【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及预测与风电场连接的公用电网的频率值的方法和对应的装置。此外，本专利技术涉及一种包括该装置的风电场。
技术介绍
1、包括多个风力涡轮机的风电场通常连接到向多个消费者提供电能的公用电网。标称上，电网频率，即公用电网的ac电力或ac电压的电频率，处于标称值，例如50hz或60hz。取决于电力生产设施(比如风电场)供应的电力以及多个消费者从公用电网汲取的电力，电网频率可能会改变。
2、然而，电网频率的稳定性对于维持电力供应质量和安全可能至关重要。风电场依靠足够的风速来向公用电网供应足够量的电力。负载行为或可再生能源发电的高渗透率造成的馈入电力的波动(由于风力条件的变化)可能会危及频率稳定性。为了解决这个问题，传输系统运营商(tso)通常可以维持可以根据需要打开或关闭的一定量的平衡电力(储备)。除此之外，tso可以指定(例如通过电网代码)连接到电网的各个发电机(包括风力涡轮机)应如何在频率事件(诸如欠频率事件或过频率事件)期间支持电网。
3、为了提供公用电网频率监测并且特别是使得能够发起措施以将电网频率保持在标称水平附近，常规上可以应用预测方法。传统上，诸如多项式回归、自回归移动平均和自回归积分移动平均之类的统计方法可能已用于单变量时间序列的预测。在s.kaur、s.agrawal和y.p.verma的"power grid frequency prediction using ann consideringthe stochas-ticity ofwindpower"20135th internat
4、然而，常规方法并非在所有情况下都能提供对公用电网频率的准确且可靠的预测。因此，可能需要一种预测公用电网的频率值的方法和对应的装置，其中提高了准确性和/或可靠性并且其中降低了复杂性。
技术实现思路
1、该需要可以通过根据独立权利要求的主题来满足。本专利技术的有利实施例由从属权利要求描述。
2、根据本专利技术的实施例，提供了一种预测与风电场连接的公用电网的频率值的方法，该方法包括：获得与当前时间点之前并直到当前时间点的预定时间范围有关的多个公用电网测量值；获得与所述时间范围有关的多个风电场测量值(例如有功功率和/或无功功率和/或电压)；将所述多个公用电网测量值和所述多个风电场测量值馈送到递归神经网络中，所述递归神经网络被训练为输出至少一个紧邻(next)时间点处的频率值，所述紧邻时间点特别地在所述当前时间点之后0.5s和2s之间。
3、该方法例如可以由风电场控制器或风电场引导器的模块来执行。在其他实施例中，该方法可以由公用电网运营商执行。该方法可以用软件和/或硬件来实现。该方法可以在风电场发电期间执行。风电场可以包括在公共耦合点处连接的多个风力涡轮机，其中各个风力涡轮机的输出功率可以被供应到公共耦合点。风力涡轮机可以经由相应的风力涡轮机变压器连接到公共耦合点。公共耦合点可以经由一个或多个风电场变压器连接到公用电网。公用电网可以与标称频率相关联，例如表示ac电压和/或ac电流和/或ac功率的电频率的50hz或60hz。
4、公用电网测量值可以与公用电网的一个或多个电参数，特别是频率和/或电压有关。对于电网的每个电参数，可以提供与所述预定时间范围有关或涉及所述预定时间范围的多个值，例如包括所述预定时间范围内的样本测量值。所述时间范围涵盖过去的时间点到现在的时间点。
5、所述多个风电场测量值可以包括多个风电场功率测量值。所述多个风电场测量值可以例如表示一个或多个风力涡轮机或整个风电场的一个或多个电参数的值，特别是电功率输出参数值。所述多个风电场测量值特别地可以表示仅包括一个发电机的仅一个风力涡轮机的一个或多个电参数的值或者单个风电场的一个或多个电参数的值。
6、专利技术人发现，使用来自连接到电网的单一个发电机或单个风电场的数据可以高准确性地预测电网频率。这是常规方式不能完成的。
7、每个风电场参数可以包括覆盖所述时间范围的测量值，即与所述时间范围内的不同时间点有关的测量值。
8、利用的公用电网测量值和风电场测量值越多，频率值预测的准确性可能就越高。风电场功率参数可能影响公用电网的频率值。因此，可以通过包括风电场测量值作为输入数据来提高该方法的准确性。此外，公用电网参数及其相应的测量值还可以具有针对紧邻时间点处的公用电网的频率值的预测值。根据本专利技术的实施例，利用其他输入值来改进所述预测。
9、该方法采用经过适当训练的递归神经网络。递归神经网络是一类人工神经网络，其中节点之间的连接沿着时间序列形成有向图。因此，递归神经网络允许对时间动态行为进行建模。递归神经网络可以针对每个公用电网参数接收与所述预定时间范围内的测量值相对应的输入的(时间)序列。此外，递归神经网络还可以针对每个风电场参数接收呈现输入序列(例如，表示预定时间范围内相应测量值的时间序列)的相应测量值。
10、术语“递归神经网络”是指具有相似的一般结构的两大类网络，其中一类是有限脉冲，并且另一类是无限脉冲。有限脉冲递归网络是可以展开并用严格前馈神经网络替换的有向无环图，而无限脉冲递归网络是无法展开的有向循环图。递归神经网络可以例如包括接收公用电网参数的测量值和风电场功率参数的测量值的输入层。该网络还可以包括一个或多个中间层，例如两个或更多个lstm层。此外，所述网络可以包括例如表示输出层的全连接层。
11、由于以下原因，递归神经网络(rnn)与上述参考文献中使用的简单人工神经网络模型不同：rnn的工作原理可能是保存一层的输出并将其反馈给输入以预测该层的输出。rnn可以考虑当前输入和先前接收的输入，并且可以由于其内部存储器而记住先前的输入。因此，rnn可以隐式地计及时间序列的时间依赖性，并可以改善预测结果。
12、紧邻时间点可以是未来的时间点，并且因此可以不同于公用电网参数和(一个或多个)风电场功率参数的测量值已被利用的任何时间点。该方法可以允许精确且准确地预测公用电网频率。电网频率的精确预测可以帮助(i)tso优化所需的平衡(储备)电量，(ii)发电厂运营商优化流入/流出混合发电厂中的储能设备的电力流，以及(iii))通过预测控制，包括风电场的发电厂可以提供更快的频率响应。
13、公用电网中的频率事件可以被定义为从当频率在正常范围内时的正常频率状态到当频率低于或高于正常频率限制时的频率偏差状态的转变。本专利技术的实施例可以允许使用历史电网频率和风电场数据进行一秒到几秒的时间间隔内的频率和频率偏差事件预测。
14、根据本专利技术的实施例，多个公用电网测本文档来自技高网...
