CN104392056A - 一种直驱风电机组建模方法及装置 - Google Patents
一种直驱风电机组建模方法及装置 Download PDFInfo
- Publication number
- CN104392056A CN104392056A CN201410708977.9A CN201410708977A CN104392056A CN 104392056 A CN104392056 A CN 104392056A CN 201410708977 A CN201410708977 A CN 201410708977A CN 104392056 A CN104392056 A CN 104392056A
- Authority
- CN
- China
- Prior art keywords
- parameter
- model
- low voltage
- modeling
- directly driven
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Wind Motors (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明涉及一种直驱风电机组建模方法及装置,其中,该方法包括:通过低电压穿越现场测试获得待建模的直驱风电机组的低电压穿越实测特性曲线及测试数据;对比待建模的直驱风电机组的低电压穿越特征与直驱风机模型库内存储的信息,完成风机类型匹配和风机特性匹配,从直驱风机模型库中找出与待建模的直驱风电机组最相似的已知风电机组模型;根据已知风电机组模型的参数类型确定待建模的直驱风电机组的待辨识参数对象,并将已知风机模型的参数作为待建模的直驱风电机组的待辨识参数对象的初始参数;利用初始参数和风机实测特性曲线,通过遗传算法确定待辨识参数,获得满足误差要求的参数;并利用满足误差要求的参数获得待建模的直驱风电机组的模型。
Description
技术领域
本发明涉及直驱风电技术领域,特别涉及一种直驱风电机组建模方法及装置。
背景技术
随着化石能源的日渐枯竭,以及环境保护的压力增加,人们对清洁可持续能源的渴求日益强烈。风电以其技术成熟、资源丰富的优势,在清洁能源发展中处于优先位置。随着风电的跨越式发展,风电装机规模的爆发式增长与电网建设相对滞后的矛盾日益凸显。应对大规模风电接入的源网协调技术成为电力生产和科研的热点和重点。而开展上述工作的基础是建立合适且准确的风电机组数学和仿真模型。目前,国际上IEC-TC88-WG27风力发电建模工作组、美国WECC建模工作组等研究组织或机构均在开展风电机组/风电场的建模工作,中国电科院牵头编写的能源行业标准《风电机组低电压穿越建模及验证方法》也已报批。上述标准提供了通用的风电机组仿真模型,为开展针对性的仿真建模工作提供了有效指导。
目前针对风电机组建模的研究也已经比较成熟,基于多种仿真平台的风电机组模型已有文献介绍,并基于上述模型开展了包括低电压穿越、并网控制、功率调节等一系列研究。但是目前主流研究中风电机组的模型都基于通用的理论模型,所建立的模型没有经过实际运行数据的验证,模型的准确性和适用性较低,不能够完全准确模拟大规模风电接入后的运行工况。
发明内容
为解决现有技术的问题,本发明提出一种直驱风电机组建模方法及装置,直驱风电机组低电压穿越测试获取的丰富实测数据,基于低电压穿越测试数据对直驱风电机建模。从而建立的模型的准确性和适用性都很高。
为实现上述目的,本发明提供了一种直驱风电机组建模方法,该方法包括:
通过低电压穿越现场测试获得待建模的直驱风电机组的低电压穿越实测特性曲线及测试数据;
对比待建模的直驱风电机组的低电压穿越特征与直驱风机模型库内存储的信息,完成风机类型匹配和风机特性匹配,从所述直驱风机模型库中找出与待建模的直驱风电机组最相似的已知风电机组模型;
根据已知风电机组模型的参数类型确定待建模的直驱风电机组的待辨识参数对象,并将已知风机模型的参数作为待建模的直驱风电机组的待辨识参数对象的初始参数;其中,所述待辨识参数包括:直流电压外环控制器比例增益Kvdc、直流电压外环控制器时间常数Tvdc、无功功率外环控制器比例增益KQ、无功功率外环控制器时间常数TQ、低电压穿越控制器无功电流最大值imax、低电压穿越控制器直流电压上限值Udc_max、低电压穿越控制器直流电压下限值Udc_min、低电压穿越控制器电网电压外环控制比例增益KVs、低电压穿越控制器电网电压外环控制时间常数TVs;
利用初始参数和风机实测特性曲线,通过遗传算法确定待辨识参数,获得满足误差要求的参数;并利用满足误差要求的参数获得待建模的直驱风电机组的模型。
