摘要:可再生能源的高渗透率,加上传统发电厂的退役,导致电力系统惯性下降。这对电力系统的暂态稳定性产生了负面影响。本文旨在回顾人工智能在电力系统暂态稳定性评估中的应用现状,重点介绍不同的机器、深度学习和强化学习技术。回顾涵盖数据生成过程(来自测量和模拟)、数据处理流程(特征工程、拆分策略、降维)、模型构建和训练(包括集成和超参数优化技术)、部署和管理(包括用于检测偏差和漂移的监控)。回顾特别关注在标准基准测试用例上显示出良好结果的不同深度学习模型。回顾的最终目的是指出不同方法的优缺点,提出现有模型面临的当前挑战,并展望未来可能的研究机会。
如今,由于可再生能源的广泛使用以及通过智能信息和通信技术处理的动态工作负载,电网已成为一个活跃的庞大资源生成和管理系统。存在一些新的操作,例如电力电气化、物理层的智能信息集成以及智能电网中的复杂互连。这些程序使用数据驱动的深度学习、大数据和机器学习范式来有效地分析和控制电力系统瞬态问题,并以稳健的准确性和及时性解决技术问题。因此,人工智能 (AI) 对于解决与暂态稳定性评估 (TSA) 和控制生成相关的问题至关重要。在本文中,我们全面回顾了 AI 及其子程序在解决 TSA 问题中的作用。本文的工作流程包括基于 AI 的智能电力系统结构以及电力系统 TSA 和 AI 应用对暂态情况的合理性。优于其他评论,本文讨论了基于 AI 的 TSA 框架和设计过程以及智能应用及其在电力系统暂态问题中的分析。而且我们不局限于AI,还结合与AI高度兼容的大数据方向,探讨基于AI-大数据的智能电网暂态稳定评估的未来趋势、机遇、挑战和开放问题。
摘要:本文提出一种机电暂态法,建立适用于大规模电网的基于电池储能系统的虚拟同步发电机模型。该模型由虚拟同步发电机控制、系统限制和模型接口组成。还考虑了二阶同步机的方程、充电/放电功率特性、荷电状态、运行效率、死区和逆变器限制。通过将储能变换器配备为具有励磁系统和调速系统的近似同步电压源,为具有低惯性和弱阻尼的可再生能源电力系统提供必要的惯性和阻尼特性。基于电力系统分析软件包(PSASP)的节点电流注入法,建立了控制模型,研究了不同储能系统的影响。选择可再生能源单元波动对 IEEE 4 机 2 区域系统频率和有功功率的影响进行仿真验证。通过对储能系统的合理控制和灵活配置,为高渗透率可再生能源电力系统创造稳定、友好的频率环境。
摘要 — 本文对一个可 100% 使用可再生能源运行的真实微电网进行了暂态稳定性研究,以便更好地了解微电网在各种动态场景下的稳定性和可靠性。特别是,在这种电力系统中,多个电网形成 (GFM) 和电网跟踪 (GFL) 逆变器在孤岛和黑启动等动态运行条件下的运行情况尚不清楚;因此,本文开发了微电网的电磁暂态模型,以研究系统在各种动态运行条件下的稳定性并识别潜在的可靠性风险。使用高精度模型的 PSCAD/EMTDC 仿真有助于深入了解 GFM 和 GFL 逆变器的最佳运行模式以及微电网的稳定性和可靠性。它还可以为现场部署提供逆变器控制参数和协调以及黑启动和计划外孤岛的预期性能方面的信息。
摘要 —动态负载需求会影响输出到负载的功率,这可能无法满足海上石油和天然气装置的 IEC 标准 61892-1。海上石油钻井平台的高功耗需要大型天然气和风力涡轮机发电,而这些发电无法快速反应以增强暂态稳定性。因此,设计了一种能源管理系统 (EMS),该系统带有电池储能系统 (BESS),以取代石油钻井平台上燃气轮机的部分输出功率,以实现最佳暂态响应。我们设计的 EMS 与目前的最先进技术不同,它不使用低通滤波器,从而提高 BESS 的快速响应,同时提高输出到负载的功率质量。我们的 EMS 在模拟中通过最大暂态电压和频率偏差进行了验证,以说明暂态稳定性结果的改善。索引词 —电池储能系统、海上可再生能源系统、石油和天然气平台、暂态稳定性
