风能作为一种极具潜力的新能源受到了越来越多的重视,在世界范围内得到了广泛的开发与利用。大型风电场在并网过程中,由于风速的波动性会使风电场出力不稳定,由此导致电网的稳定性和可靠性产生较大影响。为了在电力系统仿真中准确分析风电并网带来的影响,建立风电场的详细模型是目前解决这一问题的有效方法。由于大型风电场包含众多元件,从计算量和计算时间角度出发,对大型风电场详细建模是很困难的,可以采用动态等值方法对风电场模型降阶化简,减小数据规模。论文从保持原始系统特性角度出发,通过对现有动态等值方法的研究,提出了一种基于参数辨识的动态等值策略,对笼型和双馈异步风电机组等值模型参数进行辨识。本文主要工作:(1)通过对动态等值方法研究现状进行分析,概括出对风电场等值研究的两个重点,即构建等值模型和确定等值模型中的参数值。(2)通过分析笼型异步风电机组和双馈异步风电机组的结构,构建了两种风电机组的风速模型、风力机模型以及笼型异步发电机和双馈异步发电机的暂态和稳态模型。仿真分析了两种发电机动态特性,并验证了所建发电机模型的准确性。(3)基于参数辨识策略,通过改进遗传算法,即采用实数编码和改进交叉算子,在电网故障下对笼型异步风电机组等值模型参数辨识。从仿真结果看出,等值模型与原始系统并网特性基本保持一致,验证了基于改进遗传算法的笼型异步风电机组等值模型参数辨识策略是可行有效的。(4)提出一种将改进差分进化算法与天牛须算法融合的策略,在电网故障和阵风扰动下分别对双馈异步风电机组等值模型参数辨识。并且通过与改进差分进化算法的Rastrigin函数适应度对比,验证该融合算法比改进差分进化算法收敛速度更快、搜索精度更高。(5)基于各参数灵敏度不同的情况,提出了一种参数分步辨识策略。分别在电网故障和阵风扰动下分析各参数轨迹灵敏度,得到了在电网故障下重点辨识电气参数、在阵风扰动下重点辨识机械参数的结论。分别在电网故障及阵风扰动情况下,根据风电场的实际运行数据,算例分析验证了本文提出的参数分步辨识策略是可行有效的。