一种考虑多维差异性的风电场精细化阻抗聚合建模方法

本公开涉及风电场聚合建模领域，具体而言，涉及一种考虑多维差异性的风电场精细化阻抗聚合建模方法以及装置。

背景技术：

1、在“双碳”目标和能源结构转型的推动下，风电等新能源装机容量持续增长。高比例新能源接入后，传统以同步发电机为主的电力系统逐渐呈现惯量水平下降、阻尼能力减弱和短路容量不足等特征。特别是在弱电网条件下，大规模风电机组并网容易引发无功电压波动、频率调节受限及振荡等问题。构网型风电机组能够主动建立电压和频率，并提供惯量、阻尼及故障支撑，因此构网型（gfm）与跟网型（gfl）机组混合接入已成为风电场发展的重要形态。

2、随着风电场规模扩大和分期建设项目增多，现代风电场展现出高度的多维异构性。随着风电场建设规模扩大与分期扩建，现代风电场展现出高度的多维异构性。场内普遍存在永磁直驱与双馈机组混合接入、gfm与gfl控制模式并存、机组容量等级不一、集电网络物理拓扑及电气距离各异，以及各机组实时风速与出力工况不同等多维差异。受集电线路阻抗、电气距离和局部短路比差异影响，各机组的动态响应与频域阻抗特性存在显著差异；而在机组触发限幅或进入非线性运行区时，全场阻抗更呈现出复杂的非线性叠加效应。

3、针对风电场阻抗建模，现有技术主要存在以下局限性：

4、传统加权聚合方法适用性不足：如单机倍乘法、单机并联法或额定容量加权法，均基于场内机组控制与工况同质化的理想假设。对于多机型、混合控制及复杂支路接入的异构风电场，此类方法无法刻画不同控制逻辑、空间位置及运行工况带来的动态异质性，导致聚合阻抗失真。

5、现有机群划分技术缺乏多维耦合表征：现有的数据驱动或聚类划分方法，多依赖于稳态运行数据或小信号线性化模型，未能全面统筹“机型-控制模式-运行工况-网络拓扑”之间的多维强耦合关系。

6、综上所述，现有风电场建模面临着“模型精度”与“计算效率”之间的深刻矛盾：全细节逐台建模会导致系统维度过高、计算负担过重；而过度简化的等值建模则会丢失关键的宽频动态特性，无法准确评估风电场的并网稳定性。尽管现有技术可通过阻抗扫频、在线辨识或厂家参数预先获取单机在当前运行状态下的阻抗数据，但仍缺乏一种能够精准融合多维差异性、兼顾计算效率与阻抗精度的风电场精细化阻抗聚合建模方法。

7、因此，需要一种或多种方法解决上述问题。

8、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本公开的目的在于提供一种考虑多维差异性的风电场精细化阻抗聚合建模方法以及装置，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或多个问题。

2、根据本公开的一个方面，提供一种考虑多维差异性的风电场精细化阻抗聚合建模方法，包括：

3、获取风电场内各风电机组在当前运行状态下的单机阻抗数据及多维差异性特征信息，并对获取的数据进行预处理，构建机组阻抗数据库；

4、基于所述多维差异性特征信息构建综合特征向量，对所述综合特征向量进行降维处理，并基于降维后的特征数据采用聚类算法将风电机组划分为同质机群；

5、对各同质机群分别进行额定容量、运行工况及集电网络参数的加权聚合，获得各机群的等效额定容量、等效运行工况及等效集电网络参数；

6、基于各机组的单机阻抗数据及所述等效集电网络参数，计算各机群的等效阻抗，并将各机群的等效阻抗与集电网络等效阻抗进行电气合成，获得风电场并网点的总等效阻抗。

7、在本公开的一种示例性实施例中，所述多维差异性特征信息包括机组类型、控制模式、额定容量、并网位置电气距离、运行工况及集电线路参数。

8、在本公开的一种示例性实施例中，所述方法中，所述综合特征向量按照下式构建：

9、

10、其中，表示机组类型，编码为二值变量；表示控制模式，编码为0或1；为额定容量，归一化至[0,1]；为电气距离；为当前运行工况，代表风速出力。

11、在本公开的一种示例性实施例中，在构建所述综合特征向量之后、聚类之前，对所述综合特征向量进行标准化处理，标准化形式按照下式计算：

12、

13、其中，和分别为各特征维度的均值与标准差。

14、在本公开的一种示例性实施例中，所述降维处理采用主成分分析方法，设原始特征矩阵为，其协方差矩阵为。对进行特征分解，得到特征值及对应特征向量。选择前d个主成分构成投影矩阵，则降维后的数据为：

