一种大规模风力发电厂在变工作点下的聚合阻抗预测方法技术

本发明专利技术公开了一种大规模风力发电厂在变工作点下的聚合阻抗预测方法，属于电力系统小信号稳定分析领域，该方法针对选取的若干典型设备，选取阻抗矩阵的四个元素为输出，典型设备与网络连接节点的电压、d轴电流、q轴电流为输入，测量若干组输入与输出数据，采用感知机神经网络算法进行拟合；使用潮流计算，得到需要预测的工作点处各个节点的工作点电压、d轴电流、q轴电流，输入神经网络模型，得到各个典型设备的预测阻抗；将预测阻抗折射到统一的节点参考系上，通过拓扑关系，将各个阻抗进行串并联计算，得到对应工作点下的聚合阻抗预测值。本发明专利技术实现了对于控制系统参数与拓扑完全未知的风电厂在变工作点下的聚合阻抗预测。未知的风电厂在变工作点下的聚合阻抗预测。未知的风电厂在变工作点下的聚合阻抗预测。

【技术实现步骤摘要】
一种大规模风力发电厂在变工作点下的聚合阻抗预测方法


[0001]本专利技术属于电力系统小信号稳定分析领域，更具体地，涉及一种大型风电厂在变工作点下的阻抗预测方法。

技术介绍

[0002]由于环境保护和能源资源的压力越来越大，大量太阳能和风能以及分布式电源连接到电网，传统电力系统已逐渐转变为电力电子化电力系统。近些年来，我国风力发电的装机容量逐步增长，其在电力系统中的占比逐步增高。由于我国大规模风电厂多建于西北平原或海上，多数需通过高压直流输电进行电力传输，因此需通过电压源型变换器完成能量的转换。电压源型变换器作为电力电子器件之一，其大量的使用会给电力系统带来各种严重的稳定性和振荡问题，因此对大系统进行精确的数学建模和分析是非常必要的。
[0003]目前，电力电子化电力系统小信号稳定分析理论已经较为成熟，主要是在系统稳态运行工作点将非线性系统线性化，研究这个新的线性系统的稳定性来衡量原系统在这个稳态工作点下的稳定性。基于时域的状态空间法和基于频域的阻抗法是使用最为广泛的两种方法。然后，状态空间法需要已知系统完整的结构和参数，且系统阶数不能太高，否则过高阶数的状态方程无法保证计算结果的精度。而对于基于频域的阻抗法，可以在实验中，通过串联电压或分流电流注入扫频测量等方法测量得到系统阻抗。根据这些阻抗结果，基于广义奈奎斯特稳定性判据可以进一步研究小信号稳定性分析。因此对于大规模风电厂系统而言，阻抗法巧妙地弥补了状态空间法的需系统详细参数结构、系统阶数不能太高的两个缺点。由此阻抗法在各种实际条件下得到了广泛的应用，成为工程中的主导方法。
[0004]小信号稳定性是在某个工作点的足够小的领域进行线性化的，设备的阻抗应该在特定的工作点上得出。即使电力电子设备内部没有任何变化，外部的任何改变也会导致设备的工作点发生变化，进而改变设备的阻抗。这使得在变工作点下的阻抗测量非常耗时且繁琐，特别是当我们想要研究系统的稳定性边界或寻找各种工况下的故障时。因此，电力电子设备参数与结构完全未知以及在变工作点条件下，如何找到合适的、快速的阻抗预测算法是一个很大的挑战。到目前为止，还没有任何一种针对电力电子设备参数与结构完全未知的情况下的阻抗预测方法，这直接限制了阻抗法在工程实践中的适用性。

