【技术实现步骤摘要】
一种风电场等值建模方法、装置、电子设备和存储介质
本专利技术属于风电场建模领域领域，更具体地，涉及一种风电场等值建模方法、装置、电子设备和存储介质。
技术介绍
随着化石燃料的不断消耗与自然环境的持续恶化，风电作为可再生能源的代表得到了大规模的开发与应用。预计2020年末，我国风电装机容量将达到2.1亿千瓦。然而，由于风电随机波动特性，其对电力系统安全稳定运行具有潜在威胁，因此需要准确掌握风电场的运行特性。目前，对风电场运行特性的研究主要依托于仿真的方式。然而，大规模风电场可能存在数十甚至上百台风机，若对每台风机进行详细的建模，不仅工作量大，而且会影响仿真的速度和收敛性。因此，有必要建立风电场的等值模型。风电场等值可分为单机等值和多机等值，在已有研究中，风电场多机等值由于优越的仿真效果得到了更为广泛的研究。风电场多机等值的可分为两个步骤：聚类指标选择、风机聚类计算。在聚类指标的选择中，传统方法一般采用单个时间点的风机物理量作为聚类指标，如风速、桨距角等。然而，风机含有电力电子器件，对其模拟往往需要采用小步长仿真...
【技术保护点】
1.一种风电场等值建模方法，其特征在于，包括：/nS1:获取风电场内风机对应的有功功率高维时间序列和无功功率高维时间序列作为聚类指标；/nS2:基于增量式技术的多视角模糊C均值聚类MVI-FCMC算法将所述聚类指标划分为多个数据块，并对每个所述数据块利用多视角模糊C均值MV-FCMC算法进行聚类分析，依次获取各个所述数据块对应的隶属度矩阵；/nS3:利用各个所述数据块对应的隶属度矩阵计算各个所述数据块中样本对应的隶属度矩阵，以获取各个所述样本的聚类结果完成所述风电场等值建模。/n
【技术特征摘要】
1.一种风电场等值建模方法，其特征在于，包括：
S1:获取风电场内风机对应的有功功率高维时间序列和无功功率高维时间序列作为聚类指标；
S2:基于增量式技术的多视角模糊C均值聚类MVI-FCMC算法将所述聚类指标划分为多个数据块，并对每个所述数据块利用多视角模糊C均值MV-FCMC算法进行聚类分析，依次获取各个所述数据块对应的隶属度矩阵；
S3:利用各个所述数据块对应的隶属度矩阵计算各个所述数据块中样本对应的隶属度矩阵，以获取各个所述样本的聚类结果完成所述风电场等值建模。
2.如权利要求1所述的风电场等值建模方法，其特征在于，所述S1具体包括：
S101:获取所述风电场中每台风机的实时风速；
S102:将每台风机对应的所述实时风速输入预设风机仿真模型，以使所述预设风机仿真模型输出各个风机对应的有功功率高维时间序列和无功功率高维时间序列；
S103:将各个风机对应的有功功率高维时间序列和无功功率高维时间序列作为各个风机对应的聚类指标。
3.如权利要求1所述的风电场等值建模方法，其特征在于，所述S2之前，所述方法还包括：
将MV-FCMC算法的目标函数和约束条件分别设为：
其中，视角k的数据集表示为Xk＝{xi,k|xi,k∈Rd}，i＝1,2,…,N；k＝1,2,…,K，d表示数据维度，N表示样本数，C表示数据集Xk被分类别的总数量，i＝1,2,…,C；wj,k表示视角k中样本xj,k的权重；μij,k表示视角k中样本xj,k对于聚类中心vi,k的隶属度；d2ij,k表示xj,k与vi,k之间欧式距离的平方；αj,k表示增强参数，βj,k表示削弱参数，m>1表示模糊化常数。
4.如权利要求3所述的风电场等值建模方法，其特征在于，所述S2具体包括：
S201:将所述聚类指标划分为M个数据块；
S202:依次获取M个数据块各自对应的隶属度矩阵，其中，
针对第1个数据块，由MV-FCMC算法求得第1块数据块的隶属度矩阵U(1)和聚类中心矩阵V(1)，对U(1)运算得到第1块数据的权重向量w(1)，w(1)与维度为Nl的单位向量1N1合并组成权重向量
针对第l个数据块，l＝2,…,M，将第l个数据块的数据集X(l)和第l-1个数据块对应的聚类中心矩阵V(l-1)并...
【专利技术属性】
技术研发人员：韩佶，苗世洪，李姚旺，殷浩然，张迪，杨炜晨，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42
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。