15、

16、其中，。

17、在本公开的一种示例性实施例中，所述聚类算法采用k-means聚类算法，聚类数目k 采用手肘法确定，以误差平方和随聚类数目变化的下降速率拐点作为最优聚类数；

18、聚类过程中，样本到聚类中心的距离按照下式计算：

19、

20、聚类中心按照下式更新：

21、

22、其中，

ck为第

k个聚类，为其中心。随着

k的增加，sse下降速度逐渐减缓，拐点处即为最优

k， 为第个聚类的新中心，为该聚类中的样本点，第

j个聚类包含个样本。

23、在本公开的一种示例性实施例中，所述方法中，所述对各同质机群进行额定容量的加权聚合按照下式计算：

24、

25、其中 ，ck为第k个机群的等效额定容量，用于保证聚合前后机群总容量一致。

26、在本公开的一种示例性实施例中，所述方法中，所述运行工况的加权聚合按照下式计算等效风速和等效出力：

27、

28、其中 ，为第

i台机组的当前风速，为其实际出力；

29、所述集电网络参数的加权聚合包括：对于放射式拓扑结构，基于等功率损耗法按照下式计算机群等效线路阻抗：

30、

31、其中 ，所述单机输入阻抗为第i台机组在当前运行状态下预先获取的阻抗信息，

pi为其输出功率；

32、对于干线式拓扑结构，先将干线式拓扑转换为等效放射式拓扑，转换公式为：

33、

34、其中 ，为原干线结构中第

i台风机的线路阻抗；

35、将所有视为放射式结构中的等效阻抗，再代入式计算出最终的等效阻抗。

36、在本公开的一种示例性实施例中，所述计算各机群的等效阻抗包括：将各机组预先获取的单机输入阻抗转换为导纳形式，按照功率占比进行加权获得机群加权导纳，机群加权导纳按照下式计算：

37、

38、其中 ，

nk为第

k个机群中的机组数量，为第

i台机组在当前运行状态下预先获取的等效输入导纳；

39、将机群加权导纳转换为阻抗形式，得到机群等效阻抗：

40、

41、将风电场总导纳转换为阻抗形式，得到风电场并网点的总等效阻抗：

42、

43、在本公开的一个方面，提供一种考虑多维差异性的风电场精细化阻抗聚合建模装置，包括：

44、数据获取模块，用于获取风电场内各风电机组在当前运行状态下的单机阻抗数据及多维差异性特征信息，并对获取的数据进行预处理，构建机组阻抗数据库；

45、机群划分模块，用于基于所述多维差异性特征信息构建综合特征向量，对所述综合特征向量进行降维处理，并基于降维后的特征数据采用聚类算法将风电机组划分为同质机群；

46、参数聚合模块，用于对各同质机群分别进行额定容量、运行工况及集电网络参数的加权聚合，获得各机群的等效额定容量、等效运行工况及等效集电网络参数；

47、阻抗合成模块，用于基于各机组的单机阻抗数据及所述等效集电网络参数，计算各机群的等效阻抗，并将各机群的等效阻抗与集电网络等效阻抗进行电气合成，获得风电场并网点的总等效阻抗。

48、本公开的示例性实施例中的一种考虑多维差异性的风电场精细化阻抗聚合建模方法，针对现有方法忽略机组多维异构性、难以兼顾精度与效率的问题，本发明以单机阻抗及运行状态为输入，构建涵盖机型、控制模式、容量、并网位置及工况的综合特征向量，经主成分降维与聚类划分同质机群；对各机群进行容量、工况及集电网络参数的加权聚合，基于功率加权导纳并联策略计算机群等效阻抗，并结合集电网络拓扑合成风电场总等效阻抗。通过"先划分、再聚合、后合成"流程，在降低系统维数的同时精确还原风电场端口宽频阻抗特性，为并网稳定性分析提供高精度、高效率的频域模型支撑。

49、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。