技术实现思路

[0005]针对风力发电设备由于控制系统参数与拓扑完全未知的情况下无法使用阻抗理论表达式，且阻抗高度依赖工作点的特性给直接使用广义奈奎斯特判据判断小信号稳定性带来的障碍。本专利技术提供了一种大规模风力发电厂在变工作点下的聚合阻抗预测方法，其目的在于将阻抗法应用于大规模风力发电厂。
[0006]为实现上述目的，本专利技术提供了一种大规模风力发电厂在变工作点下的聚合阻抗预测方法，包括：
[0007]步骤S1.选取风电厂中的若干典型设备，选取原则为认定并联于同一节点的风力
发电机设备的控制拓扑与参数均一致，选取其中一台风力发电机设备作为典型设备；
[0008]步骤S2.针对选取的若干典型设备，选取阻抗矩阵的四个元素为输出，典型设备与网络连接节点的电压、d轴电流、q轴电流为输入，测量若干组输入与输出数据，针对每一台典型设备，分别采用感知机神经网络算法进行拟合；
[0009]步骤S3.使用潮流计算，得到需要预测的工作点处各个节点的工作点电压、d轴电流、q轴电流，输入神经网络模型，得到各个典型设备的预测阻抗；
[0010]S4.将预测阻抗折射到统一的节点参考系上，通过拓扑关系，将各个阻抗进行串并联计算，得到对应工作点下的聚合阻抗预测值。
[0011]进一步地，步骤S2所述阻抗矩阵表达式为；
[0012][0013][0014]其中，
[0015][0016]其中c
k1
‑
10
，d
k1
‑
10
均为与V
t
,I
d
,I
q
无关，只与系统本身的结构相关的参数，Z
dd
,Z
dq
,Z
qd
,Z
qq
为阻抗矩阵的四个元素，分别为设备节点参考系下的d轴
‑
d轴、d轴
‑
q轴、q轴
‑
d轴、q轴
‑
q轴预测阻抗。
[0017]进一步地，步骤S3中，在待预测工作点处，结合系统拓扑，使用潮流计算得到各个典型设备处的V
t
,I
d
,i
q
，即典型设备并网点处的电压电流组成的多项式向量得到预测阻抗Z
dd
,Z
dq
,Z
qd
,Z
qq
。
[0018]进一步地，步骤S4中，将典型设备从以设备节点参考系的预测阻抗折射到统一参考系下预测阻抗的转换公式为：
[0019][0020]其中，Z
tdd
,Z
tdq
,Z
tqd
,Z
tqq
为典型设备在统一参考系下的d轴
‑
d轴、d轴
‑
q轴、q轴
‑
d轴、q轴
‑
q轴预测阻抗，δ0为统一参考坐标系超前设备节点参考系的角度值。
[0021]总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，能够取得下列有益效果。
[0022]针对大规模风电厂由于控制系统参数与拓扑完全未知且系统阶数过高的情况下无法使用状态空间法以及阻抗理论表达式，且阻抗高度依赖工作点的特性给直接使用广义
奈奎斯特判据判断小信号稳定性带来的障碍。本专利技术提出一种基于神经网络的大系统聚合阻抗分析思路，选取系统中的典型设备，采用神经网络拟合阻抗，再结合拓扑关系，计算整个系统的聚合阻抗。从而实现对于大规模风电厂在变工作点下的聚合阻抗预测，为阻抗法在工程实践中分析小信号稳定性奠定基础。
附图说明
[0023]图1为本专利技术提供的一种大规模风力发电厂在变工作点下的聚合阻抗预测方法流程图；
[0024]图2为实施例1的风电厂系统拓扑图；
[0025]图3为实施例1的控制系统示意图；
[0026]图4为实施例1提供的预设工作点阻抗预测结果与实际阻抗测量结果的对比图。
具体实施方式
[0027]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。此外，下面所描述的本专利技术各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0028]如图1所示，本专利技术公开了一种大规模风力发电厂在变工作点下的聚合阻抗预测方法，该方法包括以下步骤：
[0029]步骤S1.选取风电厂中的若干典型设备，选取原则为认定并联于同一节点的风力发电机设备的控制拓扑与参数均一致，选取其中一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大规模风力发电厂在变工作点下的聚合阻抗预测方法，其特征在于，包括如下步骤：步骤S1.选取风电厂中的若干典型设备，选取原则为认定并联于同一节点的风力发电机设备的控制拓扑与参数均一致，选取其中一台风力发电机设备作为典型设备；步骤S2.针对选取的若干典型设备，选取阻抗矩阵的四个元素为输出，典型设备与网络连接节点的电压、d轴电流、q轴电流为输入，测量若干组输入与输出数据，针对每一台典型设备，分别采用感知机神经网络算法进行拟合；步骤S3.使用潮流计算，得到需要预测的工作点处各个节点的工作点电压、d轴电流、q轴电流，输入神经网络模型，得到各个典型设备的预测阻抗；S4.将预测阻抗折射到统一的节点参考系上，通过拓扑关系，将各个阻抗进行串并联计算，得到对应工作点下的聚合阻抗预测值。2.根据权利要求1所述的一种大规模风力发电厂在变工作点下的聚合阻抗预测方法，其特征在于，步骤S2所述阻抗矩阵表达式为；其特征在于，步骤S2所述阻抗矩阵表达式为；其中，其中c
k1
‑
10
，d
k1
‑
10
均为与V
t
，I
d
，I
q
无关，只与系统本身的结构相关的参数，Z
dd
，Z
dq
，Z
qd
，Z
qq
为阻抗...

【专利技术属性】
技术研发人员：邱琦，段鑫，饶佳，刘子祎，喻勇，陈飞鹏，李诗颖，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：