大规模风电场的静态及动态等值方法
探究风电场动静态无功补偿协调控制策略
探究风电场动静态无功补偿协调控制策略【摘要】对于现阶段风电场无功电压控制模式而言，很多风电企业在技术应用的过程中只是考虑到风电场的无功平衡，并没有充分考虑到大型风电基地的电压需求。
因此，本文通过对风电场群的无功电压协调控制的基本思路，将巅峰场群视为电压中的中枢位置，通过对风电场升压及变压器等束缚性问题的分析，对风电场无功调节装置进行了一定的装置性技术的应用。
【关键词】风电场；动静态；无功补偿协调控制；研究策略对于无功补偿协调控制的风电场情态控制体系而言，是现阶段风电场运行过程中较为重要性的研究性问题之一，在现阶段我国电网的运行中，对于风电场接入的技术管理都是针对单个的风电场的技术进行基本的考核。
在风电开发之初，风电场的数量并不多，而且基本的电力容量也相对较小，其中电压问题的影响往往局限于风电场的PCC自身，这种现象的出现对电压影响有着一定的影响。
但是，随着风电规模的逐渐扩大，电机的单场容量也增在加剧，集中的进入电厂中，从而形成了1GW的风电场群。
因此，在现阶段风电场单位的工作过程中，各个部门应该独自对相关的内容进行调节，可以将风电场群汇集到一个整体性的电压中进行管理，从而为整个电网中电压的管理提供充分性的保证。
1 风电场群无功电压控制的技术形式在风电场群无功电压的控制发展中，经典的风电场群汇入系统可以通过图一的情况表现出来。
（如图1）图1 典型风电场群汇入系统拓扑图1中B1的位置为电网中的母线，B2为风电场群汇入的系统性母线，在下文中就用汇入母线进行表示，其中图中的B3-Bm+2的线路是各个风电场的接入系统母线。
在现阶段风电系统的工作过程中，对于风电场无功控制主要是通过B3-Bm+2的信息进行相关考核，其基本的内容并没有充分的满足要求中的风电场采取适应的控制手段。
对于风电场群而言，可能包含着多样性的风力发电机组形式，而在现阶段的系统应用过程中，最为主流性的机型模式主要是笼型异步风力发电机、双馈异步风力发电机。
含集群风电的潮流计算的两种方法
含集群风电的潮流计算的两种方法潮流计算是电力系统分析中的关键问题之一，主要用于估计输电网中各节点的电压、功率和相角等状态量，以及计算电网输电能力。
对于含集群风电的潮流计算，由于集群风电的特殊性，需采用一些特殊的方法来完成潮流计算。
下面将介绍两种常用的方法：1.静态等值法：静态等值法是一种将复杂的集群风电系统简化为等效节点和等效负荷的方法。
其基本思想是将集群风电系统中的大量风机等效为一个或多个节点，并根据风电系统与主网的连接关系确定等效节点的等值功率和等值阻抗。
等效节点的功率可以通过对风电机组的功率曲线进行相应的处理得到。
等效阻抗则可以通过对风电机组的等效阻抗进行计算得到。
在等影响因素确定之后，通过将这些等效节点与传统的负荷节点一起放入插值微分方程中进行潮流计算。
优点：（1）较好的处理了集群风电系统的复杂性；（2）能够较快地得到潮流计算结果。
缺点：（1）简化过程中可能会引入一定的误差；（2）对于大规模的集群风电系统，等效节点的选取比较困难。
2.迭代法：迭代法是一种通过迭代求解的方法来完成含集群风电的潮流计算。
其基本思想是通过迭代解算节点的电压和相角等状态量，直到满足潮流计算的收敛条件为止。
迭代法可分为高斯-赛德尔迭代法和牛顿-拉夫逊迭代法。
高斯-赛德尔迭代法通过按照节点顺序来更新节点的状态量，并将新的状态量作为旧状态量的近似值进行下一次迭代，直到达到收敛条件。
牛顿-拉夫逊迭代法是一种基于牛顿法的改进方法，通过构建雅可比矩阵对节点电压和相角进行一次迭代，并根据迭代结果修正节点的状态量，直到达到收敛条件。
优点：（1）准确度较高，能够更好地反映集群风电系统的实际情况；（2）对于大规模集群风电系统有较好的可行性。
缺点：（1）计算量较大，耗时较长；（2）可能会出现收敛问题，需要进行合理的参数选择和初始值设定。
总体而言，静态等值法适用于对集群风电系统的初步分析和初步评估，而迭代法适用于对集群风电系统进行深入研究，以及对系统进行详细的潮流计算。
大型风力发电机组动力学分析方法
大型风力发电机组动力学分析方法大型风力发电机组是一种利用气流驱动涡轮机旋转产生机械能，再通过发电机转换成电能的装置。
在风力发电机组中，涡轮机是主要的动力转换元件，其性能的好坏直接影响到整个系统的发电效率和可靠性。
因此，进行大型风力发电机组动力学分析具有重要的理论和实际意义。
首先，理论分析是大型风力发电机组动力学分析的基础和起点。
通过对涡轮机的运动原理和性能特点进行深入研究，可以建立涡轮机的数学模型和动力学方程。
在理论分析中，涡轮机的能量转换、风能利用率和发电效率等关键指标可以通过数学推导和计算求解来获得。
此外，还可以利用模态分析方法，对涡轮机的振动特性和稳定性进行研究。
理论分析方法具有计算量小、精度高的优点，但也存在一定的简化和假设，无法完全反映实际情况。
其次，仿真模拟是大型风力发电机组动力学分析的重要手段。
借助计算机软件和数值模拟技术，可以对涡轮机和整个系统的动态响应进行仿真模拟。
通过建立系统的多体动力学模型和计算流体力学模型，可以对涡轮机的运行状态、载荷特性和振动响应进行准确的预测和分析。
在仿真模拟中，可以考虑更多的因素，如风速、风向、地理环境等，从而更加真实地模拟涡轮机的运行情况。
仿真模拟方法具有灵活性强、可调参数多的优点，但也需要相应的计算资源和软件支持。
最后，实验验证是大型风力发电机组动力学分析的直接手段。
通过对实际风力发电机组的测试和监测，可以获取系统的运行数据和振动信号。
利用这些数据，可以验证理论分析和仿真模拟的结果，并对其进行修正和改进。
此外，实验验证还可以发现一些模型或方法的局限性和不足之处，从而提出相应的改进和优化建议。
实验验证方法具有直观性强、实用性高的特点，但也需要大量的实际工作和测试。
总之，大型风力发电机组动力学分析方法涉及理论分析、仿真模拟和实验验证三个方面，各自有着不同的优缺点和适用范围。
在实际应用中，可以根据具体情况选择合适的方法，以实现对大型风力发电机组运行性能和动力学特性的全面认识和深入理解。
大型风场风力发电机组的动态特性及控制策略分析
大型风场风力发电机组的动态特性及控制策略分析一、引言随着能源危机的不断加剧，风力发电作为一种环保、安全的新型清洁能源，在现代社会中受到了广泛的关注和应用。
在那些风能资源丰富的地区，为调整能源结构，促进可持续发展，大型风电场已经成为了主要的发电方式之一。
在这些风电场中，大型风力发电机组是不可或缺的一部分，其动态特性及控制策略影响着整个风电场的正常运行。
本文将从大型风电场风力发电机组的动态特性及控制策略两个方面进行分析，旨在深入探究风力发电的关键技术和发展方向，为风电行业的科学研究和产业发展提供参考。
