一种含电-气-热耦合系统的微电网频率安全评估方法技术方案

一种含电

【技术实现步骤摘要】
一种含电
‑
气
‑
热耦合系统的微电网频率安全评估方法


[0001]本专利技术提出了一种含电
‑
气
‑
热耦合系统的微电网频率安全评估方法。

技术介绍

[0002]为解决传统用于发电的石油、煤炭等不可再生能源短缺、环境污染严重等问题，早日实现我国“碳达峰、碳中和”的战略目标，目前亟需一种新形态下的能源供给系统。综合能源系统将各种不同属性的能源耦合在一起，可以进行各种能源之间的统筹优化，充分发挥不同属性能源的优势，提高系统整体的能源利用率。然而随着各能源子系统之间耦合性的增强以及设备种类的日益丰富，给综合能源系统的安全运行带来了巨大挑战。
[0003]以气系统为例，由于天然气发电具有高效、清洁等优势，近年来在电力系统中的占比不断攀升。大规模天然气引入系统后，使得电、气系统之间的耦合性增强的同时，也导致了系统的可靠性问题日益凸显。比如，天然气管道出现泄漏、气源供给中断等随机故障都可能导致燃气机组因天然气的供给不足出力迅速减小的情况发生，进而威胁到电系统的安全稳定运行。此外，随着综合能源系统中热负荷需求的逐渐增大，一旦气系统中发生了随机故障，燃气锅炉由于天然气供给不足，供热能力减弱，势必会增大电系统中电制热设备的投入，可能引起电系统中的供需不平衡问题，进而危及到系统频率的安全稳定。
[0004]另外，就电系统本身来说，其内部的常规发电机组正逐步被分布式能源替代。分布式能源通过电力电子装置接入电网，势必会造成整个系统的转动惯量水平降低，从而导致系统的调频能力减弱。与此同时，随着可再生能源渗透率的不断提高，容易造成电源侧输出功率波动。而类似于电动汽车等储能电池因其具有较快的爬坡响应速度，在出现电能供需不平衡时，可以为系统提供备用电源支持，使系统的可靠性得以提高，同时也有利于实现对电能的削峰填谷。但大量储能设备的接入也增加了系统的负荷，这些都是导致系统频率安全问题的主要原因。

