针对复杂拓扑结构海上风电场群的综合置信容量评估方法与流程

1.本发明涉及一种风电置信容量评估方法，尤其涉及一种针对复杂拓扑结构海上风电场群的综合置信容量评估方法。


背景技术：

2.随着海上风电规划建设的不断推进，为了保证大规模海上风电并网规划的顺利进行，需要对其考虑随机风速及可靠性问题下的实际运行等效容量进行评估，即对其置信容量进行等效计算。同时，随着海上风电不断向大规模、深远海方向发展，风电场风机数量众多，其集电系统拓扑结构复杂，很可能具有大量环网结构。由于海上风电场群内部集电系统的拓扑构成复杂、开关配置构成灵活，集电系统的可靠性评估常采用解析法，但是，由于集电系统拓扑结构可能存在环网，结构与约束均较复杂，在元件停运后的故障后果分析和拓扑重构、风机切除等问题均是传统放射型拓扑不存在的特殊问题，不能用已有的可靠性评估方法进行解决。此外，多个风电场内集电系统的可靠性评估需要考虑降维的风速分布，而风电场群整体的可靠性评估需要考虑多变量的联合分布，若不进行风速数据的处理与风电场级数据的相关性分析，将耗时巨大，无法保证计算效率。


技术实现要素：

3.有鉴于此，发明的目的是提供一种针对复杂拓扑结构海上风电场群的综合置信容量评估方法，能够针对海上风电场集电系统的任意风机分布、任意拓扑拓扑、任意开关配置进行准确的可靠性评估，能够进行送出系统的可靠性评估，并利用聚类技术和copula函数大大削减计算量，最终得出综合置信容量结果，为海上风电的大规模规划开发提供重要的技术支持。
4.为实现上述目的，本发明采用的技术方案如下：
5.针对复杂拓扑结构海上风电场群的综合置信容量评估方法，包括以下步骤：
6.步骤1，采集勘探或者气象风速数据，根据尾流模型，生成风电场群风机出力数据，对风电场群风机出力数据进行降维及特征提取，得到各风电场内部风机出力主要场景；
7.步骤2，对风电场总出力进行分析，得到风电场联合出力分布及各风电场的边缘出力分布，通过对风电场联合出力分布及各风电场的边缘出力分布进行最大似然估计，得到copula联合分布函数；
8.步骤3，根据步骤1中得到的各风电场内部风机出力主要场景，通过线性最优潮流模型进行计算，得到离散的各个风电场的修正出力分布，并进行连续拟合，根据copula联合分布函数，将拟合后的各个风电场的修正出力分布建立联合分布，生成风电场群的总出力分布；根据风电场群的总出力分布和送出系统的停运表，得到并网出力分布；
9.步骤4，根据步骤3得到的并网出力分布，得到综合置信容量；根据综合置信容量评估海上风电场群的供应负荷的持续性和充足性。
10.进一步的，步骤1的具体过程为：
11.采集勘探或者气象风速数据，根据风机位置、风机出力模型与尾流模型，生成风电场群风机出力分布，然后对风电场群风机出力数据进行降维及k-means聚类，提取各风电场内部风机出力主要场景。
12.进一步的，步骤2的具体过程为：
13.对各风电场的出力分布和风电场群出力分布进行连续出力分布的最大似然估计，然后选取截断高斯分布、beta分布与gamma分布中拟合误差最小的分布作为连续分布函数；根据连续分布函数得到各风电场的边缘出力分布拟合函数；
14.根据各风电场的边缘出力分布拟合函数，得到各风电场出力相关性的copula联合分布函数。
15.进一步的，连续分布函数具体通过以下过程得到：
16.1)分布方式为截断高斯分布时，最大似然函数其中θ为分布函数的参数向量，为风电场f的样本集合，h为分布函数的参数向量θ下的联合分布函数，a
fi
为中的某一个样本；
17.2)对最大似然函数l取对数得h(θ)＝lnl(θ)；
18.3)求解使得出现样本最大概率的参数θ值；
19.4)根据参数θ确定完整的拟合分布，计算拟合误差；
