风电场的建模方法及装置与流程

1.本技术涉及风电场技术领域，尤其涉及一种风电场的建模方法及装置。


背景技术：

2.建模仿真是认知新型电力系统特性的必要手段，风电场的仿真建模尤为关键。风电场的等值和建模是开展风电场并网分析研究的基础，建立精度较高的聚合模型是其中的关键技术。
3.目前，针对风电场的聚合建模，主要是将运行特性相近的机组分群，同一机群等值为一个发电单元，称为多机等值法，在多机等值法中，分群指标的选择是研究重点。
4.对于风电机组，最常采用基于风速的分群方法来进行分群指标的选择。由于双馈风机具有桨距角控制和转速控制特性，其风功率曲线呈现明显的分段特性，可以依据浆距角动作情况或者转子转速作为分群指标。考虑到风电机组暂态响应特性，也有以故障后有功响应特性、crowbar是否动作等作为分群指标。
5.前述分群方法基于新能源机组某一运行点特征进行分群，很难适用于风电机组的大多数运行工况，影响风电场建模结果的可靠性。


技术实现要素：

6.针对现有技术中的至少一个问题，本技术提出了一种风电场的建模方法及装置，能够提高风电场的聚合模型的可靠性，提高应用场景的广泛性。
7.为了解决上述技术问题，本技术提供以下技术方案：
8.第一方面，本技术提供一种风电场的建模方法，包括：
9.获取目标风电场中的风电机组群在多个时间段内的风速数据；
10.通过对所述风速数据进行相关系数计算，将所述风速数据划分为多个组，每组包括：所述风电机组群在至少一个时间段内的风速数据；
11.将对应的时间段个数最多的组中的风速数据确定为待处理风速数据，基于层次聚类法和所述待处理风速数据，将所述风电机组群划分为多类风电机组，将同一类风电机组等值为一台等值风电机组，并确定所述等值风电机组的等值参数和等值集电线路参数；
12.根据所述等值风电机组的等值参数和等值集电线路参数，构建得到所述目标风电场的聚合模型。
13.进一步地，所述通过对所述风速数据进行相关系数计算，将所述风速数据划分为多个组，包括：
14.根据皮尔逊相关系数算法和所述风速数据，确定所述风电机组群中的任意两台风电机组之间的全局风速相关系数以及每个时间段内任意两台风电机组之间的风速相关系数；
15.根据所述风速相关系数，生成全局相关系数矩阵和每个时间段对应的相关系数矩阵；
16.根据所述全局相关系数矩阵和每个时间段对应的相关系数矩阵，确定该时间段对应的相关系数矩阵差异距离；
17.根据各个时间段对应的所述相关系数矩阵差异距离，将所述风速数据划分为多个组。
18.进一步地，所述基于层次聚类法和所述待处理风速数据，将所述风电机组群划分为多类风电机组，包括：
19.基于层次聚类法和所述待处理风速数据，得到聚类树状图；
20.基于所述聚类树状图，将所述风电机组群划分为多个类。
21.进一步地，所述基于层次聚类法和所述待处理风速数据，得到聚类树状图，包括：
22.将所述风电机组群中的风电机组的待处理风速数据确定为样本，获取样本两两之间的相关距离作为簇；
23.利用离差平方和法计算簇之间距离，将距离最近的两个簇合并为一个新簇；
24.判断当前簇的个数是否唯一，若否，则再次利用离差平方和法计算簇之间距离，将距离最近的两个簇合并为一个新簇，直至当前簇的个数唯一，生成聚类树状图。
25.进一步地，所述确定所述等值风电机组的等值参数和等值集电线路参数，包括：
26.根据预获取的空气密度、转子叶片扫掠面积、最大风能利用系数和所述等值风电机组对应的各台风电机组的风速数据，生成风速功率曲线并确定所述等值风电机组对应的平均功率；
27.根据所述风速功率曲线和所述等值风电机组对应的平均功率，确定所述等值风电机组的等值风速，所述等值参数包括：所述等值风速和平均功率；
28.确定所述等值风电机组的等值集电线路参数。
29.进一步地，所述确定所述等值风电机组的等值参数和等值集电线路参数，包括：
30.确定所述等值风电机组的等值参数；
31.根据所述等值风电机组对应的风电机组台数、各台风电机组的功率和阻抗，得到所述等值风电机组的等值干式线路阻抗；
32.根据所述等值风电机组对应的风电机组台数、各台风电机组的功率和阻抗，得到所述等值风电机组的等值放射式线路阻抗；
33.所述等值集电线路参数包括：等值干式线路阻抗和等值放射式线路阻抗。
34.第二方面，本技术提供一种风电场的建模装置，包括：
35.获取模块，用于获取目标风电场中的风电机组群在多个时间段内的风速数据；
36.划分模块，用于通过对所述风速数据进行相关系数计算，将所述风速数据划分为多个组，每组包括：所述风电机组群在至少一个时间段内的风速数据；
37.等值模块，用于将对应的时间段个数最多的组中的风速数据确定为待处理风速数据，基于层次聚类法和所述待处理风速数据，将所述风电机组群划分为多类风电机组，将同一类风电机组等值为一台等值风电机组，并确定所述等值风电机组的等值参数和等值集电线路参数；
38.构建模块，用于根据所述等值风电机组的等值参数和等值集电线路参数，构建得到所述目标风电场的聚合模型。
