本发明属于电力系统控制领域，特别涉及一种源网荷精准控制系统中风电场脱网风险在线评判方法。
背景技术：
目前针对风电接入后脱网机理的研究才刚刚起步，国内外的相关研究成果还不够丰富。维持电力系统安全稳定运行的措施主要为发电机出力调节和变电站负载控制，所带来的弊端有调节时间滞后、空间受影响范围大、负载优先级模糊等。近年来，随着电网规模与负荷量的急剧增大，传统意义上的电力系统备用容量愈显不足。同时，新能源渗透率的不断提高与跨区域特高压输电的出现，所带来的短时大规模功率波动进一步增加了电网维护安稳运行的压力。源网荷系统毫秒级控制的要求对现有控制系统提出了新的挑战。
现有技术公开了一种含双馈风电场的电力系统停电风险计算方法，预先构建多种模型，仿真过程包括：确定系统初始工况，设置初始故障，判断是否发生短路故障或者断线故障，之后分到搜索，根据频率稳定模型判断电气岛的频率跌落与恢复情况，并使其恢复功率平衡状态，对系统进行交流潮流计算并判断是否收敛，否则求取潮流收敛边界，分析电压薄弱点，针对电压薄弱点切负荷。
上述含双馈风电场的电力系统停电风险计算方法中，事先设置预想故障集，离线计算风电机组的出口电压，该方法存在一定的缺陷，风电机组模型的误差和预想故障机的不完备都有可能造成计算结果的偏差，出于风电场出力不确定性的特征，事故前运行方式千变万化，难以通过离线仿真确定故障时的机组运行状态，而较大的偏差容易造成结果判断错误。
综上，现有技术中对脱网风险的方法过于简略粗糙，使得计算结果出现较大偏差。
技术实现要素：
本发明的目的，在于提供一种源网荷精准控制系统中风电场脱网风险在线评判方法，综合利用事故前和事故时的机组运行信息，提出了有效判断风电场脱网风险大小的方法，判据简单，评判方法无需收敛迭代，计算速度快，为源网荷精准控制系统中精准切机策略提供一种可行的方案，以期进一步完善大电网安全控制手段。
为了达成上述目的，本发明的解决方案是：
一种源网荷精准控制系统中风电场脱网风险在线评判方法，包括如下步骤：
步骤1，采集事故前正常工作状态下风电场各风电机组的信息，形成事故前运行断面；
步骤2，事故时，采集各机组机端电压，及相应机组本体保护动作信息，计算各机组的脱网风险系数；
步骤3，通过收集到的各机组的故障时运行状况，结合事故前机组运行工况，综合计算得到各机组及风电场的脱网期望功率和风险指标系数；
步骤4，源网荷控制主站根据各风电场计算得到的脱网风险指标综合决策，优先切除脱网风险高的风电场和机组。
上述步骤1中，采用事故前200ms时运行方式。
上述步骤2中，各机组的脱网风险系数的构造方法为：
式中，λi表示第i台机组的脱网危险因子；u表示机端电压；tset表示机组低压保护动作时限整定时限；t表示保护启动的相对时间；p1表示机组低电压穿越失败最大概率；un表示额定电压；如果机组已经脱网，则该机组的脱网危险因子直接置1。
上述步骤3中，根据故障所在位置和脱网风险高低，将风电场中机组分为6类：a1，故障集电线路高危险脱网机组；a2，非故障集电线路高危险脱网机组；b1，故障集电线路中危险脱网机组；b2，非故障集电线路中危险脱网机组；c1，故障集电线路低危险脱网机组；c2，非故障集电线路低危险脱网机组；其中，高中低风险划分指标为：
γi≥ph为高风险区，pm＜γi＜ph为中风险区，γi≤pm为低风险区；
构造函数p(x)，定义函数p(x)表示集合x中机组脱网功率的期望值：
p(x)＝∑γipii∈x,x＝{a1,a2,b1,b2,c1,c2}
