论文部分内容阅读
近年来,随着风电场规模的不断扩大,风电场内包含风电机组的数目不断增加,针对风电场建模问题,如果对场内的每台机组进行详细建模,可能会导致仿真计算时间较长、潮流计算难以收敛等诸多问题,因此,将风电场模型进行简化或等值对风电场建模的研究具有重要意义。本文在掌握前端调速式风电机组原理的基础上,分析了机组的整体结构及其运行原理,建立了机组的模型并对机组的输出特性进行了分析。针对常用的Jensen尾流模型对尾流直径变化趋势的假设不合理问题,采用了一种一维非线性尾流模型,该模型充分考虑了湍流强度、风剪切效应以及推力系数随风力机工作风速的变化关系,体现了尾流直径呈抛物线的变化趋势。通过与实测的风速曲线对比表明,利用一维非线性尾流模型可以较为准确的模拟风速的变化趋势。对于风电场建模的外特性法,本文通过数理统计的方法对风电场每台风电机组的实测风速及有功功率进行分析,得到风电机组的实测风速-功率特性曲线,并利用该曲线,求出叶尖速比与风能利用系数之间存在的映射关系,得到能够反映风电机组实际输出特性的风力机参数,从而建立了风电机组模型;其次,分析了风电场内每台风电机组的实测风速数据,并根据其大小,利用改进型最大树法实现风电机组的分群,进而建立了风电场的等值模型,并与详细模型的输出进行了对比分析。仿真结果表明,基于实测风功率曲线的等值模型与详细模型输出基本一致,且在风速波动和系统故障情况下,能够有效地描述风电场的输出特性,提高了风电场等值建模的准确性。针对风电场内分群结果随着运行场景的变化而引发等值模型的不确定性问题,在对风电场建模时采用了基于多机表征法的风电场聚合建模方法。该方法依据风速的马尔科夫性建立其概率转移矩阵,并以概率转移矩阵的扩散距离为分群指标,利用two-step聚类方法对风电机组进行聚合分群,并根据Fisher判据对分群结果进行概率分析。以每一季度取概率最高者为最终分群结果,从而得到风电场的聚合模型,并与风电场详细模型的输出进行了比较分析。仿真结果表明,应用该方法对含有前端调速式风力发电机组的风电场进行聚合建模是有效的,且该模型具有较高的精度。