39.进一步地，所述划分模块包括：
40.相关系数计算单元，用于根据皮尔逊相关系数算法和所述风速数据，确定所述风电机组群中的任意两台风电机组之间的全局风速相关系数以及每个时间段内任意两台风电机组之间的风速相关系数；
41.生成单元，用于根据所述风速相关系数，生成全局相关系数矩阵和每个时间段对应的相关系数矩阵；
42.确定单元，用于根据所述全局相关系数矩阵和每个时间段对应的相关系数矩阵，确定该时间段对应的相关系数矩阵差异距离；
43.第一划分单元，用于根据各个时间段对应的所述相关系数矩阵差异距离，将所述风速数据划分为多个组。
44.进一步地，所述等值模块包括：
45.聚类单元，用于基于层次聚类法和所述待处理风速数据，得到聚类树状图；
46.第二划分单元，用于基于所述聚类树状图，将所述风电机组群划分为多个类。
47.进一步地，所述聚类单元用于：
48.将所述风电机组群中的风电机组的待处理风速数据确定为样本，获取样本两两之间的相关距离作为簇；
49.利用离差平方和法计算簇之间距离，将距离最近的两个簇合并为一个新簇；
50.判断当前簇的个数是否唯一，若否，则再次利用离差平方和法计算簇之间距离，将距离最近的两个簇合并为一个新簇，直至当前簇的个数唯一，生成聚类树状图。
51.进一步地，所述等值模块包括：
52.生成单元，用于根据预获取的空气密度、转子叶片扫掠面积、最大风能利用系数和所述等值风电机组对应的各台风电机组的风速数据，生成风速功率曲线并确定所述等值风电机组对应的平均功率；
53.等值风速确定单元，用于根据所述风速功率曲线和所述等值风电机组对应的平均功率，确定所述等值风电机组的等值风速，所述等值参数包括：所述等值风速和平均功率；
54.等值集电线路参数确定单元，用于确定所述等值风电机组的等值集电线路参数。
55.进一步地，所述等值模块包括：
56.等值参数确定单元，用于确定所述等值风电机组的等值参数；
57.等值干式线路阻抗确定单元，用于根据所述等值风电机组对应的风电机组台数、各台风电机组的功率和阻抗，得到所述等值风电机组的等值干式线路阻抗；
58.值放射式线路阻抗确定单元，用于根据所述等值风电机组对应的风电机组台数、各台风电机组的功率和阻抗，得到所述等值风电机组的等值放射式线路阻抗；
59.所述等值集电线路参数包括：等值干式线路阻抗和等值放射式线路阻抗。
60.第三方面，本技术提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的风电场的建模方法。
61.第四方面，本技术提供一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现所述的风电场的建模方法。
62.由上述技术方案可知，本技术提供一种风电场的建模方法及装置。其中，该方法包括：获取目标风电场中的风电机组群在多个时间段内的风速数据；通过对所述风速数据进
行相关系数计算，将所述风速数据划分为多个组，每组包括：所述风电机组群在至少一个时间段内的风速数据；将对应的时间段个数最多的组中的风速数据确定为待处理风速数据，基于层次聚类法和所述待处理风速数据，将所述风电机组群划分为多类风电机组，将同一类风电机组等值为一台等值风电机组，并确定所述等值风电机组的等值参数和等值集电线路参数；根据所述等值风电机组的等值参数和等值集电线路参数，构建得到所述目标风电场的聚合模型，能够提高风电场的聚合模型的可靠性，提高应用场景的广泛性；具体地，本发明依据风电场的风电机组间的风速相关性具有时变特性进行时间序列分组，并采用层次聚类法进行分群，使得分群结果适用于全年大多数运行工况，通过提高风电场的聚合模型的精度，能够便于接下来对风电场的分析，提高风电场的稳定性。
附图说明
63.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
64.图1是本技术实施例中的风电场的建模方法的第一流程示意图；
65.图2是本技术实施例中的风电场的建模方法的第二流程示意图；
66.图3是本技术实施例中的风电场的建模方法的第三流程示意图；
67.图4是本技术一种举例中的聚类树状图；
68.图5是一种举例中的风速与相关系数统计曲线；
69.图6是本技术应用实例中的风电场的建模方法的流程示意图；
70.图7为一种举例中的干式线路阻抗等值前后对应的接线比较示意图；
71.图8为一种举例中的放射式线路阻抗等值前后对应的接线比较示意图；
72.图9是现有技术中的详细模型与本技术应用实例中的聚合模型对应的风电场220kv正序电压对比示意图；
73.图10是现有技术中的详细模型与本技术应用实例中的聚合模型对应的风电场有功出力对比示意图；
74.图11是现有技术中的详细模型与本技术应用实例中的聚合模型对应的风电场无功出力对比示意图；
75.图12是本技术实施例中的风电场的建模装置的结构示意图；