式中，ph,pm代表高、中风险阈值；γi表示第i台机组的脱网危险因子；pi表示第i台机组故障前所发功率。
上述步骤3中，风险指标系数ξ的表达式是：
ξ＝max{ξ1,ξ2}
其中，指标ξ1表示非故障集电线路脱网功率的数学期望占总功率的百分比，ξ1越高表示非故障集电线路可能脱网的机组越多；指标ξ2表示故障集电线路高风险机组的脱网功率的数学期望占总功率的百分比，ξ2越大表示故障集电线路上越多的机组可能会自动脱网。
上述指标ξ1的计算公式是：
ξ1＝pa2/p∑2
式中，p∑2表示非故障集电线路的机组故障前发出的总功率；pa2表示非故障集电线路中高风险脱网机组的期望脱网功率。
上述指标ξ2的计算公式是：
ξ2＝(pa1 pb1)/p∑1
式中，pa1、pb1分别表示故障集电线路中高、中风险脱网机组的期望脱网功率；p∑1表示故障集电线路的机组故障前发出的总功率。
上述步骤4中，切除脱网风险高的风电场和机组的决策内容是：源网荷控制主站根据各风电场上送的脱网期望功率、脱网风险指标以及可切机量，安排风电场切除轮次和切除量，优先安排脱网风险高的风电场脱网；各风电场执行子站收到切机命令后，根据场内各机组的脱网风险系数，优先切除脱网风险高的机组。
采用上述方案后，本发明利用故障时风电机组电气量信息和保护动作信息，结合事前运行方式，量化单台机组和风电场脱网风险及脱网期望概率，优先安排脱网风险大的风电场和机组脱网，合理优化了故障时切机轮次。本发明最大的优点就是提出了一种量化风电场脱网危险大小的方法，不同于其他方案需要进行事故预想，故障发生后才进行计算，能适应运行方式和故障类型的变化；另外，由于该方法判据简单，只需按权重及脱网危险系数累加计算，避免了其他算法中需要迭代收敛的问题，大大提升了计算速度；同时，由于只需要利用少量的信息和通信即可完成风险的在线评判，甚至可以在机组终端装设采集装置做进一步简化，因此不会对故障时网络报文流量产生较大的负担。
附图说明
图1是本发明的流程图；
图2是本发明的风险系数构造函数；
图3是本发明中算例拓扑图；
图4是本发明中评判方法算得的各机组脱网风险系数分布图；
其中，(a)表示首端故障，(b)表示中段故障，(c)表示末端故障。
具体实施方式
以下将结合附图，对本发明的技术方案及有益效果进行详细说明。
如图1所示，本发明提供一种源网荷精准控制系统中风电场脱网风险在线评判方法，该方法包括如下步骤：
(1)事故前，采集风电场各风电机组的信息，包括模拟量电压u、电流i、有功功率p、无功功率q；状态量：发电、停机；保护信息：保护定值如机组本体低电压保护、过流保护等信息，形成事故前运行断面，计算各元件的投停信息，采用事故前200ms时运行方式，防止因风力发电出力不确定性导致的运行方式不确定问题；
(2)事故时，采集各机组机端电压等电气量信息，及相应机组本体保护动作信息，计算各机组的脱网风险指标系数，各机组的脱网风险系数的构造方法为：
式中，λi表示第i台机组的脱网危险因子；u表示机端电压；tset表示机组低压保护动作时限整定时限；t表示保护启动的相对时间；p1表示机组低电压穿越失败最大概率，事先通过计算给定；un表示额定电压。
机组因低电压穿越失败而脱网的概率大小可以通过正常运行时风电机组脱网风险预警程序计算得到。在故障时，需要考虑的是因低电压保护启动而引起的风机脱网概率。单台机组脱网危险的大小取决于机组低电压保护测得的电压值高于保护整定值时的差值(定值裕度)，以及测得的电压值低于整定值时的持续时间与延时整定值之间的差值(时间裕度)。如果机组已经脱网，则该机组的脱网危险因子直接置1。
