本发明专利技术提供了一种发电厂次同步谐振针对性预防方法、介质及系统，属于次同步谐振预防技术领域，该方法包括：采集发电厂的运行数据；采用预先训练好的谐振频率模型根据所采集的计算发电机组的运行参数、电网的运行状态和串联补偿电容器的补偿量之间的谐振频率；根据计算得到的谐振频率，计算发电机组轴系的次同步振荡模态以及发电机组轴系在次同步振荡下的响应特性；结合发电机组的运行参数和电网的运行状态，分析发电机组在不同工况下的次同步谐振可能性，找出最可能引发次同步谐振的高风险工况；对高风险工况进行深入分析，确定次同步谐振的具体成因并在次同步谐振运维方案库中选择最匹配的运维方案并输出给操作人员。
1、根据电力部门的规定，发电厂应准确掌握接入大规模新能源汇集地区电网有串联补偿电容器送出线路以及接入直流换流站近区的汽轮发电机组可能存在的次同步振荡风险情况，并做好抑制和预防机组次同步谐振和振荡措施，必要时应装设机组轴系扭振监视或保护装置。
2、近年来，随着经特高压直流或串补远距离送出机组日益增多，汽轮发电机组和风电机组次同步振荡问题日益突出。在超高压输电线路上采用串联补偿电容器，补偿电容与输电线路感抗形成串联谐振电路。对直接连接的大容量汽轮发电机存在次同步谐振(ssr)的问题，特别是当送端无连接有非串联电容补偿的线路送电或不带有地区负荷时，情况尤为严重。有可能在某些工况下激起次同步谐振，引起电网电压和电流波动，影响机组大轴寿命，威胁发电机安全。
5、(2)被动措施。监测发电机转子轴系转速与同步转速之间的转速差，如果发现转速差幅度逐渐增大，采取控制进行抑制，如附加励磁阻尼控制(sedc)、次同步谐振稳定装置、可控串补(tcsc)等。
6、上述步骤，最难点在于不能确定发电厂次同步谐振的原因，因此，需要对电场次同步谐振的原因进行判定后，才能找出来针对性预防的方法，也就是说，当前发电厂无法根据次同步谐振的原因进行针对性预防。
>技术实现思路1、有鉴于此，本专利技术提供一种发电厂次同步谐振针对性预防方法、介质及系统，能够解决发电厂无法根据次同步谐振的原因进行针对性预防的技术问题。
2、本专利技术是这样实现的：
3、本专利技术的第一方面提供一种发电厂次同步谐振针对性预防方法，其中，包括以下步骤：
4、s10、采集发电厂的运行数据，包括发电机组的运行参数、电网的运行状态和串联补偿电容器的补偿量；
5、s20、采用预先训练好的谐振频率模型根据所采集的计算发电机组的运行参数、电网的运行状态和串联补偿电容器的补偿量之间的谐振频率；
6、s30、根据计算得到的谐振频率，计算发电机组轴系的次同步振荡模态以及发电机组轴系在次同步振荡下的响应特性；
7、s40、根据得到的发电机组轴系的次同步振荡模态以及发电机组轴系在次同步振荡下的响应特性，结合发电机组的运行参数和电网的运行状态，分析发电机组在不同工况下的次同步谐振可能性，找出最可能引发次同步谐振的高风险工况；
8、s50、对高风险工况进行深入分析，确定次同步谐振的具体成因；
9、s60、根据次同步谐振的具体成因，在次同步谐振运维方案库中选择最匹配的运维方案并输出给操作人员。
10、在上述技术方案的基础上，本专利技术的一种发电厂次同步谐振针对性预防方法还可以做如下改进:
11、其中，所述谐振频率模型采用卷积神经网络建立，所述卷积神经网络包括输入层、卷积层、池化层、全连接层和输出层；其中所述输入层用于接收发电机组的运行参数、电网的运行状态和串联补偿电容器的补偿量；所述卷积层用于提取输入的数据的特征；所述池化层用于降低特征的维度；所述全连接层将所有特征连接在一起，所述输出层输出最终的结果，即发电机组的运行参数、电网的运行状态和串联补偿电容器的补偿量之间的谐振频率。
12、进一步的，所述卷积神经网络的训练数据为所收集的发电厂的历史运行数据及其对应的历史谐振频率，其中训练的输入为历史运行数据，训练的输出为历史谐振频率。
13、进一步的，所述根据计算得到的谐振频率，计算发电机组轴系的次同步振荡模态以及发电机组轴系在次同步振荡下的响应特性的步骤，具体包括：
14、首先，通过求解发电机组轴系的动态特性的微分方程得到发电机组轴系的次同步振荡模态；
15、然后，通过将谐振频率代入发电机组轴系的响应公式，得到发电机组轴系在次同步振荡下的响应特性。
16、进一步的，所述根据得到的发电机组轴系的次同步振荡模态以及发电机组轴系在次同步振荡下的响应特性，结合发电机组的运行参数和电网的运行状态，分析发电机组在不同工况下的次同步谐振可能性，找出最可能引发次同步谐振的高风险工况的步骤，具体包括：
17、首先，建立一个发电机组轴系的动态模型；
18、接下来，根据电网的运行状态，计算出发电机组的运行参数；
19、然后，在所述发电机组的轴系动态模型中，通过数值模拟的方法，计算出发电机组在不同工况下的次同步振荡模态；
20、最后，对得到的发电机组在不同工况下的次同步振荡模态进行分析，找出最可能引发次同步谐振的高风险工况。
21、进一步的，所述对高风险工况进行深入分析，确定次同步谐振的具体成因的步骤，具体包括：
22、首先，对采集到的高风险工况数据进行深入的分析和挖掘；
23、然后，建立一个神经网络模型，用于描述次同步谐振的成因；
24、最后，对神经网络模型的结果进行分析，确定次同步谐振的具体成因。
25、进一步的，所述根据次同步谐振的具体成因，在次同步谐振运维方案库中选择最匹配的运维方案的步骤，具体为：
