toplogo
登入

電力系統頻率分佈不對稱性:來源、估計、影響與控制


核心概念
本文旨在探討電力系統中頻率分佈不對稱性的成因,特別是在高比例可再生能源併網的情況下,並提出量化和補償這種不對稱性的方法。
摘要

電力系統頻率分佈不對稱性研究

本研究論文分析了以逆變器為基礎的可再生能源主導電力系統中一個新興的現實現象,即頻率分佈的不對稱性。

不對稱性成因分析
  • 系統非線性導致狀態和代數變數分佈變形: 電力系統模型的非線性特性,特別是網路損耗和基於風力發電機葉片變槳距的頻率控制,是造成頻率分佈不對稱性的主要原因。
    • 網路損耗: 線路電阻導致的功率損耗與電流平方成正比,這種非線性關係使得頻率偏差對負載波動的響應不對稱。
    • 風力發電機變槳距控制: 風力發電機提取的機械功率與風速呈三次方關係,這種非線性關係導致基於變槳距的頻率控制產生不對稱的頻率響應。
  • 調節器硬限制: 當控制器接近其限制時,其調節作用會失效,導致受控系統行為發生顯著變化,進而影響頻率分佈的對稱性。
不對稱性量化指標
  • 左右標準差差異 (∆σf): 計算頻率高於和低於額定值時的左右標準差,並以其差異作為量化指標,可以有效評估不同電力系統的頻率控制品質。
不對稱性補償策略
  • 非線性死區函數: 提出了一種基於頻率偏差的非線性死區函數,通過調整參數來補償系統非線性造成的頻率分佈不對稱性。
案例研究與結論
  • 愛爾蘭和澳大利亞電網數據分析: 結果顯示,當可再生能源,特別是風力發電,提供基於窄死區(例如 ±15 mHz)的動態頻率調節時,會顯著增加頻率分佈的不對稱性。
  • IEEE 9 節點系統模擬: 模擬結果證實了網路損耗、風力發電機變槳距控制和調節器硬限制對頻率分佈不對稱性的影響,並驗證了所提出的非線性補償策略的有效性。
  • 自動發電控制 (AGC) 的作用: 研究發現,AGC 有助於減少頻率分佈的不對稱性,並有助於將頻率品質維持在限制範圍內。
未來研究方向
  • 評估其他現實世界電力系統的頻率分佈不對稱性。
  • 探索其他基於控制的方案,以最大程度地減少這種不對稱性。
edit_icon

客製化摘要

edit_icon

使用 AI 重寫

edit_icon

產生引用格式

translate_icon

翻譯原文

visual_icon

產生心智圖

visit_icon

前往原文

統計資料
愛爾蘭電網在啟用 APC(±15 mHz 死區)時,頻率分佈不對稱性 (∆σf) 從 0.0003 Hz 劇增至 0.0316 Hz。 澳大利亞電網在 2023 年實施 ±15 mHz 強制性 PFC 規則後,頻率分佈不對稱性 (∆σf) 增至 0.00267 Hz,遠高於 2019 年的 0.00032 Hz 和 2010 年的 0.0011 Hz。 在 IEEE 9 節點系統模擬中,高網路損耗導致 ∆σf 從 0.0001 Hz 增加到 0.0036 Hz,而所提出的非線性補償方法將其降低到 0.00007 Hz。 風力發電機提供基於 ±15 mHz 死區的 APC 功能時,∆σf 從 0.0008 Hz 增加到 0.0079 Hz,而考慮風力波動後,∆σf 進一步增加到 0.0386 Hz。 將風力發電機納入 AGC 控制可以顯著改善 ∆σf,但啟用 APC 後,∆σf 仍會增加。 所提出的非線性死區控制方法可以有效降低風力發電機提供 APC 功能時的 ∆σf。
引述
“the universal application of very narrow governor deadbands may be contributing to unexplained oscillations from some plant and asymmetry in the NEM’s frequency characteristic.” “Furthermore, since the introduction of mandatory PFR, power system frequency has been exhibiting behaviour that suggests resilience has decreased.”

深入探究

隨著更多可再生能源併網和電力系統複雜性的增加,如何更有效地預測和控制頻率分佈的不對稱性?

隨著越來越多可再生能源併網,電力系統的頻率控制面臨更大的挑戰。可再生能源如風力和太陽能的間歇性和波動性,加劇了頻率分佈的不對稱性。為了更有效地預測和控制這種不對稱性,以下幾個方向值得深入研究: 建立更精確的系統模型: 現有的電力系統模型大多基於線性化假設,難以準確描述包含大量非線性可再生能源的複雜電力系統。 需要發展新的模型,能夠更精確地捕捉可再生能源的間歇性和波動性,以及電力電子設備的非線性特性,例如考慮風速的 Weibull 分佈、風機的俯仰角控制、電力電子變換器的限幅效應等。 開發先進的預測技術: 傳統的頻率預測方法主要依賴於歷史數據和統計模型,難以應對可再生能源帶來的快速變化和不確定性。 可以利用人工智能和機器學習技術,結合氣象預報、電力系統運行狀態等多源數據,開發更精確的頻率預測模型,例如利用深度學習、強化學習等方法建立更精確的短期和長期頻率預測模型。 優化現有的控制策略: 現有的頻率控制策略主要針對傳統電力系統設計,難以適應高比例可再生能源併網的新型電力系統。 需要研究新的控制策略,例如自適應控制、預測控制、分層控制等,根據預測的頻率偏差動態調整控制參數,提高頻率控制的響應速度和穩定性,例如根據預測結果動態調整虛擬同步發電機的控制參數、優化風機的出力曲線等。 發展新的控制技術: 研究基於廣域測量系統(WAMS)的廣域控制技術,例如廣域阻尼控制、協調控制等,可以更有效地抑制頻率振盪和偏差,提高系統的穩定性和可靠性。 推廣非線性補償技術: 如文中提到的,非線性補償技術可以有效減輕頻率分佈的不對稱性。未來需要進一步研究和推廣該技術,並開發適用於不同類型可再生能源和電力系統的非線性補償策略。

如果將電力系統的經濟運行目標考慮在內,如何在頻率控制的穩定性和經濟性之間取得平衡?

在追求頻率控制穩定性的同時,還需要考慮電力系統的經濟運行目標。為了在兩者之間取得平衡,可以採取以下措施: 制定合理的頻率控制市場機制: 建立基於性能的頻率調節市場,根據不同電源的調節能力和響應速度制定差異化的價格信號,鼓勵發電側積極參與頻率調節,並對提供快速頻率響應的資源給予更高的經濟補償。 優化調度策略: 在滿足系統安全約束的前提下,綜合考慮頻率穩定性和經濟性,優化機組組合和出力分配,例如優先調度具有快速調節能力的電源,減少對傳統火电机组的依赖,降低系統的運行成本。 需求側響應: 利用需求側響應技術,引導用戶參與頻率調節,例如通過價格激勵措施鼓勵用戶在頻率偏離正常值時調整用電負荷,既可以提高頻率控制的靈活性,也可以降低系統的運行成本。 儲能系統的應用: 儲能系統具有快速充放電的能力,可以有效地參與頻率調節,平滑可再生能源的出力波動,提高頻率控制的響應速度和穩定性。同時,還可以通過優化儲能系統的運行策略,最大限度地提高其經濟效益。

能否利用人工智能和機器學習技術開發更精確的頻率預測模型,並根據預測結果動態調整控制策略以減輕不對稱性?

人工智能和機器學習技術在處理複雜數據和非線性關係方面具有獨特優勢,可以應用於開發更精確的頻率預測模型,並根據預測結果動態調整控制策略,以減輕不對稱性。 開發基於人工智能的頻率預測模型: 利用機器學習算法,例如支持向量機、神經網絡、深度學習等,建立高精度的頻率預測模型。 這些模型可以結合歷史頻率數據、氣象預報數據、電力系統運行狀態數據等多源信息,提高預測的準確性和可靠性。 根據預測結果動態調整控制策略: 基於人工智能的頻率預測模型可以提供未來一段時間內的頻率偏差預測信息。 控制系統可以根據這些預測信息,動態調整控制策略,例如預先調整發電機的出力、改變儲能系統的充放電策略、調整負荷的用電模式等,提前應對頻率波動,減輕不對稱性。 強化學習在頻率控制中的應用: 強化學習是一種基於試錯學習的機器學習方法,可以讓智能體在與環境交互的過程中,通過不斷試錯和學習,找到最優的控制策略。 可以利用強化學習算法,開發自適應的頻率控制策略,根據系統的實時狀態和預測信息,自動調整控制參數,提高頻率控制的效率和穩定性。 總之,人工智能和機器學習技術為解決電力系統頻率控制問題提供了新的思路和方法。通過開發更精確的預測模型和更智能的控制策略,可以有效地減輕頻率分佈的不對稱性,提高電力系統的穩定性和可靠性。
0
star