-
题名基于两步分群法的双馈机组风电场等值建模
被引量：28
- 1
-
-
作者
徐玉琴
刘丹丹
-
机构
华北电力大学电气与电子工程学院
-
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2017年第6期108-114,共7页
-
文摘
为了在保证风机等值精度的基础上降低风电场仿真模型的复杂度,考虑到实际风电场内尾流效应及风机控制方式不同的情况,借鉴层次分析法的思想提出了两步分群法。该方法综合考虑了风机初始运行点以及动态特性。首先考虑风电机组间尾流效应计算输入风速,根据机组桨距角动作情况进行初次分群,通过转子电流受扰曲线识别动态特性相近的风机实现再次分群。然后在保证风电机组功率输出特性和电压差恒定的基础上,进行风机和集电线路参数等值,得到风电场多机等值模型。最后通过仿真验证了所述方法的合理性。
-
关键词
双馈风电机组
风电场
两步分群
输入风速
动态特性
-
Keywords
doubly fed induction generator
wind farm
two-step clustering method
input wind speed
dynamic characteristics
-
分类号
TM614
[电气工程—电力系统及自动化]
-
-
题名基于保护电路运行状态增强识别的双馈风电场等值建模
被引量：2
- 2
-
-
作者
蒋昊
许立雄
崔晓丹
吴家龙
李林秀
-
机构
四川大学电气工程学院
南瑞集团有限公司(国网电力科学研究院有限公司)
电网运行风险防御技术与装备全国重点实验室
-
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2024年第22期129-142,共14页
-
基金
国家电网有限公司总部管理科技项目资助(5108-202218280A-2-67-XG)。
-
文摘
网侧故障期间各风电机组保护电路运行状态是影响双馈风电场并网点暂态响应特性的主要因素。针对双馈风电机组保护电路运行状态难以显式数学表征的问题,提出了基于保护电路运行状态增强识别的双馈风电场等值建模方法。首先,根据样本对模型训练过程的影响程度构建了核心样本指数用于提取核心样本,利用生成对抗网络(generative adversarial network, GAN)对核心样本进行学习生成增强。然后,采用增强样本集训练深度信念网络(deep belief network, DBN)构建双馈风电机组保护电路运行状态识别模型。最后,根据识别结果及风速对双馈风电场内机组进行分群,计算各群等值参数最终建立双馈风电场等值模型。通过对比试验以及指标评价,验证了样本增强对模型训练的提升效果以及运用所提方法构建的等值模型的准确性。
-
关键词
直流卸荷保护
撬棒保护
核心样本
生成对抗网络
深度信念网络
两步分群
-
Keywords
chopper protection
crowbar protection
core sample
generative adversarial networks
deep belief networks
two-step clustering
-
分类号
TM614
[电气工程—电力系统及自动化]
-
