开云优惠体育网页版入口

专利名称：一种并网电力系统暂态稳定评估方法

专利类型：发明专利

专利申请号：CN202410680695.6

专利申请（专利权）人：国网青海省电力公司电力科学研究院,国网青海省电力公司,青海电研开云优惠体育网页版入口有限责任公司
权利人地址：青海省西宁市城西区五四西路8号

专利发明（设计）人：发明人:宋锐,俞海国,刘可,杨小库,王少飞,杨文丽,闫涵,赵金朝,赵东宁,保积秀

专利摘要：本发明涉及一种并网电力系统暂态稳定评估方法，涉及并网电力系统领域，所述方法包括：对BP神经网络执行各次学习动作，以获得暂态稳定评估模型；根据暂态稳定评估模型基于并网模式编码数值、异步风力发电机组的多项机组关联信息、目标输电网络的各项网络信息以及异步风力发电机组的多项工作环境参数智能评估异步风力发电机组并网到目标输电网络后达到暂态稳定状态所需的时长。通过本发明，针对不同环境以及不同并入输电网络下异步风力发电机组的暂态稳定时长难以提前评估的技术问题，能够在多项基础数据针对性筛选的基础上，为不同异步风力发电机组搭建不同的暂态稳定评估模型对暂态稳定时长进行智能评估，从而解决了上述技术问题。

主权利要求：
1.一种并网电力系统暂态稳定评估方法，其特征在于，所述方法包括：
获取并网到目标输电网络的风力发电机组的多项机组关联信息，所述风力发电机组为异步风力发电机组，所述风力发电机组的多项机组关联信息为异步风力发电机组的风力发电机数量、单机重量、单机输出电压、单机叶片面积、单机叶片长度以及机组分布面积；
获取目标输电网络的各项网络信息，所述目标输电网络的各项网络信息为所述目标输电网络的输电线路单位长度电阻、线路电晕损耗、绝缘子泄露电阻以及输电线路电抗；
获取风力发电机组的多项工作环境参数，所述风力发电机组的多项工作环境参数为所述风力发电机组所在环境的风向角度、风速数值、环境温度、环境湿度以及气压数值；
对BP神经网络执行各次学习动作，以获得经过各次学习动作后的BP神经网络并作为暂态稳定评估模型输出，对所述BP神经网络执行的学习动作的次数与所述异步风力发电机组的风力发电机数量正向关联；
根据所述暂态稳定评估模型基于并网模式编码数值、所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数，对所述异步风力发电机组并网到所述目标输电网络进行暂态稳定智能评估；
其中，对BP神经网络执行各次学习动作，以获得经过各次学习动作后的BP神经网络并作为暂态稳定评估模型输出，对所述BP神经网络执行的学习动作的次数与所述异步风力发电机组的风力发电机数量正向关联，包括：对BP神经网络执行的每一次学习动作中，以所述风力发电机组的多项机组关联信息、某一输电网络的各项网络信息以及所述风力发电机组历史上某一次并网到所述某一输电网络时的所述风力发电机组的多项工作环境参数为所述BP神经网络的多项输入内容，以所述风力发电机组历史上某一次并网到所述某一输电网络时从并网到暂态稳定状态所需的时长为所述BP神经网络的单项输出内容，完成本次学习动作；
其中，根据所述暂态稳定评估模型基于并网模式编码数值、所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数智能评估所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长包括：所述风力发电机组并网到所述目标输电网络的并网时刻为第一时刻，所述风力发电机组并网到所述目标输电网络后达到暂态稳定状态的时刻为第二时刻，所述第二时刻与所述第一时刻之间的时长为所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长；
其中，并网模式为直接并网模式、降压并网模式、准同期并网模式和晶闸管软并网模式中的一种，不同并网模式分别对应不同的并网模式编码数值；
其中，对BP神经网络执行各次学习动作，以获得经过各次学习动作后的BP神经网络并作为暂态稳定评估模型输出，对所述BP神经网络执行的学习动作的次数与所述异步风力发电机组的风力发电机数量正向关联，还包括：采用数值映射公式表示对所述BP神经网络执行的学习动作的次数与所述异步风力发电机组的风力发电机数量正向关联的数值映射关系；
其中，采用数值映射公式表示对所述BP神经网络执行的学习动作的次数与所述异步风力发电机组的风力发电机数量正向关联的数值映射关系包括：在所述数值映射公式中，所述BP神经网络执行的学习动作的次数为输出参数，所述异步风力发电机组的风力发电机数量为输入参数。
2.如权利要求1所述的并网电力系统暂态稳定评估方法，其特征在于，在根据所述暂态稳定评估模型基于并网模式编码数值、所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数智能评估所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长之后，所述方法还包括：接收智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长，并实时显示智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长。