【技术保护点】
1.一种预测与风电场(1)连接的公用电网(3)的频率值的方法，所述方法包括：
2.根据前一权利要求所述的方法，其中所述多个公用电网测量值(7)包含在所述时间范围内以下各项中的至少一项的值的时间序列：
3.根据前述权利要求之一所述的方法，其中，所述多个风电场测量值(12)包含所述时间范围内以下各项中的至少一项的值的时间序列：
4.根据前述权利要求之一所述的方法，还包括：
5.根据前述权利要求之一所述的方法，
6.根据前述权利要求之一所述的方法，其中通过以下方式来连续地执行所述方法：由以一个时间步长移位滑动的滑动时间范围实现所述预定时间范围。
7.根据前述权利要求之一所述的方法，其中，所述递归神经网络先前已利用训练数据进行训练，所述训练数据包括：
8.根据前述权利要求之一所述的方法，其中，为了训练，用另一权重对当所述频率具有欠频率值时的所述多个其他风电场测量值和所述多个其他公用电网测量值进行加权，所述另一权重特别是在5和15之间，所述另一权重高于对当所述频率具有正常频率值时的所述多个风电场测量值和所述
9.根据前述权利要求之一所述的方法，其中，为了训练，用再另一权重对当所述频率具有过频率值时的所述多个再其他风电场测量值和所述多个再其他公用电网测量值进行加权，所述再另一权重特别是在30和50之间，所述再另一权重高于对当所述频率具有正常频率值时的所述多个风电场测量值和所述多个公用电网测量值使用的权重，所述再另一权重特别地根据所述再其他测量值的数量来确定。
10.根据前述权利要求之一所述的方法，其中所述递归神经网络被实现为长短期记忆(LSTM)网络。
11.根据前述权利要求之一所述的方法，其中通过将所述多个公用电网测量值(7)和所述多个风电场测量值(12)馈送到所述递归神经网络中，多个后续紧邻时间点处的频率值被输出，所述多个后续紧邻点特别覆盖1s和15s之间。
12.根据前述权利要求之一所述的方法，还包括：
13.用于预测与风电场(1)连接的公用电网(3)的频率值的装置(10)，所述装置包括：
14.风电场(1)，包括：
...【技术特征摘要】
【国外来华专利技术】
1.一种预测与风电场(1)连接的公用电网(3)的频率值的方法，所述方法包括：
2.根据前一权利要求所述的方法，其中所述多个公用电网测量值(7)包含在所述时间范围内以下各项中的至少一项的值的时间序列：
3.根据前述权利要求之一所述的方法，其中，所述多个风电场测量值(12)包含所述时间范围内以下各项中的至少一项的值的时间序列：
4.根据前述权利要求之一所述的方法，还包括：
5.根据前述权利要求之一所述的方法，
6.根据前述权利要求之一所述的方法，其中通过以下方式来连续地执行所述方法：由以一个时间步长移位滑动的滑动时间范围实现所述预定时间范围。
7.根据前述权利要求之一所述的方法，其中，所述递归神经网络先前已利用训练数据进行训练，所述训练数据包括：
8.根据前述权利要求之一所述的方法，其中，为了训练，用另一权重对当所述频率具有欠频率值时的所述多个其他风电场测量值和所述多个其他公用电网测量值进行加权，所述另一权重特别是在5和15之间，所述另一权重高于对当所述频率具有正常频率值时的所述多个风电场测量值...
【专利技术属性】
技术研发人员：J·费尔南德斯迪亚兹，M·加尔西亚普拉扎，F·R·马丁内斯门多萨，M·M·涅戈夫斯基，V·S·帕帕拉，S·特鲁希略，S·亚申科，
申请(专利权)人：西门子歌美飒可再生能源创新与技术有限公司，
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。