76.图13是本技术实施例中的划分模块的结构示意图；
77.图14为本技术实施例的电子设备的系统构成示意框图。
具体实施方式
78.为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
79.随着化石能源的日益枯竭和环境问题的日益突出，能源领域面临着能源结构的战略性调整，大规模开发和利用新能源势在必行。目前，已形成大规模新能源集中并网远距离送出的主要形式，但是，随着以风电为代表的电力电子电源占比不断提升，电力系统形态和运行机理发生深刻变化。因此，缺乏一种适用于大多数运行工况的风电场的建模方式，实现风电场概率聚合等值。现有技术中，在采用基于风速的分群方法选择分群指标时，以故障后有功响应特性、crowbar是否动作等作为分群指标，还存在必须通过详细的风电场仿真来获取机组响应特性和crowbar电路的动作情况的缺点。
80.为了解决现有技术中存在的问题，本技术实施例提出一种风电场的建模方法及装置；首先，依据风电场区域风电机组之间的风速相关性具有时变特性，采用皮尔逊相关系数对集群风速数据时间序列分组；然后，选取概率最大的时间序列分组风速数据，基于层次聚类法进行集群的聚合等值，即采用层次聚类法进行分群，使得分群结果适用于全年大多数运行工况；最后，根据分群结果，可将同群的机组等值为一台机组，搭建集群聚合模型。
81.基于此，为了提高风电场的聚合模型的可靠性，提高应用场景的广泛性，本技术实施例提供一种风电场的建模装置，该装置可以是一服务器或客户端设备，所述客户端设备可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(pda)、车载设备和智能穿戴设备等。其中，所述智能穿戴设备可以包括智能眼镜、智能手表和智能手环等。
82.在实际应用中，进行风电场的建模的部分可以在如上述内容所述的服务器侧执行，也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力，以及用户使用场景的限制等进行选择。本技术对此不作限定。若所有的操作都在所述客户端设备中完成，所述客户端设备还可以包括处理器。
83.上述的客户端设备可以具有通信模块(即通信单元)，可以与远程的服务器进行通信连接，实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器，其他的实施场景中也可以包括中间平台的服务器，例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备，也可以包括多个服务器组成的服务器集群，或者分布式装置的服务器结构。
84.所述服务器与所述客户端设备之间可以使用任何合适的网络协议进行通信，包括在本技术提交日尚未开发出的网络协议。所述网络协议例如可以包括tcp/ip协议、udp/ip协议、http协议、https协议等。当然，所述网络协议例如还可以包括在上述协议之上使用的rpc协议(remote procedure call protocol，远程过程调用协议)、rest协议(representational state transfer，表述性状态转移协议)等。
85.具体通过下述各个实施例进行说明。
86.为了提高风电场的聚合模型的可靠性，提高应用场景的广泛性，本实施例提供一种执行主体是风电场的建模装置的风电场的建模方法，该风电场的建模装置包括但不限于服务器，如图1所示，该方法具体包含有如下内容：
87.步骤100：获取目标风电场中的风电机组群在多个时间段内的风速数据。
88.具体地，所述风电机组群包括：目标风电场中的多台风电机组；可以获取目标风电场中的多台风电机组在预设时间范围内的风速数据，所述预设时间范围包括：多个时间段，每台风电机组对应的时间段相同，所述预设的时间范围可以根据实际需要进行设置，本申
请对此不作限制，例如，1年，多个时间段为1年的各个月份。
89.步骤200：通过对所述风速数据进行相关系数计算，将所述风速数据划分为多个组，每组包括：所述风电机组群在至少一个时间段内的风速数据。
90.步骤300：将对应的时间段个数最多的组中的风速数据确定为待处理风速数据，基于层次聚类法和所述待处理风速数据，将所述风电机组群划分为多类风电机组，将同一类风电机组等值为一台等值风电机组，并确定所述等值风电机组的等值参数和等值集电线路参数。
91.步骤400：根据所述等值风电机组的等值参数和等值集电线路参数，构建得到所述目标风电场的聚合模型。
92.考虑到风电场风电机组间的风速相关性具有时变特性，为了进一步提高风速数据分组的可靠性，参见图2，在本技术一个实施例中，步骤200包括：
93.步骤201：根据皮尔逊相关系数算法和所述风速数据，确定所述风电机组群中的任意两台风电机组之间的全局风速相关系数以及每个时间段内任意两台风电机组之间的风速相关系数。