优选地,还包括:
将建成的直驱风电机组的模型存入所述直驱风机模型库内。
优选地,所述风机类型匹配的信息包括:风机低穿保护装置信息、保护触发条件信息、保护退出时延信息。
优选地,所述直驱风机模型库包括:风机模型模块、低电压穿越类型模块、待建模的风机实测曲线模块、风机模型的参数模块。
为实现上述目的,本发明还提供了一种直驱风电机组建模装置,该装置包括:
现场测试单元,用于通过低电压穿越现场测试获得待建模的直驱风电机组的低电压穿越实测特性曲线及测试数据;
匹配单元,用于对比待建模的直驱风电机组的低电压穿越特征与直驱风机模型库内存储的信息,完成风机类型匹配和风机特性匹配,从所述直驱风机模型库中找出与待建模的直驱风电机组最相似的已知风电机组模型;
参数单元,用于根据已知风电机组模型的参数类型确定待建模的直驱风电机组的待辨识参数对象,并将已知风机模型的参数作为待建模的直驱风电机组的待辨识参数对象的初始参数;其中,所述待辨识参数包括:直流电压外环控制器比例增益Kvdc、直流电压外环控制器时间常数Tvdc、无功功率外环控制器比例增益KQ、无功功率外环控制器时间常数TQ、低电压穿越控制器无功电流最大值imax、低电压穿越控制器直流电压上限值Udc_max、低电压穿越控制器直流电压下限值Udc_min、低电压穿越控制器电网电压外环控制比例增益KVs、低电压穿越控制器电网电压外环控制时间常数TVs;
建模单元,用于利用初始参数和风机实测特性曲线,通过遗传算法确定待辨识参数,获得满足误差要求的参数,利用满足误差要求的参数获得待建模的直驱风电机组的模型。
优选地,还包括:
直驱风机模型单元,用于将建成的直驱风电机组的模型作为已知模型进行存储。
优选地,所述匹配单元匹配的风机类型信息包括:风机低穿保护装置信息、保护触发条件信息、保护退出时延信息。
优选地,所述直驱风机模型单元包括:风机模型模块、低电压穿越类型模块、待建模的风机实测曲线模块、风机模型的参数模块。
上述技术方案具有如下有益效果:
(1)根据风机低电压穿越期间的特性进行分类汇总,忽略了部分暂态过程,只关注最重要的特征,可以为新的风电机组测试曲线匹配最近似的原始模型,降低后续辨识的盲目性,提高辨识效率。
(2)针对DIgSILENT仿真慢的问题,改进了遗传算法,建立了基因库,通过基因库将每一代种群的基因和适应度函数以及评价函数值存储起来,在新种群产生时,通过比较查询,筛选出重复出现的基因,直接读取库中适应度函数,跳过函数计算过程,减少计算量,提高辨识效率。
(3)建立了风机模型库,通过新辨识的风电机组入库的方式,实现风机模型和参数库的不断更新与丰富。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提出的一种直驱风电机组建模方法流程图;
图2为本发明技术方案的直驱风电机组低电压穿越现场测试示意图;
图3为本发明技术方案的直驱风电机组低电压穿越测试的流程图;
图4为本发明技术方案的直驱风电机组低电压穿越曲线分区图;
图5为本发明技术方案的遗传算法流程图;
图6a为本实施例的金风GW82/1500型直驱风机输出的有功功率实测曲线图;
图6b为本实施例的金风GW82/1500型直驱风机输出的无功功率实测曲线图;
图6c为本实施例的金风GW82/1500型直驱风机输出的无功电流实测曲线图
图7为本实施例的直驱风电机组建模后获得的仿真模型示意图;
图8a为本实施例的金风GW82/1500有功功率有效值实测曲线图;
图8b为本实施例的金风GW82/1500有功功率有效值仿真曲线图;
图9a为本实施例的金风GW82/1500无功功率有效值实测曲线图;
图9b为本实施例的金风GW82/1500无功功率有效值仿真曲线图;
图10a为本实施例的金风GW82/1500无功电流实测曲线图;
图10b为本实施例的金风GW82/1500无功电流仿真曲线图;
图11为本发明提出的一种直驱风电机组建模装置框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,为本发明提出的一种直驱风电机组建模方法流程图。该方法包括:
步骤101):通过低电压穿越现场测试获得待建模的直驱风电机组的低电压穿越实测特性曲线及测试数据;
如图2所示,为本发明技术方案中直驱风电机组低电压穿越仿真示意图。其中,MP1为系统侧节点,一般可为风电场并网点,MP2为测试点,MP3为箱变低压侧即风机机端。Z1为限流阻抗,短路故障时起到限制电压跌落对电网及风电场内其他在运行风力发电机组的影响,根据IEC 61400-21的要求,电压跌落时系统侧MP1的电压波动在5%Un以内。Z2为短路阻抗,调整Z2的幅值可以改变电压跌落的深度。S1为旁路开关,S2为短路开关。
