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】
本专利技术属于发电控制,具体涉及一种风电场集群发电控制方法、装置、电子设备及存储介质。
技术介绍
1、近年来风力发电的渗透率稳步上升,其波动性和不确定性也不断增加,常常出现风电爬坡事件,即风功率幅值在短时间内大幅度波动现象。风电爬坡事件因其发生的概率小而难以预测,一旦发生,会使电力系统无法制定及时有效的调整措施,给电力系统的稳定运行和安全供电带来严重影响。因此选择合适的控制策略限制风电功率的爬坡率,减少风电爬坡事件带来的危害,是研究风电爬坡事件的一个热点问题。
2、目前,风电场集群的发电控制,大多是根据风电场集群所在区域未来一段时间内的数值天气预报(numerical weather prediction,nwp)数据,对未来一段时间内的风电场集群的出力模式进行调整。然而,由于风电场集群中不同风电场所处位置的数值天气预报数据存在差异,且在一时间段内的不同时期同一风电场所在区域的数值天气预报数据也会存在差异,从而导致不能对风电集群进行精确预测和控制,往往无法有效平抑风电爬坡事件,导致风电场集群的稳定性较差。
3、因此,如何提供一种有效的方案以平抑风电爬坡事件,提高风电场集群的稳定性,已成为现有技术中一亟待解决的难题。
技术实现思路
1、本专利技术的目的是提供一种风电场集群发电控制方法、装置、电子设备及存储介质,用以解决现有技术中存在的上述问题。
2、为了实现上述目的,本专利技术采用以下技术方案:
3、第一方面,本专利技术提供了一种风电场
4、获取风电场集群中各风电场在后续时段内的数值天气预报数据;
5、基于风电场在后续时段内的数值天气预报数据对风电场集群中各风电场进行聚类分析,得到至少一个簇;
6、将各簇中的风电场在后续时段内的数值天气预报数据输入对应的且预先训练的功率预测模型,得到各风电场在后续时段的预测功率;
7、基于各风电场在后续时段的预测功率,得到风电场集群在后续时段的预测功率;
8、以风电场集群的调度计划约束、风电场集群的出力限制约束以及风电场集群的出力爬坡约束为约束条件,对风电场集群在后续时段的各个周期的功率进行滚动优化,得到风电场集群在每个周期内的预测功率,其中出力爬坡约束用于表征一个时间尺度内功率的变化率约束,调度计划约束用于表征一个时间尺度内发电功率约束;
9、基于风电场集群在每个周期内的预测功率,以各簇风电场的调度计划约束、各簇风电场的出力限制约束以及各簇风电场的出力爬坡约束为约束条件,对各簇风电场在每个周期的各子周期的功率进行滚动优化,得到各簇风电场在每个子周期的预测功率;
10、基于各簇风电场在每个子周期的预测功率,以每个风电场的调度计划约束、每个风电场的出力限制约束以及每个风电场的出力爬坡约束为约束条件,对各风电场在每个子周期的多个单位时长的功率进行滚动优化,得到每个风电场在各单位时长内的预测功率;
11、基于每个风电场在各单位时长内的预测功率和每个风电场在各单位时长内的功率调度指标,对每个风电场在各单位时长内的出力模式进行调整。
12、本专利技术提供的风电场集群发电控制方法,通过获取风电场集群中各风电场在后续时段内的数值天气预报数据;基于风电场在后续时段内的数值天气预报数据对风电场集群中各风电场进行聚类分析,得到至少一个簇;将各簇中的风电场在后续时段内的数值天气预报数据输入对应的且预先训练的功率预测模型,得到各风电场在后续时段的预测功率;基于各风电场在后续时段的预测功率,得到风电场集群在后续时段的预测功率;以风电场集群的调度计划约束、风电场集群的出力限制约束以及风电场集群的出力爬坡约束为约束条件,对风电场集群在后续时段的各个周期的功率进行滚动优化,得到风电场集群在每个周期内的预测功率,其中出力爬坡约束用于表征一个时间尺度内功率的变化率约束,调度计划约束用于表征一个时间尺度内发电功率约束;基于风电场集群在每个周期内的预测功率,以各簇风电场的调度计划约束、各簇风电场的出力限制约束以及各簇风电场的出力爬坡约束为约束条件,对各簇风电场在每个周期的各子周期的功率进行滚动优化,得到各簇风电场在每个子周期的预测功率;基于各簇风电场在每个子周期的预测功率,以每个风电场的调度计划约束、每个风电场的出力限制约束以及每个风电场的出力爬坡约束为约束条件,对各风电场在每个子周期的多个单位时长的功率进行滚动优化,得到每个风电场在各单位时长内的预测功率;基于每个风电场在各单位时长内的预测功率和每个风电场在各单位时长内的功率调度指标,对每个风电场在各单位时长内的出力模式进行调整。