能源紧缺,环境恶化已经成为制约人类发展和生存的关键性因素,风能作为一种可再生能源,受到世界范围内的关注。传统方法是利用风电场详细模型来模拟并网风电场的动态特性,但是由于风电场的规模越来越大,利用详细模型来模拟风电场时,产生的数据和计算能力的需求都非常庞大。因此为了节约资源,提高仿真速度,本文主要对双馈风电场的等值建模进行研究。首先,本文详细介绍了单台双馈风力发电机组的各个模块,包括风速模型、气动模型、轴系模型、发电机模型和变流器模型,同时对所建立的并网双馈风电机的模型在电网电压不平衡时进行仿真特性分析。其次,本文依据能表征风电机组运行特性的12个状态变量,通过详细的理论分析,选取v、ω、Pe作为双馈风力发电机的分群指标。通过对智能寻优鸟群算法的改进来提高其寻优性能,然后使用改进鸟群优化的K-means聚类算法把风电场划分为若干个集群。然后,为确定等值风力发电机的参数,本文基于公共耦合点(PCC)测量的数据,详细解释了对数据的处理方式,在充分考虑对外特性的基础上,利用改进粒子群算法(MPSO)对等值风力发电机的参数进行识别。最后,在不同工况下把等值风电场模型与详细模型及单机等值模型进行对比,结果表明,基于本文所提聚类方法和参数识别方法建立的风电场等值模型与详细模型运行状态相似度非常高,可以应用于大规模风电场的等值建模。