吳 磊，晁璞璞，李 甘，李衛(wèi)星，李志民

（1. 哈爾濱工業(yè)大學(xué)電氣工程及自動(dòng)化學(xué)院,黑龍江省哈爾濱市 150006；2. 大連理工大學(xué)電氣工程學(xué)院,遼寧省大連市 116024；3. 國(guó)網(wǎng)四川省電力公司,四川省成都市 610041）

0 引言

隨著電力系統(tǒng)的風(fēng)電滲透率不斷攀升,電網(wǎng)的靈活性與安全性受到了諸多影響和沖擊,大規(guī)模風(fēng)電接入電力系統(tǒng)分析計(jì)算的需求日益精細(xì),亟須建立能夠準(zhǔn)確描述風(fēng)電場(chǎng)動(dòng)態(tài)特性的模型［1］。然而,風(fēng)電場(chǎng)一般由數(shù)十甚至上百臺(tái)風(fēng)機(jī)組成,考慮到仿真模型的復(fù)雜度、計(jì)算量和可靠性,進(jìn)行風(fēng)電場(chǎng)的聚合等值建模研究至關(guān)重要［2］。

目前,風(fēng)電場(chǎng)的等值建模研究主要針對(duì)場(chǎng)站信息全息的情況,可分為單機(jī)和多機(jī)等值兩種方法［3］。單機(jī)等值將整個(gè)風(fēng)電場(chǎng)聚合為一臺(tái)等值機(jī),取等值風(fēng)速或功率作為輸入［4-5］,計(jì)算簡(jiǎn)單,但因無(wú)法表征風(fēng)電場(chǎng)中每臺(tái)機(jī)組的動(dòng)態(tài)行為差異,會(huì)產(chǎn)生較大的等值誤差。為提高單機(jī)等值精度,文獻(xiàn)［6-10］分別通過(guò)遺傳算法［6］、模糊算法［7］、隨機(jī)優(yōu)化算法［8］、最小均方差優(yōu)化算法［9］和粒子群算法［10］,優(yōu)化等值機(jī)組的主導(dǎo)參數(shù),使等值模型的動(dòng)態(tài)響應(yīng)和風(fēng)電場(chǎng)盡可能接近。但由于風(fēng)資源的隨機(jī)性與間歇性,風(fēng)電場(chǎng)的工況復(fù)雜多變,難以匹配到任一工況下的最優(yōu)等值參數(shù),而且計(jì)算量較大,無(wú)法實(shí)時(shí)在線計(jì)算,難以應(yīng)用于工程實(shí)際。

多機(jī)等值基于傳統(tǒng)發(fā)電機(jī)的“同調(diào)”思想,通常以風(fēng)速或其他能夠表征風(fēng)電機(jī)組運(yùn)行狀態(tài)的特征量為分群指標(biāo),將具有相似運(yùn)行點(diǎn)的風(fēng)電機(jī)組聚合成一臺(tái)等值機(jī)［11］,可分為等值機(jī)相對(duì)固定和不固定兩種類型。前者多采用依照機(jī)組類型、安裝位置、運(yùn)行方式、運(yùn)行區(qū)域或保護(hù)電路的動(dòng)作與否等較為簡(jiǎn)單的機(jī)群劃分方法［12-15］。這種方法由于等值機(jī)數(shù)量相對(duì)固定,當(dāng)機(jī)組運(yùn)行狀態(tài)差異較大或風(fēng)速波動(dòng)時(shí),難以保持較高的等值精度。后者一般以能夠表征風(fēng)電機(jī)組運(yùn)行狀態(tài)的一個(gè)或一組特征量作為分群指標(biāo),比如風(fēng)速［16-17］、槳距角［18］、定子短路電流［19］、轉(zhuǎn)子電流、轉(zhuǎn)速、端口電壓、功率、滑差、變速箱軸溫［20-23］、等效功角［24］、傳遞函數(shù)［25］等。另外,在文獻(xiàn)［26-28］中,提出了多階段分群方法,用簡(jiǎn)單的特征量將具有顯著一致性的機(jī)組聚為一群后,再用復(fù)雜特征量對(duì)其二次分群或借助優(yōu)化算法對(duì)等值參數(shù)尋優(yōu)計(jì)算,以期達(dá)到較好的等值效果。可以看出,多機(jī)等值方法雖然可以達(dá)到較高的等值精度,但計(jì)算復(fù)雜,運(yùn)行點(diǎn)變化時(shí),無(wú)法實(shí)時(shí)得到分群指標(biāo)。而且,這類等值方法仍然無(wú)法刻畫(huà)同群機(jī)組動(dòng)態(tài)特性的差異,只能通過(guò)更多的分群數(shù)提高等值精度,實(shí)用性有待提高。

