【技术实现步骤摘要】
本申请涉及智能控制，且更为具体地，涉及一种风力发电机组的并网频率控制系统及其方法。
技术介绍
1、双馈型的风力发电机受到尾流效应的影响，同一风电场内的风力发电机运行状态不尽相同，而风力发电机组并网时转子与电网频率解耦，导致其无法响应电力系统频率的波动，使得电力系统频率不稳定，给供电设备带来不稳定性和安全隐患。
2、因此，急需一种用于风力发电机组的并网频率控制技术来保证电力系统频率的稳定。
技术实现思路
1、本申请提供了一种风力发电机组的并网频率控制系统及其方法，通过控制风力发电机转子转速和桨距角，使其保留一定的有功功率参与电力系统调频，进而保证电力系统频率的稳定。
2、根据本申请的一个方面，提供了一种风力发电机组的并网频率控制系统，其包括：
3、数据监控与采集模块，用于获取风电场内多个海上风机在预定时间段内多个预定时间点的风速值和桨距角，以及，所述多个预定时间点的电网的系统频率值；
4、电网频率编码模块，用于将所述多个预定时间点的电网的系统频率值输入特征提取模块以得到多尺度系统频率特征向量；
5、风机数据编码模块，用于针对各个海上风机，确定所述海上风机在预定时间段内多个预定时间点的风速值对应的风速输入向量和桨距角对应的桨距角输入向量，并根据所述风速输入向量的转置向量和所述桨距角输入向量，确定所述海上风机的协同工作矩阵；
6、工作特征提取模块，用于将各个所述海上风机的协同工作矩阵输入作为过滤器的第一卷积神经网络以
7、工作特征校正模块，用于对各个所述海上风机的工作特征向量进行特征分布校正以得到校正后的各个所述海上风机的工作特征向量，并基于校正后的所述多个海上风机的工作特征向量确定所述多个海上风机的工作特征矩阵；
8、拓扑矩阵获取模块，用于获取所述多个海上风机的拓扑矩阵，其中，所述拓扑矩阵中非对角线位置上的各个元素的值为两个海上风机之间的距离，所述拓扑矩阵中对角线位置上各个元素的值为零；
9、拓扑特征提取模块，用于将所述拓扑矩阵输入作为特征提取器的第二卷积神经网络以得到拓扑特征矩阵；
10、图结构数据处理模块，用于将所述拓扑特征矩阵和所述工作特征矩阵输入图神经网络以得到拓扑工作特征矩阵；
11、待调节数据提取模块，用于从所述拓扑工作特征矩阵中提取待调节的海上风机对应的行向量作为检测特征向量；
12、响应性估计模块，用于计算所述检测特征向量相对于所述多尺度系统频率特征向量的响应性估计以得到分类特征矩阵；以及
13、控制结果生成模块，用于将所述分类特征矩阵输入分类器以得到分类结果，其中，所述分类结果用于指示所述待调节的海上风机在当前时间点的桨距角应增大或减小。
14、根据本申请的另一方面，提供了一种风力发电机组的并网频率控制方法，其包括：
15、获取风电场内多个海上风机在预定时间段内多个预定时间点的风速值和桨距角，以及，所述多个预定时间点的电网的系统频率值；
16、将所述多个预定时间点的电网的系统频率值输入特征提取模块以得到多尺度系统频率特征向量；
17、针对各个海上风机，确定所述海上风机在预定时间段内多个预定时间点的风速值对应的风速输入向量和桨距角对应的桨距角输入向量，并根据所述风速输入向量的转置向量和所述桨距角输入向量，确定所述海上风机的协同工作矩阵；
18、将各个所述海上风机的协同工作矩阵输入作为过滤器的第一卷积神经网络以得到各个所述海上风机的工作特征向量；
19、对各个所述海上风机的工作特征向量进行特征分布校正以得到校正后的各个所述海上风机的工作特征向量，并基于校正后的所述多个海上风机的工作特征向量确定所述多个海上风机的工作特征矩阵；
20、获取所述多个海上风机的拓扑矩阵，其中，所述拓扑矩阵中非对角线位置上的各个元素的值为两个海上风机之间的距离，所述拓扑矩阵中对角线位置上各个元素的值为零；
21、将所述拓扑矩阵输入作为特征提取器的第二卷积神经网络以得到拓扑特征矩阵；
22、将所述拓扑特征矩阵和所述工作特征矩阵输入图神经网络以得到拓扑工作特征矩阵；
