权利要求书: 1.一种通过建模风电调频参数概率分布实现风机控制的方法,其特征在于,包括:获取风机数据采样装置记录的历史转子转速数据并进行预处理;
在当前系统调度周期内,对风机调频控制器固定参数进行设置;
将设置好的风机调频控制器固定参数、以及预处理后的历史转子转速数据,结合风电最大可响应系统频率变化能力,计算风机调频控制器额外可变参数在历史时刻点上的理想值的时间序列;
对历史时刻点上的理想值的时间序列进行分类,通过条件核密度估计对风机调频控制器额外可变参数进行预测,并生成不同时刻点的概率密度函数,计算对应置信区间,再以此实现风机控制。
2.根据权利要求1所述的一种通过建模风电调频参数概率分布实现风机控制的方法,其特征在于,对历史转子转速数据进行预处理的方式包括:根据各时刻点数据样本转子转速判断是否小于最大功率跟踪状态转速下限;如果当前时刻点数据样本转子转速小于最大功率跟踪状态转速下限或存在数据缺失,则弃置当前时刻点的数据样本,否则进行保留。
3.根据权利要求1所述的一种通过建模风电调频参数概率分布实现风机控制的方法,其特征在于,对风机调频控制器固定参数进行设置包括:对于惯量响应,通过引入额外的有功控制环节响应频率变化,风机有功输出变化量表示为:
其中,ΔP为风机调频控制器响应系统频率变化的调频辅助功率,kd和kp为风机调频控制器固定参数,二者分别为风机调频控制器微分和比例系数,f为系统频率,Δf为系统频率变化量,t表示时间;
在当前系统调度周期内,获取系统同步发电机组调频相关参数和负荷需求响应潜力;
对于风机调频控制器微分系数kd,其影响风电频率响应动态特性,表示为:式中,Hj为第j台同步发电机组的惯性时间常数,M为同步发电机组的总数量;
对于风机调频控制器比例系数kp,其影响风电调频释放的能量,表示为:式中,ΔPL为系统不平衡功率,Δfs为系统所允许稳态频率最大偏差,KG为常规同步发电机组的单位调节功率,ΔPT为负荷需求响应功率。
4.根据权利要求1所述的一种通过建模风电调频参数概率分布实现风机控制的方法,其特征在于,所述结合风电最大可响应系统频率变化能力,以及预处理后的历史转子转速数据,计算风机调频控制器额外可变参数在历史时刻点上的理想值的时间序列包括:引入额外可变参数α后风机调频控制器有功控制环节表示为:其中,Kmax为保持风机稳定运行控制参数最大值,kd和kp为风机调频控制器固定参数,二者分别为风机调频控制器微分和比例系数;
根据风电最大可响应系统频率变化能力,额外可变参数表示为:式中,ω为风机运行转速,ωmin为最大功率跟踪状态转速下限,ωmax为风机额定转速,γ为kd和kp中最小值;
根据预设风机调频控制器修正间隔,获取预处理后的对应时刻点转子转速数据,计算对应时刻的风机调频控制器额外可变参数在历史时刻点上的理想值的时间序列。
5.根据权利要求1所述的一种通过建模风电调频参数概率分布实现风机控制的方法,其特征在于,对历史时刻点上的理想值的时间序列进行分类,通过条件核密度估计对风机调频控制器额外可变参数进行预测,并生成不同时刻点的概率密度函数,计算对应置信区间包括:
根据预测输入维度d对额外可变参数在历史时刻点上的理想值的时间序列进行分类,获得输入集与输出集,其中,输入集表示为:输出集表示为:
其中,x(l)表示风机调频控制器额外可变参数在历史时刻点l上的理想值,l=1,...,n,n表示历史转子转速数据的总容量,即总的历史时刻数;
将输入集和输出集拼接构成矩阵Z=[X,Y]=[x1,x2,..,xd+1],构建联合分布的多变量核密度估计模型;多变量核密度估计模型表示为:式中,N为样本总数量,N=n?d,z为多变量核密度估计模型的自变量,zi为矩阵Z第i行样本的数值,Kd+1(·)为多变量核函数,Hz为核密度估计模型带宽,表示为:带宽矩阵中各元素定义为:
其中,σq表示矩阵Z的第q列的标准差;
Kd+1(·)表示为:
其中,θ表示自变量 其长度为d+1;通过条件核密度估计计算额外可变参数预测概率分布;对于当前时刻点n,从系统调频的额外可变参数的历史样本数据集中提取xp=[x(n?d+1),x(n?d+2),…x(n)],下一时刻点的系统调频的额外可变参数预测概率分布,以条件概率分布表示为:
式中,K1(·)为一维多变量核密度估计模型,yt指代输出集第t行所有元素,Hy为输出集Y的带宽,gt(xp)定义为:式中,Kd(·)为d维多变量核密度估计模型,xt为输入集X的第t行所有元素,Hx为输入集X的带宽;
通过条件核密度估计计算额外可变参数预测值:对于数据集xp系统调频的额外可变参数预测值x(n+1)通过离散分布的数学期望表示为:对于系统调频的额外可变参数预测概率分布,计算不同置信度下的置信区间。