具体如图2所示，当故障导致机组相电压跌落在0.2un～0.9un之间时，机组低压保护还未达到整定值，机组的脱网危险因子由机端电压与整定值之间的裕度决定。机端电压越靠近0.2un，说明故障较为严重，机组越有可能因各种因素而脱网；反之，机端电压越靠近0.9un，说明故障较轻，机组越有可能保持低电压穿越状态。当故障导致机组相电压跌落0.2un以下时，低电压保护达到整定值，机组的脱网危险因子由低压保护的动作时间裕度决定。由于故障比较严重，在保护启动后的初始阶段，风机脱网危险因子快速增加；当时间t后，脱网危险因子接近1，这说明如果达到一定时间故障还未切除，则机组脱网概率就非常大。
(3)通过收集到的各机组的故障时运行状况，结合事故前机组运行工况，综合计算得到各机组及风电场的脱网期望功率和风险指标系数。
根据故障所在位置和脱网风险高低，将风电场中机组分为6类，如表1所示：
表1风电机组脱网危险分类指标
构造函数p(x)，定义函数p(x)表示集合x中机组脱网功率的期望值：
p(x)＝∑γipii∈x,x＝{a1,a2,b1,b2,c1,c2}
式中，ph,pm代表高、中风险阈值；γi表示第i台机组的脱网危险因子；pi表示第i台机组故障前所发功率。
得到评价风电场总脱网危险大小的两个指标：
1)指标1
ξ1＝pa2/p∑2
式中，p∑2表示非故障集电线路的机组故障前发出的总功率；pa2表示非故障集电线路中高风险脱网机组的期望脱网功率。
2)指标2
ξ2＝(pa1 pb1)/p∑1
式中，pa1、pb1分别表示故障集电线路中高、中风险脱网机组的期望脱网功率；p∑1表示故障集电线路的机组故障前发出的总功率。
风电场总脱网风险的评价指标：
ξ＝max{ξ1,ξ2}
指标1ξ1表示非故障线路脱网功率的数学期望占总功率的百分比，ξ1越高表示非故障线路可能脱网的机组越多；指标2ξ2表示故障线路高风险机组的脱网功率的数学期望占总功率的百分比，ξ2越大表示故障线路上越多的机组可能会自动脱网。
(4)源网荷控制主站根据各风电场计算得到的脱网风险指标综合决策，优先切除脱网风险高的风电场和机组。源网荷控制主站根据各风电场上送的脱网功率期望、脱网风险指标以及可切机量，安排风电场切除轮次和切除量，优先安排脱网风险高的风电场脱网；各风电场执行子站收到切机命令后，根据场内各机组的脱网风险系数，优先切除脱网风险高的机组。
实施例1
如图1至图4所示，实施例1的具体流程步骤如下：
(1)在图3的算例中实现故障前运行断面的计算，设定各台风电机组参数一致，风速分为9m/s、11m/s、15m/s，对应出力依次为1.3mw、1.5mw、2mw。
(2)在图3算例中设置设置集电线路1首端f3处、中段f1处和末端f4处发生金属性三相短路。设置高、中风险阈值为0.9、0.5。
计算出各机组的脱网风险指标系数，如表2所示。
表2
各机组脱网危险分布曲线如图4所示。故障越严重，脱网危险越大，与现有认知相符。
(3)计算风电场总脱网危险大小的指标：线路首端发生短路时，整座风电场功率损失可能达到60％以上；线路中段发生短路时，整座风电场功率损失,达到26％；线路末发生短路时，整座风电场功率损失,达到20％。
(4)源网荷控制主站根据各风电场总脱网功率损失量排序，优先切除脱网风险高的风电场风电场源网荷控制子站收到切机指令后，优先切除脱网风险高的机组。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。
