为了获得更准确的静止无功发生器(static var generator,SVG)模型参数以满足风电并网系统安全稳定运行的要求,提出一种计及风电场随机特性的SVG模型参数智能辨识方法。首先,通过分析SVG的动作特性建立其数学模型。然后,研究了风电场随...为了获得更准确的静止无功发生器(static var generator,SVG)模型参数以满足风电并网系统安全稳定运行的要求,提出一种计及风电场随机特性的SVG模型参数智能辨识方法。首先,通过分析SVG的动作特性建立其数学模型。然后,研究了风电场随机特性对辨识结果的影响途径和机理。最后,针对风电场随机特性引起的辨识结果不准确问题,提出一种考虑风电场随机特性的SVG模型参数多方式混合辨识方法,为准确辨识风电场SVG模型参数提供了新的方法。参数辨识仿真实验结果验证了所提方法的可行性。展开更多
文摘为了获得更准确的静止无功发生器(static var generator,SVG)模型参数以满足风电并网系统安全稳定运行的要求,提出一种计及风电场随机特性的SVG模型参数智能辨识方法。首先,通过分析SVG的动作特性建立其数学模型。然后,研究了风电场随机特性对辨识结果的影响途径和机理。最后,针对风电场随机特性引起的辨识结果不准确问题,提出一种考虑风电场随机特性的SVG模型参数多方式混合辨识方法,为准确辨识风电场SVG模型参数提供了新的方法。参数辨识仿真实验结果验证了所提方法的可行性。