6.根据权利要求1所述的一种通过建模风电调频参数概率分布实现风机控制的方法,其特征在于,所述对于系统调频的额外可变参数预测概率分布,计算不同置信度下的置信区间包括:
对于条件概率分布fp(y),其累计概率密度表示为:τ τ
置信水平τ下的置信区间[l ,u]通过求解优化问题计算:s.t.0≤y≤1
τ
对上述优化问题求解得到置信水平τ下最短区间的区间上界u 对应的累积概率密度r,τ τ
置信区间[l ,u]表示为:
7.根据权利要求1所述的一种通过建模风电调频参数概率分布实现风机控制的方法,其特征在于,
正常情况下,利用风机调频控制器额外可变参数的预测值实现风机控制;
当系统调频能力超过设定上限时,利用置信区间下边界值实现风机控制;
当系统调频能力低于设定的下限时,利用置信区间上边界值实现风机控制。
说明书: 通过建模风电调频参数概率分布实现风机控制的方法技术领域[0001] 本发明涉及电力系统频率稳定控制领域,尤其涉及一种通过建模风电调频参数概率分布实现风机控制的方法。
背景技术[0002] 随着风电在电力系统中渗透率的提高,电力系统单独依靠传统电源进行调频的能力被不断削弱,要求风电应具备配合传统火电机组参与系统频率响应的潜力。风电机组具
有单机容量小、有功调节速度快等特点,通过附加的有功控制环节可以模拟常规火电机组
的惯量响应和一次调频过程,使风机主动快速响应频率变化,阻碍频率快速下降。
[0003] 传统的控制策略一般采用预设的固定调频参数,存在参数整定困难等问题。过于保守的调频参数取值会导致高风速区段时风电调频潜力无法充分挖掘,而激进的风电调频
参数整定策略会导致风电对系统频率的过度响应,增加系统调频负担。大量的研究表明风
电场内存在分钟级乃至秒级的风速湍流,造成风机的运行状态充满不确定性,因而风电频
率响应能力将发生频繁的变化。面对大规模风电并网运行,固定参数取值策略已经无法使
风电承担更多的调频任务。针对电力系统稳定运行研究中,通常忽略风机的动态特性。如何
考虑风电运行状态不确定性的频率控制是亟需解决的难题。
[0004] 现有的研究未考虑系统运行的数据采样、指令传输和操作执行的时延,且针对风电场内风机频率响应能力的时变特性,有必要提前对风机频率控制相关控制参数进行预
测,以便准确挖掘风电的调频价值。同时考虑风电运行的不确定性,为实现系统运行的精细
化调度,风电调频参数的分布特性有待进一步的研究。因而,现有研究方法无法准确对风机
调频参数预测及其分布特性进行刻画,因此,风机控制方案还有待改进。
发明内容[0005] 本发明的目的是提供一种通过建模风电调频参数概率分布实现风机控制的方法,有利于充分挖掘风电调频潜力和提高系统运行的稳定性。
[0006] 本发明的目的是通过以下技术方案实现的:[0007] 一种通过建模风电调频参数概率分布实现风机控制的方法,包括:[0008] 获取风机数据采样装置记录的历史转子转速数据并进行预处理;[0009] 在当前系统调度周期内,对风机调频控制器固定参数进行设置;[0010] 将设置好的风机调频控制器固定参数、以及预处理后的历史转子转速数据,结合风电最大可响应系统频率变化能力,计算风机调频控制器额外可变参数在历史时刻点上的
理想值的时间序列;
[0011] 对历史时刻点上的理想值的时间序列进行分类,通过条件核密度估计对风机调频控制器额外可变参数进行预测,并生成不同时刻点的概率密度函数,计算对应置信区间,再
以此实现风机控制。
[0012] 由上述本发明提供的技术方案可以看出,建模时充分考虑了风电调频控制中设备间信息交互时延,实现风电调频参数的自适应调整,通过对风电调频控制参数概率分布精
细化建模,反映和评估风电响应系统频率变化能力,有利于提高系统运行的稳定性。
附图说明[0013] 为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本
领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他
附图。
[0014] 图1为本发明实施例提供的一种通过建模风电调频参数概率分布实现风机控制的方法的流程图;
[0015] 图2为本发明实施例提供的建模得到的风机调频控制器额外可变系数参数历史值分布图;
[0016] 图3为本发明实施例提供的建模得到的风机调频控制器额外可变系数参数预测概率密度示意图
[0017] 图4为本发明实施例提供的建模得到的风机调频控制器额外可变系数参数预测置信区间示意图。
具体实施方式[0018] 下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本
发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施
例,都属于本发明的保护范围。
[0019] 本发明实施例提供一种通过建模风电调频参数概率分布实现风机控制的方法,如图1所示,其主要包括:
[0020] 步骤1、获取风机数据采样装置记录的历史转子转速数据并进行预处理。[0021] 本发明实施例中,对历史转子转速数据进行预处理的方式包括:根据各时刻点数据样本转子转速判断是否小于最大功率跟踪状态转速下限;如果当前时刻点数据样本转子
转速小于最大功率跟踪状态转速下限或存在数据缺失,则弃置当前时刻点的数据样本,否
则进行保留。
[0022] 步骤2、在当前系统调度周期内,对风机调频控制器固定参数进行设置。[0023] 本步骤的优选实施方式如下:[0024] 对于惯量响应,通过引入额外的有功控制环节响应频率变化,风机有功输出变化量表示为:
[0025][0026] 其中,ΔP为风机调频控制器响应系统频率变化的调频辅助功率,kd和kp为风机调频控制器固定参数,二者分别为风机调频控制器微分和比例系数,f为系统频率,Δf为系统
频率变化量,d/dt表示关于时间t的求导运算;
[0027] 在当前系统调度周期内,获取系统同步发电机组调频相关参数和负荷需求响应潜力;对于风机调频控制器微分系数kd,其影响风电频率响应动态特性,表示为:
[0028][0029] 式中,Hj为第j台同步发电机组的惯性时间常数,M为同步发电机组的总数量;[0030] 对于风机调频控制器比例系数kp,其影响风电调频释放的能量,表示为:[0031][0032] 式中,ΔPL为系统不平衡功率,Δfs为系统所允许稳态频率最大偏差,KG为常规同步发电机组的单位调节功率,ΔPT为负荷需求响应功率。
[0033] 示例性,选取某地1.5MW风机SCADA系统(数据采集与监视控制系统)采集数据作为数据样本,采样间隔1min。对于风机,固有惯性时间常数为5.04s,风机参与调频运行风速为
7m/s,风机额定风速为12m/s,风机最大转子转速为1.2p.u.,风机最小转子转速为0.7p.u.。
对于SCADA系统而言,常规同步发电机组等效惯性时间常数为10,单位调节功率为20。
[0034] 步骤3、将设置好的风机调频控制器固定参数以及预处理后的历史转子转速数据,结合风电最大可响应系统频率变化能力,计算风机调频控制器额外可变参数在历史时刻点
上的理想值的时间序列。
[0035] 本步骤的优选实施方式如下:[0036] 引入额外可变参数α后风机调频控制器有功控制环节表示为:[0037][0038] 其中,Kmax为保持风机稳定运行控制参数最大值,kd和kp分别为风机调频控制器微分和比例系数;
[0039] 根据风电最大可响应系统频率变化能力,额外可变参数表示为:[0040][0041] 式中,ω为风机运行转速,ωmin为最大功率跟踪状态转速下限,ωmax为风机额定转速,γ为kd和kp中最小值;
[0042] 根据预设风机调频控制器修正间隔,获取预处理后的对应时刻点转子转速数据,计算对应时刻的风机调频控制器额外可变参数在历史时刻点上的理想值的时间序列[x
(1),...,x(n)]。
[0043] 步骤4、对历史时刻点上的理想值的时间序列进行分类,通过条件核密度估计对风机调频控制器额外可变参数进行预测,并生成不同时刻点的概率密度函数,计算对应置信
区间,并以此实现风机控制。
[0044] 本步骤的优选实施方式如下:[0045] 1)根据预测输入维度d对额外可变参数在历史时刻点上的理想值的时间序列[x(1),...,x(n)]进行分类,获得输入集与输出集,其中,输入集表示为:
[0046][0047] 输出集表示为:[0048][0049] 其中,x(l)表示风机调频控制器额外可变参数在历史时刻点l上的理想值,l=1,...,n,n表示历史转子转速数据的总容量,即总的历史时刻数。
[0050] 2)将输入集和输出集拼接构成矩阵Z=[X,Y]=[x1,x2,..,xd+1],构建联合分布的多变量核密度估计模型;多变量核密度估计模型表示为:
[0051][0052] 式中,N为样本总数量,N=n?d,z为多变量核密度估计模型的自变量,zi为矩阵Z第i行样本的数值,Kd+1(·)为多变量核函数,Hz为核密度估计模型带宽,表示为:
[0053][0054] 带宽矩阵中各元素定义为:[0055][0056] 其中,σq表示矩阵Z的第q列的标准差;[0057] Kd+1(·)表示为:[0058][0059] 本领域技术人员可以理解,Kd+1(·)是针对一维向量的运算,θ表示自变量其长度为d+1。
[0060] 3)通过条件核密度(也即多变量核密度估计的条件概率表示)估计计算额外可变参数预测概率分布;对于当前时刻点n,从系统调频的额外可变参数历史样本数据集中提取
