CN111460596B - 一种风电场多机等值下等值机参数的分步获取方法 - Google Patents

Abstract

本发明公开了一种风电场多机等值下等值机参数的分步获取方法，包括对风电场中的各风电机组进行分群，将分在同群内的所有风电机组用一台等值机表示；基于分群结果对集电网络进行等值；构建风电场多机等值模型，计算出各等值机的等效风速。等值机参数值采用分步方法获取，首先采用聚合方法求取，进一步计算电网侧电压跌落下各等值机参数相对于有功功率及无功功率的轨迹灵敏度，计算从而确定重点参数；然后对重点参数采用辨识方法获取其参数值，辨识时将聚合方法求取的等值机参数值作为初始值。最后将重点参数的辨识结果及其余参数的聚合结果作为各等值机参数的最终值。本发明采用2步方法获得等值机参数值，大大提高了等值模型的精度。

Description

一种风电场多机等值下等值机参数的分步获取方法

技术领域

本发明属于电力系统建模领域，具体涉及一种风电场多机等值下等值机参数的分步获取方法。

背景技术

风电场多机等值时，参数的准确获取是难题之一。现有研究包括两种途径，一是“正向”聚合方法，即假设已知各台风电机组的自身参数以及稳态运行情况，同时还需获得风电场机组台数、布置方式以及集电网络参数等。将各风电机组参数通过一定的规则进行聚合，从而获得等值机参数。另一种是“反向”辨识方法，它根据系统受扰下的动态量测数据，通过拟合受扰曲线进行参数辨识。

由于风电机组参数一般由厂家给定，存在给定值不准确、或者由于运行过程中参数发生改变以及人为调节等原因，导致聚合方法获得的参数值与实际值可能存在偏差。当风电场等值为多台机组时，存在参数多、且各参数间存在交互影响等现象，采用辨识方法准确获得所有参数的难度较大。

发明内容

针对上述问题，本发明提出一种风电场多机等值下等值机参数的分步获取方法，结合“正向”聚合方法及“逆向”辨识方法，能够获得较为准确的风电场等值模型参数。

为了实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种风电场多机等值下等值机参数的分步获取方法，包括：

对风电场中的各风电机组进行分群，将分在同群内的所有风电机组用一台等值机等值表示；

基于风电机组的分群结果，对集电网络进行等值，获得集电网络等值模型；

基于所述分群结果以及集电网络等值模型，构建风电场多机等值模型；

根据同群内各台风电机组的风速，计算出等值机的等效风速；

根据同群内各台风电机组的参数值，采用聚合方法计算各等值机的参数值；

以等效风速作为等值机的风速，基于电网侧电压跌落下各等值机参数相对于有功功率及无功功率的轨迹灵敏度，确定各等值机参数的可辨识性，从而确定出重点参数；

以等效风速作为等值机的风速，将基于聚合方法计算得到的等值机参数值作为等值机参数的初始值，在风电场多机等值模型下，对所述重点参数进行辨识；

将重点参数的辨识结果及其余参数的聚合结果，作为各等值机参数的最终值。

可选地，所述对风电场中的各风电机组进行分群，包括以下步骤：

综合各风电机组的稳态分群结果和动态分群结果对风电场中的各风电机组进行最终分群，具体包括：

假设稳态分群结果有m个，动态分群结果有n个，从m个稳态分群结果中的第1个群开始，将该群内机组逐个与动态分群中的1～n群内的机组进行比较，将该稳态分群与动态分群中相同的机组分在新的一群，将该稳态分群与动态分群中不同的机组则各自分在新的一群中；再从稳态分群中的第2个群开始，重复上述步骤；直至稳态分群中的第m群与动态所有分群内机组比较完毕，得到最终的分群结果。

可选地，所述稳态分群结果通过以下步骤获得：

采用输入风速的三次方与其机械功率的关系曲线描述风电机组的稳态特性；

根据所述关系曲线的分段特性，将位于同一分段内的风电机组分为一群，获得稳态分群结果。

可选地，所述动态分群结果通过以下步骤获得：

根据风电机组的类型及控制方式，对风电场中的各风电机组进行动态分群，获得动态分群结果。

可选地，所述集电网络等值模型的获取步骤包括：

将同群内各风电机组的端口电压模值和相角平均，作为等值机母线电压的模值和相位；

将各风电机组出口母线通过一台具有复变比的理想移相变压器连接到等值机母线上，理想变压器的复变比为风电机组的出口电压/等值母线电压；

保留等值机端口节点以及PCC点，通过网络化简获得集电网络等值模型的参数，进而获得集电网络等值模型。

可选地，所述通过网络化简获得集电网络等值模型的参数，包括以下步骤：

设集电网络的节点导纳矩阵为Y，若用下标E和I分别表示要消去和保留的节点集，即

其中需要保留的节点分别为等值机端口以及PCC点；Y_II和Y_EE分别表示需保留节点和需消去节点的节点导纳矩阵，Y_IE和Y_EI分别表示需保留节点和需消去节点之间的互导纳矩阵。