A.基于人工智能的暂态稳定性评估暂态稳定性是指电力系统在受到严重干扰(例如输电线短路)时保持同步的能力[23]。现有文献将人工智能应用于暂态稳定性评估,主要采用三类方法:神经网络、支持向量机[24-26]和决策树[1],分别总结于表I、表II和表III中。这些研究大多采用新英格兰10机系统作为测试系统。这些方法在分类稳定和不稳定情况方面表现出很高的准确率:所有方法的准确率都高于96%,有些甚至达到100%。此外,一些研究尝试在人工智能模型中考虑拓扑变化[2,29]。
电力系统稳定性考虑因素 – 定义 – 稳定性分类 – 转子角和电压稳定性 – 同步机表示 – 经典模型 – 负荷建模概念 – 励磁系统建模 – 原动机建模。暂态稳定性 – 摆动方程 – 等面积准则 – 摆动方程的解 – 数值方法 – 欧拉方法 – 龙格-库特方法 – 临界清除时间和角度 – 励磁系统和调速器的影响 – 多机稳定性 – 扩展等面积准则 – 暂态能量函数方法。小信号稳定性 – 状态空间表示 – 特征值 – 模态矩阵 – 单机无限母线系统的小信号稳定性 – 同步机经典模型表示 – 场电路动力学的影响 – 励磁系统的影响 – 多机系统的小信号稳定性。电压稳定性 – 发电方面 - 输电系统方面 – 负荷方面 – PV 曲线 – QV 曲线 – PQ 曲线 – 静态负荷分析 – 负荷能力极限 - 灵敏度分析 - 连续功率流分析 - 不稳定机制 - 示例。提高稳定性的方法 – 暂态稳定性增强 – 高速故障清除 – 蒸汽轮机快速阀门 - 高速励磁系统 - 小信号稳定性增强 - 电力系统稳定器 – 电压稳定性增强 – 无功功率控制。
摘要 — 在离网配置下,海上油气平台与海上风电场的电气化是北海正在开发的一种商业模式。因此,本文提出了一种由海上浮动风力发电机组和油气生产平台组成的集成系统,该系统配有机载电池储能系统 (BESS)。利用这个拟议的系统,在 ETAP 中模拟了四种不同的测试场景,模块化电池储能系统 (BESS) 的容量各不相同。结果表明,传统系统和仅配备 1MW BESS 的拟议系统 1 的暂态稳定性特性不符合油气平台的 IEC 标准。通过将 BESS 的容量加倍,ETAP 模拟结果表明,拟议系统 2 的暂态偏差有所降低,符合 IEC 标准 IEC 61892-1。此外,本文还介绍了拟议系统 2 的资本支出 (CapEx) 和运营支出 (OpEx)。索引词 — 能源存储、微电网、石油平台、电能质量、可再生能源
摘要 —本文研究了混合发电(同步发电机 (SG)、电网形成 (GFM) 和电网跟踪 (GFL) 逆变器)的微电网暂态稳定性,随着渗透水平的提高,朝着 100% 可再生能源发电微电网迈进。具体来说,通过电磁暂态研究评估了具有 SG 和 GFL 逆变器的微电网、具有 GFM 逆变器的 SG 以及具有 GFM 和 GFL 逆变器的 SG 在每种渗透情况下的动态,其中有两个关键动态事件:计划外孤岛和泵送感应电机负载中的切换。分析和仿真结果表明,与 SG 并联运行的 GFL 逆变器的微电网可以提供比 GFM 逆变器更快的功率响应,以补偿频率和电压的偏差。混合 SG、GFM 和 GFL 逆变器的方案具有最佳的暂态和稳态稳定性,以实现 100% 基于逆变器的资源 (IBR) 渗透。这项综合研究为微电网工程师在面临安装 IBR(GFL、GFM 或混合)的各种选择时了解微电网的稳定性提供了有用的参考。