【技术实现步骤摘要】
一种基于BP神经网络的混合风电场故障特性分群方法
[0001]本专利技术涉及新能源电源保护
,尤其涉及一种基于
BP
神经网络的双馈与永磁直驱混合风电场故障特性分群方法
。
技术介绍
[0002]在当前“双碳”背景下,风力发电的装机容量增速迅猛,现阶段,风电场的建设往往分多期进行且建设周期较长,不同的建设周期可能会采用不同类型的风电机组
。
现有风电场的分群与等值建模大多仅考虑单一类型风电机组,而较少考虑含多种不同类型风电机组的情况
。
同时现阶段针对混合风电场的分群和等值建模研究尚不充分,大多简单地依据风电机组类型采用单机等值法实现混合风电场的分群和等值建模,且多数研究方法未考虑由于机组控制保护序贯切换模式的差异性所导致机组间故障暂态特性的不同
。
[0003]然而,在计及风电场内大量机组故障暂态行为差异性的基础上探明风电场的短路电流贡献,是风电场多机等值建模的关键所在
。
实际风电场的短路电流特性主要由机组逆变器相关控制保护序贯切换模式和确定模式下控制保护响应行为决定
。
其中,控制保护序贯切换模式是体现机群短路电流差异的关键特征,主要受逆变器相关控制保护系统动作时序的影响
。
为此,本论文通过研究风电场内机组变换器控制保护序贯切换模式差异,提出了基于
BP
神经网络的双馈与永磁直驱混合风电场多机等值方法
。
技术实现思路
[0004]本专利技术的目 ...
【技术保护点】
【技术特征摘要】
1.
一种基于
BP
神经网络的混合风电场故障特性分群方法,所述方法包括:步骤
1、
明确了转子侧变换器暂态控制序贯切换模式
、Crowbar
保护状态是影响风电场内双馈机群短路电流差异的主要因素,故障下双馈机群可分为以下5类:模式
I
:转子侧变换器正常运行控制模式;模式
II
:
Crowbar
不投入,转子侧变换器暂态控制作用下转子电流参考值不限幅;模式
III
:
Crowbar
不投入,转子侧变换器暂态控制作用下转子电流参考值限幅;模式
IV
:
Crowbar
投入,转子侧变换器暂态控制作用下转子电流参考值不限幅;模式
V
:
Crowbar
投入,转子侧变换器暂态控制作用下转子电流参考值限幅
。
进一步,从理论角度对风电机组转子侧变换器暂态控制序贯切换模式进行了表征,如下式所示:式中,
α
ij
取
1、2
和3分别表示转子侧变换器处于正常运行控制模式
、
暂态控制作用下电流参考值不限幅模式
、
电流参考值限幅模式;
v1为转子侧变换器电流控制参考值限幅与否对应的临界风速,其计算表达式为:式中,
L
m
和
L
s
分别为发电机励磁电感;
k1与风能利用系数相关,通常可由厂商产品说明书获取;
γ
ij
为机端电压跌落程度;
v
ij
为风速;
I
lim
表示转子侧变换器的最大允许电流
。
步骤
2、
明确了电流控制回路中限幅环节作用与否影响风电场内永磁直驱机群短路电流差异的主要因素,从理论角度对电流限幅环节作用与否进行了数学表征,如下式所示:式中,
α
i
=0表示第
i
台永磁直驱机组的电流限幅环节没有发生作用,
α
i
=1表示电流限幅环节发生作用;
I
lim
‑
i
表示第
i
台永磁直驱机组逆变器电流限幅值
。P
pmsg
‑
i
为第
i
台永磁直驱机组发出的有功功率,取决于机组风速大小;
U
gN
‑
i
、S
gN
‑
i
分别为第
i
台永磁直驱机组的并网点额定电压
、
额定容量
。
γ
i
为第
i
台机组的机端电压跌落程度
。
步骤
3、
收集双馈风电机群和永磁直驱风电机群在不同运行工况下的相关数据作为特征向量,包括:混合风电场内的机组类型标识
S、
风速
v
和机端电压跌落程度
γ
,并以机组所对应的控制保护序贯切换模式作为标签实现建立样本集,即输出量为双馈与永磁直驱混合风电场内机群控制保护序贯切换模式的识别结果
。
依据场内不同空间位置处机端电压跌落程度和风速分布,双馈机群的可分为5种模式
(
对应5个群
)
,包括模式
I
~模式
V。
其中,模式
III(Crowbar
未投入,
RSC
暂态控制作用下转子电流参考值限幅
)
和模式
IV(Crowbar
投入,
RSC
暂态控制作用下转子电流参考值不限幅
)
不会同时出现,这是由于若机组
Crowbar
保护电路投入的转子电流门槛值大于
R...
【专利技术属性】
技术研发人员:王聪博,余越,王泽彭,徐文成,刘素梅,孔祥哲,
申请(专利权)人:北京林业大学,
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。