【技术实现步骤摘要】
本专利技术涉及太阳能发电，特别是涉及一种基于云边数据协同的光伏发电系统惯量评估方法。
技术介绍
1、电力系统的频率响应过程可反映系统抵御频率事故冲击的能力，在遭受同等水平的功率扰动时，电力系统频率变化率和最大频率偏差随系统惯量水平的降低而显著增加，这将导致频率动态响应更加剧烈，且系统恢复时间也逐渐延长，直接影响电力系统的稳定性和安全性。另一方面，随着光伏、风电等新能源发电装备的占比逐步提高，电力系统的并网技术由交流同步向电力电子控制转变，由于光伏逆变器不属于能自发提供转动惯量的机械装置，无法像同步发电机一样自发响应电力系统频率变化，通过现有光伏发电主动支撑控制方法也难以准确评估光伏发电系统在电力系统频率变化时可提供虚拟惯量的能力水平。
2、光伏发电系统还普遍存在光伏机组数量众多、运行数据繁琐、数据集中运维低效等问题，对光伏发电系统数据处理、存储设备提出了较高的要求。
技术实现思路
1、为解决上述技术问题，本专利技术提出了一种基于云边数据协同的光伏发电系统惯量评估方法，可以对整个光伏发电系统提供虚拟惯量的能力水平进行持续评估，可提高新型电力系统稳定性和安全性。
2、本专利技术是通过采用下述技术方案实现的：
3、一种基于云边数据协同的光伏发电系统惯量评估方法，包括以下步骤：
4、步骤s1. 获取光伏发电系统各光伏机组边缘端在预定时间段内的运行数据和对应时间的气象监测数据，在云端建立历史数据库；
5、步骤s2. 实时获取当前气象
6、步骤s3. 各光伏机组边缘端根据确定的最优发电功率基准值，计算光伏机组当前虚拟惯量；
7、步骤s4. 云端接收各光伏机组边缘端计算得到的虚拟惯量，评估整个光伏发电系统当前能提供的虚拟惯量。
8、所述运行数据包括各光伏机组逆变器交流输出功率，所述气象监测数据包括环境温度和辐照强度；其中， j为一个统计周期时间段内的采集次数计数值， t为采集时刻的时间戳， i为光伏机组的序号。
9、所述步骤s1具体包括以下步骤：
10、步骤s11. 获取光伏发电系统各光伏机组边缘端在预定时间段内的运行数据和对应时间的气象监测数据；
11、步骤s12. 对步骤s11采集的运行数据和气象监测数据进行预处理；
12、步骤s13. 将预处理后的运行数据和气象监测数据关联形成数据对，上传到云端，并按照光伏机组的序号在云端建立历史数据库。
13、所述步骤s12具体指：对运行数据和气象监测数据进行数据聚合，计算采集时间段内的平均值，针对每个光伏机组 i，形成平均值数据对，代表光伏机组 i在统计周期内的交流输出功率的平均值、环境温度的平均值以及辐照强度的平均值；其中，通过数据聚合计算采集时间段内的平均值的方法为：
14、
15、式中，为交流输出功率的平均值，为环境温度的平均值，为辐照强度的平均值，为统计周期，为同一统计周期时间段内的采集间隔时间， n为统计周期采集总次数， j为一个统计周期时间段内的采集次数计数值。
16、所述步骤s12和步骤s13之间还包括数据质量判断步骤：判断预处理后的运行数据和气象监测数据是否满足数据质量标准，若满足，则进入步骤s13；若不满足，则丢弃该统计周期采集到的运行数据和气象监测数据。
17、所述判断预处理后的运行数据和气象监测数据是否满足数据质量标准的方法为：依次计算统计周期内采集到的单个运行数据和气象监测数据与计算得到的对应平均值之间的距离，并与预设阈值进行比较，若距离小于预设阈值，则预处理后的运行数据和气象监测数据满足数据质量标准；若距离大于预设阈值，则不满足数据质量标准。
18、所述步骤s2具体包括以下步骤：
19、步骤s21. 实时获取当前气象监测参数，包括当前时间的实时温度和实时总辐照强度；
20、步骤s22. 将实时气象监测参数上传到云端，以预设的温度浮动阀值和辐照强度浮动阀值作为相匹配的工况条件，在云端历史数据库中搜索同时满足两个条件的全部数据对集合；
21、步骤s23. 计算各光伏机组当前最优发电功率基准值：
22、
23、式中，为光伏机组 i在当前时间时刻的最优发电功率基准值， k为该光伏机组历史数据库中以相匹配的工况条件搜索出的数据对数量，为索引为 c的数据对的比例系数，各光伏机组的比例系数合为 1；为满足相匹配的工况的数据对的时间戳。
24、所述步骤s3中计算光伏机组当前虚拟惯量的方法为：
25、
26、式中，为光伏机组输出功率相较于稳态值上下浮动范围，为光伏发电系统的额定频率，为光伏发电系统的额定功率，为电力系统频率变化率。
27、所述步骤s4中评估整个光伏发电系统当前能提供的虚拟惯量的方法为：
28、
29、式中，为整个光伏发电系统当前时刻能提供的虚拟惯量，为光伏机组 i的装机容量，为光伏单元光伏机组 i当前时刻的虚拟惯量大小。
30、与现有技术相比，本专利技术的有益效果表现在：
31、1、通过本方法，可以对整个光伏发电系统提供虚拟惯量的能力水平进行持续评估，可提高新型电力系统稳定性和安全性。具体的，本专利技术以光伏机组作为边缘端，考虑不同光伏机组的特效差异，通过边缘端与云数据库不断进行数据通信的方式，提高光伏发电系统虚拟惯量评估的效率和准确性。
32、2、本方法考虑了不同光伏机组由于地理位置、配置参数、外部环境等因素造成的发电特效差异，首先以光伏机组为单位进行单台光伏机组的虚拟惯量评估，再将所有光伏机组视为集群，评估整个光伏发电系统提供虚拟惯量的能力，采用此“云边协同”的评估方式，有利于惯量评估的持续准确评估。
33、3、本方法根据光伏机组相匹配的工况来计算最优发电功率基准值，将温度和辐照强度对光伏机组发电功率的影响降到最低；并以相匹配的工况距离当前时刻的时间长短作为权重，优先参考距离当前时刻更近的工况数据，更能准确评估光伏机组当前的设备健康状态，可提高评估的准确度。
34、4、本方法在建立数据库时通过求取运行数据和气象监测数据的平均值，来表示统计周期内光伏机组的运行情况和气象状况，降低了数据采集本身可能产生的误差；并将各数据点到平均值的坐标距离作为数据质量标准本文档来自技高网...
