【技术实现步骤摘要】
本专利技术涉及电力系统及其自动化，具体为一种考虑风电低穿差异的电网频率拟合方法及系统。
技术介绍
1、在高比例新能源电网中，风电场近区发生短路故障可能导致大范围风电同时进入低电压穿越状态(简称低穿)，故障切除后陆续恢复正常运行。在此过程中系统将承受大容量暂时性的低穿扰动功率，可能引起电网频率迅速跌落甚至触发低频减载的风险，成为未来以新能源为主体新型电力系统安全稳定运行面临的严峻挑战。风电低穿过程将对系统产生持续却非永久的有功扰动冲击，其大小与风电场的容量、低穿前运行状态等因素有关，且随着风电场接入规模增大，各风电场间的有功功率恢复差异对低穿过程中的冲击能量大小影响不容忽视。
2、随着电力系统的数字化和智能化程度的提高，未来的考虑风电低穿差异的电网频率拟合很可能利用大数据和人工智能技术，机器学习算法和深度学习模型可以分析复杂的电力系统数据，提取特征，并优化频率拟合模型，这有助于更准确地预测电网频率的变化趋势和调整需求，考虑风电低穿差异的电网频率拟合技术前景非常广泛，将受益于数字化技术、人工智能、新型控制算法等领域的不断发展。这些技术的应用有助于提高电力系统的稳定性、可靠性，并更好地适应未来电力系统的复杂性和可再生能源的大规模集成。
技术实现思路
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：本专利技术是解决传统的频率稳定性调节系统通常依赖于复杂的控制算法和反馈环路，导致响应速度受限，并且往往无法准确捕捉电网频率的快速变化，同
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术提供了一种考虑风电低穿差异的电网频率拟合方法，包括：
5、获取预想故障下含有风电机组运行结果的原始文件，提取原始文件中的数据，以得到低穿扰动功率量；
6、依据风电机组的参数数据得到新能源电力系统的频率响应优化模型，并根据所述频率响应优化模型，进行参数辨识，得到频率响应优化模型传递函数；
7、依据风电机组的参数数据计算得到低穿扰动功率的单机等值模型参数，求得低穿扰动功率的解析式；
8、以所述低穿扰动功率的解析式为输入，代入所述频率响应优化模型传递函数中得到频率偏差的解析式及其曲线轨迹，通过拟合特性评估频率特征量。
9、作为本专利技术所述的考虑风电低穿差异的电网频率拟合方法的一种优选方案，其中：所述低穿扰动功率量，表示为，
10、
11、其中，pi造入低穿(t)表示风机群进入低穿的有功曲线，pi未进入低穿(t)表示风电机群未进入低穿的有功曲线，pi未各风机群的额定有功功率。
12、作为本专利技术所述的考虑风电低穿差异的电网频率拟合方法的一种优选方案，其中：所述依据风电机组的参数数据推导新能源电力系统的频率响应优化模型，并根据所述频率响应优化模型，进行参数辨识，得到频率响应优化模型传递函数，包括，
13、频率响应优化模型传递函数，表示为，
14、
15、其中，a0～a3与b0～b2为参数辨识的待求量，s为s域算子。
16、作为本专利技术所述的考虑风电低穿差异的电网频率拟合方法的一种优选方案，其中：所述参数辨识，包括，
17、通过比较预测输出量和仿真系统实测量的平方误差总和作为目标函数，定量评价不同迭代次数的拟合程度，达到最大迭代次数误差，参数辨识的最优结果，表示为，
18、
19、其中，表示预测输出量，y(t)仿真系统实测量，表示平方误差总和，ε表示算法引入的指定误差指标。
20、作为本专利技术所述的考虑风电低穿差异的电网频率拟合方法的一种优选方案，其中：所述依据风电机组的参数数据计算得到低穿扰动功率的单机等值模型参数，包括，
21、求出进入低穿的各机组能量损失之和，表示为，
22、
23、当采用以等值风电机组对系统的扰动功率值进行近似计算时，其总有功扰动，表示为，
24、
25、等值风机恢复开始时间tc,σ应根据该详细模型曲线多折线特点，选为最先进入恢复阶段的单机时间，表示为，
26、tc,σ＝min(tc,i)
27、故障恢复时间，表示为，
28、tf,σ＝tc,σ+pσ/kσ
29、通过规定恢复斜率以限制该模型曲线不偏离详细模型，表示为，
30、
31、求得低穿扰动功率的解析式，表示为，
32、
