含大规模风电场的电力系统无功优化及故障识别研究

作     者：倪骏 

作者单位：东南大学 

学位级别：硕士

导师姓名：郑建勇;丁晔

授予年度：2022年

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 0807[工学-动力工程及工程热物理] 

主      题：风电场 变分模态分解 风速预测 无功补偿 场景划分 故障识别 

摘      要：由于风能具有清洁、可再生的特点,同时为响应节能减排的号召,风力发电成为全球电力发展新趋势。然而,风能也具有随机性、间歇性,所以大规模风电并网势必会给电力系统的稳定运行带来不利影响,例如电压稳定、频率波动等问题。另外,当电力系统内部发生严重故障时,暂时过电压会导致相关风电场脱网,影响电网的局部电压水平及频率,不利于电力系统的稳定运行。为保证含有大规模风电场的电力系统电压稳定,从风速序列预测、风电场出力相关性的研究入手,基于风电场出力相关性确定了相应的无功补偿措施,从而确保含大规模风电场的电力系统安全稳定运行。然后,考虑到风电机组在极端故障下发生脱网的情况,分析了脱网风电机组的特征,采用人工智能方法对导致风电机组脱网的故障类型进行了识别。本文研究内容包括以下几点:(1)采用粒子群优化算法对变分模态分解的子模态个数及二次惩罚因数进行了参数寻优。在确定最优子模态个数及二次惩罚因数后,基于改进的变分模态分解法对原始风速序列进行分解,从而形成多个具有不同特征的子序列。采用蚁群算法对BP神经网络进行优化,基于改进的BP神经网络对各风速子序列进行特征提取形成相应的预测结果。将各风速子序列的预测结果进行叠加,最终得到风速序列的最终预测结果。以西北地区风速预测为例,结果表明该方法可有效预测风速,具有较高的精度;(2)确定了风机的类型,以DFIG类型的风电机组在PSCAD中搭建了相应的风电场模型,再将风速序列预测结果作为风电机组的输入,从而达到模拟实际西北电场运行的效果。介绍了常见的无功补偿装置并分析了各类无功补偿装置的优缺点,本文选用了SVC作为无功补偿设备。另外,本文确定了SVC的安装节点,采用GA-ACO算法确定了相应SVC的参数,降低了电网的有功、无功损耗。以和方差作为划分典型场景数目的依据,在加入SVC后分析了各薄弱节点电压的变化情况。最后,与采用并联电容器进行电压水平调节的情况进行了对比,验证了采用SVC进行电压水平调节的效果更好;(3)在前面搭建的风电场模型中设置了诸如短路、断线、风速异常等故障,从而得到因保护动作而脱网的风电机组波形。基于暂态电压稳定评价标准及风电机组低/高电压穿越要求,在风电场出现脱网时,分析了风电机组的电压、输出有功等方面的数据并形成故障识别所需的特征矩阵。然后,采用蚁群算法对BP神经网络参数进行优化,将电压、输出有功等特征量作为BP神经网络的输入量进行模型训练,通过相应的算例分析验证了本文所提故障识别方法的有效性。