CN111476293B - 一种计及风速风向的风电场分群方法 - Google Patents
一种计及风速风向的风电场分群方法 Download PDFInfo
- Publication number
- CN111476293B CN111476293B CN202010263360.6A CN202010263360A CN111476293B CN 111476293 B CN111476293 B CN 111476293B CN 202010263360 A CN202010263360 A CN 202010263360A CN 111476293 B CN111476293 B CN 111476293B
- Authority
- CN
- China
- Prior art keywords
- wind
- fan
- clustering
- axis
- power plant
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Control Of Eletrric Generators (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种计及风速风向的风电场分群方法,属于风电场技术领域。现有的风电场分群方法聚合效果差,无法对风电场进行准确分群,进而构建的风电场等效模型精度低。本发明一种计及风速风向的风电场分群方法,充分考虑了风电场内尾流效应和风轮转向动作对尾流区域的影响,对风电场内部各风机输入风速进行建模计算;进一步根据风速计算有功功率,并把有功功率作为分群特征量,采用系统聚类算法进行聚类分析,进而能够准确表征风电场整体动态特性,进而能够对大规模风电场的降阶聚合建模,有效提高电力系统的仿真效率。
Description
技术领域
本发明涉及一种计及风速风向的风电场分群方法,属于风电场技术领域。
背景技术
在研究大规模风电接入对电力系统动态特性的影响时,需要一个能准确表征风电场整体动态特性的风电场模型。风电场电源与传统同步发电机不同,风电场通常由几十台甚至上百台风机组成,每一台风机都由风机、发电机、电力电子变换器及其控制器组成,各台风机运行状态不尽相同,无法用其中某一台风机的电磁暂态模型来准确表征代表大量机组共同作用的风电场的整体性特征,需用一个十几阶的模型来描述其动态特性。如果每一台风机都采用详细模型,风电场的模型就会达到上千阶,这样庞大的模型接入电力系统进行仿真计算,必然会造成“维数灾”,计算量很大且难以收敛。另外,一个风电场的容量通常只相当于一台火电机组的容量,容量和模型阶数的严重不匹配使得电力系统仿真的效率大大下降。
为实现对大规模风电场的降阶聚合建模,提高电力系统的仿真效率,许多研究根据风机排布地理位置将同行或列机组划分为同一台风机,从而对风电场进行简化;或者根据风机输入风速进行分群,将风速相近的风机分为一组。然而这些分群特征量的选取只能体现稳态运行时风机的特性,难以在发生故障的情况下准确描述风机动态特性差异。
同时,风电场由大量分散布置的风电机组组成,风电机组从风中获取能量的同时会在下风向形成一个尾流区,尾流区沿着风向向下游发展,如果有风电机组位于尾流区内,下游风电机组的输入风速就低于上游风电机组的输入风速,风电机组相距越近,它们之间的影响越大,这种现象称为尾流效应。因此为准确表征风电场整体动态特性,必须考虑尾流效应。
例如:中国专利(公告号CN103886179B)本发明公开了一种基于尾流效应分群的风电场风机聚合方法,主要包括:获取待测风电场对应测风塔1年以上的历史测风数据,通过风速玫瑰图分析法,计算待测风电场的主导风向;基于计算得到的待测风电场的主导风向,采用Larsen模型计算尾流对风速的影响;基于计算得到的待测风电场的主导风向、以及计算得到的尾流对风速的影响,对风电场风机进行分群;基于分群结果,根据尾流模型分别计算等值后每台风机的风速。
上述方法能够实现对大规模风电场进行降阶聚合建模,提高电力系统的仿真效率,但是该方案选取风速作为描述风电场动态特性的特征量,只能体现稳态运行时风机的特性,难以在发生故障的情况下准确描述风机动态特性差异,并且选取风速作为依据时不能保持在一段时间内分群结果唯一,导致分群聚合效果差,无法对风电场进行准确分群,进而构建的风电场等效模型精度低。
发明内容
针对现有技术的缺陷,本发明的目的在于提供一种考虑了风电场内尾流效应和风轮转向动作对尾流区域的影响,对风电场内部各风机输入风速进行建模计算;进一步根据风速计算有功功率,并把有功功率作为分群特征量,采用系统聚类算法进行聚类分析,进而能够准确表征风电场整体动态特性,进而能够对大规模风电场的降阶聚合建模,有效提高风电场仿真效率的计及风速风向的风电场分群方法。
