基于PMU实测数据的DFIG风电场等值模型鲁棒性与适应性分析

对传统聚合方法无法解决风电场长期运行过程中产生的参数变化问题,该文基于实测数据建立双馈感应发电机(DFIG)风电场详细等值模型与初始化方法,分析时变参数的轨迹灵敏度,提出首先将非时变参数固定为聚合值,然后利用风电场公共并网点相量测量单元(PMU)数据针对时变参数采用基因学习粒子群(GLPSO)混合算法进行参数辨识的策略。采用WECC标准算例分析不同风速、尾流效应、部分风电机组离线、风速未知、不同短路故障位置与电压暂降深度情形下等值模型的鲁棒性与适应性。仿真算例表明所提出的参数辨识方法全局寻优能力远高于标准粒子群与遗传算法。而且,对于高灵敏度参数,参数辨识结果与真实值的最大偏差小于10%,远优于目前技术水平。

双馈风电场等值阻抗模型在高频振荡研究中的适用性分析与评价

目前在对风电场高频振荡的研究中,风电场普遍采用等值阻抗模型,然而对于等值阻抗模型在高频段的适用性需要进一步分析与评价。针对这一问题,该文以双馈风电场为例,首先建立风电场中包含双馈风电机组、链路出口处电缆与风电机组间集电线路的链路详细高频阻抗模型。然后,采用常规等值方法聚合风电场,获得等值高频阻抗模型。进而,在同一链路不同风电机组之间控制延时、电流内环控制参数、网侧滤波器等关键参数存在差异的场景下,采用振荡频率相对误差、高频段相位均方根误差两个指标综合评价等值与详细风电场高频阻抗模型的一致性,并研究考虑与忽略风电机组间集电线路对等值高频阻抗模型适用性的影响。结果表明,风电机组间集电线路对风电场等值高频阻抗模型的适用性有较大影响;然而,在考虑风电机组间集电线路的影响后,同一链路不同风电机组的关键参数存在差异时对风电场等值高频阻抗模型的适用性影响较小。最后,在PSCAD/EMTDC仿真平台上搭建双馈风电场的仿真模型,通过仿真验证理论分析的正确性。文章所得结论可以为研究规模化风电场高频振荡现象提供等值模型的适用性参考依据。

基于分频段辨识的永磁直驱风电场小信号等值方法

随着风电渗透率不断增大,电力系统稳定性分析需要精确的风电场模型。鉴于精细风电场模型的复杂性,在保留所需精度水平的同时,建立对精细模型进行合理简化的等值模型是非常必要的。以等值前后风电场奈奎斯特特性一致为目标,提出一种适用于直驱风电场的小信号等值建模方法。通过直驱风电机组等值参数计算的并联原则,初步计算等值模型参数。结合粒子群优化算法对等值前后的系统奈奎斯特曲线进行分频段辨识,提升等值模型精确度。通过直驱风电机组四机支路等值建模算例对所提方法进行等值前后对比分析,结果表明所提出的小信号等值建模方法能够较好地反映等值前后时域、频域特性,等值效果良好。

基于低电压穿越控制策略的风电场等值方法

风电场通常包括多台同类型的风电机组,在大电网仿真计算中需要将风电场等值,以减小仿真规模并保证仿真的准确性。提出了基于风电机组低电压穿越特性的风电机组倍乘等值台数确定方法,该方法主要考虑了实际风电场中各风电机组出力不同对风电场等值的影响,基于双馈、全变流类型风电机组在低电压穿越期间的有功、无功控制策略,确定比较合理的等值机组台数,最后将风电场等值为多台出力相同的风电机组。通过对实际风电场的仿真分析表明,在不同控制方式下,综合考虑不同电压跌落水平的有功、无功最佳等值台数是一个范围,进而可以综合确定一个等值台数,以兼顾准确性和保守性。一般情况下,离线仿真可选择最小可能台数,在线仿真可选择有功最佳台数范围内的最小台数。

