CN116663431A - 基于分段仿射的风电场阻抗确定方法、系统、设备及介质 - Google Patents
基于分段仿射的风电场阻抗确定方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN116663431A CN116663431A CN202310934559.0A CN202310934559A CN116663431A CN 116663431 A CN116663431 A CN 116663431A CN 202310934559 A CN202310934559 A CN 202310934559A CN 116663431 A CN116663431 A CN 116663431A
- Authority
- CN
- China
- Prior art keywords
- impedance
- affine
- model
- segmented
- partition
- 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
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005192 partition Methods 0.000 claims abstract description 67
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 7
- 230000002776 aggregation Effects 0.000 claims description 8
- 238000004220 aggregation Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 16
- 238000012545 processing Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 15
- 230000008859 change Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 8
- 238000012795 verification Methods 0.000 description 5
- 238000000638 solvent extraction Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种基于分段仿射的风电场阻抗确定方法、系统、设备及介质，涉及电数字数据处理技术领域，包括：根据对风电机组阻抗关于稳态运行点状态变量和复数状态变量的线性度分析，构建全动态阻抗值集；对全动态阻抗值集经聚类后，对每类求解分解面系数以确定分区边界，根据各分区内的阻抗数据，构建分段仿射阻抗模型，由此得到风电场阻抗模型；判断待测运行点所在分区，采用对应分区的分段仿射阻抗模型，得到风电场阻抗值。基于分段仿射阻抗模型所得到的风电场阻抗模型阶数低且精度高，解决高阶风电场难以在线计算阻抗的问题，提高阻抗在线计算的效率和性能，适用于阻抗特性在线分析。
Description
技术领域
本发明涉及电数字数据处理技术领域，特别是涉及一种基于分段仿射的风电场阻抗确定方法、系统、设备及介质。
背景技术
双馈异步风力发电机（Doubly fed Induction Generator，DFIG）的全动态阻抗模型为18阶，在研究风电场的场景下，阻抗分析法基于每台双馈风电机组和线路的详细阻抗，容易产生阶数灾问题，以一个五十台风电场为例，阻抗模型阶数将超过1000阶。风电场的运行工况复杂，运行点的不同将会直接导致双馈异步风力发电机组的阻抗差异。实际运行中工况多变，由于阻抗方程阶数过高，难以实时计算高阶的风电机组和风电场阻抗以及稳定性分析。
针对风电场阻抗模型高阶的问题，通用的办法是忽略部分影响小的动态过程。假定电压源换流器（Voltage Source Converter，VSC）直流侧电容足够大，电压源型变流器直流母线的动态较慢，在分析次同步和超同步振荡现象时可以忽略电流电压波动；双馈风电机组的动态被认为是由机侧变流器（rotor side converter，RSC）和电机主导，而忽略了网侧变流器（GridSide Converter，GSC），然而，GSC直接并入电网，其动态会影响双馈机组的宽频振荡特性。
而现有方法中，忽略上述部分动态响应，由此得到的阻抗模型的准确度降低，并且阻抗阶数难以显著下降，这些降阶的单台风电机组模型在构成风电场模型时，依然会存在高阶数问题。
发明内容
为了解决上述问题，本发明提出了一种基于分段仿射的风电场阻抗确定方法、系统、设备及介质，基于分段仿射阻抗模型所得到的风电场阻抗模型阶数低且精度高，解决高阶风电场难以在线计算阻抗的问题，提高阻抗在线计算的效率和性能，适用于阻抗特性在线分析。
