新型电源结构下新能源大规模接入电网，本专利技术计及新能源机组出力的时空波动性，建立了新能源黑启动方案评估模型，完善了现有黑启动方案评估与优选体系；
[0025]2、本专利技术充分考虑了初期黑启动的各种技术问题，并经过初步仿真验证，确定了启动厂用辅机时系统频率与电压的波动为制约新能源作为黑启动电源参与初期黑启动的关键因素；
[0026]3、考虑到新能源机组出力随时序变化，而LSTM神经网络对于处理时序相关数据具有独特的优势，本专利技术综合考虑了频率与电压的偏移水平与越限时间，从安全裕度水平与持续支撑时间两方面定义黑启动时空支撑能力，并使用LSTM神经网络构建的黑启动时空支撑能力评估模型，使黑启动方案评估结果更适用于新型电力系统。
附图说明
[0027]图1为系统频率与电压安全水平示意图；
[0028]图2为黑启动时空支撑能力示意图；
[0029]图3为光储参与初期黑启动结构示意图；
[0030]图4为V/f控制策略示意图；
[0031]图5为LSTM单元结构示意图；
[0032]图6为区域电网黑启动恢复拓扑图；
[0033]图7为不同恢复方案评价对比图；
[0034]图8为本专利技术实施例一种新能源及储能联合发电系统黑启动时空支撑能力评估方法的流程图。...

【技术保护点】

【技术特征摘要】
1.一种新能源及储能联合发电系统黑启动时空支撑能力评估方法，其特征在于，包括以下步骤：S1：确定制约新能源参与初期黑启动安全问题的关键技术因素；S2：依据步骤1确定的制约新能源参与初期黑启动安全问题的关键技术因素，定义新能源发电系统的黑启动时空支撑能力；S3：搭建新能源及其储能联合发电系统参与初期黑启动的仿真模型；S4：依据步骤S3搭建仿真模型，采用动态链接库仿真技术构建神经网络训练样本集；S5：建立基于LSTM神经网络的黑启动时空支撑能力评估模型，并基于所述黑启动时空支撑能力评估模型和步骤S4构建的神经网络训练样本集，对步骤S2定义的新能源及储能联合发电系统的黑启动时空支撑能力进行评估。2.根据权利要求1所述的新能源及储能联合发电系统黑启动时空支撑能力评估方法，其特征在于，所述步骤S1中，确定制约新能源参与初期黑启动安全问题的关键技术因素具体为：厂用辅机启动时系统频率与电压的跌落为制约新能源作为黑启动电源参与初期黑启动的关键技术因素，控制最大容量辅机启动时对系统造成的频率电压冲击处于一定限值范围内。3.根据权利要求1所述的新能源及储能联合发电系统黑启动时空支撑能力评估方法，其特征在于所述步骤S2中，依据步骤S1对制约新能源参与初期黑启动安全问题关键技术因素的分析，从安全裕度水平与持续支撑时间两方面定义黑启动时空支撑能力；首先，对于安全裕度水平，根据裕度在数学上的表示形式“距离/限值”，从频率与电压两方面定义初期黑启动安全裕度指标M
f
和M

【专利技术属性】
技术研发人员：刘海光，陈汝斯，余笑东，祁利，刘艳，李晓辉，王枫，周斌，王作维，尹晗，周志强，周鲲鹏，蔡德福，顾雪平，李少岩，王涛，万黎，王涛，王文娜，董航，
申请(专利权)人：国网湖北省电力有限公司国家电网有限公司华北电力大学保定，
类型：发明
国别省市：