如此,在对风电场集群发电控制过程中,能够根据各风电场在后续时段内的数值天气预报数据对风电场进行聚类,从而准确预测出风电场集群在后续时段的预测功率,然后再通过动优化对风电场在各个周期的功率进行滚动优化,对各簇风电场在各周期的每个子周期的功率进行滚动优化,对各风电场在每个子周期的多个单位时长的功率进行滚动优化,从通过在每一层优化中逐渐减小预测的时间和空间尺度,能够提高控制的准确性并减轻预测误差的影响,进而实现对风电集群的精确预测和控控制,可以有效地平抑风电爬坡事件的功率波动,提高风电场集群的系统的稳定性。
13、在一个可能的设计中,风电场集群的调度计划约束为:
14、 (1)
15、风电场集群的出力限制约束为:
16、 (2)
17、风电场集群的出力爬坡约束为:
18、且 (3)
19、或 (4)
20、其中,表示风电场集群的预测功率之和,t表示周期数,m表示风电场集群所对应簇的数量,n表示风电场集群中风电场的数量,表示风电场集群中第i个风电场在一个周期的功率值,表示风电场集群中第i个风电场在一个周期的功率预测值;表示风电场集群中第i个风电场的最小出力阈值,表示风电场集群中第i个风电场的装机容量,表示风电场集群在第j+1个周期的总功率,表示风电场集群在第j个周期的总功率,表示周期内功率斜率最大值,表示一个周期的时间长度,表示周期内功率斜率最小值,和均表示功率阈值。
21、在一个可能的设计中,任一簇风电场的调度计划约束为:
22、 (5)
23、任一簇风电场的出力限制约束为:
24、 (6)
25、任一簇风电场的出力爬坡约束为:
26、且 (7)
27、或 (8)
28、其中,表示任一簇中第i个风电场在一个子周期的功率值,表示任一簇中第i个风电场在一个周期的功率计划值,表示任一簇中风电场的数量,表示任一簇中第i个风电场的最小出力阈值,表示任一簇中第i个风电场在一个子周本文档来自技高网...
【技术保护点】
1.一种风电场集群发电控制方法,其特征在于,包括:
2.根据权利要求1所述的风电场集群发电控制方法,其特征在于,风电场集群的调度计划约束为:
3.根据权利要求1所述的风电场集群发电控制方法,其特征在于,任一簇风电场的调度计划约束为:
4.根据权利要求1所述的风电场集群发电控制方法,其特征在于,风电场的调度计划约束为:
5.根据权利要求1所述的风电场集群发电控制方法,其特征在于,所述数值天气预报数据包括风速数据。
6.根据权利要求5所述的风电场集群发电控制方法,其特征在于,所述数值天气预报数据还包括温度数据、气压数据和/或风向数据。
7.根据权利要求1所述的风电场集群发电控制方法,其特征在于,所述功率预测模型为LSTM模型。
8.一种风电场集群发电控制装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如权利要求1~7任意一项所述的风电场集群发电
10.一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上存储有指令,当所述指令在计算机上运行时,执行如权利要求1~7任意一项所述的风电场集群发电控制方法。
...【技术特征摘要】
1.一种风电场集群发电控制方法,其特征在于,包括:
2.根据权利要求1所述的风电场集群发电控制方法,其特征在于,风电场集群的调度计划约束为:
3.根据权利要求1所述的风电场集群发电控制方法,其特征在于,任一簇风电场的调度计划约束为:
4.根据权利要求1所述的风电场集群发电控制方法,其特征在于,风电场的调度计划约束为:
5.根据权利要求1所述的风电场集群发电控制方法,其特征在于,所述数值天气预报数据包括风速数据。
6.根据权利要求5所述的风电场集群发电控制方法,其特征在于,所述数值天气预报数据还包括温度数据、气压数据和/或风向数...
【专利技术属性】
技术研发人员:王京,魏嘉轩,石珈先,杨海翔,房毅,闫来清,
申请(专利权)人:山西城市动力新能源有限公司,
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。