94.具体地，针对每个时间段的风速数据，相关系数可以采用皮尔逊相关系数表示，计算公式如下：
[0095][0096]
式中，为第i个时间段风电机组群中的第m台风电机组和第n台风电机组之间的风速相关系数，mi为第m台风电机组在第i个时间段的风速数据，ni为第n台风电机组在第i个时间段的风速数据，cov(mi,ni)为mi与ni的协方差，d(mi)和d(ni)分别为mi与ni的方差。
[0097]
具体地，可以根据下列公式，确定任意两台风电机组之间的全局风速相关系数：
[0098][0099]
式中，为风电机组群中的第m台风电机组和第n台风电机组之间的全局风速相关系数，m0为第m台风电机组的所有风速数据，n0为第n台风电机组的所有风速数据，cov(m0,n0)为m0与n0的协方差，d(m0)和d(n0)分别为m0与n0的方差。若一时间段为一个月份，所述多个时间段为全年，则所有风速数据可以表示全年风速数据。
[0100]
步骤202：根据所述风速相关系数，生成全局相关系数矩阵和每个时间段对应的相关系数矩阵。
[0101]
具体地，可以根据下列公式得到相关系数矩阵：
[0102][0103]
式中，ci为第i个时间段对应的相关系数矩阵；为第i个时间段对应的相关系数
矩阵中第m行、第n列元素，即风电机组群中第m台风电机组和第n台风电机组之间的风速相关系数。全局相关系数矩阵可以同理得到。
[0104]
步骤203：根据所述全局相关系数矩阵和每个时间段对应的相关系数矩阵，确定该时间段对应的相关系数矩阵差异距离。
[0105]
具体地，可以根据下列公式得到相关系数矩阵：
[0106][0107]
其中，n为目标风电场中风电机组的台数；di为第i个时间段相关系数矩阵与全局相关系数矩阵差异距离，可以相当于第i个时间段对应的相关系数矩阵差异距离；为全局相关系数矩阵中第m行、第n列元素。
[0108]
步骤204：根据各个时间段对应的所述相关系数矩阵差异距离，将所述风速数据划分为多个组。
[0109]
具体地，可以预先根据实际需要设定多个差异距离范围，将一差异距离范围内的相关系数矩阵差异距离对应的时间段的风速数据划分为一组。
[0110]
举例来说，对12个月份的相关系数矩阵差异d1,d2,
…
,d
12
进行排序，依据差异大小分组，分组g1包含(1-5月，10-12月的风速数据)，对应概率67.7％，分组g2包含(6-7月的风速数据)，对应概率16.7％，分组g3包含(8-9月的风速数据)，对应概率16.7％。可规定要求最大分组概率不小于66.7％；分组的概率＝分组中的月份数/总月份数。
[0111]
为了实现适用于大多数运行工况的风电场的建模，参见图3，在本技术一个实施例中，步骤300中所述的基于层次聚类法和所述待处理风速数据，将所述风电机组群划分为多类风电机组，包括：
[0112]
步骤311：基于层次聚类法和所述待处理风速数据，得到聚类树状图。
[0113]
步骤312：基于所述聚类树状图，将所述风电机组群划分为多个类。
[0114]
在一种举例中，所述聚类树状图即聚类树，如图4所示，横坐标为机组编号，纵坐标为相关性距离。可以通过调节相关性距离阈值，得到不同聚类数目的分群结果，即不同分类数目的分类结果。
[0115]
为了提高生成聚类树状图的可靠性，在本技术一个实施例中，步骤311包括：
[0116]
步骤3111：将所述风电机组群中的风电机组的待处理风速数据确定为样本，获取样本两两之间的相关距离作为簇；
[0117]
步骤3112：利用离差平方和法计算簇之间距离，将距离最近的两个簇合并为一个新簇；
[0118]
步骤3113：判断当前簇的个数是否唯一，若否，则再次利用离差平方和法计算簇之间距离，将距离最近的两个簇合并为一个新簇，直至当前簇的个数唯一，生成聚类树状图。
[0119]
为了提高获得等值风电机组的等值参数和等值集电线路参数的准确性，在本技术一个实施例中，步骤300中所述的确定所述等值风电机组的等值参数和等值集电线路参数，包括：
[0120]
步骤321：根据预获取的空气密度、转子叶片扫掠面积、最大风能利用系数和所述等值风电机组对应的各台风电机组的风速数据，生成风速功率曲线并确定所述等值风电机
组对应的平均功率。
[0121]
具体地，可以根据所述风速功率曲线和等值风电机组对应的各台风电机组的风速数据，确定各台风电机组的功率。可以将所述等值风电机组对应的各台风电机组的功率平均值确定为所述等值风电机组对应的平均功率，平均功率可以相当于等值功率。所述风速功率曲线的表达式如下所示：
[0122][0123]
式中，pm为风电机组的功率，ρ为空气密度，a为转子叶片扫掠面积，c
pmax
为最大风能利用系数，m为等值风电机组对应的风电机组台数，v
eq
为风电机组的风速。空气密度、转子叶片扫掠面积和最大风能利用系数均可以根据实际情况预先设置，预先存储在风电场的建模装置本地。
[0124]