为实现上述目的,本发明的技术方案为:
一种计及风速风向的风电场分群方法,具体包括以下步骤:
第一步,建立尾流模型,计算风电场内的风机输入风速;
考虑风机间尾流效应以及风机转向,对风电场内部风机输入风速进行建模计算;
当风向变化时,风机的尾流影响区域也随风向变化;
第二步,将尾流模型计算得到的风机输入风速作为输入量,建立风机模型计算风机的有功功率;
风机主要由风力机、发电机、变流器及控制器组成;
风力机将风的动能转换为风轮旋转动能,在风速给定的情况下,风力机捕获的风功率主要取决于风能利用系数,根据风能利用系数计算风力机捕获的机械功率,即风机的输入功率;
变流器控制发电机的有功功率能够跟踪风机的输入功率,使得风机能够实现最大功率跟踪控制,并根据输入功率得到有功功率;
第三步,把有功功率作为分群特征量,采用系统聚类算法进行聚类分析,对风电场内的风机进行分类。
风机等效模型必须能够准确地描述风电场的整体特性,正确地选取能够准确描述风电场动态特性的特征量,是风电场准确分群,进而提高风电场等效模型精度的关键。
本发明充分考虑了风电场内尾流效应和风轮转向动作对尾流区域的影响,对风电场内部各风机输入风速进行建模计算;进一步根据风速计算有功功率,并把有功功率作为分群特征量,采用系统聚类算法进行聚类分析,进而能够准确表征风电场整体动态特性,进而能够对大规模风电场的降阶聚合建模,有效提高风电场的仿真效率。
进一步,风机的动态特性特征量主要有端口电压、输出的有功功率和无功功率等。
其中,端口电压主要由风力发电机组和电网共同决定,而无功功率的动态包含风机的无功电压特性和无功功率补偿设备的动态,所以端口电压和无功功率的动态不完全由风机决定,不适合作为特征变量。另外选取转速或其他状态量作为依据时不能保持在一段时间内分群结果唯一,而选取转子侧电流作为主导观测量时其受初试运行点的影响不大,即不同初试运行点下的转子侧电流受扰动变化基本一致,不利于对风机进行合理分群。
因此本发明选择有功功率作为分群特征量,采用系统聚类算法进行聚类分析,进而能够准确表征风电场整体动态特性,进而提高风电场等效模型精度。
作为优选技术措施:
所述第一步,当风向变化时,风机的偏航装置将根据轮毂高度处的风速计和风向标使风轮对准来风方向,风机的尾流影响区域也随风向变化,上、下游风机间的相互影响也将发生变化,本发明考虑各种因素,方案详尽,能够准确表征风电场整体动态特性。
作为优选技术措施:
考虑风轮转向动作时,计算下游风机的尾流半径及下游风机的输入风速;
其具体包括以下内容:
计算上、下游风机的距离,两台风机坐标分别为(xi,yi)和(xk,yk),两台风机之间的距离为:
当风向为γ1时,上游风机在下游风机处的尾流半径为:
式中rrot为风轮半径,tanα为尾流衰减常数;
当风向变化为γ2时,即风机的偏航装置动作使风轮对准来风方向,导致上游风机沿当前风向在下游风机处的尾流半径为:
式中γ为风向偏移角度;
因此风向的变化会导致上游风机在下游风机处的尾流半径发生相应的变化,使风轮重叠面积变化,故上下游风机之间的相互影响也会产生对应变化;
考虑风轮转向动作时下游风机的尾流半径及下游风机的输入风速vk为:
式中CT为推力系数;vi为第i台上游风机的输入风速;r(x)为考虑风向变化的下游风电机组尾流半径,即rγ2(x)。
本发明方案详尽、实用、合理,切实可行。
作为优选技术措施:
由于风电场内任意风机的风轮都有可能在不同程度上被其上游风机风轮所遮挡,因此在计算风电场内任意一台风轮的输入风速时,必须要考虑风电场内其余风机对它的影响;
根据单位时间内的动量守恒定律得出作用在任意一台风轮上的风速vi为:
式中vw0-ki为考虑尾流效应时第k台风机作用在第i台风机上的风速;vi0为未考虑风轮投影重叠时第i台风机上的输入风速;βk为遮挡系数,即第k台风机的风轮投影面积与第i台风机风轮扫风面积之比;Ashad-ik为第k台风机的风轮投影面积;Arod-i为第i台风机风轮扫风面积。本发明方案详尽、实用、合理,切实可行。
作为优选技术措施:
所述第二步,所述风机为永磁直驱风电机组D-PMSG;
所述发电机为永磁同步发电机PMSG;
所述变流器为“背靠背”变流器;
所述发电机的有功功率与风机的输入功率相等或基本相等;
风能利用系数Cp(λ,β),它表示在单位时间内风轮所吸收的风功率与通过风轮旋转面的全部风能之比;
永磁同步发电机本质上是同步发电机,采用同步发电机的分析方法对永磁同步发电机进行分析计算;在下列假设的前提下建立永磁直驱同步发电机数学模型:(1)转子上没有阻尼绕组;(2)忽略定转子铁芯磁阻,忽略发电机内部涡流和磁滞损耗;(3)定子绕组产生的磁场在气隙中为正弦分布;
“背靠背”变流器及其控制器分为机侧变流器和网侧变流器以及其控制器;