3.如权利要求1所述的并网电力系统暂态稳定评估方法，其特征在于，在对BP神经网络执行各次学习动作，以获得经过各次学习动作后的BP神经网络并作为暂态稳定评估模型输出，对所述BP神经网络执行的学习动作的次数与所述异步风力发电机组的风力发电机数量正向关联之后，所述方法，还包括：接收所述暂态稳定评估模型，并通过存储所述暂态稳定评估模型的各项模型数据完成对所述暂态稳定评估模型的模型存储。
4.如权利要求1所述的并网电力系统暂态稳定评估方法，其特征在于，在根据所述暂态稳定评估模型基于并网模式编码数值、所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数智能评估所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长之后，所述方法还包括：接收智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长，并通过移动通信链路无线传输智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长。
5.如权利要求1所述的并网电力系统暂态稳定评估方法，其特征在于，在根据所述暂态稳定评估模型基于并网模式编码数值、所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数智能评估所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长之后，所述方法还包括：接收智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长，并在智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长大于等于设定时长限量时，执行超时稳定报警操作，以及在智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长小于所述设定时长限量时，暂缓执行超时稳定报警操作。
6.如权利要求1?5任一所述的并网电力系统暂态稳定评估方法，其特征在于：
根据所述暂态稳定评估模型基于并网模式编码数值、所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数智能评估所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长，还包括：将所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数同步输入到所述暂态稳定评估模型；
其中，根据所述暂态稳定评估模型基于并网模式编码数值、所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数智能评估所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长还包括：运行所述暂态稳定评估模型，以获得所述暂态稳定评估模型输出的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长。
7.如权利要求6所述的并网电力系统暂态稳定评估方法，其特征在于：
将所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数同步输入到所述暂态稳定评估模型，包括：将所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数分别执行二进制数值转换后再同步输入到所述暂态稳定评估模型；
其中，运行所述暂态稳定评估模型，以获得所述暂态稳定评估模型输出的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长包括：运行所述暂态稳定评估模型，以获得所述暂态稳定评估模型输出的二进制数值表示的、所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长。
8.如权利要求1?5任一所述的并网电力系统暂态稳定评估方法，其特征在于：
获取并网到目标输电网络的风力发电机组的多项机组关联信息，所述风力发电机组为异步风力发电机组，所述风力发电机组的多项机组关联信息为异步风力发电机组的风力发电机数量、单机重量、单机输出电压、单机叶片面积、单机叶片长度以及机组分布面积，包括：异步风力发电机组的机组分布面积为异步风力发电机组中的各个风力发电机作为一个整体共同占据的地理区域的地理面积；
其中，获取并网到目标输电网络的风力发电机组的多项机组关联信息，所述风力发电机组为异步风力发电机组，所述风力发电机组的多项机组关联信息为异步风力发电机组的风力发电机数量、单机重量、单机输出电压、单机叶片面积、单机叶片长度以及机组分布面积还包括：异步风力发电机组的单机重量为异步风力发电机组中的单个风力发电机的本身重量，在异步风力发电机组中，各个风力发电机的本身重量相等；
其中，获取并网到目标输电网络的风力发电机组的多项机组关联信息，所述风力发电机组为异步风力发电机组，所述风力发电机组的多项机组关联信息为异步风力发电机组的风力发电机数量、单机重量、单机输出电压、单机叶片面积、单机叶片长度以及机组分布面积还包括：异步风力发电机组的单机输出电压为异步风力发电机组中的单个风力发电机的输出电压，在异步风力发电机组中，各个风力发电机的输出电压相等；
