CN111900743B - 一种风电调频潜力预测误差分布估计方法 - Google Patents
一种风电调频潜力预测误差分布估计方法 Download PDFInfo
- Publication number
- CN111900743B CN111900743B CN202010735856.9A CN202010735856A CN111900743B CN 111900743 B CN111900743 B CN 111900743B CN 202010735856 A CN202010735856 A CN 202010735856A CN 111900743 B CN111900743 B CN 111900743B
- Authority
- CN
- China
- Prior art keywords
- fan
- frequency modulation
- wind
- prediction error
- wind speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Wind Motors (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种风电调频潜力预测误差分布估计方法,采用全新策略设计,获得不同置信水平下风电场调频潜力预测区间,执行过程不依赖调频潜力误差样本分布形状的先验知识,可以实现风电机组的调频潜力误差区间的准确评估、以及预测波动区间的准确估计,为优化传统机组备用容量、缓解电网调频压力和提升电力***稳定运行具有重要意义,能够准确反映风电调频潜力的波动范围,优化机组备用容量,降低运行风险。
Description
技术领域
本发明涉及一种风电调频潜力预测误差分布估计方法,属于电力***频率稳定控制技术领域。
背景技术
随着大规模风电接入电力***,风电的功率波动性、非平稳性、以及不确定性对***稳定运行带来了巨大的挑战,提高了***频率失稳风险和调频需求。变流器附加频率控制技术使风电机组能够主动响应电网频率变化,在***频率跌落瞬间提供额外的有功支撑,因此充分挖掘风电机组参与***调频潜力,实时评估风电调频裕度,对促进源网荷双端柔性互动具有重要意义。
现有的研究主要集中在风电参与调频的有功控制策略制定以及一次调频备用功率的研究,对考虑风电场内风机调频潜力的研究还比较匮乏,并且也未涉及风电参与***调频潜力预测误差分布的研究。
发明内容
本发明所要解决的技术问题是提供一种风电调频潜力预测误差分布估计方法,能够准确反映风电调频潜力的波动范围,优化机组备用容量,降低运行风险。
本发明为了解决上述技术问题采用以下技术方案:本发明设计了一种风电调频潜力预测误差分布估计方法,包括如下步骤:
步骤A.针对风机,获取指定历史时间段中各历史时刻的风机转子转速、风机功率实测数据、风机预测风速数据、风机实测风速数据,并针对所获数据进行预处理,然后进入步骤B;
步骤B.计算获得各历史时刻分别所对应的风电场调频潜力预测误差,作为各个样本,构成样本集合,然后进入步骤C;
步骤C.根据各个样本,基于最大熵原理,建立风机所对应的调频潜力预测误差概率密度模型,然后进入步骤D;
步骤D.根据调频潜力预测误差概率密度模型,针对风机目标预测风速数据,计算获得不同置信水平下风电场调频潜力预测区间。
作为本发明的一种优选技术方案:所述步骤A中,针对各历史时刻的风机转子转速、风机功率实测数据、风机预测风速数据、风机实测风速数据,按如下进行预处理;
分别针对各历史时刻的风机实测风速数据,若风机实测风速数据小于或等于风机参与调频运行风速下限时,则风机退出调频,并删除该历史时刻、以及所对应的风机转子转速、风机功率实测数据、风机预测风速数据、风机实测风速数据;若风机实测风速数据大于风机参与调频运行风速下限时,则风机参与调频,并保留该历史时刻、以及所对应的风机转子转速、风机功率实测数据、风机预测风速数据、风机实测风速数据。
作为本发明的一种优选技术方案:所述步骤B中,分别针对各历史时刻,执行如下步骤B1至步骤B7,获得各历史时刻分别所对应的风电场调频潜力预测误差,作为各个样本,构成样本集合;
步骤B1.根据如下公式:
获得风机叶尖速比λ、风机桨距角β,以及对应风机叶尖速比λ与风机桨距角β的风能利用系数Cp(λ,β),其中,v表示风机输入风速,ω表示风机转子转速,然后进入步骤B2;
步骤B2.根据如下公式:
获得风机输出功率实际值Pr,其中,ρ表示空气密度,R表示风轮半径;然后进入步骤B3;
步骤B3.根据如下公式:
获得风机输出功率预测值Pf,其中,Cp(λopt,β)表示对应最优风机叶尖速比λopt与风机桨距角β的风能利用系数,然后进入步骤B4;
步骤B4.根据如下公式:
获得调频结束时刻风机输出功率P0,其中,ω0表示风机参与调频运行风速下限、根据风机最优叶尖速比对应得到的风机参与调频运行转速下限,Cp(ω0R/v,β)表示对应最优风机叶尖速比ω0R/v与风机桨距角β的风能利用系数,然后进入步骤B5;
