基于双馈感应发电机风电场等效建模中控制器聚合方法分析

在对风电场进行等效建模时,一般以风电机组运行状态相近为原则进行分群聚合,从而得到风电场的多机等效模型。如果在保证精度的情况下能够对运行状态有明显差异的风电机组进行聚合,将有助于建立更加简化的风电场等效模型。以基于双馈感应发电机(DFIG)的风电场为研究对象,针对承受风速有显著差异的DFIG机组的聚合问题,提出了相应的DFIG机组转子侧控制器聚合方法。该方法通过调整等效控制器的控制参考值,来提高风电场等效模型的稳态和动态精度,从而实现风速差异显著的DFIG机组的聚合。文中给出了基于控制参数调整的DFIG风电场单机等效建模流程,为建立具有良好精度的风电场等效模型提供了一种不同于分群聚合的思路。最后,通过仿真算例对所提方法进行了分析和验证。     

基于戴维南电路的双馈风电场动态等值方法

根据双馈感应发电机(DFIG)的3阶简化动力学模型,提出了基于戴维南电路的双馈风电场等值方法。首先,根据风电机组的功率—转速特性对含风电场的电力系统进行快速潮流计算,确定各DFIG的初始运行点,应用离线计算确定DFIG暂态内电势动态特性发生显著变化时所对应的风速上、下界,据此将DFIG分群;接着,通过理想变压器将同群DFIG戴维南等效电路中的暂态内电势节点移置到公共等效母线上,并借鉴同步发电机参数聚合方法求取等效风电机组电气参数,按照总机械功率不变的原则,在设定的等效风电机组功率—转速特性基础上,推导出等效注入风速及等效机转速;最后,进行网络化简,消去移相变压器及其他联络节点,得出等效DFIG与公共连接点之间的电气连接。对6机双馈风电场算例的仿真表明:单机等值方案稳态精度较好,但动态误差偏大;按照DFIG机电暂态特性分群的3机等值模型兼具较高的稳态与动态精度,能较好地适用于内部连接复杂且注入风速相差较大的风电场。     

双馈机组风电场动态等效模型研究

针对大型双馈机组风电场,提出一种新的动态等效建模方法.该方法以双馈风电机组桨距角控制动作情况作为机群分类原则,通过提取反映桨距角控制动作的特征向量,并将其作为支持向量机的输入,从而进行双馈风电机组的动态分群以及同群机组的合并、等效.在此基础上给出了等效模型的参数计算方法,得出以3台风电机组表征的风电场等效模型.与传统等效建模方法的对比结果表明,所提出的三机表征模型能够更准确地反映双馈机组风电场并网点的动态特性.     

基于聚类分析的风电场多机等效建模方法研究

针对大规模双馈型机组所组成的风电场,提出1种将变桨机构动作情况作为风电场分群聚类指标的等值建模方法。通过将能够表征变桨机构动作状态的特征向量输入到支持向量机中,对风电机组进行动态分群,将同一群内的风机进行等效合并。此外叙述了等效机组参数计算方法,建立风电场多机等效模型。经过对不同建模方法的比较得出,此方法在保证仿真精度的前提下大幅度缩小了仿真时间,且仿真结果更加接近风电场实际运行工况,验证了该方法能够更加准确的表现出风电场并网点的动态特性。     

基于运行数据的风电机组建模方法

为了准确分析风电机组的动态特性,针对定速风电机组,给出一种基于运行数据的风电机组建模方法.利用数理统计方法分析了风电场中风电机组的运行数据,得出风电机组的实测功率曲线,并给出利用实测功率曲线搭建定速风电机组的建模方法.利用该方法对额定容量为750 kW的风电机组进行建模,并与风电场的实测数据和利用厂家提供的标准功率曲线搭建的风电机组模型以及常用风电机组建模方法进行了比较分析.仿真结果表明,基于实测运行数据的风电机组建模方法是有效和实用的,该模型能准确反映风电机组的实际运行特性,从而提高仿真模型的精确性.     

