基于K—means聚类算法风电场机群划分方法.pdfVIP

第38卷第 6期 四川 电力 技 术 Vo1．38。No．6 2015年 l2月 SichuanElectricPowerTechnology Dec．，2015 基于 K—means聚类算法的风 电场 机群划分方法 徐立亮 ，胡仁祥 ，张 毅 ，常喜强 。闫亚东 (1．国网吐鲁番供 电公司，新疆 吐鲁番 838000； 2．国网新疆电力调度通信中心，新疆 乌鲁木齐 830002) 摘 要：针对风电场动态等值建模的难题，采用K—means聚类算法，探讨了风电场机群划分问题，致力于达到风 电场 并网运行点特性的一致性。为减小等值算法带来的误差，在风力机功率转换特性不变的前提下，采取只对同一机型 的风电场进行等值划分的方式来完成。并以桌实际风电场为例进行算例仿真，结果表明，等值前后风电场并网运行 点特性保持一致，等值算法能够准确反映风电场机组的动态响应特性。 关键词 ：聚类算法；风电场；等值参数；等值模型 Abstract：Fortheproblem ofdynamicequivalentmodelingforwindfarms，K —meansclusteringalgorithm isadopted，andthe partitioningissuesofwindturbinegroupingarediscussed，whichisdevotedtoachievetheconsistencyofrthecharacteristicsof praalleloperationpointofwindfarms．Forreducingtheerrorbroughtbytheequivalentalgorithm，andonthepremisethatthe powerconversioncharacteristicsofwindturbineareunchanged，itcompletesequivalencepartitioningonlyonthesametypeof windfarms．Andtheexamplesimulationiscarriedouttakinganactualwindfarm ofrexample．Theresultsshowthatthechar— acteristicsofpraalleloperationpointconsistwitheachotherbeforeandaftertheequivalenceofwindfarms，SOtheequivalent algorithm canaccuratelyreflectthedynamicresponsecharacteristicsofwindturbinesinwindfarms． Keywords：clusteringalgorithm；windfarm ；equivalentpraameters；equivalentmodel 中图分类号：TM614 文献标志码：A 文章编号：1003—6954【2015)06—0072—04 前人的分析过程中无一对大型风电场进行分区计 0 引 言 算 1 。文献[3]对近年在风电场等值方面的研究 进行了总结，在各种方法研究的基础上采用了最小 随着能源紧缺和空气污染指数不断上升，风电 二乘法对风电场等值过程中的参数进行优化。文献 等新能源的大力发展已成为社会发展的必然趋势。 [4]在考虑风电机组的运行方式和机组类型的前提 但 由于风能等清洁能源受约于空气稀薄因素的影 下应用潮流计算的方法对同时含有双馈风机与直驱 响，呈现出间歇、突变的特性 ，致使风电不能快速发 风机的风电场进行等值计算。文献 [5]对风电场等 展 。同时，风机在运转的过程 中受制于地理位置的