为了实现上述目的，本发明采用如下技术方案：
第一方面，本发明提供一种基于分段仿射的风电场阻抗确定方法，包括：
根据对风电机组阻抗关于稳态运行点状态变量和复数状态变量的线性度分析，构建全动态阻抗值集；
对全动态阻抗值集经聚类后，对每类求解分解面系数以确定分区边界，根据各分区内的阻抗数据，构建分段仿射阻抗模型，由此得到风电场阻抗模型；
判断待测运行点所在分区，采用对应分区的分段仿射阻抗模型，得到风电场阻抗值。
作为可选择的实施方式，全动态阻抗值集的约束条件为注入到风电机组的有功功率P DFIG满足：
其中，P DFIG是注入到风电机组的有功功率，ρ为空气密度，r为叶轮半径，C p为风能利用系数，V w为风速。
作为可选择的实施方式，对全动态阻抗值集采用聚合层次聚类，包括：将每个数据视为一类，确定两类间的距离，根据设定的阈值，两类间的距离在阈值范围内的进行类间聚合。
作为可选择的实施方式，采用多类鲁棒线性规划求解分界面系数，针对含有N个状态变量的全动态阻抗，在N维空间内将聚类结果完全分离，且分区间不能有重叠或空隙；其中，分界面为：
其中，F n和g n为分界面系数矩阵，x为稳态运行点状态变量，s为复数状态变量，为分界面。
作为可选择的实施方式，根据各分区内的阻抗数据估计分段仿射阻抗模型的参数的过程包括：确定第n个分区内的第j个样本点的阻抗和原始阻抗的距离，以J n个样本点距离的平方和最小为目标，得到最优的分段仿射阻抗模型的参数。
作为可选择的实施方式，分段仿射阻抗模型为：
其中，为第n个分段仿射阻抗模型的参数，/>为第n个状态变量分区空间，s为复数状态变量，x为稳态运行点状态变量，N为总数。
作为可选择的实施方式，确定原始阻抗和风电场阻抗模型的相对误差，在不同分区的分段仿射阻抗模型下，计算所有运行点的相对误差的平均值，得到总体误差和分区数的关系，由此优化分区个数。
第二方面，本发明提供一种基于分段仿射的风电场阻抗确定系统，包括：
数据集构建模块，被配置为根据对风电机组阻抗关于稳态运行点状态变量和复数状态变量的线性度分析，构建全动态阻抗值集；
模型构建模块，被配置为对全动态阻抗值集经聚类后，对每类求解分解面系数以确定分区边界，根据各分区内的阻抗数据，构建分段仿射阻抗模型，由此得到风电场阻抗模型；
求解模块，被配置为判断待测运行点所在分区，采用对应分区的分段仿射阻抗模型，得到风电场阻抗值。
第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
与现有技术相比，本发明的有益效果为：
本发明提出一种基于分段仿射的风电场阻抗确定方法，通过推导单台风电机组的分段仿射阻抗模型，构建风电场阻抗模型。首先，根据线性度指标分析风电机组阻抗的特性，构建稳态运行点状态变量和复数状态变量的全动态阻抗值集，为后续高效分区提供数据支撑；其次，采用数据聚合层次聚类，并采用多类鲁棒线性规划求解分界面系数，获得分区的数学模型，在每个区内，给出高精度的分段仿射阻抗模型；最后，基于分段仿射阻抗模型，得到风电场阻抗模型，其阶数低且精度高，适用于在线计算，解决高阶风电场难以在线计算阻抗的问题，极大提高了阻抗在线计算的效率和性能，方便阻抗特性在线分析。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例1提供的基于分段仿射的风电场阻抗确定方法流程图；
图2为本发明实施例1提供的全动态阻抗在dq坐标系下的dd轴分量的频率特性变化曲线图；
图3为本发明实施例1提供的全动态阻抗在dq坐标系下的dq轴分量的频率特性变化曲线图；
图4为本发明实施例1提供的全动态阻抗在dq坐标系下的qd轴分量的频率特性变化曲线图；
图5为本发明实施例1提供的全动态阻抗在dq坐标系下的qq轴分量的频率特性变化曲线图；
图6为本发明实施例1提供的聚合层次聚类示意图；
图7为本发明实施例1提供的分区数和仿射模型准确度的关系示意图；
图8为本发明实施例1提供的分段仿射分区示意图；
图9为本发明实施例1提供的风电场结构示意图；
图10为本发明实施例1提供的分段仿射阻抗模型（PWA）和理论模型的全频段阻抗值的相位对比图；
图11为本发明实施例1提供的分段仿射阻抗模型（PWA）和理论模型的全频段阻抗值的幅值对比图；
图12为本发明实施例1提供的风速变化示意图；
图13为本发明实施例1提供的变风速下分段仿射阻抗模型（PWA）和理论模型的全频段阻抗值的相位对比图；
图14为本发明实施例1提供的变风速下分段仿射阻抗模型（PWA）和理论模型的全频段阻抗值的幅值对比图；
图15为本发明实施例1提供的风电场分段仿射阻抗模型（PWA）和频率扫描模型的相位对比图；
图16为本发明实施例1提供的风电场分段仿射阻抗模型（PWA）和频率扫描模型的电流对比图。
具体实施方式
下面结合附图与实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例1