33、其中，t1,i为风机进入低穿的时间，tc,i为恢复开始时刻；i为进入低穿的风电机群的编号；pi为风电单机低穿前正常运行有功功率；将进入恢复阶段的风机群以ki的斜坡速率直至恢复为故障前功率；δpσ表示有功功率极值，tc,σ表示故障恢复开始时间，kσ表示恢复阶段的有功恢复速率，tf,σ表示故障恢复时间，t1,σ为风机进入低穿的时间，l+1～l+m+1为风电编号。
34、作为本专利技术所述的考虑风电低穿差异的电网频率拟合方法的一种优选方案，其中：所述频率偏差的表达式，表示为，
35、
36、其中，表示频率在时间t(1,σ)处的衰减或增长，表示频率在时间t(1,σ)处的衰减，表示频率在时间t(1,σ)处的增长，a0～a3与b0～b2为参数辨识的待求量。
37、作为本专利技术所述的考虑风电低穿差异的电网频率拟合方法的一种优选方案，其中：通过拟合特性评估频率特征量，其中，
38、拟合特性包括精确性和收敛快速性，
39、精确性评估，通过计算拟合值和实际值之间的误差程度，表示为，
40、δ＝|ysim-yfit|
41、其中，ysim表示通过仿真或实际采样得到的频率特征量标幺值，yfit表示拟合求得的频率特征量标幺值；
42、收敛快速性评估，以平方误差总和为标准，对比不同算法在不同迭代次数时下降情况。
43、第二方面，本专利技术提供了一种考虑风电低穿差异的电网频率拟合的系统，包括：
44、数据提取及预处理模块，用于提取原始文件中的数据，通过计算求出低穿扰动功率量数据，并将其转化为标幺值，其中功率数据以系统有功容量为基准；
45、等值计算模块，用于以各台风电进入低穿时间、低穿结束时间、恢复速率、有功功率为数据，依据能量守恒原理计算出考虑功率恢复差异的低穿扰动功率的单机等值模型参数，求得低穿扰动功率的解析式；
46、参数辨识模块，用于以低穿扰动功率数据为参数辨识的输入集，系统频率偏差数据为参数辨识的输出集以智能辨识方法为参数辨识的算法，输出频率响应优化模型传递函数的系数；
47、计算输出模块，用于以拟合特性为评估标准来判断拟合的好坏，包括精确性和收敛的快速性，精确性以误差程度作为标准，将初本文档来自技高网...
【技术保护点】
1.一种考虑风电低穿差异的电网频率拟合方法，其特征在于，包括：
2.如权利要求1所述考虑风电低穿差异的电网频率拟合方法，其特征在于，所述低穿扰动功率量，表示为，
3.如权利要求2所述考虑风电低穿差异的电网频率拟合方法，其特征在于，所述依据风电机组的参数数据得到新能源电力系统的频率响应优化模型，并根据所述频率响应优化模型，进行参数辨识，得到频率响应优化模型传递函数，包括，
4.如权利要求3所述考虑风电低穿差异的电网频率拟合方法，其特征在于，所述参数辨识，包括，
5.如权利要求4所述考虑风电低穿差异的电网频率拟合方法，其特征在于，所述依据风电机组的参数数据计算得到低穿扰动功率的单机等值模型参数，包括，
6.如权利要求5所述考虑风电低穿差异的电网频率拟合方法，其特征在于，所述频率偏差的表达式，表示为，
7.如权利要求3或6所述考虑风电低穿差异的电网频率拟合方法，其特征在于，通过拟合特性评估频率特征量，其中，
8.一种考虑风电低穿差异的电网频率拟合方法的系统，其特征在于，包括：
9.一种电子设
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1～7中任一所述的方法。
...【技术特征摘要】
1.一种考虑风电低穿差异的电网频率拟合方法，其特征在于，包括：
2.如权利要求1所述考虑风电低穿差异的电网频率拟合方法，其特征在于，所述低穿扰动功率量，表示为，
3.如权利要求2所述考虑风电低穿差异的电网频率拟合方法，其特征在于，所述依据风电机组的参数数据得到新能源电力系统的频率响应优化模型，并根据所述频率响应优化模型，进行参数辨识，得到频率响应优化模型传递函数，包括，
4.如权利要求3所述考虑风电低穿差异的电网频率拟合方法，其特征在于，所述参数辨识，包括，
5.如权利要求4所述考虑风电低穿差异的电网频率拟合方法，其特征在于，所述依据...
【专利技术属性】
技术研发人员：吕亚洲，张宇栋，赖业宁，程昊，汤凡，刘福锁，梁晓斌，李威，薛峰，李兆伟，郄朝辉，张倩，黄慧，吴雪莲，聂陆燕，赵丽莉，孙仲卿，周磊，黄锡芳，张承义，胡阳，郜建良，倪禛霖，徐广，李泽，吕睿，李增尧，
申请(专利权)人：国家电网有限公司西南分部，
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。