26、首先，建立一个次同步谐振运维方案库；
27、然后，根据次同步谐振的具体成因使用余弦匹配算法在次同步谐振运维方案库中找出最匹配的运维方案。
28、本专利技术的第二方面提供一种计算机可读存储介质，其中，所述计算机可读存储介质中存储有程序指令，所述程序指令运行时用于执行上述的一种发电厂次同步谐振针对性预防方法。
29、本专利技术的第三方面提供一种发电厂次同步谐振针对性预防系统，其中，包含上述的计算机可读存储介质。
30、与现有技术相比较，本专利技术提供的一种发电厂次同步谐振针对性预防方法、介质及系统的有益效果是：首先，本专利技术通过采集发电厂的运行数据，包括发电机组的运行参数、电网的运行状态和串联补偿电容器的补偿量，从而获取了发电厂运行的全面信息，为后续的次同步谐振预防提供了基础数据。这也使得本专利技术能够针对不同的发电厂运行情况，进行个性化的次同步谐振预防。
31、其次，本专利技术采用预先训练好的谐振频率模型，根据所采集的数据计算发电机组的运行参数、电网的运行状态和串联补偿电容器的补偿量之间的谐振频率。这使得本专利技术能够准确地预测次同步谐振的发生，从而提前进行预防，避免或减少次同步谐振对发电厂运行的影响。
32、再次，本专利技术根据计算得到的谐振频率，计算发电机组轴系的次同步振荡模态以及发电机组轴系在次同步振荡下的响应特性。这使得本专利技术能够深入理解次同步谐振的机理，为次同步谐振的预防提供了科学依据。
33、此外，本专利技术还结合发电机组的运行参数和电网的运行状态，分析发电机组在不同工况下的次同步谐振可能性，找出最本文档来自技高网...
【技术保护点】
1.一种发电厂次同步谐振针对性预防方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种发电厂次同步谐振针对性预防方法，其特征在于，所述谐振频率模型采用卷积神经网络建立，所述卷积神经网络包括输入层、卷积层、池化层、全连接层和输出层；其中所述输入层用于接收发电机组的运行参数、电网的运行状态和串联补偿电容器的补偿量；所述卷积层用于提取输入的数据的特征；所述池化层用于降低特征的维度；所述全连接层将所有特征连接在一起，所述输出层输出最终的结果，即发电机组的运行参数、电网的运行状态和串联补偿电容器的补偿量之间的谐振频率。
3.根据权利要求2所述的一种发电厂次同步谐振针对性预防方法，其特征在于，所述卷积神经网络的训练数据为所收集的发电厂的历史运行数据及其对应的历史谐振频率，其中训练的输入为历史运行数据，训练的输出为历史谐振频率。
4.根据权利要求3所述的一种发电厂次同步谐振针对性预防方法，其特征在于，所述根据计算得到的谐振频率，计算发电机组轴系的次同步振荡模态以及发电机组轴系在次同步振荡下的响应特性的步骤，具体包括：
5.根据权利要求4所述的一种发电厂次同步谐振针对性预防方法，其特征在于，所述根据得到的发电机组轴系的次同步振荡模态以及发电机组轴系在次同步振荡下的响应特性，结合发电机组的运行参数和电网的运行状态，分析发电机组在不同工况下的次同步谐振可能性，找出最可能引发次同步谐振的高风险工况的步骤，具体包括：
6.根据权利要求5所述的一种发电厂次同步谐振针对性预防方法，其特征在于，所述对高风险工况进行深入分析，确定次同步谐振的具体成因的步骤，具体包括：
7.根据权利要求6所述的一种发电厂次同步谐振针对性预防方法，其特征在于，所述根据次同步谐振的具体成因，在次同步谐振运维方案库中选择最匹配的运维方案的步骤，具体为：
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序指令，所述程序指令运行时用于执行权利要求1-7任一项所述的一种发电厂次同步谐振针对性预防方法。
9.一种发电厂次同步谐振针对性预防系统，其特征在于，包含权利要求8所述的计算机可读存储介质。
...
【技术特征摘要】
1.一种发电厂次同步谐振针对性预防方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种发电厂次同步谐振针对性预防方法，其特征在于，所述谐振频率模型采用卷积神经网络建立，所述卷积神经网络包括输入层、卷积层、池化层、全连接层和输出层；其中所述输入层用于接收发电机组的运行参数、电网的运行状态和串联补偿电容器的补偿量；所述卷积层用于提取输入的数据的特征；所述池化层用于降低特征的维度；所述全连接层将所有特征连接在一起，所述输出层输出最终的结果，即发电机组的运行参数、电网的运行状态和串联补偿电容器的补偿量之间的谐振频率。
3.根据权利要求2所述的一种发电厂次同步谐振针对性预防方法，其特征在于，所述卷积神经网络的训练数据为所收集的发电厂的历史运行数据及其对应的历史谐振频率，其中训练的输入为历史运行数据，训练的输出为历史谐振频率。
4.根据权利要求3所述的一种发电厂次同步谐振针对性预防方法，其特征在于，所述根据计算得到的谐振频率，计算发电机组轴系的次同步振荡模态以及发电机组轴系在次同步振荡下的响应特性的...
【专利技术属性】
技术研发人员：杨正，刘其良，杨朝翔，李珏煊，许力方，
申请(专利权)人：国网冀北综合能源服务有限公司，
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。