步骤322：根据所述风速功率曲线和所述等值风电机组对应的平均功率，确定所述等值风电机组的等值风速，所述等值参数包括：所述等值风速和平均功率。
[0125]
具体地，当考虑尾流效应时，可以将风速功率曲线中所述平均功率对应的风速数据确定为所述等值风电机组的等值风速。可以根据下列公式确定等值风电机组的等值风速v
eq
：
[0126][0127]
式中，f为等值风电机组的风速功率曲线的拟合函数；vi为等值风电机组对应的第i台风电机组的风速数据，m为等值风电机组对应的风电机组台数。
[0128]
步骤324：确定所述等值风电机组的等值集电线路参数。
[0129]
为了进一步提高获得等值集电线路参数的准确性，在本技术一个实施例中，步骤300中所述的确定所述等值风电机组的等值参数和等值集电线路参数，包括：
[0130]
步骤331：确定所述等值风电机组的等值参数。
[0131]
步骤332：根据所述等值风电机组对应的风电机组台数、各台风电机组的功率和阻抗，得到所述等值风电机组的等值干式线路阻抗。
[0132]
具体地，可以预先获取各台风电机组的功率和阻抗。可以根据下列公式得到等值风电机组的等值干式线路阻抗zs：
[0133][0134]
式中，n表示等值风电机组对应的风电机组台数，pi表示等值风电机组对应的第i台风电机组的功率，zn表示等值风电机组对应的第n台风电机组的阻抗。
[0135]
步骤333：根据所述等值风电机组对应的风电机组台数、各台风电机组的功率和阻抗，得到所述等值风电机组的等值放射式线路阻抗。
[0136]
具体地，可以根据下列公式得到等值风电机组的等值放射式线路阻抗z：
[0137][0138]
式中，zs表示等值风电机组的等值干式线路阻抗，n表示等值风电机组对应的风电
机组台数，pi表示等值风电机组对应的第i台风电机组的功率，zn表示等值风电机组对应的第n台风电机组的阻抗。
[0139]
步骤334：所述等值集电线路参数包括：等值干式线路阻抗和等值放射式线路阻抗。
[0140]
考虑到新能源机组稳态运行是判断机组同调性的关键因素，风速很大程度上决定机组的稳态运行工况，风电场区域风电机组之间的风速相关性具有时变特性，不同月份下存在较大差异，以某风电场区域为例，收集一年内该区域风电机组运行监测数据，以风速数据为样本进行分析。图5为1号与2号机组、3号机组和4号机组相关系数在不同月份的变化情况。从图5中可以看出，风速相关系数在某些月份较为稳定，在个别月份差别较大，最大差异可达0.76。因此，依据全年数据进行分析，将会导致相关特性受影响，然而依据某月份数据进行分析，又很难体现全年的相关特性，结果难以适用于全年大部分时段。基于以上风速特性，本技术考虑风速的时变特性，提出一种基于层次聚类的风电场的建模方法的应用实例，如图6所示，在本应用实例中，该方法包括：时间序列分组、机组分群和参数等值。该方法具体描述如下：
[0141]
步骤001：时间序列分组，具体包括：
[0142]
步骤011：输入风电集群的风速数据，按月份统计区域内风电集群的各个风电机组的机头风速。
[0143]
步骤012：计算相关系数；针对每个月份风速数据，计算该月份下各机组对应风速数据的相关系数矩阵。相关系数采用皮尔逊相关系数表示，计算公式如下：
[0144][0145]
式中，x与y为某两台风机对应的风速数据，cov(x,y)为x与y的协方差，d(x)和d(y)分别为x与y为的方差。
[0146]
步骤013：计算相关系数矩阵差异；为评估各月份之间风速相关性变化情况，以全年各机组风速间相关性为基准，计算各月份相关系数矩阵与全年相关系数矩阵所有元素的均方根误差，计算公式如下式所示：
[0147][0148][0149]
式中，ci为第i个月份相关系数矩阵；为第i个月份相关系数矩阵中第m行、第n列元素；n为该场站中风电机组台数；di为第i个月份相关系数矩阵与全年相关系数矩阵差异距离；为全年相关系数矩阵中第m行、第n列元素。
[0150]
步骤014：依据相关系数矩阵差异分组；对12个月份的相关系数矩阵差异d1,d2,
…
,d12
进行排序，依据差异大小分组，如分组g1包含(1-5月，10-12月)，对应概率67.7％，分组g2包含(6-7月)，对应概率16.7％，分组g3包含(8-9月)，对应概率16.7％。可规定要求最大分组概率不小于66.7％。g1中包含8个月的数据，占12月总数据的67.7％。
[0151]
步骤002：机组分群；选取概率最大的时间序列分组风速数据，基于层次聚类法进行集群的聚合等值。此处层次聚类的具体步骤如下：
[0152]
步骤021：初始构造n个类，n即待划分的风电机组的数量。每个类包含1组样本，即该风电机组对应的某几个月份的风速数据。其中，样本指的是该类中所包含数据的总称，如果风电场有10台机组，聚类前初始分为10类，则每个类包含1组样本指的是1台机组某几个月份的风速数据。
[0153]
步骤022：计算n个样本两两之间的相关距离，得到相关距离矩阵相关距离计算公式如下式所示：