二、大型风场风力发电机组的动态特性大型风力发电机组的动态特性表现在对外部环境变化的响应以及对整个风电场的运行调节等方面。
其中，对外部环境变化的响应主要指大风、低风等极端天气条件对风力发电机组产生的影响。
1. 大风条件下的动态响应特性大风是风电场中最为常见的极端天气条件之一，瞬间狂风对风电机组的冲击力极大，因此，大风条件下的动态响应特性是衡量风力发电机组性能的重要指标之一。
对于叶片设计优良的风力发电机组来说，其在大风条件下仍能保持良好的运行状态，保障风电场的正常运行。
根据现有研究，大风条件下的动态响应特性主要受以下几个因素的影响：（1）叶片的回弹性能：叶片回弹变形是影响大风条件下风力发电机组性能的重要因素之一。
优秀的叶片设计应考虑到叶片的回弹性能，使其在大风过程中不会产生过度的变形，从而保持风力发电机组的运行稳定性。
（2）转动轴承的纵向刚度：对于大型风力发电机组来说，转动轴承的纵向刚度决定了其在受到大风影响后的稳定性。
为保证风力发电机组能在大风情况下维持运行状态，转动轴承的纵向刚度，尤其是在机组关闭时的刚度保证显得尤为重要。
（3）限位器的作用：当机组受到大风冲击力时，限位器的作用是有效地保护风力发电机组免受过度冲击力的侵害，从而使机组在大风情况下更加安全地运行。
2. 低风条件下的动态响应特性低风条件通常指风速在2m/s以下的情况，低风条件下的动态响应特性是衡量风力发电机组性能的重要参数。
风电场动态等值建模研究
风电场动态等值建模研究摘要：针对风电场内各机组间尾流的相互影响，提出了一种新的风电场等值建模方法。
该方法是通过K-means聚类分析法对某风电场的实测数据进行合理处理，取相同时刻的同类机组风速的均值作为该类机组在此时刻的风速模型，同类机组功率的均值作为该类机组在此时刻的功率模型，将风电场内33台UP77-1.5MW风电机组聚成四类。
最后，数值分析及仿真计算表明了该方法的有效性和精确性。
关键词：风电场；动态建模；聚类分析法；电力系统0 引言随着风电场装机容量的不断增加，大规模风电场的接入会对电力系统的安全稳定运行产生一定的影响[1-4]。
为此，研究含风电场的电力系统稳定性一直是广大学者关注的焦点。
然而大型风电场内往往有数十甚至上百台风电机组，若对每一台风电机组进行详细建模，会极大地增加电力系统模型的复杂度，导致仿真时间过长，不仅难以满足电力系统运行计算的要求且没有必要。
对于大型互联电力系统，有必要研究大型风电场的动态等值方法，以减少含风电场电力系统分析规模和仿真时间[5-6]。
如果在大型互联电力系统动态仿真中，对大型风电场采用详细的模型（即对每一台风力发电机组单独建模），就会把多台小额定容量的发电机、升压变压器、无功补偿电容器以及大量的引出线都加入到电力系统模型中，这将极大地增加电力系统的分析规模和仿真时间，同时还会带来许多严重的问题，例如模型的有效性、数据的修正等[7]。
为此，风电场动态等值建模也是近些年学者研究的热点。
针对风电场内各机组间尾流的相互影响，本文提出一种K-means聚类分析法，将风电场的机组聚类，然后对聚类后的机组进行等值建模。
1 K-means聚类算法K-means算法是一种非常典型的基于距离的聚类算法，整个聚类过程采用距离作为相似性的评价标准，也就是认为两个对象之间的距离越近，它们之间的相似度就越大。
这种算法认为簇就是由距离比较接近的对象所组成的，所以把得到独立且紧凑的簇作为最终聚类目标[8-9]。
确定风电场群功率汇聚外送输电容量的静态综合优化方法
确定风电场群功率汇聚外送输电容量的静态综合优化方法一、本文概述随着全球能源结构的转型和可再生能源的大力发展，风电作为一种清洁、可再生的能源形式，在全球范围内得到了广泛的关注和应用。
风电场群的功率汇聚和外送输电是风电能源开发中的重要环节，其输电容量的确定直接关系到风电能源的利用效率和电网运行的稳定性。
本文旨在研究并提出一种基于静态综合优化的方法，以确定风电场群功率汇聚外送输电容量的最佳配置。
本文首先分析了风电场群功率汇聚外送输电的特点和现状，指出了现有方法中存在的问题和不足。
本文提出了一种基于静态综合优化的方法，该方法综合考虑了风电场群的运行特性、电网的输电能力、风电的预测误差以及经济成本等多个因素，通过构建优化模型，求解得到风电场群功率汇聚外送输电容量的最优解。
本文的研究方法包括理论分析和实证研究。
在理论分析方面，本文建立了风电场群功率汇聚外送输电容量的静态综合优化模型，并详细阐述了模型的构建过程、求解方法以及参数的选取原则。
在实证研究方面，本文以某风电基地为例，利用提出的优化方法对其输电容量进行了计算和分析，验证了方法的有效性和实用性。
本文的研究成果对于风电场群功率汇聚外送输电容量的确定具有重要的指导意义。
通过应用本文提出的静态综合优化方法，可以更加准确地确定风电场群的输电容量，提高风电能源的利用效率和电网运行的稳定性，为风电产业的可持续发展提供有力支持。
本文的研究方法和成果也可以为其他类型的可再生能源输电容量的确定提供参考和借鉴。
二、风电场群功率汇聚外送输电系统概述风电场群功率汇聚外送输电系统是一种复杂且庞大的能源传输网络，它涉及多个风电场的联合运行和电能的高效汇集，再通过输电线路将电能远距离传输至负荷中心。
这一系统的主要构成包括风电场、汇集站、升压变电站以及外送输电线路等关键部分。
风电场作为系统的起点，通过风电机组将风能转化为电能。
这些风电场可能分布在广阔的地域范围内，因此需要经过汇集站进行电能的集中和初步处理。
基于支持向量聚类算法的大型风电场动态等值方法
第４９卷 第５期２０１５年５月西 安 交 通 大 学 学 报ＪＯＵＲＮＡＬ ＯＦ ＸＩ’ＡＮ ＪＩＡＯＴＯＮＧ ＵＮＩＶＥＲＳＩＴＹＶｏｌ．４９ Ｎｏ．５Ｍａｙ ２０１５收稿日期：２０１４－０９－１９。
作者简介：滕卫军（１９８７—），男，博士生；王锡凡（通信作者），男，教授，博士生导师，中国科学院院士。
基金项目：国家电网公司科技资助项目（ＮＹ７１－１３－００８）。
网络出版时间：２０１５－０３－０３ 网络出版地址：ｈｔｔｐ：∥ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／６１．１０６９．Ｔ．２０１５０３０３．１１１０．００５．ｈｔｍｌＤＯＩ：１０．７６５２／ｘｊｔｕｘｂ２０１５０５０１５大型风电场动态等值的改进支持向量聚类算法滕卫军１，王锡凡１，石文辉２（１．西安交通大学电气工程学院，７１００４９，西安；２．中国电力科学研究院，１００１９２，北京）摘要：针对风速波动性强与风电场多样性导致的风机聚类参数多样化的特点，提出了一种基于支持向量聚类（ＳＶＣ）的大型风电场动态等值聚类算法。
该算法应用遗传算法实现簇标定，采用分段多目标函数迭代求解，保证了聚类结果的精度与速度，克服了传统ＳＶＣ簇标定抽样判决的不足。