本实施例提供一种基于分段仿射的风电场阻抗确定方法，如图1所示，包括：
根据对风电机组阻抗关于稳态运行点状态变量和复数状态变量的线性度分析，构建全动态阻抗值集；
对全动态阻抗值集经聚类后，对每类求解分解面系数以确定分区边界，根据各分区内的阻抗数据，构建分段仿射阻抗模型，由此得到风电场阻抗模型；
判断待测运行点所在分区，采用对应分区的分段仿射阻抗模型，得到风电场阻抗值。
构建合理的全动态阻抗值集是分段仿射数据分区必要的数据预处理手段，能够极大优化分段仿射模型效率。由此，在本实施例中，选取风电机组稳态运行点的主导状态变量，根据阻抗的线性度分析，构造稳态运行点状态变量和复数状态变量的数据集，分析运行点状态变量的物理限制，进一步限定数据集范围。
在本实施例中，在dq坐标系下建立双馈异步风力发电机DFIG的全动态阻抗，全动态阻抗为二维矩阵，表示为：
(1)
其中，P DFIG和Q DFIG是注入到风电机组的有功功率和无功功率，v s为并网点电压，V w为风速，为频域内的复数状态变量，f为频率；/>、/>、/>和/>分别是dq坐标系下每轴的分量。
其他运行工作点由稳态运行点状态变量求得，因此是因变量，所以稳态运行点状态变量x定义为：
（2）
在本实施例中，分段仿射方法依赖于阻抗样本数据集，阻抗样本数据集中样本密度决定了分段仿射阻抗模型的精度和计算效率，提高样本密度可提高分段仿射阻抗模型的精度，但增加的计算量会影响构造分段仿射阻抗模型的效率。因此，选取样本密度需要同时兼顾模型精度和计算效率。
全动态阻抗模型的非线性程度是决定样本疏密程度的主要因素。在线性度高的范围内，可降低样本密度，从而提高分段仿射阻抗模型的计算效率，在线性度低的范围内，可提高样本密度，保证分段仿射阻抗模型的精确度。对于一定数目的样本数，且所在范围的大小决定了样本密度。因此，本实施例根据线性相关系数r(s)，划分运行工作点状态变量和复数状态变量s的范围，从而优化样本密度：
（3）
其中，Cov为协方差计算符号，Var是标准差计算符号；线性相关系数的分子为Zdd(s)实部和虚部协方差，用来表观测量相对其各自均值所造成的共同偏差，协方差值越大，则表明两变量在一系列数据点范围内的取值所呈现出的趋势就越相近；线性相关系数的分母为Zdd(s)实部和虚部各自的标准差的乘积。线性相关系数在0到1之间，其越接近1，则表明两变量的线性度越高。
根据理论推导的全动态阻抗公式，得到如图2-图5所示的变化曲线，可以看出，阻抗值随频率的变化，在低频时非常大，而在高频时变化较小，特别是在100 Hz以上时，阻抗值的变化范围很小且线性度较高。
分析阻抗关于复数状态变量s的线性度。选取稳态运行工作点，以Zdd(s)为例，在100-200 Hz、200-300 Hz、...、900-1000 Hz的范围内，100 Hz-200 Hz的线性度r(s)最小为0.9707；在10-20 Hz、20-30 Hz、...90-100 Hz的范围内，10-20 Hz的线性度r(s)最小为0.9862；在1-2 Hz、2-3 Hz、...9-10 Hz的范围内，1-2 Hz线性度r(s)为0.8947，2-3 Hz线性度r(s)为0.9283，3-4 Hz线性度r(s)为0.9457，其余都大于 0.95。根据线性度的定义，线性度大于0.95的数据用线性函数来拟合，阻抗数据集范围选取原则如下：若阻抗对状态变量线性度高，则可以取相对大的状态变量值集范围；若阻抗对状态变量线性度低，则需取相对小的状态变量值集范围。
根据阻抗关于复数状态变量s的线性度分析结果，复数状态变量s范围划分的精度选取如下：在0-4 Hz的范围内，以0.1 Hz为间隔提供数据集；在4-10 Hz的范围内，以1 Hz为间隔提供数据集；在10-100 Hz的范围内，以10 Hz为间隔提供数据集；在100-1000 Hz的范围内，以100 Hz为间隔提供数据集。同理，分析阻抗关于稳态运行点状态变量的线性度，以划分稳态运行点状态变量的取值范围。
根据所得的取值范围，对稳态运行点状态变量x和复数状态变量s随机撒点，计算每个状态变量样本点的原始阻抗值，每个数据集取值范围内的状态变量样本点及其对应的原始阻抗值组成一个数据集。以双馈风机机组为例，根据阻抗线性度分析，复数状态变量s划分为120个频率段，而对稳态运行点状态变量不划分取值范围。因此，总共可以构造120个数据集。
在本实施例中，在双馈风电机组的运行点中，P DFIG 、V w之间受到风力机空气动力学的约束，由此确定阻抗值集的约束条件；在一定风速下，注入到风电机组的有功功率P DFIG满足：
(4)
其中，ρ为空气密度，r为叶轮的半径，C p为风能利用系数。
为了简化阻抗方程，本实施例提出基于聚类的阻抗分段仿射方法。首先，对全动态阻抗值集进行聚合层次聚类；其次，基于聚类的阻抗数据，采用多类鲁棒线性规划确定分区边界；最后，基于分区内的阻抗数据，计算分段仿射阻抗模型的参数，得到线性化的分段仿射阻抗模型。
全动态阻抗值集范围内仍有大量的样本点，描述这些样本点难以采用一个低阶或线性的仿射阻抗模型，仍然需要采用高阶的表达式，所以为得到低阶或线性的仿射阻抗模型，本实施例对全动态阻抗值集进行空间分区。分段仿射方法通过聚类对数据集内的样本划分更小的样本集空间，通过聚类，一个数据集空间将会被划分为多个不相交的子集。
传统的基于K-means的统计数据聚类方法以中心点为划分类的依据，通过计算数据与中心点之间的距离来判断，但是聚类中心的数目和聚类中心的初始选择都将对聚类结果产生重大影响。
因此，本实施例采用聚合层次聚类，首先将每个数据都视为一类，然后按照一定的距离度量方法来计算每个类之间的距离，每次聚合距离最近的两个类或多个类不受初始聚类中心的影响。本实施例采取欧几里得距离计算样本类S 1、S 2间的距离， 并以两类之间距离最远的样本间的距离作为真实距离D(S 1 , S 2)：
(5)
其中，x1、s1为样本类S 1中的稳态运行点状态变量和复数状态变量；x2、s2为样本类S 2中的稳态运行点状态变量和复数状态变量；
由于不同的稳态运行点状态变量和复数状态变量分别具有不同的单位，不能直接对比相互之间的距离。所以，先将所有数据标准化，以复数状态变量s为例，对其中的一个样本s i进行标准化：
(6)
其中，s i *表示标准量，将所有复数状态变量s中的样本的平均值变为0，标准差变为1，并对其余状态变量的样本也做同样处理。
以dd轴分量为例，其样本/>间的欧几里得距离为：
(7)
当两类间的距离超出设定的阈值/>，就不进行两类间的聚合，由此，可以通过调节阈值/>来调整聚类的数目和精度。具体过程如图6所示，当前的类为a、b、c、d四类，对于类d而言，它和其他类的距离D cd、D ad、D bd，D cd的距离最小且在阈值/>之内，则c和d聚为一类f；同理，a和b聚为一类e；重复判断的过程，判断当前的类e和f之间的距离D bc，如果D bc超出阈值/>，则不进行这两类之间的聚类，最终得到的多个相互之间真实距离都超过阈值的类。
根据聚类集合中的样本点，进一步求解相邻聚类的分界面系数矩阵。以表示分段仿射阻抗模型PWA工作区域X的分区，下标n表示分区的编号，分界面表达式表示为：
(8)
式中：F n和g n为分界面系数矩阵。
本实施例采用多类鲁棒线性规划完成分界面系数的求解，针对含有5个状态变量的全动态阻抗，所有分区要求在5维的空间内将聚类完全分离，且分区间不能有重叠或空隙。
每个分区内的仿射阻抗模型可以采用多种形式，比如线性表达式或多项式形式。仿射阻抗模型的适用表达式取决于原始阻抗的线性度。根据式(3)，全动态阻抗在不同数据集内对复数状态变量s的线性度可以得到，在1 Hz-2 Hz、10 Hz-20 Hz、100 Hz-200 Hz等各个刻度的范围内，都在0.9以上，具有较高的线性；同理也分析了其他变量对于阻抗值的线性影响程度，综合考虑拟合精度和计算效率，最终选择在每个分区内采用线性仿射子模型来拟合数据。
以Zdd为例，分段仿射阻抗模型表示为：
(9)
在式中，为PWA系统的输出，/>为第n个/>分区内仿射子模型的参数，/>为第n个状态变量分区空间。
利用最小二乘算法进行分段仿射阻抗模型的参数的估计；对于第n个/>分区内的第j个样本点/>和对于原始阻抗/>的距离为L：
(10)
使总数J n个样本点距离拟合方程的距离的平方和最小，即可得到最优的分段仿射阻抗模型的参数：
(11)
其中，J n为第n个分区内的样本点总数，j为样本点序号。
根据各分区的阻抗数据，得到阻抗在全频段和全工况下的分段仿射模型参数，最终，分段放射的双馈机组的阻抗模块表示为：
(12)
其中，分段仿射阻抗由式(9)给出，其他阻抗可通过类似方法得到。
由于分区数会直接影响到分段仿射应用的精度和计算量。所以，本实施例中通过调整聚类阈值，分析不同分区数对于精确度的影响。
原始阻抗和风电场阻抗模型的相对误差e定义为：
(13)
在不同分区的分段仿射阻抗模型下，计算所有测试点的相对误差的平均值E，得到总体的误差和分区数的关系：
(14)
保持总样本点数不变，数据集内样本点个数也保持不变，以双馈风机为例，分区数和仿射模型准确度的关系如图7所示，可以看到，分区数从5到10的过程中，分区的精确度迅速提高，较多的分区能够更好地仿射出阻抗模型，而当分区数提高到50个区以上时，分段仿射阻抗模型的精度基本不变。
在本实施例中，在一个数据集内，在5维状态变量空间中，为产生足够的样本点来对阻抗值做出一个良好的逼近，共有10000个样本点被计入，过多的分区使每个分区内的样本点不足，导致精确度无法进一步提升，而过多地增加样本和分区数会导致计算负担上升，综合考虑，选取每个数据集内分25个区较为合理，以120个数据集为例，最终在整个运行域中产生3000个分区。
具体对每个分区而言，选取在Q DFIG、v s、V w为定值时，以频率在10 Hz至20 Hz的数据集来展示；关于P DFIG、V w、的分区如图8所示，其中共9个分区空间，分区的边界服从P DFIG和V w之间满足约束关系。另外，在此数据集内s是影响分区结果的主要变量。在10 Hz至15 Hz的频段内，分区数为6个，在15 Hz至20 Hz的频段内，分区数为3个，这是因为频率较低的范围内阻抗值变化大，导致数据聚类的过程中，低频的类较多，通过在数据变化大的范围中多划分区域，保证仿射精度。
为了验证本实施例所提出的分段仿射阻抗模型的准确性，分别在单机和风电场场景下进行对比分析和验证。在单机验证中，分析分段仿射阻抗模型在变化风速下的准确性，证明了实时计算分段仿射阻抗模型的可行性。在风电场场景下，风电场结构如图9所示，通过对比分段仿射阻抗模型和风电场扫频模型，验证分段仿射阻抗模型的准确性。
A、单机阻抗验证
在单机阻抗验证中，从两个方面验证分段仿射阻抗模型的正确性。第一、验证分段仿射阻抗模型与理论模型在特定的工况下，全频段的阻抗特性是否一致。第二，验证在工况发生变化时，设定的频率下，分段仿射阻抗模型和理论模型的一致性。
算例1：
在单台风机的情况下，运行工作点确定为P DFIG=1.5MW、Q DFIG=0、v s=592和V w=11。在该工作点下，对比分段仿射阻抗模型（PWA）和理论模型的全频段阻抗值，如图10和图11所示，其中，图10中（a）为在dq坐标系下的dd轴分量的相位对比图，图10中（b）为在dq坐标系下的dq轴分量的相位对比图，图10中（c）为在dq坐标系下的qd轴分量的相位对比图，图10中（d）为在dq坐标系下的qq轴分量的相位对比图；图11中（a）为在dq坐标系下的dd轴分量的幅值对比图，图11中（b）为在dq坐标系下的dq轴分量的幅值对比图，图11中（c）为在dq坐标系下的qd轴分量的幅值对比图，图11中（d）为在dq坐标系下的qq轴分量的幅值对比图；
可以看出，在全频段上，分段仿射阻抗模型的阻抗值和机理的阻抗值贴合度较好；当频率5 Hz以上时，分段仿射阻抗模型和理论模型贴合度很高；在0-5 Hz的范围内，分段仿射阻抗模型出现了一定的偏差，误差小于3%，低频段的偏差主要是由于在低频段原始阻抗非线性比较强，可以通过提高分区数量并增加区内样本点个数来减小偏差。
算例2：
验证仿射阻抗模型在变化运行点场景下的准确性。在实际运行中，随着风速发生变化，单机的阻抗随着运行点的的变化而变化。采用在实风电场中获取的120s内风速的变化曲线，如图12所示。观测风速变化时，分段仿射的阻抗与实际阻抗值的差异。为方便直观展示，聚焦频率为40 Hz下的阻抗变化，如图13和图14所示，其中，图13中（a）为在dq坐标系下的dd轴分量的相位对比图，图13中（b）为在dq坐标系下的dq轴分量的相位对比图，图13中（c）为在dq坐标系下的qd轴分量的相位对比图，图13中（d）为在dq坐标系下的qq轴分量的相位对比图；图14中（a）为在dq坐标系下的dd轴分量的幅值对比图，图14中（b）为在dq坐标系下的dq轴分量的幅值对比图，图14中（c）为在dq坐标系下的qd轴分量的幅值对比图，图14中（d）为在dq坐标系下的qq轴分量的幅值对比图；
可以看出，分段仿射的阻抗值与实际的阻抗值几乎重合在一起，证明分段仿射模型在在线应用时的跟踪风速变化特性很好，这表明分段仿射模型可用于实时在线计算。
B、风电场分段仿射阻抗模型验证
搭建风电场时域仿真模型，各个双馈风机的功率分别设定为1 MW、0.9 MW、0.8MW、0.7 MW、0.6 MW、0.5 MW。风电场阻抗模型通过分段仿射和频率扫描两种方法获得。
风电场分段仿射模型获取方法包括：通过本实施例提出的分段仿射方法，获得每台风机的分段仿射阻抗模型；然后通过风电场阻抗构造方法获得风电场分段仿射阻抗模型。
通过潮流计算得到各个风机的运行点x DFIG，包括有功功率P DFIG、无功功率Q DFIG、机端电压v s和风速V w。统一dq坐标系所需的相位角也可由潮流计算获得，因此可以得到给定运行点下风电场分段仿射模型在全频段的动态模型。
频率扫描得到风电场阻抗模型的步骤包括：在时域仿真模型中，在总并网点处注入包含1-1000Hz的小扰动电压信号，测量在不同频率下的风电场并网点电流响应，通过傅里叶分析，得到风电场在不同频率下的阻抗值。
风电场分段仿射阻抗模型和频率扫描模型对比结果如图15和图16所示，其中，图15中（a）为在dq坐标系下的dd轴分量的相位对比图，图15中（b）为在dq坐标系下的dq轴分量的相位对比图，图15中（c）为在dq坐标系下的qd轴分量的相位对比图，图15中（d）为在dq坐标系下的qq轴分量的相位对比图；图16中（a）为在dq坐标系下的dd轴分量的电流对比图，图16中（b）为在dq坐标系下的dq轴分量的电流对比图，图16中（c）为在dq坐标系下的qd轴分量的电流对比图，图16中（d）为在dq坐标系下的qq轴分量的电流对比图；
可以看出，风电场分段仿射阻抗模型与扫频结果一致性较好。在低频段比较结果偏差主要是由阻抗在低频范围内的强非线性导致，偏差可以通过增加分区数目的方法解决，进一步提高分段仿射阻抗模型的准确度。
实施例2
本实施例提供一种基于分段仿射的风电场阻抗确定系统，包括：
数据集构建模块，被配置为根据对风电机组阻抗关于稳态运行点状态变量和复数状态变量的线性度分析，构建全动态阻抗值集；
模型构建模块，被配置为对全动态阻抗值集经聚类后，对每类求解分解面系数以确定分区边界，根据各分区内的阻抗数据，构建分段仿射阻抗模型，由此得到风电场阻抗模型；
求解模块，被配置为判断待测运行点所在分区，采用对应分区的分段仿射阻抗模型，得到风电场阻抗值。
此处需要说明的是，上述模块对应于实施例1中所述的步骤，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在更多实施例中，还提供：
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1中所述的方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1中所述的方法。
实施例1中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.基于分段仿射的风电场阻抗确定方法，其特征在于，包括：
根据对风电机组阻抗关于稳态运行点状态变量和复数状态变量的线性度分析，构建全动态阻抗值集；
对全动态阻抗值集经聚类后，对每类求解分解面系数以确定分区边界，根据各分区内的阻抗数据，构建分段仿射阻抗模型，由此得到风电场阻抗模型；
判断待测运行点所在分区，采用对应分区的分段仿射阻抗模型，得到风电场阻抗值。
2.如权利要求1所述的基于分段仿射的风电场阻抗确定方法，其特征在于，全动态阻抗值集的约束条件为注入到风电机组的有功功率P DFIG满足：
其中，P DFIG是注入到风电机组的有功功率，ρ为空气密度，r为叶轮半径，C p为风能利用系数，V w为风速。
3.如权利要求1所述的基于分段仿射的风电场阻抗确定方法，其特征在于，对全动态阻抗值集采用聚合层次聚类，包括：将每个数据视为一类，确定两类间的距离，根据设定的阈值，两类间的距离在阈值范围内的进行类间聚合。
4.如权利要求1所述的基于分段仿射的风电场阻抗确定方法，其特征在于，采用多类鲁棒线性规划求解分界面系数，针对含有N个状态变量的全动态阻抗，在N维空间内将聚类结果完全分离，且分区间不能有重叠或空隙；其中，分界面为：
其中，F n和g n为分界面系数矩阵，x为稳态运行点状态变量，s为复数状态变量，为分界面。
5.如权利要求1所述的基于分段仿射的风电场阻抗确定方法，其特征在于，根据各分区内的阻抗数据估计分段仿射阻抗模型的参数的过程包括：确定第n个分区内的第j个样本点的阻抗和原始阻抗的距离，以J n个样本点距离的平方和最小为目标，得到最优的分段仿射阻抗模型的参数。
6.如权利要求1所述的基于分段仿射的风电场阻抗确定方法，其特征在于，分段仿射阻抗模型为：
其中，为第n个分段仿射阻抗模型的参数，/>为第n个状态变量分区空间，s为复数状态变量，x为稳态运行点状态变量，N为总数。
7.如权利要求1所述的基于分段仿射的风电场阻抗确定方法，其特征在于，确定原始阻抗和风电场阻抗模型的相对误差，在不同分区的分段仿射阻抗模型下，计算所有运行点的相对误差的平均值，得到总体误差和分区数的关系，由此优化分区个数。
8.基于分段仿射的风电场阻抗确定系统，其特征在于，包括：
数据集构建模块，被配置为根据对风电机组阻抗关于稳态运行点状态变量和复数状态变量的线性度分析，构建全动态阻抗值集；
模型构建模块，被配置为对全动态阻抗值集经聚类后，对每类求解分解面系数以确定分区边界，根据各分区内的阻抗数据，构建分段仿射阻抗模型，由此得到风电场阻抗模型；
求解模块，被配置为判断待测运行点所在分区，采用对应分区的分段仿射阻抗模型，得到风电场阻抗值。
9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310934559.0A CN116663431B (zh) | 2023-07-28 | 2023-07-28 | 基于分段仿射的风电场阻抗确定方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310934559.0A CN116663431B (zh) | 2023-07-28 | 2023-07-28 | 基于分段仿射的风电场阻抗确定方法、系统、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116663431A true CN116663431A (zh) | 2023-08-29 |
| CN116663431B CN116663431B (zh) | 2023-11-14 |
Family
ID=87724508
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310934559.0A Active CN116663431B (zh) | 2023-07-28 | 2023-07-28 | 基于分段仿射的风电场阻抗确定方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116663431B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117350089A (zh) * | 2023-12-06 | 2024-01-05 | 山东大学 | 一种双馈风电场全动态阻抗模型的构建方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103246933A (zh) * | 2013-04-02 | 2013-08-14 | 中国南方电网有限责任公司 | 基于虚拟阻抗矩阵和边界节点迁移的在线校核分区方法 |
| CN103457279A (zh) * | 2013-09-23 | 2013-12-18 | 广东电网公司电力调度控制中心 | 大规模电网的分区d-statcom综合优化配置方案的确定方法 |
| CN108304681A (zh) * | 2018-03-13 | 2018-07-20 | 江苏大学 | 基于风电机组3种运行区域的风电场模型聚合方法 |
| CN110850164A (zh) * | 2019-10-25 | 2020-02-28 | 华北电力大学 | 考虑背景谐波电压波动和阻抗变化的多谐波责任划分方法 |
| US20200212709A1 (en) * | 2018-12-31 | 2020-07-02 | PXiSE Energy Solutions, LLC | Real-Time Deviation Detection of Power System Electrical Characteristics Using Time-Synchronized Measurements |
| CN114389282A (zh) * | 2022-01-21 | 2022-04-22 | 福州大学 | 一种基于仿射的不确定性模态分析方法 |
| CN116467556A (zh) * | 2023-03-28 | 2023-07-21 | 四川大学 | 考虑背景谐波电压波动和阻抗变化的谐波阻抗计算方法 |
-
2023
- 2023-07-28 CN CN202310934559.0A patent/CN116663431B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103246933A (zh) * | 2013-04-02 | 2013-08-14 | 中国南方电网有限责任公司 | 基于虚拟阻抗矩阵和边界节点迁移的在线校核分区方法 |
| CN103457279A (zh) * | 2013-09-23 | 2013-12-18 | 广东电网公司电力调度控制中心 | 大规模电网的分区d-statcom综合优化配置方案的确定方法 |
| CN108304681A (zh) * | 2018-03-13 | 2018-07-20 | 江苏大学 | 基于风电机组3种运行区域的风电场模型聚合方法 |
| US20200212709A1 (en) * | 2018-12-31 | 2020-07-02 | PXiSE Energy Solutions, LLC | Real-Time Deviation Detection of Power System Electrical Characteristics Using Time-Synchronized Measurements |
| CN110850164A (zh) * | 2019-10-25 | 2020-02-28 | 华北电力大学 | 考虑背景谐波电压波动和阻抗变化的多谐波责任划分方法 |
| CN114389282A (zh) * | 2022-01-21 | 2022-04-22 | 福州大学 | 一种基于仿射的不确定性模态分析方法 |
| CN116467556A (zh) * | 2023-03-28 | 2023-07-21 | 四川大学 | 考虑背景谐波电压波动和阻抗变化的谐波阻抗计算方法 |
Non-Patent Citations (3)
| Title |
|---|
| JINLONG WANG: "A Review on Impedance Modeling of Grid-Connected Renewable Energy Generation System", 《2021 IEEE/IAS INDUSTRIAL AND COMMERCIAL POWER SYSTEM ASIA (I&CPS ASIA)》, pages 1290 - 1295 * |
