基于特征分析的大规模风电场等值建模

传统的基于加权平均的风电场单机动态等值模型的精度将难以满足包含大规模风电的电力系统安全稳定性分析的需要。如果能依据一定的指标对风电机组进行分群,建立风场多机等值模型,将在很大程度上提高风场模型的精确度。通过特征分析的方法,确定了合理的风电机组分群指标,从物理意义上阐释了指标的合理性。基于该分群指标搭建了风场多机等值模型,该模型的有功、无功出力曲线在风速发生波动或系统侧发生三相短路故障时与详细风场模型几乎一致,具有较高的精度。仿真结果验证了该分群指标的合理性。但是由于该分群指标是基于对线性化状态方程的相关分析得到的,因此大扰动情况该分群指标的合理性还需进一步深入研究。     

基于聚类–判别分析的风电场概率等值建模研究

基于机组同调性的影响因素,提出一种新的鼠笼型风电场动态等值建模方法。该方法通过采集不同工况和短路故障类型组合下风力发电机的转速向量,利用two-step法对风电机组聚合分类,并根据Fisher判别分析进行聚类结果的显著性检验。在综合考虑风电场全年风资源统计信息和系统侧不同类型故障发生比例的基础上,以概率最大的机群划分结果,建立风电场概率等值模型。使用DIgSILENT Power Factory平台进行风电场机电暂态仿真,并与传统等值模型和详细模型对比。仿真结果表明,该文提出以转速向量作为分群判据是合理的,所建立的风电场概率等值模型能较全面表征风电场全年的运行外特性,具有重要的工程应用价值。     

风速波动下双馈机组风电场动态等值

由于风电场动态行为的复杂性,对每台风机进行仿真计算难以满足系统动态安全分析要求。如何建立合适的风电场动态等值模型,正确评价风力发电对电力系统可靠运行的影响,是非常重要而迫切的。分析了风速变化时风机控制系统作用下风电场动态特性,提出双馈风电机组的动态分群方法以及同群机组的风速等值模型。并对分群后双馈机组及其电气接线系统进行等值聚合,提出了多机表征的风电场动态等值模型。算例在不同工况、故障和风速变化下进行等值效果比较,验证了该方法的有效性和可行性。     

基于聚类算法的风电场动态等值

风电机组在实际运行时,受尾流效应等因素影响,运行状态并不相同。为提高风电场实际运行模型的精度,提出了一种适用于双馈式风力发电机的动态等值建模方法。它将风电机组的状态变量矩阵作为分群指标,利用聚类算法将矩阵中的数据进行分群,将同群的风电机组等值成为一台风力发电机,实现了风电场的动态等值。利用PSD/BPA平台,对系统侧故障与风速变化2种情况仿真,并与传统等值方法及风电场详细模型对比。仿真结果表明,采用仿真过程中的状态变量作为分群指标是合理的,该模型与详细模型的动态特性基本一致,可以用来描述风电场的实际运行状态。     

基于主成分分析法的直驱式风电场分群方法

为了建立较为精确的风电场等值模型,提出了一种基于主成分分析法的直驱式风电场分群方法。首先对直驱式风电机组进行建模和分析,得到了表征风电机组运行状态的全部状态变量。然后利用主成分分析法提取了3个主导变量,它们代表了全部状态变量90%以上的信息,可较准确地反映机组的运行点。最后为了进行对比分析,在算例中分别以3个主导变量和风速为分群指标进行分群计算,并在Matlab/Simulink平台上搭建了风电场的详细模型、以主导变量分群的等值模型及以风速分群的等值模型。通过比较三种模型在风速波动及电网故障情况下动态特性的仿真结果,验证了所提分群方法的正确性及较高的精确性。以该方法分群建立的风电场等值模型的精确性较高。     

风电场等值建模研究

基于风电场内部构成,研究了风电机组单机聚合和多机聚合等值建模方法,对多机聚合等值模型条件下风电机组的分群判据指标以及聚合等值建模存在的问题进行分析和总结。然后,考虑到传统等值模型参数计算方法的不足,阐述了系统参数辨识技术在风电机组和风电场内部静态模型参数优化中的应用,进一步提出聚合等值与参数辨识相结合的风电场建模思想。为了检验风电场等值模型的有效性,给出了基于数字仿真和试验录波数据的模型验证方式。最后,对风电场等值建模的下一步研究方向进行了展望。     

基于模糊C均值聚类的风电场多机等值方法

风电场等值是含风电场接入电网分析计算的重要技术手段。为降低风电场等值的难度,提高风电场分群的效率,本文基于风电机组实际运行中的监测状态量,采用模糊C均值(FCM)聚类算法,实现了风电场等值。首先选定各机组输出有功功率、无功功率、机端电压有效值及输出电流有效值为分群指标,并根据给定的等值机台数,将风电场分群问题转化为聚类问题;其次建立了风电机组类属隶属度函数和模糊C均值聚类算法的目标函数,通过迭代求解最优的聚类中心和模糊隶属度矩阵,得到风电场分群结果,算法具有计算简单、收敛性好的特点;然后,根据分群结果,对不同群的风电机组进行等值,实现风电场的多机等值;最后,通过仿真比较验证了本方法的有效性。本方法选取的分群指标具有可实操性,且在给定等值机台数条件下,计算更为简单、等值精度更高,适合用于风电场等值的实际工程计算。     