风速波动下双馈机组风电场动态等值

由于风电场动态行为的复杂性,对每台风机进行仿真计算难以满足系统动态安全分析要求。如何建立合适的风电场动态等值模型,正确评价风力发电对电力系统可靠运行的影响,是非常重要而迫切的。分析了风速变化时风机控制系统作用下风电场动态特性,提出双馈风电机组的动态分群方法以及同群机组的风速等值模型。并对分群后双馈机组及其电气接线系统进行等值聚合,提出了多机表征的风电场动态等值模型。算例在不同工况、故障和风速变化下进行等值效果比较,验证了该方法的有效性和可行性。

风电场等值建模研究综述

随着风电场规模的不断增大,对风电场中每台风机建模将造成计算量过大,不利于大型风电场的研究,需要对风电场进行等值化简。对双馈感应风机和直驱永磁同步风机两种当前热门机型的建模进行概述,同时介绍了潮流计算中风电场的处理方法,并对风电系统的等值进行了综述,包括风速的等值、风电场的分群、同群风机的等值方法、常用的参数优化算法及其对等值的影响。最后综述了含单一主流机型风电场通常采用的等值方法,并指出随着不同机型并存的大型混合风电场的增多,混合风电场等值建模研究的必要性及研究趋势。

含DFIG的风电场仿真等值模型研究与稳定性分析

根据风轮机原理提出了等值风速的概念,以及一种建立风电场等值机模型的方法。就风电场三种不同分布形式,分别提出了等值机模型建立的方法。针对所建立模型在PSCAD/EMTDC上进行仿真分析,验证所建模型的正确性,同时根据动态特性说明所建模型的适应性。

基于风电机组输出时间序列数据分群的风电场动态等值

为了在保证精度的前提下降低含风电场仿真系统模型的复杂度,以风电场并网点输出特性一致为目标,提出一种风电场动态等值方法。利用风电机组输出时间序列数据,应用几何模板匹配算法刻画该时间序列曲线特征,使用属性阈值聚类算法来实现风电机组分群,适用于所选时间序列的时间段内的所有时刻。在各群内,按照风电机组功率输出特性不变的原则对风电机组参数进行等值,以电压差不变为原则对集电线路进行等值。最后,以宁夏某实际风电场为例,分别选择不同时刻的风电机组状态为初值进行仿真,并比较风电场详细模型和等值模型的输出特性。结果表明,等值前后风电场并网点输出特性均保持一致,分群方法可以反映风电机组在该时间段内各时刻的运行特性,等值方法合理有效,具有一定的工程应用价值。

适合电力系统机电模式分析的双馈风电场等值

在小扰动稳定意义下,该文提出电力系统与双馈风电场交互作用的边界信号是并网母线频率。以并网点频率为输入,以双馈机组功率为输出的传递函数可以作为风电场动态子系统的数学模型。在研究电力系统机电振荡时,风电场动态子系统可进一步简化为一个复增益环节。因此,风电场等值模型可由一个恒功率源和一个受控功率源组合形成,该模型适用于主导机电模式的简化分析。基于一个三机系统算例,分别用等值模型和详细模型进行机电模式分析,二者分析结果接近,证实了所提等值方法的有效性。

大型风电场的等值模型及其改进研究

随着风电场规模的日趋扩大,其随机变化功率对接入电网的影响也越来越受到重视。风电场并网的仿真研究中,通常将数十台甚至上千台风力发电机等值简化为由几台风电机组成的风电场模型。因此,如何在多方面因素的影响下建立符合实际情况的风电场等值模型极为重要。本文分析了风电场风速的实际状况,运用同调等值法,结合风速产生的尾流效应和时滞效应,对大型风电场中不同型号的双馈风力发电机(DFIG)进行了区域划分,将同一区域的风电机等值为一台风电机。最后,基于Matlab/Simulink仿真平台,验证了在不同风速情况、故障情况下的等值效果,证实了本文等值方法的正确性,为风电场并网研究提供了一种可靠的参考模型。

