基于分步参数辨识的风电场动态等值建模方法研究

在生态环境保护战略深入推进的背景下，以清洁可再生能源为主的风电场大规模、高比例接入到电力系统内，导致系统的不确定性与随机性增加，惯性明显降低，严重干扰到了电网运行的安全性与可靠性，因此要构建高度契合风电场的仿真模型，通过对模型的深入分析，判断风电场接入到电力系统内后，电网是否能够保持稳定可靠的运行状态，但在实际构建模型的过程中，由于风电场本身的规模较大，涵盖了大量的风电机组，存在参数不透明、数据累计误差多等问题，难以保证仿真模型的精准性，而利用分步参数辨识算法，对风电场的仿真模型进行简化处理，可大幅度提高模型的真实性，解决参数不准确、不透明等问题。由此可知，深层次分析并研究基于分步参数辨识的风电场动态等值建模方法，对于我国新能源发电领域的可持续发展，具有深远的意义。

一、分步参数辨识算法分析

从宏观的层面出发，分步参数辨识指的是通过多观测变量的形式，将各种不同类型的参数，做好分类后，再进行分步骤的辨识，获得电阻、电容以及电感等关键的信息参数后，再构建模型、优化模型，可在最大程度上保证模型的真实性与准确性，提高模型的应用价值。

从微观层面出发，风电场的分步参数辨识主要是，联系风电场的现实情况，规划设计简单的等值模型结构后，对等值风机展开全参数分步辨识，一共可划分成四个步骤，如下所述：

（一）聚类：通过科学的聚类算法，将一个完整的风电场聚类成多个风机后，对风机进行优化，确保各个风机处于等值状态，再开展仿真设计。

（二）仿真：在仿真设计的过程中，要加强对动态仿真技术的应用，主要是在信息技术、人工智能以及计算机设备等先进技术手段的支撑下，对若干台等值风机的外部系统进行简化处理，获得一个可变阻抗后，为后续分步辨识作业的顺利开展提供便利。

（三）分类：当风机处于等值状态下，在灵敏度上会存在一定的差异，以灵敏度为导向，对等值风机展开合理的分类，其中相同灵敏度的等值风机，属于一个类别。

（四）辨识：完成等值风机灵敏度的分类工作后，在多观测变量法的支持下，完成参数的分步辨识。

二、基于分步参数辨识的风电场动态等值建模策略

（一）科学设定指标

通过对分步参数辨识算法的分析和研究可知，在辨识作业正式开始之前，需要通过聚类的方式，对风机进行等值转换，以便于后续建模作业的顺利推进。为保证聚类分析的合理性与模型构建的准确性，应科学选择聚类指标，本研究结合风电场的实际情况，将聚类指标聚焦在两个维度，一个是风电机组的输入风速，另一个机组的有功功率，如表达式（1）所示：

表达式（1）代表的是风电场动态等值模型的聚类指标，其中V代表的是风电机组的输入风速；P代表的是风电机组的输出有功功率；o代表的是风电系统扰动状态的起始时间；c代表的是风电系统扰动状态的停止时间；P1代表的是当风电系统处于扰动状态时，有功功率展现出来的摆动幅值。

观察风电系统运行状态可知，扰动状态的持续时间相对较短，要远远低于风速波动状态的持续时间，因此在聚类分析中，可将机组的输入风速设定为固定值，使其处于不变的状态。

（二）做好仿真设计

科学选择设定聚类指标，将风电场内大量的风电机组转变成等值状态后，还要利用动态仿真技术，做好等值风机外部系统的简化处理，确保参数辨识工作的有序推进，在实际进行仿真设计的过程中，要以可变阻抗法的内在作用机理为核心，将各个独立的等值风电机组，转变成一个可变阻抗，如表达式（2）所示：

在表达式（2）中，Z（t）代表的是可变阻抗；U（t）代表的是在一定时间范围内公共连接点位置的母线电压；Q（t）代表的是在一定时间范围内公共连接点位置的无功功率；P（t）代表的是在一定时间范围内公共连接点位置的有功功率。j代表的是仿真步长。根据表达式（2）可知，可变阻抗属于变量，即当测量数据发生变化后，可变阻抗也会随之变化，通过对仿真步长的测量，获得新数据，更新数据参数后，就可以驱动可变阻抗的变化。

（三）展开分类处理

在开展等值风机的分类处理时，要以灵敏度参数为核心，其中影响风电机组灵敏度的因素较多，如最大桨距角、电压最大变化率、直流母线电容以及电感器电抗等。根据风电场的具体情况，获得相关参数后，客观评估风电机组的灵敏度，再进行分类优化处理，主要的操作方法，如表达式（3）所示：

在表达式（3）中，Ts代表的是等值风机的灵敏度值；T与f分别代表的是采样数量与参数轨迹；t代表的是采样的时间；ωj代表的是模型的具体参数。

通过对表达式（3）的深度分析可知，灵敏度与模型的参数调节能力之间呈正相关，即灵敏度越高，关键参数的识别能力也就更强，因此确定风电场机组的灵敏度后，再进行分类处理，可为关键参数的准确辨识，创造有利条件。

（四）分步辨识参数

在分步辨识等值模型的参数时，要根据聚类分析以及分类的结果，对参数集、等关键参数取值范围，进行客观的评估，结合评估结果，准确辨识出参数集后，结合真实可靠的参数，对风电场的模型进行优化改进处理，一方面可大幅度提高模型的泛化能力，另一方面可保证模型的精准性，为风电场与电力系统之间的安全可靠连接，奠定坚实的基础。具体而言，这种动态等值建模方法，可解决关键参数赋值不准以及参数多解等问题，有利于提高模型的应用价值，为含高比例风电场电网的可持续安稳运行，提供坚实的保障。

三、结语

综上所述，在分步参数辨识算法的支持下，对风电场内部等值风电机组的参数，进行分步辨识后，再对模型进行简化和优化，可弥补传统仿真模型存在的精度不足、泛化效果不佳等欠缺，为风电场顺利接入到电力系统内，提供可靠的支持，助推新能源发电领域的高质量、高效率发展成为现实。研究成果具备理论参考和实践指导价值，可为我国风电领域更好的优化升级模型提供借鉴。