【技术实现步骤摘要】
本专利技术涉及电力系统优化调度，具体涉及一种风电集群分层优化调度方法、系统及介质。
技术介绍
1、风力发电作为可再生能源的重要组成部分迅速发展，但电网对风电的接纳和调控能力面临挑战，尤其在风电规模化和集群化的新趋势下，风电场的有效管理和优化调度问题日益突出。如何实现风电集群的高效、稳定调度，保证电力系统稳定性，成为风力发电领域的关键课题。
2、在风电集群的优化调度中，传统的控制方法可能无法充分适应风电场的时变性和不确定性，以及风电场间的差异性，使得风电集群的功率输出管理效率较低和可靠性较差。
技术实现思路
1、为解决上述问题，本专利技术提供一种风电集群分层优化调度方法，该方法基于熵值变权评分的大型风电集群分层优化调度，充分考虑了风电场的时变性和不确定性，通过科学的分析和合理的资源分配，降低了整个风电集群的疲劳和波动情况。
2、为实现上述目的，本专利技术提供了一种风电集群分层优化调度方法，包括以下步骤：
3、采用熵值法确定风电集群中与风电场间疲劳损伤差异和输出功率波动相关的评价指标的权重；确定各评价指标的劣化度类型，基于评价指标的权重，采用变权理论平衡各评价指标间的横向相关性，获得变权权重；
4、采用隶属度函数并使用模糊综合评价方法，获得风电集群各风电场的在各个评价指标下的隶属度评分；
5、根据各评价指标的变权权重对隶属度评分加权，获得各风电场的劣化度综合评分；
6、根据风电场的超短期功率预测值对风电场群分别进行
7、优选地，所述综合疲劳系数用于定量评估风电场在运行期间因有功输出和湍流效应所致的疲劳损伤，如下式所示：
8、
9、式中：为风电场i在t0时刻的累计疲劳系数，第二项为风电场运行造成的工作疲劳，第三项为湍流造成的风电场疲劳；pi(t)为风电场i当前输出功率；为风电场i额定功率；为机组i设计寿命；为风电场i维护补偿系数；ddis为风电场i湍流疲劳当量系数；为风电场i在t时刻的湍流强度。
10、优选地，所述功率波动系数为衡量风电场在各个运行周期内功率稳定性的指标，如下式所示：
11、
12、式中，gi(t)为机组i近n0个周期功率标准偏差，用于衡量机组功率波动；pia为机组近n0个周期功率平均值；该指标考虑n0个周期内的波动情况并量化为该波动率指标。
13、优选地，所述弃风率为风电场实际发电功率与其理论最大发电能力之间的比值与1之间的差异，如下式所示：
14、
15、式中，δi为机组i的弃风率；pi(t)为机组i当前功率；为机组i根据mppt策略获得的当前理论最大功率，根据当前风速通过机组功率曲线插值确定。
16、优选地，所述功率调节裕度包括功率上调裕度和功率下调裕度，如下式所示：
17、
18、式中，为机组i在下一周期的功率预测值，即机组i在下一周期所能达到的最大功率；为机组限功率下限。
19、优选地，所述各评价指标的变权权重的获取，包括以下步骤：
20、利用信息熵的概念，可假设样本数据的多属性决策矩阵m，计算公式如下：
21、
22、式中，{a1，a2，…，am}代表m个风电场；xmn代表第m个风电场的第n个指标的值；m和n分别代表风电场和指标的数量；
23、对指标值进行归一化处理：
24、x′ij＝xij/max(xij)；
25、式中，x′ij代表指标相对值；
26、计算第j个指标下第i个风电场的贡献度：
27、
28、式中，pij表示第i个风电场占第j个指标的比重，并将其看作相对熵计算中用到的概率，即连续性的占比；
29、计算第j个指标的熵值：
30、
31、式中，k＝1/ln(m)，保证0≤ej≤1，即最大为1；对于信息熵，ej越大，信息熵越大，表明第j个指标得到的信息越少，离散程度越大；
32、第j个指标的熵权为：
33、
34、确定各评价指标的劣化度类型：
35、对于越小越优型指标：
36、
37、对于中间型指标：
38、
39、对于越大越优型指标：
40、
41、式中，g(x)是指标的劣化度；x是指标的实际值；[α,β]是指标的运行限值，[xa,xb]是指标的最佳取值区间；
42、变权公式为：
43、
44、式中，wi′j是指标j的变权权重；wj是指标j的常权权重；gij是该指标劣化度；t为变权系数，取值为0.5；n是指标的数量；
45、确定隶属度函数：
46、