基于双馈式风电机组的风电场实用动态等值模型研究

针对采用风电场详细模型导致仿真计算复杂的问题,对风电场动态等值展开研究。选取机组类型和参数完全相同的风电场,提出基于风速等值的单机倍乘等值法;以机组类型相同但参数不完全相同的风电场为例,采用基于同调等值的容量加权等值法。基于DIgSILENT/PowerFactory软件,通过比较风电场单机倍乘模型、容量加权模型和详细模型在风速改变和暂态故障情况下的仿真结果,验证了不同模型的准确性和适用性,结果表明所提方法实用有效。

基于轨迹灵敏度分析的永磁直驱风电场等值模型参数辨识

大规模风电场接入电网对电力系统稳定性具有重大影响。为提高仿真速度,研究风电场等值模型具有十分重要的意义。针对传统聚合方法无法解决风电场长期运行过程中产生的参数变化问题以及厂家将控制系统参数作为商业机密问题,该文基于风电场公共并网点相量测量单元数据建立了永磁直驱风电场详细动态等值模型与初始化方法,分析参数的轨迹灵敏度,提出了对高灵敏度且时变参数以及高灵敏度控制系统参数采用改进的基因学习粒子群(GLPSO)混合算法进行参数辨识,其他参数固定为聚合值或典型值的策略。分析了不同风速、尾流效应、部分风机离线、风速未知情形下,等值模型的鲁棒性与适应性。仿真算例表明,所提出的参数辨识方法能够提高全局寻优能力。

考虑风电随机性的直驱风机风电场等值模型评价方法

近年来,直驱风机风电场引发的电力系统次同步振荡现象成为了研究的热点。然而,尚未有文献对适用于次同步振荡研究的风电场等值模型进行研究。该文提出在考虑风电随机性的情况下评价等值模型适用性的方法。首先,以风电场等值模型与详细模型对应特征根的平均欧氏距离为判别依据,采用二次函数逼近的方法刻画该距离与注入风功率之间的非线性关系,然后利用高斯混合模型刻画风功率的概率分布,并利用高斯混合模型的性质求取上述平均欧氏距离的分布函数。通过计算这一分布的均值和方差可以对不同等值模型进行评价,均值和方差均较小的等值模型在风电随机变化的情况下能更准确地反映真实风电场的动态特性。最后,以聚合等值模型和基于输出倍乘的单机等值模型为例介绍了文中所提评价方法的应用流程。

适用于次同步振荡分析的直驱式风电场等值方法

为解决大规模直驱式风电场阻抗建模困难和数值仿真节点限制的问题,基于阻抗分析法的核心原理,以等值前、后直驱式风电场外阻抗特性相一致为目标,提出了适用于次同步振荡分析的直驱式风电场等值方法。该方法包括基于阻抗灵敏度分析的分群聚合和基于遗传算法的等值降阶2个步骤。分别以风电场含相同型号直驱风机和不同型号直驱风机为例,对等值前、后的直驱式风电场外阻抗特性进行对比分析。结果表明,所提方法能够实现大规模直驱式风电场模型的等值降阶,等值前、后的直驱式风电场外阻抗特性较为接近,其等值误差能够被量化。

基于风力机输出功率序列相似度匹配的风电场分群新方法

为提高风电场等值模型的精度,需要将处于不同运行状态的风力机组进行分群,对此提出一种应用谱分析聚类算法的风电场机组分群方法。该方法以一段时间内各风力机组输出有功、无功序列间的相似度为分群指标,利用基于几何样板匹配的谱分析聚类算法对各风力机组的运行数据进行聚类分析,寻找动态运行过程中相似度较高的机组并将其划为同一个机群,最终完成对风电场内全部风力机组的分群。实际算例的仿真结果表明,等值模型与详细模型的输出特性一致,分群结果可反映该段时间内风力机组的运行特性,分群方法合理、有效。

基于EMTP-RV的电网短路故障对风电场运行的影响研究

分析风电场并网运行时公共连接点母线的电压波动是由风电场输出的有功功率变化引起的。从异步电机作为负荷的等效电路出发,研究由双馈式异步发电系统构成的风电场单机等值模型。搭建由双馈风电机组构成的风电场的电力系统模型,分析了风电场并网运行特性。分析电网发生三相接地短路和单相接地短路故障时的风电场输出的有功输出、公共连接点母线无功电压波动以及系统频率的变化等暂态变化。