如图3所示,为本发明技术方案直驱风电机组低电压穿越测试的流程图。按照图3所示的顺序,依次控制开关S1和S2的开闭,在风电机组机端模拟产生规定的电压跌落,依次校验风电机组的低电压穿越能力。采用高精度的录波仪记录风电机组变压器低压侧(或高压侧)电压、电流和功率,作为风电机组模型验证的基础数据。
根据高精度的录波仪记录风电机组变压器低压侧(或高压侧)电压、电流的瞬时值,采用滑动窗的计算方法,计算电压、电流的正序有效值,进而得到风电机组的有功、无功、无功电流特性曲线,作为后续参数辨识的参照。
步骤102):对比待建模的直驱风电机组的低电压穿越特征与直驱风机模型库内存储的信息,完成风机类型匹配和风机特性匹配,从所述直驱风机模型库中找出与待建模的直驱风电机组最相似的已知风电机组模型;
在低电压穿越实现类型匹配方面,根据风电机组低电压穿越实现方式,确定以下几方面信息:
确定风电机组是采用何种方式实现低电压穿越的,一般来说有3种方式的风机低穿保护装置,分别为无装置、撬棒保护装置(Crowbar电路)、直流斩波电路(Chopper装置)。三者择其一。选用的风机低穿保护装置不同,其物理原理不同,相应的仿真模型也就不同。保护触发条件为直流母线电压越限或机端电压越限。保护退出时延为固定延时或滞回曲线。
在风机特性匹配方面,标准《风电机组低电压穿越建模及验证方法》提供了一种较为通用的风电机组低电压穿越分区方法,首先将风电机组曲线划分为故障前、故障中和故障后三个区,然后根据暂态和稳态过程将其进一步划分。
如图4所示,为直驱风电机组低电压穿越曲线分区图。在实测曲线中,低电压穿越测试过程中电压跌落瞬间(B1_a、B1_r时段)暂态功率变化较为剧烈,但曲线趋势基本一致;故障后(C1_a时段)有功功率恢复情况基本一致,因此不将上述时段的电气特征作为分类特征。因此风电机组低电压穿越分类特征包括以下三点:
①故障期间稳态(B2_a时段)有功功率特征;
②故障期间稳态(B2_r时段)无功功率特征;
③故障后暂态(C1_r时段)无功功率特征。
对于上述三项分类特征描述如下:B2_a时段,将有功功率变化情况分为对电网发、零、吸三种工况;B2_r时段,将无功功率变化情况分为对电网发、零、吸三种工况;C1_r时段,将无功功率变化情况分为向电网发、零、吸三种工况。
步骤103):根据已知风电机组模型的参数确定待建模的直驱风电机组的待辨识参数对象,并将已知风机模型的参数作为待建模的直驱风电机组的待辨识参数对象的初始参数;其中,所述待辨识参数包括:直流电压外环控制器比例增益Kvdc、直流电压外环控制器时间常数Tvdc、无功功率外环控制器比例增益KQ、无功功率外环控制器时间常数TQ、低电压穿越控制器无功电流最大值imax、低电压穿越控制器直流电压上限值Udc_max、低电压穿越控制器直流电压下限值Udc_min、低电压穿越控制器电网电压外环控制比例增益KVs、低电压穿越控制器电网电压外环控制时间常数TVs;
确定风机低电压穿越实现类型及风机特性类型以后,从所述直驱风机模型库中找出与待建模的直驱风电机组最相似的已知风电机组模型,已知风电机组模型的关键参数就是风机待辨识的参数。典型的直驱风机参数如表1所示。
表1 直驱风机典型参数
控制器 | 参数 | 描述 | 单位 |
直流电压外环控制器 | Kvdc | 比例增益 | — |
直流电压外环控制器 | Tvdc | 时间常数 | — |
无功功率外环控制器 | KQ | 比例增益 | — |
无功功率外环控制器 | TQ | 时间常数 | — |
低电压穿越控制器 | imax | 无功电流最大值 | p.u. |
低电压穿越控制器 | Udc_max | 直流电压上限值 | p.u. |
低电压穿越控制器 | Udc_min | 直流电压下限值 | p.u. |
低电压穿越控制器 | KVs | 电网电压外环控制比例增益 | — |
低电压穿越控制器 | TVs | 电网电压外环控制时间常数 | — |
Chopper电阻 | R | Chopper电路的电路 | 欧姆 |
同时,从直驱风机模型库中读取预留的已知风电机组模型的典型参数,作为参数辨识的起点(即初始参数),进而提高参数辨识的效率。
步骤104):利用初始参数和风机实测特性曲线,通过遗传算法确定待辨识参数,获得满足误差要求的参数;并利用满足误差要求的参数获得待建模的直驱风电机组的模型。
如图5所示,遗传算法流程如下:
步骤1):根据匹配得到的直驱风电机组的待辨识参数对象和初始参数,生成新的种群。
步骤2):与种群库中的种群成员进行比较,剔除重复的种群成员,减少计算量。