綜上,目前的方法均未解決機(jī)組級(jí)實(shí)時(shí)運(yùn)行信息的缺失問(wèn)題以及機(jī)組間動(dòng)態(tài)行為差異的表征問(wèn)題。針對(duì)以上兩個(gè)問(wèn)題,論文以雙饋型風(fēng)電場(chǎng)為例,提出了基于數(shù)據(jù)-模型混合驅(qū)動(dòng)的風(fēng)電場(chǎng)聚合等值建模方法:1）提出了基于神經(jīng)網(wǎng)絡(luò)匹配算法的機(jī)組級(jí)信息獲取方法,克服了實(shí)際場(chǎng)站機(jī)組級(jí)出力信息缺失難題；2）根據(jù)風(fēng)電機(jī)組全風(fēng)速的響應(yīng)特性確定分群指標(biāo),提出了風(fēng)電場(chǎng)最少等值機(jī)表征原理,發(fā)現(xiàn)了傳統(tǒng)等值方法的誤差來(lái)源于對(duì)同群機(jī)組動(dòng)態(tài)特性差異的忽略；3）提出了等值機(jī)動(dòng)態(tài)行為校正的兩機(jī)等值方法,最多用兩臺(tái)等值機(jī)即可表征風(fēng)電場(chǎng)的詳細(xì)動(dòng)態(tài)行為。

1 數(shù)據(jù)驅(qū)動(dòng)的風(fēng)電場(chǎng)運(yùn)行狀態(tài)測(cè)辨

風(fēng)電場(chǎng)的運(yùn)行信息包括各機(jī)組的功率和電壓,由于風(fēng)資源的隨機(jī)性、波動(dòng)性及擾動(dòng)的不確定性,其屬于大規(guī)模時(shí)變量,難以實(shí)時(shí)獲得。為解決機(jī)組級(jí)運(yùn)行信息的缺失問(wèn)題,本文提出了基于神經(jīng)網(wǎng)絡(luò)的匹配策略,如圖1 所示。

圖1 風(fēng)電場(chǎng)運(yùn)行狀態(tài)測(cè)辨示意圖Fig.1 Schematic diagram of operation status detection and identification of wind farm

如圖1 所示,提出的風(fēng)電場(chǎng)運(yùn)行狀態(tài)測(cè)辨方法分為神經(jīng)網(wǎng)絡(luò)模型建立和機(jī)組運(yùn)行信息匹配兩個(gè)部分。

第1 步,首先對(duì)采集到的風(fēng)電場(chǎng)數(shù)據(jù)進(jìn)行預(yù)處理,利用季節(jié)和風(fēng)速特征進(jìn)行場(chǎng)景分類［29］,建立歷史場(chǎng)景數(shù)據(jù)庫(kù)；然后,將歷史場(chǎng)景數(shù)據(jù)庫(kù)中的場(chǎng)景代入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,建立風(fēng)電場(chǎng)的神經(jīng)網(wǎng)絡(luò)模型,包括“氣象塔風(fēng)速風(fēng)向-機(jī)組風(fēng)速”模型和“機(jī)組風(fēng)速-機(jī)組功率”模型。

1）氣象塔風(fēng)速風(fēng)向-機(jī)組風(fēng)速模型

采用3 層反向傳播（BP）神經(jīng)網(wǎng)絡(luò),建立風(fēng)電場(chǎng)氣象塔的風(fēng)速、風(fēng)向與風(fēng)電場(chǎng)內(nèi)所有機(jī)組的風(fēng)速之間的映射關(guān)系,故輸入?yún)?shù)為氣象塔歸一化后的風(fēng)速、風(fēng)向余弦值和風(fēng)向正弦值,輸出參數(shù)為所有機(jī)組歸一化后的風(fēng)速。輸入層與隱含層之間的傳遞函數(shù)選為tanh 函數(shù),隱含層與輸出層之間的傳遞函數(shù)選為sigmoid 函數(shù),模型結(jié)構(gòu)為3×49×33。

2）機(jī)組風(fēng)速-機(jī)組功率模型

同樣采用3 層BP 神經(jīng)網(wǎng)絡(luò),輸入?yún)?shù)為歸一化后的機(jī)組風(fēng)速,輸出參數(shù)為歸一化后的機(jī)組功率,輸入層與隱含層之間的傳遞函數(shù)選為tanh 函數(shù),隱含層與輸出層之間的傳遞函數(shù)選為softplus 函數(shù),模型結(jié)構(gòu)為1×5×1。