其中，获取并网到目标输电网络的风力发电机组的多项机组关联信息，所述风力发电机组为异步风力发电机组，所述风力发电机组的多项机组关联信息为异步风力发电机组的风力发电机数量、单机重量、单机输出电压、单机叶片面积、单机叶片长度以及机组分布面积还包括：异步风力发电机组的单机叶片面积为异步风力发电机组中单个风力发电机的各个叶片分别对应的分布面积的总和，各个风力发电机分别对应的各份单机叶片面积相等；
其中，获取目标输电网络的各项网络信息，所述目标输电网络的各项网络信息为所述目标输电网络的输电线路单位长度电阻、线路电晕损耗、绝缘子泄露电阻以及输电线路电抗包括：采用多个不同的信息采集单元用于分别获取所述目标输电网络的输电线路单位长度电阻、线路电晕损耗、绝缘子泄露电阻以及输电线路电抗；
其中，获取风力发电机组的多项工作环境参数，所述风力发电机组的多项工作环境参数为所述风力发电机组所在环境的风向角度、风速数值、环境温度、环境湿度以及气压数值包括：采用设置在所述风力发电机组所在环境内的风向检测组件，用于测量所述风力发电机组所在环境的风向角度；
其中，获取风力发电机组的多项工作环境参数，所述风力发电机组的多项工作环境参数为所述风力发电机组所在环境的风向角度、风速数值、环境温度、环境湿度以及气压数值还包括：采用设置在所述风力发电机组所在环境内的风速检测组件，用于测量所述风力发电机组所在环境的风速数值。 说明书 : 一种并网电力系统暂态稳定评估方法技术领域[0001] 本发明涉及并网电力系统领域，尤其涉及一种并网电力系统暂态稳定评估方法。背景技术[0002] 并网，从技术上指发电机组或发电厂(场、站)或直调用户与电网之间的物理连接，从管理上指其与电网调度机构建立调度关系。目前，风力发电大多是以风电场形式大规模集中接入电网，考虑到不同的风力发电机组工作原理不同，其并网模式也有区别。风电场常用机型主要包括异步风力发电机、双馈异步风力发电机、直驱式交流永磁同步发电机和高压同步发电机。同步风力发电机的主要并网模式是准同步和自同步并网，异步风力发电机组的并网模式则主要有直接并网、降压并网、准同期并网和晶闸管软并网等。[0003] 示例地，中国发明专利公开文本CN114123328A提出了一种基于暂态能量流的虚拟同步发电机并网控制方法及系统，涉及电力电子逆变器并网控制技术领域，其技术方案要点是：利用小信号分析法线性化逆变器VSG控制系统，构建VSG小信号模型；根据VSG小信号模型分析逆变器有功功率与并网侧电压相位振荡之间的传递函数，确定传递函数的相频特性；根据相频特性计算得到逆变器有功功率与并网侧电压相位振荡之间的相位差；当相位差不小于设定阈值时，对有功环节控制参数中的虚拟转动惯量和虚拟阻尼系数进行修正，直至相位差小于设定阈值。本发明能够分析系统暂态能量流的传输情况从而调整VSG控制参数，以提高逆变器并网系统的低频振荡抑制能力。[0004] 示例地，中国发明专利公开文本CN110504706A提出了一种虚拟同步发电机并网的暂态稳定性预测方法及装置，所述方法包括：获取虚拟同步发电机VSG的虚拟转速和虚拟功角；将所述虚拟转速和虚拟功角，输入至预设的暂态能量函数模型，输出暂态能量值以及临界切除时间；根据所述暂态能量值以及所述临界切除时间预测VSG并网的暂态稳定性。本发明实施例提供的虚拟同步发电机并网的暂态稳定性预测方法及装置，构建接有VSG的单机无穷大系统的暂态能量函数，并计及虚拟阻尼的影响，建立的暂态能量函数准确度很高，通过计算暂态能量函数对虚拟同步发电机并网的暂态稳定性进行预测，计算量。褂梅奖，预测效率高。[0005] 显然，上述现有技术并没有涉及到异步风力发电机组在各种不同并网模式下从并网启动时刻到达到暂态稳定时刻所需耗费的时长，实际上，耗费的时长越短，相应异步风力发电机组的并网性能越高，在缺乏上述不同并网模式下暂态稳定时长评估机制的基础上，自然无法对异步风力发电机组的并网性能进行有效评估。发明内容[0006] 为了解决现有技术中的技术问题，本发明提供了一种并网电力系统暂态稳定评估方法，能够在多项基础数据针对性筛选的基础上，为不同异步风力发电机组搭建不同的暂态稳定评估模型，对任一异步风力发电机组并网到任一输电网络达到暂态稳定状态所需耗费时长进行智能评估，从而为每一异步风力发电机组的并网性能的评估提供有价值的参考信息。[0007] 本发明提供了一种并网电力系统暂态稳定评估方法，所述方法包括：[0008] 获取并网到目标输电网络的风力发电机组的多项机组关联信息，所述风力发电机组为异步风力发电机组，所述风力发电机组的多项机组关联信息为异步风力发电机组的风力发电机数量、单机重量、单机输出电压、单机叶片面积、单机叶片长度以及机组分布面积；[0009] 获取目标输电网络的各项网络信息，所述目标输电网络的各项网络信息为所述目标输电网络的输电线路单位长度电阻、线路电晕损耗、绝缘子泄露电阻以及输电线路电抗；[0010] 获取风力发电机组的多项工作环境参数，所述风力发电机组的多项工作环境参数为所述风力发电机组所在环境的风向角度、风速数值、环境温度、环境湿度以及气压数值；[0011] 对BP神经网络执行各次学习动作，以获得经过各次学习动作后的BP神经网络并作为暂态稳定评估模型输出，对所述BP神经网络执行的学习动作的次数与所述异步风力发电机组的风力发电机数量正向关联；[0012] 