计及转子侧变换器控制切换模式差异的双馈风电场多机表征方法.pdfVIP

第 47 卷 第 14 期 2023 年 7 月 25 日 Vol . 47 No . 14 Jul . 25 ,2023 DOI ： 10. 7500/AEPS20220909003 计及转子侧变换器控制切换模式差异的双馈风电场多机表征方法 1 1 2 刘素梅 ，王泽彭 ，毕天姝 （1. 北京林业大学工学院，北京市 100083 ；2 . 新能源电力系统国家重点实验室（华北电力大学），北京市 102208 ） 摘要 ：受风速、机端电压跌落分布等影响，双馈风电场内机组故障行为特性各异，如何建立保留机 群故障特征的风电场等值模型得到广泛关注。然而，仅依靠Crowbar 状态表征双馈风电场内机群 故障特征的差异性，会出现在轻微故障情况下风电场等值模型精度低的问题。为此，文中通过分析 电网故障下场内机组转子侧变换器不同控制模式切换、Crowbar 状态切换特性，探明了主导机群控 制保护序贯切换模式差异的关键因素。推导了转子侧变换器控制切换模式与机端电压跌落分布、 风速分布之间的关联规律，以识别机群转子侧变换器控制模式切换的差异性，从而提出了机群分类 方法，以建立风电场多机等值模型。最终，对比分析了不同电网故障场景下所提等值模型、基于有 功响应的等值模型、基于Crowbar 状态的等值模型和单机等值模型与详细模型相比所提供短路电 流幅值误差结果，验证了故障全过程中所提等值模型能更为准确地刻画整个风电场的短路电流幅 值变化规律。 关键词 ：双馈风电场；控制切换模式；多机表征；等值模型；短路电流 0 引言 DFIG 机组故障响应特性直接相关的状态量（如转 速、d 轴暂态电势、转子q 轴电流等），采用聚类算法 自中国宣布“碳达峰·碳中和”目标以来，风电关 对状态量进行分类 ，实现 DFIG 风电场多机表 注度再次提升，其在电网中占比持续增加将使系统 ［8-11 ］ 征 ；2 ）通过提取DFIG 机组定子短路电流曲线变 短路电流特性发生根本性改变。以同步发电机电磁 化轨迹特征，基于轨迹相似度特征对机群分类，从而 ［1-2 ］ 暂态特性为基础的传统故障分析理论不再适用 ， 建立风电场多机等值模型［12-13 ］；3 ）计及Crowbar 状 究竟如何表征风电场短路电流贡献成为当前继电保 态差异的风电场多机表征方法［14-17 ］。上述多机等值 护领域面临的焦点问题。 方法均考虑了场内机组故障行为的差异性，但是受 为了建立风电场短路电流计算等值模型，需要 风速分布、机端电压跌落程度、发电机组本身参数、 开展分群和模型等效两个方面的工作。然而，目前 故障穿越控制策略及控制参数等影响，场内机组故 已有较多文献开展了模型等效研究，主要通过分析 障行为差异规律复杂多变，使得利用方法1 ）和方法 单台风电机组短路电流变化特性，推导建立机组故 2 ）所建立风电场等值模型多样化，特别是在电网继 障分析计算模型。考虑到实际风电场通常由分布于