[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

摘要

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。

主权项

1.一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；(3.2.1)、设置风速波动扰动，以风机出口处的输出曲线为观察对象，计算风机等值模型中每个参数的相对轨迹灵敏度，再选取相对轨迹灵敏度较大的参数作为风速波动扰动下的关键参数；(3.2.2)、设置故障扰动，以风机出口处的输出曲线为观察对象，计算风机等值模型中每个参数的相对轨迹灵敏度，再选取相对轨迹灵敏度较大的参数作为故障扰动的关键参数；(3.2.3)、将步骤(3.2.1)和(3.2.2)得到的关键参数求并集，得到最终的待辨识参数。(3.3)、确定待辨识的等值风机将聚类后的K类风机组用K台等值风机表征，再选取容量最大的等值风机作为待辨识的等值风机，将剩余的K‑1台等值风机采用容量加权法进行等值；(3.4)、利用NSGA‑II多目标优化算法进行参数辨识(3.4.1)、在待辨识的等值风机中，以步骤(3.2.3)中得到的最终的待辨识参数为优化对象，建立目标函数；其中，N1为风速波动情况下风电场输出曲线的采样点总数，N2为故障情况下风电场输出曲线的采样点总数，P为风电场输出的有功功率，Q为风电场输出的无功功率，下标E表示风电场等值模型，下标D表示风电场详细模型，下标wind表示风速波动情况，下标fault表示故障情况，PE_wind表示风电场等值模型在风速波动条件下的输出有功功率；(3.4.2)、通过NSGA‑II多目标优化算法对建立的目标函数求解，得到最优前沿解集，再在最优前沿解集中选取一个使风机等值模型在风速波动扰动和故障扰动条件下的误差最小的解，并作为最优解；(3.5)、更新风机等值模型将最优解对应待辨识参数带入到风机等值模型中，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。