【技术保护点】
1.一种基于云边数据协同的光伏发电系统惯量评估方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于云边数据协同的光伏发电系统惯量评估方法，其特征在于：所述运行数据包括各光伏机组逆变器交流输出功率，所述气象监测数据包括环境温度和辐照强度，其中，j为一个统计周期时间段内的采集次数计数值，t为采集时刻的时间戳，i为光伏机组的序号。
3.根据权利要求1所述的一种基于云边数据协同的光伏发电系统惯量评估方法，其特征在于：根据权利要求1所述的一种基于云边数据协同的光伏发电系统惯量评估方法，其特征在于：所述步骤S1具体包括以下步骤：
4.根据权利要求3所述的一种基于云边数据协同的光伏发电系统惯量评估方法，其特征在于：所述步骤S12具体指：对运行数据和气象监测数据进行数据聚合，计算采集时间段内的平均值，针对每个光伏机组i，形成平均值数据对，代表光伏机组i在统计周期内的交流输出功率的平均值、环境温度的平均值以及辐照强度的平均值；其中，通过数据聚合计算采集时间段内的平均值的方法为：
5.根据权利要求4所述的一种基于云边数据协同的光伏发电系统
6.根据权利要求5所述的一种基于云边数据协同的光伏发电系统惯量评估方法，其特征在于：所述判断预处理后的运行数据和气象监测数据是否满足数据质量标准的方法为：依次计算统计周期内采集到的单个运行数据和气象监测数据分别与计算得到的对应平均值之间的距离，并与预设阈值进行比较，若距离小于预设阈值，则预处理后的运行数据和气象监测数据满足数据质量标准；若距离大于预设阈值，则不满足数据质量标准。
7.根据权利要求1~6中任一权利要求所述的一种基于云边数据协同的光伏发电系统惯量评估方法，其特征在于：所述步骤S2具体包括以下步骤：
8.根据权利要求7所述的一种基于云边数据协同的光伏发电系统惯量评估方法，其特征在于：所述步骤S3中计算光伏机组当前虚拟惯量的方法为：
9.根据权利要求8所述的一种基于云边数据协同的光伏发电系统惯量评估方法，其特征在于：所述步骤S4中评估整个光伏发电系统当前能提供的虚拟惯量的方法为：
...【技术特征摘要】
1.一种基于云边数据协同的光伏发电系统惯量评估方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于云边数据协同的光伏发电系统惯量评估方法，其特征在于：所述运行数据包括各光伏机组逆变器交流输出功率，所述气象监测数据包括环境温度和辐照强度，其中，j为一个统计周期时间段内的采集次数计数值，t为采集时刻的时间戳，i为光伏机组的序号。
3.根据权利要求1所述的一种基于云边数据协同的光伏发电系统惯量评估方法，其特征在于：根据权利要求1所述的一种基于云边数据协同的光伏发电系统惯量评估方法，其特征在于：所述步骤s1具体包括以下步骤：
4.根据权利要求3所述的一种基于云边数据协同的光伏发电系统惯量评估方法，其特征在于：所述步骤s12具体指：对运行数据和气象监测数据进行数据聚合，计算采集时间段内的平均值，针对每个光伏机组i，形成平均值数据对，代表光伏机组i在统计周期内的交流输出功率的平均值、环境温度的平均值以及辐照强度的平均值；其中，通过数据聚合计算采集时间段内的平均值的方法为：
5.根据权利要求4所述的一种基于云边数据协同的光伏发电系统惯量评估方法，其特征在于：所述步骤s1...
【专利技术属性】
技术研发人员：陈鹏宇，陈建国，杨嘉伟，唐健，舒军，徐箴箴，
申请(专利权)人：东方电气集团科学技术研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。