基于模型数据混合驱动的风电场并网数字孪生建模方法技术

本发明专利技术公开了一种基于模型数据混合驱动的风电场并网数字孪生建模方法，涉及大规模双馈风电场并网建模领域。每台双馈风机采用长短期记忆网络构建数据驱动模型，风电场架构及所并电网选取常用的物理仿真模型，以数字孪生技术实现风机物理模型维护、虚拟数据模型更新的双向反馈。本发明专利技术实现了风机与电网互动反馈的实时更新，降低了算力需求，同时与风机物理实体实时匹配的虚拟模型具备较高的输出精度，满足精细化仿真需求。对于研究风机之前相互影响、电网出现扰动时对风电场的影响等具有积极意义，同时在研究风力发电的产能、维修与维护、发电的可靠性与效率等都有一定的辅助作用，有利于大规模风电场并网的电力系统中稳定性问题的研究。题的研究。题的研究。

【技术实现步骤摘要】
基于模型数据混合驱动的风电场并网数字孪生建模方法


[0001]本专利技术涉及大规模双馈风电场并网建模领域，具体为一种基于模型数据混合驱动的风电场并网数字孪生建模方法。

技术介绍

[0002]随着风电渗透率的增加，以同步电机为主导的电力系统的运行特性会受到动态影响。大规模风电场并网时与外部电网的动态交互容易造成系统失稳，现有风电场功率预测模型对于接入大规模风电场的电力系统各类问题无法进行深入和全面的研究。由于风电发电过程的随机、波动、间歇等性质，加上大规模储能成本过高，导致其风险小频发，因此高精度高模拟度风电功率预测模型成为了促进新能源消纳及保证电网稳定运行的必要需求之一。基于以上原因，提出大规模风电场并网数字孪生建模方法，对于电力系统的稳定运行具有重要意义。
[0003]数字孪生技术的高速发展为解决电力系统日益复杂的问题提供了新的方向。2003年“数字孪生”首次由Grieves M.W.在美国密歇根大学以“Digital Equivalent to a Physical Product”的形式提出。早在2000年卢强院士就提出了数字电力本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模型数据混合驱动的风电场并网数字孪生建模方法，其特征在于：每台双馈风机采用长短期记忆网络构建数据驱动模型，风电场架构及所并电网选取常用的物理仿真模型，以数字孪生技术实现风机物理模型维护、虚拟数据模型更新的双向反馈，具体包括如下步骤：S1：物理
‑
虚拟空间交互：数字孪生包括真实物理空间和虚拟空间两个部分：(1)物理空间真实物理空间中含有大规模风电场的电网系统和DFIG详细模型，连接风机模型的电网架构为静态模型，电网架构规模可根据实际情况需求人工增减风机模型；(2)虚拟空间虚拟空间为仿真软件构建的仿真电力系统，将其中的DFIG详细模型替换为LSTM数据驱动模型，风电场外的电力系统网络使用物理仿真模型构建，采集真实物理空间的风机并网数据对虚拟空间中的数据驱动模型进行数据更新，同时将数据驱动模型的输出数据与真实数据进行比对，风机模型为自适应动态更新的动态模型；(3)物理
‑
虚拟空间交互方式对风机功率预测，以功率指代风机输出外特性，风机功率由风机并网节点三相电压、电流计算所得；考虑物理与虚拟空间之间的衔接，数据驱动模型的输出是信号值，无法直接改变所并节点的电压电流等电气量，因此考虑采用功率可调的功率源来代替风机节点；S2：时序数据处理(1)采用LSTM进行时序数据处理，其中占比重最大的组成部分是状态单元构建线性自环，权重或相关联的时间常数由遗忘门f
i(t)
控制，t指时刻，i指细胞，由sigmoid单元将权重设置为0和1之间的值：其中x
(t)
是当前输入向量，h
t
是当前隐藏层向量，h
t
包含所有LSTM细胞的输出；b
f
、U
f
、W
f
分别是偏置、输入权重和遗忘门循环权重；(2)LSTM细胞内部状态以如下方式更新，其中有一个条件的自环权重f
i(t)
：其中b、U、W分别是LSTM细胞中...

【专利技术属性】
技术研发人员：秦文萍，薛邵锴，朱志龙，逯瑞鹏，李森良，张永勤，崔俊杰，李先镇，彭云枫，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：