根据所述暂态稳定评估模型基于并网模式编码数值、所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数智能评估所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长；[0013] 其中，根据所述暂态稳定评估模型基于并网模式编码数值、所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数智能评估所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长包括：所述风力发电机组并网到所述目标输电网络的并网时刻为第一时刻，所述风力发电机组并网到所述目标输电网络后达到暂态稳定状态的时刻为第二时刻，所述第二时刻与所述第一时刻之间的时长为所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长；[0014] 其中，并网模式为直接并网模式、降压并网模式、准同期并网模式和晶闸管软并网模式中的一种，不同并网模式分别对应不同的并网模式编码数值。[0015] 因此，本发明至少具备以下四处显著的技术进步：[0016] 第一处：为不同环境下的异步风力发电机组并网到不同输电网络达到暂态稳定所需的时长提供定制结构设计的暂态稳定评估模型，所述暂态稳定评估模型为经过各次学习动作后的BP神经网络，且对所述BP神经网络执行的学习动作的次数与所述异步风力发电机组的风力发电机数量正向关联，从而为不同的异步风力发电机组搭建不同定制结构的暂态稳定评估模型，保证了智能评估时长的有效性和稳定性；[0017] 第二处：为暂态稳定所需时长的智能评估针对性筛选各项基础数据，以进一步保证智能评估时长的有效性和稳定性，所述各项基础数据包括异步风力发电机组的多项机组关联信息、输电网络的各项网络信息以及异步风力发电机组的多项工作环境参数；[0018] 第三处：具体地，异步风力发电机组的多项机组关联信息为异步风力发电机组的风力发电机数量、单机重量、单机输出电压、单机叶片面积、单机叶片长度以及机组分布面积，输电网络的各项网络信息为所述输电网络的输电线路单位长度电阻、线路电晕损耗、绝缘子泄露电阻以及输电线路电抗，异步风力发电机组的多项工作环境参数为异步风力发电机组所在环境的风向角度、风速数值、环境温度、环境湿度以及气压数值；[0019] 第四处：对BP神经网络执行的每一次学习动作中，以异步风力发电机组的多项机组关联信息、某一输电网络的各项网络信息以及异步风力发电机组历史上某一次并网到所述某一输电网络时的异步风力发电机组的多项工作环境参数为所述BP神经网络的多项输入内容，以异步风力发电机组历史上某一次并网到所述某一输电网络时从并网到暂态稳定状态所需的时长为所述BP神经网络的单项输出内容，完成本次学习动作，从而保证每一次学习动作的学习效果。附图说明[0020] 以下将结合附图对本发明的实施例进行描述，其中：[0021] 图1为根据本发明的并网电力系统暂态稳定评估方法的技术流程图。[0022] 图2为根据本发明的第一实施例示出的并网电力系统暂态稳定评估方法的步骤流程图。[0023] 图3为根据本发明的第二实施例示出的并网电力系统暂态稳定评估方法的步骤流程图。[0024] 图4为根据本发明的第三实施例示出的并网电力系统暂态稳定评估方法的步骤流程图。[0025] 图5为根据本发明的第四实施例示出的并网电力系统暂态稳定评估方法的步骤流程图。[0026] 图6为根据本发明的第五实施例示出的并网电力系统暂态稳定评估方法的步骤流程图。具体实施方式[0027] 如图1所示，给出了根据本发明示出的并网电力系统暂态稳定评估方法的技术流程图。[0028] 如图1所示，本发明的具体的技术流程如下：[0029] 第一技术流程：为异步风力发电机组并网到输电网络建立提供并网时刻到暂态稳定时刻之间间隔时长的暂态稳定评估模型，从而为异步风力发电机组的并网性能提供关键参考信息；[0030] 显然，对于异步风力发电机组而言，其并网时刻到暂态稳定时刻之间间隔时长越短，其并网性能越强；[0031] 这里，针对同一异步风力发电机组，其处于不同环境下的并网性能不同，以及针对同一异步风力发电机组，其要并网的输电网络不同，其并网性能也不同，而本发明建立的暂态稳定评估模型，能够对上述各项并网性能分别进行智能评估；[0032] 具体地，所述暂态稳定评估模型的结构定制之处在于以下几个方面：[0033] 第一：所述暂态稳定评估模型为经过各次学习动作后的BP神经网络，且对所述BP神经网络执行的学习动作的次数与所述异步风力发电机组的风力发电机数量正向关联，从而为不同的异步风力发电机组搭建不同定制结构的暂态稳定评估模型，保证了智能评估时长的有效性和稳定性；[0034] 第二：对BP神经网络执行的每一次学习动作中，以异步风力发电机组的多项机组关联信息、某一输电网络的各项网络信息以及异步风力发电机组历史上某一次并网到所述某一输电网络时的异步风力发电机组的多项工作环境参数为所述BP神经网络的多项输入内容，以异步风力发电机组历史上某一次并网到所述某一输电网络时从并网到暂态稳定状态所需的时长为所述BP神经网络的单项输出内容，完成本次学习动作，从而保证每一次学习动作的学习效果；[0035] 第二技术流程：为所述暂态稳定评估模型针对性筛选多项基础数据，以进一步保证智能评估时长的有效性和稳定性；[0036] 