System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电力系统自动化,尤其涉及一种储能参与频率校正控制的下垂控制策略方法及系统。
技术介绍
1、近年来,随着大规模新能源发电并网、跨区直流输电容量快速增长,传统同步电源占比逐渐减小,电网频率的抗扰动能力和调节能力日益下降,频率安全已经成为制约新型电力系统发展的瓶颈问题,国内外近年来已发生多起大频差扰动事件。
2、对于新能源高占比电网而言,除了确定性的直流故障之外,电网大频差还包括非第二道防线设防的永久性大功率缺额故障导致的快速跌落,例如新能源大规模连锁脱网、agc系统异常导致发电功率快速下降、多条直流同时换相失败等,仅仅依靠基于事件触发的紧急控制系统难以全面防御,频率可能迅速下降触发低频减载,存在负荷损失风险。目前的控制策略难以应对第二道防线以外的非预想故障或其他扰动造成的暂态频率快速跌落问题。同时新能源的间歇性、波动性加剧了电网供需平衡难度,系统充裕度水平下降。由于常规发电机组一二次调频存在限幅,在负荷持续超出最大发电能力时,常规发电机调频能力耗尽,稳态频率将持续下降,触发低频减载动作。
技术实现思路
1、本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊,而这种简化或省略不能用于限制本专利技术的范围。
2、鉴于上述现有存在的问题,提出了本专利技术。
3、因此,本专利技术提供了一种储能参与频率校正
4、为解决上述技术问题,本专利技术提供如下技术方案:
5、第一方面,本专利技术提供了一种实现适用于储能参与频率校正控制的下垂控制策略方法,包括:获取电网方式数据及发电机、负荷的控制系统参数;
6、根据获取的数据以及电网频率变化率估算电网不平衡功率,构建电网频率响应数学模型,预测电网频率最低点值;
7、根据历史方式的电网运行状态及不平衡功率为输入,频率最低点为输出构建神经网络预测模型,预测当前电网频率最低点值;
8、根据频率响应模型机神经网络模型结果,对数据进行融合并获得可靠的最低点频率值;
9、根据频率与控制量的要求,计算电网中储能调节的下垂控制系数。
10、作为本专利技术所述的储能参与频率校正控制的下垂控制策略方法的一种优选方案,其中:所述获取电网方式数据及发电机、负荷的控制系统参数,根据电网方式数据,计算电网等效惯量表示为:
11、
12、其中,hi为第i台发电机的惯量,si为第i台发电机的额定容量,st为所有发电机额定容量之和,g为所有发电机的集合。
13、作为本专利技术所述的储能参与频率校正控制的下垂控制策略方法的一种优选方案,其中:所述根据获取的数据以及电网频率变化率估算电网不平衡功率,同时构建电网频率响应数学模型,预测电网频率最低点值,将储能参与电网低频校正控制的门槛值f1设置为49.8hz,将延时设置为0.2s。
14、作为本专利技术所述的储能参与频率校正控制的下垂控制策略方法的一种优选方案,其中:所述根据电网数据及电网频率变化率,估算电网功率缺额表示为:
15、
16、其中,pm为电网等效机械功率,pe为电网等效电磁功率,d为发电机阻尼系数,m为电网惯性时间常数,m=2h,ω为发电机转速,ω=2πf,ω0为电网频率初值,ω-ω0=2πδf;
17、构建电网频率响应数学模型,电网频率偏差δf关于时间的表达式表示为:
18、
19、其中,r为发电机调差系数;
20、根据给出的频率偏差计算表达式,求取电网频率变化率表示为:
21、
22、当电网频率变化率等于0时,求得电网频率偏差达到最大值的时间表示为:
23、
24、即电网频率偏差最大值表示为:
25、
26、根据与多次的电网仿真结果对比,获取数学模型预测结果与仿真结果误差的标准差值σ1。
27、作为本专利技术所述的储能参与频率校正控制的下垂控制策略方法的一种优选方案,其中:所述历史方式的电网运行状态及不平衡功率为输入,频率最低点为输出构建神经网络预测模型,预测当前电网频率最低点值,包括以下步骤:
28、对大量不同历史数据、不同功率损失量进行仿真,将历史数据中电网等效惯量、发电机阻尼系数、负荷频率调节效应系数、发电机调差系数作为输入,电网仿真中电网频率最低点作为输出,建立神经网络。神经网络的初始训练参数包括神经网络隐含层级数、隐含层神经元个数、训练次数、学习速率、各层权值及阈值,激活函数采用tanh函数;
29、采用误差梯度下降法依次修正输出层权值及阈值、各隐含层权值及阈值,使修改后网络的最终输出能接近期望值,得到最终迭代优化完成的神经网络模型,根据与多次的仿真结果对比,获取模型预测结果与仿真结果误差的标准差值σ2;
