【技术实现步骤摘要】
一种基于k均值算法的异步机风电场暂态稳定预测方法
[0001]本专利技术涉及大型风电场并网领域，尤其涉及一种基于k均值算法的异步机风电场暂态稳定预测方法。
技术介绍
[0002]随着能源和环境问题日益严峻，可再生能源的利用受到越来越多的关注。其中，风力发电由于其清洁无污染和分布范围广等优势，因此风力发电是可再生能源中发展最快，也最为成熟的发电技术。随着风电场规模和容量不断增大，风电接入后对电力系统安全稳定的影响已不容忽视。在大规模风电并网后，给整个电力系统安全稳定运行带来的诸多问题中，系统暂态稳定问题值得重点关注，其对于保证风电的有效接入和电网安全具有重要意义。
[0003]现有的研究暂态电压稳定分析的方法中，时域仿真法是在给定风速和故障状态下，通过时域仿真的方法得出相应结论，这类方法虽可靠性高，但求解方程时所需的计算任务多，计算时间周期久，且稳定裕度无法定量描绘，无法保障实际系统在线分析速度；其次，直接法在对系统进行暂态稳定评估，虽然计算快、可给出稳定裕度，但适应性差、构造函数困难。
[0004]以上方法均...
【技术保护点】
【技术特征摘要】
1.一种基于K均值算法的异步机风电场暂态稳定预测方法，其特征在于包括以下步骤：S1：根据风电场的结构与设备，得出风电场并网对电力系统稳定性的影响以及影响电力系统暂态稳定性的因素；S2：对比分析笼型异步发电机、绕线式双馈异步发电机、直驱式交流永磁同步发电机的优劣，介绍改进后的全功率型笼型异步机风力发电机的组成结构及原理，建立起立笼型异步机风电场的数学模型，给出多台风机的风电场的等值简化模型；S3：利用PSASP仿真软件对各种风速场景及故障场景进行仿真分析，构建得出分类预测所需的原始数据集；按在状态改变时变量值波动的剧烈程度进行排序，选取波动程度最大的前12组变量指标作为训练样本的输入特征量；S4：根据K均值算法的思路，采用K均值算法可以保证较高聚类精度，无需进行训练，可直接用数据进行聚类得到结果并进行预测，采用不含风速15、部分风速10的数据进行聚类，其准确率为98.21％。2.根据权利要求1所述的一种基于K均值算法的异步机风电场暂态稳定预测方法，其特征在于，根据一台笼型异步风机的数学模型，获得多台风机的风电场的等值简化模型，具体包括：对比分析笼型异步发电机、绕线式双馈异步发电机、直驱式交流永磁同步发电机的优劣；结合风电场并网存在的问题以及改进后的全功率型笼型异步机风力发电机的组成结构及原理，建立起立笼型异步机风电场的数学模型，给出多台风机的风电场的等值简化模型。3.根据权利要求1所述的方法，其特征在于，所述设置不同风速、负荷、出力等工况进行仿真分析，获取潮流数据库，具体包括...
【专利技术属性】
技术研发人员：王颖，冯晓瑜，刘子豪，麻秀范，
申请(专利权)人：华北电力大学，
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。