基于风电机组输出时间序列数据分群的风电场动态等值

为了在保证精度的前提下降低含风电场仿真系统模型的复杂度,以风电场并网点输出特性一致为目标,提出一种风电场动态等值方法。利用风电机组输出时间序列数据,应用几何模板匹配算法刻画该时间序列曲线特征,使用属性阈值聚类算法来实现风电机组分群,适用于所选时间序列的时间段内的所有时刻。在各群内,按照风电机组功率输出特性不变的原则对风电机组参数进行等值,以电压差不变为原则对集电线路进行等值。最后,以宁夏某实际风电场为例,分别选择不同时刻的风电机组状态为初值进行仿真,并比较风电场详细模型和等值模型的输出特性。结果表明,等值前后风电场并网点输出特性均保持一致,分群方法可以反映风电机组在该时间段内各时刻的运行特性,等值方法合理有效,具有一定的工程应用价值。     

用于次同步振荡分析的直驱风电场等值模型

实际风电场具有风电场数量多、运行工况呈分散性等特点,对风电场进行恰当的等值建模具有实际工程意义。针对由电流内环主导的直驱风电场次同步振荡的等值建模问题,参考同步发电机组建模研究工作,结合K-means分群方法与相似变换原理建立多机并联直驱风电场主导振荡特性保持的等值模型。通过改变电流内环控制参数,对比分析详细模型（考虑风机并网台数,集电线路差异）与等值模型振荡特性差异。研究结果表明:基于相似变换原理搭建的直驱风电场等值模型可以准确反映系统主导振荡特性,有效降低模型阶数,提高仿真速度。     

考虑空间相关性的风电场等值方法

由于大规模风电场的复杂性,对风电场的每台风电机组建立详细的模型将大大增加仿真的计算量,因此需要对风电场进行等值化简。在分析了风电场风电机组之间尾流效应、海拔高度、空间遮挡和机组停运等相互作用的基础上,推导出能够表征风电机组空间相关性的相关性系数,并以此为分群指标运用K-means聚类算法对风电机组进行分群。K-means聚类算法需要事先给出聚类个数,针对此问题对K-means聚类方法进行了改进,提出了有效性指标来确定最优分群数,并给出了等值模型的参数计算方法,得到了风电场的多机等值模型。通过算例仿真表明,该方法具有较高的精度,对K-means方法的改进也具有一定的有效性。     

用于无功补偿的海上风电场等值模型

基于单台风机动态模型组成的整风场传统动态模型是一个高阶模型,难以进行功率传输数据的处理和无功补偿容量的计算,为此提出了一种新型的适用于无功补偿的海上风电场等值建模方案。根据国家标准GB/T 19963—2011《风电场接入电力系统技术规定》的要求,结合海上风电系统的运行特点,将风电机组等效为电流可控的恒压功率源,考虑变压器的无功损耗是关于视在功率的线性系统对多机系统中变压器做叠加等值,根据实际风电场与等效风电场的功率传输特性相同的原则将集电系统等值为单条支路,建立适用于无功补偿方案设计的海上风电场的等值模型,并对一个具体的海上风电场进行PSCAD仿真分析,结果表明所建立的海上风电场等值模型是可行的,与传统海上风电场动态模型相比,该等值建模方案简单实用,适用于海上风电场无功补偿。     

基于运行数据的概率聚类风电场分群研究

风电机组在实际运行时,受尾流效应等因素影响,运行状态并不相同。为提高风电场模型的精度,解决运行工况对分群结果的影响问题,提出了一种概率聚类分群算法,并从地理位置分布和仿真结果两个角度验证了其合理性。该方法在传统的K-means算法基础上,综合考虑各种风速工况发生的比例,以概率最大的机组分群为最终结果,并用轮廓值函数加以验证。此算法得到的分群结果可应用于各种风速的情况,对机组分布不规则的风电场有很好的效果,为以后风场建模的使用提供了极大的方便。     

基于改进模糊C均值聚类和MPSO的风电场等值研究

为了提高双馈风电场等值模型的精准度,提出了一种双馈风电场等值建模方法。首先选取能表征各个机组运行状态的特征状态变量矩阵作为分群指标,采用改进模糊C均值聚类算法进行机群划分;然后基于全局最优位置变异粒子群算法对等值机模型的参数进行辨识,将同群的机组等值成一台风机。利用DIgSILENT/PowerFactory平台进行仿真建模,对风电场发生风速阶跃变化和三相短路故障2种状态进行仿真,仿真结果表明,该等值模型与详细模型的动态特性基本一致,比传统的单机等值模型更适合表征双馈风电场的工况。     

基于IGWO-K-means的风电场动态等值建模

风电场等值建模是分析风电系统的前提和基础,为了提高风电场动态等值建模精度,降低等值难度,本文基于风(风速和风向)、风机本体、风电输出效果和风机工作环境等4个方面,从内蒙古某风电场24台机组实际采样的运行数据中选取了14个变量作为分群指标,全面描述了风电场特性。其次提出了收敛因子非线性策略和动态参考率策略两个控制策略,改进了灰狼优化算法(GWO),并结合K-means聚类算法寻找最佳聚类中心,输出聚类结果,建立风电场动态等值模型。最后在MATLAB/Simulink平台上建立风电场聚类模型,验证该模型的可行性。结果表明,该方法提高了风电场等值建模的精度,能够更好地描述风电场的动态特性。     

风电接入对继电保护的影响(一)——鼠笼式风电场电磁暂态等值建模

提出建立鼠笼式风电场多机等值方案。提出以故障初始时刻的鼠笼式风机的标幺值功率作为分群指标。采用K-means算法,以准则函数收敛后得到的值最小为分类标准,实现对机组的分群。针对单个机群中可能存在多种型号鼠笼式风机的情况,采用基于容量加权的参数聚合方法,分别计算等值风电机组转子运动方程参数、阻抗参数和箱式变压器参数。最后在PSCAD/EMTDC软件平台上建立鼠笼式风电场详细模型及其等值模型,仿真结果表明在相同故障条件下,风电场等值模型的故障电流能很好地拟合详细模型,验证了所提等值方案的有效性。     

基于两步分群法的双馈机组风电场等值建模

为了在保证风机等值精度的基础上降低风电场仿真模型的复杂度,考虑到实际风电场内尾流效应及风机控制方式不同的情况,借鉴层次分析法的思想提出了两步分群法。该方法综合考虑了风机初始运行点以及动态特性。首先考虑风电机组间尾流效应计算输入风速,根据机组桨距角动作情况进行初次分群,通过转子电流受扰曲线识别动态特性相近的风机实现再次分群。然后在保证风电机组功率输出特性和电压差恒定的基础上,进行风机和集电线路参数等值,得到风电场多机等值模型。最后通过仿真验证了所述方法的合理性。     

风电场动态等值建模研究综述

从风电场动态等值建模(风速等值、集电网络等值、分群聚类、等值参数计算4个步骤)的角度,探讨风电场动态等值建模研究成果。结果表明,风电场动态等值建模有2种方法:一是提高分群精度,获得唯一聚类结果,进行多机等值;二是降低分群精度,转而确定强相关的待辨识参数,辨识出等值机参数。最后,预测了风电场动态等值未来可能的研究方向。     

风电场等值建模研究综述

随着风电场规模的不断增大,对风电场中每台风机建模将造成计算量过大,不利于大型风电场的研究,需要对风电场进行等值化简。对双馈感应风机和直驱永磁同步风机两种当前热门机型的建模进行概述,同时介绍了潮流计算中风电场的处理方法,并对风电系统的等值进行了综述,包括风速的等值、风电场的分群、同群风机的等值方法、常用的参数优化算法及其对等值的影响。最后综述了含单一主流机型风电场通常采用的等值方法,并指出随着不同机型并存的大型混合风电场的增多,混合风电场等值建模研究的必要性及研究趋势。     

考虑空间效应的风电场动态特性等值方法研究

提出了一种基于聚类算法和实测数据的风电场动态等值建模方法,根据某风电场的实测数据,通过随机抽样比较的方式证明了风电场内机组间的空间效应,并且利用风速曲线和功率曲线在不同机组间的显著差别,说明风电机组间的空间效应在建立风电场动态等值模型时是不可忽略的。利用K-means聚类分析方法并以实测的数据作为分群指标,将某风电场的33台UP77-1.5 MW风电机组聚成4个机群,每个机群对应建立一个等值模型,消除了机组间的空间效应。最后,通过将各个模型与实测的数据的等值比较与误差分析,验证了模型的合理性。与传统模型进行比较,实际验证结果表明该方法建立的模型比传统模型精确度高。     

风电场等值建模研究综述

随着风电场规模的不断增大,对风电场中每台风机建模将造成计算量过大,不利于大型风电场的研究,需要对风电场进行等值化简.对双馈感应风机和直驱永磁同步风机两种当前热门机型的建模进行概述,同时介绍了潮流计算中风电场的处理方法,并对风电系统的等值进行了综述,包括风速的等值、风电场的分群、同群风机的等值方法、常用的参数优化算法及其对等值的影响.最后综述了含单一主流机型风电场通常采用的等值方法,并指出随着不同机型并存的大型混合风电场的增多,混合风电场等值建模研究的必要性及研究趋势.