机侧变流器控制目标是控制发电机的有功功率能够跟踪风机的输入功率,使得永磁直驱风机能够实现最大功率跟踪控制;
网侧变流器控制模型能够保持系统中直流电压稳定并将直流电以与电网电压幅值大小、相位以及频率大小相同的交流电的形式输出到电网中,从而实现D-PMSG并网;
机侧变流器的控制环节采用传统的转速外环和电流内环的双闭环控制;设置PI控制系统使定子电流Id和Iq跟踪参考值Idref和Iqref,其中电流内环的d轴参考值Idref设置为0,满足d轴电流为0矢量控制;电流内环的q轴参考值Iqref由转速实际值ω和转速参考值的差值构成转速外环控制获得;通过前馈补偿的方式来实现对d、q轴电流的解耦控制,从而消除二者之间的耦合,最后通过SVPWM控制开关函数来实现制波;
作为优选技术措施:
风力机捕获的输入功率计算公式为:
式中ρ为空气密度,R为风轮叶片的长度,πR2为风轮叶片的扫风面积,λ为叶尖速比,β为风力机叶片的桨距角度数,Cp(λ,β)为风能利用系数,v为风力机承受的输入风速;
作为优选技术措施:
Cp(λ,β)即Cp采用经验公式计算,目前广泛使用的8独立参数变桨距风力机模型为:
式中参数c1-c8的常用取值为:c1=110.23,c2=0.4234,c3=0.00146,c4=2.14,c5=9.636,c6=18.4,c7=-0.02,c8=-0.003;λ为叶尖速比,是风轮叶片的叶尖速度与风速之比;β为风力机叶片的桨距角度数;ωT为风力机旋转的角速度。
作为优选技术措施:
永磁直驱同步电机在dq坐标系下的定子电压控制方程:
式中,Ud和Uq分别是d轴和q轴定子电压;Id和Iq分别是d轴和q轴定子电流;为Id对时间t的微分;为Iq对时间t的微分;ψf为永磁体磁链;ωe是永磁同步发电机电角速度;R为定子电阻;Ld和Lq分别是d轴和q轴电感;永磁同步发电机的电磁转矩方程为:
式中Te为电磁转矩;pn是极对数;采用d轴电流为0的控制方式时,电磁转矩方程转换为:
在转子磁链恒定的情况下,永磁直驱同步发电机的电磁转矩仅与q轴电流Iq成正比,故q轴电流Iq能够由转矩获得;
网侧变流器使用电网电压定向矢量控制技术,将dq坐标系中的d轴与电网电压矢量方向重合,即令q轴电压为0,网侧变流器输出到电网的功率为:
式中,Pg和Qg分别表示网侧变流器输出的有功功率、无功功率;Idg为d轴电流;Iqg为q轴电流;
Udg为d轴电压;Uqg为q轴电压。
作为优选技术措施:
所述第三步,所述有功功率为短路故障情况下的各风电机组有功功率时序数据。
由于地理位置和风速的特征只能体现稳态,为进一步提高表征风电场整体动态特性,采用故障情况下的有功时序数据。
采用系统聚类法对风电场内部所有风机的有功功率时序数据进行分群:
首先将聚类对象中的有功功率各自看作一类,然后将其中最相似的有功功率聚为一个小类;
继续将已聚合的小类和其他类按相似度重新聚合,随着一步步地聚合,类与类之间相似度不断减弱;
最后所有子类都将聚合为一个大类,从而得到一个按相似度大小聚合起来的聚类树形图;这样便能够根据实际情况,确定合适的分类个数以及每类各有什么样的有功功率。
作为优选技术措施:
采用系统聚类法,依据分群指标进行分群的具体步骤如下:
①数据预处理:得到表征机组的特征向量P即有功功率输出曲线;
②将特征向量P中各有功功率自成一类,计算各有功功率间相似度,得到两两之间的距离(即分群指标),从而得到距离矩阵D(0);
③找到距离矩阵D(0)中最小的元素,不失一般性设为D(i,j),则将Pi和Pj合并为一个新的类,记为Pm;
④通过计算新类Pm和其它各类的距离,本发明选取的距离计算方法为Ward最小方差法,得到新的距离矩阵D(1);
⑤重复第②步到第③步,直至所有有功功率数据都分为一类即停止计算;
⑥由聚类过程绘制出聚类树形图,依据分群指标得到分群结果。
本发明方案详尽、实用、合理,切实可行。
与现有技术相比,本发明具有以下有益效果:
本发明充分考虑了风电场内尾流效应和风轮转向动作对尾流区域的影响,对风电场内部各风机输入风速进行建模计算;进一步根据风速计算有功功率,并把有功功率作为分群特征量,采用系统聚类算法进行聚类分析,进而能够准确表征风电场整体动态特性,进而能够对大规模风电场的降阶聚合建模,有效提高电力系统的仿真效率。
本发明方案详尽、实用、合理,切实可行。
附图说明
图1为本发明考虑风轮转向的尾流模型示图;
图2为本发明考虑尾流效应及风轮转向的风电场分群流程图;
图3为浙江某海上风电场内部风机位置坐标系示图;
图4为应用本发明计算出的计及季节气象条件的风电场内部风速分布示图;
图5为应用本发明计算出的计及季节气象条件的风电机组分群树形图;
图6为应用本发明等效建模的夏季分群等值有功曲线对比示图;
图7为应用本发明等效建模的夏季分群等值无功曲线对比示图;
图8为应用本发明等效建模的冬季分群等值有功曲线对比示图;