步骤3):调用DIgSILENT程序中的仿真模型,将各个种群的参数赋给仿真模型,进行仿真计算,得到各个准群成员对应的仿真曲线。
步骤4):根据标准要求的方法,调用实测曲线,计算仿真结果与实测结果的误差。
步骤5):比较筛选最优秀的基因个体,同时将所有种群成员存入种群库,丰富种群库。
步骤6):如果最优秀的个体满足误差要求,则循环辨识结束,如果不满足误差要求,则通过复制、交叉、变异,产生新一代的种群成员,重新启动辨识的循环。
步骤7):对于满足误差要求的基因,作为最终辨识结果输出辨识结果,同时将其存入模型库。
如图11所示,为本发明提出的一种直驱风电机组建模装置框图。该装置包括:
现场测试单元201,用于通过低电压穿越现场测试获得待建模的直驱风电机组的低电压穿越实测特性曲线及测试数据;
匹配单元202,用于对比待建模的直驱风电机组的低电压穿越特征与直驱风机模型库内存储的信息,完成风机类型匹配和风机特性匹配,从所述直驱风机模型库中找出与待建模的直驱风电机组最相似的已知风电机组模型;
参数单元203,用于根据已知风电机组模型的参数类型确定待建模的直驱风电机组的待辨识参数对象,并将已知风机模型的参数作为待建模的直驱风电机组的待辨识参数对象的初始参数;其中,所述待辨识参数包括:直流电压外环控制器比例增益Kvdc、直流电压外环控制器时间常数Tvdc、无功功率外环控制器比例增益KQ、无功功率外环控制器时间常数TQ、低电压穿越控制器无功电流最大值imax、低电压穿越控制器直流电压上限值Udc_max、低电压穿越控制器直流电压下限值Udc_min、低电压穿越控制器电网电压外环控制比例增益KVs、低电压穿越控制器电网电压外环控制时间常数TVs;
建模单元204,用于利用初始参数和风机实测特性曲线,通过遗传算法确定待辨识参数,获得满足误差要求的参数,利用满足误差要求的参数获得待建模的直驱风电机组的模型。
现场实施例:
选取某风电场的1.5MW金风GW82/1500型直驱风电机组作为被测对象。该风电场共6回架汇集线路,均接入升压站1号主变,通过220kV送出线路并入电网。升压站1号主变容量100MVA,型号:SZ11-100000/220,额定电压:230±8*1.25%/36.75kV,联接组标号:YN,d11;短路阻抗:14%。被试风机通过321号35kV集电线路接入1#主变。
风电机组相关信息如表2所示。
表2
选择风机机端电压跌落至20%p.u.为基础工况进行测试,试验过程中三相线电压最低跌落至0.219pu,持续时间为630ms。试验前的风电机组有功为0.973Pn;从故障电压恢复正常时刻起,风机有功功率经过约0.87s恢复至0.973Pn,之后风机随风速输出实时功率。风机有功功率、无功功率以及无功电流变化如图6a、图6b、图6c所示。
在风机类型匹配方面,根据风电机组厂家提供的风机相关信息,金风GW82/1500型直驱风电机组型风电机组采用Chopper实现低电压穿越,判据为风机机端电压越限,保护时延采用滞回曲线。
根据图4所示的风机特性分区,该类型风机在低穿过程中的特性为(发,发,零)。从直驱风机模型库中选取该类型的已知模型,已知模型的参数类型作为本实施例的待建模的直驱风电机组的待辨识参数对象,已知模型的参数作为本实施例的待建模型的直驱风电机组的待辨识参数对象的初始数据,如下表3所示。
表3
控制器 | 参数 | 描述 | 初始值 |
直流电压外环控制器 | Kvdc | 比例增益 | 5 |
直流电压外环控制器 | Tvdc | 时间常数 | 0.02 |
无功功率外环控制器 | KQ | 比例增益 | 2 |
无功功率外环控制器 | TQ | 时间常数 | 0.02 |
低电压穿越控制器 | imax | 无功电流最大值 | 1.2 |
低电压穿越控制器 | Udc_max | 直流电压上限值 | 1.1 |
低电压穿越控制器 | Udc_min | 直流电压下限值 | 0.9 |
低电压穿越控制器 | KVs | 电网电压外环控制比例增益 | 2 |
低电压穿越控制器 | TVs | 电网电压外环控制时间常数 | 0.1 |
Chopper电阻 | R | Chopper电路的电路 | 1.8 |
在参数辨识方面,在DIgSILENT/powerfactory中搭建仿真系统,各电气设备的参数根据实测参数设置,仿真系统如图7所示。DIgSILENT/powerfactory是一个专业的电力系统仿真软件,目前多用于新能源仿真建模中,是标准《风电机组低电压穿越建模及验证方法》推荐的仿真平台。
我们期望得到的是图7中的仿真模型,但是该模型的控制器中有很多控制参数并不确定,这些参数将直接影响风电机组在低电压穿越过程中的功率特性。