应用样本轮廓值修正聚类结果，保证聚类结果的合理性，根据等值前后风机机端电压不变原则建立了电缆等值模型。
以实际风电场为算例进行仿真，结果表明，该算法单次聚类时间为ＳＶＣ的４％左右，采用遗传算法能够实现不同精度的等值机台数优化，得到的等值机与簇内单机的有功功率、无功功率动态特性具有较高一致性，轮廓值修正能够保证聚类结果的样本轮廓值都大于０。
关键词：大型风电场；动态等值；支持向量聚类；遗传算法；分段多目标函数中图分类号：ＴＨ－３９ 文献标志码：Ａ 文章编号：０２５３－９８７Ｘ（２０１５）０５－００９４－０６Ａｎ Ｉｍｐｒｏｖｅｄ Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｃｌｕｓｔｅｒｉｎｇ Ａｌｇｏｒｉｔｈｍ ｆｏｒｔｈｅ Ｄｙｎａｍｉｃ Ｅｑｕｉｖａｌｅｎｃｅ ｏｆ Ｌａｒｇｅ Ｗｉｎｄ ＦａｒｍｓＴＥＮＧ Ｗｅｉｊｕｎ，ＷＡＮＧ Ｘｉｆａｎ，ＳＨＩ Ｗｅｎｈｕｉ（１．Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｘｉ’ａｎ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ ７１００４９，Ｃｈｉｎａ；２．Ｃｈｉｎａ Ｅｌｅｃｔｒｉｃ Ｐｏｗｅｒ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ，Ｂｅｉｊｉｎｇ １００１９２，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａ ｃｌｕｓｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍ ｔｏ ｔｈｅ ｄｙｎａｍｉｃ ｅｑｕｉｖａｌｅｎｔ ｏｆ ｌａｒｇｅ ｗｉｎｄ ｆａｒｍｓ ｂａｓｅｄ ｏｎ ＳＶＣ ｉｓｐｒｏｐｏｓｅｄ ｔｏ ｄｅａｌ ｗｉｔｈ ｔｈｅ ｄｉｖｅｒｓｉｔｙ ｏｆ ｃｌｕｓｔｅｒｉｎｇ ｐａｒａｍｅｔｅｒ ｏｆ ｗｉｎｄ ｔｕｒｂｉｎｅｓ ｄｕｅ ｔｏ ｔｈｅ ｖａｒｉａｎｔ ｏｆｗｉｎｄ ｅｎｅｒｇｉｅｓ ａｎｄ ｔｈｅ ｄｉｖｅｒｓｉｔｙ ｏｆ ｌａｙｏｕｔ ｏｆ ｗｉｎｄ ｆａｒｍｓ．Ａ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ ｉｓ ｕｓｅｄ ｔｏ ｒｅａｌｉｚｅｃｌｕｓｔｅｒｉｎｇ ａｓｓｉｇｎｍｅｎｔｓ．Ｐｉｅｃｅｗｉｓｅ ｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅ ｆｕｎｃｔｉｏｎｓ ａｒｅ ｕｓｅｄ ｆｏｒ ｉｔｅｒａｔｉｖｅ ｓｏｌｕｔｉｏｎ ｔｏｅｎｓｕｒｅ ｔｈｅ ｓｐｅｅｄ ａｎｄ ａｃｃｕｒａｃｙ ｏｆ ｃｌｕｓｔｅｒｉｎｇ ｒｅｓｕｌｔｓ，ａｎｄ ｔｏ ｏｖｅｒｃｏｍｅｓ ｔｈｅ ｄｉｓａｄｖａｎｔａｇｅ ｏｆｔｒａｄｉｔｉｏｎａｌ ＳＶＣｓ ｉｎ ｃｌｕｓｔｅｒｉｎｇ ａｓｓｉｇｎｍｅｎｔｓ．Ｏｕｔｌｉｅｒ ｖａｌｕｅｓ ｏｆ ｓａｍｐｌｅｓ ａｒｅ ｕｓｅｄ ｔｏ ｍｏｄｉｆｙ ｔｈｅｃｌｕｓｔｅｒｉｎｇ ｒｅｓｕｌｔｓ ａｎｄ ｔｏ ｅｎｓｕｒｅ ｔｈｅ ｒａｔｉｏｎａｌｉｔｙ ｏｆ ｃｌｕｓｔｅｒｉｎｇ ｒｅｓｕｌｔｓ．Ａｎ ｅｑｕｉｖａｌｅｎｔ ｍｏｄｅｌ ｆｏｒｃａｂｌｅｓ ｉｓ ｂｕｉｌｔ ｂａｓｅｄ ｏｎ ｔｈｅ ｐｒｉｎｃｉｐｌｅ ｔｈａｔ ｔｈｅ ｔｅｒｍｉｎａｌ ｖｏｌｔａｇｅ ｏｆ ｗｉｎｄ ｔｕｒｂｉｎｅｓ ｋｅｅｐｓ ｕｎｃｈａｎｇｅｄ．Ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｏｆ ａ ｒｅａｌ ｗｉｎｄ ｆａｒｍ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｃｌｕｓｔｅｒｉｎｇ ｔｉｍｅ ｏｆ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ ｉｓａｂｏｕｔ ４％ｏｆ ＳＶＣ．Ｔｈｅ ｐｒｏｐｏｓｅｄ ｃｌｕｓｔｅｒｉｎｇ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ＧＡ ｏｐｔｉｍｉｚｅｓ ｔｈｅ ｎｕｍｂｅｒ ｏｆｅｑｕｉｖａｌｅｎｔ ｗｉｎｄ ｔｕｒｂｉｎｅｓ ｕｎｄｅｒ ｄｉｆｆｅｒｅｎｔ ａｃｃｕｒａｃｉｅｓ．Ｔｈｅ ｄｙｎａｍｉｃ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｓｕｃｈ ａｓ ａｃｔｉｖｅｐｏｗｅｒ ａｎｄ ｒｅａｃｔｉｖｅ ｐｏｗｅｒ ｏｆ ｅｑｕｉｖａｌｅｎｔ ｗｉｎｄ ｔｕｒｂｉｎｅｓ ａｒｅ ｈｉｇｈｌｙ ｃｏｎｓｉｓｔｅｎｔ ｗｉｔｈ ｔｈｏｓｅ ｏｆｉｎｄｉｖｉｄｕａｌ ｗｉｎｄ ｔｕｒｂｉｎｅｓ ｉｎ ｔｈｅ ｃｌｕｓｔｅｒ．Ｍｏｄｉｆｉｃａｔｉｏｎ ｕｓｉｎｇ ｏｕｔｌｉｅｒ ｖａｌｕｅｓ ｅｎｓｕｒｅｓ ｔｈａｔ ａｌｌ ｔｈｅｏｕｔｌｉｅｒ ｖａｌｕｅｓ ｏｆ ｗｉｎｄ ｔｕｒｂｉｎｅｓ ａｒｅ ｇｒｅａｔｅｒ ｔｈａｎ ０．Ｋｅｙｗｏｒｄｓ：ｌａｒｇｅ ｗｉｎｄ ｆａｒｍ；ｄｙｎａｍｉｃ ｅｑｕｉｖａｌｅｎｔ；ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｃｌｕｓｔｅｒｉｎｇ；ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ；ｓｅｇｍｅｎｔｅｄ ｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅ ｆｕｎｃｔｉｏｎ 第５期滕卫军，等：大型风电场动态等值的改进支持向量聚类算法 ｈｔｔｐ：∥ｗｗｗ．ｊｄｘｂ．ｃｎ ｈｔｔｐ：∥ｚｋｘｂ．ｘｊｔｕ．ｅｄｕ．ｃｎ 随着风电大规模入网，大型风电场并网对电力系统的影响日益受到人们的关注［１－２］。
大型风电场的动态等值方法研究
大型风电场的动态等值方法研究
白雁翔;王德林;马宁宁;朱亚飞
【期刊名称】《电工技术》
【年(卷),期】2018(000)013
【摘要】针对大型双馈机组组成的风电场,提出一种新的等值建模方法.首先根据风电机组的运行方式即风力发电机最大风能追踪运行(MPPT)模式和限功率运行模式,将风电场内的机群分成两大类.然后结合尾流效应和时滞效应,对风电场中的风力发电机组进行再分群,以消除机组之间的空间效应,同时对风电场实时备用容量给出了具体的计算方法.最后搭建了风电场的仿真模型,对不同风况及故障情况进行等值效果的验证,并通过误差精度分析,验证了该方法的有效性与可行性.
