CN109522607A - 一种双馈风电场机电暂态等值建模方法 - Google Patents
一种双馈风电场机电暂态等值建模方法 Download PDFInfo
- Publication number
- CN109522607A CN109522607A CN201811230174.1A CN201811230174A CN109522607A CN 109522607 A CN109522607 A CN 109522607A CN 201811230174 A CN201811230174 A CN 201811230174A CN 109522607 A CN109522607 A CN 109522607A
- Authority
- CN
- China
- Prior art keywords
- wind
- equivalent
- double
- power plant
- group
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种双馈风电场等值建模方法。其过程为:为准确描述双馈风电场在系统故障条件下的动态特性,以风电机组具有相似运行点作为机组分群原则,选择风速、机端电压和有功功率为分群指标,采用K‑means聚类算法对风电场内所有风电机组进行分群;通过容量加权方法将同群的风电机组等值成一台风电机组,最后得到多台风电机组表征的风电场等效模型。该方法对风电场模型进行了简化,避免了对每台双馈风电机组进行详细建模进而极大增加了仿真的复杂度且不易操作。同时,通过风电机组的分群以及等值计算,提高了风电场等效建模的精度,使得该简化模型能够更加准确地反映双馈机组风电场并网点的动态特性。
Description
技术领域
本发明属于风电场并网研究领域,特别涉及一种风电场建模方法。针对双馈机组风电场,以风电机组具有相似运行点作为机组分群原则,选择合适的分群指标并对机组进行分群,最后通过等值计算得到多台风电机组表征的风电场等效模型。
背景技术
随着风电技术的快速发展,并网风电场的规模在逐渐增加。为了深刻揭示风电场与电力系统的相互作用机理,为新型能源结构下的电力系统安全稳定运行奠定理论基础,有必要对大型风电场进行仿真建模。在大型风电场并网系统的仿真分析中,若对每台风电机组及其场内集电网络进行详细建模将增大电力系统模型的规模,同时将增加潮流计算所需要的时间,极大地增加仿真的复杂度。因此,为了减少计算量及仿真时间,有必要对风电场等效建模方法进行深入研究。
近几年来,有不少文献针对风电场的建模问题进行了研究,其关注点主要包括:分群指标、参数聚合方法、风电场至并网点的集电网络等效等。目前,常用的双馈机组风电场等效建模方法为单机表征法,即把风电场模型等值成一台风电机组,其容量等于所有风电机组容量之和。但对于大型风电场,由于尾流效应、地貌特征等因素的影响,风电场内风速不均匀,风电机组的风速差异较大。当风电机组遭到扰动时,运行状态不同的风电机组对系统的响应也不相同。因此,使用一台风电机组的风电场等效模型通常会产生较大误差,无法表征等值前风电机组的实际运行状态。也有文献提出根据风速对风电机组进行分群,对同群的风电机组合并成一台风电机组,得到多台风电机组表征的风电场等效模型。但是当风速差异较大时,等效风电机组的数量可能较大,导致仿真时间较长。且风速并不能准确表征风电场的运行状态,这会导致较大误差。而且,随着并网风电场规模的增大以及复杂度的增加,采用现有机电暂态仿真程序中的单机典型参数来表征整个风电场,与实际情况相差较大,准确度有待提高。
发明内容
本发明的目的在于:针对目前风电场等效建模问题的不足,提出一种适用于双馈风电场的机电暂态等值建模方法,结合双馈风电机组的运行状态给出机群分类原则,并采用K-means聚类算法对风电场内所有风电机组进行分群。然后采用容量加权方法对同群的风电机组进行等值计算,最后得到三机表征的风电场等效模型。
本发明所述双馈风电场机电暂态等值建模方法包括以下步骤:
(1)确定风电场分群指标并选取;
(2)K-means聚类算法对风机进行分群;
(3)通过容量加权方法进行风电场等值计算;
(4)得到风电场等效模型。
本发明所述步骤(2)中K-means聚类算法中,标准测度函数定义如下:
(1)任意选择K个样本点作为初始聚类中心;
(2)对剩余的每个样本点,根据其与各个簇中心的距离,将它赋予最近的簇;
