一种风力发电并网系统宽频振荡风险概率化评估方法、系统及设备与流程
本发明属于新能源并网稳定性分析,具体涉及一种风力发电并网系统宽频振荡风险概率化评估方法、系统及设备。
背景技术:
1、在风力发电并网系统中,由于风电机组并网变流器与电网或换流站之间存在复杂的动态交互作用,系统呈现出高阶非线性与多时间尺度的耦合特性,导致宽频振荡现象呈现多发、易发的趋势。宽频振荡是指系统中频率跨越工频附近至数百赫兹乃至更宽范围的持续振荡,其一旦发生,将严重威胁电力系统的安全稳定运行,甚至引发大规模脱网与重大工程事故。因此,准确评估风力发电并网系统的宽频振荡风险至关重要。
2、风力发电的源端输入具有显著的时空不确定性,这直接影响着并网系统的宽频振荡风险。一方面,风速在时间轴上存在强烈的随机波动;另一方面,受尾流效应、风剪切、时延以及机组空间分布等因素影响,同一测风塔风速下不同风电机组的实际出力存在显著的空间差异与相关性。若稳定性评估仅依赖单一的确定性预测结果,或者在概率评估中忽略各风电机组出力的时空相关性,将导致宽频振荡风险的评估结果严重偏离实际(偏乐观或偏保守),无法为系统提供可靠的事前预警。
3、在刻画风速与机组出力的相关性方面,现有技术通常多基于单一copula函数建立联合概率模型。然而,这种处理方式存在明显缺陷:风电机组在最大功率跟踪(mppt)区、限功率区以及极端风速区等不同的运行区间内,其风速-出力的相关结构差异巨大。采用全域单一的copula模型难以兼顾各运行区间的相关性特征;若按照运行区间进行硬性分段(即硬分区)拟合,则会导致联合概率密度在分区边界处发生突变或断层。这种概率密度的不连续性不仅违背了风机出力的真实物理规律,更严重破坏了后续向系统振荡模态进行概率映射时的数学解析精度。
4、此外,在现有的宽频稳定性评估方法中,传统的复转矩系数法和时域仿真法建立在固定的确定性运行点之上,无法反映运行不确定性对稳定裕度的动态影响;蒙特卡洛抽样法虽然精度高,但依赖海量的重复仿真,计算代价极其庞大,无法满足在线评估或高效预警的需求;基于半不变量或级数展开的概率小信号分析效率较高,却依赖分布假设,对新能源非高斯特性刻画有限。更为关键的是,目前的概率化稳定评估方法缺乏将多机组时变功率概率密度直接解析映射至系统振荡模态概率密度的有效手段,导致宽频振荡失稳风险随未来风况和运行工况演变的动态过程难以被连续、高效、准确地量化。
技术实现思路
1、针对现有技术中存在的不足,本发明提供一种风力发电并网系统宽频振荡风险概率化评估方法、系统及设备,将风电出力的时空不确定性传递至系统主导振荡模态的概率分布,从而实现宽频振荡风险随未来运行工况演变的动态量化评估。
2、本发明提供如下技术方案:
3、本发明第一目的在于提供一种风力发电并网系统宽频振荡风险概率化评估方法,包括:
4、获取风电机组的未来风速时序场景,依据风电机组的功率特性在风速数据域上划分多个运行区间,利用软分区隶属度函数对各运行区间的copula子模型进行加权融合,得到连续可微的风速-功率联合概率模型,并基于未来风速时序场景推导得到各风电机组的时变功率概率密度;
5、构建风力发电并网系统的全局节点导纳矩阵,基于全局节点导纳矩阵求解主导振荡模态;
6、基于主导振荡模态的实部对各风电机组功率的灵敏度系数,将时变功率概率密度映射为主导振荡模态的实部的时变概率密度;
7、对主导振荡模态的实部的时变概率密度在预设失稳区间进行积分,得到风力发电并网系统在未来时刻的宽频振荡失稳概率,以实现系统宽频振荡风险的概率化评估。
8、通过软分区隶属度函数消除传统硬分区建模在运行区间边界处的概率密度突变,保证环风速-功率联合概率模型在整个定义域上的连续可微性,为后续稳定性分析提供高精度的概率输入;同时通过建立时变功率概率密度到主导振荡模态实部时变概率密度的解析映射,实现对宽频振荡失稳风险随运行工况动态演变过程的高效量化评估。
9、作为优选,所述利用软分区隶属度函数对各运行区间的copula子模型进行加权融合,包括:
10、依据风电机组的功率曲线在风速数据域上划分多个运行区间;
11、在各运行区间内分别拟合风速与机组有功功率之间的copula子模型;
12、由相邻运行区间边界处的过渡函数构造软分区隶属度函数,使同一风速数据下各运行区间的隶属度之和为1;
13、按照软分区隶属度函数对各运行区间内的最优copula子模型进行加权融合,得到在风速数据域上连续可微的风速-功率联合概率模型。
14、通过软分区隶属度函数对对各运行区间内的最优copula子模型进行加权融合,确保在同一观测数据下各运行区间贡献度的总和恒定,从根本上避免概率密度在分区切换点的阶跃失真,提升联合概率模型对设备实际运行特性的拟合保真度。
15、作为优选,所述按照软分区隶属度函数对各运行区间内的最优copula子模型进行加权融合,得到在风速数据域上连续可微的所述风速-功率联合概率模型,包括:
16、采用非参数核密度估计分别拟合风速数据与风电机组功率的边缘概率密度,并积分得到相应的累积分布函数;
17、基于最优copula子模型的密度函数、累积分布函数、边缘概率密度以及软分区隶属度函数,计算得到风速-功率联合概率模型。
18、作为优选,所述基于主导振荡模态的实部对各风电机组功率的灵敏度系数,将时变功率概率密度映射为主导振荡模态的实部的时变概率密度,包括:
19、由全局节点导纳矩阵的特征方程求解主导振荡模态,根据隐函数求导法则得到主导振荡模态的实部对各风电机组功率的灵敏度系数;
20、在基准运行点附近将主导振荡模态的实部的变化量表示为各风电机组功率偏移量与相应灵敏度系数的加权和;
21、基于各风电机组功率偏移量与相应灵敏度系数的加权和,将时变功率概率密度映射至主导振荡模态的实部,并经核密度估计得到主导振荡模态的实部的时变概率密度。
22、作为优选,所述根据隐函数求导法则得到主导振荡模态的实部对各风电机组功率的灵敏度系数,包括:
23、利用行列式关于矩阵参数的导数展开,计算全局节点导纳矩阵的伴随矩阵与全局节点导纳矩阵对风电机组功率的偏导数矩阵的乘积的迹,以得到特征方程对风电机组功率的偏导数;
24、基于特征方程对风电机组功率的偏导数以及对复频率变量的偏导数,计算得到主导振荡模态的实部对各风电机组功率的灵敏度系数。
25、用隐函数求导法则建立系统特征值与风电机组功率之间的局部线性解析关系,将复杂的非线性稳定性分析问题转化为概率密度的线性变换问题,在保证评估精度的前提下大幅降低计算复杂度。
26、作为优选,所述获取风电机组的未来风速时序场景,包括:
27、将历史风速序列输入时序场景生成模型,得到未来风速时序场景集合,每个场景包含预设时段内的风速序列;
28、计算未来风速时序场景集合中各场景的风速均值和风速标准差;
29、对归一化后的风速均值和风速标准差进行加权求和以得到综合评价指标,选取综合评价指标最大的场景作为典型高波动场景,并将典型高波动场景作为风电机组的未来风速时序场景。
30、通过基于历史测风塔风速序列生成多条未来风速时序场景,并采用兼顾风速水平与波动强度的综合评价指标筛选典型高风速高波动风速场景,避免采用单一确定性风速预测值造成未来风速随机波动特征被平滑的问题,为宽频振荡风险评估提供具有代表性的输入工况。
31、作为优选,所述时序场景生成模型根据历史风速序列提取条件特征,并对随机变量进行映射,生成
k条未来风速时序场景;第
k条未来风速时序场景表示为:
32、
33、其中,为第
k条包含
h个未来时刻的风速时序场景,为由历史风速序列获得的条件特征,为第
k个随机变量,为参数为
θ的时序场景生成模型。
34、作为优选,所述宽频振荡失稳概率为主导振荡模态的实部的概率密度在实部大于零的区间上的积分。
35、本发明第二目的在于提供一种风力发电并网系统宽频振荡风险概率化评估系统,用于实现上述方法,包括:
36、机组功率概率建模模块,被配置为获取风电机组的未来风速时序场景,依据风电机组的功率特性在风速数据域上划分多个运行区间,利用软分区隶属度函数对各运行区间的copula子模型进行加权融合,得到连续可微的风速-功率联合概率模型,并基于未来风速时序场景推导得到各风电机组的时变功率概率密度;
37、振荡风险评估模块,被配置为构建风力发电并网系统的全局节点导纳矩阵,基于全局节点导纳矩阵求解主导振荡模态;基于主导振荡模态的实部对各风电机组功率的灵敏度系数,将时变功率概率密度映射为主导振荡模态的实部的时变概率密度;对主导振荡模态的实部的时变概率密度在预设失稳区间进行积分,得到风力发电并网系统在未来时刻的宽频振荡失稳概率,以实现系统宽频振荡风险的概率化评估。
38、本发明第三目的在于提供一种电子设备,包括至少一个处理单元以及至少一个存储单元,其中,所述存储单元存储有计算机程序,当所述程序被所述处理单元执行时,使得所述处理单元执行上述方法。
39、与现有技术相比,本发明的有益效果为:
40、1. 通过软分区隶属度函数消除传统硬分区建模在运行区间边界处的概率密度突变,保证环风速-功率联合概率模型在整个定义域上的连续可微性,为后续稳定性分析提供高精度的概率输入;
41、2. 通过建立时变功率概率密度到主导振荡模态实部时变概率密度的解析映射,实现对宽频振荡失稳风险随运行工况动态演变过程的高效量化评估。
42、3. 基于历史测风塔风速序列生成多条未来风速时序场景,并采用兼顾风速水平与波动强度的综合评价指标筛选典型高风速高波动风速场景,避免采用单一确定性风速预测值造成未来风速随机波动特征被平滑的问题,为宽频振荡风险评估提供具有代表性的输入工况。
43、4. 在实测算例中,本发明所得失稳概率随运行工况演变,并经蒙特卡洛抽样交叉验证具有较高的评估精度,可为风电柔性直流送出系统宽频振荡风险的事前预警提供量化依据。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com