[發明專利]一種基于風電機組運行狀態的實用化等值建模方法

有效

• 申請號: 201810878905.7
• 申請日: 2018-08-03
• 公開（公告）號: CN109086527B
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 韓平平;夏雨;張炎;張宇;胡騫;林子豪
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F17/16;G06K9/62
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 何梅生

1.一種基于風電機組運行狀態的實用化等值建模方法，其特征在是按如下步驟進行：

步驟1、采集風電場中各臺風電機組的機械特性變量和電氣特性變量的暫穩態數據作為聚類指標；

步驟2、采用主成分分析的方法消除聚類指標之間的強相關性和冗余性，獲得主成分分析后的聚類指標數據，記為主成分數據；

步驟3、對所述主成分數據采用相關性分析，獲得主成分數據的相關系數；對所述主成分數據采用顯著性檢驗，獲得風電機組的相關關系；由所述風電機組的相關關系獲得風電機組的聚類結果；

步驟4、利用所述風電機組的聚類結果建立風電場等值模型并計算風電場等值模型的輸入參數，實現基于風電機組運行狀態的實用化等值建模。

2.根據權利要求1所述的基于風電機組運行狀態的實用化等值建模方法，其特征是：步驟1中所述風電機組機械特性變量是指風電機組的轉速、電氣扭矩、機械扭矩和滑差，所述風電機組電氣特性變量是指風電機組的電壓、有功功率、無功功率、定子電流d、q軸分量、轉子電流d、q軸分量和轉子電壓d、q軸分量，所述暫穩態數據是指分別在初始穩態期間選取1個時間點，在故障期間均勻選取3個時間點，在故障切除后選取1個時間點的數據。

3.根據權利要求1所述的基于風電機組運行狀態的實用化等值建模方法，其特征是：步驟2中所述主成分分析按如下過程進行：

步驟a、原始變量數據標準化

假定：原始變量數據樣本容量為n，每個樣本個體包含p維變量數據，組成由式(1)所表征的樣本數據矩陣X：

x_ik為第i個樣本第k維變量數據，1≤i≤n,1≤k≤p；

將樣本數據矩陣X記為式(2)：X＝(X₁,X₂,…,X_k,…,X_p) (2)，

X_k＝[x_1k x_2k … x_ik … x_nk]^T，1≤k≤p，X_k為樣本數據矩陣X中的第k維向量；

利用式(5)對樣本數據矩陣X進行數據標準化處理，得到式(3)表征的標準化數據矩陣Z：

將標準化數據矩陣Z記為式(4)：Z＝(Z₁,Z₂,…,Z_k,…,Z_p) (4)，

Z_k＝[z_1k z_2k … z_ik … z_nk]^T，Z_k為標準化數據矩陣Z中第k維向量；

式(5)中，z_ik為第i個樣本第k維變量的標準化數據，為樣本數據矩陣X中第k維向量X_k的均值；S_k為樣本數據矩陣X第k維向量X_k的方差；

步驟b、求取相關系數矩陣R的特征值和特征向量

標準化數據矩陣Z的相關系數矩陣R由式(6)所表征：

式(6)中，相關系數r_jk表示標準化矩陣Z中第j維向量Z_j和第k維向量Z_k間的關系，1≤j≤p，且由式(7)計算獲得：

Cov(Z_j,Z_k)為標準化矩陣Z中第j維向量Z_j和第k維向量Z_k間的協方差；

Var(Z_j)為標準化矩陣Z中第j維向量Z_j的方差；

Var(Z_k)為標準化矩陣Z中第k維向量Z_k的方差；

通過求解由式(8)所表征的相關系數矩陣R的特征方程，獲得相關系數矩陣R的特征值和特征向量；

|λI-R|＝0 (8)，

式(8)中，λ為相關系數矩陣R的特征值變量，λ有p個解，分別為λ₁,λ₂,…,λ_k,…,λ_p；I是由式(9)所表征的p階單位矩陣：

相關系數矩陣R的特征向量矩陣a由式(10)所表征：

將所述特征向量矩陣a記為式(11)：a＝(a₁,a₂,…,a_k,…,a_p) (11)，

式(11)中，a_k為相關系數矩陣R的特征向量矩陣a中第k維特征向量，a_k是與相關系數矩陣R的特征值變量λ_k相對應的特征向量，a_k＝[a_1k a_2k … a_jk … a_pk]^T；

步驟c、求解方差貢獻率向量α和累積方差貢獻率向量β，進行降維分析：

針對所述特征值變量λ的p個解按照從大到小的順序排序并組成向量，得到由式(12)所表征的降序特征值向量λ_r：

λ_r＝[λ_r1 λ_r2 … λ_rp]^T (12)，

與所述降序特征值向量λ_r所對應的主成分分量向量F由式(13)所表征：

F＝[F₁ F₂ … F_k … F_p]^T (13)，

式中，F_k為主成分分量向量F中第k個主成分分量；

方差貢獻率向量α由式(14)表征：

α＝[α₁ α₂ … α_k … α_p]^T (14)；

其中，α_k為主成分分量向量F中第k個主成分分量F_k的方差貢獻率；λ_rk和λ_rj分別為降序特征向量λ_r中第k個變量數據和第j個變量數據；

累積方差貢獻率向量β由式(16)表征：

β＝[β₁ β₂ … β_k … β_p]^T (16)；

式中，β_k為主成分分量向量F中前k個主成分分量F₁,F₂,…,F_k的累積方差貢獻率，1≤m≤k，λ_rm為降序特征向量λ_r中第m個變量數據；

以累積方差貢獻率β_k達到80％為降維標準確定k值，選取主成分分量向量F中前k個主成分分量F₁,F₂,…,F_k作為有效數據；

步驟d、計算主成分數據矩陣F_1-k

第k個主成分分量F_k由式(18)所表征：

F_k＝a_1kX₁+a_2kX₂+…+a_jkX_j+…+a_pkX_p (18)，

其中，X_j為樣本數據矩陣X的第j維向量；

根據式(18)計算主成分向量F中前k個主成分分量F₁,F₂,…,F_k，得到由式(19)所表征的主成分數據矩陣F_1-k：

F_1-k＝[F₁ F₂ … F_k]^T (19)，

主成分數據矩陣F_1-k是k行n列的矩陣，記為：

式中，為主成分數據矩陣F_1-k第n維向量。