(3)计算每个簇的样本均值,并计算标准测度函数,即式中,mi为第i个簇的样本均值;ci为第i个簇的样本点集合;Ni为第i个簇的样本总数;E为标准测度函数;τ为样本点;
(4)以每个簇的样本均值代替初始聚类中心,重复步骤(2.2)~步骤(2.4),直到标准测度函数收敛;
(5)把所有风电机组的机群分类指标和分类数K输入到K-means算法中,得到机群分类指标的K个分群,每个分类指标对应一台风电机组,从而得到风电场的风机分群结果。
本发明所述通过容量加权方法进行风电场等值计算中,发电机参数加权平均算法如下:
式中:n为等值风机的台数,下标eq为等值参数;Z为发电机阻抗(电阻、电抗分开计算);ρj为容量权重比,ρj=Sj/Seq。
本发明所述通过容量加权方法进行风电场等值计算中,轴系参数等值计算如下:
式中,H、D、K分别为惯性时间时间常数、轴系刚度系数、轴系阻尼系数。
本发明所述通过容量加权方法进行风电场等值计算中,控制参数等值计算如下:
式中,Kp、Ki为控制系统的比例系数和微分系数;有功功率和无功功率测量模块的等效基准容量为Seq。
本发明所述通过容量加权方法进行风电场等值计算中,变压器参数等值计算如下:
式中,STj为变压器容量,ZTj为变压器阻抗,ρj为容量权重比,ρj=STj/ST_eq。
本发明所述双馈风电场建模方法中风电场的分群指标为:风速、机端电压和有功功率。
本发明方法通过算例仿真,结果表明所建立的多机等值模型能够较准确地反映风电场并网点的动态特性,从而验证了该方法的有效性。并对风电场模型进行了简化,避免了对每台双馈风电机组进行详细建模进而极大增加了仿真的复杂度且不易操作。同时,通过风电机组的分群以及等值计算,提高了风电场等效建模的精度,使得该简化模型能够更加准确地反映双馈机组风电场并网点的动态特性。
附图说明
图1为本发明方法流程框图;
图2为本发明阶模型等值电路图;
图3为本发明三台风电机组表征的风电场等效模型图;
图4为本发明风电场仿真系统图;
图5为本发明为初始状态下风电场等效模型和详细模型有功功率变化曲线图;
图6为本发明为初始状态下风电场等效模型和详细模型无功功率变化曲线图;
图7为本发明电压变化曲线图;
图8本发明风电场并网点的动态响应图;
图9为本发明风电场的动态响应有功功率变化曲线;
图10为本发明风电场的动态响应无功功率变化曲线。
具体实施方式
以下结合实施例并对照附图对本发明进行详细说明。
参见图1,本发明所述方法包括以下步骤:
1.分群指标的选取
1.1双馈风力发电机暂态过程
忽略定子回路电磁暂态过程,采用3阶模型时,双馈式风力发电机动态等值电路如图2所示。
电势Ed、Eq的微分表达式与初值计算表达式分别为:
式中:
暂态过程中转子电流与转子电压的关系表达式为
双馈式风力发电机的暂态过程与机械传动部分也有很大关系,风力机的风能经由轮毂、联轴器、齿轮箱传至发电机,可以由2个微分方程表示:
式中:TM为风力机转矩;TT为转子机械转矩;Te为发电机电磁转矩;Td为传动系统时间常数;Tj为发电机惯性时间常数。
通过求解微分方程和代数方程,可以得到双馈风力发电机的运行状态。当发生风速扰动或系统侧发生故障时,上述变量的变化可以描述双馈风力发电机的运行状态。
1.2确定分群指标
对风电机组而言,暂态过程中转速比风速更能准确地反映风电机组的运行点。由于故障期间机组轴系的松弛,引起轴系中积累能量的释放,导致其转速增加。轴系中积累能量越大、故障持续时间越长,风电机组输出波动也越大,故应取故障时风电机组的转速为机群分类指标。风电机组故障期间的转速为:可见,故障期间的转速大小与初始转速、机械转矩以及电磁转矩相关。这3个变量的相关因素分述如下
1)初始转速
风电机组的初始转速与最大风能追踪有关,其大小由故障前的有功功率决定。
2)机械转矩
风电机组空气动力学模型为:由式可知,风力机的转矩与风电机组的输入风速有关。
3)电磁转矩
发电机的电磁力矩与输出有功功率的关系为:故障期间定子电流A相电流为
发电机的输出功率为由上式可知,电磁转矩与故障前的电压有关
综上所述,故障期间的转速大小与故障前风电机组的有功功率、机端电压和风速有关,而且在实际应用中上述数据是比较容易获得的。因此,我们选择初始风速、机端电压、有功功率作为风电场的分群指标。
2.基于K-means聚类算法进行机群分类
K-means算法是一种应用最广泛的聚类算法。该算法以标准测度函数最小为分类原则,把N个样本点分为K个簇。其聚类结果使得同簇的样本点具有较高的相似性,而各簇间的样本点相似程度较低。K-means算法的具体分类步骤如下:
(1)任意选择K个样本点作为初始聚类中心;
(2)对剩余的每个样本点,根据其与各个簇中心的距离,将它赋予最近的簇;
(3)计算每个簇的样本均值,并计算标准测度函数,即式中,mi为第i个簇的样本均值;ci为第i个簇的样本点集合;Ni为第i个簇的样本总数;E为标准测度函数;τ为样本点;
(4)以每个簇的样本均值代替初始聚类中心,重复步骤(2)~步骤(4),直到标准测度函数收敛。
本发明具体应用是:把所有风电机组的机群分类指标和分类数K输入到K-means算法中,得到机群分类指标的K个分群,从而得到风电场的风机分群结果。
3.等值计算
3.1风电机组的等值
设风电场由N台相同型号的双馈风电机组组成,利用K-means算法把风电机组分为三个群,并把每个群合并成一台等效风电机组,得到三台风电机组表征的风电场等效模型如图3,等值过程采用加权平均方法。
(1)发电机参数
一个机群中有n台风机等值为一台机组,功率加和,其余应采用加权平均
式中:n为等值风机的台数,下标eq为等值参数;Z为发电机阻抗(电阻、电抗分开计算);ρj为容量权重比,ρj=Sj/Seq。
(2)轴系参数
式中,H、D、K分别为惯性时间时间常数、轴系刚度系数、轴系阻尼系数。
(3)控制参数
式中,Kp、Ki为控制系统的比例系数和微分系数;有功功率和无功功率测量模块的等效基准容量为Seq。
(4)变压器参数
式中,STj为变压器容量,ZTj为变压器阻抗,ρj为容量权重比,ρj=STj/ST_eq。
(5)风速的等值
通过风速和风速功率曲线得出同群中每台风电机组的功率,然后求得平均功率,最后通过风速功率曲线反推得出等效风速。设等效前第k台风电机组的输出功率Pk为:Pk=f(vk),式中f为风速功率曲线的拟合函数,vk为风速。则等效风速为
3.2风电场集电系统的等值
风电场的集电系统一般由电缆组成。由于电缆模型对风电场的输出特性有一定的影响需要对风电场集电系统进行等值化简。风电场内电缆的化简原则是:等效风电机组接入点电压等于等效前同群中所有风电机组接入点电压的加权平均值,其权重为风电机组的输出功率。
参见图4假定等效风电机组1是由等效前同群的风电机组1至n合并而来。取权重为风电机组的输出功率,等效前n台风电机组的加权平均电压差为:
等效风电机组1与母线之间的电压差为:
由等效前后可得等效电缆1的阻抗为:
以上是对电缆阻抗的等效化简,对于电缆充电电容,可忽略风电场内的电压差异,等效充电电容等于等效前所有电缆的充电电容之和
4.算例分析
采用Matlab/Simulink搭建如图所示由20台双馈机组组成的风电场模型,机组型号相同。风电机组经机端变压器(25kV/575V)与电缆连接在母线上,并通过风电场出口变压器(120kV/25kV)与架空线路连接到外部电网。
利用K-means算法,基于风电机组运行状态分区的分群结果如表1所示。
表1分群结果
分群 | 风机号 |
1 | 1,2,6,7,13,15,17,18 |
2 | 3,4,8 |
3 | 5,9,10,11,12,14,16,19,20 |
由此得到初始状态下风电场等效模型和详细模型出力曲线如图所示。如图5为初始状态下风电场等效模型和详细模型有功功率变化曲线图;图6为初始状态下风电场等效模型和详细模型无功功率变化曲线图;图7为本发明电压变化曲线图;图8本发明风电场并网点的动态响应图。
假设1s时,A点发生单相短路,0.025s后,故障恢复,风电场的动态响应如图9、图10所示。图9为本发明风电场的动态响应有功功率变化曲线;图10为本发明风电场的动态响应无功功率变化曲线。
由图可以看出风电场等效模型得到了与风电场详细模型基本一致的动态响应,说明其等效模型具有较高的精度,验证了本文模型的合理性。
本发明的有益效果是:以风电机组具有相似运行点作为机组分群原则,选择风速、机端电压和有功功率为分群指标,采用K-means聚类算法对风电场内所有风电机组进行分群;通过容量加权方法将同群的风电机组等值成一台风电机组,最后得到多台风电机组表征的风电场等效模型。该方法对风电场模型进行了简化,避免了对每台双馈风电机组进行详细建模进而极大增加了仿真的复杂度且不易操作。同时,通过风电机组的分群以及等值计算,提高了风电场等效建模的精度,使得该简化模型能够更加准确地反映双馈机组风电场并网点的动态特性。
Claims (7)
1.一种双馈风电场机电暂态等值建模方法,其特征在于:包括步骤如下:
(1.1)确定风电场分群指标并选取;
(1.2)K-means聚类算法对风机进行分群;