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。     

考虑实际运行数据的风电场稳态建模

为建立准确的风电场稳态模型,该文分区域分析了风电机组的稳态运行特性,提出一种基于实测数据的三机等效风电场稳态建模方法。首先,分析了风电机组在4个不同运行区域的稳态输出特性;然后,根据风电场内各风电机组的实测风速,采用改进型最大树法将其分类,并建立各类机群的实际风速-功率特性曲线;最后,由风电机组各区域稳态输出特性建立各类机群的风速-功率分段函数关系。在此基础上,计算各类机群的等值风速,从而建立三机等效风电场稳态模型。仿真结果表明三机等效模型可有效提高风电场稳态建模的精度。     

风电场动态等值模型的多机表征方法

为提高风速分布不均匀时风电场等值模型的精度,提出了一种适用于定速机组风电场动态等值的多机表征方法。该方法以风电机组具有相近运行点为机组分群原则,定义了新的机群分类指标,结合聚类算法对风电机组进行动态分群,并给出了等值模型的参数计算方法及其仿真建模过程,从而得到多机表征的风电场模型。通过算例仿真,并与传统等值方法进行了比较分析。结果表明,提出的机群分类指标是有效的,所建立的多机等值模型能够较准确地反映风电场并网点的动态特性。     

基于运行数据的风电机组建模方法

为了准确分析风电机组的动态特性,针对定速风电机组,给出一种基于运行数据的风电机组建模方法。利用数理统计方法分析了风电场中风电机组的运行数据,得出风电机组的实测功率曲线,并给出利用实测功率曲线搭建定速风电机组的建模方法。利用该方法对额定容量为750 kW的风电机组进行建模,并与风电场的实测数据和利用厂家提供的标准功率曲线搭建的风电机组模型以及常用风电机组建模方法进行了比较分析。仿真结果表明,基于实测运行数据的风电机组建模方法是有效和实用的,该模型能准确反映风电机组的实际运行特性,从而提高仿真模型的精确性。     

基于两机表征的双馈风电场整定计算等效模型∗

现有双馈风电场保护整定计算建模常用单机模型简化处理,并未考虑机组间短路特性的差异,短路计算精度受限.对此,提出了一种基于两机表征的双馈风电场整定计算等效模型.首先,通过推导单台机组输出短路电流的数学描述,建立其短路计算等效模型.然后,以机组间输出有功电流特性不同为分群指标,将双馈风电场等值为两机模型;并分别对两台机组进行等效,完成对双馈风电场整定计算等效模型的构建.最后,算例验证了所提模型能有效提高双馈风电场整定计算建模精度.     

基于改进FCM聚类算法的风电场等值建模研究

考虑风电场中各机组接收到的风速、机械特性、控制特性等差异,以风速-功率作为聚类指标,并以隶属度-权值构成的多条件聚合约束对风电机组进行分群优化,结合尾流效应模型提出了改进FCM聚类算法的风电场等值建模方法。最后,以陕西某风电场实测数据为样本进行等值建模,验证了模型的准确性和有效性。     

考虑暂态波形特征的风电机组高电压脱网智能故障溯源方法

大规模风电机组高电压脱网会对电力系统的电能质量和安全稳定运行产生影响。提出了一种风电机组高电压脱网故障溯源方法,后续可配合保护设备以快速切除故障,减少风电机组高电压脱网对系统产生的影响。首先基于风电机组高电压脱网时输出波形进行特征分析,构造了风电机组高电压脱网故障特征指标体系;然后采用Gini指数-最大相关最小冗余法对原始指标体系进行筛选,降低了原始指标体系的冗余度;最后采用遗传算法-蚁群优化算法-粒子群优化算法对BP神经网络的权重、偏差初值进行优化,从而保证BP神经网络的溯源准确率。在西北电网中进行了算例分析,验证了所提方法的有效性。与传统机器学习方法相比,所提方法具有更好的故障溯源性能。     

计及风速不确定性及相关性的风电场分区虚拟惯量估计

随着以新能源为主体的新型电力系统建设持续推进,风电在全国各个区域电网的渗透率将高速提升。然而大规模风电场无法提供转动惯量支撑,引入虚拟惯量控制后亦缺少能够分区且精确的虚拟惯量评估方法。考虑了风场内风速的随机性及相关性,提出了基于Copula函数及聚类算法的风电场分区虚拟惯量估计方法。首先,考虑风速的尾流及时延效应,建立场内各风机风速的概率分布模型。其次,根据各风机的风速分布特性,采用双尺度谱聚类算法对场内风机进行聚类分区。然后,选取各区中心机组,构建最优Copula函数描述各分区间的风速相关性。最后,基于风电场机组分布和风速数据估计风电场内各分区的虚拟惯量储备。根据甘肃某风场的实际风速及出力数据构建仿真算例,仿真结果表明所提算法能有效实现风电场虚拟惯量的特征提取、聚类分区、惯量估计。     

基于功率跟踪曲线切换的变速风电机组虚拟惯量控制

提出一种基于功率跟踪曲线切换的变速风电机组虚拟惯量控制方法:在电网正常时,风电机组接近最大功率跟踪曲线工作并储存动能;当电力系统频率发生跌落时,风电机组切换至另一近最大功率跟踪曲线工作,并释放转子动能。采用次优曲线切换机制可极大削弱惯量响应过程中原控制系统外环对df/dt前馈控制环节的抵消作用,提高惯量响应的动态性能。通过合理选择次优功率跟踪曲线,可减少因惯量控制导致的风能利用效率的降低。仿真中所选取的次优功率跟踪曲线可保证风电机组在惯量控制过程中,捕获的风功率始终不低于最大跟踪功率的98%。     

结合负荷形态指标的电力负荷曲线两步聚类算法

为改善基于欧式距离的全维度负荷曲线聚类算法在负荷形态相似度上的不足,提出了结合负荷形态特征指标的电力系统负荷曲线两步聚类算法。算法第一步采用基于欧式距离的负荷曲线聚类方法获得初步聚类结果,并通过负荷聚类评价指标选取一次聚类算法和聚类数目;第二步基于负荷形态特征指标采用监督学习算法对负荷进行重新分类。之后比较了不同算法的分类效果,最后给出了聚类结果的应用建议。算例结果表明,所提出的两步聚类算法可以改善传统的负荷曲线聚类方法在形态相似度上的不足,在二次分类方法中,支持向量机（support vector machine,SVM）算法表现较好,所提出的方法具有实际应用意义。     

基于实测数据的风电场风速-功率模型的研究

建立准确的风电场模型是风电接入系统相关研究的基础。首先通过对某双馈风电机组的标准功率特性曲线和实测风速-功率散点图进行对比,针对它们之间的差异问题,建立基于实测运行数据的风电机组风速-功率模型。其次,针对地形复杂、机组排列不规则的大型风电场风速差异性问题,利用K-means聚类算法对风电场内所有风电机组按实测风速数据进行聚类划分,建立了整个风电场的等效风速模型,进而给出了基于实测运行数据的风电场风速-功率模型。然后,以某实际风电场为例,对该风电场内的风电机组按风速进行K-means聚类划分,结果显示该划分结果与简单按地理位置的机群划分结果有明显差异。最后,对传统的风速-功率模型和所提出的风速-功率模型输出结果进行比较,结果证明所提出的模型相对于传统模型而言,准确性有了较大的提高。     

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。     

考虑风机排序的风电集群分层有功控制策略

随着我国风电的迅速发展,风电场有功调控趋于集群化。为合理调控风电集群有功功率、提高风电消纳量、减少风电机组调控次数,文中提出考虑风机排序控制的风电集群分层有功控制策略。根据风电场所在区域不同并结合超短期风电功率预测,将风电集群分为场群层、风电场层、机组层3个控制层。场群层和风电场层通过不同时间尺度的滚动优化提高风电消纳量;机组层通过选取影响风机调控能力的评价指标,结合熵值法与隶属度函数,计算并排序各机组调控能力评分,通过机组的排序控制减少风机调控次数。基于GAMS及Matlab平台对山西电网实际风电场数据进行分析,结果表明所提控制策略在提高风电消纳量的同时减少了风机调控次数。     

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。     

考虑流动相关性的风电场机组分组功率预测方法

风电固有的随机波动性对电力系统的安全稳定运行产生不利影响。风电场功率预测是缓解该问题的重要途径,但预测精度及计算效率制约其在电力系统运行中的应用效果。针对上述问题,提出一种基于流动相关性的风电场机组分组方法并运用于风电场功率预测中。针对传统大地平面坐标无法体现流动信息的缺陷定义了可以体现风电场流动特性的坐标体系——风电场主风向坐标系,以简单而直观的方式将流动特性与风电场机组组合方法、风电预测技术相结合。以中国西北某风电场为例,采用GABP预测模型进行验证,结果证明该方法有效利用了风电场流动相关性对风电场机组进行分组,在精度和效率之间寻求平衡,为电力系统和风电场经济运行提供保障。