【总页数】5页(P46-49,52)
【作者】白雁翔;王德林;马宁宁;朱亚飞
【作者单位】西南交通大学电气工程学院,四川成都610031;西南交通大学电气工程学院,四川成都610031;西南交通大学电气工程学院,四川成都610031;西南交通大学电气工程学院,四川成都610031
【正文语种】中文
【中图分类】TM614
【相关文献】
1.大型风电场动态等值的改进支持向量聚类算法 [J], 滕卫军;王锡凡;石文辉
2.基于聚类分析的直驱永磁风电场动态等值研究 [J], 方力;陆宇烨
3.基于聚类分析的直驱永磁风电场动态等值研究 [J], 方力;陆宇烨;
4.用于电力系统电磁暂态分析的风电场动态等值建模研究 [J], SU Ke-
wen;ZHANG Yong-ming;HU Wei-fei
5.基于IDE-BAS算法分步辨识策略的风电场动态等值研究 [J], 李敬祥
因版权原因，仅展示原文概要，查看原文内容请购买。
大规模风电场的静态及动态等值方法
大规模风电场的静态及动态等值方法引言：工程实际中,风电并网对电网的影响经常是“场”，即若干台“机”集聚后对电网的综合效应。
因此,建立能够精确反映风电场运行特性的模型是进行所有其它相关问题研究的基础。
通常,大规模风电基地包含几千台风电机组,针对每台机组对风电场进行详细建模的任务相当繁琐，同时会导致潮流难于收敛，并且大大延长仿真时间，对系统分析软件计算规模提出更高要求。
同时复杂的风电场模型对运行调度部门进行日常方式安排和安全稳定措施控制研究也很不方便。
因此，对大规模风电场进行等值计算分析，对于工程实际很有意义。
风电场常用等值方法风电场常用等值方法有两种。
等值方法1如图1 所示。
图1 等值方法1图1把风电场等值成1台风电机和1台发电机，等值风电机组的容量等于所有风电机组容量的代数和，其输入为平均风速。
等值参数的计算公式如下：式中：MM为风电机组台数，下标eq表示等值后；S、P、C、H、K、D、Z G、Z T、v分别表示容量、有功功率、补偿电容、惯性时间常数、轴系刚度系数、轴系阻尼系数、发电机阻抗、机端变压器阻抗和风速。
等值方式2如图2所示。
图2 等值方法2等值方式2中，把风电场等值为1台发电机，保留所有风力机和风速模型，叠加风力机的机械转矩Tusm，并把其作为等值发电机的输入。
等值参数的计算公式如下：当风机间风速差异较大时，风速波动下采用等值方式1会出现有功功率和无功功率误差，而等值方式2仅会出现无功功率误差；故障条件下等值方式1、2都会出现有功功率和无功功率误差，其误差大小与故障持续时间、故障前风电机组的风速有关，此时等值方式2的等值精度优于等值方式1。
故障条件下，常用等值方法与分类方法相结合，这样可以显著提高风电场动态等值模型的精度。
风电场机组稳态等值：为了对含有风电场的电力系统进行传统的潮流分析,需要考虑不同类型风电场在潮流程序中的节点类型，理想的情况是将风电机组的稳态等值电路添加在潮流程序中,得到相应的滑差、有功和无功,从而求得修正方程式中的有功、无功不平衡量,进而修改雅克比矩阵,进行后续迭代计算。
风电场动态等值建模方法研究的开题报告
风电场动态等值建模方法研究的开题报告一、研究背景及意义随着清洁能源的不断发展，风力发电已经成为最重要的清洁能源之一。
然而，风能的不稳定性使得风电场的动态响应问题备受关注。
特别是在大规模的风电场中，风速的空间分布和时间变化会导致风场中的风机运行状态也发生变化，从而对风机的寿命、发电量等产生影响。
因此，精确地预测风电场中的动态响应，对保障风电场的运行安全和提高发电效率是至关重要的。
在风电场中，风机之间存在相互影响，影响关系是动态变化的，因此需要对风电场进行动态等值建模。
传统的风机等值建模方法采用静态等值法，即利用平均风速和其他参数来描述风机的数学等效模型。
然而，这种方法忽略了风电场中的随机性和动态响应性质，难以准确地反映风电场中的实际情况。
因此，开展风电场动态等值建模方法的研究，对于风电场的运行管理、优化控制、故障诊断等方面都具有重要的意义。
二、研究内容及方法本研究的主要内容如下：1. 风电场动态响应特性研究：对风电场的动态响应特性进行分析和研究，建立其相关模型。
2. 动态等值建模方法研究：对目前常用的静态等值方法进行评估和比较，提出针对性的动态等值建模方法。
3. 实验验证：通过实验数据验证动态等值建模方法的准确性。
本研究将采用数学建模和仿真方法，通过对现有数据的分析和实验的实际测试，建立风电场动态等值建模方法，并验证其可行性和有效性。
三、预期成果及应用价值1. 提出适用于风电场动态响应特性的动态等值建模方法；2. 探究风电场动态响应特性的影响因素和特点，为优化风电场的运行管理提供有力支撑；3. 为风力发电的长期发展提供重要技术支撑，加速我国清洁能源的发展。
风电场培训资料：风电场运行指标统计方法和评价办法
风电场运行指标统计方法和评价办法统计的基本概念统计的最基本概念是计数，它有两个基本要素，即对象和数量。
要做好统计工作，必须明确统计对象是什么？为了正确表示统计对象需要统计什么？采用什么样方法进行统计？也就是说，首先要根据具体任务确定统计对象的统计体系、统计范围和表示统计对象基本特征的参量，对各统计项目之间的内在联系加以必要的说明，提出统计大纲，即通常所说的“统计指标体系”。
其次，要对体系中各项具体指标计算范围、计算方式、统计数据采集、整理的方法等项均作明确的规定，即明确说明指标的涵义，这在统计学中称为“指标解释”。
“统计指标体系”和“指标解释”组成了统计文件，它是进行统计工作的依据，以保证统计工作的准确性、统一性和完备性。
运行指标统计的意义近几年来，建设资源节约、环境友好型社会大环境下，我国风电产业到了长足发展，风电装机容量正快速增长，同时出现了一批装机容量10万千瓦及以上大型风电场。
大型风电场投运，对风电场生产运行管理提出了要求。
建立系统、完备生产运行统计指标体系，是做好风电场运行管理基础性工作。
指标评价的概念及意义企业评价指标是企业绩效评价内容的载体，也是企业绩效评价内容的外在表现，它围绕着企业绩效的四个部分，建立逻辑严密、相互联系、互为补充的体系结构。
企业绩效评价指标是企业绩效评价内容的具体体现，企业绩效评价的综合结果也产生于企业绩效的四个主要方面。
评价指标分别按财务效益状况、资产营运状况、偿债能力状况和发展能力状况设计。
运行指标体系分类风电场生产统计指标体系以五类共65项指标为基本统计指标。
分列如下：一、自然特性指标本类指标用以反映风电场在统计周期内的实际自然资源状况。
采用平均风速、最大风速、极大风速、平均气温、平均空气密度、风功率密度、有效风速小时数、风速平率分布、风向频率分布九个指标加以综合表征。
1.平均风速在统计时段内（年、季度、月、日等）风电场测量得到的平均风速的算术平均值。
平均风速是反映风电场风资源状况的重要数据。
风电场并网装置运行参数动态调整技术
风电场并网装置运行参数动态调整技术近年来，风电成为了我国多种清洁能源中的重要组成部分，随着电网规模和风电容量增加，如何实现风电场的并网运行技术优化、降低电网峰谷差等问题逐渐凸显。
在这个过程中，风电场并网装置运行参数动态调整技术的应用受到越来越广泛的关注。
一、背景风电场是将多个风机通过高压电缆和配电装置并网连接起来，实现分散的风电并网系统。
而传统的发电方式主要依靠燃煤、燃气等化石燃料的燃烧。
风电并网带来了巨大的环保和经济效益，但也为电网的稳定运行带来了新的问题。
二、现状由于风能发电具有风速变化、随机性大、不稳定等特点，因此，风电场的并网选址、调试和运行具有较高的技术要求。
