【《基于可靠性预测和自适应惯量的分布式惯性调度分析》7700字】_第1页
【《基于可靠性预测和自适应惯量的分布式惯性调度分析》7700字】_第2页
【《基于可靠性预测和自适应惯量的分布式惯性调度分析》7700字】_第3页
【《基于可靠性预测和自适应惯量的分布式惯性调度分析》7700字】_第4页
【《基于可靠性预测和自适应惯量的分布式惯性调度分析》7700字】_第5页
已阅读5页,还剩10页未读, 继续免费阅读

付费下载

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于可靠性预测和自适应惯量的分布式惯性调度分析目录TOC\o"1-3"\h\u23907基于可靠性预测和自适应惯量的分布式惯性调度分析 143341.1.1研究背景 152111.1.2风机惯量储备和惯性系数取值 332221.1.3可靠性预测相关 5180001.1.4多智能体系统与一致性算法相关 5297151.1.5自动惯性控制相关 6213541.1.6基于多智能体一致性算法的分布式惯性调度策略 7202741.1.7仿真验证分析 11在针对基于频率耦合反馈的风电调频控制策略展开优化前,考虑到前述存在关于风机惯性响应增益取值可能导致风机运行失稳或惯性响应不足的问题,本节先对风机等效惯性储备及对应常规同步发电机惯性响应下的调频参数取值进行研究,在安全惯性参数取值范围内,结合近来兴起应用于电力系统的分布式通讯及预测控制理念,进一步探究包括风电在内以电力电子接口并入系统的分布式能源的虚拟惯性调度方法,即探究和验证电力系统在“遭遇频率冲击前—经历频率事件中—频率状态恢复时”各阶段中分布式电源虚拟惯性参数的优化设置原则。研究背景目前,进入信息—物理系统深度融合以及泛在电力电子化发展阶段的电力系统面临诸多挑战和机遇[49]。包括电力物联网优化、降低电力能源损耗以及提高系统可靠性在内的多项目标,促使电网公司和政府在配电网层面接入更多的分布式可再生能源和储能单元。这将使传统配电网系统转换成多个互联的微电网。各分布式发电和负荷单元通过电力电子接口接入微电网。例如风电,由于电力电子换流器使发电机转子转速/新能源发电单元功率调制与系统频率解耦,分布式发电单元无法对系统频率变化做出响应,削弱了系统韧性。为提高系统频率稳定性,一方面,传统换流器功频下垂控制模拟同步发电机一次调频特性来调节分布式发电单元(DistributedGenerator,DG)的输出[50-51]。然而其不能模拟常规发电机组的暂态性能。另一方面,虚拟同步发电机(VirtualSynchronousGenerator,VSG)控制结合储能,能为系统提供短期虚拟惯性以支撑频率[52-53]。虽然上述文献建立了换流器和同步发电机之间的等效关系,但传统基于频率状态反馈的惯性控制响应不够灵活,因为分布式发电单元在不同运行场景下,例如系统正常运行时获取高发电效率、抗不平衡功率扰动以及从频率冲击事件中恢复时等,其最优惯性控制参数取值有所不同。文献[54]-[58]建议采用变系数虚拟惯性控制应对。然而,由于对系统状态传感存在一定延迟以及反馈控制内在的滞后性,同时系统调频关键响应时间窗口较小(频率跌落开端),因此即使采用自适应变系数惯性控制进行调节,也将可能错过最佳响应时间、响应方式(参见后续4.1.7小节算例),总结如图4-1所示。图4-1提出惯性调度概念的动机预测技术能在不同时间尺度为决策的准备和执行提供充分的裕度,例如模型预测控制[59]-[62]和用于调度的发电预测[63]-[66]。电力系统可靠性预测,即通过对系统历史运行状态数据进行分析,推断其未来的运行可靠性。通过这种方式,管理者能提前改进和优化潜在的可能导致电网或设备故障的部分,增强潜在的薄弱输电通道,有针对地提高其可靠性。