示例地，所述各项基础数据包括异步风力发电机组的多项机组关联信息、输电网络的各项网络信息以及异步风力发电机组的多项工作环境参数；[0037] 具体地，异步风力发电机组的多项机组关联信息为异步风力发电机组的风力发电机数量、单机重量、单机输出电压、单机叶片面积、单机叶片长度以及机组分布面积，输电网络的各项网络信息为所述输电网络的输电线路单位长度电阻、线路电晕损耗、绝缘子泄露电阻以及输电线路电抗，异步风力发电机组的多项工作环境参数为异步风力发电机组所在环境的风向角度、风速数值、环境温度、环境湿度以及气压数值；[0038] 第三技术流程：采用第一技术流程建立的暂态稳定评估模型基于第二技术流程针对性筛选的多项基础数据智能评估不同环境下的异步风力发电机组并网到不同输电网络达到暂态稳定所需的时长；[0039] 第四技术流程：在第三技术流程智能评估获得的异步风力发电机组并网到目标输电网络后达到暂态稳定状态所需的时长大于等于设定时长限量时，执行超时稳定报警操作，否则，暂缓执行超时稳定报警操作；[0040] 这样，能够提前获知异步风力发电机组达到暂态稳定的并网时长，并在并网时长超限时执行超时稳定报警操作，从而为发电网络以及输电网络的工作状态提供智能化管理方案。[0041] 本发明的关键点在于：不同的异步风力发电机组不同定制结构的暂态稳定评估模型的搭建、包括异步风力发电机组的多项机组关联信息、输电网络的各项网络信息以及异步风力发电机组的多项工作环境参数的多项基础数据的针对性筛选、对BP神经网络执行的每一次学习动作的针对性设计。[0042] 下面，将对本发明的并网电力系统暂态稳定评估方法以实施例的方式进行具体说明。[0043] 第一实施例[0044] 图2为根据本发明的第一实施例示出的并网电力系统暂态稳定评估方法的步骤流程图。[0045] 如图2所示，所述并网电力系统暂态稳定评估方法包括以下步骤：[0046] 步骤STEP1：获取并网到目标输电网络的风力发电机组的多项机组关联信息，所述风力发电机组为异步风力发电机组，所述风力发电机组的多项机组关联信息为异步风力发电机组的风力发电机数量、单机重量、单机输出电压、单机叶片面积、单机叶片长度以及机组分布面积；[0047] 示例地，可以选择采用多个不同的参数测量组件用于分别测量所述异步风力发电机组的风力发电机数量、单机重量、单机输出电压、单机叶片面积、单机叶片长度以及机组分布面积；[0048] 步骤STEP2：获取目标输电网络的各项网络信息，所述目标输电网络的各项网络信息为所述目标输电网络的输电线路单位长度电阻、线路电晕损耗、绝缘子泄露电阻以及输电线路电抗；[0049] 示例地，获取目标输电网络的各项网络信息，所述目标输电网络的各项网络信息为所述目标输电网络的输电线路单位长度电阻、线路电晕损耗、绝缘子泄露电阻以及输电线路电抗包括：可以选择采用多个不同类型的电路测量组件用于分别测量所述目标输电网络的输电线路单位长度电阻、线路电晕损耗、绝缘子泄露电阻以及输电线路电抗；[0050] 步骤STEP3：获取风力发电机组的多项工作环境参数，所述风力发电机组的多项工作环境参数为所述风力发电机组所在环境的风向角度、风速数值、环境温度、环境湿度以及气压数值；[0051] 示例地，获取风力发电机组的多项工作环境参数，所述风力发电机组的多项工作环境参数为所述风力发电机组所在环境的风向角度、风速数值、环境温度、环境湿度以及气压数值包括：可以配置同步控制组件，用于实现所述风力发电机组所在环境的风向角度、风速数值、环境温度、环境湿度以及气压数值的同步测量；[0052] 步骤STEP4：对BP神经网络执行各次学习动作，以获得经过各次学习动作后的BP神经网络并作为暂态稳定评估模型输出，对所述BP神经网络执行的学习动作的次数与所述异步风力发电机组的风力发电机数量正向关联；[0053] 示例地，对所述BP神经网络执行的学习动作的次数与所述异步风力发电机组的风力发电机数量正向关联包括：所述异步风力发电机组的风力发电机数量为100，对所述BP神经网络执行的学习动作的次数为50，所述异步风力发电机组的风力发电机数量为150，对所述BP神经网络执行的学习动作的次数为80，所述异步风力发电机组的风力发电机数量为200，对所述BP神经网络执行的学习动作的次数为120，以及所述异步风力发电机组的风力发电机数量为300，对所述BP神经网络执行的学习动作的次数为200，等等；[0054] 步骤STEP5：根据所述暂态稳定评估模型基于并网模式编码数值、所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数智能评估所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长；[0055] 显然，针对同一异步风力发电机组，其并网到目标输电网络后达到暂态稳定状态所需的时长越长，说明其相对于目标输电网络这一设定输电网络的并网性能越差，相反，其并网到目标输电网络后达到暂态稳定状态所需的时长越短，说明其相对于目标输电网络这一设定输电网络的并网性能越好；[0056] 示例地，针对同一异步风力发电机组，其在设定工作环境下并网到第一输电网络后达到暂态稳定状态所需的时长为1分钟，其在设定工作环境下并网到第二输电网络后达到暂态稳定状态所需的时长为5分钟，则其相对于第一输电网络的并网性能好于其相对于第二输电网络的并网性能；[0057] 