用高斯消元法消去E中所有节点得到由I中节点组成的简化网络，得到等值节点导纳矩阵为

基于Y_eq可得到集电网络等值模型的参数。

可选地，当风电机组的风速已知，且风电机组位于机械功率与风速的三次方近似成正比的关系段时，等值机的等值风速v_eq基于下式求取：

其中，v_i和S_i分别为第i台风电机组的风速和容量；k为同群内风电机组的台数；S_eq为群内所有风电机组的容量之和，P_i为第i台风电机组的机械功率；

当风电机组位于最大功率P_max阶段时，将该段内所有风电机组的风速按容量加权值作为等值机的等效风速v_eq，

P_i＝P_max，其中，l为最大功率段内风电机组的台数。

可选地，所述等值机参数值x_eq的计算公式为：

其中，x_i为第i台风电机组参数，r为同群内风电机组的台数，S_i为第i台风电机组的容量，S_eq为群内所有风电机组的容量之和。

可选地，所述重点参数的确定方法包括：

基于电网侧电压跌落下有功功率及无功功率受扰轨迹的灵敏度，确定重点参数，所述参数的轨迹灵敏度的计算公式为：

式中，

是第i个参数θ_i的轨迹灵敏度，θ_i0是θ_i的给定值，y是有功功率或无功功率受扰轨迹，y_i0是θ_i＝θ_i0时的有功功率或无功功率受扰轨迹，Δθ_i是参数θ_i的偏差量，w是重点参数的总个数。

可选地，所述对重点参数进行辨识，包括以下步骤：

将基于聚合方法获得等值机参数值作为等值机参数的初始值，以PCC点的有功功率和无功功率受扰轨迹作为观测量，采用粒子群优化算法辨识重点参数，参数辨识目标函数为：

式中，P_sim和Q_sim表示为PCC点仿真/实测的总功率受扰数据，P_est和Q_est则为基于参数值辨识值仿真获得PCC点总功率受扰轨线，K为受扰轨线时间窗口内总点数，j为采样点数的标号，θ和

分别为重点参数的实际值和辨识值。

与现有技术相比，本发明的有益效果：

本发明采用聚合的方法计算出各等值机的等值机参数，并将聚合结果作为参数辨识的初始值；然后基于辨识方法获取等值机的重点参数，从而大大地提高了风电场多机等值模型的精度。

附图说明

为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明，其中：

图1为本发明一种实施例的风电场多机等值下等值机参数的分步获取方法流程示意图；

图2为风电场的布置图；

图3为风电机组的机械功率与风速的关系曲线；

图4为集电网络等值模型示意图；

图5(a)为原系统以及基于本发明结果的等值模型在PCC点处的电压示意图；

图5(b)为原系统以及基于本发明结果的等值模型在PCC点处的有功功率和无功功率受扰轨迹示意图；

图6(a)为原系统以及基于聚合方法后等值模型在PCC点处的电压示意图；

图6(b)为原系统以及基于聚合方法的等值模型在PCC点处的有功功率和无功功率受扰轨迹示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明的保护范围。

下面结合附图对本发明的应用原理作详细的描述。

本发明提出了一种风电场多机等值下等值机参数的分步获取方法，具体流程见图1所示。

步骤1：对风电场中的各风电机组进行分群，将分在同群内的所有风电机组用一台等值机表示；

在本发明的一种具体实施例中，所述步骤1具体包括以下步骤：

首先，基于各风电机组的稳态特性对风电场中的各风电机组进行分群，具体为：采用输入风速的三次方与其机械功率的关系曲线描述风电机组的稳态特性；根据所述关系曲线的分段特性，将位于同一分段内的风电机组分为一群。

其次，基于各风电机组的动态特性对风电场中的各风电机组进行分群，具体为：根据风电机组的类型及控制方式，对风电场中的各风电机组进行动态分群。

最后，综合各风电机组的稳态分群结果和动态分群结果对风电场中的各风电机组进行最终分群。具体包括以下步骤：假设稳态分群结果有m个，动态分群结果有n个，从m个稳态分群结果中的第1个群开始，将该群内机组逐个与动态分群中的1～n群内的机组进行比较，将该稳态分群与动态分群中相同的机组分在新的一群，将该稳态分群与动态分群中不同的机组则各自分在新的一群中；再从稳态分群中的第2个群开始，重复上述步骤；直至稳态分群中的第m群与动态所有分群内机组比较完毕，得到最终的分群结果。

