基于實測時間序列的風電場機群劃分研究.pdf

1、建立準確適用的風電場動態(tài)等值模型是風電并網(wǎng)穩(wěn)定分析的基礎，而常用的單機等值模型忽略了機組間運行狀態(tài)的差異，存在較大誤差。本文利用風電機組實測時間序列，根據(jù)風電機組運行狀態(tài)的不同，提出了一種基于實測時間序列的風電場機群劃分方法。具體內容如下:
　　(1)建立了風電機組的數(shù)學模型，包括風速的四分量模型、風力機各部分模型（包括風力機轉矩模型、傳動系統(tǒng)模型、槳距控制系統(tǒng)模型）以及常見風力發(fā)電機的穩(wěn)態(tài)和動態(tài)模型。
　　(2)以風電場實

2、測時間序列和常用聚類算法為基礎，分析研究了基于時間序列聚類算法的機群劃分原理。首先，根據(jù)時間序列的定義、分類，結合風電場運行實際，選取、構造了風電場實測時間序列。其次，從聚類算法分類和聚類相似性度量兩個角度，闡明了聚類分析中常見的聚類算法原理。然后，選擇風電機組實測有功時間序列作為劃分指標，基于K-means聚類算法對某實際風電場進行機群劃分，并以機組輪廓系數(shù)為評估指標對機群劃分結果的合理性進行了分析。最后，按照機群劃分結果建立了風電場

3、動態(tài)等值模型，以含某實際風電場的CIGRE B4-39系統(tǒng)為例進行了動態(tài)仿真分析。
　　(3)針對傳統(tǒng)K-means聚類算法的缺陷和機群劃分結果的不合理性，提出了基于模擬退火優(yōu)化K-means聚類算法（SA-KM法）的機群劃分方法。首先，利用K-means法快速尋得相對較優(yōu)劃分，然后以總機群離散度最小為目標，結合模擬退火算法進行更精確的啟發(fā)式隨機搜索，尋得全局最優(yōu)機群劃分。其次，對比分析兩種算法劃分結果的機組輪廓系數(shù)，以個別機組為