本技术涉及电力系统辨识领域,特别是一种利用模糊认知图对SVG风场高频谐振进行在线识别的方法。该方法通过分析SVG出口电压和电流的时间序列数据,实现对风场高频谐振现象的快速准确识别。
背景技术
现有风场站普遍配置静止无功发生器(SVG)实现动态无功调节,以满足区域系统无功电压的控制需求。然而,SVG与电网阻抗、风电机组以及集电电缆之间存在交互作用,可能会引起系统的高频谐振,影响系统的稳定运行。SVG和DFIG变流器均为快速响应电力电子变流装置,某些工况下各模块之间的电气(控制)耦合作用将增加系统高频谐振的风险,例如:2021年,胡杨河地区含SVG的光伏电站频繁出现2500Hz左右的高频谐振现象,造成汇流母线严重过压,同时大量并网电力电子设备损坏;同年5月,冀北乌达莱风场出现了50次左右的谐振,导致并网母线电压波形严重畸变,SVG闭锁次数超限跳闸。
对于风场系统谐振辨识,国内外学者已进行了大量研究。传统的谐振数据特征提取方法主要有时域、频域、时-频域等方法,如经验模态分解(EMD)小波变换、功率谱熵等;传统的辨识模型有BP神经网络、概率神经网络(PNN)、支持向量机(SVM)、卷积神经网络(CNN)谐振辨识模型等。但是这些模型的研究重点更多是集中在提高谐振的辨识精度。然而,在实际工程应用中,更需要辨识模型具备判断的快速性和强健的鲁棒性,以防止系统谐振问题的扩大。因此,有必要形成一种在线高频谐振辨识方法,在含SVG的风场系统高频谐振发生之初,及时发现高频谐振问题,为后续SVG控制模式切换(抑制谐振现象)提供技术支持。
实现思路