论文部分内容阅读
双馈风机由于自身运行特性,不再具备同步发电机所具有的惯性响应能力,导致风电机组大规模并网后,减弱电力系统中惯性响应能力,系统发生功率扰动后,不足以维持频率在规定范围内变动,对电力系统稳定运行产生不良影响。本文主要针对双馈风电机组参与电力系统惯量控制和一次调频、风电功率预测进行深入分析。主要研究内容如下:首先,开展并网双馈风电建模及其对电网频率影响研究。对双馈风电机组的工作原理及数学模型等进行分析,包括双馈风电组的组成结构、运行数学模型、发电机数学模型等;同时提出一种基于等效损耗的风电场汇集系统等值方法,在此基础上,使用数学方法对双馈风电机组并入电力系统降低系统等效惯性原因进行较为详细地论述;在DIg SILENT/Power Factry搭建双馈风电机组并网模型进行仿真,通过设置不同的双馈风电机组并网后的渗透率,对负荷突增或突减进行功率不平衡的仿真,着重分析风电机组未替代和替代同步发电机组后,风电并入电力系统情况下电力系统频率、风机转速和风机有功出力的情况,验证所述分析的正确性。其次,开展基于转速控制的双馈风机参与一次调频研究。通过分析双馈风力发电机模拟同步发电机的运行特性,在此基础上提出附加转速优化虚拟惯量控制,在传统虚拟惯量控制中添加转速优化模块,并与转子转速控制相结合设计出相应的综合虚拟惯量控制,使风机转子释放或吸收能量更多且平缓,减少对电网的冲击并在该控制策略中加入转子转速保护模块,防止转子转速过低或过高从而导致风机切出电网或对风机造成损伤,使双馈风机组具有与常规同步发电机同样的特性。同时提出风电场层面的虚拟惯量与一次调频协调控制,在简单系统和实际电网中论证控制理论的正确性。最后,开展基于自适应变异蝙蝠优化BP神经网络的短期风电功率预测研究。论述风电功率预测对风电参与系统有功控制的重要性。在此基础上,针对风电出力的随机性提出一种结合基于群体适应度方差自适应变异的蝙蝠优化算法(Adaptive Mutation Bat Algorithm,AMBA)并结合BP神经网络算法就短期风电功率进行精准预测。该模型根据群体适应度方差以及根据当前最优解的数值定位当前最优个体的变异概率并对全局最优个体进行t分布变异,对变异后的蝙蝠个体进行二次寻优。然后利用AMBA优化BP神经网络中包含的网络参数,进而提高了BP神经网络的预测精度。通过对实例进行分析,将AMBA-BP模型预测效果与其他模型预测结果相对比。结果表明,该模型能有效提高短期风电功率预测精度。