原文出自 Energies 期刊：

Zhou, N.; Ma, H.; Chen, J.; Fang, Q.; Jiang, Z.; Li, C. Equivalent Modeling of LVRT Characteristics for Centralized DFIG Wind Farms Based on PSO and DBSCAN. Energies 2023, 16, 2551. https://doi.org/10.3390/en16062551

引言

随着风电大量并网，风电场准确建模对电力系统动态研究至关重要。目前，基于双馈发电机的集中式风力发电是一种广泛使用的发电形式。DFIG 风力机的详细建模涉及多个部分，包括电气控制、低电压穿越 (LVRT) 控制、发电机-变流器、变桨距角控制、传动轴、空气动力学等，且这些模型的结构非常复杂。此外，由于风力机容量较小，风电场双馈发电机数量通常非常多，对每个风力涡轮机进行详细的建模往往导致模型的高复杂性，使得模拟的效率非常低。因此，需要一种等效的风电场建模方法来降低其复杂性。

此前，Energies 期刊上发表了一篇题为“Equivalent Modeling of LVRT Characteristics for Centralized DFIG Wind Farms Based on PSO and DBSCAN”的研究论文，采用了基于粒子群优化 (PSO) 和基于密度的应用空间聚类 (DBSCAN) 的 LVRT 等效方法，解决集中式 DFIG 风电场 LVRT 的等效问题，提高等效模型的准确性。

研究内容

基于粒子群算法 (PSO) 和基于密度的应用空间聚类算法 (DBSCAN)，作者提出了一种求解风电场 LVRT 特性的等效方法。首先，建立了风电场多机等效模型。模型中的每台风力机代表一组具有相似电压变化特性的风力机，使用一条等效的输电线路将所有风力涡轮机连接到电网。通过改变终端电压阈值进入 LVRT，可以使每个等效风力机处于不同的 LVRT 状态。然后，采用基于粒子群算法的 LVRT 参数优化方法获得等效风力机的动态参数。在上述基础上，采用基于 DBSCAN 的聚类方法获得合适的风力机组集群。这种聚类方法可以将电气距离相似的风力发电机分类到同一集群中。最后，通过算例验证了该方法的有效性。

具体而言，作者采用中国电力科学研究院开发的电力系统分析软件包 (PSASP) 中的2型 DFIG 模型。根据风电机组的暂态控制特性，设计了一种控制方法来模拟风电机组在 LVRT 期间的功率响应特性。风电机组在 LVRT 模式下的有功功率响应如图1所示。以具有相同风机结构和控制方式的风电场为研究对象，等效模型的拓扑结构如图2所示。使用 PSO 对风电机组等效 LVRT 控制参数进行优化时，采用加权平均生成参考点的方法来缩小初始粒子群的生成范围，以提高算法寻找最优解的概率。另一方面，通过在迭代过程中改变惯性系数的取值来平衡粒子群算法的全局搜索能力和局部搜索能力。之后，将电压降相似的风力机划分为同一集群，使用的聚类指标是风力发电机的电气距离。并且，对传统的 DBSCAN 进行改进，自适应确定最优参数 E (一个点周围邻近区域的半径) 和 Cmin (至少包含在邻近区域内的电距离点的个数)。改进的 DBSCAN 主要基于参数查找策略，利用电气距离数据的分布特性来生成候选 E 和 Cmin，可以自动找到合适的聚类数并获得相应的参数。改进的 DBSCAN 的具体计算过程如图3所示。

图1. LVRT 控制方式的有功功率响应。

图2. 风电场等效模型拓扑。

图3. 改进的 DBSCAN 的流程图。

实验结果

在实验中，作者分别设立了“风力机密集分布、风力机分散分布和大容量风电场”三种多涡轮等效案例，以验证所提方法的有效性。结果表明：所得到的等效系统能较好地逼近原风电场的动态特性，该等效方法具有较高的等效精度和较快的收敛速度。同时，降低了仿真的复杂度，提高了仿真的速度。该方法同样适用于大型 DFIG 风电场 LVRT 过程的等效建模分析。

图4. 实验案例及结果 (部分)。

文中指出，所提出的等效方法有一定的局限性。该方法适用于风电场中各风机结构相同的情况。这是因为当风力机的模型结构差异较大时，不同风力机的 LVRT 特性会有很大的差异。当风电场风机模型结构不同时，不能仅通过电距离聚类来表示不同风机之间 LVRT 特性的差异。在这种情况下，需要在此基础上进一步分析合理的聚类和等效方法。

专栏简介

“新能源控制与工业智能”专栏由JMSE、Energies、Technologies 编委宋冬然副教授主持，专注于人工智能在新能源系统、工业控制方向的应用研究。

宋冬然副教授中南大学自动化学院副教授、博士生导师，教育部学位中心论文评审专家、国家/广东/浙江自然科学基金项目评审专家，PCMP、JMSE、Energies、Technologies、Energy Engineering 等 SCI/EI 期刊编委。主持国家项目与企业课题多项，近5年科研合同经费800多万元，获授权国家发明专利18项、国际发明专利1项、软著1项。长期从事风电控制与优化、人工智能在新能源系统应用等方向研究，曾在明阳智能从事风能技术研发工作多年。参与编写外文专著1本，参与国家标准制定2项，以第一或通信作者在能源和电气领域国际权威 SCI 期刊发表论文50余篇，全球工程类学科前1% ESI 论文6篇。

Energies 期刊介绍

主编：Enrico Sciubba, University of Roma Sapienza, Italy

期刊主要关注能源动力工程研究相关各个领域的最新研究成果、工程技术开发以及能源政策经济管理。

2021 Impact Factor：3.252

2021 CiteScore：5.0

Time to First Decision：16 Days

Time to Publication：39 Days