一种直驱永磁风电机组风电场动态等值方法
【技术领域】
[0001] 本发明设及一种风电场等值方法，具体设及一种直驱永磁风电机组风电场动态等 值方法。
【背景技术】
[0002] 大型风电场并网仿真中，如果对每台风电机组进行建模，不仅工作量大，而且会影 响算法的速度、精度和收敛性，因此，有必要对风电场进行动态等值建模。目前风电场等值 建模方法主要有单机等值法、半等值法和多机等值法。单机等值法是指将风电场内所有风 电机组等值成1台机；半等值是指保留各风电机组的风力机部分，将发电机模型等值成1 台；多机等值是指将风电机组按照运行点等值成m台机。其中，单机等值法的精度最差但模 型简单，多机等值法仿真精度最好但模型复杂，半等值法处于二者之间，结合我国的实际情 况，风电场的多机等值方法研究较为广泛。
[0003] 多机等值首先需将风电场内风电机组依据运行特性分为多个群，然后对各群内的 风电机组进行单机等值，其中如何实现风电机组分群是关键之一。常见方法是选择风电机 组在某一时刻的状态信息作为分群指标，利用聚类算法进行分群。风速、奖距角动作情况、 风机转子转速、风电机组状态变量、风电机组运行控制区域、风电机组风速、转速和奖距角 综合指标等已经被提出作为风电机组分群指标。然而，当前的风电机组分群多基于固定时 刻的数据进行，随着时间的改变分群方式会发生变化，若欲使风电场在一段时间内的分群 结果唯一，则利用时间序列进行分群是一种可选的方法，而目前利用时间序列数据进行风 电机组分群的研究较少。有文献从机端电压暂态轨迹中提取指标对风电机组进行分群，但 实际运行中出现故障的情况较少，适应性不是很广；还有文献利用基于扩散映射理论的谱 聚类算法，针对量测得到的风电机组有功、无功时间序列实现分群，给利用风机量测的时间 数据进行分群的研究提出了一种可行的思路。
【发明内容】
[0004] 为解决上述现有技术中的不足，本发明的目的是提供一种直驱永磁风电机组风电 场动态等值方法。
[0005] 本发明的目的是采用下述技术方案实现的：
[0006] 本发明提供一种直驱永磁风电机组风电场动态等值方法，其改进之处在于，所述 方法是基于风电机组输出时间序列数据分群的，包括下述步骤：
[0007] A、选择风电机组分群样本数据；
[0008] B、对所有样本数据进行相空间重构；
[0009] C、利用几何模板匹配算法得到风电机组两两之间的距离矩阵cU。；
[0010] D、利用属性阔值聚类算法对风电机组分群；
[0011] E、对风电机组群内风电机组参数及网络参数进行等值。
[0012] 进一步地，所述步骤A中，选择风电场内η台风电机组的输出有功功率时间序列数 据Xi(t)，…，X。(t)作为分群样本，t= 1，2,…，Τ，其中下标表示第1，…，η台风机；X(t)表 示一组时间序列数据，t= 1，2,…，T;Τ表示数据长度；t表示计数变量，表示该时间序列中 的第t个值；
[0013] 选择样本的数据类型为任意时间段内的时间序列数据，所述时间序列数据为风电 机组输出有功功率时间序列。
[0014] 进一步地，所述步骤B包括下述步骤：
[0015] B1、构造非线性复自相关函数R(T)，计算得到嵌入维数m和时间延迟τ:
[0016] 对于给定的嵌入维数m，将时间延迟τ由小到大取值，计算非线性复自相关函数 R(T)，选取非线性复自相关函数R(T)的第一个局部极小值点对应的值τ作为嵌入维数 m对应的时间延迟；构造非线性复自相关函数R(τ)如下：
[0017]
(1)
[001引其中，
为时间序列x(t)，t= 1，2,…，Τ的平均值，i，j分别为累加符 号Σ中的计数变量，分别取1，…，Μ和1，···，πι-1 ;x(i)和x(i+jτ)为时间序列x(t)，t= 1，2,…，Τ的第i和i+jτ个值；时间序列X(t)，t= 1，2,…，Τ分别取为(t)，…，X。ω， t= 1，2,…，Τ;函数f(X)为一个多项式函数，取为：
[001引f (X) = 1+χ+χ2+···1似
[0020] 对嵌入维数m从小到大取值，计算每一个嵌入维数m对应的时间延迟τ，当求得的 时间延迟τ随嵌入维数m的增加趋于稳定时，此时的时间延迟τ即为最佳时间延迟，对应 的m作为嵌入维数；
[0021 ] B2、样本(t)，…，X。(t)，t=1，2,…，T经相空间重构得到新的m维向量组 Xi(t，），···，Xn(t，），t' = 1，2, =T-(m-l)τ:
[0022] 对于一个非线性系统的时间序列数据x(t)，t= 1，2,…，Τ，经相空间重构后，得到 一组新的m维向量数据X(t'），t' = 1，2，···，Μ，重构公式为：
[002引X(t' ) = (x(t' ),x(t' +τ),…，x(t' +(m-l)τ))
[0024] (3)
[00巧]t'=1, 2,…，Μ;M=T-(m-l)τ
[0026] 其中，Μ为重构后长度；t'表示计数变量，表示该向量组中的第t'个向量；X(t')， t' = 1，2,…，Μ表示一组向量数据，由Μ个m维向量构成；
[0027] 对于η组时间序列数据(t)，…，X。(t)，t= 1，2,…，T，共得到η组新的m维向量 数据Xi(t，），...，Xn(t，），t，= 1，2,…，M;M=T-(m-l)τ。
[0028] 进一步地，所述步骤C包括下述步骤：
[0029] C1、从η组新的m维向量数据Xi(t'），…，、(t'），t' = 1，2,…，Μ中任选两组m维 向量数据Xp(t'）和Xq(t'），t' = 1，2，···，Μ，求得Xp(t'），t' = 1，2，···，Μ中距离Xq(t'）， t' =l，2,…，Μ中的第u个向量Xq(u)最近的k个元素，即k邻近元素，为Xp(riu,i)，…， Xp(Du,k)，序号町,1，···irvk表达式如下：
[0030]
(4；
[0031] 其中，11。,1的值为求取I|Xq(u)-Xp(w)I I达到最小值时对应的w值，rVk的值为求取 IXq(U)-Xp(W)I I达到第k小值时对应的W值，I II I表示求取向量的2范数；
[00础 C2、求两组m维向量数据Xp(t'）和Xq(t'），t'= 1，2，···，Μ之间的相似度S0(p，Xq):
[0037] 式中：Xp(u)表示向量数据组Xp(t')，t'= 1,2, ···，！中的第U个向量；Xq(u)表示向 量数据组Xq(t')，t' = 1，2,…，Μ中的第U个向量；义为向量组Xp(t')，t' = 1，2,…，Μ 中距离Xq(t' )，t' = 1，2,…，Μ中的第u个向量Xq(u)的k邻近元素平均值；+ 为 向量组Xp(t'），t' = 1，2，···，Μ中距离Xq(t'），t' = 1，2，···，Μ中的第U个向量Xq(u)的k 邻近元素下一点的平均值；?表示向量点乘；
[00測03、求两组111维向量数据乂。似和乂。似，*' = 1，2，'"，1之间的距离(1成，乂。）
[003引 d成，Xq) =exp(-S狂P，Xq))做
[0040] C4、求取风电机组两两之间的距离矩阵cU。:重复步骤Cl~C3,直到求得所有m维 向量组两两间的距离山构成距离矩阵cU。。
[0041] 进一步地，所述步骤D包括下述步骤：
[0042] D1、用户给定聚类半径r。（聚类半径r。根据实际情况由用户自行设定），为每一个 样本创建候选类：
[004引如果cKXp，Xq) <r。，则将样本q划入WP为聚类中屯、的候选类中；
[0044] D2、把具有最多样本数的候选类作为第1类，并从集合中删除该候选类中的样本；
[0045] D3、重复步骤D1~D2,直到所有样本均属于某一候选类。
[0046] 进一步地，所述步骤E包括下述步骤：
[0047] E1、对风电机组群内的风电机组参数进行等值：
[0048] 基于等值前后风电机组输出特性不变对风电机组参数进行等值，对风电机组群内 风电机组的风速V、扫风面积A、容量S、有功功率P、无功功率Q、轴系惯性时间常数H、轴系 刚度系数K和轴系阻尼系数D参数分别按照如下公式进行等值：
[0049]
(9)
[0057] 式中：nif为风电机组群内风电机组数目；Vcq、Vh分别为风电机组群内风电机组的总 风速和第h台风电机组的风速；A。。、Ah分别为风电机组群内风电机组的总扫风面积和第h 台风电机组的扫风面积；S。。、Sh分别为风电机组群内风电机组的总容量和第h台风电机组 的容量；P。。、^分别为风电机组群内风电机组的总有功功率和第h台风电机组的有功功率； Qeq、Qh分别为风电机组群内风电机组的无功功率和第h台风电机组的无功功率；Heq、Hh分 另IJ为风电机组群内风电机组的轴系惯性时间常数和第h台风电机组的轴系惯性时间常数； K。。、Kh分别为风电机组群内风电机组的轴系刚度系数和第h台风电机组的轴系刚度系数； Dpq、Dh分别为风电机组群内风电机组的轴系阻尼系数和第h台风电机组的轴系阻尼系数；
[0058] E2、对风电机组群内集电线路参数和箱式变压器参数的网络参数进行等值：
[0059] 对线路阻抗的等值是基于等值前后电压损耗不变的原则进行，计算如