《Journal of Modern Power Systems and Clean Energy》:Fast Assessment Method for Minimum Demand Inertia in Power Systems
编辑推荐:
现有的基于系统频率响应时域仿真的最小需求惯量(MDI)评估方法建模复杂且计算耗时。若考虑负荷侧资源,将进一步导致计算效率低下。本文提出了一种电力系统MDI的快速评估方法(FAM)。研究人员开发了一种考虑负荷侧惯量的多资源系统全响应解析模型(FRAM)。推导了最
现有的基于系统频率响应时域仿真的最小需求惯量(MDI)评估方法建模复杂且计算耗时。若考虑负荷侧资源,将进一步导致计算效率低下。本文提出了一种电力系统MDI的快速评估方法(FAM)。研究人员开发了一种考虑负荷侧惯量的多资源系统全响应解析模型(FRAM)。推导了最大频率偏差与系统惯量之间映射关系的解析表达式,从而实现了频率安全约束下系统MDI的快速求解。基于改进的IEEE RTS-79测试系统和中国某省级电网的案例研究表明,所提出的FAM能在毫秒级时间内求解MDI,且不受系统规模影响,同时保持高精度。这可为电网惯量资源规划和运行调度中的惯量安全边界感知提供精确快速的解析工具。
**论文解读:电力系统最小需求惯量的快速评估方法**
**研究背景与问题**
电力系统惯量是维持频率稳定的关键因素。随着风电、光伏(PV)等可再生能源渗透率提升,传统同步机组逐步被替代,系统同步惯量持续下降,导致频率稳定性形势严峻。过低惯量会引发两个核心问题:一是扰动后频率变化率(RoCoF)过大,可能触发分布式电源脱网和同步机损坏;二是最大频率偏差(MFD)加剧,在调频机制启动前可能导致频率崩溃,如英国“8.9”大停电和南澳大利亚“9.28”大停电。因此,准确评估系统惯量水平与惯量需求(即最小需求惯量MDI)成为电网运行与规划的核心任务。
现有MDI评估方法主要基于系统频率响应仿真模型(FRSM)或简化解析模型。基于FRSM的方法(如循环调用逼近法CCAM、优化求解法OSM)需通过迭代仿真跟踪频率安全约束,模型构建复杂、计算效率低,尤其当纳入负荷侧资源(如异步电机IM、紧急中断负荷EIL)时,模型阶数高、耦合强,进一步降低效率。基于简化解析模型的方法(如线性频率偏差模型LFAM)虽计算快,但线性化近似导致精度下降。此外,多数方法忽略负荷侧资源的惯量支撑能力,使评估结果偏离实际值,带来安全风险。为此,研究人员提出一种快速评估方法(FAM),旨在同时满足高精度与高效率,并有效考虑多类型资源(含负荷侧)的惯量贡献。该研究发表在《Journal of Modern Power Systems and Clean Energy》。
**关键技术方法**(不超过250字)
研究人员采用以下关键技术方法:
1. **聚合建模**:对常规机组(火电TPU、水电HPU、燃气轮机GTU,参数来自IEEE RTS-79测试系统及中国某省级电网)、可再生能源机组(构网型GFM-IBR、跟网型GFL-IBR)和负荷侧资源(异步电机IM、紧急中断负荷EIL)进行参数聚合,基于分支标准化增益聚合原则降低模型阶数。
2. **响应特性拟合**:将高阶传递函数通过最小二乘法拟合为一阶惯性环节,获取拟合参数(如K
i、T
i)。
3. **模型解耦**:通过输入模拟频率偏差曲线(复合函数形式)实现频率与功率的解耦,建立低阶开环聚合频率响应模型(AFRM)。
4. **全响应解析模型(FRAM)**:基于叠加定理,将零输入响应(考虑机组初始状态)与零状态响应叠加,处理负荷侧二次功率冲击,推导出最大频率偏差与系统惯量的解析表达式。
**研究结果**
**1. FRAM计算精度分析**
在改进IEEE RTS-79测试系统中,设置两种扰动场景(场景1:扰动100~300 MW,负荷侧50 MW支撑;场景2:扰动300 MW,负荷侧支撑0~100 MW)。以AFRM结果为基准,FRAM的平均绝对百分比误差(MAPE)分别为1.69%和2.33%,远优于非全响应模型(non-FRAM,MAPE>20%)和线性频率偏差模型(LFAM),证明FRAM能准确计算含负荷侧支撑的MFD。
**2. MDI计算精度分析**
将FAM与CCAM、OSM比较。在场景3(扰动200~300 MW,Δf
lim=0.5 Hz,负荷侧50 MW支撑)和场景4(扰动300 MW,负荷侧支撑50~100 MW)中,FAM的MDI结果与OSM高度一致,平均相对误差约4%,处于可接受范围。该误差主要源于FRAM自身约2%的MAPE在非线性映射时的放大。
**3. 计算效率分析**
FAM单次计算仅需约70毫秒,而OSM需约5.5秒,CCAM(迭代步长0.01 s)需数十至数百秒。在100次随机采样中,FAM总耗时约5~8秒,OSM约500~730秒,CCAM超2300秒。FAM效率显著提升,且不受系统规模影响。
**4. 惯量安全边界分析**
基于FAM快速绘制了RoCoF和MFD约束下的惯量安全边界三维图。结果表明:扰动越大、频率约束越严格,MDI越大;负荷侧支撑功率ΔP
L越大、响应延迟t
0越小,惯量安全边界下移,降低惯量越限风险。忽略负荷侧资源将导致评估结果偏高,误导资源规划。
**5. 可再生能源渗透率影响**
在可再生能源渗透率变化下(通过增加GFM-IBR比例),FAM的MAPE稳定在约4%,表明其适用于未来高比例可再生能源电力系统。
**6. 实际省级电网验证**
在中国某省级电网(装机容量72541.2 MW)中,FRAM在场景5(扰动2%~10%容量,负荷侧100 MW支撑)和场景6(扰动10%容量,负荷侧支撑0~300 MW)的MAPE分别为1.49%和1.32%。MDI评估的相对误差约4%,计算时间仍约70 ms,验证了FAM在大型电网中的高精度与高效率。
**讨论与结论**
论文讨论部分未单独列出,直接进入结论。结论翻译如下:
本文针对现有MDI评估方法建模复杂、计算效率低的问题,提出了一种电力系统MDI的快速评估方法(FAM)。理论分析与案例研究表明:
- 所提出的FAM能显著提高MDI的计算效率,同时保持高精度。它实现毫秒级计算,可快速评估MDI,且计算精度与效率不受系统规模影响,使其在大规模电网和大量运行场景中优势更加突出。
- 若忽略系统中负荷侧资源的惯量支撑能力,MDI评估结果将大于实际值,导致惯量安全态势感知、资源规划与配置的决策错误。所提出的FAM能考虑负荷侧资源的惯量支撑能力,使结果更符合实际电网条件。
- 随着扰动增大和频率安全约束收紧,电力系统MDI也相应增加。通过所提出的FAM可快速获取不同运行场景下的系统惯量越限信息。此外,随着负荷侧功率支撑与响应速度的增加,系统惯量安全边界扩大,惯量越限风险相应降低。
未来,研究人员将进一步研究考虑惯量时空分布的电力系统MDI快速评估方法。