第2 步,根據(jù)風(fēng)電場(chǎng)的氣象塔信息和并網(wǎng)點(diǎn)處的電氣量匹配機(jī)組的電氣量。本文采取實(shí)時(shí)匹配,故不考慮機(jī)組慣性的影響。設(shè)風(fēng)電場(chǎng)共有n臺(tái)機(jī)組,神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的氣象塔風(fēng)速風(fēng)向-機(jī)組風(fēng)速模型函數(shù)為fvv,機(jī)組風(fēng)速-機(jī)組功率模型函數(shù)為fvp,匹配步驟如下:

1）輸入風(fēng)電場(chǎng)氣象塔風(fēng)速vT、風(fēng)向θ和并網(wǎng)點(diǎn)功率PF；

2）將輸入信息依次代入訓(xùn)練好的模型中,匹配得到每臺(tái)機(jī)組的功率,即

式中:ΔP為匹配得到的風(fēng)電場(chǎng)總功率與并網(wǎng)點(diǎn)處功率的差值；f-1(?)為風(fēng)電場(chǎng)功率與風(fēng)速的反函數(shù)；Δv為氣象塔風(fēng)速的調(diào)整量。

5）將vT代入第2 步重新求解,直至模型匹配次數(shù)達(dá)到最大值,或ΔP減小到設(shè)定的閾值以內(nèi)。

基于以上方法,以附錄A 圖A1 所示某實(shí)際風(fēng)電場(chǎng)為例,采集風(fēng)電場(chǎng)一年的量測(cè)數(shù)據(jù)（包括每臺(tái)風(fēng)電機(jī)組的風(fēng)速、功率、電壓、風(fēng)電場(chǎng)并網(wǎng)點(diǎn)信息和氣象塔信息）,通過(guò)風(fēng)電場(chǎng)的歷史運(yùn)行數(shù)據(jù)建立其歷史場(chǎng)景數(shù)據(jù)庫(kù),見(jiàn)附錄A 圖A2。圖A2 中包含了春夏秋冬4 條風(fēng)電場(chǎng)總功率曲線,曲線中每一個(gè)點(diǎn)代表某時(shí)刻風(fēng)電場(chǎng)總功率,而每一個(gè)點(diǎn)也對(duì)應(yīng)風(fēng)電場(chǎng)的一個(gè)場(chǎng)景,包括風(fēng)速和功率場(chǎng)景（圖A2 下方兩圖即為該時(shí)刻的風(fēng)速場(chǎng)景和功率場(chǎng)景,圖中X、Y軸表示地理排布,Z軸表示每臺(tái)風(fēng)電機(jī)組的風(fēng)速或功率）。以某時(shí)刻風(fēng)電場(chǎng)的氣象塔信息（風(fēng)速9.86 m/s,風(fēng)向240°）和并網(wǎng)點(diǎn)信息（功率31.86 MW,電壓1.03 p.u.）為例,采用神經(jīng)網(wǎng)絡(luò)算法,匹配出的風(fēng)電場(chǎng)功率分布場(chǎng)景見(jiàn)附錄A 圖A3?？梢钥闯?匹配場(chǎng)景與實(shí)際場(chǎng)景基本一致,有著較高的擬合度。

為了驗(yàn)證所提風(fēng)電場(chǎng)運(yùn)行狀態(tài)測(cè)辨方法的準(zhǔn)確性,選取15 組場(chǎng)景,計(jì)算匹配功率場(chǎng)景與實(shí)際功率場(chǎng)景之間的精度,結(jié)果如附錄A 圖A4 所示。從圖中可以看出,匹配出的功率場(chǎng)景的精度在95%附近,證明了本文提出風(fēng)電場(chǎng)狀態(tài)測(cè)辨方法的有效性。

2 風(fēng)電場(chǎng)兩機(jī)聚合等值建模方法

2.1 聚群指標(biāo)的確定及測(cè)辨方法

風(fēng)電場(chǎng)聚合等值建模的關(guān)鍵是確定風(fēng)電機(jī)組的聚群指標(biāo),在兼顧精度的條件下,將具有相似動(dòng)態(tài)響應(yīng)特性的機(jī)組分成最少的群。為識(shí)別具有相似動(dòng)態(tài)響應(yīng)特性的機(jī)組,對(duì)附錄A 圖A1 所示場(chǎng)站內(nèi)的機(jī)組從切入到切出風(fēng)速,每隔0.1 m/s 進(jìn)行了動(dòng)態(tài)響應(yīng)特性仿真,結(jié)果如圖2 所示。每條曲線對(duì)應(yīng)一個(gè)風(fēng)速下的仿真結(jié)果,5～5.2 s（t0～tc）發(fā)生三相短路故障,電壓對(duì)稱跌落至0.3 p.u.。