1.一种源网荷精准控制系统中风电场脱网风险在线评判方法，其特征在于包括如下步骤：
步骤1，采集正常工作状态下风电场各风电机组的信息，形成事故前运行断面；
步骤2，事故时，采集各机组机端电压，及相应机组本体保护动作信息，计算各机组的脱网风险系数；
步骤3，通过收集到的各机组的故障时运行状况，结合事故前机组运行工况，综合计算得到各机组及风电场的脱网期望功率和风险指标系数；
步骤4，源网荷控制主站根据各风电场计算得到的脱网风险指标综合决策，优先切除脱网风险高的风电场和机组。
2.如权利要求1所述的一种源网荷精准控制系统中风电场脱网风险在线评判方法，其特征在于：所述步骤1中，采用事故前200ms时运行方式。
3.如权利要求1所述的一种源网荷精准控制系统中风电场脱网风险在线评判方法，其特征在于：所述步骤2中，各机组的脱网风险系数的构造方法为：
式中，λi表示第i台机组的脱网危险因子；u表示机端电压；tset表示机组低压保护动作时限整定时限；t表示保护启动的相对时间；p1表示机组低电压穿越失败最大概率；un表示额定电压；如果机组已经脱网，则该机组的脱网危险因子直接置1。
4.如权利要求1所述的一种源网荷精准控制系统中风电场脱网风险在线评判方法，其特征在于：所述步骤3中，根据故障所在位置和脱网风险高低，将风电场中机组分为6类：a1，故障集电线路高危险脱网机组；a2，非故障集电线路高危险脱网机组；b1，故障集电线路中危险脱网机组；b2，非故障集电线路中危险脱网机组；c1，故障集电线路低危险脱网机组；c2，非故障集电线路低危险脱网机组；其中，高中低风险划分指标为：
γi≥ph为高风险区，pm＜γi＜ph为中风险区，γi≤pm为低风险区；
构造函数p(x)，定义函数p(x)表示集合x中机组脱网功率的期望值：
p(x)＝∑γipii∈x,x＝{a1,a2,b1,b2,c1,c2}
式中，ph,pm代表高、中风险阈值；γi表示第i台机组的脱网危险因子；pi表示第i台机组故障前所发功率。
5.如权利要求4所述的一种源网荷精准控制系统中风电场脱网风险在线评判方法，其特征在于：所述步骤3中，风险指标系数ξ的表达式是：
ξ＝max{ξ1,ξ2}
其中，指标ξ1表示非故障集电线路脱网功率的数学期望占总功率的百分比，ξ1越高表示非故障集电线路可能脱网的机组越多；指标ξ2表示故障集电线路高风险机组的脱网功率的数学期望占总功率的百分比，ξ2越大表示故障集电线路上越多的机组可能会自动脱网。
6.如权利要求5所述的一种源网荷精准控制系统中风电场脱网风险在线评判方法，其特征在于：所述指标ξ1的计算公式是：
ξ1＝pa2/p∑2
式中，p∑2表示非故障集电线路的机组故障前发出的总功率；pa2表示非故障集电线路中高风险脱网机组的期望脱网功率。
7.如权利要求5所述的一种源网荷精准控制系统中风电场脱网风险在线评判方法，其特征在于：所述指标ξ2的计算公式是：
ξ2＝(pa1 pb1)/p∑1
式中，pa1、pb1分别表示故障集电线路中高、中风险脱网机组的期望脱网功率；p∑1表示故障集电线路的机组故障前发出的总功率。
8.如权利要求1所述的一种源网荷精准控制系统中风电场脱网风险在线评判方法，其特征在于：所述步骤4中，切除脱网风险高的风电场和机组的决策内容是：源网荷控制主站根据各风电场上送的脱网期望功率、脱网风险指标以及可切机量，安排风电场切除轮次和切除量，优先安排脱网风险高的风电场脱网；各风电场执行子站收到切机命令后，根据场内各机组的脱网风险系数，优先切除脱网风险高的机组。
技术总结