23、从所述拓扑工作特征矩阵中提取待调节的海上风机对应的行向量作为检测特征向量；
24、计算所述检测特征向量相对于所述多尺度系统频率特征向量的响应性估计以得到分类特征矩阵；以及
25、将所述分类特征矩阵输入分类器以得到分类结果，其中，所述分类结果用于指示所述待调节的海上风机在当前时间点的桨距角应增大或减小。
26、根据本申请的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的风力发电机组的并网频率控制方法。
27、本申请提供的一种风力发电机组的并网频率控制系统及其方法，其通过作为过滤器的第一卷积神经网络来对于风电场内多个海上风机在预定时间段内多个预定时间点的风速值和桨距角的协同工作状态特征进行提取，并引入多个海上风机对应的拓扑矩阵来表示各个海上风机之间的尾流效应的相互影响，以表征各个海上风机的工作状态特征；然后，以各个海上风机的工作状态特征相对于电网的系统频率动态隐含特征的响应性估计，来表征两者的关联性特征以进行桨距角的精准控制。这样，可以通过控制风力发电机转子转速和桨距角，使其保留一定的有功功率参与电力系统调频，进而保证电力系统频率的稳定。
本文档来自技高网...【技术保护点】
1.一种风力发电机组的并网频率控制系统，其特征在于，包括：
2.根据权利要求1所述的风力发电机组的并网频率控制系统，其特征在于，所述电网频率编码模块，包括：
3.根据权利要求1所述的风力发电机组的并网频率控制系统，其特征在于，所述第一卷积神经网络包括多层，所述工作特征提取模块，用于：使用所述第一卷积神经网络的各层在层的正向传递中分别进行：
4.根据权利要求3所述的风力发电机组的并网频率控制系统，其特征在于，所述工作特征校正模块，用于：通过如下公式对各个所述海上风机的工作特征向量进行特征分布校正以得到校正后各个所述海上风机的工作特征向量；
5.根据权利要求1所述的风力发电机组的并网频率控制系统，其特征在于，所述第二卷积神经网络包括多层；
6.根据权利要求1所述的风力发电机组的并网频率控制系统，其特征在于，所述响应性估计模块，用于：通过如下公式计算所述检测特征向量相对于所述多尺度系统频率特征向量的响应性估计以得到所述分类特征矩阵；
7.根据权利要求1-6任一项所述的风力发电机组的并网频率控制系统，其特征在于，所述
8.一种风力发电机组的并网频率控制方法，其特征在于，包括：
9.根据权利要求8所述的风力发电机组的并网频率控制方法，其特征在于，所述将所述多个预定时间点的电网的系统频率值输入特征提取模块以得到多尺度系统频率特征向量，包括：
10.根据权利要求8所述的风力发电机组的并网频率控制方法，其特征在于，所述第一卷积神经网络包括多层，所述将各个所述海上风机的协同工作矩阵输入作为过滤器的第一卷积神经网络以得到各个所述海上风机的工作特征向量，包括：
...【技术特征摘要】
1.一种风力发电机组的并网频率控制系统，其特征在于，包括：
2.根据权利要求1所述的风力发电机组的并网频率控制系统，其特征在于，所述电网频率编码模块，包括：
3.根据权利要求1所述的风力发电机组的并网频率控制系统，其特征在于，所述第一卷积神经网络包括多层，所述工作特征提取模块，用于：使用所述第一卷积神经网络的各层在层的正向传递中分别进行：
4.根据权利要求3所述的风力发电机组的并网频率控制系统，其特征在于，所述工作特征校正模块，用于：通过如下公式对各个所述海上风机的工作特征向量进行特征分布校正以得到校正后各个所述海上风机的工作特征向量；
5.根据权利要求1所述的风力发电机组的并网频率控制系统，其特征在于，所述第二卷积神经网络包括多层；
6.根据权利要求1所述的风力发电机组的并网...
【专利技术属性】
技术研发人员：韩健，杨政厚，马羽龙，陈志文，段选锋，伟特，
申请(专利权)人：北京华能新锐控制技术有限公司，
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。