47、该隶属度函数对三角形和半梯形函数结合使用，分为四个模糊集合{优，良，中，差}；
48、对隶属度函数公式化，得到风电场i在指标j下的隶属度评分为：
49、hij＝0.4v1ij+0.3v2ij+0.2v3ij+0.1v4ij；
50、式中，g为劣化度，{v1，v2，v3，v4}分别为四个集合的隶属度设置权重分别为40％、30％、20％、10％；
51、则风电场i的指标评分集合为：
52、hi＝[hi1,hi2,…,hin]；
53、根据熵值变权后的各风电场各指标权重和各风电场的指标评分，得到风电场i的劣化度综合评分为：
54、
55、将综合评分归一化为百分数：
56、
57、优选地，所述以风电场的超短期功率预测值作为评判风电场功率变化趋势的依据，确定风电场的爬坡分类，包括以下步骤：
58、以风电场t时刻起到未来4个周期的超短期功率预测值作为评判风电场功率变化趋势的依据；
59、风电场爬坡分类指标定义如下：
60、
61、式中，sign()为符号函数；为未来第n个周期的风电场预测功率值；是风电场的t时刻功率输出值；
62、根据ki划分风电场群包括上爬坡群、过渡群和下爬坡群。
63、优选地，所述在同一风电场群内，根据各风电场的劣化度综合评分大小确定风电场的调度顺序，包括以下步骤：
64、对各评价指标进行不同状态下的劣化度矩阵计算，建立上调矩阵和下调矩阵两类样本数据，在集群不同调度状态下计算不同样本矩阵的劣化度；
65、在风电集群需要功率上调时，对上调矩阵进行计算，得到上调综合劣化度评分进行排序，由于风电场劣化度综合评分越小其上调能力越强，对评分由低到高进行风电本文档来自技高网...
【技术保护点】
1.一种风电集群分层优化调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的风电集群分层优化调度方法，其特征在于，所述评价指标包括综合疲劳系数、功率波动系数、弃风率和功率调节裕度；所述综合疲劳系数用于定量评估风电场在运行期间因有功输出和湍流效应所致的疲劳损伤，如下式所示：
3.根据权利要求2所述的风电集群分层优化调度方法，其特征在于，所述功率波动系数为衡量风电场在各个运行周期内功率稳定性的指标，如下式所示：
4.根据权利要求3所述的风电集群分层优化调度方法，其特征在于，所述弃风率为风电场实际发电功率与其理论最大发电能力之间的比值与1之间的差异，如下式所示：
5.根据权利要求4所述的风电集群分层优化调度方法，其特征在于，所述功率调节裕度包括功率上调裕度和功率下调裕度，如下式所示：
6.根据权利要求1所述的风电集群分层优化调度方法，其特征在于，所述各评价指标的变权权重的获取，包括以下步骤：
7.根据权利要求1所述的风电集群分层优化调度方法，其特征在于，所述风电场群的分群，包括以下步骤：
8.
9.一种风电集群分层优化调度系统，其特征在于，所述系统包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有数据处理程序，所述数据处理程序被处理器执行时实现如权利要求1至8中任一项所述的风电集群分层优化调度方法的步骤。
...【技术特征摘要】
1.一种风电集群分层优化调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的风电集群分层优化调度方法，其特征在于，所述评价指标包括综合疲劳系数、功率波动系数、弃风率和功率调节裕度；所述综合疲劳系数用于定量评估风电场在运行期间因有功输出和湍流效应所致的疲劳损伤，如下式所示：
3.根据权利要求2所述的风电集群分层优化调度方法，其特征在于，所述功率波动系数为衡量风电场在各个运行周期内功率稳定性的指标，如下式所示：
4.根据权利要求3所述的风电集群分层优化调度方法，其特征在于，所述弃风率为风电场实际发电功率与其理论最大发电能力之间的比值与1之间的差异，如下式所示：
5.根据权利要求4所述的风电集群分层优化调度方法，其特征在于，所述功率调节裕度包括功...
【专利技术属性】
技术研发人员：魏赏赏，李智寒，辛新瑶，顾明轩，王伟，邵贤杰，郝静静，
申请(专利权)人：河海大学，
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。