[發明專利]一種風電場機群劃分方法

有效

• 申請號: 201410193280.2
• 申請日: 2014-05-08
• 公開（公告）號: CN103955521B
• 公開（公告）日: 2017-04-12
• 發明（設計）人: 林俐;潘險險;趙雙;張凌云;李丹;李亮玉;李凱;吳聰聰;鄒蘭青;周鵬;李詩童
• 申請（專利權）人: 華北電力大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/50
• 代理公司: 北京眾合誠成知識產權代理有限公司11246
• 代理人: 朱琨

技術領域

本發明屬于電力系統仿真領域，尤其涉及一種風電場機群劃分方法。

背景技術

近年來，隨著化石能源危機、環境污染和溫室效應等問題的進一步加劇，人們對低成本、無污染、可再生的風力發電的關注度逐漸增加，風力發電已成為當今世界應用最廣、發展最快、技術最為成熟的可再生能源發電方式。隨著風力發電和并網技術的發展，風電場對電網的負面影響日趨明顯，為分析風電并網對系統的影響，需要建立準確合理的風電場模型。

傳統的單機等值模型假設場內風速分布均勻，所有風電機組的運行點相同，而這一假設忽略了尾流效應和遲滯效應等因素的影響，通常是不合理的。部分學者提出多機表征模型，其主要思想是以機組具有相近運行點為機群劃分原則，采用某些聚類算法進行機群劃分，將同群內的機組合并為一臺等值機。k-means聚類算法是一種最常用的基于劃分的聚類算法，對于處理大數據集具有快速、高效以及可伸縮性好等優點。

風電機組運行中，風電機組的輸入風速是其運行中的一個重要特征量，可以反映風在風機上的作用情況，也可以反映機組所在地理位置的地形地貌以及相鄰機組之間相互影響等情況。機組的輸出功率是其風速經過復雜的風能轉化為電能物理過程的結果，反映了機組的控制及運行性能等概況，故用于風電場機群劃分的運行數據，通常可以采用風速、有功功率、無功功率等。但是一方面，由于k-means聚類算法利用迭代的重定位技術，在聚類劃分時將簇的質心作為聚類中心進行下一次機群劃分，如果實測數據中含有大量的孤立點數據，將會導致聚類中心遠離數據密集區，而趨向孤立點數據，將會在很大程度上降低聚類質量。

另一方面，k-means聚類算法對初始聚類中心的選取是隨機的，當兩個機群中心初始位置較近時，其包含的冗余信息較多，劃分結果容易陷入局部最優，造成聚類結果的不準確性和不穩定性。

發明內容

本發明的目的在于，針對目前風電場機群劃分質量不高問題，提出了一種風電場機群劃分方法，其特征在于，所述方法包括以下步驟：

步驟1、風電場實測數據孤立點數據處理；

步驟2、初始機群中心優化過程；

步驟3、機群劃分，判斷是否滿足終止條件；如果是，則機群劃分結束；否則執行步驟4；

步驟4、更新機群中心。

所述步驟1中，風電場實測數據孤立點數據處理過程為：

步驟101、假設某時段內風電場中有n臺風電機組并網運行，選取該時段內并網運行風電機組的實測運行數據，包括風速、有功功率或無功功率作為樣本，建立實測運行數據樣本矩陣：

x_ij表示第i臺風電機組在第j個時刻的實測運行數據，n為場內風電機組臺數，t為該時段內實測運行數據的采集時間點的個數；

步驟102、對于某一時刻的所有機組實測數據X_j而言，可定義樣本點x_ij(i＝1,2,…,n)處的勢函數為

Φ(xij)=Σa=1ne-4R2(xij-xaj)2---(2)]]>

其中