步骤B5.根据如下公式:
获得风电调频潜力的预测值ΔPdf,其中,Tdel表示风机向电网持续注入功率时间,H表示风机固有惯性时间常数,ωf表示风机实测风速数据根据风机最优叶尖速比对应得到的转子转速,ω0表示风机参与调频运行风速下限、根据风机最优叶尖速比对应得到的风机参与调频运行转速下限;然后进入步骤B6;
步骤B6.根据如下公式:
获得风电调频潜力的实际值ΔPd;然后进入步骤B7;
步骤B7.根据如下公式:
计算风电调频潜力预测误差ΔPerr,其中,PN为风机额定输出功率。
作为本发明的一种优选技术方案,所述步骤C包括如下步骤:
步骤C1.根据如下公式:
步骤C2.根据样本集合X分别对应预设各阶n的原点矩,则样本集合X的最大熵模型如下:
式中,s表示变量,H(s)表示样本集合X的信息熵,p(s)表示待求概率密度分布;然后进入步骤C3;
步骤C3.根据样本集合X的最大熵模型,按如下公式:
构造拉格朗日函数FL,其中,λ0、…、λn、…、λN表示各个拉格朗日乘子,然后进入步骤C4;
步骤C4.根据拉格朗日函数FL满足条件,则待求概率密度分布p(s)如下:
然后进入步骤C5;
步骤C5.将待求概率密度分布p(s)代入步骤C2中的约束条件,获得如下:
通过求解以上非线性方程(1),获得拉格朗日乘子λ0、…、λn、…、λN,进而求解获得待求概率密度分布p(s),即风机所对应的调频潜力预测误差概率密度模型。
作为本发明的一种优选技术方案:所述步骤D包括如下步骤D1至步骤D2;
步骤D1.根据风机所对应的调频潜力预测误差概率密度模型,计算获得不同置信水平下预测误差置信区间,然后进入步骤D2;
步骤D2.计算获得风机目标预测风速数据所对应的风电调频潜力预测值,并与不同置信水平下预测误差置信区间叠加,获得不同置信水平下的预测区间。
本发明所述一种风电调频潜力预测误差分布估计方法,采用以上技术方案与现有技术相比,具有以下技术效果:
本发明所设计风电调频潜力预测误差分布估计方法,采用全新策略设计,获得不同置信水平下风电场调频潜力预测区间,执行过程不依赖调频潜力误差样本分布形状的先验知识,可以实现风电机组的调频潜力误差区间的准确评估、以及预测波动区间的准确估计,为优化传统机组备用容量、缓解电网调频压力和提升电力***稳定运行具有重要意义,能够准确反映风电调频潜力的波动范围,优化机组备用容量,降低运行风险。
附图说明
图1为本发明设计风电调频潜力预测误差分布估计方法的流程示意图;
图2为采用本发明所提方法后风机调频潜力误差分布;
图3为采用本发明所提方法后风机调频潜力预测区间。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
本发明设计了一种风电调频潜力预测误差分布估计方法,实际应用当中,如图1所示,具体执行如下步骤A至步骤D。
步骤A.针对风机,获取指定历史时间段中各历史时刻的风机转子转速、风机功率实测数据、风机预测风速数据、风机实测风速数据,并针对所获数据进行预处理,然后进入步骤B。
上述步骤A在实际应用中,针对各历史时刻的风机转子转速、风机功率实测数据、风机预测风速数据、风机实测风速数据,按如下进行预处理。
分别针对各历史时刻的风机实测风速数据,若风机实测风速数据小于或等于风机参与调频运行风速下限时,则风机退出调频,并删除该历史时刻、以及所对应的风机转子转速、风机功率实测数据、风机预测风速数据、风机实测风速数据;若风机实测风速数据大于风机参与调频运行风速下限时,则风机参与调频,并保留该历史时刻、以及所对应的风机转子转速、风机功率实测数据、风机预测风速数据、风机实测风速数据。
步骤B.分别针对各历史时刻,执行如下步骤B1至步骤B7,获得各历史时刻分别所对应的风电场调频潜力预测误差,作为各个样本,构成样本集合,然后进入步骤C。
步骤B1.根据如下公式:
获得风机叶尖速比λ、风机桨距角β,以及对应风机叶尖速比λ与风机桨距角β的风能利用系数Cp(λ,β),其中,v表示风机输入风速,ω表示风机转子转速,然后进入步骤B2。
步骤B2.根据如下公式:
获得风机输出功率实际值Pr,其中,ρ表示空气密度,R表示风轮半径;然后进入步骤B3。
步骤B3.根据如下公式:
获得风机输出功率预测值Pf,其中,Cp(λopt,β)表示对应最优风机叶尖速比λopt与风机桨距角β的风能利用系数,然后进入步骤B4。
步骤B4.根据如下公式:
获得调频结束时刻风机输出功率P0,其中,ω0表示风机参与调频运行风速下限、根据风机最优叶尖速比对应得到的风机参与调频运行转速下限,Cp(ω0R/v,β)表示对应最优风机叶尖速比ω0R/v与风机桨距角β的风能利用系数,然后进入步骤B5。
步骤B5.根据如下公式:
获得风电调频潜力的预测值ΔPdf,其中,Tdel表示风机向电网持续注入功率时间,H表示风机固有惯性时间常数,ωf表示风机实测风速数据根据风机最优叶尖速比对应得到的转子转速,ω0表示风机参与调频运行风速下限、根据风机最优叶尖速比对应得到的风机参与调频运行转速下限;然后进入步骤B6。
步骤B6.根据如下公式:
获得风电调频潜力的实际值ΔPd;然后进入步骤B7。
步骤B7.根据如下公式:
计算风电调频潜力预测误差ΔPerr,其中,PN为风机额定输出功率。
步骤C.根据各个样本,基于最大熵原理,建立风机所对应的调频潜力预测误差概率密度模型,然后进入步骤D。
实际应用当中,上述步骤C具体执行如下步骤C1至步骤C5。
步骤C1.根据如下公式:
步骤C2.根据样本集合X分别对应预设各阶n的原点矩,则样本集合X的最大熵模型如下:
式中,s表示变量,H(s)表示样本集合X的信息熵,p(s)表示待求概率密度分布;然后进入步骤C3。
步骤C3.根据样本集合X的最大熵模型,按如下公式:
构造拉格朗日函数FL,其中,λ0、…、λn、…、λN表示各个拉格朗日乘子,然后进入步骤C4。
步骤C4.根据拉格朗日函数FL满足条件,则待求概率密度分布p(s)如下:
然后进入步骤C5。
步骤C5.将待求概率密度分布p(s)代入步骤C2中的约束条件,获得如下:
通过求解以上非线性方程(1),获得拉格朗日乘子λ0、…、λn、…、λN,进而求解获得待求概率密度分布p(s),即风机所对应的调频潜力预测误差概率密度模型。
步骤D.根据调频潜力预测误差概率密度模型,针对风机目标预测风速数据,计算获得不同置信水平下风电场调频潜力预测区间。
实际应用当中,上述步骤D具体执行如下步骤D1至步骤D2。
步骤D1.根据风机所对应的调频潜力预测误差概率密度模型,计算获得不同置信水平下预测误差置信区间,然后进入步骤D2。
步骤D2.计算获得风机目标预测风速数据所对应的风电调频潜力预测值,并与不同置信水平下预测误差置信区间叠加,获得不同置信水平下的预测区间。
将本发明所设计风电调频潜力预测误差分布估计方法,实际应用当中,具体执行如下步骤。
步骤A.选取中国某地1.5MW风电场内单台风机2015年6月15日至19日的SCADA采集数据和风速预测数据,采样间隔5min,共计1440采样点。风机固有惯性时间常数为5.04,风机参与调频运行风速下限为7m/s,风机额定风速为12m/s。根据历史风速实测值判断风机是否能参与调频,对风机转子转速和功率实测数据进行筛选。当风速实测值小于等于风机参与调频运行风速下限时,风机退出调频,弃置对应时刻的历史转子转速和功率实测数据;当风速实测值大于风机参与调频运行风速下限时,风机参与调频,保留对应时刻的历史转子转速和功率实测数据,经筛选后得到1028个时刻对应采样数据。
步骤B.分别针对各历史时刻,执行步骤B1至步骤B7,获得各历史时刻分别所对应的风电场调频潜力预测误差,作为各个样本,构成样本集合,然后进入步骤C。
步骤C.根据各个样本,基于最大熵原理,执行步骤C1至步骤C5,建立风机所对应的调频潜力预测误差概率密度模型,然后进入步骤D。
实际应用中,选取N=5,风电调频潜力预测误差最大熵分布模型参数如下表1所示。
风机调频潜力误差分布如图2所示。
表1
步骤D.计算不同置信水平下风电场调频潜力预测区间,根据调频潜力预测误差分布概率密度计算不同置信水平下预测误差置信区间。通过给定风速序列的预测数据计算调频潜力预测值,与预测误差区间叠加得到不同置信水平下的预测区间,选取该风电场2015年6月20日风速预测数据,计算调频潜力预测区间如图3所示。
本发明所设计风电调频潜力预测误差分布估计方法,采用全新策略设计,获得不同置信水平下风电场调频潜力预测区间,执行过程不依赖调频潜力误差样本分布形状的先验知识,可以实现风电机组的调频潜力误差区间的准确评估、以及预测波动区间的准确估计,为优化传统机组备用容量、缓解电网调频压力和提升电力***稳定运行具有重要意义,能够准确反映风电调频潜力的波动范围,优化机组备用容量,降低运行风险。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (3)
1.一种风电调频潜力预测误差分布估计方法,其特征在于,包括如下步骤:
步骤A.针对风机,获取指定历史时间段中各历史时刻的风机转子转速、风机功率实测数据、风机预测风速数据、风机实测风速数据,并针对所获数据进行预处理,然后进入步骤B;
步骤B.计算获得各历史时刻分别所对应的风电场调频潜力预测误差,作为各个样本,构成样本集合,然后进入步骤C;
上述步骤B中,分别针对各历史时刻,执行如下步骤B1至步骤B7,获得各历史时刻分别所对应的风电场调频潜力预测误差,作为各个样本,构成样本集合;
步骤B1.根据如下公式:
获得风机叶尖速比λ、风机桨距角β,以及对应风机叶尖速比λ与风机桨距角β的风能利用系数Cp(λ,β),其中,v表示风机输入风速,ω表示风机转子转速,然后进入步骤B2;
步骤B2.根据如下公式:
