【技术实现步骤摘要】
基于误差校正模型的风电场精准等值建模方法
[0001]本专利技术涉及一种基于误差校正模型的风电场精准等值建模方法，属于新能源场站并网等值建模与仿真领域。
技术介绍
[0002]在各国的新能源发展过程中，风电凭借其装机灵活、维护成本低、应用区域广等诸多优点，深受市场青睐。截至2021年全球风电装机容量已达837GW，特别是随着海上风电技术的持续创新与突破，未来着力发展风力发电技术是世界各地能源转型政策中至关重要的组成部分。
[0003]在风电发展的早期，由于其规模较小，往往将风电场中的每一台风电机组都进行详细的物理建模，这种建模方式可准确的反应出风电场的物理特性，为仿真分析提供了准确的数据支撑。但是风电场详细建模将增加模型的仿真时长，大幅度降低风电场模型的运行效率，因此一般采用单机等值建模的思想降低风电场的数学建模阶次以提高仿真效率，该思想主要将电场内所有风电机组等值成一台风电机组。为了能与详细建模的风电场的动态特性接近，需要对单机等值机组的相关电气参数和机械参数进行精准计算，如发电机额定功率、发电机电感、暂态电抗、惯...
【技术保护点】
【技术特征摘要】
1.基于误差校正模型的风电场精准等值建模方法，其特征在于：包括如下步骤：步骤1，构建风电场详细模型和聚类等值模型两种物理模型；步骤2，通过设置风电场并网系统不同的典型场景，分别读取风电场详细模型和聚类等值模型被观测电气量的数据；步骤3，用全连接神经网络训练误差校正模型；步骤4，基于训练完成的误差校正模型，结合聚类等值模型生成深度神经网络
‑
聚类的风电场混合建模框架。2.根据权利要求1所述的基于误差校正模型的风电场精准等值建模方法，其特征在于：所述步骤1的具体操作为：步骤1.1，收集不同风电机组各个参数的数值，搭建以永磁同步风电机组为基础的风电场详细模型；步骤1.2，结合改进式K
‑
means算法和同调等值法建立风电场聚类等值模型。3.根据权利要求1所述的基于误差校正模型的风电场精准等值建模方法，其特征在于：所述步骤2的具体操作为：搭建风电场并网系统模型，设置风电场并网系统中包括负荷波动场景、短路故障场景的典型场景，分别读取风电场详细模型和聚类等值模型在相应典型场景下输出的有功功率和并网母线电压值，并计算得到详细模型与聚类等值模型之间的输出有功功率和并网母线电压的误差量。4.根据权利要求1所述的基于误差校正模型的风电场精准等值建模方法，其特征在于：所述步骤3中全连接神经网络包括M层网络，每层含有n
i
个神经元，所述全连接神经网络的输入层用于输入聚类等值模型输出数据，输出层中则将两种物理等值模型的误差作为目标输出。5.根据权利要求4所述的基于误差校正模型的风电场精准等值建模方法，其特征在于：所述步骤3的具体步骤为：步骤3.1、在全连...
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。