CN118074129A - 基于智能优化算法的海上风电谐波治理方法及*** - Google Patents
基于智能优化算法的海上风电谐波治理方法及*** Download PDFInfo
- Publication number
- CN118074129A CN118074129A CN202410496934.2A CN202410496934A CN118074129A CN 118074129 A CN118074129 A CN 118074129A CN 202410496934 A CN202410496934 A CN 202410496934A CN 118074129 A CN118074129 A CN 118074129A
- Authority
- CN
- China
- Prior art keywords
- harmonic
- offshore wind
- wind power
- data
- power
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 52
- 238000011282 treatment Methods 0.000 title claims description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 43
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000011217 control strategy Methods 0.000 claims abstract description 17
- 230000000694 effects Effects 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000007405 data analysis Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 24
- 230000007613 environmental effect Effects 0.000 claims description 20
- 238000009826 distribution Methods 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 238000005067 remediation Methods 0.000 claims description 4
- 230000006866 deterioration Effects 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000033228 biological regulation Effects 0.000 claims description 2
- 238000007726 management method Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000002844 continuous effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了基于智能优化算法的海上风电谐波治理方法及***,涉及海上风电谐波治理技术领域,包括综合分析海上风电接入电网的特定需求,确定谐波控制的关键性能指标,进行海上风电数据采集,并对采集的海上风电数据进行预处理;基于预处理的海上风电数据,建立谐波监测模型,实时监控海上风电***产生的谐波水平,并通过数据分析提取谐波产生的模式和特征;根据分析得到的谐波特征,运用多目标优化算法对电网运行参数进行实时调整;持续监控电力***的运行状态和谐波控制效果,基于收集的反馈数据,自动调整电力控制策略。本发明提高了对谐波的监测和控制能力,确保电网运行的稳定性和电能质量,增强了动态适应性和优化调整效率。
Description
技术领域
本发明涉及海上风电谐波治理技术领域,特别是基于智能优化算法的海上风电谐波治理方法及***。
背景技术
在当今社会,随着全球对可再生能源需求的不断增长,海上风电作为一种清洁、高效的能源获取方式,已经成为世界各国竞相开发的重点。海上风电具有资源丰富、环境影响小等显著优势,但在其接入电网的过程中,谐波与谐振问题成为影响电网稳定性与安全性的关键因素之一。谐波会引起电能质量问题,损害电气设备,增加损耗,而谐振则可能导致***过电压,严重威胁电网运行安全。因此,有效的谐波治理对于确保电网稳定运行、提高电能质量、延长设备使用寿命具有重要意义。传统的治理方法主要依赖于被动滤波器和主动电力滤波器(APF),虽然在一定程度上能够减缓问题,但这些方法在动态性、适应性方面存在局限。