获得风机输出功率实际值Pr,其中,ρ表示空气密度,R表示风轮半径;然后进入步骤B3;
步骤B3.根据如下公式:
获得风机输出功率预测值Pf,其中,Cp(λopt,β)表示对应最优风机叶尖速比λopt与风机桨距角β的风能利用系数,然后进入步骤B4;
步骤B4.根据如下公式:
获得调频结束时刻风机输出功率P0,其中,ω0表示风机参与调频运行风速下限、根据风机最优叶尖速比对应得到的风机参与调频运行转速下限,Cp(ω0R/v,β)表示对应最优风机叶尖速比ω0R/v与风机桨距角β的风能利用系数,然后进入步骤B5;
步骤B5.根据如下公式:
获得风电调频潜力的预测值ΔPdf,其中,Tdel表示风机向电网持续注入功率时间,H表示风机固有惯性时间常数,ωf表示风机实测风速数据根据风机最优叶尖速比对应得到的转子转速,ω0表示风机参与调频运行风速下限、根据风机最优叶尖速比对应得到的风机参与调频运行转速下限;然后进入步骤B6;
步骤B6.根据如下公式:
获得风电调频潜力的实际值ΔPd;然后进入步骤B7;
步骤B7.根据如下公式:
计算风电调频潜力预测误差ΔPerr,其中,PN为风机额定输出功率;
步骤C.根据各个样本,基于最大熵原理,建立风机所对应的调频潜力预测误差概率密度模型,然后进入步骤D;
上述步骤C包括如下步骤:
步骤C1.根据如下公式:
步骤C2.根据样本集合X分别对应预设各阶n的原点矩,则样本集合X的最大熵模型如下:
maxH(s)=-∫p(s)lnp(s)ds
s.t.∫p(s)snds=an
式中,s表示变量,H(s)表示样本集合X的信息熵,p(s)表示待求概率密度分布;然后进入步骤C3;
步骤C3.根据样本集合X的最大熵模型,按如下公式:
构造拉格朗日函数FL,其中,λ0、…、λn、…、λN表示各个拉格朗日乘子,然后进入步骤C4;
步骤C4.根据拉格朗日函数FL满足条件,则待求概率密度分布p(s)如下:
然后进入步骤C5;
步骤C5.将待求概率密度分布p(s)代入步骤C2中的约束条件,获得如下:
通过求解以上非线性方程(1),获得拉格朗日乘子λ0、…、λn、…、λN,进而求解获得待求概率密度分布p(s),即风机所对应的调频潜力预测误差概率密度模型;
步骤D.根据调频潜力预测误差概率密度模型,针对风机目标预测风速数据,计算获得不同置信水平下风电场调频潜力预测区间。
2.根据权利要求1所述一种风电调频潜力预测误差分布估计方法,其特征在于:所述步骤A中,针对各历史时刻的风机转子转速、风机功率实测数据、风机预测风速数据、风机实测风速数据,按如下进行预处理;
分别针对各历史时刻的风机实测风速数据,若风机实测风速数据小于或等于风机参与调频运行风速下限时,则风机退出调频,并删除该历史时刻、以及所对应的风机转子转速、风机功率实测数据、风机预测风速数据、风机实测风速数据;若风机实测风速数据大于风机参与调频运行风速下限时,则风机参与调频,并保留该历史时刻、以及所对应的风机转子转速、风机功率实测数据、风机预测风速数据、风机实测风速数据。
3.根据权利要求1所述一种风电调频潜力预测误差分布估计方法,其特征在于:所述步骤D包括如下步骤D1至步骤D2;
步骤D1.根据风机所对应的调频潜力预测误差概率密度模型,计算获得不同置信水平下预测误差置信区间,然后进入步骤D2;
步骤D2.计算获得风机目标预测风速数据所对应的风电调频潜力预测值,并与不同置信水平下预测误差置信区间叠加,获得不同置信水平下的预测区间。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010735856.9A CN111900743B (zh) | 2020-07-28 | 2020-07-28 | 一种风电调频潜力预测误差分布估计方法 |
LU500788A LU500788B1 (en) | 2020-07-28 | 2020-08-07 | Method for estimating forecast error distribution of wind power frequency regulation potential |
PCT/CN2020/107727 WO2022021470A1 (zh) | 2020-07-28 | 2020-08-07 | 一种风电调频潜力预测误差分布估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010735856.9A CN111900743B (zh) | 2020-07-28 | 2020-07-28 | 一种风电调频潜力预测误差分布估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111900743A CN111900743A (zh) | 2020-11-06 |
CN111900743B true CN111900743B (zh) | 2021-11-16 |