其中，根据所述暂态稳定评估模型基于并网模式编码数值、所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数智能评估所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长包括：所述风力发电机组并网到所述目标输电网络的并网时刻为第一时刻，所述风力发电机组并网到所述目标输电网络后达到暂态稳定状态的时刻为第二时刻，所述第二时刻与所述第一时刻之间的时长为所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长；[0058] 其中，并网模式为直接并网模式、降压并网模式、准同期并网模式和晶闸管软并网模式中的一种，不同并网模式分别对应不同的并网模式编码数值；[0059] 示例地，并网模式为直接并网模式、降压并网模式、准同期并网模式和晶闸管软并网模式中的一种，不同并网模式分别对应不同的并网模式编码数值包括：直接并网模式、降压并网模式、准同期并网模式和晶闸管软并网模式分别对应的并网模式编码数值为0B00、0B01、0B10以及0B11；[0060] 其中，对BP神经网络执行各次学习动作，以获得经过各次学习动作后的BP神经网络并作为暂态稳定评估模型输出，对所述BP神经网络执行的学习动作的次数与所述异步风力发电机组的风力发电机数量正向关联包括：对BP神经网络执行的每一次学习动作中，以所述风力发电机组的多项机组关联信息、某一输电网络的各项网络信息以及所述风力发电机组历史上某一次并网到所述某一输电网络时的所述风力发电机组的多项工作环境参数为所述BP神经网络的多项输入内容，以所述风力发电机组历史上某一次并网到所述某一输电网络时从并网到暂态稳定状态所需的时长为所述BP神经网络的单项输出内容，完成本次学习动作；[0061] 其中，对BP神经网络执行各次学习动作，以获得经过各次学习动作后的BP神经网络并作为暂态稳定评估模型输出，对所述BP神经网络执行的学习动作的次数与所述异步风力发电机组的风力发电机数量正向关联还包括：采用数值映射公式表示对所述BP神经网络执行的学习动作的次数与所述异步风力发电机组的风力发电机数量正向关联的数值映射关系；[0062] 示例地，采用数值映射公式表示对所述BP神经网络执行的学习动作的次数与所述异步风力发电机组的风力发电机数量正向关联的数值映射关系包括：选择采用MATLAB工具箱完成对所述数值映射公式的仿真和测试；[0063] 以及其中，采用数值映射公式表示对所述BP神经网络执行的学习动作的次数与所述异步风力发电机组的风力发电机数量正向关联的数值映射关系包括：在所述数值映射公式中，所述BP神经网络执行的学习动作的次数为输出参数，所述异步风力发电机组的风力发电机数量为输入参数。[0064] 第二实施例[0065] 图3为根据本发明的第二实施例示出的并网电力系统暂态稳定评估方法的步骤流程图。[0066] 如图3所示，相比较于图2，在根据所述暂态稳定评估模型基于并网模式编码数值、所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数智能评估所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长之后，即在步骤STEP5之后，所述并网电力系统暂态稳定评估方法还包括：[0067] 步骤STEP6：接收智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长，并实时显示智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长；[0068] 示例地，接收智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长，并实时显示智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长包括：采用LCD显示阵列或者LED显示阵列来接收智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长，并实时显示智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长。[0069] 第三实施例[0070] 图4为根据本发明的第三实施例示出的并网电力系统暂态稳定评估方法的步骤流程图。[0071] 如图4所示，相比较于图2，在对BP神经网络执行各次学习动作，以获得经过各次学习动作后的BP神经网络并作为暂态稳定评估模型输出，对所述BP神经网络执行的学习动作的次数与所述异步风力发电机组的风力发电机数量正向关联之后，在步骤STP4之后，所述并网电力系统暂态稳定评估方法还包括：[0072] 步骤STEP7：接收所述暂态稳定评估模型，并通过存储所述暂态稳定评估模型的各项模型数据完成对所述暂态稳定评估模型的模型存储；[0073] 示例地，接收所述暂态稳定评估模型，并通过存储所述暂态稳定评估模型的各项模型数据完成对所述暂态稳定评估模型的模型存储包括：采用MMC存储器件、SD存储器件或者TF存储器件来接收所述暂态稳定评估模型，并通过存储所述暂态稳定评估模型的各项模型数据完成对所述暂态稳定评估模型的模型存储。[0074] 第四实施例[0075] 图5为根据本发明的第四实施例示出的并网电力系统暂态稳定评估方法的步骤流程图。