基于特征影响因子和改进BP算法的直驱风机风电场建模方法

风电场/场群规模化接入电网背景下,电网的故障暂态特性发生了根本性改变。然而,现有单机等值型无法精确表征风电场/场群的故障暂态特性。该文提出一种基于特征影响因子和改进人工神经网络反向传播(backpropagation neuronnetworks,BP)算法的直驱风机风电场建模方法。首先,建立直驱风机暂态模型,通过理论分析构建风机与公共连接点(point of common coupling,PCC)距离、直流侧限流措施投入情况、风速、出口处无功功率等故障特征影响因子。然后,对特征影响因子集计算欧式距离,基于改进最大最小距离法提取风机的分类初始中心。通过改进BP算法,以特征影响因子和分类初始中心为训练集,实现神经网络的快速收敛。最后,通过仿真算例,对所提方法进行验证。仿真结果表明,所述方法在收敛速度、建模精度方面,与传统BP算法和单机等值建模方法相比均有较大提升。

基于FCM-等值风速模型的风功率日前预测

由于风速的随机性、间歇性,以及风电场内各机组风速、功率的分散性,给风功率预测带来了较大难度。在计算风速线性相关的权值基础上,提出了改进模糊C均值聚类算法(fuzzy c-means,FCM)的风速模型,建立了风电场等值风速与改进FCM风速的关系函数。以某风电场实测数据进行验证,结果表明:所提风电功率预测方法算法简单;该方法预测精度提高了71.35%。在该风电场不同日周期下,验证了所提预测方法的有效性和普适性。

直驱风电场聚合模型下次同步振荡模态特征的保真度分析与评价

近年来,并网风电场引起的次同步振荡事故频发,严重威胁着高比例新能源电力系统的安全稳定运行。在研究并网风电场次同步振荡现象时,为了降低模型阶数,提高计算效率,通常将风电场进行聚合等值,然而聚合前后风电场次同步模态特征极有可能不一致,甚至可能出现模态特征相背离的现象,因此亟待评估风电场聚合模型下次同步振荡模态特征的保真度。该文以直驱风电场为例,建立了包含4条链路、16台直驱风电机组的详细风电场状态空间模型,采用模式分析法得到了系统主导次同步振荡模态及其主要参与环节。然后,采用容量加权法聚合同一链路上的风电机组得到4机聚合模型,聚合不同链路上的风电机组得到2机、单机聚合模型。进而,考虑详细风电场中不同链路风机在风功率和控制参数上存在差异的情况下,提出从数值和趋势两方面评价聚合模型与详细模型次同步模态频率与阻尼比特征的相似性,来分析和评估次同步振荡模态聚合前后的保真度。研究结果表明,不同链路间的聚合会降低次同步模态特征的保真度,尤其是阻尼比特征;不同机组控制参数差异对聚合模型次同步模态保真度的影响要高于风功率差异,当不同链路风机的控制参数差异较大时,聚合后的次同步模态在阻尼比上可能表现为与实际系统相反的特征,甚至导致次同步振荡现象不一致的问题。

基于模型-数据混合驱动的风电场暂态过程等值方法

针对大规模风电场接入给电力系统安全稳定分析过程带来的方程高维性、计算效率低问题,提出了一种基于模型-数据混合驱动的风电场暂态过程等值方法。对整个风电场进行两阶段聚合,最终将含有多台风机的风电场等值为单台风机模型。第一阶段等值过程中基于物理模型驱动思想,通过获取不同风速下风机并网点有功暂态响应特性及出力特性,采用K-means方法将所有风机聚合为四台等效风机。第二阶段基于数据驱动策略,通过所建立风电场并网点有功偏差最小的多时段优化模型并结合长短期记忆网络(long short term memory,LSTM)训练,将四台等效风机聚合为单台风机模型,实现了整个风电场的暂态过程等值聚合。通过算例验证了所提等值方法能够有效地反映风电场的暂态过程特性,为电力系统安全稳定分析模型降维提供了一种实用化解决方案。