以图2所示的风电场为例，它由4行4列16台1.5MW双馈风电机组通过机端变压器升压至25kV，通过集电网络连至PCC(Point of Common Coupling)母线，再经2台升压变通过双回线与无穷大系统相连。同馈线机组间距为400米(Y轴)，馈线间距为500米(X轴)，风轮直径70米。设WT1-WT8为定电压控制方式，机组WT9-WT16为定无功功率控制方式。风电机组模型参数见MATLAB Simulink平台。假设风由风电场的左下方吹入，风向为35度(与 X轴夹角)，测风塔(位于WT1号风机位置)所测风速为14m/s，推力系数取0.8，粗糙常数为0.075。

考虑尾流效应，根据各风电机组之间的距离及风向，计算上游机组沿风向在下游机组的尾流半径，进一步估算得到风电场内各风电机组的风速，见表1。

表1风电场的风速分布

结合风电机组的风速—风功率曲线(图3)，可知机组{1-4,5,9,13}运行于DE段的恒功率区，其余机组运行于BD段的最大功率跟踪区。此时按照稳态特性的分群结果为：机组(1-4,5,9,13)为同群，机组(6-8,10-12,14-16)为同群。

从风电机组的类型以及控制方式来看，图2的风电场内机组类型相同，但控制方式不同。其中：机组WT1-WT8为定电压控制方式，机组WT9-WT16为定无功功率控制方式。

综合各风电机组的稳态分群结果和动态分群结果对风电场中的各风电机组进行最终分群，见表2。

表2风电机组分群结果

分群	风机编号	等值风速(m/s)
			WT<sub>eq1</sub>	WT1-WT5	14.000 0
WT<sub>eq2</sub>	WT6-WT8	12.621 4
			WT<sub>eq3</sub>	WT9,WT13	14.000 0
WT<sub>eq4</sub>	WT10-12,WT14-16	12.162 4

步骤2：基于风电机组的分群结果，对集电网络进行等值，获得集电网络等值模型。

具体如下：

1)将同群内各风电机组的端口电压模值和相角平均，作为等值机母线电压的模值和相位；

2)将各风电机组出口母线通过一台具有复变比的理想移相变压器连接到等值机母线上，理想变压器的复变比为风电机组的出口电压/等值母线电压；

3)保留等值机端口节点以及PCC点，通过网络化简获得集电网络等值模型的参数，进而获得集电网络等值模型。

网络化简步骤为：设集电网络的节点导纳矩阵为Y，若用下标E和I分别表示要消去和保留的节点集，即

其中，需要保留的节点分别为等值机端口以及PCC 点；Y_II和Y_EE分别表示需保留节点和需消去节点的节点导纳矩阵，Y_IE和Y_EI分别表示需保留节点和需消去节点之间的互导纳矩阵。用高斯消元法消去E中所有节点得到由I中节点组成的简化网络，得到等值节点导纳矩阵为

基于Y_eq可得到集电网络等值模型的参数。

对于图2所示的风电场集电网络，其等值模型的结构见图4，由于等值机的机端电压相差不大，因此可将Z_eq12和Z_eq34忽略，其它参数为：Z_eq1＝1.9402+j6.1685Ω， Z_eq2＝2.5962+j8.2692Ω，Z_eq3＝312.13+j937.5Ω，Z_eq4＝1.3045+j4.1228Ω。

步骤3：基于所述分群结果以及集电网络等值模型，构建风电场多机等值模型，见图 4；

步骤4：根据同群内各台风电机组的风速，计算出等值机的等值风速。

对于位于BD段的风电机组，风功率正比于风速的三次方，因此如果按照风速的三次方求取等效风速，等值机的总功率与每台等值机的功率近似为线性关系。等值机的等值风速用式(1)求取：