30、根据当前电网方式中的电网等效惯量、发电机阻尼系数、负荷频率调节效应系数、发电机调差系数,采用神经网络模型,得到当前电网的频率最大偏差为δfmax2。
31、作为本专利技术所述的储能参与频率校正控制的下垂控制策略方法的一种优选方案,其中:所述根据频率响应模型机神经网络模型结果,对数据进行融合并获得更准确的最低点频率值,建立数据融合模型,融合后电网最大频率偏差值表示为:
32、δfmax=δfmax1+k(δfmax2-δfmax1)
33、其中,δfmax为融合后电网最大频率偏差值,k为融合系数,该模型需求得k使得δfmax的方差最小σ;
34、k值的计算公式表示为:
35、
36、作为本专利技术所述的储能参与频率校正控制的下垂控制策略方法的一种优选方案,其中:所述根据频率与控制量的要求,计算电网中储能调节的下垂控制系数,根据第三道防线配置的启动门槛值f2和电网频率偏差最大值δfmax,计算储能下垂控制系数k:
37、若δfmax>f2-(f0-f1),则
38、若δfmax≤f2-(f0-f1),则
39、第二方面,本专利技术提供了一种适用于储能参与频率校正控制的下垂控制策略系统,包括:
40、获取模块,获取电网方式数据及发电机、负荷的控制系统参数;
41、构建模块,根据获取的数据以及电网频率变化率估算电网不平衡功率,构建电网频率响应数学模型,预测电网频率最低点值;
42、输入模块,根据历史方式的电网运行状态及不平衡功率为输入,频率最低点为输出构建神经网络预测模型,预测当前电网频率最低点值;
43、融合模块,根据频率响应模型机神经网络模型结果,对数据进行融合并获得可靠的最低点频率值;
44、计算模块,根据频率与控制本文档来自技高网...
【技术保护点】
1.一种储能参与频率校正控制的下垂控制策略方法,其特征在于,包括:
2.如权利要求1所述的储能参与频率校正控制的下垂控制策略方法,其特征在于:所述获取电网方式数据及发电机、负荷的控制系统参数,根据电网方式数据,计算电网等效惯量表示为:
3.如权利要求1或2所述的储能参与频率校正控制的下垂控制策略方法,其特征在于:所述根据获取的数据以及电网频率变化率估算电网不平衡功率,构建电网频率响应数学模型,预测电网频率最低点值,将储能参与电网低频校正控制的门槛值f1设置为49.8Hz,将延时设置为0.2s。
4.如权利要求3所述的储能参与频率校正控制的下垂控制策略方法,其特征在于:所述根据电网数据及电网频率变化率,估算电网功率缺额表示为:
5.如权利要求4所述的储能参与频率校正控制的下垂控制策略方法,其特征在于:所述历史方式的电网运行状态及不平衡功率为输入,频率最低点为输出构建神经网络预测模型,预测当前电网频率最低点值,包括以下步骤:
6.如权利要求5所述的储能参与频率校正控制的下垂控制策略方法,其特征在于:所述根据频率响应模型机神经
7.如权利要求6所述的储能参与频率校正控制的下垂控制策略方法,其特征在于:所述根据频率与控制量的要求,计算电网中储能调节的下垂控制系数,根据第三道防线配置的启动门槛值f2和电网频率偏差最大值Δfmax,计算储能下垂控制系数k:
8.一种储能参与频率校正控制的下垂控制策略系统,其特征在于:
9.一种电子设备,其特征在于,包括:
10.一种计算机可读存储介质,其存储有程序,其特征在于,所述程序被处理器执行时,实现如权利要求1-7任一项所述的实现适用于储能参与频率校正控制的下垂控制策略方法。
...【技术特征摘要】
1.一种储能参与频率校正控制的下垂控制策略方法,其特征在于,包括:
2.如权利要求1所述的储能参与频率校正控制的下垂控制策略方法,其特征在于:所述获取电网方式数据及发电机、负荷的控制系统参数,根据电网方式数据,计算电网等效惯量表示为:
3.如权利要求1或2所述的储能参与频率校正控制的下垂控制策略方法,其特征在于:所述根据获取的数据以及电网频率变化率估算电网不平衡功率,构建电网频率响应数学模型,预测电网频率最低点值,将储能参与电网低频校正控制的门槛值f1设置为49.8hz,将延时设置为0.2s。
4.如权利要求3所述的储能参与频率校正控制的下垂控制策略方法,其特征在于:所述根据电网数据及电网频率变化率,估算电网功率缺额表示为:
5.如权利要求4所述的储能参与频率校正控制的下垂控制策略方法,其特征在于:所述历史方式的电网运行状态及不平衡功率为输入,频率最低点为输出构...
【专利技术属性】
技术研发人员:孙仲卿,郄朝辉,徐贤,陆志平,赖业宁,刘沁,李兆伟,李威,刘福锁,
申请(专利权)人:国网电力科学研究院有限公司,
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。