风电并网技术要求风电场的发电能力与电网需求相一致，同时又保持电压和频率波动合理。
根据国家电网公司的数据显示，截至2017年底，全国风电装机规模累计达到了184.43GW。
三、需求为了解决上述问题并提高风电场的并网质量，对风电场运行参数动态调整技术进行深入研究，已成为当前风电领域直接迫切需要解决的工程技术问题。
四、技术风电场并网装置运行参数动态调整技术是指根据电网电压、电流及频率等参数，对风电场控制器的调节参数进行实时调整，以确保风电场发电设备满足发电质量要求，具有高控制精度的智能控制系统。
该系统基于快速响应、自适应和迭代学习等机制，实现了风电并网设备的高效调节。
风电场并网装置运行参数动态调整技术的具体实施方法包括：1. 风电场与电网运行状态监测系统：对风电场发电设备的输出控制进行实时监测，根据风电场与电网之间的物理量（例如电压、电流、频率等）以及风电场运行状态的变化，实现对风电场并网运行状态的实时监测。
2. 控制器参数调节系统：基于运行状态监测数据以及智能控制理论，在不改变风电机组的基础结构和技术性能的前提下，优化对风电机组的控制，实现对风电场发电设备的动态控制。
3. 大数据智能化分析系统：通过对风电场数据的采集、存储和处理，结合大数据和人工智能等技术手段，实现风电场运行状态、工艺参数的智能分析和预测，维持风电场的运行稳定性和安全性，有效避免由于电网不稳定或发电机设备故障引起的损失和影响。
风电场群区域集控系统的静态与动态规划优化研究
风电场群区域集控系统的静态与动态规划优化研究摘要：随着可再生能源行业的发展，风电场群区域集控系统的优化研究成为了一个热门的话题。
本文将针对风电场群区域集控系统的静态与动态规划进行研究，以优化风电场的运行效率和发电量。
通过对系统内部的结构与组成进行分析，对风电场的静态和动态运行进行优化规划，提高能源利用效率。
1. 引言随着环境问题的日益严重和可再生能源技术的进步，风电场在能源领域的地位逐渐上升。
然而，传统的单个风力发电站存在发电效率低、能源利用率不高等问题。
为了提高风电场的整体运行效率和发电量，采用集控系统成为了一种可行的解决方案。
2. 风电场群区域集控系统的静态规划优化2.1 系统结构与组成分析风电场群区域集控系统由多个风力发电站组成，每个风力发电站都包含风机组、变频器、逆变器、传感器等设备。
通过对系统内部的结构与组成进行分析，可以优化系统布局，减少能量损失和互相干扰。
2.2 资源分配与调度静态规划优化主要关注的是风电场群区域的资源分配与调度。
资源分配包括风电场的布局优化、风机组的位置确定等；调度则需要考虑到不同风力发电站之间的协调运行，使得整个风电场群区域能够以最佳状态运行。
2.3 网络通信与数据管理风电场群区域集控系统需要通过网络通信来实现各个节点之间的信息传输和协作。
优化网络通信的方式可以提高系统的响应速度和稳定性。
此外，数据管理也是系统优化的关键，通过建立数据库和实时监测系统，可以及时掌握风电场的运行情况，优化系统调度。
3. 风电场群区域集控系统的动态规划优化3.1 风电场的预测与预警风电场的动态规划优化需要考虑到风力等天气因素的变化。
通过对气象数据的监测和分析，可以预测风力的波动情况，提前做好风电场的调度和控制。
此外，也可以建立风灾预警系统，及时采取措施减轻风灾对风电场的影响。
3.2 风电场的动态调度与控制动态规划优化的关键是对系统进行实时调度和控制。
根据不同区域的风力情况，可以调整风机组的转速和叶片角度等参数，以提高发电效率和稳定性。
采用动态灰聚类算法的风电场动态等值方法
采用动态灰聚类算法的风电场动态等值方法方瑞明;吴敏玲;王彦东;尚荣艳;彭长青【摘要】针对风电机组运行状况间具有动态灰色关联性的特点,提出一种基于动态灰聚类算法的风电场动态等值方法.首先,根据实测运行数据对风电机组间的关联性进行分析,并确定数据样本的跨度选取时长.然后,采用动态灰关联分析,构造一个可以体现风电机组运行状况间动态灰色关联性的关联度矩阵G;进而以G中的样本组作为聚类指标进行K均值聚类,得出更合理的机群划分结果.最后,采用容量加权法计算机群等值参数,完成风电场的动态等值.仿真实验结果表明:所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.%The characteristics of dynamic gray correlation among the different operation conditions of wind turbines are considered, and then a method of dynamic equivalence for wind farm based on dynamic gray clustering algorithm is proposed.Firstly, the correlation relationship among the wind turbines is analyzed by using the measured data, and the time span of data sample is determined.Secondly, a correlation matrix, named G, is constructed based on dynamic gray correlation analysis method, which can describe the characteristics of dynamic gray correlation among the different conditions of wind turbines.Thirdly, the K-means cluster method is adopted to divide all wind turbines in the wind farm into several groups.Meanwhile, the sample groups in G are used as clustering index.Finally, the equivalent parameters of each group are calculated by using the capacity weighting method, and a dynamic equivalent model of wind farm isobtained.Simulation results carried on a real wind farm indicate that theobtained model can describe the dynamic response characteristics of the wind farm with the accuracy close to the detailed model.【期刊名称】《华侨大学学报（自然科学版）》【年(卷),期】2017(038)002【总页数】7页(P218-224)【关键词】动态灰关联分析;聚类算法;风电场;机群划分;动态等值【作者】方瑞明;吴敏玲;王彦东;尚荣艳;彭长青【作者单位】华侨大学信息科学与工程学院, 福建厦门 361021;华侨大学信息科学与工程学院, 福建厦门 361021;华侨大学信息科学与工程学院, 福建厦门361021;华侨大学信息科学与工程学院, 福建厦门 361021;华侨大学信息科学与工程学院, 福建厦门 361021【正文语种】中文【中图分类】TM715由于风力发电的间歇性与随机波动性特征，大规模风电并网对电力系统的稳定性影响愈发显著[1-2].