《IEEE Aerospace and Electronic Systems Magazine》:Corrections to “Data-Driven Aggregation Model of Type-III Wind Farms for Power System Transient Characteristic Simulation”
编辑推荐:
摘要专业翻译
针对论文《数据驱动的III型风电场聚合模型用于电力系统暂态特性仿真》(Data-Driven Aggregation Model of Type-III Wind Farms for Power System Transient Characte
摘要专业翻译
针对论文《数据驱动的III型风电场聚合模型用于电力系统暂态特性仿真》(Data-Driven Aggregation Model of Type-III Wind Farms for Power System Transient Characteristic Simulation)发表勘误与修正。经进一步核验,图9与图13中的偏差系制图过程中纵轴缩放系数错误所致,所绘数值被无意放大了10倍,而原始仿真数据与对比趋势保持不变。修正后,稳态有功功率约为250 MW,与50台单机额定容量5 MW的风力发电机组(WTG)总装机容量一致。该问题仅限于图形呈现,不影响仿真结果及论文结论。图11下方所述数据范围与该图所示结果不符,而对应图8的范围;图11中残余机端电压约为0.81–0.89 p.u.,相关描述已据此修订。图15中“Method-1”与“Method-2”标注有误,应分别替换为“3-WTG Model”与“5-WTG Model”。原文献[2]被遗漏,现已补充至第IV-B/C节及式(22)的相应讨论中。式(21)前段落中转矩参考值误写为Te* = Koptωm/G3,正确表达式为Te* = Koptωm2/G3。式(6)中Jensen尾流模型误用功率系数Cp,应替换为推力系数CT。式(9)第二表达式中机组m的机端电压Vterm下标标注有误,已修正。式(17)第二表达式中支路2的压降项及系数标注有误,已修正。式(21)级联阻抗项内层求和上限应为i。式(14)分母中被积函数应为ψ(r)。上述修正均属笔误或标注错误,不影响论文所报告的结果与结论。
论文解读
一、研究背景与意义
随着全球能源转型的深入推进,风力发电在电力系统中的占比持续攀升。其中,III型风电机组,即双馈感应发电机(Doubly-Fed Induction Generator, DFIG)型风电机组,因其变速恒频运行、有功无功解耦控制及部分容量变流器等优势,已成为当前陆上及海上风电场的主流机型。然而,大规模风电场由数十乃至数百台风电机组构成,若在电力系统暂态稳定性分析中逐台详细建模,将导致仿真计算量急剧增大,难以满足工程实际对计算效率的要求。因此,如何构建既能准确反映风电场整体暂态外特性的聚合等值模型,成为电力系统仿真领域亟待解决的关键问题。
传统风电场聚合方法多基于容量加权或简单同调等值,难以充分考虑风电场内部集电网拓扑差异、尾流效应导致的入流风速不均匀、各机组运行点差异以及故障期间低电压穿越(Low Voltage Ride Through, LVRT)行为不一致等因素对暂态响应的影响。数据驱动方法则有望通过机器学习等手段从详细仿真或实测数据中学习风电场聚合模型的参数与结构,从而在保证精度的同时显著提升仿真效率。该研究正是围绕这一目标,提出一种数据驱动的III型风电场聚合建模方法,用于电力系统暂态特性仿真,具有重要的理论价值与工程应用前景。
二、研究内容与主要结论
研究人员针对III型风电场暂态仿真中详细模型计算负担过重、传统聚合方法精度不足的问题,提出了一种数据驱动的风电场聚合建模框架。该框架综合考虑风电场内部集电网拓扑结构、尾流效应、机组运行状态差异及故障穿越控制策略等因素,通过优化算法从详细仿真数据中辨识聚合模型的关键参数,从而构建能够准确复现风电场在各类暂态扰动下有功功率、无功功率及机端电压动态响应特性的等值模型。研究结果表明,所提出的聚合模型在不同故障类型、不同风速分布及不同机组分组数条件下,均能较好地匹配详细模型的暂态响应曲线,验证了该方法的有效性与通用性。
三、关键技术方法
该研究主要采用了以下关键技术方法:其一,基于Jensen尾流模型描述风电场内部上下游机组之间的尾流效应,计算各机组实际入流风速分布;其二,采用加权等效风速与等效功率系数方法,将具有相似运行状态的风电机组划分为若干机群,每个机群以一台等值机表征;其三,构建考虑集电网阻抗及损耗的等效阻抗计算模型,通过严格推导得到串联支路与并联支路的等效阻抗表达式;其四,采用数据驱动的参数辨识与优化方法,以详细仿真数据为基准,对聚合模型的控制器参数、等效阻抗及机组分组数进行优化整定,使聚合模型与详细模型在暂态过程中的响应误差最小化。此外,研究还涉及低电压穿越控制策略中无功电流注入特性的建模与参数辨识。
四、研究结果
(一)不同故障类型下的有功功率动态特性对比(图9、图13)
在三相短路故障与两相短路故障工况下,研究人员将所提出的聚合模型与详细模型的有功功率动态响应曲线进行对比。结果表明,在故障发生、持续及切除后的整个暂态过程中,聚合模型的有功功率响应曲线与详细模型吻合良好,验证了聚合模型在不同故障类型下均具备较高的暂态响应复现精度。修正后的稳态有功功率约为250 MW,与50台5 MW机组的装机容量一致。
(二)故障期间各机组机端残压分布特性(图11)
在两相短路故障下,研究人员分析了风电场内各风电机组机端残压的分布情况。结果表明,各机组残压主要分布在0.81–0.89 p.u.范围内,且呈现显著的非均匀变化。该现象说明集电网阻抗差异、电气距离不同以及运行工况不一致会导致各机组电压跌落深度存在明显差异,进而可能影响各机组的低电压穿越状态与暂态功率响应特性。
(三)不同聚合机组数模型的精度对比(图15)
研究人员对比了采用3台等值机(3-WTG Model)与5台等值机(5-WTG Model)时的聚合模型精度。结果表明,增加聚合机组数可在一定程度上提升模型对风电场内部非均匀特性的表征能力,降低聚合误差,但计算复杂度也随之增加。该对比为实际应用中聚合机组数的选择提供了参考依据。
(四)等效阻抗计算与验证(式17、式21)
研究人员推导了考虑集电网拓扑的等效阻抗解析表达式,并通过修正后的公式计算风电场等效阻抗。结果表明,所提出的等效阻抗计算方法能够准确反映集电网损耗与电压降落特性,为聚合模型的网络等值提供了理论支撑。
五、讨论与结论
在讨论部分,研究人员指出,风电场聚合模型的精度受机组分组数、尾流效应表征精度、集电网等效阻抗计算准确性以及低电压穿越控制参数辨识质量等多方面因素共同影响。数据驱动方法能够有效利用详细仿真数据中的信息,弥补传统解析聚合方法在参数整定方面的不足。此外,研究还补充了相关文献以进一步支撑聚合模型构建中关于集电网等值与控制参数整定的理论依据。
研究结论表明,所提出的数据驱动III型风电场聚合模型能够在多种暂态故障场景下准确复现详细模型的动态响应特性,在保证仿真精度的同时显著降低计算复杂度,为大规模风电并网系统的暂态稳定性分析与仿真提供了有效的建模工具。该研究对于含高比例风电的电力系统规划、运行与控制具有重要的工程参考价值。