研究发现,发现对于直驱风电机组而言,对低电压穿越控制特性影响最大的参数就是表3中所述的参数组。遗传算法是对本实施例的待建模型的直驱风电机组的待辨识参数对象的初始数据根据实际运行情况进行调整来确定待建模的直驱风电机组的待辨识参数对象。将辨识后的参数都将应用到图7的模型中,然后通过在DIgSILENT中进行与实际测试工况相同的仿真模拟,对比风电机组仿真低穿特性与测试低穿特性的差异,当二者误差小于预定的阈值时,我们认为得到的模型足够准确,相应的参数组就是想要辨识的参数组。
调用上文的遗传算法,最终得到的模型关键参数如表4所示,实测曲线和仿真曲线的对比如图8a、图8b、图9a、图9b、图10a、图10b所示。参照标准《风电机组低电压穿越建模及验证方法》计算出有功功率、无功功率、无功电流各时间分区内的平均偏差、平均绝对偏差,稳态区间的最大偏差以及加权平均绝对偏差,并与标准中规定的各偏差最大允许值对比,结果如表5所示。可见《风电机组低电压穿越建模及验证方法》标准中规定的模型验证所考核的三个电气量:有功功率P、无功功率Q、无功电流IQ的测试与仿真数据的偏差均在标准允许的最大偏差范围内。
表4
控制器 | 参数 | 描述 | 初始值 |
直流电压外环控制器 | Kvdc | 比例增益 | 6.22 |
直流电压外环控制器 | Tvdc | 时间常数 | 0.021 |
无功功率外环控制器 | KQ | 比例增益 | 1.58 |
无功功率外环控制器 | TQ | 时间常数 | 0.015 |
低电压穿越控制器 | imax | 无功电流最大值 | 1.2 |
低电压穿越控制器 | Udc_max | 直流电压上限值 | 1.1 |
低电压穿越控制器 | Udc_min | 直流电压下限值 | 0.9 |
低电压穿越控制器 | KVs | 电网电压外环控制比例增益 | 4.32 |
低电压穿越控制器 | TVs | 电网电压外环控制时间常数 | 0.002 |
Chopper电阻 | R | Chopper电路的电路 | 1.8 |
表5
本技术方案基于低电压穿越测试数据进行直驱风机建模,可以实现直驱风机的准确建模。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种直驱风电机组建模方法,其特征在于,该方法包括:
通过低电压穿越现场测试获得待建模的直驱风电机组的低电压穿越实测特性曲线及测试数据;
对比待建模的直驱风电机组的低电压穿越特征与直驱风机模型库内存储的信息,完成风机类型匹配和风机特性匹配,从所述直驱风机模型库中找出与待建模的直驱风电机组最相似的已知风电机组模型;
根据已知风电机组模型的参数类型确定待建模的直驱风电机组的待辨识参数对象,并将已知风机模型的参数作为待建模的直驱风电机组的待辨识参数对象的初始参数;其中,所述待辨识参数包括:直流电压外环控制器比例增益Kvdc、直流电压外环控制器时间常数Tvdc、无功功率外环控制器比例增益KQ、无功功率外环控制器时间常数TQ、低电压穿越控制器无功电流最大值imax、低电压穿越控制器直流电压上限值Udc_max、低电压穿越控制器直流电压下限值Udc_min、低电压穿越控制器电网电压外环控制比例增益KVs、低电压穿越控制器电网电压外环控制时间常数TVs;
利用初始参数和风机实测特性曲线,通过遗传算法确定待辨识参数,获得满足误差要求的参数;并利用满足误差要求的参数获得待建模的直驱风电机组的模型。
2.如权利要求1所述的方法,其特征在于,还包括:
将建成的直驱风电机组的模型存入所述直驱风机模型库内。
3.如权利要求1或2所述的方法,其特征在于,所述风机类型匹配的信息包括:风机低穿保护装置信息、保护触发条件信息、保护退出时延信息。
4.如权利要求1或2所述的方法,其特征在于,所述直驱风机模型库包括:风机模型模块、低电压穿越类型模块、待建模的风机实测曲线模块、风机模型的参数模块。
5.如权利要求1或2所述的方法,其特征在于,所述现场测试的步骤包括:
断开旁路开关,投入限流电抗;采用录波仪记录直驱风电机组的低压侧或高压侧电压、电流和功率;
闭合短路开关,投入短路电抗,产生电压跌落;
断开短路开关,电网电压恢复正常;
闭合旁路开关,限流电抗退出,被测风电机组正常运行。
6.一种直驱风电机组建模装置,其特征在于,该装置包括:
现场测试单元,用于通过低电压穿越现场测试获得待建模的直驱风电机组的低电压穿越实测特性曲线及测试数据;
匹配单元,用于对比待建模的直驱风电机组的低电压穿越特征与直驱风机模型库内存储的信息,完成风机类型匹配和风机特性匹配,从所述直驱风机模型库中找出与待建模的直驱风电机组最相似的已知风电机组模型;