为了提高风电并网电力系统的分析精度，优化风电并网的控制策略，文献[3-12]借鉴传统电力系统动态等值中的同调等值法并结合某些聚类算法，将实测运行数据应用于风电场的动态多机等值建模方法中.然而，上述文献在应用实测运行数据进行风电场动态等值建模过程中，大多仅考虑了不同风速或风电功率数据对模型的影响.风电机组的发电过程是一个将风能转化为旋转机械能，再由旋转机械能转化为电能并向电网输出的复杂过程[13].其输出特性不仅受到风速等外部因素影响，还与机组内各部件和子系统的相互作用和耦合密切相关.因此，有必要从时间维度和空间维度综合分析考虑风电机组实测运行数据对风电场等值模型精度的影响.然而，风电机组的实测运行数据具有繁杂冗余的特点，如果不能对风电机组的外部特性与运行数据之间的关联性进行全面挖掘，则所建模型计算复杂度过高，缺乏实用价值.灰色关联分析理论是一种能够通过较少数据量来处理不确定关联性因素的有效方法[14]，它能够将不确定性量化，使系统“白化”，从而表现风电机组运行状况间的动态灰色关联性.本文结合灰色关联分析理论，提出一种基于动态灰聚类算法的风电场动态等值建模方法.自相关特性分析实质上是，将一个时间序列经由时间Δt平移得到另一个序列，通过计算两个序列间的自相关系数来描述当前数据值与时刻前数据变化的一致性.自相关系数ρΔt的计算式为式(1)中:cov(·)为协方差；var(·)为方差.ρΔt绝对值越大，则序列随时间变化的相关性越强.首先,对风电场实测运行数据进行自相关特性分析，数据可从机组的数据采集与监控(SCADA)系统获得.以某风电场为例，该风电场组的SCADA系统涉及的连续量监测项目共20项，计算各机组监测项目数据序列的自相关系数,并进行分析及对比.由于篇幅关系，文中仅选取风速、有功功率、发电机转速和齿轮箱输入轴温度为代表(其余16项监测项目的分析结果是一致的)，结果如图1所示.由图1可知：各风力发电机组相同项目数据序列对应的自相关系数，随时间跨度变化呈快速地无规律衰减振荡趋势；同一机组不同项目数据序列对应的自相关系数曲线较为相似，不同机组相同项目数据序列对应的自相关系数分布较为接近.这表明机组运行是个动态变化很快的过程，影响机组运行状况的因素间有着紧密的耦合相关，各机组运行状况间存在着不确定关联性，即灰色关联性.由于风电机组运行是个快速动态变化过程，因此，应用风电场实测运行数据进行风电场动态等值建模时，只需取自相关性较强数据，一般认为自相关系数降到0.3以下的数据与当前时刻的数据相关性较弱[15].1 d内22台风力发电机组风速数据序列的自相关系数曲线，如图2所示.其他相关项目的曲线与此类似，限于篇幅不再给出.由图2可知：对风电场实测运行数据进行分析时，以7 h(420 min)为跨度截取样本较为适宜.2.1 基于动态灰聚类算法的机群划分结合动态灰关联分析，构造出一个能体现风电机组运行状况间动态灰色关联性的关联度矩阵.然后，将其作为机群划分的聚类指标进行K均值聚类.从而改善传统聚类指标数据繁杂或包含信息不全的缺点，得出更合理的机群聚类结果，具体有以下10个主要步骤.1) 风电场实测运行数据的收集及预处理.2) 设某风电场为一个评价大系统，即{Xi，j∈(Si，Xj，Tt)}m·n·N，i=1，2，…，m；j=1，2，…，n；t=1，2，…，N.其中:Si为某时刻t第i台风电机组的运行状况；Xj为式(1)中选取的第j项监测项目；Tt为数据预处理后选定的第t个时刻；m为机组台数；n为监测项目个数；N为时刻个数.3) 定义A1，A2，…，An为不同时刻各风力发电机组运行状况监测项目的信息矩阵，即其中：xi，j(t)为第t个时刻第i台风机的第j项监测项目经数据预处理后的运行数据.4) 计算各时刻的各监测项目实测运行数据时间维度上的最大均值，有5) 对数据预处理后得到的小数据样本进行归一化(无纲量化)处理，即有6) 令表示某时刻单台风力发电机组运行状况的比较序列为7) 令表示所有风电机组综合运行状况的动态参考序列为8) 计算各时刻、各机组运行状况的比较序列Si(t)与参考系统S0(T)之间的灰色关联度，即有式(4)中:γ0，i(j)为灰色关联系数，γ0，i(j).其中，Δ0，i(j)=|xj(T)(t)|;两级最大差Δi(j);两级最小差Δi(j)，分辨系数取ρ=0.5.9) 所求的灰色关联度矩阵G,其计算式为式(5)中:γt，i为在时刻t第i台机组运行状况与所有机组综合运行状况间的灰关联度；gi为数据样本所选时间跨度内第i台机组运行状况的灰关联度变化序列. 10) 选取G中样本组作为聚类指标，计算样本组间的欧氏距离di，j进行K均值聚类，结果为通过计算样本组i的轮廓值S(i)判断聚类结果的合理性，即有式(7)中:a为样本i与同簇其他样本之间的平均距离；b为一个向量，其元素是样本i与不同簇的簇内样本之间的平均距离.S(i)取值范围为[-1，1]，S(i)值越大于0，说明样本i的分类越合理;否则，S(i)小于0,则说明样本i的分类不合理，还有比目前分类更合理的方案[6].2.2 等值模型参数计算假定同一类机群内有M台风力发电机组，则同群机组等值参数[16]为式(8)中:下标eq代表等值参数；M为等值机组数；H，K，D分别表示惯性时间常数、轴系刚度系数、轴系阻尼系数.由于风电场的集电系统对风电场实际出力有较大影响[17]，因此，还需对风电场集电系统进行等值.集电系统等值采用等值损耗功率法[18]，主要等值参数线路阻抗Zeq的计算式为式(9)中:Zk为第k条电缆阻抗；Pj为第j台风力发电机组的输出功率.3.1 某实际风电场的动态等值基于某实际风电场进行分析，该风电场内共有22台风力发电机组，单机额定容量为1.5 MW.该风电场公共连接点(PCC)为35 kV母线，经由T1升压至110 kV.为便于比较，将此风电场接入IEEE 39节点系统的35节点处，风电场详细模型单线示意图，如图3所示.在中国电力科学研究院所研发的电力系统全数字仿真平台上,搭建该系统模型,并进行仿真分析.根据前文分析，具体有如下3个主要的动态等值步骤.1) 风电场实测运行数据的收集及预处理.选取该风电场2012年10月14日8：02～15:02间7 h的20项SCADA系统连续量监测数据进行分析.剔除故障数据后，以每30 min为间隔随机选取一个样本，最终从这7 h各台风力发电机组20项监测项目数据内确定13个时刻的小数据样本.2) 机群划分.基于选取的小数据样本，计算机组运行状况间灰色关联度矩阵G,如图4所示.由图4可知:从空间横向比较，风电机组运行状况间的灰色关联度γ(i,t)是不同的，表现了风电机组运行状况间的灰色关联性；从时序纵向比较，各台风力发电机组运行状况的灰色关联度是动态变化的，表现了各台风力发电机组运行状况受多方面因素影响的随机动态波动性.因此,所求灰色关联度矩阵作为聚类指标，能够从时间与空间的角度量化地反映出风电机组运行状况间的动态灰色关联性，且其数据量少，满足建模的需求.基于同段时间风速数据和矩阵G的机群聚类结果，如表1所示.对应样本轮廓值S(i)，如图5所示.由图5可知：对聚类后样本S(i)进行计算，均大于0，表明聚类结果是达标的.由表1可知:依据风速数据得出的机群聚类结果比较分散，聚类结果仅片面地表现出风电机组间风速的差异性;依据灰色关联度矩阵得出的机群聚类结果大致符合按地理位置划分的规律，但机组WT6,WT8,WT19与WT20却没有划分到与之地理位置较近的机群里.