20.5)对beta分布与gamma分布分别进行步骤1)至步骤4)，比较截断高斯分布、beta分布与gamma分布的拟合误差，选择拟合误差最小的分布模型，得到连续分布函数。
21.进一步的，步骤3的具体过程为：
22.生成故障场景，通过线性最优潮流模型对各风电场内部风机出力主要场景的每一故障场景进行分析，得到离散的各个风电场的修正出力分布；
23.将离散的各个风电场的修正出力分布进行最大似然估计，拟合得到连续分布，并根据copula联合分布函数建立联合分布，生成风电场群的总出力分布；
24.由升压站与电缆元件串联计算，计算送出系统的停运表，将风电场群的总出力分布与送出系统的停运表进行卷积，得到并网出力分布。
25.进一步的，线性最优潮流模型的约束包括：潮流约束、节点电压不能越限和线路电流不能越限约束以及故障区域的电缆运行耦合关系；
26.潮流约束如下：
[0027][0028][0029][0030]
式中，u
i，s
为节点i在s场景下的电压，m为一个大数，为支路ij在场景s下的开断情况(0为断开)，i
i，s
为节点i在s场景下的注入电流，i
ij，s
为支路ij在s场景下的电流，r
ij
为支路ij的电阻，为风机i在s场景下的最大可发功率，为支路集合，为场景集合；
[0031]
节点电压不能越限和线路电流不能越限的约束如下：
[0032][0033][0034]
式中，u为电压下限，为电压上限，是支路ij的电流上限；
[0035]
故障区域的电缆运行耦合关系如下：
[0036][0037][0038][0039][0040][0041][0042]
式中，r
ij，s
表示支路ij在s场景下靠近i节点半区的开断情况(0为断开)，b
ji
表示ij支路j节点是否配置断路器(1为配置)，s
(1)
及s
(2)
表示k故障下的某个运行场景，是任意k故障下的运行场景集合，ij
→
k表示线路ij断开对应故障k，下标0表示汇流站；
[0043]
进一步的，步骤4的具体过程为：根据并网出力分布进行积分，建立横轴是持续时间，纵轴是出力大小的持续时间出力分布，利用待求置信容量p
crd
作为未知量构建两个可靠性参数的表达式：
[0044][0045][0046]
式中，x(t)为积分结果，lolp为失负荷概率，eens为失负荷电量期望。
[0047]
根据失负荷概率lolp和失负荷电量期望eens，求得各自对应的置信容量，最小的置信容量为综合置信容量。
[0048]
进一步的，根据综合置信容量评估海上风电场群的供应负荷的持续性和充足性的具体过程为：
[0049]
若综合置信容量达不到规划预期水平，则海上风电场群在供应负荷的持续性或充足性上存在缺陷；若综合置信容量达到规划预期水平，则海上风电场群在供应负荷的持续性或充足性满足要求。
[0050]
与现有技术相比，本发明具有有益效果：
[0051]
1)本发明考虑了风电系统并网中风机的随机故障与集电系统电缆的随机故障，评估了风电场级的可靠性问题，利用出力指标定量地反映了可靠性问题对于风电场整体出力的影响，使得最终对于风电场置信容量的计算更加真实、更加反映实际运行情况。据相关数据，由于风机的故障停运概率可达到95％，实际上风电场的总出力往往明显低于预期出力。
现有技术忽略了风机及电缆的停运，对于整体系统的评估引入了明显误差；而本发明考虑了此因素，评估结果将更加准确，可以反映系统运行的实际情况。
[0052]
2)本发明考虑了未来海上风电大规模开发情况下的海上风电场群共同并网的情景。此情景下多个风电场地理毗邻，存在显著的互相影响，出力情况具有强相关性。同时，由于问题分析的规模更大，考虑风速及相关性的可靠性计算会更为困难，具有很大的时间复杂度。本发明基于现有的copula函数分析各风电场的出力相关性；进而将可靠性问题作为风电场出力分布的修正，实现了风电场群总出力问题的分布式计算，大大降低了计算耗时；最终通过copula函数将各风电场的边缘分布结合建立联合分布，取得总出力分布的结果。本发明实现了整体问题的分解，将整个计算量分解为若干子问题的计算，再利用相关性结合得到主问题，从而实现了计算时间的节省。