[0076] 如图5所示，相比较于图2，在根据所述暂态稳定评估模型基于并网模式编码数值、所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数智能评估所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长之后，即在步骤STEP5之后，所述并网电力系统暂态稳定评估方法还包括：[0077] 步骤STEP8：接收智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长，并通过移动通信链路无线传输智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长；[0078] 示例地，接收智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长，并通过移动通信链路无线传输智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长包括：所述移动通信链路为时分双工通信链路或者频分双工通信链路。[0079] 第五实施例[0080] 图6为根据本发明的第五实施例示出的并网电力系统暂态稳定评估方法的步骤流程图。[0081] 如图6所示，相比较于图2，在根据所述暂态稳定评估模型基于并网模式编码数值、所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数智能评估所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长之后，即在步骤STEP5之后，所述并网电力系统暂态稳定评估方法还包括：[0082] 步骤STEP9：接收智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长，并在智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长大于等于设定时长限量时，执行超时稳定报警操作，以及在智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长小于所述设定时长限量时，暂缓执行超时稳定报警操作；[0083] 具体地，可以选择采用光学报警组件或者声学报警组件，接收智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长，并在智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长大于等于设定时长限量时，执行超时稳定报警操作，以及在智能评估获得的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长小于所述设定时长限量时，暂缓执行超时稳定报警操作。[0084] 在上述各个实施例的任一实施例内，可选地，在所述并网电力系统暂态稳定评估方法中：[0085] 根据所述暂态稳定评估模型基于并网模式编码数值、所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数智能评估所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长还包括：将所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数同步输入到所述暂态稳定评估模型；[0086] 具体地，可以采用同步控制接口用于实现所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数到所述暂态稳定评估模型的同步输入；[0087] 其中，根据所述暂态稳定评估模型基于并网模式编码数值、所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数智能评估所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长还包括：运行所述暂态稳定评估模型，以获得所述暂态稳定评估模型输出的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长。[0088] 在上述各个实施例的任一实施例内，可选地，在所述并网电力系统暂态稳定评估方法中：[0089] 将所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数同步输入到所述暂态稳定评估模型包括：将所述风力发电机组的多项机组关联信息、所述目标输电网络的各项网络信息以及所述风力发电机组的多项工作环境参数分别执行二进制数值转换后再同步输入到所述暂态稳定评估模型；[0090] 其中，运行所述暂态稳定评估模型，以获得所述暂态稳定评估模型输出的所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长包括：运行所述暂态稳定评估模型，以获得所述暂态稳定评估模型输出的二进制数值表示的、所述异步风力发电机组并网到所述目标输电网络后达到暂态稳定状态所需的时长。