同时,可靠性预测信息对电力系统装备器件的设计、维护管理及后续改进具有重要指导意义,总结采用预测控制的理由如图4-2所示。图4-2应用预测控制的原因目前大多数文献研究对虚拟惯性控制和VSG控制算法进行改进,但在提升系统频率动态性能领域,将预测技术与自适应虚拟惯性控制优势结合发挥的研究较少。本节提出一种基于可靠性预测和自适应虚拟惯性控制的VSG惯性调度策略,在追求分布式电源(DistributedGenerator,DG)高效发电的同时,提高系统抗频率冲击韧性。首先,通过监测系统可靠性,实现自动惯性控制(Automaticinertiacontrol,AIC),即当感知系统可靠性将降低到预设临界值时,DG将被切换至重惯性运行状态,呈防御姿态以抵御潜在的即将到来的系统扰动。当系统处于频率恢复阶段时,调度DG表现为轻惯性运行状态,以加速系统状态恢复,同时恢复灵活高效跟踪最大功率运行点的能力。此外,考虑到通常系统频率恢复速率低于频率跌落速率以及与时间尺度较大的可靠性预测相配合,本节所提策略进一步采用自适应惯性调整在更小时间尺度上对各VSG惯性进行及时修正,使系统各分布式发电节点虚拟惯性管理更精益化。风机惯量储备和惯性系数取值由于通常风机为最大化捕获风能运行在MPPT模式,导致转子转速与系统频率解耦,无法响应系统频率变化。然而,风机转子储存转动惯量可观,若能通过附加控制环节将其与系统调频需求相联系并加以调用,则风机也将具备如常规同步发电机组的惯性响应能力,甚至在高度灵活的换流器功率调制下表现得更优。定义发电单元转子能安全释放参与系统调频过程的能量为其存储的转动惯量。当风机转子转速由ωn改变为ωm时,此过程风机转子动能的变化量为(4-1)式中:Jnat——风机转子惯性常数;∆ωr——风机转子角速度变化量。若将风电机组等值为同步机,其转子转速由转速ω0变化至ω1时释放的转动惯量为(4-2)式中:Jvir——等值同步机的虚拟惯量;∆ωs——等值同步机的转速变化量。联立式(4-1)和式(4-2)得(4-3)基于上述分析,可认为公式(4.3)中的Jvir是风电机组的虚拟惯性常数。将式(4.3)线性化处理,可得(4-4)式中:kvir——虚拟惯量系数。由式(4-4)可知,风电机组的虚拟惯性常数与其转子自然惯性常数Jnat、虚拟惯量系数kvir以及初始转速ωn有关。但是同步发电机组转速基本取决于系统频率,仅允许在很小范围内变化;而DFIG在变速恒频励磁控制下其转子转速ωr可在0.71p.u.-1.21p.u.间调节,因此风电机组可表现出远超其转子自然惯性Jnat的虚拟等值惯性Jvir,虽然Jvir随转速运行点变化而变化且仅存在于持续时间相对较短的调速暂态过程,但以上推导论证了风机参与系统调频的潜力。可靠性预测相关一般来说,电网可靠性预测的原理可以描述为:处理现有的运行状态数据和故障数据,分析和预测系统未来可能的运行特性,制定系统运行维护策略和措施,以提高运行可靠性水平。即分析系统的可靠性变化规律,分析可靠性指标及其影响因素,预测可靠性指标。可靠性预测和应用的一般流程如图4-3所示。预测可靠性的典型技术包括因果分析、时间序列和可靠性评估。系统可靠性预测的基本理论可参考[67]。多智能体系统与一致性算法相关随着区块链等P2P技术的发展成熟和普及,未来的电网调控网络将会是一个更加扁平化的网格[68],有分布式控制需求,因此引入多智能体系统(MultiAgentSystem,MAS)和分布式一致性算法的概念,为后续设计自动惯性调控方案奠定基础。首先,MAS是一个复杂网络系统,由一组具有一定感知、通信、计算和执行能力的智能体通过通信和其他方式组成。MAS的信息交互和计算过程主要由分布式算法决定。在MAS中,设图G表示其通信网络的拓扑结构,用邻接矩阵A=(aij)n×n来描述节点间的关系,其中n为节点数。如果nodej有一个指向nodei的连接,则aij>0,i≠j,否则aij=0,对角元素aii=0。