[0053]
3)鉴于未来海上风电场将会采用更加复杂的集电系统拓扑，本发明提出了复杂拓扑结构集电系统的可靠性评估方法；由于电力系统潮流模型的复杂，提出了一种线性潮流模型进行计算的简化；由于集电系统的开关配置情况复杂，提出了一种电缆开断耦合模型，将整体可靠性评估转变为一个优化问题，进行快速的求解分析。
[0054]
4)现有风电置信容量评估的方法基本上仅考虑了一个可靠性指标：lolp或eens。仅考虑一个指标不能综合评价风电系统出力的波动。本发明提出同时考虑两个可靠性指标，得到综合置信容量指标，可以确保系统同时满足失负荷率要求(lolp)和失负荷量要求(eens)。
附图说明
[0055]
下面结合附图和实施例对本发明作进一步描述：
[0056]
图1为本发明的流程图。
[0057]
图2为本发明的综合置信容量评估示意图。
具体实施方式
[0058]
以下结合说明书附图对本发明做出进一步详细说明。
[0059]
如图1所示：本发明提供的一种针对复杂拓扑结构海上风电场群的综合置信容量评估方法，通过风速场景聚类、联合分布生成、基于优化的可靠性计算及多参数综合置信容量计算四个流程得到最终的综合置信容量结果。具体包括以下步骤：
[0060]
步骤1，风速场景聚类能够根据尾流模型采用原始风速数据生成风电场群风机出力数据(离散)，同时对风电场群风机出力数据进行降维及特征提取并得到各风电场内部风机出力主要场景；具体过程为：
[0061]
采集勘探或者气象风速数据，首先利用风速数据根据风机位置、风机出力模型与尾流模型，生成风电场群风机出力分布(离散)，由于出力分布数据较为庞大，采用全部原始数据进行后续风电场内部的分析是完全不可行的，需要在步骤1进行降维及k-means聚类，提取各风电场内部风机出力主要场景，降低数据量级，进行后续分析的准备，其具体步骤如下：
[0062]
1)输入风电场群风机出力数据，进行归一化预处理，此外令i＝1；
[0063]
2)开始第i个风电场数据的处理；
[0064]
3)将风电场群风机出力数据降维至第i个风电场的维度，即将各数据点去除其他风电场风机的数据；
[0065]
4)预设k的值，k为聚类后主要场景的总数；
[0066]
5)随机初始化k个聚类中心；
[0067]
6)计算第i个风电场数据到每个聚类中心的距离，将第i个风电场数据点分配到最近的类中；
[0068]
7)重新计算各类别的聚类中心，聚类中心n为数据点个数，为r类数据的集合，a为数据点向量；
[0069]
8)重复步骤6)和步骤7)，直到最小误差变化小于某个标准或迭代次数达到限制；
[0070]
9)完成第i个风电场的数据处理，i＝i 1，重复2)～9)直至i等于风电场数量，得到风电场群风机出力分布。
[0071]
步骤2，对进行风电场总出力的分析，得到风电场联合出力分布(离散)及各风电场的边缘出力分布(离散)，通过对于两个分布进行最大似然估计，得到两个连续的拟合函数——各风电场出力的边缘分布及风电场联合出力分布，并得到描述各风电场出力相关性的copula联合分布函数，可大幅度降低后续可靠性修正流程的工作量，具体过程为：
[0072]
将各风电场的出力分布视为边缘分布，将风电场群出力分布作为联合分布，对边缘分布和联合分布进行连续出力分布的概率拟合，待选分布有截断高斯分布、beta分布与gamma分布，选取拟合精度最大的分布作为其连续分布函数，包括两个步骤，第一步具体如下：
[0073]
1)分布方式设为截断高斯分布，定义最大似然函数其中θ为分布函数的参数向量，为风电场f的样本集合，h为分布函数的参数向量θ下的联合分布函数，a