参数单元,用于根据已知风电机组模型的参数类型确定待建模的直驱风电机组的待辨识参数对象,并将已知风机模型的参数作为待建模的直驱风电机组的待辨识参数对象的初始参数;其中,所述待辨识参数包括:直流电压外环控制器比例增益Kvdc、直流电压外环控制器时间常数Tvdc、无功功率外环控制器比例增益KQ、无功功率外环控制器时间常数TQ、低电压穿越控制器无功电流最大值imax、低电压穿越控制器直流电压上限值Udc_max、低电压穿越控制器直流电压下限值Udc_min、低电压穿越控制器电网电压外环控制比例增益KVs、低电压穿越控制器电网电压外环控制时间常数TVs;
建模单元,用于利用初始参数和风机实测特性曲线,通过遗传算法确定待辨识参数,获得满足误差要求的参数,利用满足误差要求的参数获得待建模的直驱风电机组的模型。
7.如权利要求6所述的装置,其特征在于,还包括:
直驱风机模型单元,用于将建成的直驱风电机组的模型作为已知模型进行存储。
8.如权利要求6或7所述的装置,其特征在于,所述匹配单元匹配的风机类型信息包括:风机低穿保护装置信息、保护触发条件信息、保护退出时延信息。
9.如权利要求6或7所述的装置,其特征在于,所述直驱风机模型单元包括:风机模型模块、低电压穿越类型模块、待建模的风机实测曲线模块、风机模型的参数模块。
10.如权利要求6或7所述的装置,其特征在于,所述现场测试单元的测试步骤包括:
断开旁路开关,投入限流电抗;
闭合短路开关,投入短路电抗,产生电压跌落;
断开短路开关,电网电压恢复正常;
闭合旁路开关,限流电抗退出,被测风电机组正常运行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410708977.9A CN104392056B (zh) | 2014-11-28 | 2014-11-28 | 一种直驱风电机组建模方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410708977.9A CN104392056B (zh) | 2014-11-28 | 2014-11-28 | 一种直驱风电机组建模方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104392056A true CN104392056A (zh) | 2015-03-04 |
CN104392056B CN104392056B (zh) | 2018-02-16 |
Family
ID=52609959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410708977.9A Active CN104392056B (zh) | 2014-11-28 | 2014-11-28 | 一种直驱风电机组建模方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104392056B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105404720A (zh) * | 2015-10-29 | 2016-03-16 | 中国电力科学研究院 | 一种基于硬件在环仿真的风电机组建模方法 |
CN105699894A (zh) * | 2016-01-27 | 2016-06-22 | 云南电网有限责任公司电力科学研究院 | 一种风力发电机在线监测方法及系统 |
CN106249148A (zh) * | 2016-08-30 | 2016-12-21 | 重庆勤智科技有限公司 | 发电机碳刷故障分析方法 |
CN106443135A (zh) * | 2016-10-26 | 2017-02-22 | 重庆大学 | 混合风电场输出工频短路电流计算方法 |
CN106877383A (zh) * | 2015-12-11 | 2017-06-20 | 中国电力科学研究院 | 一种变速风电机组低电压穿越能力仿真模型调整方法 |
CN108629432A (zh) * | 2018-06-12 | 2018-10-09 | 中国三峡新能源有限公司 | 故障处理规划方法、系统及装置 |
CN111525590A (zh) * | 2020-04-27 | 2020-08-11 | 国网冀北电力有限公司电力科学研究院 | 动态无功补偿装置建模方法及装置 |