图9为应用本发明等效建模的冬季分群等值无功曲线对比示图。
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,以下结合附图及实施例,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。
相反,本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步,为了使公众对本发明有更好的了解,在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也能够完全理解本发明。
如图1-2所示,一种计及风速风向的风电场分群方法,具体包括以下内容:
第一,考虑风电机组间尾流效应,对风电场内部风机输入风速进行建模计算:
风电场由大量分散布置的风电机组组成,风电机组从风中获取能量的同时会在下风向形成一个尾流区,尾流区沿着风向向下游发展,如果有风电机组位于尾流区内,下游风电机组的输入风速就低于上游风电机组的输入风速,风电机组相距越近,它们之间的影响越大,这种现象称为尾流效应。
另外,当风向变化时,风电机组的偏航装置将根据轮毂高度处的风速计和风向标使风轮对准来风方向,风电机组的尾流影响区域也随风向变化,上、下游风电机组间的相互影响也将发生变化。
设某两台风机坐标分别为(xi,yi)和(xk,yk),两台风机之间的距离为:
当风向为γ1时,上游风电机组在下游风电机组处的尾流半径为:
式中rrot为风轮半径,tanα为尾流衰减常数。当风向变化为γ2时,由于风电机组的偏航装置动作使风轮对准来风方向,导致上游风电机组沿当前风向在下游风电机组处的尾流半径为:
式中γ为风向偏移角度。因此风向的变化会导致上游风电机组在下游风电机组处的尾流半径发生相应的变化,使风轮重叠面积变化,故上下游风电机组之间的相互影响也会产生对应变化。
考虑风轮转向动作时下游风机的尾流半径及下游风机的输入风速vk为:
式中CT为推力系数;vi为第i台上游风电机组的输入风速。由于风电场内任意风电机组的风轮都有可能在不同程度上被其上游风电机组风轮所遮挡,因此在计算风电场内任意一台风轮的输入风速时,必须要考虑风电场内其余风电机组对它的影响。
根据单位时间内的动量守恒定律得出作用在任意一台风轮上的风速vi为:
式中vw0-ki为考虑尾流效应时第k台风电机组作用在第i台风电机组上的风速;vi0为未考虑风轮投影重叠时第i台风电机组上的输入风速;βk为遮挡系数,即第k台风电机组的风轮投影面积与第i台风电机组风轮扫风面积之比;Ashad-ik为第k台风电机组的风轮投影面积;Arod-i为第i台风电机组风轮扫风面积。
因此,综合考虑了风电场内尾流效应和风轮转向动作对尾流区域的影响,本发明详细分析了在某一初始输入风速下整个风电场内的风速分布。考虑风轮转向的风电场内部风速尾流模型如图1所示。
第二,将尾流模型计算得到的风电机组输入风速作为输入量,通过风电机组模型计算有功功率输出。永磁直驱风电机组(D-PMSG)模型主要由风力机、永磁同步发电机(PMSG)、“背靠背”变流器及各种控制器组成。风力机将风的动能转换为风轮旋转动能。风力机捕获的机械功率可以表示为:
式中ρ为空气密度,R为风轮叶片的长度,πR2为风轮叶片的扫风面积,λ为叶尖速比,β为风力机叶片的桨距角度数,Cp(λ,β)为风能利用系数,v为风力机承受的输入风速。
在风速给定的情况下,风力机捕获的风功率主要取决于风能利用系数Cp(λ,β),它表示在单位时间内风轮所吸收的风功率与通过风轮旋转面的全部风能之比,Cp一般采用经验公式计算,目前广泛使用的8独立参数变桨距风力机模型为:
式中参数c1-c8的常用取值为:c1=110.23,c2=0.4234,c3=0.00146,c4=2.14,c5=9.636,c6=18.4,c7=-0.02,c8=-0.003;λ为叶尖速比,是风轮叶片的叶尖速度与风速之比;ωT为风力机旋转的角速度。
永磁同步发电机本质上是同步发电机,采用同步发电机的分析方法对永磁同步发电机进行分析计算。在下列假设的前提下建立永磁直驱同步发电机数学模型:(1)转子上没有阻尼绕组;(2)忽略定转子铁芯磁阻,忽略发电机内部涡流和磁滞损耗;(3)定子绕组产生的磁场在气隙中为正弦分布。永磁直驱同步电机在dq坐标系下的定子电压控制方程:
式中,Ud和Uq分别是d轴和q轴定子电压;Id和Iq分别是d轴和q轴定子电流;ψf为永磁体磁链;ωe是永磁同步发电机电角速度;R为定子电阻;Ld和Lq分别是d轴和q轴电感。永磁同步发电机的电磁转矩方程为:
式中Te为电磁转矩;pn是极对数。采用d轴电流为0的控制方式时,电磁转矩方程转换为:
在转子磁链恒定的情况下,永磁直驱同步发电机的电磁转矩仅与q轴电流Iq成正比,故q轴电流Iq可以由转矩获得。