Family
ID=73190499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010735856.9A Active CN111900743B (zh) | 2020-07-28 | 2020-07-28 | 一种风电调频潜力预测误差分布估计方法 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN111900743B (zh) |
LU (1) | LU500788B1 (zh) |
WO (1) | WO2022021470A1 (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112613647A (zh) * | 2020-12-13 | 2021-04-06 | 国网辽宁省电力有限公司经济技术研究院 | 一种基于误差熵的风电预测稳定性评估方法 |
CN112564132B (zh) * | 2020-12-15 | 2023-04-14 | 深圳供电局有限公司 | 一种风电一次调频潜力不确定性建模方法 |
CN113131532B (zh) * | 2021-04-16 | 2021-10-08 | 南京邮电大学 | 一种新能源电站一次调频网络化控制方法 |
CN113193572B (zh) * | 2021-04-30 | 2022-11-11 | 国网江苏省电力有限公司 | 通过建模风电调频参数概率分布实现风机控制的方法 |
CN114583767B (zh) * | 2022-03-10 | 2023-03-17 | 中国电力科学研究院有限公司 | 一种数据驱动的风电场调频响应特性建模方法及*** |
CN114542378B (zh) * | 2022-04-26 | 2022-07-12 | 东方电气风电股份有限公司 | 一种动态计算风力发电机组最优最小桨角的方法 |
CN114897245B (zh) * | 2022-05-12 | 2024-05-28 | 国网湖北省电力有限公司电力科学研究院 | 一种基于长短期记忆神经网络的规模风电超短期功率预测误差修正方法 |
CN115017725B (zh) * | 2022-06-27 | 2024-06-18 | 国网湖南省电力有限公司 | 风电高渗透电网***的等效惯量预测方法 |
CN115276040B (zh) * | 2022-09-26 | 2022-12-13 | 中国电力科学研究院有限公司 | 一种同步电网电力***一次调频安全裕度评估方法及装置 |
CN115508650A (zh) * | 2022-10-13 | 2022-12-23 | 西安德纳检验检测有限公司 | 一种基于多点同步测量的新能源场站调频检测方法和*** |
CN115498660B (zh) * | 2022-11-17 | 2023-04-07 | 华北电力大学 | 风电场调频动态建模方法、装置及电子设备 |
CN115929569A (zh) * | 2023-02-15 | 2023-04-07 | 南京华盾电力信息安全测评有限公司 | 一种风电机组变桨***故障诊断方法 |
CN116599163B (zh) * | 2023-04-27 | 2024-01-23 | 华能烟台风力发电有限公司 | 基于调频控制的高可靠性风电场功率控制*** |
CN116563055B (zh) * | 2023-07-07 | 2023-11-03 | 中国科学院地理科学与资源研究所 | 一种基于多源数据融合的风能潜力评估方法 |
CN117738844B (zh) * | 2024-02-20 | 2024-04-30 | 威海亨策新能源科技有限公司 | 一种农业新能源风力发电控制***及控制方法 |
CN117907631B (zh) * | 2024-03-20 | 2024-05-24 | 北京科技大学 | 一种基于风速传感器的风速矫正方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11127538A (ja) * | 1997-10-22 | 1999-05-11 | Hitachi Ltd | 電力系統の周波数特性推定方法および装置 |
CN103259274A (zh) * | 2013-04-18 | 2013-08-21 | 华中科技大学 | 多区域互联电网特高压联络线功率控制方法及控制器 |
CN104037772A (zh) * | 2014-06-12 | 2014-09-10 | 国家电网公司 | 一种互联电网agc调频统一控制器及控制方法 |
CN104682436A (zh) * | 2015-03-17 | 2015-06-03 | 成都鼎智汇科技有限公司 | 一种具有可平抑功率波动的储能***的微电网 |