此外,定义L=(lij)n×n为MAS的拉普拉斯矩阵,其中lij=aij,lii=∑nj=1,j≠iaij。对于具有n个执行分布式控制律智能体的分布式多智能体控制系统,每个智能体的状态变化取决于其自身和与之相邻的智能体的状态,表示为(4-5)式中:xi——状态变量,表示MAS中各智能体的状态;ui——控制变量。具体控制律如下所示(4-6)式中:Ni——智能体i的邻集。用矩阵形式表示,则为(4-7)可以看出,在该控制律和一定条件下,MAS中的智能体可通过交换其自身及其相邻智能体状态信息来逐渐消除智能体间的状态差异,使各智能体状态收敛一致(4-8)式中:xi∞——智能体i状态的最终收敛值。定理1[68]:在MAS控制过程中,若其拉普拉斯矩阵L保持不变,当且仅当L对应的图G包含有向生成树,则该系统可在分布式控制律驱动下渐近收敛。由于L中包含有向生成树是MAS中智能体相互协作并实现一致性的必要条件,设置本文后续算例系统的通信拓扑结构包含有向生成树。定理2[69]:分布式算法的最终收敛状态可视为MAS中各智能体初始状态的平均值,即(4-9)式中:xi0——智能体i状态量的初始值。可见,可用分布式一致性算法来估计系统状态变量均值。在一定误差范围内,无需集控中心即可获取和计算全局状态变量,节省通信成本,提高系统鲁棒性。自动惯性控制相关类比自动发电控制AGC,本文提出自动惯性控制(AutomaticInertiaControl,AIC)概念。在正常运行情况下,将换流器惯性设定在较低水平,以实现对分布式新能源最大功率运行点的快速跟踪,优化发电效率。然而,小惯性系统承受扰动能力较弱。当系统在配以一定储能下的大惯性状态运行时,抗扰动能力更强,但此时DG对可再生能源波动敏感度降低,发电效率下降。由于愈来愈多DG和负荷通过换流器并网,本文认为应给予惯性以功率、电压、相角概念同高度的重视,并加以调度优化,主要包含两个方面:1)惯性强度,即DG对频率扰动的响应功率;2)惯量,即DG在一定状态下能安全、经济送出的总能量。即AIC合理调度DG的惯性特性,使其在系统处于安全正常状态或故障后恢复期具有小惯性特性,以更有效地跟踪新能源最大功率运行点和加速系统恢复进程。当系统处于或即将进入低可靠性状态时,AIC应能合理调整DG的惯性姿态,使之能更及时、充分地响应潜在的扰动。基于多智能体一致性算法的分布式惯性调度策略总之,由于泛在电力电子化电力系统惯性较小、抗干扰能力较弱,传统的分层控制依赖于集控中心,而分布式控制算法只需少量通信链路和信息交换即可达到全局控制的目的,因此,本小节提出一种基于多智能体一致性算法的分布式分层惯性调度策略,将分布式一致性控制应用于电源惯性调控,以提高系统运行的经济性和鲁棒性,包括三层调度层。首先,最终惯性调度指令由若干惯性项(InertiaTerm,IT)组成,包括由电源容量决定的基本惯性项(Volume-determinedBasicInertiaTerm,VBIT)和其他附加惯性项(AuxiliaryInertiaTerms,AITs),例如可靠性相关惯性项(ReliabilityBasedInertiaTerm,RBIT)和经济性相关惯性项(EconomyBasedInertiaTerm,EBIT)等。因此,分层控制的含义在于同时调度各惯性组分,然后通过适当评估方法(例如加权相加AITs)获得最终惯性调度指令。各AIT的计算处理均在本地进行,并作为基本调度信息通过一致性算法在通信网络中传递。本文所提基于多层一致性算法的惯性调度控制策略框图如下图4-4所示VBIT计算层VBIT计算层是惯性调控系统的基础层。其目的是在系统运行稳态和暂态过程中,根据DG容量进行功率分配和调频调节。在孤岛模式运行下,系统中换流器常采用下垂控制(4-10)式中:fi,ref、fi*——换流器i的参考输出电压频率值、系统额定频率;Pi、Pi*——换流器i输出功率、换流器i额定功率;kp,i——调差系数。为确保fi,ref一致,功率按Pi*成比例分配,将fi*设为相同值,并选择各下垂系数和VBIT,以满足(4-11)(4-12)(4-13)式中:C0、D0——计算过程常数。在满足式(4-13)的基础上,换流器输出功率与其下垂系数成反比,各DG的VBIT与其额定功率成正比,以在调频暂态过程中保持合理的功率分配,因为ΔPi,VBIT=VBITi×df/dt。然而在一次调频下垂控制后系统频率将仍存在稳态偏差,后续需要采取措施进一步消除。设DGi最大输出功率为Pmax,i,各DG在一次调频后具有不同的剩余可调功率:Pi,adj=Pmax,i–Pi。根据各DG剩余可调功率分配二次调频过程中的功率增量来恢复系统频率。具体功率分配过程如下1)估算系统可调功率总量为实现按各DG剩余可调容量来分配二次调频功率增量进行频率恢复,需计算各DG参与响应功率比率βp*。记一致性网络中DG可调功率总量为Padj,tot,由于Padj,tot非全局信息,DG无法直接获取该信息进行计算,需通过分布式一致性算法对其进行估计。根据前述定理1-2,以各DG自身剩余可调功率Padj,i作为状态变量在通讯网络中传递和迭代,最终收敛结果便为Padj,i平均值的估计,即可调功率总量为(4-14)2)功率分配系统负荷增加Pex后,各DG增加功率ΔPi,Pex=∑ni=1ΔPi,参与响应功率比率βp,i=ΔPi/Padj,i。随后,功率分配层的控制目标是均衡βp,i(4-15) 与Padj,tot计算过程同理,通过分布式一致性算法迭代获取Pex(4-16)(4-17)则由式(4-17)估计得到Pex后,便可计算出各DG分配功率增量∆Pi=βp*×Padj,i。3)功率调节获得DG输出增量ΔPi后,可得负荷增加后各DG参考功率(4-18)通过更新DG下垂控制的额定功率基准来调节其输出功率(4-19)RBIT计算层该层旨在计算附加惯性项,用以合成DG最终调度惯性。在正常情况下,VBIT计算层功能即可满足系统运行管理需求,因此RBIT计算层旨在辅以系统经济运行和弹性运行等能力。RBIT计算过程如下首先,DG收集本地节点运行信息,按照预定的可靠性评估方法计算并预测本节点可靠性相关评估指标。在本文中,当系统运行可靠性充裕时,将RBIT(RI)设为零。当系统中某节点计算感知其自身运行可靠性低而脆弱时,该节点便向系统通信网络中注入一个基于潜在冲击事件严重性或其他准则量化得到的RBIT信号,以警惕地度过系统遭受冲击可能性较大的时期。根据定理1-2,将各分布式电源节点决策得到的RBITi作为状态变量迭代求解,其最终收敛结果可作为各分布式电源RBIT平均值的估计。为实现频率调节过渡过程中的合理功率分配,还需根据本节点电源容量加以修正得到实际附加惯性项RBIT的调度值。分布式惯性合成层本层将AITs综合成各DG最终惯性参数进行调度。典型地,各DG最终惯性调度值Ji,ref可基于本节点运行信息如VBITi、RBIT均值、Padj,i等方面赋予相应惯性项权重再叠加而来。此外,若考虑与其他电力系统相互作用,可通过拓展考虑本系统可靠性指标RIsys和外部系统的可靠性指标RIsys,external的联合调度惯性,使各地方系统为彼此提供合理支援,抑制频率事件扩大。附加自适应惯性调节机制考虑到在受可靠性预测数据采集、处理运算等因素限制下AIC惯性调度时间尺度对于处于频率急剧变化的暂态时刻过大,引入自适应虚惯性调节机制[70],精细化惯性管理。附加自适应虚拟惯性J的表达式为(4-20)式中:J0——VSG基准虚拟惯性。式(4-20)右侧的k(fmeas–f0)(dfmeas/dt)为动态调整项,反映系统功率缺额的变化趋势(类比转子动态方程,式(2-19)),让VSG输出朝着合理方向变化;k是一个正系数,即当系统频差(fmeas–f0)和频率变化率(dfmeas)×dt符号相同,表明需提升惯性抑制频率偏移其额定值,而当系统频差和频率变化率(dfmeas)×dt符号相反,则表明需减轻电源惯性帮助系统频率更快恢复。值得注意的是,从历史频率事件和实验室仿真可知,系统遭受不平衡功率冲击时,频率偏移速率往往大于其事后恢复速率,因为常规同步发电机组(Synchronousgenerator,SG)受原动机汽阀动作特性和转子惯性等因素限制,稳态出力调整较慢。若VSG自适应虚拟惯性控制中k为常数,则其在频率恢复过程中虚拟惯性下调可能较慢,即近似沿袭了常规机组的上述“不足之处”,未能充分发挥换流器的灵活功率调节能力来加速系统频率恢复。因此,相较于遭受频率冲击初期的k,系统频率恢复时应上调k值。仿真验证分析AIC有效性验证算例建立单机带负荷系统,用于AIC的有效性验证,其拓扑如,4-5所示。算例基本设置为:系统额定频率为50Hz,初始总负荷10kW。在ts=0.5s时,负荷突增为12kW,接着在ts=1.25s时减少至8kW。仿真时长为2s,VSG调差系数为5%。将可靠性预测和AIC系统简化为一脉冲信号序列来评估切换VSG基本虚拟惯性J0,即VSG小惯性和大惯性运行模式下的虚拟惯性基准分别为0.5s和2s,当系统的预测可靠性充裕时,将J0调度为0.5s;当其预计可靠性裕度不足时,提前将J0调度为2s。此外,为验证频率恢复加速有效性,初始k值设为1e4,频率恢复期k值设为4e4。由图4-6可知,模拟基于可靠性预测和AIC系统调度VSG基本虚拟惯性常数优化了系统调频性能:在可靠性脆弱时期为抵御潜在的频率冲击,提前调度VSG按强惯性模式运行;在系统处于事后恢复期或正常安全运行状态时,调度VSG按轻惯性模式运行,以加速系统状态和新能源发电效率恢复。与基于小惯性常数自适应惯性调节运行模式(J0=0.5s)相比,“AIC结合自适应惯性”延缓了系统频率跌落(从0.02s延长至0.3s);具有同水平系统频率恢复速率;而当系统频率再次向高频偏移时,“AIC结合自适应惯性”抗扰性更强,验证了所提惯性调度策略的有效性。基于多层一致性算法AIC调度策略研究图4-7展示了用以研究基于多层一致性算法AIC调度策略的仿真系统。基本算例设置为:系统额定频率为50Hz,初始总负荷为35kW,以ts=1.0s时刻在节点I处突增20kW恒阻抗负荷作为频率冲击事件,并在2.0s时清除。设储能装置容量和响应速度均满足调度要求。可靠性预测和AIC系统简化为:DG1、DG2、DG3在“固定小惯性”运行模式下的虚拟惯性常数分别为2s、1s、0.5s,在“固定小惯性”运行模式下分别为4s、2s、1s;“AIC”、“自适应惯性”以及本文所提的“AIC结合自适应惯性”的基准惯性常数与“固定小惯性”运行模式下相同。各DG将RBIT信号注入一致性通信网络的脉冲信号序列由本节点预测的低可靠性运行状态触发,本文将其简化为在扰动发生前人为切换DG基准虚拟惯性。各分布式电源的最终惯性由各自惯性调度值(对应VBIT与RBIT、EBIT等AITs的综合值)和节点自适应惯性调节量直接相加得到,其中RBIT通过一致性算法在通信链路中迭代调度。算例1:对比固定增益惯性控制:如图4-8所示,在系统频率由于负荷突增而跌落期间(参见图4-8(a)中0.8s-1.3s),“固定大惯性”运行模式下系统频率变化率RoCoF小于“固定小惯性”运行模式,而在系统频率恢复期间(参见图4-8(a)中2.0s-2.5s),后者对系统频率恢复更有利。在本节所提“自适应惯性结合AIC”运行模式下,由于各DG虚拟惯性由NodeI基于可靠性预测注入AIC调度RBIT信号后得到了提前矫正,并由自适应惯性

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论