计及低电压穿越及故障全过程动态的双馈风电场等值方法
周海强;崔晓丹;许剑冰;曹博源;高超;陈志昊
【期刊名称】《电力系统自动化》
【年(卷),期】2024(48)6
【摘 要】在分析双馈感应发电机(DFIG)故障各阶段动态的基础上,提出了一种计及低电压穿越控制的双馈风电场等值方法。首先,讨论了低电压穿越控制策略,给出了含双馈风电场的电力系统故障稳态潮流计算方法。在考虑电压暂态过程的条件下,分析了外部系统短路故障后DFIG转子电流的变化机理,指出电压跌落深度及风电功率是影响短路电流的主要因素,可根据动作分界线判断撬棒是否动作。然后,根据初始风速及撬棒状态将风电场中的DFIG分为3群,并对等值DFIG及集电网络进行聚合。为提高等值模型在恢复阶段的精度,根据故障稳态电压对双馈风电场功率恢复曲线进行预估,并在此基础上对等值DFIG恢复速率进行分段修正。最后,对含双馈风电场的算例系统进行了等值计算。仿真结果表明,等值模型较好地保持了原系统在故障各阶段的动态,在保持较高精度的前提下有效简化了系统,提高了计算速度。
【总页数】10页(P216-225)
【作 者】周海强;崔晓丹;许剑冰;曹博源;高超;陈志昊
【作者单位】河海大学电气与动力工程学院;南瑞集团有限公司(国网电力科学研究院有限公司);国网上海市电力公司
【正文语种】中 文
【中图分类】TM6 【相关文献】
1.计及低电压穿越控制的双馈风力发电机组短路电流特性与故障分析方法研究2.具有低电压穿越能力的双馈风电场故障特性分析3.基于双馈风电场低电压穿越的高温超导故障限流器建模及其参数优化4.基于低电压穿越功率特性的双馈风电场多机等值方法
因版权原因，仅展示原文概要，查看原文内容请购买
第26卷 第13期2002年7月10日电 力 系 统 自 动 化AutomationofElectricPowerSystemsVol.26 No.13July10,2002
考虑机组爬坡速度和网络安全约束的经济调度解耦算法
韩学山1,柳 焯2
(1.山东大学电气工程学院,山东省济南市250062;2.哈尔滨工业大学电气工程系,黑龙江省哈尔滨市150001)
摘要:在电力系统经济调度中,由于机组爬坡速度、电网静态安全等约束的引入,在整个考虑周期
内,机组的调度决策不仅具有空间上的关联,还具有时间上的关联,从而其调度模型不易求解。然
而,在实际进行机组调度决策时,空间上和时间上的前后关联度并不是很强。也就是说,未来对机组
现时刻的运行状态产生影响的时间段是有限的。基于这一思想,在整个运行周期内,研究未来多长
时间对机组现时刻的最优状态不构成影响,即基于前瞻技术,在确保整体最优的前提下,提出按一
定的序列单时段解耦求解模型,借助内点法进行求解。以IEEE可靠性分析的试验系统为例对本文
算法在各种情况下进行分析比较,表明本文算法在计算代价上有一定优势,并且可以灵活应用到多
种场合。
关键词:经济调度;安全约束;优化;爬坡约束;内点法
中图分类号:TM73;F123.9
收稿日期:2001-12-25;修回日期:2002-04-02。国家自然科学基金资助项目(59477010)。0 引言
随着当今电力工业的体制改革,传统的电力系
统经济调度又赋予诸多新的意义。经济调度按是否
考虑静态安全约束分别被称为经济调度(economic
dispatch,缩写为ED)和安全经济调度[1～5](security
economicdispatch,缩写为SED),它们仅仅考虑静
态约束,试图在一个时间断面上对目标函数进行最
优化。然而,作为机组运行人员,为保证机组设备的
正常使用寿命,总是设法使机组设备在安全寿命期
限内进行调节。这一机械约束通常被转换成机组爬
坡速度约束。这一约束的引入使经济调度不能像
第35卷 第17期 中 国 电 机 工 程 学 报 Vol.35 No.17 Sep. 5, 2015 4308 2015年9月5日 Proceedings of the CSEE ©2015 Chin.Soc.for Elec.Eng.
