[发明专利]新能源及储能联合发电系统黑启动时空支撑能力评估方法

说明书

本发明提出一种新能源及储能联合发电系统黑启动时空支撑能力评估方法，首先分析了制约新能源参与初期黑启动安全问题的关键技术因素，从安全裕度水平与持续支撑时间两方面定义黑启动时空支撑能力；其次，搭建光储参与黑启动初期的仿真模型并进行快速时域仿真，构建神经网络训练样本集；最后，使用长短期记忆神经网络建立黑启动时空支撑能力的评估模型，基于所述黑启动时空支撑能力评估模型和构建的神经网络训练样本集，对定义的新能源及储能联合发电系统的黑启动时空支撑能力进行评估。本发明可在计及新能源出力随机性的同时，提升初期黑启动阶段对启动功率的使用效果，为后续黑启动方案的制定与黑启动分区提供指标支撑。

技术领域

本发明涉及电力系统恢复领域，提出了一种新能源及储能联合发电系统黑启动时空支撑能力评估方法。

背景技术

为推动能源结构转型，保证其可持续发展，电力行业亟需加速构建以新能源为主体的新型电力系统。随着新能源大规模进入电网，电力系统的网架结构和动态行为也日益复杂，由故障导致电网大范围停电的风险随之增加。近年来，“韧性电网”概念被提出，通过建设韧性电网，进而对各类扰动做出主动预判与积极预备，主动防御，快速恢复重要电力负荷，提升电网应对扰动和灾害的能力。尽管电力系统在不断完善，但大停电的风险仍无法彻底消除，因此制定适用于新型电力系统的黑启动方案，充分挖掘新能源机组的黑启动能力具有重要的现实意义。

现有研究表明，储能可平抑风光输出功率波动、加快电网供电的恢复。随着储能设备单位成本的不断下降和控制技术的持续发展，光储电站已具备了作为黑启动电源的潜力。已有文献提出以储能型风电场作为黑启动电源来辅助热电机组启动的方案，并对各个暂态过程进行仿真分析，对方案的可行性进行了深入探讨。另有研究针对双馈异步风电机组自启动过程的机电暂态特性，设计了基于反馈线性控制的自启动控制器和自启动控制策略。同时，深度学习由于其强大的拟合能力，在电力系统恢复领域也有着独特的优势与良好的应用前景。针对黑启动阶段空充输电线路，已有研究利用人工神经网络(artificialneural network，ANN)实现快速预测黑启动合闸过电压最大电压峰值，具体采用了误差反向传播算法进行训练。

基于上述，新能源自启动特性的研究成果丰硕，但尚未纳入黑启动应急功率保障能力评估体系；同时，现有的黑启动方案评估体系框架尚未计及新能源机组出力的时空波动性。因此对于亟需启动功率支撑的黑启动阶段，如果能对不同新能源场站的黑启动支撑潜力进行周期性评价或黑启动时空支撑能力的滚动预测，将极大提升初期黑启动阶段对启动功率的优化使用效果。

发明内容

有鉴于此，本发明提出一种新能源及储能联合发电系统黑启动时空支撑能力评估方法，该方法针对黑启动初期启动功率稀缺的问题，考虑了新能源出力的随机性，计及了黑启动过程中黑启动电源的安全裕度水平与持续支撑时间，对其支撑能力进行评估。结果表明，该方法能实现区域电网中不同黑启动方案的评估寻优，提升初期黑启动阶段对启动功率的使用效果，为后续黑启动分区提供指标支撑。

本发明提供一种新能源及储能联合发电系统黑启动时空支撑能力评估方法，其特征在于包括以下步骤：

S1：确定制约新能源参与初期黑启动安全问题的关键技术因素；

S2：依据步骤1确定的制约新能源参与初期黑启动安全问题的关键技术因素，定义新能源发电系统的黑启动时空支撑能力；

S3：搭建新能源及其储能联合发电系统参与初期黑启动的仿真模型；

S4：依据步骤S3搭建仿真模型，采用动态链接库仿真技术构建神经网络训练样本集；

S5：建立基于LSTM神经网络的黑启动时空支撑能力评估模型，并基于所述黑启动时空支撑能力评估模型和步骤S4构建的神经网络训练样本集，对步骤S2定义的新能源及储能联合发电系统的黑启动时空支撑能力进行评估。