群输出功率特性分析中的应用-论文.pdf

《群输出功率特性分析中的应用-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、I一鲤发展⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一基于谱分觚硇聚类方法在风电1矛／群输出功率特性分析【l】的应用华北电力大学控制与计算机工程学院李艺欣常太华张琦【摘要】随着风能规模化利用的进一步推广，区域电网中风电的渗透率不断增加，电网对风电的合理调度日益重要。大型风电场／群的输出功率是关于多台机组的高维非线性模型。本文考虑风电场／群内风机的类型、位置等因素，根据风电场／群中风机的输出功率特性数据，采用基于马尔科夫转移矩阵的谱分解聚类方法对风电场／群进行充分降维，并提出相应的评价指标用于分析和优化聚类结果。最后，选取华北某大型风电场中任意20台风机的输出功率数据进行仿真实验，实验结果表明：该方法能够有

2、效的根据风电场内风机的输出功率特性将其划分为4个集群。同时，采用波动性指标进行评价并得到了输出功率最平稳的一类机群；采用误差带指标对其中一个集群进行优化，显著降低了该集群的输出功率标准差。【关键词】风力发电；风电场／群；功率特性分析；马尔科夫链；聚类分析1引言何结构特点。假定马尔科夫链是非周期和不我国规模化风能利用发展十分迅速，可约的，根据马尔科夫链的性质可知，存在=∑(+一(f))f151至2012年，我国风电的总装机同比增长平稳分布且满足：其中P】⋯表示第i个集群的平均输出功率；20．8％El_。由于风能的随机性和间歇性导致风P卢(3)t为采样时间。该式以集群的平均输出功率的电场

3、输出功率波动，难以保证平稳的电力输即是矩阵P的特征值为1的左特征向量。前后采样时刻的差值的平方和来体现该集群在出，使得电网对风电场的调度及并网造成了很同时，对于遍历不可约马尔科夫链，声应满足一段时间内输出功率的波动性情况，显而易多困难，也对电力系统的发电和运行计划的制下式：见，值越小，说明该集群风机的平均输出功定带来极大挑战]。随着大规模风电并网，其__I率波动性越小，反之亦然。鹿一(4)渗透率日益增加并对电网的影响越来越大。为t．。IJ为了对波动性进行全方位分析，确保分析了解决这个问题，分析风电场／群的功率输出其中n为马尔科夫转移矩阵P的阶数。结果准确有效，本节将再引入阶跃变化与式

4、特性以优化电网调度是十分必要的。设置表示矩阵P的第i个特征值，蛾表示矩(15)组成对波动性的多指标评价方法。现代风电场／群通常由数十至上百台风机阵P的第i个特征值的左特征向量，表示矩若风机输出功率时间序列为X(t)，te哪，组成，其总输出功率是关于多台机组的高维非阵P的第i个特征值的右特征向量。将所有特那么阶跃变化为：线性模型，建模时一般将风电场／群整体特性征值降序排列：=即+n—j∞(16)做简化处理。文献[4]采用了集总建模法对风电I如五～≥rI0t‘)z∑e酢一D十帕，场进行等值建模，但对于风电机组之间风速差那么马尔科夫矩阵P的谱分解形式为：异较大的风电场，基于集总建模法的等值

5、模型一Ik为选取采样点的个数。则阶跃变化的标会存在较大的误差]。文献[6]中使用K—means，薹_-口五(、5lJ)，准差为：聚类算法对风电场进行了动态等值建模。然而则其低阶模型为：‰=(18)Kmeads算法有两个主要的缺点：一是运算结=∑五⋯果对集群的数量的选择是十分敏感的，即K变化时，聚类结果会出现很大的差异；另外就是为了得到很好的低阶近似模型P，参数q’(19)KmeaRs算法不能很好的解决集群是非线性这类的选择有两种情况：由(16)至(19)可得出在指定段时间内，描聚类问题口，。为了解决K—means算法的问题，一1)矩阵P有q个主导特征值(q

6、波动性的序列△(r)，以及该序新的聚类算法被应用于系统建模中。文献[9]⋯，都接近于i，并且存在A。》也，则列的标准差，用上述两项结果，对该时间段内中通过提取每台机组的运行特征值建立特征矩低阶近似模型P就是由A。和它们对应风机功率输出的波动性进行分析。阵，进而对该矩阵使用模糊聚类分析，将具有的左、右特征向量组成的。3．2误差带指标相同或相似特性的机组划分为同一集群，以达2)如果矩阵P没有明显的主导特征值，若为了优化聚类效果，避免出现聚类后集群的到简化风电场模型的目的。文献[1O]中使用了q满足^‘一A》^—A⋯其中q满足0《j_1则平均输出功率与集群内每台风机输出功率的偏差聚类树算法

7、对双馈机组风电场进行动态等值建低阶近似模型P一是由A⋯，。和它们对应的过大，使平均输出功率能较好的反映集群内风机模。指出与传统建模相比，聚类分析的方法更左、右特征向量组成的。的输出功率，引入集群误差带指标：适用于大容量风电场的等效建模。2．3扩散距离的计算为了有效的克服集群离散非线性以及对集令X=(x，X⋯．．，X)，利用单位向量(20)群数量敏感等问题，本文使用了一种基于马尔(e，e⋯．．，e一)分别表示集合x中元素的分布情科夫转移矩阵谱分析的聚类方法。