[0154][0155]
步骤023：利用相关距离矩阵和离差平方和法(ward法)计算类间距离，确定合并距离最近的2个类为1个新类。
[0156]
步骤024：若类的个数不等于1，则重复执行步骤022，否则执行步骤025。
[0157]
步骤025：画聚类图，决定类的个数并对每一类的物理意义进行解释。类的个数即分群个数，同一类中的风电场被划分到同一个群中。此处类的划分原则为根据相关距离阈值要求画横线“切树”，可以人为权衡分群数量。
[0158]
步骤003：参数等值；根据分群结果，可将同群的机组等值为一台机组。假定n台同型号的风力发电机中有m台等值成为1台机组。
[0159]
(1)风速等效：
[0160]
当不考虑尾流效应时，将平均风速作为等效风速：
[0161][0162]
当考虑尾流效应时，基于功率曲线的等效风速：首先通过风速和风速功率曲线得出同群中每台风电机组的功率，然后求取其平均功率，最后通过风速功率曲线反推得出等效风速。设等效前第k台风电机组的输出功率为：
[0163]
pk＝f(vk)
[0164]
式中，f为风速功率曲线的拟合函数；vk为风速。
[0165]
等效风速为：
[0166][0167]
等效功率为：
[0168][0169]
(2)集电线路等值
[0170]
a.可以根据下列公式确定等值干式线路阻抗：
[0171][0172]
图7为一种举例中的干式线路阻抗等值前后对应的接线比较示意图。
[0173]
b.可以根据下列公式确定等值放射式线路阻抗：
[0174][0175]
图8为一种举例中的放射式线路阻抗等值前后对应的接线比较示意图。
[0176]
步骤004：根据参数等值结果，构建风电场的聚合模型。
[0177]
为了进一步说明本方案，本技术提供一种风电场的建模方法的具体应用实例，以某风电区域为例，该地区大概280平方公里，包含75台双馈风电机组，采集一年内该区域内机组机头风速数据作为输入数据。
[0178]
1)时间分组结果
[0179]
以全年各机组风速间相关性为基准，计算各月份相关系数矩阵与全年相关系数矩阵所有元素的均方根误差，得到各月份相关性差异如表1所示。从表1中可以看出，6月和7月的相关性差异较大，8月、11月和12月次之；考虑到尽量多的月份数据参与后续计算，最大分组概率不小于66.7％，分组情况为：第一组(1-5月，9月，10月，12月)，概率约为66.7％；第二组(8月和11月)，概率约为16.7％；第二组(6月和7月)，概率为约16.7％。
[0180]
表1
[0181][0182]
2)机组分群结果
[0183]
以第一组(1-5月，9月，10月，12月)所含8个月风速数据为输入数据，进行基于层次聚类的概率聚合等值，从图4中可以看出，通过调节相关性距离阈值，可以得到不同聚类数目的分群结果，分群结果如表2至表4所示。
[0184]
表2
[0185]
[0186]
表3
[0187][0188][0189]
表4
[0190]
分群机组编号群150,51,12,46,40,41,42,45,43,44,52,11,13,21,26,22,23,25,24群247,48,49,63,64,68,72,65,66,67,69,70,71群327,28,29,30,31,32,33,35,37,36,38,34群439群51,2,4,3,7,10,5,8,19,20,18,9,6,14,15,16,17群653,55,56,57,58群754,73,74,59,60,61,62,75
[0191]
3)仿真结果对比
[0192]
选取该风电场2015年2月7日11点30分实测风速和功率数据，基于adpss电磁仿真平台进行聚合模型与现有技术中的详细模型仿真结果对比。分别搭建详细模型与聚合模型。设置场站出口发生20％电压跌落故障，图9至图11依次为220kv正序电压、有功功率及无功功率对比图，可以看出聚合模型能够较为准确的模拟详细模型的稳态与暂态特性。
[0193]
从软件层面来说，为了提高风电场的聚合模型的可靠性，提高应用场景的广泛性，本技术提供一种用于实现所述风电场的建模方法中全部或部分内容的风电场的建模装置的实施例，参见图12，所述风电场的建模装置具体包含有如下内容：
[0194]
获取模块10，用于获取目标风电场中的风电机组群在多个时间段内的风速数据；
[0195]
划分模块20，用于通过对所述风速数据进行相关系数计算，将所述风速数据划分为多个组，每组包括：所述风电机组群在至少一个时间段内的风速数据；
[0196]
等值模块30，用于将对应的时间段个数最多的组中的风速数据确定为待处理风速数据，基于层次聚类法和所述待处理风速数据，将所述风电机组群划分为多类风电机组，将同一类风电机组等值为一台等值风电机组，并确定所述等值风电机组的等值参数和等值集电线路参数；
[0197]
构建模块40，用于根据所述等值风电机组的等值参数和等值集电线路参数，构建得到所述目标风电场的聚合模型。
[0198]
参见图13，在本技术一个实施例中，所述划分模块包括：
[0199]
相关系数计算单元21，用于根据皮尔逊相关系数算法和所述风速数据，确定所述风电机组群中的任意两台风电机组之间的全局风速相关系数以及每个时间段内任意两台
风电机组之间的风速相关系数；
[0200]
生成单元22，用于根据所述风速相关系数，生成全局相关系数矩阵和每个时间段对应的相关系数矩阵；
[0201]
确定单元23，用于根据所述全局相关系数矩阵和每个时间段对应的相关系数矩阵，确定该时间段对应的相关系数矩阵差异距离；
[0202]
第一划分单元24，用于根据各个时间段对应的所述相关系数矩阵差异距离，将所述风速数据划分为多个组。
[0203]
在本技术一个实施例中，所述等值模块包括：
[0204]
聚类单元，用于基于层次聚类法和所述待处理风速数据，得到聚类树状图；
[0205]
第二划分单元，用于基于所述聚类树状图，将所述风电机组群划分为多个类。
[0206]
在本技术一个实施例中，所述聚类单元用于：
[0207]
将所述风电机组群中的风电机组的待处理风速数据确定为样本，获取样本两两之间的相关距离作为簇；
[0208]
利用离差平方和法计算簇之间距离，将距离最近的两个簇合并为一个新簇；
[0209]
判断当前簇的个数是否唯一，若否，则再次利用离差平方和法计算簇之间距离，将距离最近的两个簇合并为一个新簇，直至当前簇的个数唯一，生成聚类树状图。
[0210]
在本技术一个实施例中，所述等值模块包括：
[0211]
生成单元，用于根据预获取的空气密度、转子叶片扫掠面积、最大风能利用系数和所述等值风电机组对应的各台风电机组的风速数据，生成风速功率曲线并确定所述等值风电机组对应的平均功率；
[0212]
等值风速确定单元，用于根据所述风速功率曲线和所述等值风电机组对应的平均功率，确定所述等值风电机组的等值风速；
[0213]
平均功率确定单元，用于根据所述等值风速、预获取的空气密度、转子叶片扫掠面积和最大风能利用系数，生成所述等值风电机组的平均功率，所述等值参数包括：所述等值风速和平均功率；
[0214]
等值集电线路参数确定单元，用于确定所述等值风电机组的等值集电线路参数。
[0215]
在本技术一个实施例中，所述等值模块包括：
[0216]
等值参数确定单元，用于确定所述等值风电机组的等值参数；
[0217]
等值干式线路阻抗确定单元，用于根据所述等值风电机组对应的风电机组台数、各台风电机组的功率和阻抗，得到所述等值风电机组的等值干式线路阻抗；
[0218]
值放射式线路阻抗确定单元，用于根据所述等值风电机组对应的风电机组台数、各台风电机组的功率和阻抗，得到所述等值风电机组的等值放射式线路阻抗；
[0219]
所述等值集电线路参数包括：等值干式线路阻抗和等值放射式线路阻抗。
[0220]
本说明书提供的风电场的建模装置的实施例具体可以用于执行上述风电场的建模方法的实施例的处理流程，其功能在此不再赘述，可以参照上述风电场的建模方法实施例的详细描述。
[0221]
从硬件层面来说，为了提高风电场的聚合模型的可靠性，提高应用场景的广泛性，本技术提供一种用于实现所述风电场的建模方法中的全部或部分内容的电子设备的实施例所述电子设备具体包含有如下内容：
[0222]
处理器(processor)、存储器(memory)、通信接口(communications interface)和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述通信接口用于实现所述风电场的建模装置以及用户终端等相关设备之间的信息传输；该电子设备可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该电子设备可以参照实施例用于实现所述风电场的建模方法的实施例及用于实现所述风电场的建模装置的实施例进行实施，其内容被合并于此，重复之处不再赘述。
[0223]
图14为本技术实施例的电子设备9600的系统构成的示意框图。如图14所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图14是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。
[0224]
在本技术一个或多个实施例中，风电场的建模功能可以被集成到中央处理器9100中。其中，中央处理器9100可以被配置为进行如下控制：
[0225]
步骤100：获取目标风电场中的风电机组群在多个时间段内的风速数据；
[0226]
步骤200：通过对所述风速数据进行相关系数计算，将所述风速数据划分为多个组，每组包括：所述风电机组群在至少一个时间段内的风速数据；
[0227]
步骤300：将对应的时间段个数最多的组中的风速数据确定为待处理风速数据，基于层次聚类法和所述待处理风速数据，将所述风电机组群划分为多类风电机组，将同一类风电机组等值为一台等值风电机组，并确定所述等值风电机组的等值参数和等值集电线路参数；
[0228]
步骤400：根据所述等值风电机组的等值参数和等值集电线路参数，构建得到所述目标风电场的聚合模型。
[0229]
从上述描述可知，本技术的实施例提供的电子设备，能够提高风电场的聚合模型的可靠性，提高应用场景的广泛性。
[0230]
在另一个实施方式中，风电场的建模装置可以与中央处理器9100分开配置，例如可以将风电场的建模装置配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现风电场的建模功能。
[0231]
如图14所示，该电子设备9600还可以包括：通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图14中所示的所有部件；此外，电子设备9600还可以包括图14中没有示出的部件，可以参考现有技术。
[0232]
如图14所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
[0233]
其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。
[0234]
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示
对象的显示。该显示器例如可为lcd显示器，但并不限于此。
[0235]
该存储器9140可以是固态存储器，例如，只读存储器(rom)、随机存取存储器(ram)、sim卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为eprom等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
[0236]
存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
[0237]
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。
[0238]
基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131提供音频输出，并接收来自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。
[0239]
上述描述可知，本技术的实施例提供的电子设备，能够提高风电场的聚合模型的可靠性，提高应用场景的广泛性。
[0240]
本技术的实施例还提供能够实现上述实施例中的风电场的建模方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的风电场的建模方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
[0241]
步骤100：获取目标风电场中的风电机组群在多个时间段内的风速数据；
[0242]
步骤200：通过对所述风速数据进行相关系数计算，将所述风速数据划分为多个组，每组包括：所述风电机组群在至少一个时间段内的风速数据；
[0243]
步骤300：将对应的时间段个数最多的组中的风速数据确定为待处理风速数据，基于层次聚类法和所述待处理风速数据，将所述风电机组群划分为多类风电机组，将同一类风电机组等值为一台等值风电机组，并确定所述等值风电机组的等值参数和等值集电线路参数；
[0244]
步骤400：根据所述等值风电机组的等值参数和等值集电线路参数，构建得到所述目标风电场的聚合模型。
[0245]
从上述描述可知，本技术实施例提供的计算机可读存储介质，能够提高风电场的聚合模型的可靠性，提高应用场景的广泛性。
[0246]
本技术中上述方法的各个实施例均采用递进的方式描述，各个实施例之间相同相
似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。相关之处参见方法实施例的部分说明即可。
[0247]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0248]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0249]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0250]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0251]
本技术中应用了具体实施例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。