技术实现思路

[0005]本专利技术的目的在于提供一种含电
‑
气
‑
热耦合系统的微电网频率安全评估方法，能够有效解决上述问题。
[0006]为了解决上述问题，本专利技术技术方案为：一种含电
‑
气
‑
热耦合系统的微电网频率安全评估方法，包括以下步骤：
[0007]S1：分析当前典型含多能源系统的微电网存在的问题，并针对含电
‑
气
‑
热耦合系统的微电网，构建该微网的动态频率响应模型；
[0008]S2：通过微电网的动态频率响应情况构建其解析模型，并且通过气电转换功率缺额、风电功率以及电动汽车集群效模型输出功率评估微电网频率极值点；
[0009]S3：采用基于降噪自动编码器的深度极限学习机这一机器学习方法构建其数据驱动模型，并利用重构误差、网络权重和阈值实现重构误差的最小化；
[0010]S4：根据融合建模方法得出频率性能指标，并对性能指标进行离线训练与在线评
估；
[0011]S5：验证融合建模方法评估系统频率的可行性。
[0012]进一步，所述步骤S2中，通过微电网的动态频率响应情况构建其解析模型包括以下步骤：
[0013]S2
‑
1：根据气电转换功率缺额、风电功率以及电动汽车集群等效模型输出功率下微电网的动态频率响应模型，其解析模型如下：
[0014]微电网的动态频率响应情况可由如下的微分方程表示：
[0015][0016]式中：ΔP
iG
、ΔP
PEV
、P
wind
分别代表各发电机的输出功率、电动汽车集群等效模型的输出功率以及风电功率；其中，气电转换功率缺额P
ge
'可以表示如下：
[0017][0018]式中：k为天然气网络中气源供气缺额量占原本供气总量的比例；为设备输出的电功率；
[0019]对功率缺额扰动ΔP
L
、系统的等效惯性常数J、频率极值点f
NAD
和机组爬坡速率δ之间的关系做出推导，最终得到它们对应关系的解析表达式，即：
[0020][0021]式中：f0为扰动前的初始频率值；f
db
为死区区间；f
NAD
为频率极值点；结合微电网的动态频率响应模型，公式(3)可改进如下：
[0022][0023]基于式(2)、(3)、(4)，在气电转换功率缺额风电功率P
wind
以及电动汽车集群效模型输出功率ΔP
PEV
参与下微电网频率极值点f
NAD
的评估公式如下：
[0024][0025]此外，除了式(5)中的频率极值点，频率稳态值f
ss
以及最大频率变化率RocoF
max
也可以作为系统的频率性能指标，相应的解析公式表示如下：
[0026][0027][0028]S2
‑
2：基于降噪自动编码器的深度极限学习机这一机器学习方法，构建其数据驱动模型，并将其作为误差校正模型用于校正解析模型在忽略部分环节时导致的误差；
[0029]X与H的编码关系为：
[0030]H＝s
f
(WX+B)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0031]式中：W、B分别为X与H之间的权值矩阵和阈值矩阵；s
f
为编码器的神经元激活函数，通常采用sigmoid函数，其具有良好的特征辨识度；
[0032][0033]式中z为输入向量；
[0034]降噪自动编码器在自动编码器的基础上，将一部分输入数据进行“腐蚀”处理，利用“腐蚀”后的输入数据进行相应的解码编码，不断迭代，使得重构误差最小，重构误差为：
[0035][0036]ELM
‑
DAE算法求解网络参数的过程如下：
[0037]1)根据式(10)中的误差函数，利用梯度下降算法对W和B进行更新，即：
[0038][0039][0040]式中：l为学习率；X为输入向量；X'为输出向量；
[0041]2)腐蚀后的输入样本通过编码器s
f
(WX+B)的编码关系得到特征向量H，并通过解码器获得隐含层与输出层之间的权重矩阵β，即：
[0042]X'＝Hβ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(13)
[0043]3)最后一层隐含层与输出层之间的权重矩阵β'可近似求解为：
[0044]β'＝H
*
T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
[0045]式中：H
*
为H的Moore
‑
Penrose广义逆矩阵；T为实际输出样本集合。
[0046]进一步，所述步骤S4中，基于融合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种含电
‑
气
‑
热耦合系统的微电网频率安全评估方法，其特征在于，包括以下步骤：S1：分析当前典型含多能源系统的微电网存在的问题，并针对含电
‑
气
‑
热耦合系统的微电网，构建该微网的动态频率响应模型；S2：通过微电网的动态频率响应情况构建其解析模型，并且通过气电转换功率缺额、风电功率以及电动汽车集群效模型输出功率评估微电网频率极值点；S3：采用基于降噪自动编码器的深度极限学习机这一机器学习方法构建其数据驱动模型，并利用重构误差、网络权重和阈值实现重构误差的最小化；S4：根据融合建模方法得出频率性能指标，并对性能指标进行离线训练与在线评估；S5：验证融合建模方法评估系统频率的可行性。2.如权利要求1所述的一种含电
‑
气
‑
热耦合系统的微电网频率安全评估方法，其特征在于，所述步骤S2中，通过微电网的动态频率响应情况构建其解析模型包括以下步骤：S2
‑
1：根据气电转换功率缺额、风电功率以及电动汽车集群等效模型输出功率下微电网的动态频率响应模型，其解析模型如下：微电网的动态频率响应情况可由如下的微分方程表示：式中：ΔP
iG
、ΔP
PEV
、P
wind
分别代表各发电机的输出功率、电动汽车集群等效模型的输出功率以及风电功率；其中，气电转换功率缺额可以表示如下：式中：k为天然气网络中气源供气缺额量占原本供气总量的比例；为设备输出的电功率；对功率缺额扰动ΔP
L
、系统的等效惯性常数J、频率极值点f
NAD
和机组爬坡速率δ之间的关系做出推导，最终得到它们对应关系的解析表达式，即：式中：f0为扰动前的初始频率值；f
db
为死区区间；f
NAD
为频率极值点；结合微电网的动态频率响应模型，公式(3)可改进如下：基于式(2)、(3)、(4)，在气电转换功率缺额风电功率P
wind
以及电动汽车集群效模型输出功率ΔP
PEV
参与下微电网频率极值点f
NAD
的评估公式如下：此外，除了式(5)中的频率极值点，频率稳态值f
ss
以及最大频率变化率RocoF
max
也可以作为系统的频率性能指标，相应的解析公式表示如下：
S2
‑
2：基于降噪自动编码器的深度极限学习机这一机器学习方法，构建其数据驱动模型，并将其作为误差校正模型用于校正解析模型在忽略部分环节时导致的误差；X与H的编码关系为：H＝s
f
(WX+B)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)式中：W、B分别为X与H之间的权值矩阵和阈值矩阵；s
f
为编码器的神经元激活函数，通常采用sigmoid函数，其具有良好的特征辨识度；式中z为输入向量；降噪自动编码器在自动编码器的基础上，将一部分输入数据进行“腐蚀”处理，利用“腐蚀”后的输入数据进行相应的解码编码，不断迭代，使得重构误差最小，重构误差为：ELM
‑
DAE算法求解网络参数的过程如下：1)根据式(10)中的误差函数，利用梯度下降算法对W和B进行更新，即：更新，即：式中：l为学习率；X为输入向量；X'为输出向量；2)腐蚀后的输入样本通过编码器s
f
(WX+B)的编码关系得到特征向量H，并通过解码器获得隐含层与输出层之间的权重...

【专利技术属性】
技术研发人员：叶清泉，林厚飞，金建新，林启待，冯昌森，施亦治，林达，支秉忠，陈伟，章玮，姜衍，张扬，洪彬峰，邓宝华，龚瑛，项斌，
申请(专利权)人：平阳县昌泰电力实业有限公司国网浙江省电力有限公司电力科学研究院国网浙江省电力有限公司温州供电公司温州图盛控股集团有限公司浙江工业大学，
类型：发明
国别省市：