圖2 雙饋風(fēng)電機(jī)組的故障穿越行為Fig.2 Fault ride-through behavior of doubly-fed wind turbines

圖2 中,在較低風(fēng)速下,故障期間機(jī)組Crowbar電路因未達(dá)到動(dòng)作閾值未觸發(fā)；在較高風(fēng)速下,機(jī)組Crowbar 電路達(dá)到其動(dòng)作閾值而觸發(fā)。因此,機(jī)組在全部工作區(qū)域的通用故障穿越曲線見(jiàn)圖3。圖中:ts,low和ts,high分別為低、高出力機(jī)組恢復(fù)至穩(wěn)態(tài)的時(shí)刻。

綜合圖2 和圖3,風(fēng)電場(chǎng)內(nèi)工作在不同風(fēng)速的機(jī)組在同一電壓擾動(dòng)下的動(dòng)態(tài)響應(yīng)特性可分為3 個(gè)階段,每個(gè)階段的特點(diǎn)和差異如下:

圖3 單臺(tái)雙饋風(fēng)電機(jī)組的通用故障穿越動(dòng)態(tài)曲線Fig.3 General fault ride-through dynamic curves of single doubly-fed wind turbine

1）階段A（t0至tcrb）:t0時(shí)刻機(jī)端變壓器的高壓側(cè)發(fā)生三相短路故障,如果轉(zhuǎn)子故障電流大于動(dòng)作閾值,Crowbar 導(dǎo)通,Crowbar 電阻短接發(fā)電機(jī)轉(zhuǎn)子,控制器閉鎖,機(jī)組處于短時(shí)失控狀態(tài),直至幾十毫秒后Crowbar 電路退出。若轉(zhuǎn)子電流未達(dá)到動(dòng)作閾值,則風(fēng)電機(jī)組在整個(gè)故障持續(xù)期間均受控。在t0（5 s,故障開(kāi)始）到tcrb（5.06 s,Crowbar 電路退出）期間,風(fēng)電機(jī)組在低、高風(fēng)速下的動(dòng)態(tài)行為存在顯著差異,各自顯示出了較強(qiáng)的聚群特性。

2）階段B（tcrb至tc）:tcrb時(shí)刻之后,低、高風(fēng)速下的機(jī)組均受控于無(wú)功電流優(yōu)先控制策略。有功和無(wú)功功率經(jīng)短時(shí)暫態(tài)后趨于穩(wěn)定值（定義為準(zhǔn)穩(wěn)態(tài)值）。由圖3 可以看出,較高風(fēng)速下的準(zhǔn)穩(wěn)態(tài)無(wú)功功率與低風(fēng)速下的基本相等,但準(zhǔn)穩(wěn)態(tài)有功功率顯著不同。

3）階段C（tc至ts,low或ts,high）:tc時(shí)刻（5.2 s）故障清除,風(fēng)電機(jī)組經(jīng)短時(shí)暫態(tài),進(jìn)入恢復(fù)過(guò)程。有功功率以一定速率恢復(fù)至穩(wěn)態(tài)（ts,low或ts,high時(shí)刻）,無(wú)功功率直接減小到故障前的穩(wěn)態(tài)。更高的有功功率會(huì)導(dǎo)致更高的初始點(diǎn)和更長(zhǎng)的恢復(fù)時(shí)間。

綜上可知,低、高風(fēng)速機(jī)組按照其Crowbar 電路的動(dòng)作與否,可以分為兩群,兩個(gè)機(jī)群的動(dòng)態(tài)響應(yīng)特性在故障初期完全不同,故障持續(xù)期間的暫穩(wěn)態(tài)和故障清除后的恢復(fù)過(guò)程類似,僅具體數(shù)值和持續(xù)時(shí)間不同。為能同時(shí)表征風(fēng)電場(chǎng)內(nèi)Crowbar 電路動(dòng)作和不動(dòng)作機(jī)組的響應(yīng)特性,風(fēng)電場(chǎng)內(nèi)的機(jī)組應(yīng)按其Crowbar 電路的動(dòng)作與否分為兩群,即用兩臺(tái)等值機(jī)才有可能模擬整個(gè)風(fēng)電場(chǎng)的綜合動(dòng)態(tài)響應(yīng)特性。