数据集xp=[x(n?d+1),x(n?d+2),…x(n)],可计算下一时刻点(即n+1时刻点)的系统调频
的额外可变参数预测概率分布,以条件概率分布形式可表示为:
[0061][0062] 式中,fp(y)是关于y的函数,所表达的含义是,根据xp、输入集X与输出集Y可以计算得到函数fp(·)中的相关参数,y是针对函数fp(·)的自变量,即额外可变参数值,fp(y)表
示当额外可变参数的值取值为y时,对应的概率密度。 即为前文计算的 将矩
阵Z用输入集X替换后,采用前文介绍多变量核密度估计模型计算得到的结果即为 K1
(·)为一维多变量核密度估计模型,yt指代输出集第t行所有元素,Hy为输出集Y的带宽,gt
(xp)定义为:
[0063][0064] 式中,Kd(·)为d维多变量核密度估计模型,xt为输入集X的第t行所有元素,Hx为输入集X的带宽。
[0065] 本发明实施例中,K1(·)、Kd(·)计算公式与前文Kd+1(·)类似,区别在于,维度由d+1改为1、d。
[0066] 如图2所示,为发明建模方法后风机调频控制器额外可变系数参数历史值分布图;图3是本发明建模方法后风机调频控制器额外可变系数参数预测概率密度示意图,具体为
前30个预测点上生成的概率密度曲线。
[0067] 4)通过条件核密度估计计算额外可变参数预测值:对于数据集xp系统调频的额外可变参数预测值x(n+1)通过离散分布的数学期望表示为:
[0068][0069] 此处,gi(xp)、yi与前文gt(xp)、yt的含义相同,区别仅在于调整了角标的形式。[0070] 额外可变参数预测值,反映了风机参与系统调频的能力大小。工程中,风电场调度员下发指令至各台风机之间存在通讯延迟,无法做到实时对风机调频控制器参数的修正,
而采用额外可变参数预测值可以很好地弥补这一特性。此外额外可变参数预测结果有利于
风机乃至风电场制定更好的控制方案。例如,在预测到未来风机额外可变参数较小的情况
下,风机可以提前主动采取降载运行等控制策略,提升风机参与调频能力。
[0071] 本发明实施例中,步骤3)、步骤4)计算的条件概率分布、预测值反映了风机参与系统调频的能力大小及其可能存在的风险信息,即波动范围。
[0072] 5)对于系统调频的额外可变参数预测概率分布,计算不同置信度下的置信区间,主要包括:
[0073] 对于条件概率分布fp(y),其累计概率密度表示为:[0074][0075] 置信水平τ下的置信区间[lτ,uτ]通过求解优化问题计算:[0076] 对上述优化问题求解得到置信水平τ下最短区间的区τ τ τ
间上界u对应的累积概率密度r,置信区间[l ,u]表示为:
[0077][0078] 图4是本发明建模方法后风机调频控制器额外可变系数参数预测置信区间示意图。图4反映了不同置信水平下,风机调频控制器额外可变系数的边界值,在不同置信水平
下预测置信区间均可将额外可变系数的实际值包络其中,具有较强的可靠性,与单一额外
可变系数预测值结果相比,置信区间的形式反映了预测结果的风险信息,更有利于指导风
机控制策略的调整。
[0079] 具体来说:根据系统所能承担风险水平选取合适的置信水平,正常运行状态下,选取风机调频控制器额外可变系数预测值x(n+1)作为控制指令;当系统调频能力超过设定的
上限时(也即调频能力充足时),选取所选置信水平风机调频控制器额外可变系数下边界值
τ
(也即u)作为控制指令,保证风机调频稳定,避免过度响应;当系统调频能力低于设定的下
限时(也即调频能力不足时),如大量传统机组出力接近上限和风电场其余风机无法参与调
τ
频等场景,选取所选置信水平风机调频控制器额外可变系数上边界值(也即l)作为控制指
令,充分发挥风电调频潜力。
[0080] 通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,
上述实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易
失性存储介质(可以是CD?ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设
备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
[0081] 以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,
都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范
围为准。
声明:
“通过建模风电调频参数概率分布实现风机控制的方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)