这是由于受到天气、上游风电机组尾流效应、电网运行状况等灰色因素的影响.说明通过灰色关联矩阵作为聚类指标进行K均值聚类，能够将风电机组运行状况间隐藏的动态灰色关联信息全面地反映出来，得到更合理的机群聚类结果.3) 根据式(8)，(9)计算同群机组等值参数，得到等值后的风电场模型.3.2 仿真分析分别对电网侧三相接地短路故障和阵风扰动两种情况进行仿真分析.其中：在电网侧三相接地短路故障情况下，设系统在t=1.00 s时，母线24发生三相接地短路故障，在t=1.12 s时故障消除；而在阵风扰动情况下，设迎向风电场的阵风4 s启动，8 s结束，阵风最大值为3 m·s-1.分别采用传统单机等值模型、基于风速实测运行数据等值模型、基于动态灰聚类算法的等值模型和基于风电机组物理模型所搭建的详细模型(简称详细模型)进行分析，得到风电场PCC母线的无功功率(Q)、有功功率(P)的动态响应曲线，如图6,7所示.由图6,7可知:文中所提出的基于动态灰聚类算法的风电场动态等值建模方法，其结果与详细模型最为接近.这说明对实测运行数据进行自相关分析并引入动态灰聚类算法进行信息挖掘，可使机群划分结果更能反映风电机组运行状况间的动态灰色关联性.它不仅改善传统做法聚类时其指标信息不全的缺点，还可以有效地减少实测运行数据的繁杂冗余度，在提高模型精确度的同时，降低所建模型的计算复杂度. 提出动态灰聚类算法的风电场动态等值建模方法，使风电机组运行状况间的动态灰色关联性全面包含在聚类指标中，提高了风电场多机动态聚类等值效果，同时还克服了详细模型建模过程复杂、仿真时间长和单机模型精度低的不足.通过实例仿真分析可以看出：所建立的动态灰聚类算法的风电场动态等值模型的动态响应特性与详细模型较接近，能够较准确地反映风电场并网点的动态特性，适用于对风电并网暴露出的故障问题进行暂态稳定分析，具有重要的工程应用价值.【相关文献】[1] 李洪美，万秋兰，向昌明.考虑风速的风电场等值方法[J].电力自动化设备，2013，33(1):121-123，159.[2] ZOU Jianxiao，PENG Chao，XU Hongbing，et al.A Fuzzy clustering algorithm-based dynamic equivalent modeling method for wind farm with DFIG[J].IEEE Transactions on Energy Conversion，2015，30(4)：1329-1337.[3] 葛江北，周明，李庚银.大型风电场建模综述[J].电力系统保护与控制，2013，41(17):146-153.[4] CHOWDHURY M A，HOSSEINZADEH N，BILLAH M M.Dynamic DFIG wind farm model with an aggregation technique[C]∥Electrical and Computer Engineering.Dhaka:IEEE Press，2010:330-333.[5] 刘力卿，李秀锦，余洋，等.变速恒频双馈风电机组风电场动态出力特性建模方法[J].电力科学与工程，2011，27(12):7-11.[6] 陈树勇，王聪，申洪，等.基于聚类算法的风电场动态等值[J].中国电机工程学报，2012，32(4):11-19.[7] ALI M，ILIE I S，MILANOVIC J V.Wind farm model aggregation using probabilistic clustering[J].IEEE Transactions on Power Systems，2013，28(1):309-316.[8] 范国英，史坤鹏，郑太一，等.风电场集群接入系统后的聚类分析[J].电网技术，2011，35(11):62-66.[9] 林俐，陈迎.基于扩散映射理论的谱聚类算法的风电场机群划分[J].电力自动化设备，2013，339(6):113-118.[10] ZHAO Zhouli，YANG Ping.Dynamic equivalent modeling of wind farm with doublefed induction wind generator based on operating data[C]∥Power Electronics Systems and Applications.Hong Kong:IEEE Press，2013:1-6.[11] 苏勋文，米增强.基于运行数据的风电机组建模方法[J].电力系统保护与控制，2010，38(9):50-55.[12] 林俐，潘险险.基于分裂层次半监督谱聚类算法的风电场机群划分方法[J].电力自动化设备，2015，35(2):8-14.[13] 梁颖，方瑞明.基于SCADA和支持向量回归的风电机组状态在线评估方法[J].电力系统自动化，2013，37(14):7-31.[14] 杨良军，熊小伏，张媛.基于灰色关联度和理想解法的电力设备状态维修策略[J].电力系统保护与控制，2009，37(18):74-78.[15] 史书良.统计学原理[M].北京:清华大学出版社,2009:227-234.[16] 米增强，苏勋文，杨奇逊，等.风电场动态等值模型的多机表征方法[J].电工技术学报，2010，25(5):162-169.[17] 王碧阳，王锡凡，王秀丽，等.考虑集电系统的风电场可靠性评估[J].中国电机工程学报，2015，35(9):2105-2111.[18] MULJADI E，BUTTERFIELD C P，ELLIS A，et al.Equivalencing the collector system of a large wind power plant[C]∥IEEE Power Engineering Society GeneralMeeting.Montreal:IEEE Press，2006:1-6.。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
大规模风电场的静态及动态等值方法引言：工程实际中,风电并网对电网的影响经常是“场”，即若干台“机”集聚后对电网的综合效应。
因此,建立能够精确反映风电场运行特性的模型是进行所有其它相关问题研究的基础。
通常,大规模风电基地包含几千台风电机组,针对每台机组对风电场进行详细建模的任务相当繁琐，同时会导致潮流难于收敛，并且大大延长仿真时间，对系统分析软件计算规模提出更高要求。
同时复杂的风电场模型对运行调度部门进行日常方式安排和安全稳定措施控制研究也很不方便。
因此，对大规模风电场进行等值计算分析，对于工程实际很有意义。
风电场常用等值方法风电场常用等值方法有两种。
等值方法1如图1 所示。
图1 等值方法1图1把风电场等值成1台风电机和1台发电机，等值风电机组的容量等于所有风电机组容量的代数和，其输入为平均风速。
等值参数的计算公式如下：式中：MM为风电机组台数，下标eq表示等值后；S、P、C、H、K、D、Z G、Z T、v分别表示容量、有功功率、补偿电容、惯性时间常数、轴系刚度系数、轴系阻尼系数、发电机阻抗、机端变压器阻抗和风速。
等值方式2如图2所示。
图2 等值方法2等值方式2中，把风电场等值为1台发电机，保留所有风力机和风速模型，叠加风力机的机械转矩Tusm，并把其作为等值发电机的输入。
等值参数的计算公式如下：当风机间风速差异较大时，风速波动下采用等值方式1会出现有功功率和无功功率误差，而等值方式2仅会出现无功功率误差；故障条件下等值方式1、2都会出现有功功率和无功功率误差，其误差大小与故障持续时间、故障前风电机组的风速有关，此时等值方式2的等值精度优于等值方式1。