(1.3)通过容量加权方法进行风电场等值计算;
(1.4)得到风电场等效模型。
2.根据权利要求1所述的双馈风电场建模方法,其特征在于:步骤(1.2)中K-means聚类算法中,标准测度函数定义如下:
(2.1)任意选择K个样本点作为初始聚类中心;
(2.2)对剩余的每个样本点,根据其与各个簇中心的距离,将它赋予最近的簇;
(2.3)计算每个簇的样本均值,并计算标准测度函数,即式中,mi为第i个簇的样本均值;ci为第i个簇的样本点集合;Ni为第i个簇的样本总数;E为标准测度函数;τ为样本点;
(2.4)以每个簇的样本均值代替初始聚类中心,重复步骤(2.2)~步骤(2.4),直到标准测度函数收敛;
(2.5)把所有风电机组的机群分类指标和分类数K输入到K-means算法中,得到机群分类指标的K个分群,每个分类指标对应一台风电机组,从而得到风电场的风机分群结果。
3.根据权利要求1或2所述的双馈风电场建模方法,其特征在于:步骤(1.3)等值计算中,发电机参数加权平均算法如下:
式中:n为等值风机的台数,下标eq为等值参数;Z为发电机阻抗(电阻、电抗分开计算);ρj为容量权重比,ρj=Sj/Seq。
4.根据权利要求1或2所述的双馈风电场建模方法,其特征在于:步骤(1.3)等值计算中,轴系参数等值计算如下:
式中,H、D、K分别为惯性时间时间常数、轴系刚度系数、轴系阻尼系数。
5.根据权利要求1或2所述的双馈风电场建模方法,其特征在于:步骤(1.3)等值计算中,控制参数等值计算如下:
式中,Kp、Ki为控制系统的比例系数和微分系数;有功功率和无功功率测量模块的等效基准容量为Seq。
6.根据权利要求1所述的双馈风电场建模方法,其特征在于:步骤(1.3)等值计算中,变压器参数等值计算如下:
式中,STj为变压器容量,ZTj为变压器阻抗,ρj为容量权重比,ρj=STj/ST_eq。
7.根据权利要求1所述的双馈风电场建模方法,其特征在于,步骤(1)中风电场的分群指标为:风速、机端电压和有功功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811230174.1A CN109522607A (zh) | 2018-10-22 | 2018-10-22 | 一种双馈风电场机电暂态等值建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811230174.1A CN109522607A (zh) | 2018-10-22 | 2018-10-22 | 一种双馈风电场机电暂态等值建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109522607A true CN109522607A (zh) | 2019-03-26 |
Family
ID=65772247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811230174.1A Pending CN109522607A (zh) | 2018-10-22 | 2018-10-22 | 一种双馈风电场机电暂态等值建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109522607A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110210170A (zh) * | 2019-06-19 | 2019-09-06 | 河北工业大学 | 一种大规模风电机群等值小信号模型建模方法 |
CN110212570A (zh) * | 2019-05-14 | 2019-09-06 | 国网内蒙古东部电力有限公司电力科学研究院 | 基于mmse挖掘的风电场等值模型及其构建方法和应用 |
CN110571794A (zh) * | 2019-08-26 | 2019-12-13 | 国家电网公司东北分部 | 一种适用于双馈风机风电场的暂态模型等值计算方法 |
CN112636390A (zh) * | 2020-12-11 | 2021-04-09 | 国网黑龙江省电力有限公司电力科学研究院 | 一种风电场双要素等值模型构建方法 |
CN113742906A (zh) * | 2021-08-20 | 2021-12-03 | 伊犁新天煤化工有限责任公司 | 基于主导动态相似性的大型工业企业感应电动机负荷动态等值的方法 |
