Fast Transfer Capability Assessment for HVDC Considering Switching Control Characteristics of Renewable Energy Generation

YAN Jiongcheng; LIU Tianhao; LIU Yutian; DU Zhengchun

doi:10.7500/AEPS20240922001

您当前的位置：

首页 >

文章列表页 >

Fast Transfer Capability Assessment for HVDC Considering Switching Control Characteristics of Renewable Energy Generation

Special Topic on Stable Operation and DC Transmission Technology for Large-Scale Renewable Energy Bases | 更新时间：2025-06-16

- Fast Transfer Capability Assessment for HVDC Considering Switching Control Characteristics of Renewable Energy Generation
- Automation of Electric Power Systems Vol. 49, Issue 7, Pages: 135-147(2025)
- 作者机构：
  
  1.电网智能化调度与控制教育部重点实验室（山东大学），山东省济南市 250061
  2.西安交通大学电气工程学院，陕西省西安市 710049
- 作者简介：
- 基金信息：
  
  National Key R&D Program of China(2022YFB2402700);State Grid Corporation of China(52272222001J)
- DOI：10.7500/AEPS20240922001
  CLC：
- Received：22 September 2024，
  
  Revised：2025-02-07，
  
  Published Online：20 February 2025，
  
  Published：10 April 2025
- 稿件说明：
移动端阅览
闫炯程,刘天浩,刘玉田等.考虑新能源发电切换控制特性的直流输送能力快速评估[J].电力系统自动化,2025,49(7):135-147.

YAN Jiongcheng,LIU Tianhao,LIU Yutian,et al.Fast Transfer Capability Assessment for HVDC Considering Switching Control Characteristics of Renewable Energy Generation[J].Automation of Electric Power Systems,2025,49(7):135-147.
闫炯程,刘天浩,刘玉田等.考虑新能源发电切换控制特性的直流输送能力快速评估[J].电力系统自动化,2025,49(7):135-147. DOI： 10.7500/AEPS20240922001.

YAN Jiongcheng,LIU Tianhao,LIU Yutian,et al.Fast Transfer Capability Assessment for HVDC Considering Switching Control Characteristics of Renewable Energy Generation[J].Automation of Electric Power Systems,2025,49(7):135-147. DOI： 10.7500/AEPS20240922001.

摘要

新能源发电经直流送出是大规模新能源发电基地功率外送的主要方式，在线评估直流输电的输送能力是监控新能源发电基地运行安全性的关键技术。为此，考虑新能源发电在故障穿越过程中的切换控制特性，提出一种基于目标相关的堆叠降噪自动编码器的直流输送能力评估方法。首先，对新能源发电经直流送出系统简化模型的关系式进行求导分析，阐明新能源发电切换控制导致暂态过电压水平加剧、直流输送能力受到更严重制约的原因，建立直流输送能力计算的数学模型。然后，基于目标相关的堆叠降噪自动编码器，构建直流最大输送能力评估模型，并引入切换权重选择机制，根据控制模式序贯切换状态对应选择评估模型的权重向量，有效计及切换控制对直流输送能力的影响。最后，提出基于正交权值修正的评估模型增量更新方法，在之前样本特征空间的正交方向上更新模型权重，以减轻灾难性遗忘问题的不利影响。仿真结果表明，所提方法能够有效适应新能源发电的切换控制特性，实现直流最大输送能力的快速准确评估。

Abstract

The large-scale renewable energy generation bases mainly utilize the HVDC to transfer renewable energy generation. Online assessment for transfer capability of HVDC is a key technology for monitoring the operation security of renewable energy generation bases. Hence

considering the switching control characteristics of renewable energy generation during the fault ride-through process

an assessment method for HVDC transfer capability based on stacked target-related denoising autoencoder is proposed. First

the relation equations of the simplified model of the renewable energy generation transmission system through HVDC are derived and analyzed. The reasons that the switching control of renewable energy generation can aggravate the transient overvoltage levels and more severely restrict HVDC transfer capability are clarified. And the mathematical model of HVDC transfer capability calculation is constructed. Then

based on the stacked target-related denoising autoencoder

the assessment model of the maximum HVDC transfer capability is constructed. A switching weight selection mechanism is introduced to select the weight vector of the assessment model according to the sequential switching states of control modes

effectively taking into account the impact of switching control on HVDC transfer capability. Finally

an incremental updating method for the assessment model based on the orthogonal weight modification is proposed. The model weights are updated in the orthogonal direction of the previous sample feature space

which can decrease the adverse effect of catastrophic forgetting problem. Simulation results demonstrate that the proposed method can effectively adapt to the switching control characteristics of renewable energy generation

and achieve the fast and accurate assessment for the maximum HVDC transfer capability.

关键词

Keywords

references

沈广进，辛焕海，刘昕宇，等 . 大型新能源基地中调相机同步失稳机理与影响因素分析［J］. 电力系统自动化， 2022 ， 46 （ 20 ）： 100 - 108 .

SHEN Guangjin ， XIN Huanhai ， LIU Xinyu ， et al . Analysis on synchronization instability mechanism and influence factors for condenser in large-scale renewable energy base ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 20 ）： 100 - 108 .

屠竞哲，张健，刘明松，等 . 考虑风机动态特性的大扰动暂态过电压机理分析［J］. 电力系统自动化， 2020 ， 44 （ 11 ）： 197 - 205 .

TU Jingzhe ， ZHANG Jian ， LIU Mingsong ， et al . Mechanism analysis of transient overvoltage with large disturbance considering dynamic characteristics of wind generator ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 11 ）： 197 - 205 .

NIU T ， GUO Q L ， SUN H B ， et al . Robust voltage control strategy for hybrid AC/DC sending-side systems to prevent cascading trip failures ［J］. IEEE Transactions on Sustainable Energy ， 2019 ， 10 （ 3 ）： 1319 - 1329 .

XIE Q ， ZHENG Z X ， WANG Y ， et al . Analysis of transient voltage disturbances in LCC-HVDC sending systems caused by commutation failures ［J］. IEEE Transactions on Power Delivery ， 2022 ， 37 （ 5 ）： 4370 - 4381 .

JIN X ， NIAN H . Overvoltage suppression strategy for sending AC grid with high penetration of wind power in the LCC-HVdc system under commutation failure ［J］. IEEE Transactions on Power Electronics ， 2021 ， 36 （ 9 ）： 10265 - 10277 .

闫炯程，李常刚，刘玉田 . 计及源荷不确定性的交直流大电网动态安全分级滚动预警［J］. 电力系统自动化， 2023 ， 47 （ 1 ）： 35 - 43 .

YAN Jiongcheng ， LI Changgang ， LIU Yutian . Graded rolling early warning of dynamic security for large-scale AC/DC power grid considering uncertainties on source and load sides ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 1 ）： 35 - 43 .

JAIN T ， SINGH S N ， SRIVASTAVA S C . Adaptive wavelet neural network-based fast dynamic available transfer capability determination ［J］. IET Generation ， Transmission & Distribution， 2010 ， 4 （ 4 ）： 519 - 529 .

SHUKLA D ， SINGH S P . Real-time estimation of ATC using PMU data and ANN ［J］. IET Generation ， Transmission & Distribution， 2020 ， 14 （ 17 ）： 3604 - 3616 .

YAN J C ， LI C G ， LIU Y T . Insecurity early warning for large scale hybrid AC/DC grids based on decision tree and semi-supervised deep learning ［J］. IEEE Transactions on Power Systems ， 2021 ， 36 （ 6 ）： 5020 - 5031 .

李少林，王伟胜，王瑞明，等 . 双馈风电机组高电压穿越控制策略与试验［J］. 电力系统自动化， 2016 ， 40 （ 16 ）： 76 - 82 .

LI Shaolin ， WANG Weisheng ， WANG Ruiming ， et al . Control strategy and experiment of high voltage ride through for DFIG-based wind turbines ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 16 ）： 76 - 82 .

金一丁，贺静波，李光辉，等 . 风电基地经特高压直流送出系统换相失败故障（二）：送端风电机组暂态无功电压特性与作用机理分析［J］. 中国电机工程学报， 2022 ， 42 （ 13 ）： 4738 - 4749 .

JIN Yiding ， HE Jingbo ， LI Guanghui ， et al . Commutation failure of UHVDC system for wind farm integration（part Ⅱ）： characteristics and mechanism analysis of transient reactive power and voltage of wind powers in sending terminal grid ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 13 ）： 4738 - 4749 .

国家市场监督管理总局，国家标准化管理委员会 . 风电场接入电力系统技术规定第1部分：陆上风电： GB/T 19963.1—2021 ［S］. 北京：中国标准出版社， 2021 .

State Administration for Market Regulation ， Standardization Administration of the People’s Republic of China . Technical specification for connecting wind farm to power system： Part 1： On shore wind power ： GB/T 19963.1—2021 ［S］. Beijing ： Standards Press of China ， 2021 .

国家市场监督管理总局，国家标准化管理委员会 . 光伏发电站接入电力系统技术规定： GB/T 19964—2024 ［S］. 北京：中国标准出版社， 2024 .

State Administration for Market Regulation ， Standardization Administration of the People’s Republic of China . Technical requirements for connecting photovoltaic power station to power system ： GB/T 19964—2024 ［S］. Beijing ： Standards Press of China ， 2024 .

闫炯程，李常刚，刘玉田 . 数据驱动的新型电力系统安全风险预警综述［J］. 电网技术， 2024 ， 48 （ 12 ）： 4989 - 5002 .

YAN Jiongcheng ， LI Changgang ， LIU Yutian . Review of data-driven security risk early warning research of the new-type power system ［J］. Power System Technology ， 2024 ， 48 （ 12 ）： 4989 - 5002 .

曾正，邵伟华，冉立，等 . 虚拟同步发电机的模型及储能单元优化配置［J］. 电力系统自动化， 2015 ， 39 （ 13 ）： 22 - 31 .

