Автоматическое управление выработкой активной мощности ветроэлектростанций в условиях ограничений пропускной способности сети

В работе анализируются ограничения существующих систем автоматического регулирования перетоков активной мощности, которые в большей степени проявляются при подключении к энергосистеме источников энергии с переменным характером работы, таких как солнечные и ветровые электростанции. Для преодоления указанных ограничений авторами предложена методика, позволяющая повысить гибкость и селективность управления перетоками активной мощности посредством онлайн-расчета коэффициентов долевого участия регулирующих электростанций. Согласно методике, расчет коэффициентов долевого участия рассматривается как задача оптимизации, решение которой в режиме онлайн позволяет распределять задание внеплановой мощности между регулирующими электростанциями с учетом их характеристик, а также фактической схемнорежимной ситуации в энергосистеме. На основе предложенной методики разработан программный модуль, который взаимодействует с базой данных реального времени и с компонентом для расчета установившегося режима, что позволяет использовать при расчете параметры, актуализируемые в темпе обновления телеметрии. В работе исследованы различные варианты настройки разработанного модуля, позволяющие реализовать как стандартные, так и более сложные стратегии управления, необходимые для сетей с ограниченной пропускной способностью. Кроме того, авторами предложено использовать модель машинного обучения, а именно нейронную сеть с полносвязными слоями, для расчета перетоков активной мощности. Результаты исследования подтверждают, что данное решение позволяет обеспечить повышение скорости расчета коэффициентов долевого участия, необходимое при привлечении источников энергии с быстроизменяющимся характером работы к участию во вторичном регулировании. Также в работе рассматривается применение алгоритма Lasso-регрессии для сокращения размерности расчетной модели энергосистемы в соответствии с задачей управления и повышения быстродействия расчета перетоков алгоритмами машинного обучения. Предложенные подходы были апробированы в рамках расчетных экспериментов, результаты которых подтвердили преимущества их внедрения в существующие системы управления перетоками активной мощности.