CN105262083A (zh) * | 2015-10-21 | 2016-01-20 | 中国电力科学研究院 | 一种基于时变负荷扰动的mpc二次调频有功分配方法 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6819087B2 (en) * | 2002-12-27 | 2004-11-16 | General Electric Company | Distributed resource (DR) stabilization control for microgrid applications |
CN102509026A (zh) * | 2011-12-08 | 2012-06-20 | 沈阳工业大学 | 基于最大信息熵原理的风电场短期输出功率预测综合模型 |
DE102014200740A1 (de) * | 2014-01-16 | 2015-07-16 | Wobben Properties Gmbh | Verfahren und Regel- und/oder Steuereinrichtung zum Betrieb einer Windenergieanlage und/oder eines Windparks sowie Windenergieanlage und Windpark |
CN103927695B (zh) * | 2014-04-22 | 2017-11-24 | 国家电网公司 | 基于自学习复合数据源的风电功率超短期预测方法 |
CN104917201B (zh) * | 2015-06-16 | 2017-03-29 | 山东大学 | 模拟惯性与超速相结合的双馈风机有功频率控制器及方法 |
CN105303266A (zh) * | 2015-11-23 | 2016-02-03 | 国网山东省电力公司经济技术研究院 | 一种准确估计风电功率预测误差区间的方法 |
CN106528912A (zh) * | 2016-09-19 | 2017-03-22 | 国网浙江省电力公司经济技术研究院 | 一种风电场调频容量评估方法 |
CN108242823B (zh) * | 2016-12-26 | 2020-04-28 | 北京金风科创风电设备有限公司 | 风电场有功功率的分配方法和装置 |
CN107359646B (zh) * | 2017-08-31 | 2020-08-11 | 国电南瑞科技股份有限公司 | 一种计及远方调度计划和就地频率响应的风电场参与一次调频方法 |
CN107732977B (zh) * | 2017-09-21 | 2021-02-19 | 东南大学溧阳研究院 | 一种基于需求响应的agc实时调度方法 |
CN107947195B (zh) * | 2017-11-07 | 2021-04-09 | 国家电网公司 | 一种大型风力发电机组的调频方法及装置 |
CN110098622B (zh) * | 2018-01-31 | 2021-04-13 | 北京金风科创风电设备有限公司 | 风电机组的一次调频方法和设备 |
US11063441B2 (en) * | 2018-10-18 | 2021-07-13 | General Electric Company | Systems and methods for managing resonance in wind turbine power systems |
CN109728590B (zh) * | 2018-12-28 | 2022-08-19 | 南京工业大学 | 风电机组参与一次调频的自适应控制方法 |
CN109494769B (zh) * | 2019-01-07 | 2020-11-06 | 华北电力大学 | 一种风场参与调频方法及*** |
CN109687458B (zh) * | 2019-03-05 | 2022-03-18 | 东北电力大学 | 考虑区域配电网风险承受能力差异的网架规划方法 |
CN109921461B (zh) * | 2019-03-06 | 2023-03-21 | 华北电力大学(保定) | 虚拟同步发电机一次调频性能评价及参数优化*** |
CN110426583A (zh) * | 2019-08-13 | 2019-11-08 | 南京东博智慧能源研究院有限公司 | 一种智能插座的数据自适应采集方法 |
-
2020
- 2020-07-28 CN CN202010735856.9A patent/CN111900743B/zh active Active
- 2020-08-07 WO PCT/CN2020/107727 patent/WO2022021470A1/zh active Application Filing