CN114357787A (zh) * | 2022-01-10 | 2022-04-15 | 华北电力大学 | 一种海上风电场等值建模方法及系统 |
CN114580204A (zh) * | 2022-03-30 | 2022-06-03 | 国家电网有限公司 | 一种评估风电场低电压穿越性能的场站等值建模方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036073A (zh) * | 2014-05-23 | 2014-09-10 | 电子科技大学 | 适于有功功率特性分析的双馈风电场动态等值建模方法 |
WO2014201849A1 (zh) * | 2013-06-18 | 2014-12-24 | 国网辽宁省电力有限公司电力科学研究院 | 配有储能电站的分散式风电场有功优化调控方法 |
CN105447255A (zh) * | 2015-12-03 | 2016-03-30 | 哈尔滨工业大学 | 双馈风电场动态等值方法、建模方法及系统 |
CN106202815A (zh) * | 2016-07-26 | 2016-12-07 | 哈尔滨工业大学 | 基于有功响应的双馈型风电场动态等值方法 |
-
2018
- 2018-10-22 CN CN201811230174.1A patent/CN109522607A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014201849A1 (zh) * | 2013-06-18 | 2014-12-24 | 国网辽宁省电力有限公司电力科学研究院 | 配有储能电站的分散式风电场有功优化调控方法 |
CN104036073A (zh) * | 2014-05-23 | 2014-09-10 | 电子科技大学 | 适于有功功率特性分析的双馈风电场动态等值建模方法 |
CN105447255A (zh) * | 2015-12-03 | 2016-03-30 | 哈尔滨工业大学 | 双馈风电场动态等值方法、建模方法及系统 |
CN106202815A (zh) * | 2016-07-26 | 2016-12-07 | 哈尔滨工业大学 | 基于有功响应的双馈型风电场动态等值方法 |
Non-Patent Citations (3)
Title |
---|
付蓉等: "风速波动下双馈机组风电场动态等值", 《电力系统保护与控制》 * |
徐玉琴等: "基于聚类分析的双馈机组风电场动态等值模型的研究", 《华北电力大学学报(自然科学版)》 * |
米增强等: "风电场动态等值模型的多机表征方法", 《电工技术学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110212570A (zh) * | 2019-05-14 | 2019-09-06 | 国网内蒙古东部电力有限公司电力科学研究院 | 基于mmse挖掘的风电场等值模型及其构建方法和应用 |
CN110212570B (zh) * | 2019-05-14 | 2023-03-28 | 国网内蒙古东部电力有限公司电力科学研究院 | 基于mmse挖掘的风电场等值模型及其构建方法和应用 |
CN110210170B (zh) * | 2019-06-19 | 2022-10-18 | 河北工业大学 | 一种大规模风电机群等值小信号模型建模方法 |
CN110210170A (zh) * | 2019-06-19 | 2019-09-06 | 河北工业大学 | 一种大规模风电机群等值小信号模型建模方法 |
CN110571794A (zh) * | 2019-08-26 | 2019-12-13 | 国家电网公司东北分部 | 一种适用于双馈风机风电场的暂态模型等值计算方法 |
CN110571794B (zh) * | 2019-08-26 | 2023-07-25 | 国家电网公司东北分部 | 一种适用于双馈风机风电场的暂态模型等值计算方法 |
CN112636390A (zh) * | 2020-12-11 | 2021-04-09 | 国网黑龙江省电力有限公司电力科学研究院 | 一种风电场双要素等值模型构建方法 |