随着人工智能和大数据技术的快速发展,基于智能优化算法的解决方案开始被研究和应用于海上风电谐波治理。现有技术主要集中在利用单一算法或简单组合算法对特定问题进行静态优化,缺乏针对电网动态变化的适应性调整能力。例如,虽然粒子群优化(PSO)算法和遗传算法(GA)在参数优化方面表现出了一定的效果,但它们在处理复杂电网环境下的动态优化问题时,往往因算法本身的局限性而难以达到理想的效果。此外,这些传统方法往往未能充分利用海上风电场和电网***的实时数据,导致优化控制策略不够精确,无法实时响应电网状态的变化,从而影响了谐波治理的效率和效果。
本发明采用了一种综合性的智能优化算法,不仅关注谐波和谐振的实时监测和分析,还能根据电网和风电场的运行状态动态调整治理策略。本方法综合利用多目标优化算法,结合实时数据处理与智能决策支持***,能够在保证电网稳定性和提高电能质量的同时,优化设备运行效率,降低运维成本。通过建立精细化的谐波监测模型,采用高斯函数、Morlet小波等数学工具对谐波特性进行深入分析,实现了对电网谐波水平的精确控制。此外,本方法还利用实时反馈数据自动调整电力控制策略,提高了***的自适应能力和响应速度。与现有技术相比,在谐波治理的动态性和适应性方面都具有明显优势,有望为海上风电领域提供一种更为高效、智能的解决方案。
发明内容
鉴于上述存在的问题,提出了本发明。
因此,本发明所要解决的问题是:如何解决谐波优化控制策略不够精确的问题。
为解决上述技术问题,本发明提供如下技术方案:基于智能优化算法的海上风电谐波治理方法,包括,综合分析海上风电接入电网的特定需求,确定谐波控制的关键性能指标,进行海上风电数据采集,并对采集的海上风电数据进行预处理;基于预处理后的海上风电数据,建立谐波监测模型,实时监控海上风电***产生的谐波水平,并通过数据分析提取谐波产生的模式和谐波特征;根据分析得到的谐波特征,运用多目标优化算法对电网运行参数进行实时调整;持续监控电力***的运行状态,基于收集的反馈数据,自动调整电力控制策略。
作为本发明所述基于智能优化算法的海上风电谐波治理方法的一种优选方案,其中:所述关键性能指标是指根据海上风电场特性及电网接入点特性确定谐波控制的关键性能指标;所述海上风电数据包括电压、电流、频率、功率因数、各阶谐波的电压和电流、风速、温度、负载变化及设备状态;所述预处理包括对采集的海上风电数据进行滤波和归一化处理,输出时域信号。
作为本发明所述基于智能优化算法的海上风电谐波治理方法的一种优选方案,其中:所述谐波监测模型包括,采用标准正态分布的累积分布函数对数据进行归一化,采用Morlet小波函数/>,筛选和强化信号中的特定频率成分,通过高斯函数/>,描述在特定频率/>处的谐波能量分布特性,通过集成计算每个目标频率点的谐波水平,表示为:
;
其中,为归一化函数,/>为时间变量,/>为复杂信息过滤函数,/>为无量纲频率参数,/>为谐波影响函数,/>为监测的频率,/>为/>的目标谐波频率,为/>函数标准差,/>为在频率/>处的谐波水平,/>为采集数据点的总数,/>为第/>个数据点,/>为衰减因子,/>为第/>个预处理后的数据点的值,/>为权重系数;将预处理后的数据输入到建立的谐波监测模型中,模型计算每个目标频率点的谐波水平,分析/>随时间的变化,以及在不同环境条件下的表现,识别谐波产生的模式,提取谐波数据的谐波特征。
作为本发明所述基于智能优化算法的海上风电谐波治理方法的一种优选方案,其中:所述数据分析包括,对预处理后的时域信号应用快速傅里叶变换,转换为频域信号,利用计算得到的在特定频率处谐波特征的综合度量/>值,分析谐波能量分布、谐波水平的变化趋势、稳定性与波动性,以及识别异常谐波事件和谐波与环境条件的关联,表示为:
;
其中,为在特定频率/>处谐波特征的综合度量,/>为归一化常数,/>为衰减系数,/>为第/>个数据点在频率/>处的谐波测量值,/>为衰减系数,/>为快速傅里叶逆变换,/>为快速傅里叶变换;通过设定综合度量阈值,当频率/>的/>值超过综合度量阈值时,则在频率处/>存在异常谐波活动;分析环境条件变化时,/>值的响应,若在预先设定的温度和风速的环境条件下,/>值出现变化,则表明谐波水平与环境条件有关。
作为本发明所述基于智能优化算法的海上风电谐波治理方法的一种优选方案,其中:所述多目标优化算法包括,确定优化目标,表示为:
;
其中,为优化电网运行参数的目标函数,/>为风电场的无功功率控制参数,为谐波滤波器的调谐参数,/>和/>为权重系数,/>为考虑的频率范围的最小值,为考虑的频率范围的最大值,/>为第/>个电网运行指标,/>为电网运行指标的总数,/>为第/>个电网指标系数,/>为小常数,引入以避免分母变为零的情况,/>为第/>个电网运行指标的目标值。
作为本发明所述基于智能优化算法的海上风电谐波治理方法的一种优选方案,其中:所述监控电力***的运行状态包括,计算电压总谐波畸变衡量谐波水平,表示为:
;
其中,为电压总谐波畸变,/>为基波电压幅值,/>为第二次谐波的电压幅值,/>为第三次谐波的电压幅值,/>为第/>次谐波的电压幅值。