ZENG Zheng ， SHAO Weihua ， RAN Li ， et al . Mathematical model and strategic energy storage selection of virtual synchronous generators ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 13 ）： 22 - 31 .

刘京波，吴林林，李琰，等 . 构网型光储混合供电系统及其协调控制策略［J］. 电力电子技术， 2023 ， 57 （ 1 ）： 92 - 95 .

LIU Jingbo ， WU Linlin ， LI Yan ， et al . A grid forming photovoltaic storage hybrid power supply system and its coordination control strategy ［J］. Power Electronics ， 2023 ， 57 （ 1 ）： 92 - 95 .

GUPTA A P ， MITRA A ， MOHAPATRA A ， et al . A multi-machine equivalent model of a wind farm considering LVRT characteristic and wake effect ［J］. IEEE Transactions on Sustainable Energy ， 2022 ， 13 （ 3 ）： 1396 - 1407 .

AFSHARI E ， MORADI G R ， RAHIMI R ， et al . Control strategy for three-phase grid-connected PV inverters enabling current limitation under unbalanced faults ［J］. IEEE Transactions on Industrial Electronics ， 2017 ， 64 （ 11 ）： 8908 - 8918 .

刘辉，于思奇，孙大卫，等 . 构网型变流器控制技术及原理综述［J］. 中国电机工程学报， 2025 ， 45 （ 1 ）： 277 - 297 .

LIU Hui ， YU Siqi ， SUN Dawei ， et al . An overview of control technologies and principles for grid-forming converters ［J］. Proceedings of the CSEE ， 2025 ， 45 （ 1 ）： 277 - 297 .

WANG S ， SHANG L . Fault ride through strategy of virtual-synchronous-controlled DFIG-based wind turbines under symmetrical grid faults ［J］. IEEE Transactions on Energy Conversion ， 2020 ， 35 （ 3 ）： 1360 - 1371 .

SUN Q Q ， GE Z Q . Gated stacked target-related autoencoder： a novel deep feature extraction and layerwise ensemble method for industrial soft sensor application ［J］. IEEE Transactions on Cybernetics ， 2022 ， 52 （ 5 ）： 3457 - 3468 .

宋金钊，李永丽，曾亮，等 . 高压直流输电系统换相失败研究综述［J］. 电力系统自动化， 2020 ， 44 （ 22 ）： 1 - 13 .

SONG Jinzhao ， LI Yongli ， ZENG Liang ， et al . Review on commutation failure of HVDC transmission system ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 22 ）： 1 - 13 .

ZENG G X ， CHEN Y ， CUI B ， et al . Continual learning of context-dependent processing in neural networks ［J］. Nature Machine Intelligence ， 2019 ， 1 ： 364 - 372 .

LI X ， YANG Z G ， GUO P F ， et al . An intelligent transient stability assessment framework with continual learning ability ［J］. IEEE Transactions on Industrial Informatics ， 2021 ， 17 （ 12 ）： 8131 - 8141 .

SUN C ， MA M ， ZHAO Z B ， et al . Deep transfer learning based on sparse autoencoder for remaining useful life prediction of tool in manufacturing ［J］. IEEE Transactions on Industrial Informatics ， 2019 ， 15 （ 4 ）： 2416 - 2425 .

PANDEY S N ， PANDEY N K ， TAPASWI S ， et al . Neural network-based approach for ATC estimation using distributed computing ［J］. IEEE Transactions on Power Systems ， 2010 ， 25 （ 3 ）： 1291 - 1300 .

赵兵，徐式蕴，兰天楷，等 . 新型电力系统标准算例（三）：电压稳定CSEE-VS ［J］. 中国电机工程学报， 2024 ， 44 （ 21 ）： 8353 - 8364 .

ZHAO Bing ， XU Shiyun ， LAN Tiankai ， et al . Benchmark for AC-DC hybrid system with high penetration of renewables （Ⅲ）： voltage stability benchmark CSEE-VS ［J］. Proceedings of the CSEE ， 2024 ， 44 （ 21 ）： 8353 - 8364 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Analysis of Frequency Dynamic Distribution Characteristics in Chain-structured Power System with Wind Power

Review on Grid-following/Grid-forming Hybrid Mode Control for Grid-connected Converter in High Penetration Rate of Renewable Energy Generation

Machine Learning Based Energy Management and Operation Control for Active Distribution Networks

Related Author

AN Jun

SHI Yan

CAO Shuai

ZHOU Yibo

LI Kexin

ZHANG Wanxiang

ZHANG Xing

ZHAN Xiangdui

Related Institution

Northeast Branch of State Grid Corporation of China

Key Laboratory of Modern Power System Simulation and Control & Renewable Energy Technology, Ministry of Education (Northeast Electric Power University)

National and Local Joint Engineering Laboratory for Renewable Energy Access to Grid Technology (Hefei University of Technology)

State Key Laboratory of Power System Operation and Control (Tsinghua University)

Electric Power Research Institute of State Grid Shandong Electric Power Company

⁰