[發明專利]基于主成份分析法和分層聚類算法的風電場等值建模方法

在審

• 申請號: 201810744610.0
• 申請日: 2018-07-09
• 公開（公告）號: CN108899930A
• 公開（公告）日: 2018-11-27
• 發明（設計）人: 蔣文波;仲明月;唐春林
• 申請（專利權）人: 西華大學
• 主分類號: H02J3/38
• 分類號: H02J3/38;G06F17/50
• 代理公司: 成都正華專利代理事務所(普通合伙) 51229
• 代理人: 李林合;李蕊

本發明公開了一種基于主成份分析法和分層聚類算法的風電場等值建模方法，包括：根據構建的雙饋風力發電機組的數學模型，提取表征風電機組運行狀態的13個完整狀態變量；基于主成份分析法，提取13個狀態變量中表征狀態變量主要振蕩特性的主導變量；將主導變量作為分群指標，采用分層聚類算法對雙饋風力發電機組的風電場進行聚類分群；根據主導變量聚類分群的結果，將風電場劃分為若干個機組群；基于劃分結果，構建風電場等值模型。本發明計算復雜度低、易于實現、適用范圍更廣，且能較好滿足風電場動態等值分析的實際需求，為分析風電并網后的電力系統安全性和穩定性提供了良好的理論基礎。

技術領域

本發明屬于電力系統的技術領域，具體涉及一種基于主成份分析法和分層聚類算法的風電場等值建模方法。

背景技術

對風電并網后的電力系統安全穩定運行的研究，首要問題是搭建較為精確的風電場模型。若建立風電場的詳細模型，則會增大整個電力系統建模難度，同時模型難以修正，并極大地增加了時域仿真時間。在實際工程應用中，常常將整個風電場作為一個微電網，考慮其對電網的影響，因此有必要搭建等值模型來表征整個風電場的運行狀態。對模型的要求是：模型復雜度低、易于實現，且盡量滿足實際運行狀態。

然而，現有模型要么考慮完整的狀態變量，導致計算量大，優化時間長，計算速度慢；要么考慮單一變量，雖計算量小，但又不滿足實際運行狀態。隨著風電場規模的日益增大，現有建模方法的缺點更加明顯，急需找出一種復雜度更低、且更加合理有效的建模方法。

發明內容

本發明的目的在于針對上述現有技術中的不足，提供一種基于主成份分析法和分層聚類算法的風電場等值建模方法，以解決現有風電場模型計算復雜度高、難于實現、不滿足風電場動態等值分析實際需求等問題。

為達到上述目的，本發明采取的技術方案是：

基于主成份分析法和分層聚類算法的風電場等值建模方法，其包括：

步驟1：根據構建的雙饋風力發電機組的數學模型，提取表征風電機組運行狀態的13個完整狀態變量；

步驟2：基于主成份分析法提取13個狀態變量中表征狀態變量主要振蕩特性的主導變量；

步驟3：將主導變量作為分群指標，采用分層聚類算法對雙饋風力發電機組的風電場進行聚類分群；

步驟4：根據主導變量聚類分群的結果將風電場劃分為若干個機組群；

步驟5：根據劃分結果，構建雙饋風電場等值模型。

優選地，13個狀態變量分別為轉差率S、槳距角β、風力機轉矩T_m、轉子機械轉矩T_t、電磁轉矩T_e、定子直軸電流I_ds、定子交軸電流I_qs、轉子直軸電流I_dr、轉子交軸電流I_qr、轉子直軸電壓U_dr、轉子交軸電壓U_qr、直軸暫態電勢E_d、交軸暫態電勢E_q。

優選地，基于主成份分析法提取13個狀態變量中主導變量的方法為：

根據13個狀態變量所解釋的方差及其累計和、狀態變量初始特征值的碎石圖、狀態變量的因子載荷陣和狀態變量的初值，從而確定轉差率S和風力機轉矩T_m為表征狀態變量主要振蕩特性的主導變量。

優選地，分別將主導變量和13個完整狀態變量作為分群指標，并分別得到其聚類分群結果，若兩者所得的聚類分群結果一致，則提取的主導變量作為分群指標具備有效性；若不一致，則不具備有效性。

本發明提供的基于主成份分析法和分層聚類算法的風電場等值建模方法，具有以下有益效果：