一种风电场动态等值分群指标选取方法及装置制造方法及图纸

本发明专利技术公开了一种风电场动态等值分群指标选取方法及装置。所述风电场动态等值分群指标选取方法，包括：在风电场仿真系统中对主网架设置三相短路故障，采集故障后的风电场并网点的输出特性时间序列；构建降噪自编码器模型，通过所述降噪自编码器模型对所述输出特性时间序列进行降维处理，得到主导变量；计算降维后的信息保留率和信号重构误差，在所述信息保留率和所述信号重构误差满足预设条件时，将所述主导变量作为分群指标，以进行动态等值。本发明专利技术能够快速准确地选取风电场分群指标，实现在安全稳定分析设备中搭建风电场动态等值模型。模型。模型。

【技术实现步骤摘要】
一种风电场动态等值分群指标选取方法及装置


[0001]本专利技术涉及风电场建模
，尤其涉及一种风电场动态等值分群指标选取方法及装置。

技术介绍

[0002]随着社会的进步，能源消耗总量不断增加，电网尤其是城市电网的规模也随之扩张，以风电为代表的新能源占比迅速增加，导致能源结构在不断变化。风电大规模并入电网且渗透率不断提升，意味着风力发电机组、风电场的数量显著增多、容量不断增大、空间分布趋于广泛。对于可再生能源接入比例较高的城市电网，需要进行准确的安全稳定分析和控制，以确保电网的安全稳定运行。但是随着城市电网中风电场数量越来越多，在安全稳定分析设备中对所有风电场进行一比一建模会引起数维灾难，增加设备计算压力及浪费大量时间成本。为了达到安全稳定分析设备的规模要求，对城市电网中分散的风电场进行动态等值简化建模是后续更多研究发展的必要步骤。
[0003]传统动态等值的对象是同步发电机，其基本原理是确定保留的研究系统，并对外部系统进行大规模的简化，从而大大缩小电力系统的规模，同时能够保证保留系统和原系统的相关动态特性基本相同。大型电力系统中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电场动态等值分群指标选取方法，其特征在于，包括：在风电场仿真系统中对主网架设置三相短路故障，采集故障后的风电场并网点的输出特性时间序列；构建降噪自编码器模型，通过所述降噪自编码器模型对所述输出特性时间序列进行降维处理，得到主导变量；计算降维后的信息保留率和信号重构误差，在所述信息保留率和所述信号重构误差满足预设条件时，将所述主导变量作为分群指标，以进行动态等值。2.如权利要求1所述的风电场动态等值分群指标选取方法，其特征在于，在所述构建降噪自编码器模型，通过所述降噪自编码器模型对所述输出特性时间序列进行降维处理，得到主导变量之前，还包括：对所述输出特性时间序列中的所有数据进行归一化处理；其中，所述归一化处理包括零均值归一化处理。3.如权利要求1所述的风电场动态等值分群指标选取方法，其特征在于，所述构建降噪自编码器模型，具体为：构建原始降噪自编码器模型，初始化所述原始降噪自编码器模型的模型参数；将所述输出特性时间序列中的所有数据划分为含噪训练集、含噪验证集和不含噪验证集；对所述含噪训练集中的所有数据进行第一加噪处理，对所述含噪验证集中的所有数据进行第二加噪处理；采用所述含噪训练集对所述原始降噪自编码器模型进行迭代训练，更新所述原始降噪自编码器模型的模型参数，得到更新后的降噪自编码器模型；采用所述含噪验证集和所述不含噪验证集对所述更新后的降噪自编码器模型进行可行性验证；在所述更新后的降噪自编码器模型通过可行性验证时，以所述更新后的降噪自编码器模型作为所述降噪自编码器模型。4.如权利要求1所述的风电场动态等值分群指标选取方法，其特征在于，所述信息保留率为：其中，E
ASPE
为平均平方映射误差；T
V
为总变差；d
en
为降维后的特征维度；X
j
为输入所述降噪自编码器模型的原始样本X的第j列元素，表示原始样本X的第j维特征，为所述降噪自编码器模型输出的重构样本的第j列元素，表示重构样本的第j维特征；m为原始样本X的特征维度；所述信号重构误差为：
其中，X(i,j)为原始样本X的第i行第j列元素；为重构样本的第i行第j列元素；n为原始样本X的总数。5.如权利要求1所述的风电场动态等值分群指标选取方法，其特征在于，所述在所述信息保留率和所述信号重构误差满足预设条件时，将所述主导变量作为分群指标，以进行动态等值，具体为：在所述信息保留率大于预设信息保留率且所述信号重构误差小于预设信号重构误差时，将所述主导变量作为分群指标，以进行动态等值。6.一种风电场动态等...

【专利技术属性】
技术研发人员：樊玮，林建熙，秦颖婕，易杨，刘宇，苗璐，杨诚，王馨尉，杨振南，王延纬，陈德扬，
申请(专利权)人：广东电网有限责任公司电力调度控制中心，
类型：发明
国别省市：