按照Crowbar 電路的動(dòng)作與否將風(fēng)電場(chǎng)分為兩群的關(guān)鍵,是判斷各機(jī)組Crowbar 電路的動(dòng)作情況,即判斷轉(zhuǎn)子電流在故障時(shí)是否超過(guò)其動(dòng)作閾值。根據(jù)文獻(xiàn)［30］,對(duì)于某一雙饋風(fēng)電機(jī)組,Crowbar 電路的動(dòng)作狀態(tài)僅與其故障前的穩(wěn)態(tài)和殘壓有關(guān)。故障前的穩(wěn)態(tài)可以方便地通過(guò)匹配獲得,機(jī)組的殘壓可以通過(guò)并網(wǎng)點(diǎn)的電壓實(shí)時(shí)推算而得。也就是說(shuō),可以通過(guò)離線計(jì)算/仿真獲取不同工作場(chǎng)景下Crowbar 電路的動(dòng)作情況,通過(guò)查表實(shí)現(xiàn)在線判斷。例如,本文風(fēng)電機(jī)組離線仿真獲得的機(jī)組Crowbar電路的動(dòng)作情況如附錄A 圖A5 所示。

測(cè)辨后的等值模型如附錄A 圖A6 所示。值得提及的是,僅通過(guò)將風(fēng)電機(jī)組分為兩群,每群聚合成一臺(tái)等值機(jī)的兩機(jī)等值模型并不能準(zhǔn)確表征風(fēng)電場(chǎng)的綜合動(dòng)態(tài)響應(yīng)特性,原因?qū)⒃?.2 節(jié)詳細(xì)闡述。

2.2 誤差解析與校正

將Crowbar 電路動(dòng)作和不動(dòng)作的機(jī)組分別聚合成一臺(tái)等值機(jī),可以表征Crowbar 動(dòng)作情況不同的風(fēng)電機(jī)組的響應(yīng)特性差異。但僅將風(fēng)電場(chǎng)按照Crowbar 動(dòng)作情況進(jìn)行分群,忽略同群內(nèi)的機(jī)組差異,仍無(wú)法表征整個(gè)場(chǎng)站的詳細(xì)動(dòng)態(tài),其等值誤差推導(dǎo)如下［4］。

詳細(xì)風(fēng)電場(chǎng)在故障穿越全過(guò)程A、B、C 階段的綜合動(dòng)態(tài)響應(yīng)特性可解析為:

式中:PWPP(t)為t時(shí)刻風(fēng)電場(chǎng)的有功功率；PNotCrowbar(t)為t時(shí)刻所有Crowbar 電路不動(dòng)作機(jī)組的有功功率；PActCrowbar(t)為t時(shí)刻所有Crowbar 電路動(dòng)作機(jī)組的有功功率；n1為風(fēng)電場(chǎng)內(nèi)Crowbar 電路不動(dòng)作的機(jī)組數(shù)量；Pnormal,i為第i臺(tái)機(jī)組穩(wěn)態(tài)的有功功率；Ui(t)為t時(shí)刻第i臺(tái)機(jī)組的電壓；IP,i(t)為t時(shí)刻第i臺(tái)機(jī)組的有功電流；si(t)為t時(shí)刻第i臺(tái)機(jī)組的滑差；fP,i(?)為第i臺(tái)機(jī)組的電導(dǎo)函數(shù)；k為風(fēng)電機(jī)組故障穿越恢復(fù)階段的有功恢復(fù)斜率；PWTistageB(tc)為第i臺(tái)機(jī)組故障清除時(shí)的有功功率；j1為Crowbar 不動(dòng)作的機(jī)組序號(hào)；j2為Crowbar 動(dòng)作的機(jī)組序號(hào)；Inormal,i為第i臺(tái)機(jī)組穩(wěn)態(tài)的電流；Imax為風(fēng)電機(jī)組電流的最大值；t0為故障開(kāi)始時(shí)刻；IQ,i(t)為t時(shí)刻第i臺(tái)機(jī)組的無(wú)功電流；IN為機(jī)組的額定電流；ti為第i臺(tái)機(jī)組到達(dá)穩(wěn)態(tài)的時(shí)刻；tn為所有機(jī)組到達(dá)穩(wěn)態(tài)的時(shí)刻,如圖4 所示,圖中,n2為風(fēng)電場(chǎng)內(nèi)Crowbar 電路動(dòng)作的機(jī)組數(shù)量。