DOI：10.13334/j.0258-8013.pcsee.2015.17.004 文章编号：0258-8013 (2015) 17-4308-10 中图分类号：TM 76
计及风速时空相关性的含风电场电力系统动态
随机最优潮流计算
孙国强1，李逸驰1，向育鹏1，杨义2，黄文进2，卫志农1，孙永辉1
(1．可再生能源发电技术教育部工程研究中心(河海大学)，江苏省 南京市 210098；
2．盐城供电公司，江苏省 盐城市 224005)
Dynamic Stochastic Optimal Power Flow of Wind Integrated Power System Considering
Temporal and Spatial Correlation of Wind Speed
SUN Guoqiang1, LI Yichi1, XIANG Yupeng1, YANG Yi2, HUANG Wenjin2, WEI Zhinong1, SUN Yonghui1
(1. Research Center for Renewable Energy Generation Engineering, Ministry of Education, Hohai University, Nanjing 210098,
Jiangsu Province, China; 2. Yancheng Power Supply Company, Yancheng 224005, Jiangsu Province, China)
ABSTRACT: Large-scale wind power integrates into power grid. The fluctuant and intermittent nature of wind speed greatly challenges the conventional dynamic optimal power flow. Considering randomness as well as temporal and spatial correlation of wind speed, a dynamic stochastic optimal power flow model of wind integrated power system based on chance constrained programming was built. Based on primal-dual decomposed interior point method, an optimal dispatching was got through the deterministic optimal power flow. The dynamic probabilistic power flow based on cumulant method considering correlation was used to calculate probability distributions of state variables. New upper and lower bounds to the corresponding variables were formed if chance constraints were violated. The iteration terminated until a final optimal dispatching was found with all the chance constraints satisfied. The precision and efficiency of the algorithm is verified through the stimulation of modified IEEE14-bus system. On such basis, the impacts of random branch outages and wind speed correlation on power system operation characteristic are investigated.
- 1 - 电力市场中爬坡约束问题的一种实用算法
随着电力市场的发展，爬坡（climbing）的约束问题正成为电力资源调度的重要研究课题。爬坡约束问题（climbing constraint
problem）是电力资源调度的一类具有重要经济意义的约束问题，涉及的内容涉及电力运行模型、负荷调度、有功和无功调节等，这些约束在某种程度上影响电力市场的稳定、价格发生变动和效益获取等，因此，有效地解决爬坡约束问题，对于优化电力市场的经济效益具有重要的应用价值。
传统的爬坡约束问题，其解决方法采用枚举搜索，顾名思义，即对爬坡约束问题的不同决策变量穷举所有可能的取值进行搜索，然后逐一检查其可行性，最终求出符合约束的最优结果。虽然枚举搜索策略有助于解决大规模复杂的爬坡约束问题，但该方法存在以下缺点：首先，检验每一个可行解都需要一定的计算时间，这对于计算密集型的问题而言是一个严重的问题；其次，由于计算量的增加，随着数据量的增加，枚举搜索的时间复杂度逐步增加，最终可能导致解决不了爬坡约束问题；第三，枚举搜索的解决方案会出现偏差，这可能会产生更大的损失。
为了提高爬坡约束问题的解决效率和质量，研究者采用基于混合物整数规划（MIP）方法进行求解，该方法可以有效解决复杂的爬坡约束问题。MIP是一种有效解决复杂优化问题的方法，它将整数约束和约束条件结合在一起，使用搜索算法求解最优解，这样可以减少搜索空间，从而提高求解效率。 - 2 - MIP算法在复杂的爬坡约束问题中表现优异，这主要是因为它可以在枚举搜索中提供有效的约束条件；另一方面，它具有较强的优化能力，能够在相同的条件下较优地解决约束问题。此外，MIP算法还能够提高求解效率，使用较少的时间资源即可求解大规模的约束优化问题。
然而，MIP算法也存在一些问题，首先，MIP算法适用于比较小的约束问题，对于大规模的约束问题，其求解效率会降低；其次，MIP算法不能有效处理具有非线性约束的问题；第三，MIP算法受机器硬件条件的限制，它无法处理多线程、多用户等复杂的约束问题。
