风电并网系统数字孪生及故障态势辨识 |
| |
引用本文: | 陈厚合,杨政,裴玮,叶华,刘丰瑞.风电并网系统数字孪生及故障态势辨识[J].电工电能新技术,2022(11):43-58. |
| |
作者姓名: | 陈厚合 杨政 裴玮 叶华 刘丰瑞 |
| |
作者单位: | 1. 东北电力大学电气工程学院;2. 中国科学院电工研究所;3. 中国科学院大学 |
| |
基金项目: | 国家自然科学基金项目(52177123、52077028); |
| |
摘 要: | 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。
|
关 键 词: | 数字孪生 双馈风力发电机 超实时镜像计算 注意力机制 态势辨识 辨识时延常数 |
|
|