[0091] 以及在上述各个实施例的任一实施例内，可选地，在所述并网电力系统暂态稳定评估方法中：[0092] 获取并网到目标输电网络的风力发电机组的多项机组关联信息，所述风力发电机组为异步风力发电机组，所述风力发电机组的多项机组关联信息为异步风力发电机组的风力发电机数量、单机重量、单机输出电压、单机叶片面积、单机叶片长度以及机组分布面积包括：异步风力发电机组的机组分布面积为异步风力发电机组中的各个风力发电机作为一个整体共同占据的地理区域的地理面积；[0093] 示例地，异步风力发电机组的机组分布面积为异步风力发电机组中的各个风力发电机作为一个整体共同占据的地理区域的地理面积包括：异步风力发电机组包括100个异步风力发电机，所述100个异步风力发电机两两均匀间隔设置且作为一个整体共同占据的地理区域的地理面积为20平方公里；[0094] 其中，获取并网到目标输电网络的风力发电机组的多项机组关联信息，所述风力发电机组为异步风力发电机组，所述风力发电机组的多项机组关联信息为异步风力发电机组的风力发电机数量、单机重量、单机输出电压、单机叶片面积、单机叶片长度以及机组分布面积还包括：异步风力发电机组的单机重量为异步风力发电机组中的单个风力发电机的本身重量，在异步风力发电机组中，各个风力发电机的本身重量相等；[0095] 其中，获取并网到目标输电网络的风力发电机组的多项机组关联信息，所述风力发电机组为异步风力发电机组，所述风力发电机组的多项机组关联信息为异步风力发电机组的风力发电机数量、单机重量、单机输出电压、单机叶片面积、单机叶片长度以及机组分布面积还包括：异步风力发电机组的单机输出电压为异步风力发电机组中的单个风力发电机的输出电压，在异步风力发电机组中，各个风力发电机的输出电压相等；[0096] 其中，获取并网到目标输电网络的风力发电机组的多项机组关联信息，所述风力发电机组为异步风力发电机组，所述风力发电机组的多项机组关联信息为异步风力发电机组的风力发电机数量、单机重量、单机输出电压、单机叶片面积、单机叶片长度以及机组分布面积还包括：异步风力发电机组的单机叶片面积为异步风力发电机组中单个风力发电机的各个叶片分别对应的分布面积的总和，各个风力发电机分别对应的各份单机叶片面积相等；[0097] 其中，获取目标输电网络的各项网络信息，所述目标输电网络的各项网络信息为所述目标输电网络的输电线路单位长度电阻、线路电晕损耗、绝缘子泄露电阻以及输电线路电抗包括：采用多个不同的信息采集单元用于分别获取所述目标输电网络的输电线路单位长度电阻、线路电晕损耗、绝缘子泄露电阻以及输电线路电抗；[0098] 其中，获取风力发电机组的多项工作环境参数，所述风力发电机组的多项工作环境参数为所述风力发电机组所在环境的风向角度、风速数值、环境温度、环境湿度以及气压数值包括：采用设置在所述风力发电机组所在环境内的风向检测组件，用于测量所述风力发电机组所在环境的风向角度；[0099] 以及其中，获取风力发电机组的多项工作环境参数，所述风力发电机组的多项工作环境参数为所述风力发电机组所在环境的风向角度、风速数值、环境温度、环境湿度以及气压数值还包括：采用设置在所述风力发电机组所在环境内的风速检测组件，用于测量所述风力发电机组所在环境的风速数值。[0100] 另外，在根据本发明的并网电力系统暂态稳定评估方法中：[0101] 获取并网到目标输电网络的风力发电机组的多项机组关联信息，所述风力发电机组为异步风力发电机组，所述风力发电机组的多项机组关联信息为异步风力发电机组的风力发电机数量、单机重量、单机输出电压、单机叶片面积、单机叶片长度以及机组分布面积还包括：异步风力发电机组的单机叶片长度为异步风力发电机组中单个风力发电机的单个叶片的长度，每一个风力发电机包括设定数目的多个叶片且每一个叶片的长度相等；[0102] 示例地，异步风力发电机组的单机叶片长度为异步风力发电机组中单个风力发电机的单个叶片的长度，每一个风力发电机包括设定数目的多个叶片且每一个叶片的长度相等包括：所述设定数目的取值为三到五中的一个数值；[0103] 其中，获取风力发电机组的多项工作环境参数，所述风力发电机组的多项工作环境参数为所述风力发电机组所在环境的风向角度、风速数值、环境温度、环境湿度以及气压数值还包括：采用设置在所述风力发电机组所在环境内的温度测量组件，用于测量所述风力发电机组所在环境的环境温度；[0104] 其中，获取风力发电机组的多项工作环境参数，所述风力发电机组的多项工作环境参数为所述风力发电机组所在环境的风向角度、风速数值、环境温度、环境湿度以及气压数值还包括：采用设置在所述风力发电机组所在环境内的湿度测量组件，用于测量所述风力发电机组所在环境的环境湿度；[0105] 以及其中，获取风力发电机组的多项工作环境参数，所述风力发电机组的多项工作环境参数为所述风力发电机组所在环境的风向角度、风速数值、环境温度、环境湿度以及气压数值还包括：采用设置在所述风力发电机组所在环境内的气压测量组件，用于测量所述风力发电机组所在环境的气压数值。[0106] 对本发明示例性实施例的前述描述是为了例示和描述的目的而提供的。其并非旨在穷举或者将本发明限于所公开的确切形式。显然，许多修改和变型对于本领域技术人员是显而易见的。选择并描述示例性实施例是为了最好地说明本发明的原理及其实际应用，从而使得本领域其他技术人员能够理解本发明的适用于所构想特定用途的各种实施例和各种变型例。旨在由所附权利要求及其等同物来限定本发明的范围。

专利地区：青海

专利申请日期：2024-05-29

专利公开日期：2024-10-22

专利公告号：CN118505058B