其中，v_i和S_i分别为第i台风电机组风速和容量；k为位于BD段内的风电机组台数；S_eq为群内所有风电机组的容量之和，P_i为第i台机组的机械功率。

位于DE段的风电机组，功率特性曲线是一条水平线，因此可以将DE段内所有风电机组的风速均视为等效风速。等值机的等效风速用式(2)求取：

其中，l为位于DE段内的风电机组总台数。在本发明实施例的一种具体实施方式中，4 台等值机的等值风速见表2。

步骤5：根据同群内各台风电机组的参数值，采用聚合方法计算各等值机的参数值；

在本发明实施例的一种具体实施方式中，所述步骤5具体包括：

所述等值机参数x_eq的求取见式(3)：

其中，x_i为第i台机组参数，r为群内风电机组的台数。

步骤6：以等效风速作为等值机的风速，基于电网侧电压跌落下各等值机参数相对于有功功率及无功功率的轨迹灵敏度，确定各等值机参数的可辨识性，从而确定出重点参数；

所述重点参数的确定方法包括：基于电网侧电压跌落下各等值机参数相对于有功功率及无功功率的轨迹灵敏度，确定重点参数，所述参数的轨迹灵敏度的计算公式为：

式中，

是第i个参数的轨迹灵敏度，θ_i0是θ_i的给定值，y是有功功率或无功功率受扰轨迹，y_i0是θ_i＝θ_i0时的有功功率或无功功率受扰轨迹，Δθ_i是参数θ_i的偏差量，w是重点参数的总个数。

根据灵敏度大小，可得重点参数为：转子侧变流器有功外环比例积分系数K_{rp_p}和K_{rp_i}，以及电压外环控制器的比例积分系数K_{rv_p}和K_{rv_i}(定电压控制方式)，或者无功外环控制比例积分系数K_{rq_p}和K_{rq_i}(定无功控制方式)，双馈发电机的定子漏感L_s、转子漏感L_r以及定转子互感L_m作为重点参数。同时由于参数L_s和L_r的轨迹灵敏度基本同相，无法区分辨识，故将L_s和L_r的和作为重点参数。

步骤7：以等效值风速作为等值机的风速，将基于聚合方法计算得到的等值机参数值作为等值机参数的初始值，在风电场多机等值模型下，对所述重点参数进行辨识；

具体为：将基于聚合方法获得等值机参数值作为等值机参数的初始值，以PCC点的有功功率和无功功率受扰轨迹作为观测量，采用粒子群优化算法辨识重点参数，参数辨识目标函数为：

式中，P_sim和Q_sim表示为PCC点仿真/实测的总功率受扰数据，P_est和Q_est则为基于参数值辨识值仿真获得PCC点总功率受扰轨线，K为受扰轨线时间窗口内总点数，j为采样点数的标号，θ和

分别为重点参数的实际值和辨识值。

采用粒子群优化算法进行参数辨识时，粒子群种群大小为60，最大迭代次数60，学习因子取2，最小权重系数和最大权重系数值分别取0.4和0.9。当粒子群优化算法的前后 2次目标函数结果相差较小(达到某一阈值，如10^-4)或者迭代次数达到60时，辨识流程结束，此时的

值即为参数辨识值。表3为各等值机重点参数的参数辨识结果。

表3等值风电机组参数辨识结果

步骤8：将重点参数的辨识结果及其余参数的聚合结果作为各等值机参数的最终值。

将发明的获取方法与仅采用聚合方法的等值机受扰轨迹进行比较。故障设置为图2系统在t＝0s时刻f₁位置发生三相短路故障，故障持续0.15s后消失，系统恢复至原状态。图 5(a)和图5(b)为本发明方法下等值前后系统的受扰轨迹，图6(a)和图6(b)为仅基于聚合方法下等值前后系统的受扰轨迹，可以看出本发明方法具有较高的等值精度。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种风电场多机等值下等值机参数的分步获取方法，其特征在于，包括：

对风电场中的各风电机组进行分群，将分在同群内的所有风电机组用一台等值机等值表示；

基于风电机组的分群结果，对集电网络进行等值，获得集电网络等值模型；

基于所述分群结果以及集电网络等值模型，构建风电场多机等值模型；

根据同群内各台风电机组的风速，计算出等值机的等效风速；

根据同群内各台风电机组的参数值，采用聚合方法计算各等值机的参数值；

以等效风速作为等值机的风速，基于电网侧电压跌落下各等值机参数相对于有功功率及无功功率的轨迹灵敏度，确定各等值机参数的可辨识性，从而确定出重点参数；

以等效风速作为等值机的风速，将基于聚合方法计算得到的等值机参数值作为等值机参数的初始值，在风电场多机等值模型下，对所述重点参数进行辨识；

将重点参数的辨识结果及其余参数的聚合结果，作为各等值机参数的最终值。

2.根据权利要求1所述的一种风电场多机等值下等值机参数的分步获取方法，其特征在于，所述对风电场中的各风电机组进行分群，包括以下步骤：

综合各风电机组的稳态分群结果和动态分群结果对风电场中的各风电机组进行最终分群，具体包括：

假设稳态分群结果有m个，动态分群结果有n个，从m个稳态分群结果中的第1个群开始，将该群内机组逐个与动态分群中的1～n群内的机组进行比较，将该稳态分群与动态分群中相同的机组分在新的一群，将该稳态分群与动态分群中不同的机组则各自分在新的一群中；再从稳态分群中的第2个群开始，重复上述步骤；直至稳态分群中的第m群与动态所有分群内机组比较完毕，得到最终的分群结果。