| 唐冰婕;迟永宁;田新首;李琰;: "基于阻抗模型闭环极点的双馈风电系统次同步振荡稳定性分析", 电网技术, no. 03, pages 82 - 91 * |
| 雷达: "基于DBSCAN 聚类和数据筛选的系统谐波阻抗估算", 《电测与仪表》, vol. 59, no. 1, pages 93 - 98 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117350089A (zh) * | 2023-12-06 | 2024-01-05 | 山东大学 | 一种双馈风电场全动态阻抗模型的构建方法及系统 |
| CN117350089B (zh) * | 2023-12-06 | 2024-04-02 | 山东大学 | 一种双馈风电场全动态阻抗模型的构建方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116663431B (zh) | 2023-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11401913B2 (en) | Yaw calibration method and system for wind turbine | |
| US10815972B2 (en) | System and method for assessing and validating wind turbine and wind farm performance | |
| CN116663431B (zh) | 基于分段仿射的风电场阻抗确定方法、系统、设备及介质 | |
| CN110543649B (zh) | 基于快速评估流体模型和尾流模型的风机排布方法和装置 | |
| Hübner et al. | Detection of mass imbalance in the rotor of wind turbines using Support Vector Machine | |
| CN107909211B (zh) | 基于模糊c均值聚类算法的风场等值建模及优化控制方法 | |
| CN109670213B (zh) | 一种风电场多机等值建模方法及装置 | |
| CN115600119B (zh) | 适用于风力发电的数据处理方法及系统 | |
| CN109779848B (zh) | 全场风速修正函数的获得方法、装置及风电场 | |
| CN107633368B (zh) | 风力发电机组出力性能评估方法及装置 | |
| CN116089777B (zh) | 一种基于信息智能匹配的新能源智能结算方法及系统 | |
| CN116771610A (zh) | 一种调整风电机组变桨系统故障评估值的方法 | |
| CN108574290B (zh) | 受迫振荡的振荡源定位方法、装置、终端及可读存储介质 | |
| CN107577896B (zh) | 基于混合Copula理论的风电场多机聚合等值方法 | |
| CN114169088A (zh) | 基于Wilson模型和遗传算法的风机叶片优化设计方法及系统 | |
| CN110296055B (zh) | 一种风向预测关联种子机组筛选方法 | |
| Qiao et al. | A multivariable wind turbine power curve modeling method considering segment control differences and short-time self-dependence | |
| CN116595874A (zh) | 叶轮机械性能预测模型参数优化方法及装置、存储介质 | |
| CN116486146A (zh) | 一种旋转机械设备的故障检测方法、系统、装置和介质 | |
| CN112879216A (zh) | 风电场的风速修正方法和装置 | |
| CN112648139B (zh) | 风力发电机组对风不正校正方法、装置及控制器 | |
| CN116757101B (zh) | 一种基于机理模型和神经网络的机舱风速修正方法和系统 | |
| CN116502543B (zh) | 风电机组对风偏差识别方法、装置、电子设备和存储介质 | |
| Gianfranco | Review of clustering methods for slow coherency-based generator grouping | |
| CN118309596A (zh) | 风力发电机组的筛选方法及装置 |
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 |