[发明专利]基于MMSE挖掘的风电场等值模型及其构建方法和应用

说明书

本发明公开了一种基于MMSE挖掘的风电场等值模型及其构建方法和应用，属于风电场等值模型研究领域，其中，构建方法包括：利用风电场中的每台风机的随机关键因素构建风机的动态过程时间序列，利用风机的动态过程时间序列计算风机动态过程的多尺度熵值；以风机动态过程的多尺度熵值为聚类指标构建风电场等值模型。本发明以风电场动态过程时间序列作为数据挖掘对象，提取了其多尺度熵值，并以此为聚类指标构建了风电场等值模型。相比于传统的风电场等值模型，本发明模型在电力系统各类故障场景中均能较好地模拟风电场的动态过程，大大减少了风电场等值次数。由此解决目前风电等值模型适用场景单一且难以有效反映风电场动态过程的技术问题。

技术领域

本发明属于风电场等值模型研究领域，更具体地，涉及一种基于MMSE(multivariate multiscale entropy，多元多尺度熵理论)挖掘的风电场等值模型及其构建方法和应用。

背景技术

根据国家发改革和国家能源局发布的电力发展“十三五”规划，截止2020年，全国风电装机容量将达到2.1亿千瓦以上。随着风电装机容量的逐年增加，风电场的规模也越来越大，风电场往往由几十甚至上百台风机组成，如果建立其详细模型，必然会造成维数灾，难以满足仿真精度与效率的研究需求。

因此，在对风电场进行仿真分析时，需要对其进行等值计算。风电场的单机等值误差较大，因此近年来的风电场等值研究中主要集中在多机等值，研究内容包括：风电场等值指标体系的构建、等值过程中聚类算法的优化等方面。对于等值指标的研究起步较早，现技术已经相对成熟；聚类算法优化集中解决提高聚类精度问题。

以上研究虽然从不同的角度研究风机等值，但等值模型一般只适用于较为单一的场景，随着风电场仿真时间或运行条件的改变，等值方式均要发生变化，等值模型的适用性受到了极大的限制。

由此可见，目前风电等值模型适用场景单一且难以有效反映风电场动态过程。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于MMSE挖掘的风电场等值模型及其构建方法和应用，由此解决目前风电等值模型适用场景单一且难以有效反映风电场动态过程的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于MMSE挖掘的风电场等值模型的构建方法，包括如下步骤：

(1)利用风电场中的每台风机的随机关键因素构建风机的动态过程时间序列，利用风机的动态过程时间序列计算风机动态过程的多尺度熵值；

(2)以风机动态过程的多尺度熵值为聚类指标构建风电场等值模型。

进一步地，随机关键因素包括：风机控制方式、风速、风向和电网短路故障位置。

进一步地，步骤(1)包括：

(11)对于风电场中的每台风机的随机关键因素，根据历史数据统计随机关键因素的概率特性，利用随机变量发生器对随机关键因素进行抽样后输入到风机中，得到风机的动态过程时间序列；

(12)对风机的动态过程时间序列进行时间序列粗粒化处理，得到粗粒化后的时间序列，利用粗粒化后的时间序列计算风机动态过程的多尺度熵值。

进一步地，步骤(2)包括：

以风机动态过程的多尺度熵值为聚类指标，设置聚类数为K，得到K个等值机群，计算每个等值机群中的相关参数由此构建风电场等值模型。

进一步地，相关参数包括等值风机的相关参数、变压器的等值参数和线路阻抗的等值参数。

进一步地，风电场中的风机型号和容量均相同，所述等值风机的相关参数包括：