“背靠背”变流器及其控制器分为机侧变流器和网侧变流器以及其控制器。机侧变流器控制目标是控制发电机的有功功率能够跟踪风机的输入功率,使得永磁直驱风机能够实现最大功率跟踪控制;网侧变流器控制模型可以保持系统中直流电压稳定并将直流电以与电网电压幅值大小、相位以及频率大小相同的交流电的形式输出到电网中,从而实现D-PMSG并网。
机侧变流器的控制环节采用传统的转速外环和电流内环的双闭环控制。设置PI控制系统使定子电流Id和Iq跟踪参考值Idref和Iqref,其中电流内环的d轴参考值Idref设置为0,满足d轴电流为0矢量控制;电流内环的q轴参考值Iqref由转速实际值ω和转速参考值的差值构成转速外环控制获得。通过前馈补偿的方式来实现对d、q轴电流的解耦控制,从而消除二者之间的耦合,最后通过SVPWM控制开关函数来实现制波。
网侧变流器使用电网电压定向矢量控制技术,将dq坐标系中的d轴与电网电压矢量方向重合,即令q轴电压为0,网侧变流器输出到电网的功率为:
式中,Pg和Qg分别表示网侧变流器输出的有功功率、无功功率。设置PI控制器使网侧变流器d轴电流Idg和q轴电流Iqg跟踪参考值Idgref和Iqgref,其中电流内环的d轴参考值Idref由直流电压实际值Udc和直流电压参考值Udcref的差值构成电压外环控制获得,最后通过SVPWM实现制波。
第三,采用系统聚类法(Hierarchical Cluster Method)对风电场内部所有机组的时序数据进行分群:系统聚类法是目前最常用一种聚类方法,它又叫“谱系聚类法”,其基本思想是:首先将聚类对象中的样品各自看作一类,然后将其中最相似的样品聚为一个小类,继续将已聚合的小类和其他类按相似度重新聚合,随着一步步地聚合,类与类之间相似度不断减弱,最后所有子类都将聚合为一个大类,从而得到一个按相似度大小聚合起来的聚类树形图。这样便可以根据实际情况,确定合适的分类个数以及每类各有什么样品。
采用系统聚类法,依据分群指标进行分群的具体步骤如下:
①数据预处理:得到表征机组的特征向量P即有功功率输出曲线。
②将特征向量P中各样品自成一类,计算各样品间相似度,得到两两之间的距离(即分群指标),从而得到距离矩阵D(0)。
③找到距离矩阵D(0)中最小的元素,不失一般性设为D(i,j),则将Pi和Pj合并为一个新的类,记为Pm。
④通过计算新类Pm和其它各类的距离,本发明选取的距离计算方法为Ward最小方差法,得到新的距离矩阵D(1)。
⑤重复第②步到第③步,直至所有样品数据都分为一类即停止计算。
⑥由聚类过程绘制出聚类树形图,依据分群指标得到分群结果。
综上所述,在搭建尾流效应模型时考虑风电机组风轮跟随风向转向,计及季节风速风向气象条件的风电场内机组分群策略流程图如图2所示。
如图3-9所示,应用本发明一种具体实施例:
以浙江某海上风电场为例进行仿真,首先根据此海上风电场实际风电机组地理位置,以正北方向为y轴正方向建立坐标系,建系后的风电场位置如图3所示:
同时,本发明计及了季节气象条件,根据不同季节的风速风向,对风电场内的风速分布进行分析。以该海上风电场为例,通过对该风电场测风塔的一年风速及风向数据统计分析可得:该地秋冬季西北风较多,风速较快;夏季东南风较多,风速较慢。
因此设秋冬季风由风电场左上方吹入,风向为345度,风速为15m/s;夏季风由风电场右下方吹入,风向为165度,风速为10m/s。考虑尾流效应和风轮转向的某海上风电场内的风速分布如图4所示。
采用秋冬季和夏季两种风速分布结果,分别进行仿真实验,故障设置为6s时发生三相短路故障,并在6.05s故障消除。如上文所述根据风电机组有功功率曲线的相似程度,采用系统聚类方法对风电场内部所有风电机组进行分群,能够得到不同气象条件下的风电场分群结果。计及季节气象条件的风电机组分群如表1所示,分群树形图如图5所示。
表1计及季节气象条件的风电机组分群结果
季节 | 分群数n | 分群结果 |
夏季 | 3 | {1~28};{29~42,46~50};{43~45} |
秋冬季 | 3 | {1~2,23~24};{3~22};{25~50} |
可以看出,本发明提出的分群方法可以按实际要求选择合适的分群数,为了检验分群的准确性,按照表中分群数为3的分群结果对风电场进行等效建模,然后将它与风电场详细模型和单机等效模型进行对比,有功功率与无功功率动态曲线如图6至图9所示。
可以看出,用本发明提出的分群方法先分群再等效建模,将有效地改善等效模型的误差。在等值效果上,本发明等值模型的输出特性与详细风电场模型保持一致并且吻合度较高;和单机等值模型相比,本发明多机等值模型效果更好,这也说明了风电机组分群的必要性。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种计及风速风向的风电场分群方法,其特征在于,具体包括以下步骤:
