[发明专利]一种基于多目标优化算法进行风电场等值的方法

说明书

本发明公开了一种基于多目标优化算法进行风电场等值的方法，通过K‑means算法将风机划分为K个机群，再对每个机群内部进行集电系统等值和风机等值，其中主要对风机等值方法进行了改进：首先分别基于风速波动和故障条件，采用轨迹灵敏度法进行了待辨识参数选取，然后选取容量最大的等值风机作为待辨识风机，最后采用NSGA‑II多目标优化算法对等值机的参数进行辨识，从而得到同时适用于风速波动扰动和故障扰动的风电场等值模型。

技术领域

本发明属于电力系统领域，更为具体地讲，涉及一种基于多目标优化算法进行风电场等值的方法。

背景技术

新世纪以到来，社会经济飞速发展，能源的需求量剧增，能源紧缺问题日益突出，风电作为一种具有技术纯熟、发展前景好等特点的新能源发电技术，风电产业在我国得到迅速发展。中国可再生能源学会数据显示，2006年至2016年我国风电装机容量呈逐年递增趋势，2016年累计装机容量已达到1.69亿千瓦。世界气象组织(WMO)估计地球上可利用的风能大约有200亿千瓦，比地球上能用来水利发电的总量还要大10倍。在未来社会发展中，风力发电将起到举足轻重的效果，在许多国家，风电已成为电力系统不可缺少的一部分。

随着风电场规模的不断增大，风资源及风电的随机性、波动性与不确定性，给电力系统的安全稳定带来了挑战。大型风电场机组众多，结构复杂，详细建模时对每台风机一一刻画，将导致模型高阶、计算复杂等问题。为分析含大规模风电场的电网安全与稳定，对风电场进行准确有效的等值建模成为亟待解决的问题。

而风电场的主要扰动分为风速波动情况和故障情况，在对含大型风电场的电力系统进行仿真分析时，要求等值风电场能在两种情况下都有较好的等值效果。但是由于两种扰动的时间尺度不同，风速波动的时间尺度为秒级，而故障的时间尺度为毫秒级，因此基于某一扰动情况下的单目标参数辨识结果未必能适用于另一扰动情况，这无法保证等值风电场在多种扰动同时发生时的等值精确性和有效性。

例如，文献“Y.Wang,C.Lu,L.Zhu,et al.Comprehensive Modeling andParameter Identification of Wind Farms Based on Wide-Area MeasurementSystems,J.Mod.Power Syst.Clean Energy(2016)4:383.”提出了一种基于同步向量单元测量的风电场建模和参数辨识方法。首先采用轨迹灵敏度选取主要参数，得到等值模型，再采用改进的遗传算法对参数进行辨识，最后分别在故障情况和风速波动情况下验证了该方法的等值精确性。然而在实际风电场中常常是风速波动和故障扰动并存的，该文章中基于某一扰动进行参数辨识得到的等值模型在另一扰动情况下可能产生误差，因此单目标优化参数辨识方法难以保证等值模型在电力系统分析中的等值精确性和有效性。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于多目标优化算法进行风电场等值的方法，通过多目标优化算法对等值风机参数进行辨识，从而得到适用于风速波动扰动和故障扰动两种条件下的风电场等值模型。

为实现上述发明目的，本发明为一种基于多目标优化算法进行风电场等值的方法，其特征在于，包括以下步骤：

(1)、对风电机组聚类

采用K-means聚类算法，以各风机的初始风速为聚类指标，将运行方式相近的风电机组划分为同一机群，得到K类风机组；

(2)、集电系统等值

利用PSASP软件建立线路和变压器模型，采用容量加权法对同一机群内的线路和变压器参数进行等值；

(3)、风机等值

(3.1)、利用PSASP软件建立风机等值模型；

(3.2)、选取待辨别的参数；