作为本发明所述基于智能优化算法的海上风电谐波治理方法的一种优选方案,其中:所述调整电力控制策略包括,设置电压总谐波畸变高阈值和电压总谐波畸变低阈值,若小于电压总谐波畸变低阈值,则设置为优级评估,电网电压质量非常好,谐波影响低,保持当前的谐波控制策略不变,继续进行定期监控确保/>保持在低水平,若大于电压总谐波畸变低阈值且小于电压总谐波畸变高阈值,则设置为良级评估,电网电压质量良好,谐波存在但在可控范围内,增加谐波水平的监控频率,及时发现任何趋势恶化的迹象,调整谐波滤波器的工作参数,增加无功补偿,减少/>,若/>大于电压总谐波畸变高阈值,则设置为待改进级评估,进行详细的谐波源分析,确定导致高的具体原因,在关键节点增设和优化谐波滤波器,降低/>。
本发明的另外一个目的是提供基于智能优化算法的海上风电谐波治理方法的***,其能通过构建海上风电谐波治理的***,解决了基于智能优化算法的海上风电谐波治理问题。
为解决上述技术问题,本发明提供如下技术方案:基于智能优化算法的海上风电谐波治理***,包括,数据采集处理模块、谐波监测模块、多目标优化模块及监测模块;所述数据采集处理模块用于综合分析海上风电接入电网的特定需求,确定谐波控制的关键性能指标,进行海上风电数据采集,并对采集的海上风电数据进行预处理;所述谐波监测模块基于预处理后的海上风电数据,建立谐波监测模型,实时监控海上风电***产生的谐波水平,并通过数据分析提取谐波产生的模式和谐波特征;所述多目标优化模块用于根据分析得到的谐波特征,运用多目标优化算法对电网运行参数进行实时调整;所述监测模块用于持续监控电力***的运行状态,基于收集的反馈数据,自动调整电力控制策略。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如上所述基于智能优化算法的海上风电谐波治理方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述基于智能优化算法的海上风电谐波治理方法的步骤。
本发明有益效果为:本发明提供的基于智能优化算法的海上风电谐波治理方法通过综合分析与数据预处理、建立精准的谐波监测模型、运用多目标优化算法调整电网运行参数,以及持续的效果评估与策略调整,为海上风电接入电网的谐波和谐振问题提供了一种全面、智能化的治理方法。这一系列步骤不仅有效提高了电网对谐波的监测和控制能力,确保了电网运行的稳定性和电能质量,同时还增强了***的动态适应性和优化调整效率。
附图说明
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,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明第一个实施例提供的基于智能优化算法的海上风电谐波治理方法的流程图。
图2为本发明第二个实施例提供的基于智能优化算法的海上风电谐波治理***的结构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
实施例1
参照图1,为本发明第一个实施例,该实施例提供了基于智能优化算法的海上风电谐波治理方法,包括:综合分析海上风电接入电网的特定需求,确定谐波控制的关键性能指标,进行海上风电数据采集,并对采集的海上风电数据进行预处理;基于预处理后的海上风电数据,建立谐波监测模型,实时监控海上风电***产生的谐波水平,并通过数据分析提取谐波产生的模式和谐波特征;根据分析得到的谐波特征,运用多目标优化算法对电网运行参数进行实时调整;持续监控电力***的运行状态,基于收集的反馈数据,自动调整电力控制策略。
S1、综合分析海上风电接入电网的特定需求,确定谐波控制的关键性能指标,进行海上风电数据采集,并对采集的海上风电数据进行预处理。
根据海上风电场特性及电网接入点特性确定谐波控制的关键性能指标。
海上风电数据包括电压、电流、频率、功率因数、各阶谐波的电压和电流、风速、温度、负载变化及设备状态。
对采集的海上风电数据进行滤波和归一化处理,输出时域信号。
S2、基于预处理的海上风电数据,建立谐波监测模型,实时监控海上风电***产生的谐波水平,并通过数据分析提取谐波产生的模式和特征。
采用标准正态分布的累积分布函数对数据进行归一化,将不同量级或单位的数据转换至同一标准化值域内,采用Morlet小波函数/>,筛选和强化信号中的特定频率成分,这一步骤对于识别和分析信号中的谐波特性至关重要。通过高斯函数/>,描述在特定频率/>处的谐波能量分布特性,通过集成计算每个目标频率点的谐波水平/>,不仅反映了谐波的即时水平,也能分析谐波随时间的变化,以及在不同环境条件下的表现,表示为:
;
其中,为归一化函数,用于将输入数据/>转换至标准化值域内,选择标准正态分布的累积分布函数(CDF)作为归一化手段,/>为时间变量,/>为复杂信息过滤函数,采用Morlet小波,用于筛选和强化信号中的特定频率成分,/>为无量纲频率参数,指定了Morlet小波中的中心频率,在小波变换中,/>决定了分析焦点在频率域中的位置,即小波函数集中分析的频率。这个参数对于识别和分析信号中特定频率成分的能力至关重要,较高的/>值使得小波函数更加集中在高频分量,而较低的值则倾向于分析低频成分,为谐波影响函数,采用高斯函数形式,描述在特定频率/>处的谐波能量分布特性,/>为监测的频率,/>为/>的目标谐波频率,是谐波能量分布中心的频率,/>为/>函数标准差,决定了谐波能量分布的宽度,/>为在频率/>处的谐波水平,/>为采集数据点的总数,/>为第/>个数据点,/>为衰减因子,用于调整指数函数中数据点值的影响强度,使模型对极端值更加鲁棒,/>为第/>个预处理后的数据点的值,可以是电压、电流等电气参数,/>为权重系数;用于平衡模型中求和项与积分项的相对贡献度。/>初始值可基于经验设定,随后通过敏感性分析评估/>对模型输出的影响。利用优化算法,如遗传算法或粒子群优化,寻找能够最大化准确性或最小化误差的/>值,进行验证确保所选/>的泛化能力,确定最终的权重系数。