圖4 所提兩機(jī)等值方法原理Fig.4 Principle of proposed two-machine equivalent method

式中:PEQ2WPP(t)為t時(shí)刻兩機(jī)等值模型的有功功率；下標(biāo)“eqM1”表示由Crowbar 電路不動(dòng)作的機(jī)組聚合而成的等值機(jī)（等值機(jī)1）；下標(biāo)“eqM2”表示由Crowbar 電路動(dòng)作的機(jī)組聚合而成的等值機(jī)（等值機(jī)2）；PEQ2eqMx(t) 為t時(shí) 刻 等 值 機(jī)x的 有 功 功 率；UeqMx(t)為t時(shí)刻等值機(jī)x的電壓；IP,eqMx(t)為t時(shí)刻等值機(jī)x的有功電流；seqMx(t)為t時(shí)刻等值機(jī)x的滑差,等于所涉及風(fēng)電機(jī)組滑差的平均值；fP,eqMx(?)為等值機(jī)x的電導(dǎo)函數(shù)；PEQ2stageB,Mx(tc)為等值機(jī)x故障清除時(shí)的有功功率；Inormal,eqMx為等值機(jī)x的穩(wěn)態(tài)電流；Imax,eqMx為等值機(jī)x的電流最大值；IQ,eqMx(t)為t時(shí)刻等值機(jī)x的無(wú)功電流；IN,eqMx為等值機(jī)x的額定電流；teqx為等值機(jī)x達(dá)到穩(wěn)態(tài)的時(shí)間。

由式（21）和式（22）可知,階段C 兩機(jī)等值模型的動(dòng)態(tài)響應(yīng)與詳細(xì)模型不一致,其誤差源于沒(méi)有考慮到每一臺(tái)機(jī)組有功恢復(fù)的動(dòng)態(tài)過(guò)程。

圖4 展示了詳細(xì)風(fēng)電場(chǎng)和兩機(jī)等值模型在故障全過(guò)程的動(dòng)態(tài)行為、Crowbar 動(dòng)作機(jī)群的詳細(xì)響應(yīng)特性和聚合成等值機(jī)的響應(yīng)特性,以及Crowbar 未動(dòng)作機(jī)群的詳細(xì)響應(yīng)特性和聚合成等值機(jī)的響應(yīng)特性。

由圖4 可以看出,改進(jìn)前的兩機(jī)等值模型在階段A、B 和C 均存在明顯的等值誤差:在階段A,動(dòng)態(tài)行為不一致；在階段B,暫、穩(wěn)態(tài)值不一致；在階段C,恢復(fù)起點(diǎn)和恢復(fù)速率不一致。若采用推導(dǎo)出的每個(gè)機(jī)群在并網(wǎng)點(diǎn)處的故障穿越全過(guò)程動(dòng)態(tài)行為的解析式更新等值機(jī)轉(zhuǎn)子側(cè)變換器控制器功率外環(huán)的參考值,即可實(shí)現(xiàn)對(duì)詳細(xì)風(fēng)電場(chǎng)動(dòng)態(tài)行為的自動(dòng)模擬,消除等值誤差。

2.3 數(shù)據(jù)-模型混合驅(qū)動(dòng)的等值模型生成

在風(fēng)電場(chǎng)運(yùn)行狀態(tài)測(cè)辨和基于等值機(jī)動(dòng)態(tài)行為校正的兩機(jī)聚合等值建模的基礎(chǔ)上,形成了數(shù)據(jù)-模型混合驅(qū)動(dòng)的風(fēng)電場(chǎng)等值模型生成方案,如附錄A圖A7 所示。風(fēng)速場(chǎng)景更新后,首先,通過(guò)風(fēng)電場(chǎng)運(yùn)行狀態(tài)測(cè)辨,獲得機(jī)組的功率和電壓；再通過(guò)風(fēng)電場(chǎng)并網(wǎng)點(diǎn)的殘壓和集電網(wǎng)絡(luò)線路,計(jì)算機(jī)組的殘壓；然后,通過(guò)故障前的穩(wěn)態(tài)和機(jī)組的殘壓判斷各個(gè)機(jī)組Crowbar 電路的動(dòng)作情況,將風(fēng)電場(chǎng)劃分為兩群；最后,計(jì)算等值機(jī)的參數(shù)和校正等值機(jī)的動(dòng)態(tài)行為,生成風(fēng)電場(chǎng)的等值模型。

