本文關(guān)鍵詞：基于實測運行數(shù)據(jù)的風電場仿真模型的研究

  更多相關(guān)文章： 風電場 實測數(shù)據(jù) 多機等值模型 機群劃分 K-means算法 半監(jiān)督

【摘要】：建立準確的風電場等值模型是風電并網(wǎng)仿真分析的基礎。風電場在實際運行時,受尾流效應和遲滯效應等因素的影響,場內(nèi)機組運行狀態(tài)并不相同,風電場采用傳統(tǒng)的單機表征模型可能會產(chǎn)生較大誤差。本文基于風電場實測運行數(shù)據(jù),以風電機組具有相近運行點為機群劃分原則,提出基于實測運行數(shù)據(jù)的風電場多機等值建模方法。具體內(nèi)容如下：(1)建立了風電場的數(shù)學模型,包括風速模型、風力機模型(空氣動力學模型、傳動系統(tǒng)結(jié)構(gòu)模型、槳距控制模型)和發(fā)電機數(shù)學模型。(2)提出了一種基于免疫離群數(shù)據(jù)和敏感初始中心的改進K-means算法的風電場機群劃分方法。首先,基于實測樣本分布密度分析,對實測數(shù)據(jù)進行離群數(shù)據(jù)處理。其次,為了免疫機群劃分結(jié)果對初始機群中心隨機選取的敏感性,基于改進的最大最小距離法對初始機群中心進行優(yōu)化選擇,優(yōu)化機群劃分過程,建立風電場多機等值模型。最后,以某實際風電場為例進行仿真分析,驗證了該方法的有效性,所建立的風電場等值模型能夠較準確地反映風電場并網(wǎng)點的動態(tài)特性,模型的精確性有了較大的提高。(3)提出了一種基于分裂層次半監(jiān)督譜聚類算法的風電場機群劃分方法。針對K-means算法只能識別凸球形分布的數(shù)據(jù),當樣本空間不為凸時,算法可能會陷入局部最優(yōu)的問題,首先根據(jù)風電機組的實測運行數(shù)據(jù),構(gòu)造一個可以體現(xiàn)原始數(shù)據(jù)結(jié)構(gòu)且能為分類提供更多有效信息的特征向量空間。進而利用獲取的部分樣本組的先驗信息,采用自頂向下的簇分裂策略,對該空間中的樣本組進行半監(jiān)督聚類劃分,完成風電場的機群劃分,進而建立風電場的等值模型。最后以某實際風電場為例進行仿真驗證,結(jié)果表明,采用該方法建立的動態(tài)等值模型與詳細模型較接近,能夠較準確的反映風電場的動態(tài)響應特性,模型的精確性較高。(4)探究了一種基于信息熵的凝聚型層次聚類算法的風電場機群合并方法。若實測數(shù)據(jù)樣本分布較分散,有可能導致分群的個數(shù)較多,等值機組臺數(shù)過多,增加仿真的復雜度,不適合風電場的實際仿真分析。針對這一問題,對風電場實測運行數(shù)據(jù)之間的關(guān)系屬性進行挖掘,基于改進的凝聚性層次聚類算法進行機群合并,借用信息論中熵的定義和性質(zhì),引入信息熵作為機群合并前后聚類質(zhì)量的評價指標,并向上層反饋,以期提高機群聚合效果。
【關(guān)鍵詞】：風電場 實測數(shù)據(jù) 多機等值模型 機群劃分 K-means算法 半監(jiān)督
【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TM614
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-14
• 1.1 研究背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-12
• 1.2.1 風電場穩(wěn)態(tài)建模研究現(xiàn)狀11
• 1.2.2 風電場動態(tài)建模研究現(xiàn)狀11-12
• 1.3 論文的主要工作12-14
• 第2章 風電場數(shù)學模型14-26
• 2.1 并網(wǎng)風電場基礎知識14-16
• 2.2 風速模型16-17
• 2.3 風力機模型17-21
• 2.3.1 空氣動力學模型17-18
• 2.3.2 傳動系統(tǒng)結(jié)構(gòu)模型18-20
• 2.3.3 槳距控制模型20-21
• 2.4 發(fā)電機數(shù)學模型21-25
• 2.4.1 恒速恒頻風力發(fā)電機數(shù)學模型21-22
• 2.4.2 變速恒頻風力發(fā)電機數(shù)學模型22-25
• 2.5 本章小結(jié)25-26
• 第3章 基于改進K-means聚類算法的風電場機群劃分26-34
• 3.1 風電場實測數(shù)據(jù)離群數(shù)據(jù)處理26-27
• 3.2 優(yōu)化初始機群中心27-28
• 3.3 風電場機群劃分28-29
• 3.4 實例仿真29-33
• 3.4.1 某實際風電場的機群劃分29-31
• 3.4.2 實例仿真分析31-33
• 3.5 本章小結(jié)33-34
• 第4章 基于半監(jiān)督譜聚類算法的風電場機群劃分34-45
• 4.1 構(gòu)建歸一化的特征向量空間34-36
• 4.2 基于分裂層次半監(jiān)督的聚類劃分36-38
• 4.3 實例仿真分析38-43
• 4.3.1 某實際風電場的機群劃分38-41
• 4.3.2 風速擾動下的仿真分析41-42
• 4.3.3 電網(wǎng)側(cè)短路故障的仿真分析42-43
• 4.4 本章小結(jié)43-45
• 第5章 風電場機群合并初探45-48
• 5.1 信息熵45-46
• 5.2 基于改進的Cure算法的機群合并46-47
• 5.3 本章小結(jié)47-48
• 第6章 結(jié)論與展望48-50
• 6.1 結(jié)論48-49
• 6.2 展望49-50
• 參考文獻50-54
• 攻讀碩士學位期間發(fā)表的學術(shù)論文及其它成果54-55
• 致謝55