将预处理后的数据输入到建立的谐波监测模型中,模型计算每个目标频率点的谐波水平,分析/>随时间的变化,以及在不同环境条件下的表现,识别谐波产生的模式,包括谐波水平随外部条件变化的模式、谐波频率分布模式、谐波与设备运行状态的关联模式及动态变化模式,可以识别出哪些操作条件更容易产生高谐波,提取谐波数据的特征。这些特征可能包括特定频率的能量集中、谐波的瞬时变化模式等。
谐波水平随外部条件变化的模式包括风速变化模式、温度变化模式、负载变化模式。
风速变化模式,风速的变化直接影响海上风电机组的输出功率,进而可能影响谐波的产生。例如,在高风速下,由于发电量增加,与功率电子设备相关的谐波也可能增加。温度变化模式,温度的升高可能会影响电气设备的性能,进而影响谐波水平。例如,变压器和电缆的阻抗会随温度变化而变化,可能导致谐波分布的改变。负载变化模式,电网负载的变化,特别是大量非线性负载的接入或断开,可能会导致谐波水平的显著变化。
谐波频率分布模式包括特定频率谐波增强模式和宽带谐波模式。
特定频率谐波增强模式,在某些操作条件下,可能会观察到特定频率的谐波显著增强,这可能与海上风电***中使用的功率电子设备(如变频器、整流器等)的特性有关。宽带谐波模式,在某些故障或特定条件下,可能会观察到不是单一频率而是一段频率范围内谐波水平的提高,这种模式可能指示着更复杂的谐波产生机制。
谐波与设备运行状态的关联模式包括设备状态变化模式,海上风电***内部的设备运行状态变化(如开关操作、维护状态等)可能导致谐波产生模式的变化。例如,某些设备的启动或停止可能引入或消除特定频率的谐波。
动态变化模式,在某些瞬态操作条件下(如***启动、停机、故障清除等),可能会产生短暂但显著的谐波水平波动。
对预处理后的时域信号应用快速傅里叶变换,转换为频域信号,利用计算得到的在特定频率处谐波特征的综合度量/>值,分析谐波能量分布、谐波水平的变化趋势、稳定性与波动性,以及识别异常谐波事件和谐波与环境或操作条件的关联,表示为:
;
其中,为在特定频率/>处谐波特征的综合度量,反映了该频率下谐波水平的量化评估,/>为归一化常数,用于确保/>的值在合理的范围内,/>为衰减系数,用于调整每个测量值/>对综合谐波特征度量/>的影响强度,/>为第/>个数据点在频率/>处的谐波测量值,通过对时域信号应用快速傅里叶变换(FFT)并在特定频率处提取幅值得到,/>为衰减系数,用于调整实时测量的谐波水平与/>之间的差异对综合度量/>的影响,/>为快速傅里叶逆变换,/>为快速傅里叶变换。
最终能够提取的谐波特征主要包括:谐波能量分布、谐波水平的变化趋势、谐波稳定性与波动性、异常谐波事件的识别及谐波与环境或操作条件的关联。
谐波能量分布描述了在不同频率下谐波能量的分布情况。通过观察在各个频率点的值,可以识别出谐波能量集中的频率区域,确定谐波的主要来源和可能的影响。
谐波水平的变化趋势,随时间的变化能够揭示谐波水平的动态变化趋势。例如,如果在特定的操作条件下,某些频率的/>值显著增加,这可能表明在这些条件下***更容易产生谐波。
谐波稳定性与波动性,通过分析在长时间序列上的波动,可以评估谐波的稳定性。频繁的大幅度变化可能指示***的不稳定性,需要进一步的分析和干预。
异常谐波事件的识别,在的分析中,异常高的值可能表明非常规的谐波事件或故障。这些信息对于故障诊断和***维护至关重要。通过设定综合度量阈值,当频率/>的/>值超过综合度量阈值时,则在频率处/>存在异常谐波活动。
谐波与环境或操作条件的关联:将与环境数据(如风速、温度)或***操作状态(如负载水平)相关联,可以识别谐波产生的外部或内部因素,为***优化提供线索。分析环境条件变化时,/>值的响应,若在预先设定的温度和风速的环境条件下,/>值出现变化,则表明谐波水平与环境条件有关。
S3、根据分析得到的谐波特征,运用多目标优化算法对电网运行参数进行实时调整。
确定优化目标,最小化电网运行参数与其理想状态之间的偏差和最小化谐波对电网的影响,增强电力***的整体稳定性和可靠性,通过动态调整海上风电场的无功功率控制参数和谐波滤波器的调谐参数,促进电网的稳定运行和提高对外部扰动的抵抗力,从而在确保电力质量的同时,优化整个电网的性能和效率,这两个目标反映在公式的两个主要项中,即谐波特征度量/>的积分项和电网运行参数偏差的求和项,在/>公式中,通过对/>在特定频率范围内进行积分,获得关于谐波影响的整体度量,为了量化电网运行参数的优化,定义了/>作为第/>个电网运行指标的数学模型,选择了对数函数来表示这些指标与电网运行参数之间的关系。因为对数函数能够在参数变化较大时提供平滑的响应,这对于处理电网运行的复杂动态特性是有益的,表示为:
;
其中,为优化电网运行参数的目标函数,旨在通过调整电网运行参数以最小化整体目标,即平衡谐波抑制效果与电网运行参数的优化,/>为风电场的无功功率控制参数,无功功率的调整通过改变风电场中的无功功率发生设备,如SVG(静态无功发生器)或风力发电机的无功功率输出,来实现,/>为谐波滤波器的调谐参数,在海上风电场中,谐波滤波器用于减少谐波在电网中的传播,调谐参数决定了滤波器对特定频率谐波的抑制效能,影响着电网谐波的总体水平,通过精确调整这些参数,可以优化谐波滤波器的性能,以应对不同的运行条件和谐波产生模式,/>和/>为权重系数,用于平衡谐波抑制和电网运行参数优化之间的重要性,以确保在满足电网稳定性的同时有效控制谐波,/>为考虑的频率范围的最小值,/>为考虑的频率范围的最大值,/>为第/>个电网运行指标,/>为电网运行指标的总数,/>为第/>个电网指标系数,调整该指标在整体优化目标中的影响力,为小常数,引入以避免分母变为零的情况,/>为第/>个电网运行指标的目标值。
优化的目的之一是使尽可能接近/>。
S4、持续监控电力***的运行状态,基于收集的反馈数据,自动调整电力控制策略。
通过优化电网运行参数,可以直接或间接地影响到的值,因为/>反映了电网中谐波的整体水平,而谐波的控制直接影响到电网的电压质量,通过调整无功功率控制参数和谐波滤波器的调谐参数,可以有效减少电网中的谐波水平。谐波滤波器通过消除或减少特定频率的谐波,而无功功率的适当调整可以改善电网的电压稳定性,从而间接减少/>。计算电压总谐波畸变衡量谐波水平,表示为:
;
其中,为电压总谐波畸变,/>为基波电压幅值,/>为第二次谐波的电压幅值,/>为第三次谐波的电压幅值,/>为第/>次谐波的电压幅值。
设置电压总谐波畸变高阈值和电压总谐波畸变低阈值,若小于电压总谐波畸变低阈值,则设置为优级评估,电网电压质量非常好,谐波影响低,保持当前的谐波控制策略不变,继续进行定期监控确保/>保持在低水平,若/>大于电压总谐波畸变低阈值且小于电压总谐波畸变高阈值,则设置为良级评估,电网电压质量良好,谐波存在但在可控范围内,增加谐波水平的监控频率,及时发现任何趋势恶化的迹象,调整谐波滤波器的工作参数,增加无功补偿,减少/>,若/>大于电压总谐波畸变高阈值,则设置为待改进级评估,进行详细的谐波源分析,确定导致高/>的具体原因,如特定设备的影响或***配置问题,在关键节点增设和优化谐波滤波器,以有效降低/>,通过更精细的无功功率控制,改善电网电压质量,间接降低/>,如果必要,进行***级的升级或重配置,以根本减少谐波产生。
实施例2
参照图2,为本发明第二个实施例,其不同于前一个实施例的是,提供了基于智能优化算法的海上风电谐波治理***,包括:数据采集处理模块、谐波监测模块、多目标优化模块及监测模块。
数据采集处理模块用于综合分析海上风电接入电网的特定需求,确定谐波控制的关键性能指标,进行海上风电数据采集,并对采集的海上风电数据进行预处理。
谐波监测模块基于预处理后的海上风电数据,建立谐波监测模型,实时监控海上风电***产生的谐波水平,并通过数据分析提取谐波产生的模式和谐波特征。
多目标优化模块用于根据分析得到的谐波特征,运用多目标优化算法对电网运行参数进行实时调整。
监测模块用于持续监控电力***的运行状态,基于收集的反馈数据,自动调整电力控制策略。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方案中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
实施例3
本发明第三个实施例,其不同于前两个实施例的是:为对本发明中采用的技术效果加以验证说明,以验证本方法所具有的真实效果。
模拟一个典型的海上风电场接入电网的场景,考虑包括风速变化、负载波动、温度变化等因素。评估周期为一周,24小时全天候监测。考虑指标,电压总谐波畸变、***稳定性指标(如电压波动率)、谐波控制响应时间、经济性(运维成本)。采用本发明方法、传统被动滤波器方法及传统主动电力滤波器(APF)方法同时进行治理。
本实施例利用传统方法和我方发明方法同时进行检测,其检测对比结果如下表所示:
表1 传统方法与我方发明方法对比表
电压总谐波畸变是评估电能质量的重要指标,较低的值意味着更高的电能质量。在对比中,本发明方法将/>控制在了2%,而传统的被动滤波器方法和主动电力滤波器(APF)方法分别达到了5%和3%。这一结果表明,本发明能够更有效地减少谐波对电网的不利影响,提供更优质的电能。
***稳定性指标反映了电网在面对环境和负载变化时的稳定性。本发明实现了较低的电压波动率(0.5%),相比之下,传统被动滤波器方法和APF方法分别为1.2%和0.8%。这一指标的优化说明了本发明能够有效应对风速、温度变化等不稳定因素,保障电网运行的稳定性。
谐波控制响应时间是衡量***对谐波突变反应速度的指标。本发明仅需10ms即可完成响应,而APF方法则需要30ms,传统被动滤波器由于其被动性质,此指标不适用。快速的响应时间意味着能更迅速地调整控制策略,对谐波突变进行有效管理。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.基于智能优化算法的海上风电谐波治理方法,其特征在于:包括,
综合分析海上风电接入电网的特定需求,确定谐波控制的关键性能指标,进行海上风电数据采集,并对采集的海上风电数据进行预处理;
基于预处理后的海上风电数据,建立谐波监测模型,实时监控海上风电***产生的谐波水平,并通过数据分析提取谐波产生的模式和谐波特征;
根据分析得到的谐波特征,运用多目标优化算法对电网运行参数进行实时调整;
持续监控电力***的运行状态,基于收集的反馈数据,自动调整电力控制策略。
2.如权利要求1所述的基于智能优化算法的海上风电谐波治理方法,其特征在于:所述关键性能指标是指根据海上风电场特性及电网接入点特性确定谐波控制的关键性能指标;
所述海上风电数据包括电压、电流、频率、功率因数、各阶谐波的电压和电流、风速、温度、负载变化及设备状态;
所述预处理包括对采集的海上风电数据进行滤波和归一化处理,输出时域信号。
3.如权利要求2所述的基于智能优化算法的海上风电谐波治理方法,其特征在于:所述谐波监测模型包括,采用标准正态分布的累积分布函数对数据进行归一化,采用Morlet小波函数/>,筛选和强化信号中的特定频率成分,通过高斯函数/>,描述在特定频率/>处的谐波能量分布特性,通过集成计算每个目标频率点的谐波水平,表示为,
;
其中,为归一化函数,/>为时间变量,/>为复杂信息过滤函数,/>为无量纲频率参数,/>为谐波影响函数,/>为监测的频率,/>为/>的目标谐波频率,/>为/>函数标准差,/>为在频率/>处的谐波水平,/>为采集数据点的总数,/>为第个数据点,/>为衰减因子,/>为第/>个预处理后的数据点的值,/>为权重系数;
将预处理后的数据输入到建立的谐波监测模型中,模型计算每个目标频率点的谐波水平,分析/>随时间的变化,以及在不同环境条件下的表现,识别谐波产生的模式,提取谐波数据的谐波特征。
4.如权利要求3所述的基于智能优化算法的海上风电谐波治理方法,其特征在于:所述数据分析包括,对预处理后的时域信号应用快速傅里叶变换,转换为频域信号,利用计算得到的在特定频率处谐波特征的综合度量/>值,分析谐波能量分布、谐波水平的变化趋势、稳定性与波动性,以及识别异常谐波事件和谐波与环境条件的关联,表示为,
;
其中,为在特定频率/>处谐波特征的综合度量,/>为归一化常数,/>为衰减系数,/>为第/>个数据点在频率/>处的谐波测量值,/>为衰减系数,/>为快速傅里叶逆变换,/>为快速傅里叶变换;
通过设定综合度量阈值,当频率的/>值超过综合度量阈值时,则在频率处/>存在异常谐波活动;
分析环境条件变化时,值的响应,若在预先设定的温度和风速的环境条件下,值出现变化,则表明谐波水平与环境条件有关。
5.如权利要求4所述的基于智能优化算法的海上风电谐波治理方法,其特征在于:所述多目标优化算法包括,确定优化目标,表示为,
;
其中,为优化电网运行参数的目标函数,/>为风电场的无功功率控制参数,/>为谐波滤波器的调谐参数,/>和/>为权重系数,/>为考虑的频率范围的最小值,/>为考虑的频率范围的最大值,/>为第/>个电网运行指标,/>为电网运行指标的总数,/>为第/>个电网指标系数,/>为小常数,引入以避免分母变为零的情况,/>为第/>个电网运行指标的目标值。
6.如权利要求5所述的基于智能优化算法的海上风电谐波治理方法,其特征在于:所述监控电力***的运行状态包括,计算电压总谐波畸变衡量谐波水平,表示为,
;
其中,为电压总谐波畸变,/>为基波电压幅值,/>为第二次谐波的电压幅值,为第三次谐波的电压幅值,/>为第/>次谐波的电压幅值。
7.如权利要求6所述的基于智能优化算法的海上风电谐波治理方法,其特征在于:所述调整电力控制策略包括,设置电压总谐波畸变高阈值和电压总谐波畸变低阈值,若小于电压总谐波畸变低阈值,则设置为优级评估,电网电压质量非常好,谐波影响低,保持当前的谐波控制策略不变,继续进行定期监控确保/>保持在低水平,若/>大于电压总谐波畸变低阈值且小于电压总谐波畸变高阈值,则设置为良级评估,电网电压质量良好,谐波存在但在可控范围内,增加谐波水平的监控频率,及时发现任何趋势恶化的迹象,调整谐波滤波器的工作参数,增加无功补偿,减少/>,若/>大于电压总谐波畸变高阈值,则设置为待改进级评估,进行详细的谐波源分析,确定导致高/>的具体原因,在关键节点增设和优化谐波滤波器,降低/>。
8.一种采用如权利要求1~7任一所述的基于智能优化算法的海上风电谐波治理方法的***,其特征在于:包括,数据采集处理模块、谐波监测模块、多目标优化模块及监测模块;
所述数据采集处理模块用于综合分析海上风电接入电网的特定需求,确定谐波控制的关键性能指标,进行海上风电数据采集,并对采集的海上风电数据进行预处理;
所述谐波监测模块基于预处理后的海上风电数据,建立谐波监测模型,实时监控海上风电***产生的谐波水平,并通过数据分析提取谐波产生的模式和谐波特征;
所述多目标优化模块用于根据分析得到的谐波特征,运用多目标优化算法对电网运行参数进行实时调整;
所述监测模块用于持续监控电力***的运行状态,基于收集的反馈数据,自动调整电力控制策略。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于智能优化算法的海上风电谐波治理方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于智能优化算法的海上风电谐波治理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410496934.2A CN118074129A (zh) | 2024-04-24 | 2024-04-24 | 基于智能优化算法的海上风电谐波治理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410496934.2A CN118074129A (zh) | 2024-04-24 | 2024-04-24 | 基于智能优化算法的海上风电谐波治理方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118074129A true CN118074129A (zh) | 2024-05-24 |
Family
ID=91099441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410496934.2A Pending CN118074129A (zh) | 2024-04-24 | 2024-04-24 | 基于智能优化算法的海上风电谐波治理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118074129A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012162152A1 (en) * | 2011-05-20 | 2012-11-29 | Chuc, Llc | Waveform distortion mitigation in power systems |
CN103401243A (zh) * | 2013-07-26 | 2013-11-20 | 徐州中矿大传动与自动化有限公司 | 一种指定次谐波补偿apf及其谐波检测和控制方法 |
CN108054781A (zh) * | 2018-01-06 | 2018-05-18 | 东北电力大学 | 一种基于db6离散小波变换的风电集群功率汇聚效应的时频分析方法 |
CN109840858A (zh) * | 2017-11-29 | 2019-06-04 | 中国电力科学研究院有限公司 | 一种基于高斯函数的风电功率波动聚类方法及*** |
WO2019242666A1 (zh) * | 2018-06-20 | 2019-12-26 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种双馈风力发电机组并网的谐波分析与治理方法 |
CN117289022A (zh) * | 2023-09-25 | 2023-12-26 | 国网江苏省电力有限公司南通供电分公司 | 一种基于傅里叶算法的电网谐波检测方法及*** |
CN117498301A (zh) * | 2023-09-26 | 2024-02-02 | 华能(浙江)能源开发有限公司清洁能源分公司 | 一种海上风电场谐振分析方法及*** |
CN117748507A (zh) * | 2024-02-06 | 2024-03-22 | 四川大学 | 基于高斯回归模型的配网谐波接入不确定性评估方法 |
-
2024
- 2024-04-24 CN CN202410496934.2A patent/CN118074129A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012162152A1 (en) * | 2011-05-20 | 2012-11-29 | Chuc, Llc | Waveform distortion mitigation in power systems |
CN103401243A (zh) * | 2013-07-26 | 2013-11-20 | 徐州中矿大传动与自动化有限公司 | 一种指定次谐波补偿apf及其谐波检测和控制方法 |
CN109840858A (zh) * | 2017-11-29 | 2019-06-04 | 中国电力科学研究院有限公司 | 一种基于高斯函数的风电功率波动聚类方法及*** |
CN108054781A (zh) * | 2018-01-06 | 2018-05-18 | 东北电力大学 | 一种基于db6离散小波变换的风电集群功率汇聚效应的时频分析方法 |
WO2019242666A1 (zh) * | 2018-06-20 | 2019-12-26 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种双馈风力发电机组并网的谐波分析与治理方法 |
CN117289022A (zh) * | 2023-09-25 | 2023-12-26 | 国网江苏省电力有限公司南通供电分公司 | 一种基于傅里叶算法的电网谐波检测方法及*** |
CN117498301A (zh) * | 2023-09-26 | 2024-02-02 | 华能(浙江)能源开发有限公司清洁能源分公司 | 一种海上风电场谐振分析方法及*** |
CN117748507A (zh) * | 2024-02-06 | 2024-03-22 | 四川大学 | 基于高斯回归模型的配网谐波接入不确定性评估方法 |
Non-Patent Citations (2)
Title |
---|
MAZIN H E等: "A Study on the Harmonic Contributions of Residential Loads", 《POWER DELIVERY》, 31 December 2011 (2011-12-31), pages 1592 - 1599 * |
王海明等: "风电场谐波分析及治理方案研究", 《电气应用》, 31 December 2015 (2015-12-31), pages 104 - 109 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ahmadipour et al. | Islanding detection method using ridgelet probabilistic neural network in distributed generation | |
JP4906634B2 (ja) | 電力系統の安定度診断装置および方法 | |
Liang et al. | A state-of-the-art review on wind power converter fault diagnosis | |
CN113285471B (zh) | 海上风电场次超同步振荡源感知与定位方法、装置及设备 | |
CN116994416B (zh) | 基于人工智能的风机运行故障预警方法及*** | |
CN117150419A (zh) | 基于数据分析的储能电源运行环境检测*** | |
CN112186759A (zh) | 自适应捕捉频点的双馈风电场次同步振荡抑制方法 | |
CN114841584A (zh) | 一种配电网电能质量的综合评估方法 | |
CN118074129A (zh) | 基于智能优化算法的海上风电谐波治理方法及*** | |
CN108448582B (zh) | 谐波检测***和谐波处理*** | |
Jin et al. | A review of fault diagnosis research on on-load tap-changers | |
CN116885718A (zh) | 电网杂质电流远程治理方法及*** | |
Huang et al. | Adaptive damping control of MMC to suppress high-frequency resonance | |
CN113990057B (zh) | 一种宽频振荡厂站端预警方法、***、存储介质及服务器 | |
CN115293195A (zh) | 一种应用于煤改电负荷特性的分析预测方法及装置 | |
Huang et al. | Adaptive Harmonic Detection of Active Power Filter based on Improved VMD | |
CN117728421B (zh) | 微电网集群协调调度方法、***、计算机设备和存储介质 | |
CN118157136B (zh) | 基于谐波补偿和阻抗调整的海上发电谐波治理方法及*** | |
CN117937522B (zh) | 电力控制柜的电力节能控制方法、控制柜及存储介质 | |
Su et al. | Vibration monitoring of wind turbine tower based on XGBoost | |
Li et al. | Association Analysis of Wind Turbine Grid-Connected Oscillation Modes and Influencing Factors Based on Improved Association Rule Mining | |
CN117096938B (zh) | 逆变器输出电能质量适应性控制方法、装置和计算机设备 | |
CN118137502A (zh) | 基于有源谐波补偿的海上风电谐波谐振治理方法及*** | |
CN118157136A (zh) | 基于谐波补偿和阻抗调整的海上发电谐波治理方法及*** | |
CN117477642B (zh) | 多风电场的不对称故障穿越控制方法、装置及电子设备 |
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 |