值得說(shuō)明的是,場(chǎng)景的更新會(huì)導(dǎo)致分群機(jī)組臺(tái)數(shù)發(fā)生變化,從而影響等值參數(shù)計(jì)算和等值機(jī)動(dòng)態(tài)行為校正的過(guò)程。由于文中風(fēng)電場(chǎng)機(jī)組的型號(hào)相同,可設(shè)置基準(zhǔn)值為該群機(jī)組總?cè)萘?使等值機(jī)參數(shù)的標(biāo)幺值不變。等值機(jī)動(dòng)態(tài)行為校正時(shí)機(jī)組臺(tái)數(shù)為輸入量,因此,場(chǎng)景更新導(dǎo)致每群機(jī)組臺(tái)數(shù)變化時(shí),不涉及計(jì)算過(guò)程及校正功能邏輯的改變,模型實(shí)現(xiàn)簡(jiǎn)單,便于工程應(yīng)用。

3 仿真驗(yàn)證

1）不同風(fēng)速場(chǎng)景下的等值效果驗(yàn)證

為驗(yàn)證提出的等值方法對(duì)風(fēng)速場(chǎng)景的適應(yīng)性,本章對(duì)附錄A 圖A1 所示風(fēng)電場(chǎng)隨機(jī)選取匹配出如附錄A 圖A8 所示的15 個(gè)風(fēng)速場(chǎng)景,并進(jìn)行等值實(shí)驗(yàn)。故障場(chǎng)景為:5 s 時(shí)并網(wǎng)點(diǎn)處發(fā)生三相短路故障,5.2 s 時(shí)故障清除,電壓跌落至0.3 p.u.。

不同等值方法的有功功率相對(duì)等值誤差如圖5所示。為更直觀地展示本文方法所建模型的有效性,選取第1 組風(fēng)速場(chǎng)景,對(duì)單機(jī)、兩機(jī)、本文方法及詳細(xì)風(fēng)電場(chǎng)在并網(wǎng)點(diǎn)處暫態(tài)響應(yīng)特性的時(shí)域仿真結(jié)果進(jìn)行展示,如圖6 所示。

圖5 各風(fēng)速場(chǎng)景下不同模型有功功率的等值誤差Fig.5 Equivalent error of active power of different models in different wind speed scenarios

由圖5 和圖6 可以看出,提出的等值方法所建模型明顯優(yōu)于單機(jī)和兩機(jī)等值模型的等值精度,電壓、電流、有功功率和無(wú)功功率在故障穿越全過(guò)程的動(dòng)態(tài)行為都可以較好地跟蹤詳細(xì)風(fēng)電場(chǎng)模型的動(dòng)態(tài)響應(yīng),對(duì)風(fēng)速數(shù)據(jù)有著良好的適應(yīng)性。

圖6 電壓跌落至0.3 p.u. 時(shí)第1 組風(fēng)速場(chǎng)景的等值效果Fig.6 Equivalent effect of the first group of wind speed scenarios when voltage drops to 0.3 p.u.

2）不同電壓跌落下的等值效果驗(yàn)證

為進(jìn)一步驗(yàn)證提出的等值方法所建模型對(duì)電壓跌落程度的適應(yīng)性,選取第3 組匹配出的風(fēng)速場(chǎng)景,在相同仿真條件和不同電壓跌落下進(jìn)行等值實(shí)驗(yàn),各類等值模型的誤差如附錄A 圖A9 所示。同樣地,選取了電壓跌落至0 p.u.時(shí),不同等值模型與詳細(xì)風(fēng)電場(chǎng)模型在并網(wǎng)點(diǎn)處暫態(tài)響應(yīng)特性的時(shí)域仿真結(jié)果進(jìn)行展示,如附錄A 圖A10 所示。由圖A9 和圖A10 可知,本文方法所建模型明顯優(yōu)于單機(jī)和兩機(jī)模型的等值精度,電壓、電流、有功功率和無(wú)功功率在故障穿越全過(guò)程的動(dòng)態(tài)行為與詳細(xì)風(fēng)電場(chǎng)模型的動(dòng)態(tài)行為保持一致,對(duì)電壓跌落程度有良好的適應(yīng)性。