第一步,建立尾流模型,计算风电场内的风机输入风速;
考虑风机间尾流效应以及风机转向,对风电场内部风机输入风速进行建模计算;
第二步,将尾流模型计算得到的风机输入风速作为输入量,建立风机模型计算风机的有功功率;
风机主要由风力机、发电机、变流器及控制器组成;
风力机将风的动能转换为风轮旋转动能,在风速给定的情况下,风力机捕获的风功率主要取决于风能利用系数,根据风能利用系数计算风力机捕获的机械功率,即风机的输入功率;
变流器控制发电机的有功功率能够跟踪风机的输入功率,使得风机能够实现最大功率跟踪控制,并根据输入功率得到有功功率;
第三步,把有功功率作为分群特征量,采用系统聚类算法进行聚类分析,对风电场内的风机进行分类。
2.如权利要求1所述的一种计及风速风向的风电场分群方法,其特征在于,
所述第一步,当风向变化时,风机的偏航装置将根据轮毂高度处的风速计和风向标使风轮对准来风方向,风机的尾流影响区域也随风向变化,上、下游风机间的相互影响也将发生变化。
3.如权利要求2所述的一种计及风速风向的风电场分群方法,其特征在于,
考虑风轮转向动作时,计算下游风机的尾流半径及下游风机的输入风速;
其具体包括以下内容:
计算上、下游风机的距离,两台风机坐标分别为(xi,yi)和(xk,yk),两台风机之间的距离为:
当风向为γ1时,上游风机在下游风机处的尾流半径为:
式中rrot为风轮半径,tanα为尾流衰减常数;
当风向变化为γ2时,即风机的偏航装置动作使风轮对准来风方向,导致上游风机沿当前风向在下游风机处的尾流半径为:
式中γ为风向偏移角度;
因此风向的变化会导致上游风机在下游风机处的尾流半径发生相应的变化,使风轮重叠面积变化,故上下游风机之间的相互影响也会产生对应变化;
考虑风轮转向动作时下游风机的尾流半径及下游风机的输入风速νk为:
式中CT为推力系数;vi为第i台上游风机的输入风速;r(x)为考虑风向变化的下游风电机组尾流半径,即rγ2(x)。
5.如权利要求1所述的一种计及风速风向的风电场分群方法,其特征在于,
所述第二步,所述风机为永磁直驱风电机组;
所述发电机为永磁同步发电机;
所述变流器为“背靠背”变流器;
所述发电机的有功功率与风机的输入功率相等或基本相等;
风能利用系数Cp(λ,β),它表示在单位时间内风轮所吸收的风功率与通过风轮旋转面的全部风能之比;
永磁同步发电机本质上是同步发电机,采用同步发电机的分析方法对永磁同步发电机进行分析计算;
“背靠背”变流器及其控制器分为机侧变流器和网侧变流器以及其控制器;
机侧变流器控制目标是控制发电机的有功功率能够跟踪风机的输入功率,使得永磁直驱风机能够实现最大功率跟踪控制;
网侧变流器控制模型能够保持系统中直流电压稳定并将直流电以与电网电压幅值大小、相位以及频率大小相同的交流电的形式输出到电网中,从而实现D-PMSG并网;
机侧变流器的控制环节采用传统的转速外环和电流内环的双闭环控制;设置PI控制系统使定子电流Id和Iq跟踪参考值Idref和Iqref,其中电流内环的d轴参考值Idref设置为0,满足d轴电流为0矢量控制;电流内环的q轴参考值Iqref由转速实际值ω和转速参考值的差值构成转速外环控制获得;通过前馈补偿的方式来实现对d、q轴电流的解耦控制,从而消除二者之间的耦合,最后通过SVPWM控制开关函数来实现制波。
8.如权利要求5所述的一种计及风速风向的风电场分群方法,其特征在于,
永磁直驱同步电机在dq坐标系下的定子电压控制方程:
式中,Ud和Uq分别是d轴和q轴定子电压;Id和Iq分别是d轴和q轴定子电流;为Id对时间t的微分;为Iq对时间t的微分;ψf为永磁体磁链;ωe是永磁同步发电机电角速度;R为定子电阻;Ld和Lq分别是d轴和q轴电感;永磁同步发电机的电磁转矩方程为:
式中Te为电磁转矩;pn是极对数;采用d轴电流为0的控制方式时,电磁转矩方程转换为:
在转子磁链恒定的情况下,永磁直驱同步发电机的电磁转矩仅与q轴电流Iq成正比,故q轴电流Iq能够由转矩获得;
网侧变流器使用电网电压定向矢量控制技术,将dq坐标系中的d轴与电网电压矢量方向重合,即令q轴电压为0,网侧变流器输出到电网的功率为:
式中,Pg和Qg分别表示网侧变流器输出的有功功率、无功功率;Idg为d轴电流;Iqg为q轴电流;
Udg为d轴电压;Uqg为q轴电压。
9.如权利要求1-8任一所述的一种计及风速风向的风电场分群方法,其特征在于,
所述第三步,所述有功功率为短路故障情况下的各风电机组有功功率时序数据;
采用系统聚类法对风电场内部所有风机的有功功率时序数据进行分群:
首先将聚类对象中的有功功率各自看作一类,然后将其中最相似的有功功率聚为一个小类;
