[发明专利]一种基于BP神经网络的双馈风电机组参数辨识方法及装置

说明书

本发明公开了一种基于BP神经网络的双馈风电机组参数辨识方法及装置。方法包括：首先，仿真获得双馈风电机组的转子转速；对双馈风电机组转子转速进行功率谱分析并提取其特征参数；然后采用频域灵敏度方法确定待辨识重点参数；再次，改变双馈风电机组的重点参数，重复仿真得到转子转速功率谱特征与待辨识参数组成的数据集训练BP神经网络；最后，根据实际湍流风速激励下的双馈风电机组转子转速信息，利用已训练的神经网络获得双馈风电机组的待辨识重点参数值。本发明基于风电机组正常工作情况下的转子转速数据，采用智能化方法进行参数辨识，数据量丰富，参数辨识的速度快，所得参数辨识结果符合工程实际。

技术领域

本发明属于电力系统建模技术领域，具体涉及一种基于BP神经网络的双馈风电机组参数辨识方法，还涉及一种基于BP神经网络的双馈风电机组参数辨识装置。

背景技术

风能具有随机性与波动性，大量风电接入电网会影响电力系统的安全稳定运行，构建准确的风电机组模型是分析高比例风电电力系统运行特性的重要手段，目前针对风电机组机理建模的研究已有较多成果，而基于数据驱动的智能化建模方法还较少。

在数据驱动的风电机组建模方面，大部分侧重于基于故障后大扰动量测数据进行建模。由于电力系统的短路、断线等大扰动可遇不可求，数据量少。因此无法获得充分的信息进行风电机组建模。

发明内容

本发明的目的在于克服现有技术中的不足，提供了一种基于BP神经网络的双馈风电机组参数辨识方法及装置，解决的技术问题。

为解决上述技术问题，本发明提供了一种基于BP神经网络的双馈风电机组参数辨识方法，其特征是，包括以下过程：

基于仿真平台搭建含双馈风电场的单机无穷大系统，仿真获得风电机组转子转速的响应信息；

计算风电机组转子转速响应信号的功率谱，并提取功率谱的特征信息；

计算双馈风电机组模型参数的频域灵敏度，根据灵敏度大小确定待辨识重点参数；

改变双馈风电机组的待辨识重点参数的数值进行多次仿真，得到多组转子转速功率谱的特征信息与待辨识参数组成的数据集；

以转子转速功率谱的特征信息作为输入、待辨识重点参数的数值作为输出，基于数据集训练BP神经网络；

获取实际风电机组的转子转速的响应信息，利用训练后的BP神经网络来辨识重点参数，最后输出重点参数辨识结果。

进一步的，所述双馈风电场的单机无穷大系统中，双馈风电机组采用Matlab/Simulink仿真平台中的平均模型。

进一步的，所述双馈风电场的单机无穷大系统中，选取湍流风速作为激励，湍流风速v数值表达为：

由于湍流风速能量集中于低频范围，取定频率f范围划分为N等分，N即为频率尺度；角频率ω_i＝2πf_i＝(i-0.5)Δω_i,i＝1,2,...,N，Sv(ω_i)为在角频率ω_i下的双侧Kaimal功率谱；t为时域尺度；为-2π～2π的随机变量。

进一步的，所述功率谱的特征信息包括：

在显著周期下的功率谱密度值和6个频域统计指标，所述6个频域统计指标包括均值频率、重心频率、均方频率、频率方差、均方根频率以及频率标准差。

进一步的，所述在显著周期下的功率谱密度值的计算过程为：