3.根据权利要求2所述的一种风电场多机等值下等值机参数的分步获取方法，其特征在于：所述稳态分群结果通过以下步骤获得：

采用输入风速的三次方与其机械功率的关系曲线描述风电机组的稳态特性；

根据所述关系曲线的分段特性，将位于同一分段内的风电机组分为一群，获得稳态分群结果。

4.根据权利要求2所述的一种风电场多机等值下等值机参数的分步获取方法，其特征在于：所述动态分群结果通过以下步骤获得：

根据风电机组的类型及控制方式，对风电场中的各风电机组进行动态分群，获得动态分群结果。

5.根据权利要求1所述的一种风电场多机等值下等值机参数的分步获取方法，其特征在于：所述集电网络等值模型的获取步骤包括：

将同群内各风电机组的端口电压模值和相角平均，作为等值机母线电压的模值和相位；将各风电机组出口母线通过一台具有复变比的理想移相变压器连接到等值机母线上，理想变压器的复变比为风电机组的出口电压/等值母线电压；

保留等值机端口节点以及PCC点，通过网络化简获得集电网络等值模型的参数，进而获得集电网络等值模型。

6.根据权利要求5所述的一种风电场多机等值下等值机参数的分步获取方法，其特征在于：所述通过网络化简获得集电网络等值模型的参数，包括以下步骤：

设集电网络的节点导纳矩阵为Y，若用下标E和I分别表示要消去和保留的节点集，即

其中需要保留的节点分别为等值机端口以及PCC点；Y_II和Y_EE分别表示需保留节点和需消去节点的节点导纳矩阵，Y_IE和Y_EI分别表示需保留节点和需消去节点之间的互导纳矩阵；

用高斯消元法消去E中所有节点得到由I中节点组成的简化网络，得到等值节点导纳矩阵为

基于Y_eq得到集电网络等值模型的参数。

7.根据权利要求1所述的一种风电场多机等值下等值机参数的分步获取方法，其特征在于：当风电机组的风速已知，且风电机组位于机械功率与风速的三次方成正比的关系段时，等值机的等值风速v_eq基于下式求取：

其中，v_i和S_i分别为第i台风电机组的风速和容量；k为同群内风电机组的台数；S_eq为群内所有风电机组的容量之和，P_i为第i台风电机组的机械功率；

当风电机组位于最大功率P_max阶段时，将该阶段内所有风电机组的风速按容量加权值作为等值机的等效风速v_eq，

P_i＝P_max，其中，l为最大功率段内风电机组的台数。

8.根据权利要求1所述的一种风电场多机等值下等值机参数的分步获取方法，其特征在于：所述等值机参数值的计算公式为：

其中，x_eq为等值机参数值，x_i为第i台风电机组参数，r为同群内风电机组的台数，S_i为第i台风电机组的容量，S_eq为群内所有风电机组的容量之和。

9.根据权利要求1所述的一种风电场多机等值下等值机参数的分步获取方法，其特征在于：所述重点参数的确定方法包括：

基于电网侧电压跌落下等值机参数相对于有功功率及无功功率的轨迹灵敏度，确定重点参数，所述参数的轨迹灵敏度的计算公式为：

式中，

是第i个参数θ_i的轨迹灵敏度，θ_i0是θ_i的给定值，y是有功功率或无功功率受扰轨迹，y_i0是θ_i＝θ_i0时的有功功率或无功功率受扰轨迹，Δθ_i是参数θ_i的偏差量，w是重点参数的总个数。

10.根据权利要求1所述的一种风电场多机等值下等值机参数的分步获取方法，其特征在于：对重点参数进行辨识，包括以下步骤：

将基于聚合方法获得等值机参数值作为等值机参数的初始值，以PCC点的有功功率和无功功率受扰轨迹作为观测量，采用粒子群优化算法辨识重点参数，参数辨识目标函数为：

式中，P_sim和Q_sim表示为PCC点仿真/实测的总功率受扰数据，P_est和Q_est则为基于参数值辨识值仿真获得PCC点总功率受扰轨线，K为受扰轨线时间窗口内总点数，j为采样点数的标号，θ和

分别为重点参数的实际值和辨识值。

Images