风电的大规模并网导致系统等效惯量下降、不确定性增加,给电力系统的负荷频率控制(loadfrequency control,LFC)带来新的挑战。考虑到柔性直流输电系统(voltage source converter based high voltage DC,VSC-HVDC)具有的潜在调频能力,对...风电的大规模并网导致系统等效惯量下降、不确定性增加,给电力系统的负荷频率控制(loadfrequency control,LFC)带来新的挑战。考虑到柔性直流输电系统(voltage source converter based high voltage DC,VSC-HVDC)具有的潜在调频能力,对此展开研究,针对风电场经VSC-HVDC并网的情形提出了一种虚拟同步发电机(virtual synchronous generator,VSG)变参数负荷频率控制策略。首先,在风电场经VSC-HVDC并网的LFC模型及拓扑结构分析基础上,为了提高VSC-HVDC的可控性,对换流器的控制环节进行了VSG控制方法的设计;然后,对VSG控制参数与频率变化的关联性进行分析,并基于分数阶梯度下降法(fractional-order gradient descent method,FOGDM),利用频率的分数阶导数提取频率深层变化特征,以优化VSG控制参数;在此基础上,考虑到系统的不确定性,设计触发机制对VSG变参数优化模式进行调整,以降低VSG参数的变换频次,提高系统频率控制的针对性。仿真结果表明:所提控制方法能有效改善电网负荷频率控制效果,具有良好的适应性。展开更多
永磁同步发电机(permanent magnetic synchronous generator,PMSG)作为海上风力发电的主要设备,是风电技术的重要发展方向。然而,PMSG在运行过程中,受到大扰动干扰会导致其暂态稳定性下降。因此,针对PMSG风机大扰动下的暂态稳定性阈值...永磁同步发电机(permanent magnetic synchronous generator,PMSG)作为海上风力发电的主要设备,是风电技术的重要发展方向。然而,PMSG在运行过程中,受到大扰动干扰会导致其暂态稳定性下降。因此,针对PMSG风机大扰动下的暂态稳定性阈值难以判定的问题,本文基于混合势函数理论,建立了PMSG风机系统简化后的混合势函数模型,并推导出PMSG风机在大扰动后的暂态稳定判据。通过仿真后的网侧电流波形和网侧功率波形验证了暂态稳定判据的准确性,并调整各参数数值以分析PMSG风机暂态稳定性与风机参数、故障深度、故障时间和风速的关联性。展开更多
文摘风电的大规模并网导致系统等效惯量下降、不确定性增加,给电力系统的负荷频率控制(loadfrequency control,LFC)带来新的挑战。考虑到柔性直流输电系统(voltage source converter based high voltage DC,VSC-HVDC)具有的潜在调频能力,对此展开研究,针对风电场经VSC-HVDC并网的情形提出了一种虚拟同步发电机(virtual synchronous generator,VSG)变参数负荷频率控制策略。首先,在风电场经VSC-HVDC并网的LFC模型及拓扑结构分析基础上,为了提高VSC-HVDC的可控性,对换流器的控制环节进行了VSG控制方法的设计;然后,对VSG控制参数与频率变化的关联性进行分析,并基于分数阶梯度下降法(fractional-order gradient descent method,FOGDM),利用频率的分数阶导数提取频率深层变化特征,以优化VSG控制参数;在此基础上,考虑到系统的不确定性,设计触发机制对VSG变参数优化模式进行调整,以降低VSG参数的变换频次,提高系统频率控制的针对性。仿真结果表明:所提控制方法能有效改善电网负荷频率控制效果,具有良好的适应性。
文摘永磁同步发电机(permanent magnetic synchronous generator,PMSG)作为海上风力发电的主要设备,是风电技术的重要发展方向。然而,PMSG在运行过程中,受到大扰动干扰会导致其暂态稳定性下降。因此,针对PMSG风机大扰动下的暂态稳定性阈值难以判定的问题,本文基于混合势函数理论,建立了PMSG风机系统简化后的混合势函数模型,并推导出PMSG风机在大扰动后的暂态稳定判据。通过仿真后的网侧电流波形和网侧功率波形验证了暂态稳定判据的准确性,并调整各参数数值以分析PMSG风机暂态稳定性与风机参数、故障深度、故障时间和风速的关联性。
文摘风速变化的间歇性和波动性给风功率的精准预测带来极大挑战,充分挖掘风电功率与风速等关键因素的内在规律是提高风电功率预测精度的有效途径。提出一种结合时间模式注意力(time pattern attention,TPA)机制的多层堆叠双向长短期记忆网络的超短期风电功率预测方法。首先,利用基于密度的含噪声空间聚类方法(den⁃sity based spatial clustering with noise,DBSCAN)和线性回归算法进行风功率数据集的异常值检测,利用k最邻近(k⁃nearest neighbor,KNN)插值法重构异常点数据;其次,综合考虑风电功率与各气象特征的内在关联性,在MBLSTM网络中引入TPA机制合理分配时间步长权重,捕捉风电功率时间序列潜在逻辑规律;最后,利用实验仿真数据进行分析验证本文方法的有效性,该方法能够充分挖掘风功率与风速影响因素的关系,从而提高其预测精度。