CN114925541A (zh) * | 2022-06-06 | 2022-08-19 | 广东电网有限责任公司 | 风电机组控制装置建模参数辨识方法、装置、终端及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120078436A1 (en) * | 2010-09-27 | 2012-03-29 | Patel Sureshchandra B | Method of Artificial Nueral Network Loadflow computation for electrical power system |
CN103324791A (zh) * | 2013-06-04 | 2013-09-25 | 华北电力大学 | 典型电能质量治理装置补偿特性分析模型库建立方法 |
CN103400302A (zh) * | 2013-07-01 | 2013-11-20 | 国家电网公司 | 一种风电基地连锁故障风险感知预警方法及其系统 |
CN103558768A (zh) * | 2013-08-12 | 2014-02-05 | 清华大学 | 一种基于风电场内风速分布特性的等值建模方法 |
-
2014
- 2014-11-28 CN CN201410708977.9A patent/CN104392056B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120078436A1 (en) * | 2010-09-27 | 2012-03-29 | Patel Sureshchandra B | Method of Artificial Nueral Network Loadflow computation for electrical power system |
CN103324791A (zh) * | 2013-06-04 | 2013-09-25 | 华北电力大学 | 典型电能质量治理装置补偿特性分析模型库建立方法 |
CN103400302A (zh) * | 2013-07-01 | 2013-11-20 | 国家电网公司 | 一种风电基地连锁故障风险感知预警方法及其系统 |
CN103558768A (zh) * | 2013-08-12 | 2014-02-05 | 清华大学 | 一种基于风电场内风速分布特性的等值建模方法 |
Non-Patent Citations (2)
Title |
---|
卢文平、吴林琳、刘辉: ""基于状态识别和遗传算法的双馈风电机组参数辨识方法"", 《华北电力技术》 * |
谢欢、蓝海波等: ""基于PSS_E风电场静止无功补偿器仿真建模"", 《中国电力》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105404720A (zh) * | 2015-10-29 | 2016-03-16 | 中国电力科学研究院 | 一种基于硬件在环仿真的风电机组建模方法 |
CN106877383A (zh) * | 2015-12-11 | 2017-06-20 | 中国电力科学研究院 | 一种变速风电机组低电压穿越能力仿真模型调整方法 |
CN106877383B (zh) * | 2015-12-11 | 2020-09-11 | 中国电力科学研究院 | 一种变速风电机组低电压穿越能力仿真模型调整方法 |
CN105699894A (zh) * | 2016-01-27 | 2016-06-22 | 云南电网有限责任公司电力科学研究院 | 一种风力发电机在线监测方法及系统 |
CN106249148A (zh) * | 2016-08-30 | 2016-12-21 | 重庆勤智科技有限公司 | 发电机碳刷故障分析方法 |
CN106249148B (zh) * | 2016-08-30 | 2019-07-05 | 重庆勤智科技有限公司 | 发电机碳刷故障分析方法 |
CN106443135A (zh) * | 2016-10-26 | 2017-02-22 | 重庆大学 | 混合风电场输出工频短路电流计算方法 |
CN106443135B (zh) * | 2016-10-26 | 2019-02-19 | 重庆大学 | 混合风电场输出工频短路电流计算方法 |
CN108629432A (zh) * | 2018-06-12 | 2018-10-09 | 中国三峡新能源有限公司 | 故障处理规划方法、系统及装置 |
CN111525590A (zh) * | 2020-04-27 | 2020-08-11 | 国网冀北电力有限公司电力科学研究院 | 动态无功补偿装置建模方法及装置 |
