一种风电机组模型降阶方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114744625A(43)申请公布日2022.07.12(21)申请号202210658777.1(22)申请日2022.06.13(71)申请人华北电力大学地址102206北京市昌平区回龙观镇北农路2号(72)发明人王彤李永达王增平(74)专利代理机构北京高沃律师事务所11569专利代理师杜阳阳(51)Int.Cl.H02J3/00(2006.01)H02J3/38(2006.01)G06F17/16(2006.01)G06F17/12(2006.01)G06F17/13(2006.01)权利要求书4页说明书12页附图9页(54)发明名称一种风电机组模型降阶方法及系统(57)摘要本发明涉及一种适用于大扰动场景下的风电机组模型降阶方法及系统，属于风电系统领域，首先选择线性化点，在每个线性化点处对风电机组全阶模型进行线性化，然后根据每个局部线性化模型的广义参与矩阵中的广义参与因子，将所有状态变量划分为快变量和慢变量，最后对风电机组全阶模型进行奇异摄动降阶，获得风电并网系统在大扰动下的风电机组降阶模型，该方法是基于轨迹分段线性技术的非线性系统奇异摄动降阶算法，适用于风电并网系统大扰动分析并且保留了风电机组的状态变量，为风电并网系统在大扰动场景下机理分析提供了解决手段。CN114744625ACN114744625A权利要求书1/4页1.一种风电机组模型降阶方法，其特征在于，包括：在风电并网系统遭遇大扰动后的状态轨迹上选择多个线性化点；在每个线性化点处对风电机组全阶模型进行线性化，获得每个线性化点处的局部线性化模型；采用BlockArnoldi算法计算使每个局部线性化模型的所有主导特征根均大于零时的每个局部线性化模型的正交基底和海森伯格矩阵；联立每个局部线性化模型的正交基底和海森伯格矩阵的参与矩阵，获得每个局部线性化模型的广义参与矩阵；根据每个局部线性化模型的广义参与矩阵中的广义参与因子，将所有状态变量划分为快变量和慢变量；根据所述快变量和所述慢变量，对所述风电机组全阶模型进行奇异摄动降阶，获得风电并网系统在大扰动下的风电机组降阶模型；利用所述风电机组降阶模型对风电并网系统在不同大干扰场景下的暂态响应特性进行分析。2.根据权利要求1所述的风电机组模型降阶方法，其特征在于，所述在风电并网系统遭遇大扰动后的状态轨迹上选择多个线性化点，具体包括：模拟风电机组全阶模型在遭遇大扰动后的非线性响应，获得所有时间步上的状态向量序列；选取所述状态向量序列中的第一个状态向量为第i个线性化点，并初始化i=1；在所述状态向量序列中从左至右依次选取状态向量，直至首次满足：选取的状态向量和每个线性化点之间的欧氏距离均大于欧式距离阈值，则令i的数值增加1，并将首次满足选取的状态向量作为第i个线性化点；判断i的数值是否小于选点个数，获得判断结果；若所述判断结果表示是，则返回步骤“在所述状态向量序列中从左至右依次选取状态向量，直至首次满足：选取的状态向量和每个线性化点之间的欧氏距离均大于欧式距离阈值，则令i的数值增加1，并将首次满足选取的状态向量作为第i个线性化点”；若所述判断结果表示否，则获得所有线性化点。3.根据权利要求1所述的风电机组模型降阶方法，其特征在于，所述在每个线性化点处对风电机组全阶模型进行线性化，获得每个线性化点处的局部线性化模型，具体包括：确定风电机组全阶模型为；其中，X为风电机组的状态向量，U为风电机组节点电压向量，f(X,U)为风电机组的状态方程，g(X,U)为风电机组的输出方程，y为输出量；利用公式和，在每个线性化点处对风电机组全阶模型进行线性化，获得每个线性化点处的状态矩阵和输入矩阵，并将状态矩阵和输入矩阵构成每个线性化点处的局部线性化模型；其中，Ai为在mm线性化点Xi处的状态矩阵，Bi为在线性化点Xi处的输入矩阵，XΔi和UΔi分别为状态向量和输入向量的第m个分量的小扰动，X为直驱永磁同步发电机的状态向量，U为直驱永磁同步2CN114744625A权利要求书2/4页发电机节点电压向量，Ui为在线性化点Xi处的直驱永磁同步发电机节点电压向量，Ai(:,m)为状态矩阵的第m个分量，Bi(:,m)为输入矩阵的第m个分量。4.根据权利要求1所述的风电机组模型降阶方法，其特征在于，所述联立每个局部线性化模型的正交基底和海森伯格矩阵的参与矩阵，获得每个局部线性化模型的广义参与矩阵，具体包括：对海森伯格矩阵进行参与因子分析，获得海森伯格矩阵的参与矩阵和主导特征根；利用公式，联立每个局部线性化模型的正交基底和海森伯格矩阵的参与矩阵，获得每个局部线性化模型的广义参与矩阵；其中，Ws为第s个局部线性化模型的广义参与矩阵，为第s个局部线性化模型的正交基底，为第s个局部线性化模型的海森伯格矩