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 范高鋒;遲永寧;趙海翔;王偉勝;戴慧珠;;用STATCOM提高風電場暫態(tài)電壓穩(wěn)定性[J];電工技術(shù)學報;2007年11期

2 米增強;蘇勛文;楊奇遜;王毅;吳濤;;風電場動態(tài)等值模型的多機表征方法[J];電工技術(shù)學報;2010年05期

3 孔萬增;孫志海;楊燦;戴國駿;孫昌思核;;基于本征間隙與正交特征向量的自動譜聚類[J];電子學報;2010年08期

4 高峰;趙東來;周孝信;安寧;;直驅(qū)式風電機組風電場動態(tài)等值[J];電網(wǎng)技術(shù);2012年12期

5 林俐;陳迎;;基于擴散映射理論的譜聚類算法的風電場機群劃分[J];電力自動化設備;2013年06期

6 韋忠朝，，黃聲華，陶醒世，辜承林;變速恒頻雙饋發(fā)電機運行原理及穩(wěn)態(tài)性能分析[J];華中理工大學學報;1996年05期

7 邢修三;物理熵、信息熵及其演化方程[J];中國科學(A輯);2001年01期

8 姚駿;陳西寅;廖勇;黃嵩;;電網(wǎng)電壓不平衡時永磁直驅(qū)風電機組的控制策略[J];電力系統(tǒng)保護與控制;2011年14期

9 林俐;楊以涵;;基于擴展等面積定則的含大規(guī)模風電場電力系統(tǒng)暫態(tài)穩(wěn)定性分析[J];電力系統(tǒng)保護與控制;2012年12期

10 田錚;李小斌;句彥偉;;譜聚類的擾動分析[J];中國科學(E輯:信息科學);2007年04期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 王虹富;并網(wǎng)風電場的有功功率補償與穩(wěn)定性控制[D];浙江大學;2010年

本文編號：727771