The invention discloses a potential sub-synchronous oscillation identification method for wind farms based on noise-like signals, predicts the range of sub-synchronous oscillation frequency according to actual conditions, extracts noise-like signals from wind farms, and obtains the extracted signals within the required sub-synchronous oscillation frequency range by wavelet decomposition and reconstruction of noise-like signals. The potential sub-synchronous oscillation modal information of wind farm is obtained by modal identification of the extracted signal. The invention can accurately obtain the line parameters and the sub-synchronous oscillation modes of the wind farm from the data of the normal operation of the wind farm, thereby contributing to early warning of the potential sub-synchronous oscillation risks of the wind farm and timely adjusting the operation mode of the wind farm.
【技术实现步骤摘要】
基于类噪声信号的风电场潜在次同步振荡识别方法
本专利技术涉及一种基于类噪声信号的风电场潜在次同步振荡识别方法。
技术介绍
自2010年中国风电总装机容量达到4470万千瓦以来,我国风力发电装机容量一直居世界首位。由于风能分布特点,风电场一般离电力消费地区较远。而目前在远距离大容量的输电线路中加入串联补偿电容以提高系统的输送能力的方式有可能会引发了风电场的次同步振荡(Sub-synchronousOscillation),导致机组损坏。由于风电场处于发电侧,无法即时获知传输线路的具体参数,因此随时会面临潜在的次同步振荡风险。对于一个正常运行状态的风电场,由于负荷投切、线路参数调整、风电场内部参数调整等随机性质的小扰动获得的系统响应数据很多,但由于种小扰动响应由于幅值小、持续时间短,容易被噪声信号所掩盖,因此也被称为类噪声信号。类噪声信号中蕴含有风电场潜在的次同步振荡信息。因此针对风电场类噪声数据特点,提出有效的基于类噪声数据的次同步振荡辨识方法,对了解风电场运行状态、保证风力发电系统发电安全及发电质量有着重要意义。
技术实现思路
本专利技术所要解决的技术问题是,针对现有技术不足,提供一种基于类噪声信号的风电场潜在次同步振荡识别方法,降低振荡带来的风险,不需要获得传输线路的串补度即可计算获得风电场的次同步振荡模态。为解决上述技术问题,本专利技术所采用的技术方案是:一种基于类噪声信号的风电场潜在次同步振荡识别方法,包括以下步骤:1)采集含次同步振荡信息的风电场类噪声数据;2)对风电场类噪声数据X(t)进行小波分解,从中提取有效信号Y(t);3)针对有效信号Y(t), ...
【技术保护点】
1.一种基于类噪声信号的风电场潜在次同步振荡识别方法,其特征在于,包括以下步骤:1)采集含次同步振荡信息的风电场类噪声数据X(t);2)对风电场类噪声数据X(t)进行小波分解,从中提取有效信号Y(t);3)针对有效信号Y(t),通过模态辨识方法,识别出风电场潜在的次同步振荡模态信息。
【技术特征摘要】
1.一种基于类噪声信号的风电场潜在次同步振荡识别方法,其特征在于,包括以下步骤:1)采集含次同步振荡信息的风电场类噪声数据X(t);2)对风电场类噪声数据X(t)进行小波分解,从中提取有效信号Y(t);3)针对有效信号Y(t),通过模态辨识方法,识别出风电场潜在的次同步振荡模态信息。2.根据权利要求1所述的基于类噪声信号的风电场潜在次同步振荡识别方法,其特征在于,步骤1)中,所述风电场类噪声数据包括风电场输出有功功率、无功功率、等效电磁转矩、母线电压电流、发电机等效转子角速度。3.根据权利要求1所述的基于类噪声信号的风电场潜在次同步振荡识别方法,其特征在于,步骤1)中,风电场类噪声数据信号模型表示为:X(t)=S(t)+N(t);其中,X(t)为含噪声的信号序列,也就是风电场类噪声数据;S(t)为实际小扰动下的响应信号序列,也就是类噪声中的有效信息;N(t)为噪声信号序列。4.根据权利要求1所述的基于类噪声信号的风电场潜在次同步振荡识别方法,其特征在于,步骤2)的具体实现过程包括:1)选取合适的小波基ψ(...
【专利技术属性】
技术研发人员:刘芳,马俊杰,刘玲,李勇,
申请(专利权)人:中南大学,
类型:发明
国别省市:湖南,43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。