成果介绍
本成果针对新型电力系统中风电大规模并网引发的频率波动剧烈、惯性支撑不足、尾流与时滞效应干扰调频效果、风机转速安全难保障等关键难题,提出了融合人工智能与多阶段动态控制的风电调频技术体系,突破了传统控制策略难以兼顾响应速度与稳定性、无法精准应对复杂工况的瓶颈,攻克了尾流时滞影响量
化、转速安全约束下的最优出力控制、深度学习驱动的实时决策等核心技术,形成了计及尾流时滞的三分段控制、逐步惯性最优控制、转速保护型模型预测控制
及深度学习自适应控制等策略。成果能动态适配负荷扰动全阶段,频率最低点、
频率波动幅度、恢复时间等指标均优于同类技术,且保障转子转速稳定在安全范
围,实现了从被动响应到主动预判的革新。成果已在风电调度仿真平台验证,为提升电力系统稳定性提供关键技术支撑。
成果亮点
(1) 频率调节性能:可使频率最低点提升 10%~15%,频率波动幅度抑制 10%以上,频率恢复至稳态时间缩短 20%,RoCoF(频率变化率)控制响应速度提升 15%;
(2) 风机安全与效率:转子转速稳定在 0.7~1.3p.u.安全范围,避免切机风险;虚拟惯性系数与下垂系数动态适配,转子动能利用率提高 18%~22%;
(3) 智能决策能力:基于深度学习模型实现毫秒级控制策略生成,适配风速、负荷扰动±10%额定功率的工况,控制精度达 95%以上。
成果适用于各类风电场及新型电力系统调频场景,可与现有风电控制系统无缝兼容,无需额外大规模改造。随着风电并网规模扩大,需求激增,年经济效益可观。
团队介绍
联系人: 庄老师 单位名称:常州市武进区科技成果转移中心
成果资料