RT24 MIDDLE EAST | Verbesserung der Widerstandsfähigkeit eines Stromsystems mit geringer Trägheit (LIPS) bei großflächigen Störungen und Unwägbarkeiten

Untersynchrone Oszillationen (SSO) bedrohen die Stabilität von Stromnetzen, in die Windenergie integriert ist, insbesondere in Windparks Kategorie 4, die unter schwachen Netzbedingungen betrieben werden, bei denen die schnelle Dynamik der Umrichtersteuerung nachteilig auf das Netz einwirken kann. Diese Schwingungen können anhaltende Störungen der Wirkleistung, der PCC-Spannung und des Ausgangsstroms verursachen, was zu kaskadenartigen Systemausfällen führen kann. Herkömmliche Methoden zur Erkennung von SSO, wie z. B. Frequenzabtastung und Impedanzanalyse, sind komplex und für hochgradig variable Netzbedingungen ungeeignet. In diesem Vortrag wird ein intelligenter, auf maschinellem Lernen basierender Ansatz für die automatische Erkennung und Begrenzung von SSOs in Windparks Kategorie 4 vorgestellt, der durch Hardware(HIL)-Experimente mit OPAL-RT OP7000 und Raspberry Pi 5 validiert wurde. Die Präsentation befasst sich mit den Merkmalen von SSO, der Beziehung zwischen der Netzstärke und der Dynamik der WEA-Steuerung, der Datengenerierung durch Echtzeitsimulation und der Merkmalsextraktion für das Training eines LSTM-basierten Modells. Fallstudien zeigen die Effektivität der vorgeschlagenen Methodik bei der schnellen Erkennung und Behebung von SSOs und unterstreichen die Nützlichkeit des OPAL-RT OP7000 bei der Erstellung realer Nachbildungen von Offshore-Windparks.