A Steady State Voltage Stability Analysis of Wind Power Centralized System

It is significant to research the voltage stability of the wind power centralized system (WPCS) for the effective development of the large scale clustering wind energy resources. A steady state voltage stability analysis of the WPCS by employing the PV curve and model analysis is proposed to reveal the voltage stability influence from different aspects. The PV curve is utilized to trace and indicate the voltage collapse point of the WPCS when the small disturbance of wind power is increased gradually. Then the steady state voltage instability modes of the WPCS are analyzed by calculating the bus participation factors of the minimum eigenvalue model at the collapse point. The simulation results of an actual WPCS in North China show that the static state voltage instability mode of the WPCS is closely related to the operating features and control strategies of different reactive power sources. In addition, the implementation of the doubly-fed induction generator wind turbine generator voltage control is beneficial to improve the WPCS voltage stability.

高海况下客滚船风浪阻力和功率航速预报

高海况下风浪阻力对客滚船航速预报的准确性有很大影响。对此,以某型客滚船为例,分别采用二维方法和三维方法预报船舶升沉和纵摇运动,采用全浪向波浪增阻预报方法SNNM计算波浪增阻,在此基础上开展高海况下的功率航速预报,并与模型试验结果进行对比分析。研究表明:当航速较低时,采用二维方法与三维方法预报的升沉运动结果的精度接近,随着速度的增加,二者的差异变大;当航速较高时,采用三维方法预报的纵摇结果比试验结果大,采用二维方法预报的纵摇结果比试验结果小;长波范围内采用SNNM方法预报的波浪增阻偏小,当谱峰周期为7 s和9 s时,采用SNNM方法近似预报的功率与试验值较为接近,但当谱峰周期变大时,近似预报结果偏小;整体来看,采用SNNM方法得到的航速预报值比试验值大。

面向数字孪生模型应用的油浸式变压器绕组温度POD-RBFLP降阶计算方法

了解油浸式电力变压器绕组的温度情况是保证其运行稳定性的关键,也是当前针对油浸式变压器数字孪生分析的必然需求。为了快速地获得变压器绕组的稳态温度,该文提出一种基于本征正交分解(proper orthogonal decomposition,POD)和包含线性多项式的径向基函数响应面法(radial basis function response surface method including linear polynomial,RBFLP)的降阶计算模型。首先,讨论POD方法的降阶特性,并设计一种基于留一法交叉验证的自适应获得快照矩阵方法,以提高计算精度及效率;其次,采用响应面方法建立POD模态系数与绕组工况的相关关系,旨在实现通过绕组工况快速获得POD模态系数,从而跳过对降阶模型的复杂非线性计算,进而高效重构绕组温度场。相关算例表明,该方法具有较好的计算精度和效率,在50组测试工况下,与全阶计算相比,误差不超过2.5 K,且总计算时间仅为1.45 s;最后,基于110 kV变压器绕组搭建温升试验平台,试验结果表明,降阶计算结果相较于试验结果,平均计算误差不超过2 K,且单步计算时间仅为0.03 s,相较于同等规模的全阶计算,计算效率有较大幅度地提升。

在线选择性集成即时学习风电功率自适应预测

风电功率预测可为风电的并网和优化调度提供有效的指导信息,在风能的开发利用中扮演着举足轻重的角色。然而,由于风电固有的间歇性和随机性给准确的风电功率预测带来巨大挑战。同时,由于受季节性、气候性、设备老化等因素影响,随着时间的推移,风电功率数据特征难免发生改变,这将直接导致离线的风电功率模型性能发生退化。为此,提出一种在线选择性集成即时学习(OSEJIT)自适应风电功率预测方法。首先,为了有效处理风电的非线性和时变性特征,通过相似度、学习器扰动以构建多样性JIT基模型库。其次,为了保证集成有效性,定义基于Friedman检验的多样性指标和基于预测精度的准确性指标以实现模型的在线选择。随后,在线预测阶段,根据模型近期的预测性能通过自适应加权集成的方式获得最终预测值。为了保证基模型库的更新,同时规避模型频繁重建导致计算资源耗费的问题,采用一种基于KL散度的过程状态识别方法以减少模型重建频率。所提方法的有效性和优越性在一个实际风电功率数据应用中获得了验证。

考虑碱性电解槽状态转换的风电制-储氢系统优化调度

针对风电制—储氢系统的优化调度问题,提出了一种考虑碱性电解槽状态转换的日前出力优化调度模型。该模型以系统日收益最高为目标,结合分时电价,引入电解槽状态转换过程中的冷热启动成本和功率波动成本,满足各个设备动态运行约束及系统功率平衡约束条件,调用Gurobi求解器进行优化求解。采用实际的风电出力数据和电氢负荷数据,对3种典型日场景下的优化结果进行分析。算例表明:所建立的优化调度模型能够满足电氢负荷需求,合理调节电解槽的3种状态,显著降低电解槽功率波动幅度和系统总成本,验证了所提模型的有效性。

储能MPC平抑分散式风电并网功率波动策略研究

针对分散式风力发电随机性及季节不均衡性导致的并网功率波动问题,提出基于模型预测控制的风储联合运行策略,以并网功率波动最小、储能出力最优及能量损耗最小为目标构建风储一体化运行模型,利用Matlab二次规划求解风电并网功率和储能输出功率;考虑到储能荷电状态的约束,采用模型预测控制算法优化电池储能充放电功率,实时滚动优化风储并网功率,保持储能SOC维持在合理的范围内,减少电池越限次数。算例基于内蒙古某分散式风电场全年实测录波数据,选取四季典型场景集分析1和10 min不同时间尺度下风电场输出功率与并网功率的最优解;仿真结果表明所提方法能够按照风电输出特性实时优化储能充放电,降低风电并网功率波动,提高风储联合系统的经济运行。

基于卡尔曼滤波和模型预测控制的混合储能平抑风电功率波动策略

针对混合储能平抑风电功率波动时储能系统成本过高的问题,提出一种基于卡尔曼滤波和模型预测控制的风电波动平抑控制策略。该方法基于风储联合发电系统,在满足风电平抑需求的基础上,通过预设截止频率以储能容量变化最小与功率波动最低为多目标,利用遗传算法求解卡尔曼滤波自适应参数获得最优储能目标功率。为提高混合储能系统协调运行能力,考虑调节储能荷电状态(state of charge,SOC)通过模型预测控制实现计及电池运行寿命与超级电容SOC变化的动态功率分配。最后,结合实际风电功率数据进行仿真验证。结果表明,所提策略能够有效改善电池SOC、降低超级电容容量,符合储能平抑风电功率需求,能充分考虑两种储能设备的特性差异,提高功率分配的合理性,改善储能系统经济性。

可控储热负荷参与电网调峰的系统特性与经济性研究

为解决当前可再生能源装机量大但出力相对较小及电力系统调峰能力低下的问题,通过新兴的固态电制热储热技术,充分挖掘电力系统用户侧的潜力。以系统消纳的风电量最多及用户侧运行的经济性最优为目标,建立了含电力需求侧响应的用户侧配置固态电制热储热设备的系统模型。采用改进多目标粒子群算法对模型进行优化求解,针对电力系统的源侧、网侧、荷侧,对比不同运行方式下的风电消纳能力、负荷曲线峰谷差及经济成本。仿真结果表明,在电力需求侧响应的基础上用户侧配置固态电制热储热设备,可以大大提高系统的风电消纳能力及调峰水平,并具有一定的经济价值。

不同风光水配比下多类型电源打捆直流外送系统的功率传输能力研究

风光水打捆经电网换相换流器高压直流输电(line commutated converter based high voltage direct current,LCC-HVDC)外送系统中,风光水配比不同会影响系统的功率传输能力。文章首先建立风光水打捆直流外送系统的稳态数学模型和状态空间模型,然后提出综合考虑稳态运行约束条件和小信号稳定性约束条件的系统功率传输能力计算方法及流程,掌握不同功率水平下系统稳定运行区域及边界的变化特征,最终得到不同水电出力下的直流外送系统功率传输范围、特定传输功率下所允许的水电出力最小值、风光配比与小信号稳定性的定量关系。通过该方法定量评估风光水配比不同时直流外送系统的功率传输能力,从而优化选取风光水配比。结果表明,水电出力较小时,系统传输功率上限受小信号稳定性制约,下限受电压偏移约束制约;水电出力较大时,系统传输功率上限受LCC-HVDC安全运行约束制约,下限受逆变侧电压偏移、系统潮流约束制约;在功率运行点不变时,风光配比平衡工况系统更加稳定。最后,通过PSCAD/EMTDC下的电磁暂态仿真,验证上述功率传输能力理论计算的正确性。

区域风电场群集中式功率预测系统设计

为实现对区域风电场群集中式功率的准确预测,提出并设计了一种适应性强、维度高的预测模型。首先,通过AHP分析法发现影响区域风电场群集中式功率预测系统的五个必要因子;然后,构建预测评估模型得到其设计附加值的数据构建状态空间模型;接着,将该状态空间模型在人工智能的数据空间中进行部署并加以神经网络训练;最后,对这一预测系统模型进行实证验证,发现其数据吻合度较高。该预测模型可以用于对区域风电场群集中式功率进行预测,具有较广泛的应用价值。

微电网风光储容量优化配置

与光伏或风能独立供电系统相比,风光互补系统能更好适应环境变化,再具有储能调节功能,风能、太阳能和电池微电网可更好利用清洁能源,满足系统用电需求。本文研究了含风光储微电网风光组件和蓄电池的最佳容量配置,将微电网的供电可靠性、供需平衡和蓄电池荷电状态作为约束条件,以电网运行成本为最小目标函数,提出了基于北方苍鹰算法来求解模型。通过算例分析,场景3为算例微电网的最优容量配置方案,其运行成本比场景1、2分别下降12.48%、4.07%,验证了所提模型的有效性,具有工程应用价值。

基于认知计算的WINDRIVE风电故障运维管理机制

运维效率的提高是当下风电后市场面临的重大困境,基层运维人员对于故障的认知以及在风电机组极端运维条件下的情感状态对运维结果有着较大的影响.该文提出了一种基于认知计算的WINDRIVE运维管理模型.以风电机组匝间短路故障为例,将情感节点考虑在内,以证据承载机会(EBO)及概率分布展示了潜在变量和故障认知(Cognition)之间的关系.最后,运用马尔科夫链蒙特卡洛(MCMC)方法模拟了运维人员的认知计算结果.该模型可以得到运维人员对于特定故障更加全面的认知计算结果,方便电力企业对于运维人员的操作水平进行准确把握并进行高效派遣及管理,应用空间广阔.

考虑预测误差分析的混合储能补偿优化策略

为提高风电场预测功率精度,对于风电场和混合储能构成的风储混合系统,提出基于预测信息搭建的混合储能补偿方案。首先,依据风电预测误差进行概率统计分析,提出风电功率预测误差的分层补偿策略,制定针对补偿预测误差的允许误差域及置信区间补偿域。其次,利用储能对不同误差层的预测误差给出相应的储能补偿方案,基于小波包分解将超出区域外待补偿预测误差分解,通过不平衡功率DFT分频法确定临界点作为功率型储能和能量型储能的目标分配值,对于荷电状态越限问题通过自适应模糊控制进行二次修正。最后,以新疆某风电场为例进行仿真分析,结果表明所提策略可有效减少风电功率预测误差。

基于BAS-IMOPSO算法的风电系统储能优化配置

风力发电作为一种清洁的可再生能源,在电力系统中应用广泛,但风电出力的随机波动性会对电力系统电能质量产生不利影响。储能系统(energy storage system,ESS)因其灵活的双向调节能力被用于平抑风电接入系统带来的电压与功率波动问题。文中考虑储能接入节点与容量不同对风电出力波动的平抑效果不同,以系统电压偏差、日有功网损和ESS配置容量为目标函数建立多目标储能优化配置模型。采用一种基于天牛须搜索算法的改进多目标粒子群优化(beetle antennae search-improved multi-objective particle swarm optimization,BAS-IMOPSO)算法求解该模型,利用基于信息熵的逼近理想解排序法在Pareto解集中选取最佳储能配置方案。在IEEE 33节点系统中对模型进行仿真验证,结果表明:BAS-IMOPSO算法优化下的ESS降低配电网电压偏差与有功网损的能力较多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法显著提高,有效改善了系统的电能质量,具有削峰填谷的作用,验证了BAS-IMOPSO算法的有效性。

基于AP聚类-跳转持续MC的风电出力时间序列模拟生成方法研究

模拟生成概率等效条件下的风电出力时间序列对分析未来场景下风电出力不确定性以及提高风电消纳水平具有重要意义。针对传统马尔科夫链存在的问题,文中提出一种基于AP聚类-跳转持续马尔科夫链(Affinity Propagation Clustering-Transition and Persistence Markov Chain,AP-TP MC)的风电出力时间序列模拟生成方法。首先,对历史风电出力数据进行AP聚类,并对每一聚类类别下的风电序列建立相应的状态跳转矩阵;其次,依据马尔科夫链模型,结合风电出力状态持续时间特性,抽样并叠加符合混合高斯分布的波动分量,形成某一聚类类别下的风电出力时间序列;然后,依托类间转移矩阵,模拟生成风电出力时间序列;最后,通过对比传统马尔科夫链法与文中方法生成的风电出力时间序列与历史序列之间的统计指标、概率分布指标及自相关性指标,验证所提方法的有效性和准确性。

