对风电机组和风电场的无功容量进行准确评估对风电场无功优化控制具有重要的参考价值,以往的无功容量动态评估是以15min甚至是更长的时间步长给出风电场整场以及各风电机组在未来一段时间的最大无功可输出范围。一方面,电力系统自动电压控制的周期为30s到5min,该无功容量动态评估结果在时间分辨率上太低,用于指导风电场参与电力系统的无功优化是不够精确的;另一方面,风电场内无功优化也需要更高时间分辨率的无功容量评估结果作为参考。为解决此问题,本文提出了一种基于秒级有功预测的风电场无功功率容量动态评估方法,主要内容如下:(1)建立了LSTM神经网络的序列学习模型,以前续十个时间节点的风速序列和功率序列作为输入,后续十个时间节点的功率序列作为输出,实现了风电机组的秒级功率预测;按照训练数据输入部分的功率标准差进行分组,针对不同分组的训练数据分别建立精细化的预测模型;以中国某风电场实际运行数据为例,在1s和30s两种时间分辨率下进行模型验证,结果表明:该方法在两个时间分辨率下均能够准确预测风电机组输出功率,1s分辨率下提前10步滚动预测RMSE在5%以内,30s分辨率下提前2步滚动预测RMSE在10%以内。(2)通过研究风电场多种电气设备的运行原理和无功特性,提出了基于风电机组秒级功率预测的双馈异步风电机组无功容量动态评估方法,将所有机组秒级无功容量动态评估结果和风电场其他电气设备无功特性相结合,得到了风电场整场的无功容量动态评估结果。(3)以风电场内有功损耗最低为优化目标,以各风电机组的无功输出极限为约束条件,建立了风电场内无功优化分配模型;将风电机组未来10s内每秒的无功容量评估结果带入无功优化模型求解,得到了未来10s内每秒全场所有机组的最佳无功输出指令。结果表明:使用1s时间分辨率的风电机组无功容量评估结果所制定的无功指令更能够充分发挥风电机组的无功调节作用。