CN114925541A (zh) * | 2022-06-06 | 2022-08-19 | 广东电网有限责任公司 | 风电机组控制装置建模参数辨识方法、装置、终端及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104392056B (zh) | 2018-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104392056A (zh) | 一种直驱风电机组建模方法及装置 | |
Wang et al. | Power system transient stability assessment based on big data and the core vector machine | |
CN108832619A (zh) | 基于卷积神经网络的电力系统暂态稳定评估方法 | |
CN108667005B (zh) | 一种计及新能源影响的电网静动态结合脆弱性评估方法 | |
CN105403811A (zh) | 风电场电网故障诊断方法和装置 | |
CN108053128A (zh) | 一种基于elm和tf的电网暂态稳定快速评估方法 | |
CN107565582B (zh) | 大电网静态稳定主导模式在线判别方法 | |
CN115622053B (zh) | 一种用于考虑分布式电源的自动负荷建模方法及装置 | |
CN109428327A (zh) | 基于响应的电网关键支路与主导稳定模式识别方法及系统 | |
CN105701265B (zh) | 一种双馈风电机组建模方法及装置 | |
Liu et al. | Design of wind turbine dynamic trip-off risk alarming mechanism for large-scale wind farms | |
Radovanović et al. | Equivalent modelling of hybrid RES plant for power system transient stability studies | |
CN108616145B (zh) | 一种计及事故后电压影响效果的新能源切机优化方法 | |
CN112436542B (zh) | 计及稳控策略的稳态安全紧急控制在线预决策方法 | |
CN102496075A (zh) | 一种基于内存的在线数据整合方法 | |
CN108183481A (zh) | 一种基于深度学习电网快速判稳方法和系统 | |
CN114726090A (zh) | 基于潮流调整的中低压网络数据在线拼接方法和系统 | |
CN106253328A (zh) | 一种对风电场并网点进行合理选址的分析方法 | |
CN111797919A (zh) | 一种基于主成分分析与卷积神经网络的动态安全评估方法 | |
Zhang et al. | Derivation of load model parameters using improved genetic algorithm | |
Liu et al. | Coordinated voltage control for improved power system voltage stability by incorporating the reactive power reserve from wind farms | |
Ma et al. | Cyber-physical modeling technique based dynamic aggregation of wind farm considering LVRT characteristic | |
Zhang et al. | A good point set-based knowledgebase generation scheme for power system intelligent dynamic security assessment | |
Cao et al. | Equivalence method for wind farm based on clustering of output power time series data | |
Piwko et al. | Field testing and model validation of wind plants |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |