基于风电场动态模型的仿真方法、装置和计算机设备制造方法及图纸

本申请涉及一种基于风电场动态模型的仿真方法、装置和计算机设备。所述方法包括：通过对风电场的机电网络进行聚合等值处理，得到初始聚合等值子模型；将初始聚合等值子模型与初始数据驱动子模型进行连接，得到初始风电场动态模型；根据预设优化策略对初始风电场动态模型进行参数优化，得到风电场动态模型，风电场动态模型包括风电场聚合等值子模型与数据驱动子模型；获取风电场内采集的气象数据与电力数据，将气象数据与电力数据输入至风电场动态模型中进行预测，得到目标电力系统仿真参数；根据目标电力系统仿真参数进行电力系统仿真模拟。采用本方法能够提高仿真参数准确度，进而提升电力系统仿真模拟准确度。而提升电力系统仿真模拟准确度。而提升电力系统仿真模拟准确度。

【技术实现步骤摘要】
基于风电场动态模型的仿真方法、装置和计算机设备


[0001]本申请涉及风电
，特别是涉及一种基于风电场动态模型的仿真方法、装置和计算机设备。

技术介绍

[0002]电力系统风电比例不断提升，电网电力电子化特征日益明显，电网的扰动变化越来越复杂多变，大规模风电接入电力系统分析计算的需求也日益精细，对电力系统进行仿真模拟是对电力系统进行动态观测的重要手段。
[0003]仿真参数是对电力系统进行仿真模拟的关键，仿真参数的准确性可以直接影响电力系统仿真模拟的准确性。而现有技术中，为研究风力系统的特性，常用的建模方法是机理分析法。由于模型需要在相当多假设条件下才能得到系统复杂的非线性模型，而且是对系统在各个工况点进行线性化处理，简化所得的结论与实际系统不完全吻合，建立的机理模型与实际有一定的偏差，通过此类模型进行参数辨识其准确度较差，输出的仿真参数准确度不高，实际使用时无法满足后续电力系统的暂态仿真需求。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高仿真参数准确度，进而提升电力系统仿真模拟准确度的基于风电场动态模型的仿真方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种基于风电场动态模型的仿真方法，所述方法包括：通过对风电场的机电网络进行聚合等值处理，得到初始聚合等值子模型；将所述初始聚合等值子模型与初始数据驱动子模型进行连接，得到初始风电场动态模型；根据预设优化策略对所述初始风电场动态模型进行参数优化，得到所述风电场动态模型，所述风电场动态模型包括风电场聚合等值子模型与数据驱动子模型；获取所述风电场内采集的气象数据与电力数据，将所述气象数据与所述电力数据输入至所述风电场动态模型中进行预测，得到目标电力系统仿真参数；根据所述目标电力系统仿真参数进行电力系统仿真模拟。
[0006]在其中一个实施例中，所述通过对风电场的机电网络进行聚合等值处理，得到初始聚合等值子模型，包括：获取风电场的机电网络中各风电机组的电压值；根据所述电压值确定所述风电场的等值机母线电压，等值机母线是根据各所述风电机组的出口母线等值得到的；将各所述风电机组的关联支路转化为各所述风电机组对应母线上的对地支路，根据第一初始参数得到所述初始聚合等值子模型。
[0007]在其中一个实施例中，所述根据第一初始参数得到所述初始聚合等值子模型，包
括：获取所述风电场中风力发电机的铭牌值；根据容量加权法对所述铭牌值进行等值转化，得到第一初始参数；基于所述第一初始参数得到所述初始聚合等值子模型。
[0008]在其中一个实施例中，所述根据预设优化策略对所述初始风电场动态模型进行参数优化，得到所述风电场动态模型，包括：获取不同风电场的历史气象数据与历史电力数据，以及所述历史气象数据与所述历史电力数据对应的历史电力系统仿真参数，得到风电场样本数据集；将所述风电场样本数据集按照预设比例分为样本训练集与样本测试集；根据所述样本训练集对所述初始风电场动态模型进行训练，得到训练后的初始风电场动态模型；基于所述样本测试集对所述训练后的初始风电场动态模型进行测试，得到所述风电场动态模型。
[0009]在其中一个实施例中，所述根据所述样本训练集对所述初始风电场动态模型进行训练，得到训练后的初始风电场动态模型，包括：将所述样本训练集输入至所述初始聚合等值子模型中，利用预设优化算法对所述初始聚合等值子模型进行初步优化，得到第一模型参数；将所述样本训练集输入至所述初始数据驱动子模型中，对所述初始数据驱动子模型进行初步优化，得到第二模型参数；根据所述第一模型参数对所述初始聚合等值子模型中的第一初始参数进行更新，根据所述第二模型参数对所述初始数据驱动子模型中的第二初始参数进行更新，得到更新后的中间聚合等值子模型与中间数据驱动子模型；同时根据所述样本训练集对所述中间聚合等值子模型与中间数据驱动子模型进行参数优化，得到训练后的初始风电场动态模型。
[0010]在其中一个实施例中，所述基于所述样本测试集对所述训练后的初始风电场动态模型进行测试，得到所述风电场动态模型，包括：将所述样本测试集输入所述训练后的初始风电场动态模型中进行计算，得到训练电力系统仿真参数；当所述训练电力系统仿真参数与所述历史电力系统仿真参数的差值大于预设误差阈值时，返回执行将所述样本训练集输入至所述初始聚合等值子模型中，利用预设优化算法对所述初始聚合等值子模型进行初步优化，得到第一模型参数的步骤；当所述训练电力系统仿真参数与所述历史电力系统仿真参数的差值不大于所述预设误差阈值时，结束训练，得到所述风电场动态模型。
[0011]在其中一个实施例中，所述数据驱动子模型包括预设层数的长短期记忆层、第一全连接层、第二全连接层以及去除层；所述预设层数的长短期记忆层与所述第一全连接层进行连接，所述第一全连接层与所述去除层连接，所述去除层与第二全连接层进行连接。
[0012]第二方面，本申请还提供了一种基于风电场动态模型的仿真装置，所述装置包括：子模型生成模块，用于通过对风电场的机电网络进行聚合等值处理，得到初始聚
合等值子模型；初始风电场动态模型生成模块，用于将所述初始聚合等值子模型与初始数据驱动子模型进行连接，得到初始风电场动态模型；模型优化模块，用于根据预设优化策略对所述初始风电场动态模型进行参数优化，得到所述风电场动态模型，所述风电场动态模型包括风电场聚合等值子模型与数据驱动子模型；参数预测模块，用于获取风电场内采集的气象数据与电力数据，将所述气象数据与所述电力数据输入至所述风电场动态模型中进行预测，得到目标电力系统仿真参数；仿真模拟模块，用于根据所述目标电力系统仿真参数进行电力系统仿真模拟。
[0013]第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。
[0014]第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
[0015]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的方法的步骤。
[0016]上述基于风电场动态模型的仿真方法、装置、计算机设备、存储介质和计算机程序产品，通过对风电场的机电网络进行聚合等值处理，得到初始聚合等值子模型，将初始聚合等值子模型与初始数据驱动子模型进行连接，得到初始风电场动态模型，根据预设优化策略对初始风电场动态模型进行参数优化，得到风电场动态模型，风电场动态模型中包含了优化好的风电场聚合等值子模型与数据驱动子模型，风电场聚合等值子模型可以实现对风电场内部结构的模拟，使风电场动态模型可以适应风电场内部不断变化的结构，而数据驱动子模型可以通过采集的数据挖掘风电场的机理信息，有效拟合风电场并网端口电气特性，因此，风电场动态模型具有强泛化性、强可解释性以及高准确度。获取风电场内采集的气象数据和电力数据，将气本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于风电场动态模型的仿真方法，其特征在于，所述方法包括：通过对风电场的机电网络进行聚合等值处理，得到初始聚合等值子模型；将所述初始聚合等值子模型与初始数据驱动子模型进行连接，得到初始风电场动态模型；根据预设优化策略对所述初始风电场动态模型进行参数优化，得到风电场动态模型，所述风电场动态模型包括风电场聚合等值子模型与数据驱动子模型；获取所述风电场内采集的气象数据与电力数据，将所述气象数据与所述电力数据输入至所述风电场动态模型中进行预测，得到目标电力系统仿真参数；根据所述目标电力系统仿真参数进行电力系统仿真模拟。2.根据权利要求1所述的方法，其特征在于，所述通过对风电场的机电网络进行聚合等值处理，得到初始聚合等值子模型，包括：获取风电场的机电网络中各风电机组的电压值；根据所述电压值确定所述风电场的等值机母线电压，等值机母线是根据各所述风电机组的出口母线等值得到的；将各所述风电机组的关联支路转化为各所述风电机组对应母线上的对地支路，根据第一初始参数得到所述初始聚合等值子模型。3.根据权利要求2所述的方法，其特征在于，所述根据第一初始参数得到所述初始聚合等值子模型，包括：获取所述风电场中风力发电机的铭牌值；根据容量加权法对所述铭牌值进行等值转化，得到第一初始参数；基于所述第一初始参数得到所述初始聚合等值子模型。4.根据权利要求1所述的方法，其特征在于，所述根据预设优化策略对所述初始风电场动态模型进行参数优化，得到所述风电场动态模型，包括：获取不同风电场的历史气象数据与历史电力数据，以及所述历史气象数据与所述历史电力数据对应的历史电力系统仿真参数，得到风电场样本数据集；将所述风电场样本数据集按照预设比例分为样本训练集与样本测试集；根据所述样本训练集对所述初始风电场动态模型进行训练，得到训练后的初始风电场动态模型；基于所述样本测试集对所述训练后的初始风电场动态模型进行测试，得到所述风电场动态模型。5.根据权利要求4所述的方法，其特征在于，所述根据所述样本训练集对所述初始风电场动态模型进行训练，得到训练后的初始风电场动态模型，包括：将所述样本训练集输入至所述初始聚合等值子模型中，利用预设优化算法对所述初始聚合等值子模型进行初步优化，得到第一模型参数；将所述样本训练集输入至所述初始数据驱动子模型中，对所述初始数据驱动子模型进行初步优化，得到第二模型参数；根据所述第一模型参数对所述初始聚合等值子...

【专利技术属性】
技术研发人员：李鹏，黄文琦，曹尚，戴珍，梁凌宇，侯佳萱，张焕明，白昱阳，
申请(专利权)人：南方电网数字电网研究院有限公司，
类型：发明
国别省市：