Автоматическое управление выработкой активной мощности ветроэлектростанций в условиях ограничений пропускной способности сети
| Parent link: | Электроэнергия. Передача и распределение № 4.— 2022.— [С. 28-36] |
|---|---|
| Main Author: | |
| Corporate Author: | |
| Other Authors: | |
| Summary: | Заглавие с экрана В работе анализируются ограничения существующих систем автоматического регулирования перетоков активной мощности, которые в большей степени проявляются при подключении к энергосистеме источников энергии с переменным характером работы, таких как солнечные и ветровые электростанции. Для преодоления указанных ограничений авторами предложена методика, позволяющая повысить гибкость и селективность управления перетоками активной мощности посредством онлайн-расчета коэффициентов долевого участия регулирующих электростанций. Согласно методике, расчет коэффициентов долевого участия рассматривается как задача оптимизации, решение которой в режиме онлайн позволяет распределять задание внеплановой мощности между регулирующими электростанциями с учетом их характеристик, а также фактической схемнорежимной ситуации в энергосистеме. На основе предложеннойметодики разработан программный модуль, который взаимодействует с базой данных реального времени и с компонентом для расчета установившегося режима, что позволяет использовать при расчете параметры, актуализируемые в темпе обновления телеметрии. В работе исследованы различные варианты настройки разработанного модуля, позволяющие реализовать как стандартные, так и более сложные стратегии управления, необходимые для сетей с ограниченной пропускной способностью.Кроме того, авторами предложено использовать модель машинного обучения, а именно нейронную сеть с полносвязными слоями, для расчета перетоков активной мощности. Результаты исследования подтверждают, что данное решение позволяет обеспечить повышение скорости расчета коэффициентов долевого участия, необходимое при привлечении источников энергии с быстроизменяющимся характером работы к участию во вторичном регулировании. Также в работе рассматривается применение алгоритма Lasso-регрессии для сокращения размерности расчетной модели энергосистемы в соответствии с задачей управления и повышения быстродействия расчета перетоков алгоритмами машинного обучения. Предложенные подходы были апробированы в рамках расчетных экспериментов, результаты которых подтвердили преимущества их внедрения в существующие системы управления перетоками активной мощности. The paper discusses the limitations of existing automatic generation control systems that appear under impact of variable energy resources such as wind and solar power plants. To overcome identified issues, the authors proposed an approach that advances power flow control selectivity and flexibility by means of online intelligent computation of plant participation factors. The approach considers the estimation of participation factors as an optimization task which can be solved in online mode to distribute AGC control action between governed power plants in accordance with their characteristics and actual information about power system state. To implement the proposed approach, the authors developed a software tool which interacts with a real-time database and acomponent for power flow calculations that allows refreshing of plant participation factors based on actual telemetry information. The corresponding optimization models were established to perform conventional and advanced control strategies which are useful in grids with limited transfer capability. To meet performance requirements imposed by variable energy resources, the machine learning model - the densely connected neural network, was designed for power flow estimations. Besides, Lasso regression method was proposed to select the features relevant for the considered control tasks and improve the performance of the machine learning based power flow estimation. The proposed approaches were experimentally tested |
| Published: |
2022
|
| Subjects: | |
| Online Access: | https://www.elibrary.ru/item.asp?id=49334245 |
| Format: | Electronic Book Chapter |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=668657 |