【技术实现步骤摘要】
一种基于FP
‑
growth的风电机组振荡模态与影响因素关联分析方法
[0001]本专利技术属于风电系统振荡模态分析
,尤其涉及风电机组运行时风速、电压聚簇与振荡模态的关联分析方法。
技术介绍
[0002]为应对全球变暖带来的威胁,中国提出“碳达峰、碳中和”的战略,力争在2030年前碳排放量不再增长,在2060年前实现碳中和的目标。化石燃料的燃烧是产生CO2的主要原因之一,因此,传统电力系统逐渐转型为高比例可再生能源电力系统,以风能为代表的新能源开始大规模接入电网。与传统化石能源发电方式相比,风能具有清洁、高效、可再生等优势,但其出力具有较强的不确定性,在与电网进行并网时可能会引发振荡问题。随着风电渗透率的不断提高,风力机组与电网之间的相互作用问题得到了越来越多的关注。
[0003]研究表明,风电机组与电网之前的相互作用导致的振荡一般为有功功率振荡,按照频率可分为不同的振荡模态,例如低频振荡、同步控制相互作用(SSCI)、次同步振荡(SSO)和次同步振荡(SSR)等。不同振荡模态的振荡机理不同 ...
【技术保护点】
【技术特征摘要】
1.一种基于FP
‑
growth的风电机组振荡模态与影响因素关联分析方法,其特征在于,包括:步骤S1,采集风电机组运行时的输出功率、电压以及风速数据;步骤S2,对采集的风电机组输出功率、电压以及风速数据进行分段;步骤S3,采用Pony算法分析数据段包含的振荡模态;步骤S4,使用谱聚类算法对风速、电压均值进行聚类;步骤S5,采用FP
‑
growth算法挖掘风速
‑
电压聚簇与振荡模态的关联规则;步骤S6,基于关联规则分析结果,利用风速
‑
电压聚簇对振荡模态进行预测。2.如权利要求1所述的一种基于FP
‑
growth的风电机组振荡模态与影响因素关联分析方法,其特征在于,所述步骤S1中,以M为采样频率,对风电机组运行时的输出功率、电压以及风速进行数据采集,M大于或等于100Hz。3.如权利要求1所述的一种基于FP
‑
growth的风电机组振荡模态与影响因素关联分析方法,其特征在于,所述步骤S2中,依据风速变化幅度对采集的风电机组输出功率、电压以及风速数据进行分段。4.如权利要求3所述的一种基于FP
‑
growth的风电机组振荡模态与影响因素关联分析方法,其特征在于,所述步骤S2中,依据风速变化幅度对采集的风电机组输出功率、电压以及风速数据进行分段的步骤,具体包括:步骤S201,创建一个数据段,顺序读取风速值,并将风速值写入该数据段,当数据段内的风速变化大于δ时,对该数据段进行保存,δ为风速变化阈值;步骤S202、新建下一个数据段,继续读取风速数据,重复步骤S201中的风速变化判断条件,直至所有数据均被读取完毕,共得到N组风速数据;步骤S203、将输出功率数据、电压数据与风速数据对齐,按照风速数据的划分方式,将输出功率数据和电压数据同样划分为N段,得到输出功率数据段{P1,P2,
…
,P
N
}、电压数据段{U1,U2,
…
,U
N
}和风速数据段{W1,W2,
…
,W
N
}。5.如权利要求4所述的一种基于FP
‑
growth的风电机组振荡模态与影响因素关联分析方法,其特征在于,设置所述风速变化阈值δ为0.05m/s。6.如权利要求1所述的一种基于FP
‑
growth的风电机组振荡模态与影响因素关联分析方法,其特征在于,所述步骤S3中,采用Pony算法对每一段输出功率数据进行信号分解,得到该输出功率数据段包含的振荡模态。7.如权利要求6所述的一种基于FP
‑
growth的风电机组振荡模态与影响因素关联分析方法,其特征在于,所述步骤S3中,采用Pony算法对功率数据段进行信号分解,得到该功率数据段包含的振荡模态,功率数据段的信号分解结果与振荡模态的对应规则如下表所示:信号频率所属范围/Hz振荡模态/Hz振荡模态类别标签[0.1—1.8]0.1~1.81
[1.82—2.02]1.922[4.17—4.57]4.373[11.91—12.91]12.414[22.4—23.6]235[44.57—46.17]45.376[77.5—80.5]7978.如权利要求1所述的一种基于FP
‑
growth的风电机组振荡模态与影响因素关联分析方法,其特征在于,所述步骤S4中,求取每一段数据中风速与电压的平均值,采用CH指标确定风速、电压...
【专利技术属性】
技术研发人员:张兴友,于芃,王士柏,王楠,王玥娇,邢家维,关逸飞,袁帅,张元鹏,刘军,李俊恩,陈健,
申请(专利权)人:国家电网有限公司,
类型:发明
国别省市:
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。