3）不同故障持續(xù)時(shí)間的等值效果驗(yàn)證

為進(jìn)一步驗(yàn)證提出的等值方法所建模型對(duì)故障持續(xù)時(shí)間的適應(yīng)性,選取第15 組匹配出的風(fēng)速場(chǎng)景,在相同仿真條件和不同故障持續(xù)時(shí)間下（0.1、0.2、0.3、0.4、0.5 s）進(jìn)行等值實(shí)驗(yàn),各類等值模型的誤差如附錄A 圖A11 所示。選取故障持續(xù)時(shí)間為0.5 s,對(duì)不同等值模型與詳細(xì)風(fēng)電場(chǎng)模型在并網(wǎng)點(diǎn)處的暫態(tài)響應(yīng)特性的時(shí)域仿真結(jié)果進(jìn)行展示,如附錄A 圖A12 所示。綜合圖A11 和圖A12 可知,本文方法所建模型對(duì)不同故障持續(xù)時(shí)間具有良好的適應(yīng)性,精度明顯優(yōu)于單機(jī)和按照Crowbar 分群的兩機(jī)模型。

4）與其他常規(guī)等值方法的對(duì)比

為進(jìn)一步驗(yàn)證提出的等值方法的性能,除和傳統(tǒng)單機(jī)、按Crowbar 動(dòng)作情況分群的兩機(jī)等值方法進(jìn)行對(duì)比外,進(jìn)一步將提出的方法和3 種常規(guī)等值（按風(fēng)速聚合等值、按槳距角動(dòng)作情況聚合等值和按組合指標(biāo)聚合等值）方法進(jìn)行了對(duì)比,性能指標(biāo)如表1 所示。以第15 組場(chǎng)景為例,不同方法的等值效果如附錄A 圖A13 所示。

綜合表1 和附錄A 圖A13 可以看出,傳統(tǒng)單機(jī)等值方法無(wú)須分群,耗時(shí)最短,但精度最差；采用Crowbar 動(dòng)作情況和槳距角動(dòng)作情況分群的等值方法,分群簡(jiǎn)單,無(wú)須借助復(fù)雜的聚類算法,因至多需要兩臺(tái)等值機(jī),耗時(shí)適中,但精度不夠理想；按照風(fēng)速和組合指標(biāo)分群的方法,能夠達(dá)到較好的等值精度,但需要的等值機(jī)臺(tái)數(shù)較多,且組合指標(biāo)分群一般需要借助聚類算法實(shí)現(xiàn)機(jī)組分群；本文提出的聚合等值建模方法可以在至多兩臺(tái)等值機(jī)的前提下達(dá)到多機(jī)等值方法的精度,且不會(huì)顯著增加仿真負(fù)擔(dān)。

表1 不同方法的等值性能對(duì)比Table 1 Equivalent performance comparison of different equivalent methods

4 結(jié)語(yǔ)

本文提出了基于數(shù)據(jù)-模型混合驅(qū)動(dòng)的風(fēng)電場(chǎng)聚合等值建模方法,根據(jù)場(chǎng)站氣象塔信息和并網(wǎng)點(diǎn)信息,采用神經(jīng)網(wǎng)絡(luò)匹配算法,解決了機(jī)組級(jí)實(shí)時(shí)出力信息缺失難題。通過(guò)仿真分析雙饋機(jī)組在不同風(fēng)速下的動(dòng)態(tài)響應(yīng)特性,證明了按照Crowbar 分群的理論依據(jù),提出了風(fēng)電場(chǎng)最少等值機(jī)表征原理。通過(guò)解析傳統(tǒng)等值方法的誤差來(lái)源,提出了等值機(jī)動(dòng)態(tài)行為校正方法,大大降低了僅按照Crowbar 分群的等值誤差,形成了數(shù)據(jù)驅(qū)動(dòng)的風(fēng)電場(chǎng)等值模型在線生成方案。

本文提出的數(shù)據(jù)-模型混合驅(qū)動(dòng)的風(fēng)電場(chǎng)聚合等值建模方法,需要大量的機(jī)組級(jí)歷史運(yùn)行數(shù)據(jù)做支撐,未來(lái)將根據(jù)場(chǎng)站所處地理位置的氣象及拓?fù)錀l件,研究數(shù)據(jù)的自動(dòng)生成與校正方法,減少對(duì)歷史數(shù)據(jù)的依賴。本文方法的推廣有助于克服新能源發(fā)電模型不準(zhǔn)確導(dǎo)致的電網(wǎng)運(yùn)行規(guī)劃保守問(wèn)題,實(shí)現(xiàn)高滲透新能源電網(wǎng)的分析與控制。

附錄見(jiàn)本刊網(wǎng)絡(luò)版（http：//www.aeps-info.com/aeps/ch/index.aspx），掃英文摘要后二維碼可以閱讀網(wǎng)絡(luò)全文。