本发明涉及风电场研究技术领域,尤其涉及一种风电场等值模型准确性的评估方法。
背景技术:
风能具有间歇性和随机性的特点,随着风电装机容量在电力系统中的渗透性的逐渐增加,其对电力系统的影响越来越明显,主要有以下几个方面:影响电力系统的小干扰稳定性;影响电力系统的暂态稳定性;影响电压稳定性;影响频率稳定性。为了深入研究风电渗透对整个电网的影响,需要对大型风电场接入系统时的运行特性进行等值建模。
为了选择最优的等值模型,则需要对等值模型的准确性进行评估。而现有的评估方法主要是基于轨迹误差进行评估,常用方差、标准差或者相对误差的形式来表征,但采用轨迹误差难以克服某些误差较大的点将会引起整体评估偏离实际。
技术实现要素:
本发明的目的是提供一种风电场等值模型准确性的评估方法,该方法可以评估不同故障程度时不同机群等值方法的准确性,评估过程更加综合且准确。
一种风电场等值模型准确性的评估方法,所述方法包括:
步骤1、根据风电场的故障情况,对风电场进行不同的等值分群,并获得等值分群前后的有功、无功输出数据;
步骤2、基于所获得的等值分群前后的有功、无功输出数据,对风电场等值建摸进行轨迹误差评估;
步骤3、基于所获得的等值分群前后的有功、无功输出数据,对风电场等值模型进行趋势误差评估;
步骤4、结合轨迹误差评估和趋势误差评估的结果进行准确性综合评估。
在所述步骤2中,所述对风电场等值建摸进行轨迹误差评估的过程具体为:
将所获得的等值分群前后的有功、无功输出数据带入如下公式:
求得有功、无功的轨迹误差评估结果;
上式中,d为测量点间的距离;x=(x1,x2,…,xn)和y=(y1,y2,…,yn)分别为详细模型的输出序列和等值简化模型的输出序列;n为输出序列中元素的总数量。
在所述步骤3中,所述对风电场等值模型进行趋势误差评估的过程具体为:
首先利用规范系数法对进行趋势误差评估的序列进行规范化处理,以消除序列比较时数值差异所造成的影响,具体利用如下公式:
上式中,xmax、xmin分别为序列x中的最大、最小元素;
然后针对两个序列x=(x1,x2,…,xn)和y=(y1,y2,…,yn),x和y分别为详细模型的输出序列和等值简化模型的输出序列,若对于
再用相似子序列的元素个数与整体元素个数的比值作为相似性度量,具体采用公式:
作为有功、无功的趋势误差评估结果。
在所述步骤4中,所述结合轨迹误差评估和趋势误差评估的结果进行准确性综合评估的过程具体为:
将轨迹误差评估结果和趋势误差评估结果带入如下公式:
s(x,y)=αsd(x,y)+(1-α)st(x,y)
以获得准确性综合评估结果s(x,y);
上式中,sd(x,y)=d(x,y),α为设定的权重系数。
由上述本发明提供的技术方案可以看出,上述方法可以评估不同故障程度时不同机群等值方法的准确性,评估过程更加综合且准确。
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,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例所提供风电场等值模型准确性的评估方法流程示意图;
图2为本发明所举实例中48mw的dfig风电场系统整体示意图;
图3为本发明所举实例风电场的四机等值系统示意图;
图4为本发明所举实例中风电场二机等值系统示意图;
图5为本发明所举实例中风电场三机等值系统示意图;
图6为本发明所举实例中三种等值模型等值前后的有功功率曲线示意图;
图7为本发明所举实例中三种等值模型等值前后的无功功率曲线示意图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
下面将结合附图对本发明实施例作进一步地详细描述,如图1所示为本发明实施例所提供风电场等值模型准确性的评估方法流程示意图,所述方法包括:
步骤1、根据风电场的故障情况,对风电场进行不同的等值分群,并获得等值分群前后的有功、无功输出数据;
步骤2、基于所获得的等值分群前后的有功、无功输出数据,对风电场等值建摸进行轨迹误差评估;
在该步骤2中,采用的方法是由曼哈坦距离法引申出相对误差法,进而求取均值,具体计算过程为:
将所获得的等值分群前后的有功、无功输出数据带入如下公式:
分别求得有功、无功的轨迹误差评估结果;
上式中,d为测量点间的距离;x=(x1,x2,…,xn)和y=(y1,y2,…,yn)分别为详细模型的输出序列和等值简化模型的输出序列;n为输出序列中元素的总数量。
具体实现中,求取误差的一次均值与求取误差的多次均方根值在结果上有很大差异,尤其是有功输出的差别非常大,但由于从仿真对比图中易于看出等值结果与详细模型的误差没有超过1,故在数值评估上选用相对误差的一次均值更符合实际情况。
步骤3、基于所获得的等值分群前后的有功、无功输出数据,对风电场等值模型进行趋势误差评估;
在该步骤3中,趋势评估是寻求形状相似度的算法,考虑不同算法的局限性、相似性及难易程度,本实施例重点考虑规范系数法,该方法计算过程相对简单,可消除水平偏移、幅度伸缩以及部分噪声的影响,进而有效评估两序列的趋势相似性。
上述对风电场等值模型进行趋势误差评估的过程具体为:
首先利用规范系数法对进行趋势误差评估的序列进行规范化处理,以消除序列比较时数值差异所造成的影响,具体利用如下公式:
上式中,xmax、xmin分别为序列x中的最大、最小元素;
然后针对两个序列x=(x1,x2,…,xn)和y=(y1,y2,…,yn),x和y分别为详细模型的输出序列和等值简化模型的输出序列,若对于
值,则判断该两个序列相似;
再用相似子序列的元素个数与整体元素个数的比值作为相似性度量,具体采用公式:
作为有功、无功的趋势误差评估结果。
在具体实现中,上述相似阈值ε可以设置为0.5%。
步骤4、结合轨迹误差评估和趋势误差评估的结果进行准确性综合评估。
在该步骤4中,对于等值结果的准确性而言,综合考虑数值的接近程度以及动态变化趋势的相似性才能更加全面的评价等值结果的准确性,这里结合轨迹误差评估和趋势误差评估的结果进行准确性综合评估的过程具体为:
将轨迹误差评估结果和趋势误差评估结果带入如下公式:
s(x,y)=αsd(x,y)+(1-α)st(x,y)
以获得准确性综合评估结果s(x,y);
上式中,sd(x,y)=d(x,y),α为设定的权重系数,在本实例中α可以设置成0.3,一般而言,α的数值越大,说明数值评价在综合评价中所占的比重越大;相反,则趋势评价在综合评价中所占的比重越大。
下面以具体的实例来对本发明所述方法进行论证,该实施例利用digsilent搭建了一个48mw的风电场,将48mw的风电场分为四个风电机组串,每组8台,如图2所示为本发明所举实例中48mw的dfig风电场系统整体示意图。
在该实例中,设置接地电阻阻值为0.75ω,此时crowbar装置动作的风电机组为1-6,9-10,17-22和25-26。crowbar装置不动作机组为7-8、11-16、23-24和27-32,故障时机端电压为下表1所示:
表1crowbar装置不动作机组的故障电压
由表1可知,crowbar装置不动作机组的机端电压均处于有功功率限幅的范畴之内,故可等效为受有功功率限幅影响下的功率源模型。
表2四个风电机组风速对照表
如若将风速与crowbar动作情况全面考虑,可将风电场分为四群,即1-6和17-22、7-8和23-24、9-10和25-26、11-16和27-32,如图3所示为本发明所举实例风电场的四机等值系统示意图。为了进一步考察四机等值的有效性,对比二机,三机等值模型进行分析,如图4所示为风电场二机等值系统示意图,即将风电场仅按风速和位置情况分为两群,如图5所示为风电场三机等值系统示意图,先按照crowbar装置动作情况将风电场先分为两群,再将crowbar装置不动作机组按机端电压跌落情况进一步划分。
进一步获得三种等值情况下的风电场功率输出情况,如图6所示为三种等值模型等值前后的有功功率曲线示意图,如图7所示三种等值模型等值前后的无功功率曲线示意图,由图6和7可知:故障期间四机等值的有功功率输出较详细模型具有明显差异,三机等值时差异最大。四机等值和三机等值在故障时的有功输出均小于详细模型情况,而二机等值故障时有功输出大于详细模型情况。对无功功率而言,四机等值结果与详细模型,三机等值及二机等值时的结果相近。因此无法准确辨别哪一种等值模型具有更好的准确性。
此时就可利用本发明实施例所提供的准确度综合评估方法进行判断,如下表3所示:
表3等值模型与详细模型的准确性评估结果
由表3可知:该故障情形下,三机等值结果的准确性最差,也验证了直接将crowbar装置动作和不动作机组混为一组进行等值不可取的结论,而二机等值即忽略位置因素的影响而将等值异步机模型机组和有功限幅型功率源模型分别等值,从准确性评估来看,该种等值方法与考虑位置因素后的四机等值情况均有较高的准确性。
综上所述,本发明实施例所提供的评估方法可以评估不同故障程度时不同机群等值方法的准确性,评估过程更加综合且准确。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。