fi
为中的某一个样本；
[0074]
2)对最大似然函数l取对数得h(θ)＝lnl(θ)；
[0075]
3)求解使得出现该组样本最大概率的参数θ值，可采用求极值点的方法，对函数h(θ)进行求导，得解方程组，得到参数θ的值
[0076]
4)根据参数θ确定完整的拟合分布，计算拟合误差；
[0077]
5)对另两种待选分布分别进行步骤1)至步骤4)，比较三种待选分布的拟合精度，选择精度最大的分布模型，将参数θ下，各风电场的边缘出力分布拟合函数记为fi(xi)。
[0078]
第二步为各风电场出力copula联合分布函数的求取，具体过程为：设各风电场的边缘出力分布拟合函数分别为f1(x1),f2(x2),
…
,fn(xn)，风电场联合出力分布的拟合函数为g(x)，其中x＝(x1,x2,
…
,xn)，计算copula联合分布函数得到此时得到的copula联合分布函数即可描述各风电场出力的相关性，风电场联合出力分布g(x)可表示为g＝c[f1(x1)，f2(x2)，...，fn(xn)]。
[0079]
步骤3，根据步骤1中得到的各风电场内部风机出力主要场景，通过线性最优潮流模型进行最优控制，以最小的出力损失为目标，分析模型考虑风机的切除、电缆支路的切除
和多个风速场景，从而能够分析复杂拓扑结构集电系统的故障后拓扑重构与风机切除，根据线性最优潮流模型的计算结果，得到离散的各个风电场的修正出力分布，再根据步骤2中得到的根据copula联合分布函数，生成风电场群的总出力分布，将风电场群的总出力分布和送出系统的停运表串联，最终得到风电场群的并网出力分布。具体过程为：
[0080]
第一步，生成故障场景：采用故障枚举法枚举所有的2阶事件(或1阶、3阶事件)，主要考虑电缆故障，生成对应故障场景的系统运行参数集，其中电缆是否运行正常用变量r表示，若某故障场景d下电缆ij故障，则令断路器存在与否用b
ij
表示，b
ij
＝1表示电缆ij中i节点附近安装了一台断路器；
[0081]
第二步，构建线性最优潮流模型：首先根据集电系统有功远大于无功的特征，采用了忽略无功、电抗与电压相角的近似，支路潮流表达形式为：
[0082]
pi＝uiii[0083]
ui＝r
ijiij
uj[0084]
式中，ii为节点i注入电流，ui为节点i的电压，pi为节点i的注入功率。r
ij
为支路ij的电阻，i
ij
为支路ij的电流，uj为节点j的电压。
[0085]
节点注入电流采用了泰勒展开的近似，表达形式为：
[0086][0087]
根据线性潮流模型建立集电系统的潮流方程：
[0088][0089][0090]
u＝ri
[0091]
式中，第一个公式与第三个公式为矩阵变量形式，i为注入电流向量，p为风机实际输出功率向量，为哈达玛积，2为全2向量，u为节点电压向量，r为电阻矩阵；第二个公式是用具体变量构成的形式，p
i,s
为风机i在场景s中的实际输出，为风机i在场景s中的最大可输出功率。其中，风机出力p利用各风电场内部风机出力主要场景提取单个风机出力得到，电压向量中u
0，s
＝1，下标0代表换流站节点；
[0092]
考虑线路的开断根据集电系统的潮流方程，将潮流约束输入优化模型，潮流约束如下：
[0093][0094][0095][0096]
式中，u
i，s
为节点i在s场景下的电压，m为一个大数，为支路ij在场景s下的开断情况(0为断开)，i
i，s
为节点i在s场景下的注入电流，i
ij，s
为支路ij在s场景下的电流，r
ij
为支路ij的电阻，为风机i在s场景下的最大可发功率，为支路集合，为场景集合；
[0097]
优化模型仍存在节点电压不能越限和线路电流不能越限的约束：
[0098][0099][0100]
式中，u为电压下限，为电压上限，是支路ij的电流上限；
[0101]
第三步，对于集电系统，考虑电缆故障后，断路器动作将会使得一个区域被切除，用大量约束描述此故障区域的电缆运行耦合关系：
[0102][0103][0104][0105]
式中，r
ij，s
表示支路ij在s场景下靠近i节点半区的开断情况(0为断开)，b
ji
表示ij支路j节点是否配置断路器(1为配置)；
[0106]
第四步，设定某个故障场景下的断路器仅动作一次，以保护断路器的工作寿命，增加约束如下，是任意k故障下的运行场景集合：
[0107][0108]
式中，s
(1)
及s
(2)
表示k故障下的某个运行场景，是任意k故障下的运行场景集合；
[0109]
第五步，设定每个故障场景下的故障：
[0110][0111]
式中，ij
→
k表示线路ij断开对应故障k；
[0112]
第六步，设定优化模型的目标函数为所有该出力场景下的集电功率最大：
[0113][0114]
式中，下标0表示汇流站；
[0115]
通过上述优化模型对各个风电场的每一出力场景的每一故障场景进行分析，得到离散的各个风电场的修正出力分布；
[0116]
第七步，将离散的各个风电场的修正出力分布乘以风机可用率，随后进行最大似然估计，拟合得到连续分布，并利用步骤2中得到的copula联合分布函数建立联合分布，生成风电场群的总出力分布；
[0117]
第八步，由升压站、电缆元件串联计算，得到送出系统的停运表，将该风电场群的总出力分布与送出系统的停运表进行卷积，得到并网出力分布gc(x)。
[0118]
步骤4，多参数综合置信容量计算：利用步骤3得到的并网出力分布gc(x)考虑多个可靠性参数进行风电场群置信容量的综合评估，多参数包括等效常规机组的lolp、eens参数，等效后风电场群置信容量的两个可靠性参数lolp、eens需要全部达到要求；
[0119]
具体过程为：
[0120]
首先根据并网出力分布gc(x)进行积分，建立横轴是持续时间，纵轴是出力大小的持续时间出力分布，该分布是一个单调函数，如图2所示，可利用待求置信容量p
crd
作为未知量构建两个可靠性参数的表达式：
[0121][0122][0123]
式中，x(t)为积分结果，lolp为失负荷概率，eens为失负荷电量期望。
[0124]
根据失负荷概率lolp和失负荷电量期望eens，求得各自对应的置信容量，取最小的置信容量，即为该风电系统并网的综合置信容量。
[0125]
求得综合置信容量后，综合置信容量的值即为风电系统满足两个可靠性参数下的最大可带负荷，该综合置信容量是风电系统规划的一个重要参考，可以评估系统单独供应负荷的能力，若综合置信容量达不到规划预期水平(可以根据实际情况确定)，则说明系统在供应负荷的持续性或充足性上存在缺陷，需要在规划方案中采取其他的方式提升系统带负荷能力(如储能)。若综合置信容量达到规划预期水平(可以根据实际情况确定)，则可以利用该指标进行系统电力供应能力的横向比较或定量分析。
[0126]
下面构建一个简单算例进行本发明计算情况的说明。
[0127]
风电场群共有10个风电场，每个风电场的风机数量为30个，采用放射状拓扑和完全开关配置，风电场群风机出力分布的数据由40个数据点构成，各风电场内部风机出力分布由40个数据点构成，可靠性分析仅考虑一阶事件，分别采用本发明各风电场单独进行出力修正并利用copula函数建立联合分布的方法计算和采用常规枚举法统一枚举风电场群一阶故障的计算，本发明方法的用时为350s，常规枚举法的用时为25000s，明显存在差异，算例计算说明了本发明计算方法效率上的显著提升，从而提高了评估效率。
[0128]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。