故障条件下，常用等值方法与分类方法相结合，这样可以显著提高风电场动态等值模型的精度。
风电场机组稳态等值：为了对含有风电场的电力系统进行传统的潮流分析,需要考虑不同类型风电场在潮流程序中的节点类型，理想的情况是将风电机组的稳态等值电路添加在潮流程序中,得到相应的滑差、有功和无功,从而求得修正方程式中的有功、无功不平衡量,进而修改雅克比矩阵,进行后续迭代计算。
但是,这种基于风电机组稳态等值电路的考虑无功变化的等值方法复杂了潮流程序,对于现有的工程分析软件难于实现。
同时,对于一定规模的风电场来说,由于大量机组聚集后的整体效应,整体无功波动随滑差的变化较小。
随着双馈机和全变流直驱机等具有交流励磁性能的机组成为主流机组,将风电场内机组转而等效为功率因数恒定的PQ节点或者是无功有一定限制的Pv节点,在工程实际中是可以接受的。
在对风电场进行稳态等值时,根据风电场不同的控制方式,相应采用PQ或PV节点类型；对于一些混合型风电场,例如定速异步机与双馈机混合型风电场,若全场采用恒功率因数控制方式,则可将风电场等值为PQ节点;若其中双馈机采用恒电压控制方式,则可将风电场转而等效为PQ和Pv两节点。
从系统分析角度来说,重点关注的是风电并网对输电系统的影响,因此针对整个风电场内的集电系统详细建模是没有必要的。
潮流计算时应根据风电机组的排列把风电场内部的集电线路等效成1个等值阻抗,其中风电场内部的集电线路分直埋电缆和架空线路两种。
由于电缆线路和架空线路参数差别大,应根据集电线路的种类对风电场内部的集电线路进行等值"直埋电缆的充电电容较大,一般是架空线路20一25倍,相当于在线路中并联了无功补偿设备,从而使风电场集电线路末端输出功率的功率因数与风电机组相差很大。
同时,对于大规模风电场来说,内部的电气接线是有一定规模的,这对于全网的无功平衡将起到一定作用。
因此,在对风电场进行等值时,应考虑风电场内部电气接线的等值。
因此，在稳态模型中，详细的风电场等效模型可以等效为图3 所示。
图3 风电场稳态等值示意图其中,风电场的等值节点类型根据风电场采用恒功率因数还是恒电压控制模式,相应地选用PQ节点和Pv节点。
风电场内部架空线与直埋电缆的等值阻抗与导纳等效在单机变与风场主变之间。
基于戴维南电路的双馈风电场等值方法设双馈风电场有图4所示的结构。
等值的要求是使用等效模型后，稳态及外部电网发生故障后PCC的电压、电流以及功率动态响应曲线与等值前保持一致。
具体的等值过程在此不再阐述，最终的等值风电场结构如图5所示。
图5 等值风电场结构风电场动态等值的多机表征：使用K-means算法，把所有风电机组的机群分类指标和分类数K输入到K-means算法中，得到机群分类指标的K个分群，每个分类指标对应一台风电机组，从而得到风电场的风机分群结果。
对等值模型进行参数计算，等值后K台风机表征的风电场模型结构图如图6所示。
图6 风电场等值结构图按分组投切电容器补偿等值的风电场模型：图7 分组投切电容器补偿的风电场等值模型双馈机组风电场的动态等值模型设风电场由N台相同型号的双反馈风电机组组成，利用SVM和等值前风电组的桨距角动作情况把风电机组分成三个分群，并把每个机群合并成一台等值风电机组，得出三台等值风电机组表征的风电场模型。
等值后结构如图8所示。
具体参数计算略。
图8 三机表征的风电场模型直驱永磁机组风电场的动态等值建模方法：设风电场由N 台相同型号的永磁同步风电机组组成，把所有风电机组等值成一台等值风电机组，等值后的风电场结构如图9所示。
图9 直驱永磁机组风电场等值模型国内外对风电场静、动态等值方法主要有如下几种：1、PQ 简化模型法。
假设风电场功率因数为已知量，tan Q P ϕ=，计算出无功功率，然后将风电场节点作为PQ 节点。
该法的局限是认为风电场的功率因数与单台风电机组的功率因数相同，并未考虑风电场内部集电系统的影响，当风电场规模较大时可能带来较大计算误差。
2、利用异步电机稳态等值电路RX 模型来进行潮流迭代，把异步电机的滑差表示成机端电压和有功功率的函数。
即在给定初始滑差和风速的条件下，由等值电路写出等值阻抗,将异步机组等效为阻抗型负荷加入到潮流计算程序中进行迭代计算。
RX 模型法充分考虑了风电的输出功率特性,但该法迭代次数较多,收敛速度慢,不适于含大规模风电基地系统的稳态潮流计算分析。
3、文献【1】提出了一种改进的电力系统潮流计算中风电场节点的考虑方法,认为当风速给定时,风电场节点的有功为已知量,而无功只是电压的函数,相当于只考虑风电场无功的静态电压特性。
4、在静态分析的层面提出风电场输出功率的合成计算方法,得到如下结论:①风电场内集电线路不同时,风电场的等值方法不同。
对所有风电机组,可忽略风速分布不同所引起的各机组输出功率变化对潮流计算的影响,得到风电场总的输出功率即可得到确定的潮流计算结果。
②可根据风电场风电机组参数把风电场等值成1台或多台风电机组,并将其分别视为PQ节点进行潮流计算。
5、针对风电场内的集电系统,提出风电场的实际拓扑结构、风电场内集电线路长短、集电系统的类型(架空线、直埋电缆等)均会对风电场内电气接线的等值造成影响。
并提出了先对风电场内机组进行归类,再对场内电气接线进行等值的思路。
（以上为静态等值方法的几种主要思路。
）6、基于容量加权的参数聚合方法，其借鉴了传统动态等值中相关机群动态识别!网络化简和参数聚合的办法。
7、基于同步发电机传递函数概念的多台定速异步机等值的参数辨识方法。
采用最小二乘法计算等值风电机的同步电抗、暂态电抗和转子时间常数。
该方法在精度上能满足要求,但方法过于复杂,并不适用于工程实际中大型风电基地的建模。
8、文献【2】认为风电模型基本模块应包含风速模型、风机模型、发电机模型和控制模型，同时认为在一个风电场内各台风电机组的联系紧密,在系统处于扰动过程中,各台机组的反应十分相似,只要单机模型足够精确,在工程上完全可以采用诸如加权求和的方法近似模拟。
对于同一风电场内多种型号机组并存的情况,可以采用多个集成模型模拟整个风电场。
9、改进加权法的恒速风力发电机参数聚合实用化方法。
该法只针对定速异步机,有一定的局限性。
10、将同调等值理论应用于风电场等值,该方法针刘某一特定故障下的风电机组转速偏差响应特性,将风电场内机组进行划分,然后按分组对机组参数进行简单聚合。
11、基于风电场输出特性的等值算法，将风电场输出特性作为衡量风电场等值参数的标准。
该方法将风电场并网点工况写入到优化目标函数中,采用遗传算法寻优,对风电场参数进行拟合。
该法的缺点是遗传算法寻优不一定是全局最优,同时遗传算法仿真时问较长,对于工程应用中的大规模风电基地的等值并不适用。
以上风电场等值方法,都从风电场本身的电气特性出发,对场内机组参数进行等值聚合，忽略了风电场电气特性与其接入近区系统之间的藕合关系,并没有充分考虑风电场接入后对系统安全稳定带来的影响。
同时用于等值的风电场拓扑结构与工程实际并不符合,等值算例的规模局限于几台至十几台风电机组,与实际工程中需要的大规模风电场等值模型差距较大。
说明：通过查询相关资料，找到一篇论文，其阐述了一种大规模风电集中接入电网的风电场建模方法，具体内容见附件2。
参考文献：【1】王伟胜，申洪. 电力系统潮流计算中风电场节点的考虑方法【J】. 华北电力大学学报，2002,31（2）；150-153【2】雷亚洲，Gordon.L. 国外风力发电电导则及动态模型简介【J】. 电网技术，2005,29(12);27-32。