【技术实现步骤摘要】
一种抑制电力系统低频振荡的方法及系统
[0001]本专利技术属于风储联合系统控制
,尤其涉及一种抑制电力系统低频振荡的方法及系统
。
技术介绍
[0002]用于电力系统的低频振荡抑制是一项重要的任务,以确保电力系统的稳定运行
。
在现有研究的基础上,低频振荡可通过功率系统稳定器(
PSS
)
、
静态无功补偿器(
SVC
)等来抑制
。
但针对具体的电力系统,如何考虑多种控制策略和装置的协同作用是研究的重点和难点
。
在风电并网的基础上,传统的稳定器可能无法有效抑制风电并网引发的振荡
。
在有效抑制的前提下,响应速度也必须考虑,控制策略应快速适应系统的变化和扰动
。
[0003]现有文献在研究新能源并网系统低频振荡时,对风电机组建模
、
振荡影响因素
、
阻尼控制器分类
、
控制策略优缺点的探讨,仍较笼统和模糊
。
[0004]传统上的功率振荡阻尼器在储能响应速度方面较慢,难以保证不同低频振荡情况下系统的频率稳定性
。
现有研究利用阻尼转矩分析
DFIG
间动态交互如何影响系统低频振荡,其设计的风电机组锁相环对电网稳定存在影响
。
[0005]现有技术中研究了虚拟惯量计算问题,但这些研究仅仅定义了风储系统的虚拟惯量,并未进行进一步的解析求解
。
此外, ...
【技术保护点】
【技术特征摘要】
1.
一种抑制电力系统低频振荡的方法,所述电力系统分别与风储系统和同步发电机并联,其特征在于,方法包括:构建风储系统的并网模型,所述并网模型包括风电场并网子模型和储能装置并网子模型;根据功率振荡阻尼器和比例积分控制器分别对风电场并网子模型进行低频振荡调节和对储能装置并网子模型进行频率稳定调节,得到所述风储系统的增益参数和比例参数;基于预设的虚拟惯量补偿控制策略对所述同步发电机进行补偿控制,得到与所述储能装置并网子模型相对应的虚拟惯量;根据所述增益参数
、
所述比例参数和虚拟惯量构建 Pareto
最优解集,并基于改进的粒子群算法对所述
Pareto
最优解集进行多目标优化,得到最优增益参数
、
最优比例参数和最优虚拟惯量;将所述最优增益参数
、
所述最优比例参数和所述最优虚拟惯量输入至电力系统中,使对所述电力系统进行低频振荡抑制
。2.
根据权利要求1所述的一种抑制电力系统低频振荡的方法,其特征在于,所述基于改进的粒子群算法对所述
Pareto
最优解集进行多目标优化,得到最优增益参数
、
最优比例参数和最优虚拟惯量包括
:
初始化填充属性:每个粒子的位置包含
n
个维度,对应与
Pareto
最优解集中的增益参数
、
所述比例参数和虚拟惯量,其中,粒子
i
的状态属性为:粒子的当前位置:
xi = (xi1, xi2,..., xin)
,
xi1
为一维坐标下粒子
i
的位置,
xi2
为二维坐标下粒子
i
的位置,
xin
为 n
维坐标下粒子
i
的位置;粒子的流动速度:
vi = (vi1, vi2,..., vin)
,
vi1
为一维坐标下粒子
i
的速度,
vi2
为二维坐标下粒子
i
的速度,
vin
为
n
维坐标下粒子
i
的速度;计算适应度函数,更新具备最优解和全局最优解,其中,在初始化后,将每个粒子的位置作为参数值,并使用
F
函数进行仿真,得到适应度值,其中,
F
函数的表达式为:,式中,为振荡的时间范围,为输出误差,为自变量;采用动态惯性权值和动态学习因子进行更新速度和位置,其中,每个粒子在其下一个状态下的速度和位置应根据单个极值
、
全局极值以及前一个状态的速度和位置来确定,其中,计算动态惯性权值的表达式为:,式中,为动态惯性权值,为最大迭代次数,为当前迭代次数,为惯性权重的初始值,为惯性权重的终值;计算动态学习因子的表达式为:
,式中,为动态学习因子,为学习因子的终值,为学习因子的初始值;当已达到最大迭代次数或者满足迭代收敛时,则完成优化过程,得到最优增益参数
、
最优比例参数和最优虚拟惯量
。3.
根据权利要求1所述的一种抑制电力系统低频振荡的方法,其特征在于,所述构建风储系统的并网模型包括:建立风储系统在稳定工作点上的状态方程和代数方程,其中,所述状态方程的表达式为:,式中,为微分算子,为同步发电机的状态变量,为同步发电机的状态方程,为同步发电机的代数变量,为系统的代数变量,为双馈风机的状态方程,为双馈风机的状态变量,为双馈风机的代数变量,为电池储能系统的状态方程,为电池储能系统的状态变量,为电池储能系统的...
【专利技术属性】
技术研发人员:陶翔,苏永春,张帅,陈波,周宁,熊俊杰,周煦光,王凯,邓东,彭强,杜强,文力明,张文斌,张永生,许伟,闵阳,曹磊,刘光辉,王昱丹,
申请(专利权)人: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。