继续将已聚合的小类和其他类按相似度重新聚合,随着一步步地聚合,类与类之间相似度不断减弱;
最后所有子类都将聚合为一个大类,从而得到一个按相似度大小聚合起来的聚类树形图。
10.如权利要求9所述的一种计及风速风向的风电场分群方法,其特征在于,
采用系统聚类法,依据分群指标进行分群的具体步骤如下:
①数据预处理:得到表征机组的特征向量P即有功功率输出曲线;
②将特征向量P中各有功功率自成一类,计算各有功功率间相似度,得到两两之间的距离(即分群指标),从而得到距离矩阵D(0);
③找到距离矩阵D(0)中最小的元素,不失一般性设为D(i,j),则将Pi和Pj合并为一个新的类,记为Pm;
④通过计算新类Pm和其它各类的距离,距离计算方法为Ward最小方差法,得到新的距离矩阵D(1);
⑤重复第②步到第③步,直至所有有功功率数据都分为一类即停止计算;
⑥由聚类过程绘制出聚类树形图,依据分群指标得到分群结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010263360.6A CN111476293B (zh) | 2020-04-03 | 2020-04-03 | 一种计及风速风向的风电场分群方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010263360.6A CN111476293B (zh) | 2020-04-03 | 2020-04-03 | 一种计及风速风向的风电场分群方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111476293A CN111476293A (zh) | 2020-07-31 |
CN111476293B true CN111476293B (zh) | 2022-08-30 |
Family
ID=71750070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010263360.6A Active CN111476293B (zh) | 2020-04-03 | 2020-04-03 | 一种计及风速风向的风电场分群方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111476293B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883652B (zh) * | 2021-03-12 | 2022-10-28 | 重庆大学 | 考虑动态尾流的风电场有功功率离线预测控制器设计方法 |
CN113394826B (zh) * | 2021-07-06 | 2022-11-01 | 重庆大学 | 双馈感应发电机风电场储能系统的频率支持优化配置方法 |
CN115085636B (zh) * | 2022-07-14 | 2022-12-16 | 河北工业大学 | 一种复合协同的发电装置、控制方法及控制系统 |
CN117454805B (zh) * | 2023-12-22 | 2024-03-19 | 浙江远算科技有限公司 | 基于流体降阶仿真的风机尾流影响计算方法和系统 |
CN117688497B (zh) * | 2024-01-26 | 2024-04-05 | 暨南大学 | 基于后向轨迹模型的海上风电尾流干扰的数据处理方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738253A (zh) * | 2019-10-14 | 2020-01-31 | 南京信息工程大学 | 一种基于FCM和AFSA-Elman的短期风电功率预测方法 |
KR20200013468A (ko) * | 2018-07-30 | 2020-02-07 | 강원대학교산학협력단 | 풍력 발전기의 후류모델 보정방법 |
-
2020
- 2020-04-03 CN CN202010263360.6A patent/CN111476293B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200013468A (ko) * | 2018-07-30 | 2020-02-07 | 강원대학교산학협력단 | 풍력 발전기의 후류모델 보정방법 |
CN110738253A (zh) * | 2019-10-14 | 2020-01-31 | 南京信息工程大学 | 一种基于FCM和AFSA-Elman的短期风电功率预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111476293A (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111476293B (zh) | 一种计及风速风向的风电场分群方法 | |
