一种风电场参与电网黑启动功率匹配系统及匹配方法
文献发布时间:2023-06-19 09:38:30
技术领域
本发明属于风电场技术领域,具体涉及一种风电场参与电网黑启动功率匹配系统,本发明还涉及一种风电场参与电网黑启动功率匹配方法。
背景技术
所谓黑启动,是指整个系统因故障停运后,系统全部停电(不排除孤立小电网仍维持运行),处于全“黑”状态,不依赖别的网络帮助,通过系统中具有自启动能力的发电机组启动,带动无自启动能力的发电机组,逐渐扩大系统恢复范围,最终实现整个系统的恢复。然而,现有风电场参与电网黑启动功率匹配的方法不能对风电场运行状态进行准确的识别监控;同时,不能确定电网黑启动的电源容量。
综上所述,现有技术存在的问题是:现有风电场参与电网黑启动功率匹配的方法不能对风电场运行状态进行准确的识别监控;同时,不能确定电网黑启动的电源容量。
发明内容
本发明的目的是提供一种风电场参与电网黑启动功率匹配系统,解决了现有技术中存在的风电场参与电网黑启动功率匹配的方法不能对风电场运行状态进行准确的识别监控;同时,不能确定电网黑启动的电源容量的问题。
本发明的另一目的是提供一种风电场参与电网黑启动功率匹配方法。
本发明所采用的第一技术方案是,一种风电场参与电网黑启动功率匹配系统,包括中央控制模块,中央控制模块分别与风力发电模块、风速检测模块、电压检测模块、功率检测模块、中央控制模块、识别模块、功率调节模块、容量配置模块、云存储模块、显示模块连接。
本发明第一技术方案的特点还在于,
风力发电模块用于通过风力发电机进行发电;
风速检测模块用于通过风速传感器检测风速数据;
电压检测模块用于通过电压表检测风电场电压数据;
功率检测模块用于通过功率表检测电网黑启动功率;
中央控制模块用于通过主控器控制各个模块正常工作;
识别模块用于通过识别程序对风电场运行状态进行识别;
功率调节模块用于通过调节器调节风电场功率;
容量配置模块用于对电网黑启动电源容量进行配置;
云存储模块用于通过云服务器存储检测的风速、电压、功率数据及识别结果、调节结果、配置结果;
显示模块用于通过显示器显示检测的风速、电压、功率数据及识别结果、调节结果、配置结果。
本发明所采用的第二技术方案是,一种风电场参与电网黑启动功率匹配的方法,具体按照以下步骤实施:
步骤1、通过风力发电模块利用风力发电机进行发电,通过风速检测模块利用风速传感器检测风速数据;
步骤2、通过电压检测模块利用电压表检测风电场电压数据,通过功率检测模块利用功率表检测电网黑启动功率;
步骤3、中央控制模块通过识别模块利用识别程序对风电场运行状态进行识别;
步骤4、通过功率调节模块利用调节器调节风电场功率;
步骤5、通过容量配置模块利用配置程序对电网黑启动电源容量进行配置;
步骤6、通过云存储模块利用云服务器存储检测的风速、电压、功率数据及识别结果、调节结果、配置结果;并通过显示模块利用显示器显示检测的数据及识别结果、调节结果、配置结果。
本发明第二技术方案的特点还在于,
步骤3中识别模块的识别方法具体如下:
步骤3.1、通过建模程序对风电场中的每个风电机组分别建立状态识别模型;
步骤3.2、获取风电场中每个风电机组的运行数据,运行数据包括风速、转速、风电机组输出功率、桨距角、外界环境温度、外界环境湿度和限功率状态;
步骤3.3、通过将每个风电机组的运行数据分别输入每个风电机组的状态识别模型,获得每个风电机组在每个状态识别模型下的状态识别参数,状态识别参数指示风电机组的结冰状态风险指示值;
步骤3.4、基于获得的状态识别参数确定风电场整体运行状态或风电场中单个风电机组的运行状态,其中,状态识别模型是用于预测风电机组输出功率的模型。
步骤3.4具体如下:
步骤3.4.1、分别获取每个风电机组的实际输出功率值;
步骤3.4.2、针对每个风电机组,计算实际输出功率值与风电机组在每个状态识别模型下的预测功率值的偏差;
步骤3.4.3、基于所述偏差确定风电场中单个风电机组的运行状态。
步骤3.4.2具体如下:
针对每个风电机组,分别计算风电机组在每个状态识别模型下的预测功率值与风电机组的实际输出功率值之间的差,得到风电机组针对每个状态识别模型的功率偏差值;
针对每个风电机组,计算风电机组针对所有状态识别模型的功率偏差值的方差,将所述方差作为风电机组实际输出功率值与预测功率值的偏差。
步骤3.4还包括以下步骤:
计算所有风电机组在每个状态识别模型下的结冰状态风险指示值的平均值;
将所述平均值与设定阈值进行比较;
当所述平均值大于所述设定阈值时,确定风电场整体存在结冰风险;
当所述平均值不大于所述设定阈值时,确定风电场整体不存在结冰风险。
步骤5具体如下:
步骤5.1、通过监测设备获取区域电网一级负荷总量和主力非黑机组启动容量;
步骤5.2、根据所述区域电网一级负荷总量和所述主力非黑机组启动容量确定最低黑启动容量;
步骤5.3、对以黑启动容量为自变量,黑启动阶段的停电损失值为因变量的第一函数,以及以黑启动容量为自变量,区域电网内部黑启动建设成本值为因变量的第二函数进行二次函数近似,分别得到第一二次函数和第二二次函数;
步骤5.4、根据所述第一二次函数和所述第二二次函数的二次项系数和一次项系数,通过预置黑启动容量计算函数计算得到优化黑启动容量,所述预置最优黑启动容量计算函数为通过分别对所述第一二次函数和所述第二二次函数求导后,将得到的第三函数和第四函数相加为零后变换得到;
步骤5.5、判断所述优化黑启动容量是否不小于所述最低黑启动容量,若是,则区域电网的最优黑启动容量为所述优化黑启动容量,若否,则区域电网的最优黑启动容量为所述最低黑启动容量。
步骤5还包括如下步骤:
获取区域电网中水电机组的黑启动容量上限值;
判断所述水电机组的黑启动容量上限值是否不小于所述最优黑启动容量,若是,则确定所述水电机组需要提供所述最优黑启动容量,若否,则确定所述水电机组需要提供所述水电机组的黑启动容量上限值。
步骤5还包括如下步骤:
获取区域电网中除火电机组以外的其他黑启动资源的黑启动容量上限值;
判断所述除火电机组以外的其他黑启动资源的黑启动容量上限值是否不小于所述最优黑启动容量,若是,则确定所述火电机组不需要提供黑启动容量,若否,则根据所述火电机组的效用函数,确定当所述最优黑启动容量减去所述除火电机组以外的其他黑启动资源的黑启动容量上限值后,所述火电机组需要提供的黑启动容量。
本发明的有益效果是,一种风电场参与电网黑启动功率匹配系统及匹配方法,通过识别模块针对每个风电机组进行建模,即能够反映单个风电机组的特例性,又能够反映风电机组间的相互关联性,从而可实现对风电场的整体或单个风电机组的运行状态的准确监控;同时,通过容量配置模块根据黑启动容量与黑启动阶段的停电损失值,以及黑启动容量与区域电网内部黑启动建设成本之间关系,利用二次函数进行近似拟合,从而满足边际损失递减,而边际成本递增,由此确定满足最优黑启动容量的条件时满足边际成本等于边际损失的相反数,从而根据预置黑启动容量计算得到优化黑启动容量,除此之外,由于优化黑启动容量存在约束下限值,即最低黑启动容量,进一步地,通过建立不同黑启动电源效用函数与偏好设置,根据效用特性确定区域内各类黑启动电源的最优容量,除此之外,利用电介数获得外部电网黑启动支持方案,最终确定区域电网的最优黑启动容量及各类黑启动电源的最优容量配置。
附图说明
图1是本发明实施例提供的风电场参与电网黑启动功率匹配的方法流程图;
图2是本发明实施例提供的风电场参与电网黑启动功率匹配的系统结构框图;
图3是本发明实施例提供的识别模块识别方法流程图;
图4是本发明实施例提供的基于获得的状态识别参数来确定风电场中单个风电机组的运行状态的方法流程图;
图5是本发明实施例提供的容量配置模块配置方法流程图。
图中,1、风力发电模块;2、风速检测模块;3、电压检测模块;4、功率检测模块;5、中央控制模块;6、识别模块;7、功率调节模块;8、容量配置模块;9、云存储模块;10、显示模块。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种风电场参与电网黑启动功率匹配系统,如图2所示,包括中央控制模块5,中央控制模块5分别与风力发电模块1、风速检测模块2、电压检测模块3、功率检测模块4、中央控制模块5、识别模块6、功率调节模块7、容量配置模块8、云存储模块9、显示模块10连接。
风力发电模块1用于通过风力发电机进行发电;
风速检测模块2用于通过风速传感器检测风速数据;
电压检测模块3用于通过电压表检测风电场电压数据;
功率检测模块4用于通过功率表检测电网黑启动功率;
中央控制模块5用于通过主控器控制各个模块正常工作;
识别模块6用于通过识别程序对风电场运行状态进行识别;
功率调节模块7用于通过调节器调节风电场功率;
容量配置模块8用于对电网黑启动电源容量进行配置;
云存储模块9用于通过云服务器存储检测的风速、电压、功率数据及识别结果、调节结果、配置结果;
显示模块10用于通过显示器显示检测的风速、电压、功率数据及识别结果、调节结果、配置结果。
本发明一种风电场参与电网黑启动功率匹配的方法,基于一种风电场参与电网黑启动功率匹配系统,流程图如图1所示,具体按照以下步骤实施:
步骤1、通过风力发电模块1利用风力发电机进行发电,通过风速检测模块2利用风速传感器检测风速数据;
步骤2、通过电压检测模块3利用电压表检测风电场电压数据,通过功率检测模块4利用功率表检测电网黑启动功率;
步骤3、中央控制模块5通过识别模块6利用识别程序对风电场运行状态进行识别;
步骤4、通过功率调节模块7利用调节器调节风电场功率;
步骤5、通过容量配置模块8利用配置程序对电网黑启动电源容量进行配置;
步骤6、通过云存储模块9利用云服务器存储检测的风速、电压、功率数据及识别结果、调节结果、配置结果;并通过显示模块10利用显示器显示检测的数据及识别结果、调节结果、配置结果。
如图3所示,步骤3中识别模块的识别方法具体如下:
步骤3.1、通过建模程序对风电场中的每个风电机组分别建立状态识别模型;
步骤3.2、获取风电场中每个风电机组的运行数据,运行数据包括风速、转速、风电机组输出功率、桨距角、外界环境温度、外界环境湿度和限功率状态;
步骤3.3、通过将每个风电机组的运行数据分别输入每个风电机组的状态识别模型,获得每个风电机组在每个状态识别模型下的状态识别参数,状态识别参数指示风电机组的结冰状态风险指示值;
步骤3.4、基于获得的状态识别参数确定风电场整体运行状态或风电场中单个风电机组的运行状态,其中,状态识别模型是用于预测风电机组输出功率的模型。
如图4所示,步骤3.4具体如下:
步骤3.4.1、分别获取每个风电机组的实际输出功率值;
步骤3.4.2、针对每个风电机组,计算实际输出功率值与风电机组在每个状态识别模型下的预测功率值的偏差;
步骤3.4.3、基于所述偏差确定风电场中单个风电机组的运行状态。
步骤3.4.2具体如下:
针对每个风电机组,分别计算风电机组在每个状态识别模型下的预测功率值与风电机组的实际输出功率值之间的差,得到风电机组针对每个状态识别模型的功率偏差值;
针对每个风电机组,计算风电机组针对所有状态识别模型的功率偏差值的方差,将所述方差作为风电机组实际输出功率值与预测功率值的偏差。
步骤3.4还包括以下步骤:
计算所有风电机组在每个状态识别模型下的结冰状态风险指示值的平均值;
将所述平均值与设定阈值进行比较;
当所述平均值大于所述设定阈值时,确定风电场整体存在结冰风险;
当所述平均值不大于所述设定阈值时,确定风电场整体不存在结冰风险。
如图5所示,步骤5具体如下:
步骤5.1、通过监测设备获取区域电网一级负荷总量和主力非黑机组启动容量;
步骤5.2、根据所述区域电网一级负荷总量和所述主力非黑机组启动容量确定最低黑启动容量;
步骤5.3、对以黑启动容量为自变量,黑启动阶段的停电损失值为因变量的第一函数,以及以黑启动容量为自变量,区域电网内部黑启动建设成本值为因变量的第二函数进行二次函数近似,分别得到第一二次函数和第二二次函数;
步骤5.4、根据所述第一二次函数和所述第二二次函数的二次项系数和一次项系数,通过预置黑启动容量计算函数计算得到优化黑启动容量,所述预置最优黑启动容量计算函数为通过分别对所述第一二次函数和所述第二二次函数求导后,将得到的第三函数和第四函数相加为零后变换得到;
步骤5.5、判断所述优化黑启动容量是否不小于所述最低黑启动容量,若是,则区域电网的最优黑启动容量为所述优化黑启动容量,若否,则区域电网的最优黑启动容量为所述最低黑启动容量。
步骤5还包括如下步骤:
获取区域电网中水电机组的黑启动容量上限值;
判断所述水电机组的黑启动容量上限值是否不小于所述最优黑启动容量,若是,则确定所述水电机组需要提供所述最优黑启动容量,若否,则确定所述水电机组需要提供所述水电机组的黑启动容量上限值。
步骤5还包括如下步骤:
获取区域电网中除火电机组以外的其他黑启动资源的黑启动容量上限值;
判断所述除火电机组以外的其他黑启动资源的黑启动容量上限值是否不小于所述最优黑启动容量,若是,则确定所述火电机组不需要提供黑启动容量,若否,则根据所述火电机组的效用函数,确定当所述最优黑启动容量减去所述除火电机组以外的其他黑启动资源的黑启动容量上限值后,所述火电机组需要提供的黑启动容量。
本发明通过识别模块可实现对风电场的整体或单个风电机组的运行状态的准确监控;同时,通过容量配置模块根据效用特性确定区域内各类黑启动电源的最优容量,通过建立不同黑启动电源效用函数与偏好设置,根据效用特性确定区域内各类黑启动电源的最优容量,除此之外,利用电介数获得外部电网黑启动支持方案,最终确定区域电网的最优黑启动容量及各类黑启动电源的最优容量配置。
- 一种风电场参与电网黑启动功率匹配系统及匹配方法
- 一种风电场参与电网黑启动功率匹配的方法