CN113742906A (zh) * | 2021-08-20 | 2021-12-03 | 伊犁新天煤化工有限责任公司 | 基于主导动态相似性的大型工业企业感应电动机负荷动态等值的方法 |
CN113742906B (zh) * | 2021-08-20 | 2024-01-09 | 伊犁新天煤化工有限责任公司 | 基于主导动态相似性的大型工业企业感应电动机负荷动态等值的方法 |
CN114357787A (zh) * | 2022-01-10 | 2022-04-15 | 华北电力大学 | 一种海上风电场等值建模方法及系统 |
CN114357787B (zh) * | 2022-01-10 | 2024-05-28 | 华北电力大学 | 一种海上风电场等值建模方法及系统 |
CN114580204A (zh) * | 2022-03-30 | 2022-06-03 | 国家电网有限公司 | 一种评估风电场低电压穿越性能的场站等值建模方法 |
CN114580204B (zh) * | 2022-03-30 | 2024-04-09 | 国家电网有限公司 | 一种评估风电场低电压穿越性能的场站等值建模方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109522607A (zh) | 一种双馈风电场机电暂态等值建模方法 | |
Zou et al. | A fuzzy clustering algorithm-based dynamic equivalent modeling method for wind farm with DFIG | |
CN102013702B (zh) | 外部电网故障时并网风电场的动态等值方法 | |
CN103761349B (zh) | 一种基于风电机组概率同调性的风电场等值建模方法 | |
CN101937483B (zh) | 基于桨距角动作情况的双馈机组风电场动态等值建模方法 | |
CN102012956B (zh) | 一种考虑风电场输入风速和风向随机波动的风电场等值方法 | |
CN102760191B (zh) | 基于转速分群的双馈机组风电场等值建模系统及方法 | |
CN104036073B (zh) | 适于有功功率特性分析的双馈风电场动态等值建模方法 | |
CN103887815A (zh) | 基于运行数据的风电场参数辨识及动态等值方法 | |
CN103094920B (zh) | 一种直驱式风电机组风电场等值方法 | |
CN105678033B (zh) | 一种适用于电磁暂态仿真的风电场等值建模方法 | |
CN103558768B (zh) | 一种基于风电场内风速分布特性的等值建模方法 | |
CN106058937B (zh) | 一种含直驱永磁风电场的配电网广义负荷建模方法 | |
CN104820741B (zh) | 兼顾风场分散性与机组差异性的风电场动态等值方法 | |
CN102034008B (zh) | 风速波动下定速风电机组风电场的变参数电容补偿等值建模方法 | |
CN105762816B (zh) | 一种抑制次同步相互作用的方法 | |
CN115392133A (zh) | 采用高斯混合模型的风电场最优聚类等值方法 | |
CN105576654B (zh) | 直驱风电场等值方法和系统 | |
CN110571794B (zh) | 一种适用于双馈风机风电场的暂态模型等值计算方法 | |
CN106410862A (zh) | 基于有功恢复斜率校正的风电场单机等值方法 | |
CN104200027B (zh) | 一种考虑低电压穿越特性的风电场等效建模方法与装置 | |
CN110210170B (zh) | 一种大规模风电机群等值小信号模型建模方法 | |
CN114357787B (zh) | 一种海上风电场等值建模方法及系统 | |
Wang et al. | Development of wind-energy modeling technology and standards | |
CN109657380A (zh) | 一种基于扩展卡尔曼滤波的双馈风电场动态等值方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190326 |
|
WD01 | Invention patent application deemed withdrawn after publication |