风电并网系统数字孪生及故障态势辨识

随着新能源渗透率迅速增长，风电并网系统规模逐渐增大。本文借助数字孪生(DT)技术与深度学习技术实现了风电并网系统的态势精准辨识。本文基于电磁暂态程序(EMTP)所提方法构建以双馈风力发电机(DFIG)构成的风电并网系统虚拟镜像模型，基于C++多线程并行计算策略进行风电并网系统的超实时镜像计算(MC);并提出一种面向风电场态势辨识的注意力机制(AM)算法框架。至此，构建了基于机理驱动与数据驱动融合的风电并网系统数字孪生(DT-WPGIS)。为评价数字孪生智能体的辨识性能，本文相应地提出了辨识时延常数(RDC)指标。最后，通过4个算例验证了上述方法在风电并网系统中应用的有效性与可行性。实验结果表明：该方法将传统的离线仿真加速到了超实时高精度仿真，将传统的事后故障分析提速到了微秒级的态势精准辨识，为风电并网系统向数字化与智能化的升级提供了思路。