Zou et al. | A fuzzy clustering algorithm-based dynamic equivalent modeling method for wind farm with DFIG | |
CN103887815B (zh) | 基于运行数据的风电场参数辨识及动态等值方法 | |
CN104794347B (zh) | 一种风电机组机舱传递函数分区拟合方法 | |
Hayes et al. | Equivalent power curve model of a wind farm based on field measurement data | |
CN106194582B (zh) | 基于风速测量与估计的风电系统mppt控制装置及方法 | |
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 | |
CN103219725A (zh) | 一种基于实时运行数据的风电场等值建模方法 | |
Wang et al. | Dynamic equivalent modeling for wind farms with DFIGs using the artificial bee colony with K-means algorithm | |
CN106992545B (zh) | 弱一致性风速分布山地风电场的机电暂态模型及建模方法 | |
Xue et al. | Equivalent modeling of DFIG based wind farm using equivalent maximum power curve | |
CN108258725B (zh) | 一种基于等效功角同调的双馈风电机动态等值方法 | |
CN110210170B (zh) | 一种大规模风电机群等值小信号模型建模方法 | |
Li et al. | Dynamic aggregation of doubly-fed induction generators (DFIGs) for stability analysis of wind power systems | |
CN110417047B (zh) | 基于复转矩系数分析双馈风机ssci阻尼特性的方法 | |
Pan et al. | Hierarchical parameter estimation of DFIG and drive train system in a wind turbine generator | |
CN113098057B (zh) | 一种双馈风机参数的多目标高维多分数阶优化方法 | |
CN107255062B (zh) | 一种自适应密度的风电机组转矩-转速控制方法 | |
Qi et al. | Dynamic equivalent modeling of direct-drive PMSG wind farms based on the transient active power response characteristics | |
Yusong et al. | The control strategy and simulation of the yaw system for MW rated wind turbine | |
Sun et al. | A practical clustering method of DFIG wind farms based on dynamic current error | |
CN109950930A (zh) | 一种双馈风力发电机系统次同步振荡的时域仿真方法 | |
Li et al. | NNPID-based stator voltage oriented vector control for DFIG based wind turbine systems | |
Zhang et al. | Research on equivalent electromechanical transient modeling of PMSG-based wind farms | |
Yin et al. | Research on Wind Deviation Detection Based on DENCLUE Abnormal Working Condition Filtering |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |