风电外送系统次同步振荡自适应抑制方法研究

来源 :东南大学 | 被引量 : 0次 | 上传用户:mahuihui
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在“碳达峰、碳中和”的背景下,新能源的发展势在必行,风电装机容量逐年上升。然而,大量风机机组并网增加了系统发生次同步振荡的风险,严重威胁电网的安全稳定运行。风电外送系统的次同步振荡(SSO)现象具有频率时变的特性,而受制于建模精度及控制器本身参数结构的固定性,传统的附加阻尼控制器(SSDC)可能存在适应性不强的问题。因此需要设计具有宽适应性的次同步振荡抑制方法。本文围绕风电外送系统的次同步振荡自适应抑制问题展开了如下的研究:(1)本文以含静止同步补偿器(STATCOM)的双馈风电并网系统为研究对象,针对双馈风场及含STATCOM的串补线路分别建立了数学模型及小信号模型。利用特征值分析法对测试系统进行了振荡模态识别及参与因子分析。最后,通过时域仿真和快速傅里叶变换(FFT)分析验证了特征值分析结果的准确性。(2)深入分析了双馈风电并网系统次同步振荡抑制技术面临的难点并揭示了传统附加阻尼控制器适应性不强的根本原因。首先分析了机侧及网侧的多种可变运行参数对次同步振荡的影响,研究表明风速、双馈风电场有功/无功输出、风机台数、串补度、短路比这六种关键参数的变化均可对次同步振荡特性产生较大影响。在计及多种关键参数共同影响的情况下,分析了传统控制器滤波环节带来的信号相移及不同工况下相位补偿需求的变化,从相位补偿角度综合揭示了传统控制器难以实现宽适应性振荡抑制的根本原因。(3)由于无模型自适应控制方法仅利用受控系统的在线输入-输出数据来设计控制器,可以摆脱传统控制器对模型的依赖,适应性强且控制算法简单,具有较好的应用前景。本文将无模型自适应控制理论引入次同步振荡领域,提出了一种基于无模型自适应的次同步振荡附加控制方法。首先,设计了无模型自适应控制器(MFAC)的结构并选择了适当的伪偏导数动态估计方法;其次,面向次同步振荡附加控制的需求和特点,设计并改进了无模型自适应核心控制算法,构造了新的控制准则函数,添加控制输出幅值约束并引入了补偿信号,从而形成了新的无模型控制算法;进一步地,从理论上证明了新控制算法下闭环受扰系统输出跟踪误差的一致最终有界性和有界输入-有界输出稳定性,并基于稳定性证明提出了控制器参数设计方法,为基于无模型自适应的次同步振荡附加控制方法提供了扎实的理论基础。(4)将基于无模型自适应控制的次同步振荡附加控制方法分别应用于双馈风机和STATCOM,提出了基于几何测量的附加控制器安装位置选择方法,分别选择了MFAC的最佳安装位置。进一步地,在综合考虑风速、双馈风电场有功/无功输出、风机台数、串补度、短路比这6个不确定参数的情况下构建了多种次同步相互作用(SSCI)场景,验证了MFAC的有效性和宽适应性。此外,还测试了MFAC对不同机理次同步振荡的抑制效果,研究表明,MFAC对扭振相互作用(TI)及锁相环(PLL)引起的SSO均有良好的抑制作用。本文所提出的次同步振荡自适应抑制方法不依赖于系统的详细理论模型,仅实时获取系统的输入-输出数据对控制参数进行更新,避免了风电外送系统的建模难题。算例结果表明,所提出的方法具有良好的有效性、宽适应性及适用性,具有广阔的应用前景和研究价值。
其他文献
次同步振荡(Subsynchronous Oscillation,SSO)是风电并网系统中存在的重要稳定性问题。国内外目前已发生多起由风电引起的重大SSO事故。由风电场引起的SSO,可能会造成风电场设备损坏、引起大面积新能源发电机组脱网、诱发附近火电机组轴系扭振等,严重影响电网稳定。因此有必要对风电并网中的SSO进行精准辨识并及时定位,为进一步施加控制措施提供依据。本文围绕风电并网系统的SSO问题
噪声性听力损失(NIHL)是因接触噪音而导致的进行性感音神经性听力损失。大约16%的成年人听力损失与工作场所的噪声暴露有关,职业噪声性听力损失是世界范围内最普遍的职业病,已成为一个全球性的公共卫生问题。并且由于治疗效果不佳,加强噪声性听力损失病因学和发病机制的研究,筛选可靠的预测噪声性听力损失发生发展的生物标志,已经成为我国职业病防治研究领域的重点。基于人群数据的流行病学研究和噪声聋动物模型的相关
近年来,随着计算机和通信技术的飞速发展,大规模传感器网络、物联网系统得到了广泛的应用。随之产生的海量且空间分布广泛的数据对优化算法提出了更高的要求,这使得依托于信息交互、具有可扩展性的分布式优化算法成为当前研究的热点。其中,一个重要的方向就是研究分布式优化算法的加速机制设计,提升算法的收敛速度。当前的分布式优化算法加速机制设计大多建立在静态、无向的通信网络上,要求计算节点的通信必须是双向的,这使得
学位
超分辨重建,包括尺度提升重建和去模糊重建,是指从低分辨或模糊图像中逆向重建为清晰的图像,可以应用于高清视频、医学影像、安防、计算摄影等多项领域,部分时候也承担着计算机视觉高维应用的前置预处理工作,如目标检测与分割中的去模糊,文字识别中的文本增强和网纹去除等。大部分基于深度学习的超分辨图像重建方法是根据经验及多次实验手工设计的,这种方式存在的问题在于,不同的网络需要在不同的超分辨场景下进行训练,网络
学位
随着知识工程领域的应用不断地出现,对本体的研究在学术界和产业界也广泛开展。本体构建的活动逐渐增多,但是构建出来的本体质量相对有很大差距。本体的开放性使得每个人都能够发布自己的本体数据,而且现如今也有通过对互联网数据自动筛选完成本体构建的案例。为了使得构建的本体具有一定的可用性,本体评估在本体工程周期中是不可或缺的一部分,不管是在本体的构建、演化、管理、应用中的任一过程,都涉及到本体评估这一活动。本
关系抽取是知识抽取的重要步骤,旨在从文本语料或多模态数据中发现实体间语义关系,从而为知识图谱构建提供知识三元组,并直接影响知识图谱的质量及应用效果。近年来,关系抽取研究取得了很大进展,但现有研究工作大多集中于句内关系及简单实体对关系,而针对文档级关系抽取及重叠关系抽取的研究目前仍然面临两方面的挑战:(1)在文档级关系抽取中,关系对应的实体对通常跨越多个句子,如何精准地统一实体信息及多个句子语义信息
随着应用于电子设备上的传感器、存储器等材料的品质需求急剧增加,对这些材料的性能提出了更高的要求。支撑电子设备功能应用最重要的就是硬件设备的材料,如存储、通讯、显示、传感等多方面的材料。经过半个多世纪的发展,科研人员已经探索出了钙钛矿的多种优良性质。有机无机杂化钙钛矿作为研究最多的一类材料,表现出几乎所有已知的物理性质,这将使得它在未来会有更多更重要的应用潜力。虽然有机无机杂化钙钛矿最成熟的应用是太
为了应对能源危机并解决环境问题,以风能为代表的可再生能源近年来得到了快速的发展。由于风电具有的不确定性与波动性,对电力系统的运行调度会产生较大的影响。随着风电装机容量逐年不断增加,对风力发电系统的控制精度也提出了更高的要求。风电功率预测与风力发电系统优化控制可以有效减弱风电带来的不确定性,保障风力发电系统安全稳定运行并提高电力系统的可靠性。本文主要的研究内容如下:使用基于随机森林的迭代填充算法对风