基于灰色预测和低通滤波的风电平抑策略

在风电并网处配置一定容量的储能系统对并网风功率进行平抑处理可以大幅提高风电并网的安全性、可靠性。传统的低通滤波等方法具有较高的滞后特性,风电跟随能力较差,这将导致储能系统的充放电深度变大,从而影响储能系统的寿命,同时也会使其配置容量需求增大。因此提出一种灰色预测和低通滤波相结合的储能系统平滑风电功率控制策略,该策略能够根据储能系统的荷电状态(state of charge,SOC)变化自动调整算法参数,保证SOC维持在安全范围内,同时实现风电功率的平滑和跟踪,并减少储能系统的容量配置需求及充放电深度。最后通过Matlab仿真验证了该策略的可行性和有效性。

风储系统混合储能的功率分配与双层能量管理策略

为有效抑制风电功率波动,提出了基于自适应滑动平均算法与遗传算法-变分模态分解(GA-VMD)的混合储能功率分配策略.针对普通功率分配策略会造成混合储能深度充放电问题,提出了一种考虑混合储能荷电状态(SOC)的优化、协调调度的双层能量管理结构.在获得混合储能系统初级功率指令的基础上,优化层根据当前储能设备SOC修正初级充放电功率指令;协调调度层通过对比两种储能设备SOC的状态来合理选择储能设备进行功率调整.仿真结果表明,所提方法能够自适应地对风电功率进行分解,保证混合储能整体充放电能力,同时有效避免过充过放问题.

基于状态重构的构网型风机与储能系统联合频率支撑控制策略

风电和储能联合系统调频特性受运行状态影响,调频能力难以准确评估,且长时间尺度调频功能影响发电效率,因此该文提出一种风储系统联合频率优化支撑控制策略,该策略基于当前储能系统荷电状态(stateof charge,SOC)重构调频能力,进而评估风电等价有功备用需求,并设计风电备用功率水平及其运行策略。该策略一方面引入具有自然惯量响应能力的构网型风机,联合设计储能自适应惯量控制来实现风储联合系统快速虚拟惯量支撑;另一方面基于频率扰动类型和当前装备状态特征信息构建风储系统运行方案,制定一次调频协调控制策略。仿真结果验证了所提策略的准确性与有效性,在不同风电出力、储能状态下实现负荷突增或下降时均能提供有效的有功频率支撑,提高了并网系统的频率稳定性。

面向风电波动平抑基于改进C−DCA的电池储能分组控制策略

为解决电池储能系统(battery energy storage system,BESS)平抑风电波动过程中荷电状态(state of charge,SOC)和健康状态(state of health,SOH)一致性较低、电池寿命损耗较高的问题,该文提出了面向风电波动平抑基于考虑通讯时延的分布一致性算法(distributed consistency algorithm considering communication delay,C−DCA)的BESS分组控制策略,该控制策略包括初级和次级2个功率分配过程。首先,利用改进旋转门(improved swing door trending,ISDT)算法获取BESS功率指令;然后,建立考虑BESS寿命损耗、SOC与SOH一致性、并网波动率与算法迭代速度的双电池组初级功率分配模型,结合BESS充/放电状态将功率指令顺序分配至电池组,实现初级功率分配;接着,将状态反馈预测控制(state feedback predictive control,SFPC)与输出变量动态反馈引入C−DCA,形成改进C−DCA,进一步设计基于SOC−SOH的权矩阵计算方法,并根据改进C−DCA的计算结果将功率指令从电池组分配给电池单元,完成次级功率分配;最后,电池单元响应各自功率指令。以某风电场实际出力进行仿真,并与其它多种方法进行对比。结果表明,该研究方法降低了风电并网波动率,提升了控制算法的鲁棒性,减少了算法占用内存,同时兼顾了电池单元SOC和SOH的一致性,更大程度上降低了BESS寿命损耗。

基于状态检测的风力发电站设备无功补偿控制研究

风力发电站设备的无功补偿效果直接影响供电效率,但是在判断风力发电站设备状态临界值时难度较大,导致补偿控制效果较差。为此,提出了基于状态检测的风力发电站设备无功补偿控制方法。利用无功补偿器控制风力发电站设备的无功功率,达到控制生成电流电压波动的目的。采用X光探伤设备对无功补偿设备各个结构进行全方位探伤检测。在无功补偿设备的基础上安装备用设备,当其中任意结构达到某一承受临界值时会对其进行终止控制,并将生成电流电压接入到备用结构当中,实现风力发电站设备无功补偿控制,保证设备的正常工作。对比实验结果表明,基于状态检测的风力发电站设备无功补偿控制方法控制精确度优于对比方法,控制能力更高,检测能力更强,具有优良的发展前景。