永磁直驱同步风电场多机动态等值模型

以提高仿真效率为目的,建立了一种适用于永磁直驱同步电机风电场的多机动态等值模型。该模型在同调等值法的基础上,选择能综合反映风电机组运行状态的变量矩阵作为分群指标,通过模糊聚类算法对指标矩阵进行处理,将具有相近运行点的风电机组划分到同一机群。并用一台风电机组并联一个电流源组成等值机组表征该机群,最后通过多个表征机群的等值机组的组合建立了风电场动态等值模型。在此基础上,利用电力系统电磁暂态ATP/EMTP软件平台进行实例仿真,仿真结果验证了该等值模型的有效性。     

基于分裂层次半监督谱聚类算法的风电场机群划分方法

在谱聚类技术的基础上,面向风电场动态等值建模,提出一种基于分裂层次半监督谱聚类算法的风电场机群划分方法。首先根据风电机组的实测运行数据,构造一个可以体现原始数据结构且能为分类提供更多有效信息的特征向量矩阵Y。进而利用获取的部分样本组的先验信息,采用自顶向下的簇分裂策略,对Y中的样本组进行半监督聚类划分,得到风电机组的机群划分结果 ,采用容量加权法计算各机群等值风电机组的参数,建立风电场的动态等值模型。以某实际风电场为例进行仿真验证,结果表明,采用所提方法建立的动态等值模型与详细模型较接近,能够较准确地反映风电场的动态响应特性。     

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。     

计及尾流效应的双馈机组风电场等值建模研究

针对双馈机组风电场内机组间尾流的相互影响,提出一种新的风电场等值建模方法。该方法考虑尾流效应,定义了"尾流影响因子"表征各台风电机组受其他风电机组尾流影响的程度,并以此作为风电场内风电机组的分组依据。将风向作为输入,从而进行风电机组的分组以及合并等值。同时给出了合并后等值模型参数的计算方法,得到风电场的多机等值模型。仿真结果表明,利用该方法建立的等值模型较之传统的等值模型能更准确地体现风电场的功率输出特性。     

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。     

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.     

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。     

基于谱聚类算法的风电场电磁动态等值研究

大规模双馈机组风电场目前已经大面积装机投运。在仿真研究中,由于风电场中含有多台风电机组,风电场精确模型阶数过大,无法实际应用于含风电电力系统的仿真研究。本文采用谱聚类算法,依据风电场内各风电机组的运行状态,将场内的各风电机组分为两个风电机群,并采用容量加权方法,建立了风电场电磁动态等值模型。仿真算例表明,所建立的等值模型在保证足够精确度的前提下大大缩小了仿真模型的阶数,减轻了仿真计算的压力,具有较高的实用价值。     

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。     

基于自组织映射神经网络K-means聚类算法的风电场多机等值建模

为研究高比例风电接入对电网安全稳定性的影响,提出了基于SOM(自组织映射神经网络) Kmeans聚类的风电场多机等值建模方法。首先选取风电场运行时的有功功率、无功功率、机端电压、输出电流、平均风速5种状态变量作为聚类算法的输入变量矩阵,通过基于SOM K-means聚类算法对变量矩阵进行处理,得到风电机组等值群数。然后用1台机组并联理想受控电流源的方法表征整个同群机组,得到风电机组的多机等值模型并进行仿真计算。最后通过与单机模型及详细模型在风速扰动和短路下的仿真曲线对比验证所提出的多机等值方法的有效性。     

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。     

基于扩散映射理论的谱聚类算法的风电场机群划分

针对地形复杂或布局不规则的风电场,将谱聚类方法应用于风电场机群划分,提出了一种风电场的机群分类方法.该方法以风电机组具有相同或相近运行点为机组分群原则,应用基于扩散映射理论的谱聚类算法对风电场各机组的实测运行数据进行聚类分析,找到风电机组之间动态运行过程的相似性,从而实现对风电场内所有风电机组的聚类划分.通过算例仿真验证了所提出的机群划分方法的有效性.     

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。     

基于改进型K-means算法的笼式异步风电场等值研究

国外风电场采用分布式,我国大多是大规模集群风电接入电网。由于风的随机性、波动性等特点,在研究风电场并网对电网的影响时,提高风电场模型运行状态的精度就显得尤为重要了。文中对于笼式异步风电场提出一种以故障发生前的输出功率为分群指标,采用改进型K-means算法实现风电场多机等值建模的方法。针对同一机群风电机组,运用基于容量加权的等值方法计算相关等值参数。最后,以软件PSCAD/EMTDC为仿真平台,搭建了笼式异步风电场详细模型及其等值模型。仿真研究了在稳定运行及故障条件下风电场出口有功、无功动态变化轨线,验证了所提出的等值方法的快速性及有效性。     

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。     

（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。（详见2013年第33卷第1期）     

（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。（详见2013年第33卷第1期）     

（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。（详见2013年第33卷第1期）