- 2020-08-07 LU LU500788A patent/LU500788B1/en active IP Right Grant
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11127538A (ja) * | 1997-10-22 | 1999-05-11 | Hitachi Ltd | 電力系統の周波数特性推定方法および装置 |
CN103259274A (zh) * | 2013-04-18 | 2013-08-21 | 华中科技大学 | 多区域互联电网特高压联络线功率控制方法及控制器 |
CN104037772A (zh) * | 2014-06-12 | 2014-09-10 | 国家电网公司 | 一种互联电网agc调频统一控制器及控制方法 |
CN104682436A (zh) * | 2015-03-17 | 2015-06-03 | 成都鼎智汇科技有限公司 | 一种具有可平抑功率波动的储能***的微电网 |
CN105262083A (zh) * | 2015-10-21 | 2016-01-20 | 中国电力科学研究院 | 一种基于时变负荷扰动的mpc二次调频有功分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111900743A (zh) | 2020-11-06 |
LU500788B1 (en) | 2022-06-07 |
WO2022021470A1 (zh) | 2022-02-03 |
LU500788A1 (en) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111900743B (zh) | 一种风电调频潜力预测误差分布估计方法 | |
US9201410B2 (en) | Methods and systems for optimizing farm-level metrics in a wind farm | |
US12034307B2 (en) | MPC-based hierarchical coordinated control method and device for wind-hydrogen coupling system | |
CN101776043B (zh) | 基于误差补偿模型的风电机组最大风能捕获控制方法 | |
CN112564132B (zh) | 一种风电一次调频潜力不确定性建模方法 | |
CN109217374B (zh) | 一种风电电力***无功电压事前多时间尺度优化控制方法 | |
CN103944175A (zh) | 风光储联合发电***出力特性优化方法 | |
CN114865701A (zh) | 基于自适应模型预测控制的风储联合调频方法 | |
CN104538989B (zh) | 风电场闭环有功功率的控制方法 | |
CN109376426B (zh) | 一种风电并网功率调度方法及装置 | |
CN115333168A (zh) | 一种基于分布式滚动优化的海上风电场场级控制策略 | |
CN116316883B (zh) | 一种风电机群协同运行优化控制方法 | |
CN112736973A (zh) | 平抑风电、光伏电站出力波动的电池储能容量配置方法及*** | |
CN112994051A (zh) | 一种含可变速机组的海水抽水蓄能电站容量优化配置方法 | |
CN112365101A (zh) | 基于遗传算法的火电机组调峰组合总煤耗优化方法及*** | |
CN111027179B (zh) | 一种计及辅助调频服务的双馈风电场的等值建模方法 | |
CN111384730A (zh) | 一种风机虚拟惯量控制参数的确定方法 | |
CN109412163B (zh) | 一种分散式风电接入配电网的精确潮流计算方法 | |
CN118040717A (zh) | 一种计及源荷惯量支撑能力的***临界惯量需求量化评估方法 | |
CN111178733B (zh) | 一种基于等效电量函数法的弃风电量评估方法 | |
CN111612255B (zh) | 一种基于支持向量回归的风电场功率曲线建模方法 | |
CN108767907A (zh) | 一种风电场参与自动发电控制的有功分配方法 | |
CN114336663A (zh) | 一种新型电力***源网协同规划方法及装置 | |
CN113034209A (zh) | 发电机运行成本参数核定及运行成本补偿计算方法 | |
CN106022543A (zh) | 一种风功率及电量诊断*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |