频率响应特性处理方法、装置及计算机设备与流程

1.本技术涉及电力系统技术领域，特别是涉及一种频率响应特性处理方法、装置及计算机设备。


背景技术：

2.风电大规模接入电力系统后，导致传统同步机组占比下降，电源端惯量与调频能力随之降低，电力系统受扰后的频率失稳风险上升。为了增强频率稳定性，通过控制策略对风电机组进行改造，使得风电机组具备惯量响应、一次调频等频率响应能力，一定程度上缓解了系统受扰后的频率失稳问题。
3.但由于风电机组的频率响应特征受到控制策略和运行状态等多重因素影响，其有功支撑特征呈现时变特征，难以通过类似同步机组的低阶模型进行刻画，风电机组的频率响应特性分析需要保留多个控制环节的详细模型。然而，风电场内不同风电机组间控制参数、运行状态差异明显，若保留全部机组的详细模型参与系统频率分析，将导致计算量骤增，难以实现快速计算和快速分析。
4.可见，目前风电场的频率响应特性分析方法存在计算量大、频率响应特性分析速度慢的问题。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种频率响应特性处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，以以实现对风电场内不同控制参数、不同运行状态下多台风电机组的整体频率响应特性分析，提高风电频率响应特性分析速度。
6.第一方面，本技术提供了一种频率响应特性处理方法，所述方法包括：
7.获取各台风电机组的运行状态；
8.根据各台所述风电机组的所述运行状态，对各台所述风电机组进行分群聚类，得到多个目标风电机组簇；
9.针对任一所述目标风电机组簇，根据所述目标风电机组簇内的各台所述风电机组的所述运行状态，以及预设的频率时序曲线，确定所述目标风电机组簇在各个时刻的聚合直轴电流；
10.针对任一所述目标风电机组簇，根据机端电压的直轴分量，以及所述目标风电机组簇在各个时刻的所述聚合直轴电流，确定所述目标风电机组簇的实发有功功率曲线。
11.在其中一个实施例中，所述根据各台所述风电机组的所述运行状态，对各台所述风电机组进行分群聚类，得到多个目标风电机组簇，包括：
12.对各台所述风电机组的所述运行状态进行归一化处理，得到各台所述风电机组的归一化运行状态；
13.采用层次聚类法，基于各台所述风电机组的所述归一化运行状态，对各台所述风电机组进行分群聚类，得到多个目标风电机组簇。
14.在其中一个实施例中，所述根据所述目标风电机组簇内的各台所述风电机组的所述运行状态，以及预设的频率时序曲线，确定所述目标风电机组簇在各个时刻的聚合直轴电流，包括：
15.根据所述目标风电机组簇内的各台所述风电机组的所述运行状态，确定所述目标风电机组簇的状态量和输入量；
16.根据所述目标风电机组簇的所述状态量和所述输入量，确定所述目标风电机组簇对应的聚合参数；
17.根据所述目标风电机组簇对应的所述聚合参数、所述目标风电机组簇的所述状态量和所述输入量，以及预设的频率时序曲线，确定所述目标风电机组簇在各个时刻的聚合直轴电流。
18.在其中一个实施例中，所述根据所述目标风电机组簇对应的所述聚合参数、所述目标风电机组簇的所述状态量和所述输入量，以及预设的频率时序曲线，确定所述目标风电机组簇在各个时刻的聚合直轴电流，包括：
19.获取所述风电机组的主轴运动方程，以及所述风电机组的机侧变流器的有功参考值模型；
20.基于所述主轴运动方程和所述有功参考值模型，对所述目标风电机组簇对应的所述状态量、所述输入量、所述聚合参数，以及预设的频率时序曲线进行处理，得到所述目标风电机组簇在各个时刻的有功参考值；
21.根据所述目标风电机组簇在各个时刻的所述有功参考值、所述输入量、所述聚合参数，以及所述机端电压的直轴分量，确定所述目标风电机组簇在不同时刻的聚合直轴电流。
22.在其中一个实施例中，所述基于所述主轴运动方程和所述有功参考值模型，对所述目标风电机组簇对应的所述状态量、所述输入量、所述聚合参数，以及预设的频率时序曲线进行处理，得到所述目标风电机组簇在各个时刻的有功参考值，包括：
23.根据机械功率的计算系数、所述目标风电机组簇对应的所述状态量、所述输入量，确定所述目标风电机组簇的机械功率；
24.基于所述主轴运动方程和所述有功参考值模型，对所述目标风电机组簇对应的所述状态量、所述聚合参数、所述机械功率，以及预设的频率时序曲线进行处理，得到所述目标风电机组簇在各个时刻的有功参考值。
25.在其中一个实施例中，所述输入量包括聚合无功参考值，所述聚合参数包括聚合电流限值，根据所述目标风电机组簇在不同时刻的所述有功参考值、所述输入量、所述聚合参数，以及所述机端电压的直轴分量，确定所述目标风电机组簇在不同时刻的聚合直轴电流，包括：
26.根据所述目标风电机组簇在各个时刻的所述有功参考值，以及所述机端电压的直轴分量，确定所述目标风电机组簇在各个时刻的直轴电流；
27.根据所述聚合无功参考值，以及所述机端电压的直轴分量，确定交轴电流；
28.根据所述交轴电流、所述聚合电流限值，以及所述目标风电机组簇在各个时刻的所述直轴电流，确定所述目标风电机组簇在各个时刻的聚合直轴电流。
29.第二方面，本技术还提供了一种频率响应特性处理装置，所述装置包括：
30.状态获取模块，用于获取各台风电机组的运行状态；
31.分群聚类模块，用于根据各台所述风电机组的所述运行状态，对各台所述风电机组进行分群聚类，得到多个目标风电机组簇；
32.电流计算模块，用于针对任一所述目标风电机组簇，根据所述目标风电机组簇内的各台所述风电机组的所述运行状态，以及预设的频率时序曲线，确定所述目标风电机组簇在各个时刻的聚合直轴电流；
33.功率计算模块，用于针对任一所述目标风电机组簇，根据机端电压的直轴分量，以及所述目标风电机组簇在各个时刻的所述聚合直轴电流，确定所述目标风电机组簇的实发有功功率曲线。
34.在其中一个实施例中，所述分群聚类模块，还用于对各台所述风电机组的所述运行状态进行归一化处理，得到各台所述风电机组的归一化运行状态；采用层次聚类法，基于各台所述风电机组的所述归一化运行状态，对各台所述风电机组进行分群聚类，得到多个目标风电机组簇。
35.在其中一个实施例中，所述电流计算模块，还用于根据所述目标风电机组簇内的各台所述风电机组的所述运行状态，确定所述目标风电机组簇的状态量和输入量；根据所述目标风电机组簇的所述状态量和所述输入量，确定所述目标风电机组簇对应的聚合参数；根据所述目标风电机组簇对应的所述聚合参数、所述目标风电机组簇的所述状态量和所述输入量，以及预设的频率时序曲线，确定所述目标风电机组簇在各个时刻的聚合直轴电流。
36.在其中一个实施例中，所述电流计算模块，还用于获取所述风电机组的主轴运动方程，以及所述风电机组的机侧变流器的有功参考值模型；基于所述主轴运动方程和所述有功参考值模型，对所述目标风电机组簇对应的所述状态量、所述输入量、所述聚合参数，以及预设的频率时序曲线进行处理，得到所述目标风电机组簇在各个时刻的有功参考值；根据所述目标风电机组簇在各个时刻的所述有功参考值、所述输入量、所述聚合参数，以及所述机端电压的直轴分量，确定所述目标风电机组簇在不同时刻的聚合直轴电流。
37.在其中一个实施例中，所述电流计算模块，还用于根据机械功率的计算系数、所述目标风电机组簇对应的所述状态量、所述输入量，确定所述目标风电机组簇的机械功率；基于所述主轴运动方程和所述有功参考值模型，对所述目标风电机组簇对应的所述状态量、所述聚合参数、所述机械功率，以及预设的频率时序曲线进行处理，得到所述目标风电机组簇在各个时刻的有功参考值。
38.在其中一个实施例中，所述输入量包括聚合无功参考值，所述聚合参数包括聚合电流限值，所述电流计算模块，还用于根据所述目标风电机组簇在各个时刻的所述有功参考值，以及所述机端电压的直轴分量，确定所述目标风电机组簇在各个时刻的直轴电流；根据所述聚合无功参考值，以及所述机端电压的直轴分量，确定交轴电流；根据所述交轴电流、所述聚合电流限值，以及所述目标风电机组簇在各个时刻的所述直轴电流，确定所述目标风电机组簇在各个时刻的聚合直轴电流。
39.第三方面，本技术还提供了一种计算机设备，所述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各方法实施例中的步骤。
40.第四方面，本技术还提供了一种计算机可读存储介质，所述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各方法实施例中的步骤。
41.第五方面，本技术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各方法实施例中的步骤。
42.上述频率响应特性处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，获取各台风电机组的运行状态；根据各台所述风电机组的所述运行状态，对各台所述风电机组进行分群聚类，得到多个目标风电机组簇；针对任一所述目标风电机组簇，根据所述目标风电机组簇内的各台所述风电机组的所述运行状态，以及预设的频率时序曲线，确定所述目标风电机组簇在各个时刻的聚合直轴电流；针对任一所述目标风电机组簇，根据机端电压的直轴分量，以及所述目标风电机组簇在各个时刻的所述聚合直轴电流，确定所述目标风电机组簇的实发有功功率曲线。相比于传统技术中通过多个控制环节的详细模型进行系统频率分析，本技术提供的频率响应特性处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，按各台风电机组的运行状态分群，得到多个目标风电机组簇，基于目标风电机组簇的运行状态以及预设的频率时序曲线，确定标风电机组簇的实发有功功率曲线，实现了风电场频率响应特性分析的简化，对频率响应控制环节进行聚合建模，进而可以对风电场内不同控制参数、不同运行状态下多台风电机组的整体实现频率响应特性分析，减小了计算量，从而提升了频率响应特性处理速度。
附图说明
43.图1为一个实施例中频率响应特性处理方法的流程示意图。
44.图2为一个实施例中步骤104的流程示意图。
45.图3为一个实施例中步骤106的流程示意图。
46.图4为一个实施例中步骤306的流程示意图。
47.图5为一个实施例中步骤404的流程示意图。
48.图6为一个实施例中步骤406的流程示意图。
49.图7为一个实施例中频率响应特性处理方法的流程示意图。
50.图8为一个实施例中频率响应特性处理方法的流程示意图。
51.图9为一个实施例中的模拟频率信号图。
52.图10为一个实施例中各目标风电机组簇的有功功率真实值曲线图。
53.图11为一个实施例中实发有功功率曲线与有功功率真实值对比图。
54.图12为一个实施例中频率响应特性处理装置的结构框图。
55.图13为一个实施例中计算机设备的内部结构图。
具体实施方式
56.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
57.风电大规模接入电力系统导致传统同步机组占比下降，电源端惯量与调频能力随
之降低，系统受扰后的频率失稳风险上升。为了增强频率稳定性，风电机组通过控制策略改造，具备惯量响应、一次调频等频率响应能力，一定程度上缓解了系统受扰后的频率失稳问题。但由于风电机组的频率响应特征受到控制策略和运行状态等多重因素影响，其有功支撑特征呈现时变特征，难以通过类似同步机组的低阶模型进行刻画，风电机组的频率响应特性分析需要保留多个控制环节的详细模型。然而，风电场内不同风电机组间控制参数、运行状态差异明显，若保留全部机组的详细模型参与系统频率分析，将导致计算量骤增，难以实现快速计算和快速分析。因此，提出一种用于风电场频率响应特性分析的聚合建模方法，对于提高风电频率响应特性分析速度，保证新能源电力系统稳定计算精度，具有重要意义。
58.现有的风电场暂态特征聚合建模方法中，多是针对传统最大功率跟踪模式下的双馈风电机组和直驱风电机组进行分析，风电机组中均不具备虚拟惯量控制或下垂控制。上述方法的目标是获得多台风电机组在电压暂态过程中的机端电压、电流变化曲线，重点考虑低电压穿越、网侧变流器控制参数等影响，通过参数加权等效的方式实现聚合机组建模，但并未提出如何对频率响应控制环节进行聚合建模，已有模型难以直接实现风电场的频率响应特性聚合分析。
59.基于此，本技术实施例提供了一种频率响应特性处理方法，通过风电场内机组按运行状态分群，实现了风电场频率响应特性分析的简化，实现全场的频率响应特性分析。
60.在一个实施例中，如图1所示，提供了一种频率响应特性处理方法，本实施例以该方法应用于服务器进行举例说明，可以理解的是，该方法也可以应用于终端，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
61.步骤102，获取各台风电机组的运行状态。
62.本技术实施例中，各台风电机组的运行状态可以通过风电场主控站进行采集，形成各台风电机组的运行状态样本集。运行状态可以包括机端风速、主轴转速、桨距角角度、有功功率、无功功率。示例性的，单台风电机组的运行状态样本集可以如公式(一)所示。
[0063][0064]
其中，xb为第b台风电机组的样本，为第b台风电机组的机端风速、为第b台风电机组的主轴转速、βb为第b台风电机组的桨距角角度、pb为第b台风电机组的有功功率、qb为第b台风电机组的无功功率。
[0065]
步骤104，根据各台风电机组的运行状态，对各台风电机组进行分群聚类，得到多个目标风电机组簇。
[0066]
本技术实施例中，可以采用层次聚类法对归一化后的各台风电机组的运行状态样本进行分群聚类，通过设定聚类簇的集合距离和簇数，不断将集合距离最接近的簇进行合并，直到聚类簇数达到要求，得到合并后的多个目标风电机组簇。
[0067]
步骤106，针对任一目标风电机组簇，根据目标风电机组簇内的各台风电机组的运行状态，以及预设的频率时序曲线，确定目标风电机组簇在各个时刻的聚合直轴电流。
[0068]
本技术实施例中，可以根据目标风电机组簇内的各台风电机组的运行状态，对分群后的目标风电机组簇内各风电机组的运行状态、模型参数等进行聚合求解，得到目标风电机组簇的状态量、输入量和聚合参数。各风电机组的模型参数可以包括风电机组最大功率跟踪控制的有功系数、一次调频系数、虚拟惯量系数、主轴转动惯量、电流限值等。各台风
电机组对应的模型参数可以在电网中直接获取。目标风电机组簇的状态量可以包括聚合主轴转速，输入量可以包括聚合风速、聚合桨距角、聚合无功参考值等。聚合参数可以包括聚合风能利用系数、聚合风电机组最大功率跟踪控制的有功系数、聚合一次调频系数、聚合虚拟惯量系数、聚合主轴转动惯量、聚合电流限值等。
[0069]
将目标风电机组簇的状态量、输入量和聚合参数，以及预设的频率时序曲线代入用于进行风电机组频率响应特性分析的动态模型，获得目标风电机组簇内聚合机组的各个时刻的聚合d轴(直轴，direct-axis)电流。动态模型是预先构建的用于进行风电机组频率响应特性分析的模型。可以设定不同的频率跌落事件，频率跌落值随时间变化导致频率跌落后的频率也随时间变化，频率跌落后的频率随着时间的改变即为预设的频率时序曲线。预设的频率时序曲线用于表征不同的频率跌落事件。
[0070]
步骤108，针对任一目标风电机组簇，根据机端电压的直轴分量，以及目标风电机组簇在各个时刻的聚合直轴电流，确定目标风电机组簇的实发有功功率曲线。
[0071]
本技术实施例中，目标风电机组簇的实发有功功率与机端电压的直轴分量、目标风电机组簇在各个时刻的聚合直轴电流呈正相关。机端电压的直轴分量是一个固定值，在获取机端电压的直轴分量后，可以根据机端电压的直轴分量确定聚合机端电压，聚合机端电压为风电场并网点电压d轴分量。
[0072]
忽略变流器内锁相环的动态过程，即锁相相位能够无差跟踪外网电压相位，将聚合机端电压、与目标风电机组簇在各个时刻的聚合直轴电流相乘，得到的乘积即为各个时刻的实发有功功率，表现为实发有功功率曲线。实发有功功率曲线的横轴为时间/s，纵轴为实发有功功率/p.u.。示例性的，目标风电机组簇的实发有功功率可以满足下列公式(二)。
[0073]
p
e.real
＝i
d.agg
×ud.agg
ꢀꢀꢀꢀꢀꢀꢀ
公式(二)
[0074]
其中，p
e.real
为目标风电机组簇的实发有功功率，i
d.agg
为聚合直轴电流，u
d.agg
为聚合机端电压。聚合机端电压可以满足下列公式(三)。
[0075][0076]
其中，j为第i个目标风电机组簇内的风电机组，u
d,j
为风电机组j的机端电压的直轴分量，gj为风电机组j与风电场并网点之间线路的等值电导。
[0077]
上述频率响应特性处理方法，获取各台风电机组的运行状态；根据各台风电机组的运行状态，对各台风电机组进行分群聚类，得到多个目标风电机组簇；针对任一目标风电机组簇，根据目标风电机组簇内的各台风电机组的运行状态，以及预设的频率时序曲线，确定目标风电机组簇在各个时刻的聚合直轴电流；针对任一目标风电机组簇，根据机端电压的直轴分量，以及目标风电机组簇在各个时刻的聚合直轴电流，确定目标风电机组簇的实发有功功率曲线。相比于传统技术中通过多个控制环节的详细模型进行系统频率分析，本技术提供的频率响应特性处理方法，按各台风电机组的运行状态分群，得到多个目标风电机组簇，基于目标风电机组簇的运行状态以及预设的频率时序曲线，确定标风电机组簇的实发有功功率曲线，实现了风电场频率响应特性分析的简化，对频率响应控制环节进行聚合建模，进而可以对风电场内不同控制参数、不同运行状态下多台风电机组的整体实现频率响应特性分析，减小了计算量，从而提升了频率响应特性处理速度。
[0078]
在一个实施例中，如图2所示，在步骤104中，根据各台风电机组的运行状态，对各
台风电机组进行分群聚类，得到多个目标风电机组簇，可以包括：
[0079]
步骤202，对各台风电机组的运行状态进行归一化处理，得到各台风电机组的归一化运行状态。
[0080]
其中，运行状态可以包括机端风速、主轴转速、桨距角角度、有功功率、无功功率。对各台风电机组的运行状态进行归一化处理，可以将上述五项运行状态的数据按照全场风电机组对应运行状态的最大值作为标准值进行计算。示例性的，各台风电机组的归一化运行状态可以满足下列公式(四)。
[0081][0082]
其中，为第b台风电机组的归一化机端风速、为第b台风电机组的归一化主轴转速、β
b.unit
为第b台风电机组的归一化桨距角角度、p
b.unit
为第b台风电机组的归一化有功功率、q
b.unit
为第b台风电机组的归一化无功功率、max vw为各台风电机组中的最大机端风速、max wr为各台风电机组中的最大主轴转速、maxβ为各台风电机组中的最大桨距角角度、max p为各台风电机组中的最大有功功率、max q为各台风电机组中的最大无功功率。
[0083]
步骤204，采用层次聚类法，基于各台风电机组的归一化运行状态，对各台风电机组进行分群聚类，得到多个目标风电机组簇。
[0084]
其中，采用层次聚类法，基于各台风电机组的归一化运行状态，对各台风电机组进行分群聚类，可以通过设定聚类簇的目标簇数，不断将集合距离最接近的聚类簇进行合并，重复以上过程直到当前聚类簇数达到目标簇数要求。
[0085]
示例性的，采用层次聚类法，基于各台风电机组的归一化运行状态，对各台风电机组进行分群聚类，得到多个目标风电机组簇，可以分为以下几个步骤：
[0086]
(1)启动聚类计算，可以设置聚类簇的目标簇数为k，将每一个风电机组暂存为一个聚类簇，记第j个聚类簇为cj。本技术实施例不对聚类簇的目标簇数做具体限定，可以根据实际应用中具体需求设定，例如k可以为4。
[0087]
(2)构建聚类簇间距离矩阵m，聚类簇间距离矩阵m中的矩阵元素满足下列公式(五)。
[0088][0089]
其中，m(a,e)为聚类簇间距离矩阵m中第a行第e列的矩阵元素，ca为第a个聚类簇，n为风电机组的数量，为两个聚类簇间的集合距离，x为第a个聚类簇中风电机组的归一化运行状态，y为第e个聚类簇中风电机组的归一化运行状态。dist(x,y)为欧式距离，可以满足下列公式(六)。
[0090][0091]
其中，d为公式(四)中归一化运行状态的项数，例如，运行状态可以包括机端风速、主轴转速、桨距角角度、有功功率、无功功率，则d为1到5的整数。xd为第a个聚类簇中风电机组的归一化运行状态的第d项，yd为第e个聚类簇中风电机组的归一化运行状态的第d项。例如：d为1，则x1为第a个聚类簇中一台风电机组的归一化运行状态的机端风速，y1为第e个聚类簇中一台风电机组的归一化运行状态的机端风速，在聚类簇a中任取一台风电机组的xd，与聚类簇e中任取一台风电机组的yd进行欧式距离计算，得到聚类簇a与聚类簇e之间的多个欧式距离，将其中的最小值作为聚类簇a与聚类簇e之间的集合距离。
[0092]
(3)设置初始聚类簇个数m＝n。
[0093]
(4)判断聚类簇个数是否满足要求，若m》k，继续步骤(5)，若m＝k，则转至步骤(9)。
[0094]
(5)在聚类簇间距离矩阵m中寻找最小值m(a,e)，合并聚类簇ca和ce，生成新的聚类簇
[0095]
(6)对c
e+1
后的所有聚类簇重新编号，c
e+1
后的所有聚类簇的编号减1。
[0096]
(7)删除聚类簇间距离矩阵m的第e行和第e列，重新按照公式(五)计算合并后的聚类簇间距离矩阵m。
[0097]
(8)更新m＝m-1，返回步骤(4)。
[0098]
(9)输出各聚类簇内的各台风电机组编号，结束聚类分群计算，并将最终得到的聚类簇作为目标风电机组簇。
[0099]
本公开实施例中，通过风电场内机组按运行状态分群聚类，实现了风电场频率响应特性分析的简化，以便于基于聚类后的目标风电机组簇进行频率响应特性处理，在实现全场的频率响应特性处理的同时，减少计算量，提高计算速度。
[0100]
在一个实施例中，如图3所示，在步骤106中，根据目标风电机组簇内的各台风电机组的运行状态，以及预设的频率时序曲线，确定目标风电机组簇在各个时刻的聚合直轴电流，可以包括：
[0101]
步骤302，根据目标风电机组簇内的各台风电机组的运行状态，确定目标风电机组簇的状态量和输入量。
[0102]
其中，目标风电机组簇的状态量可以包括聚合主轴转速，输入量可以包括聚合风速、聚合桨距角。目标风电机组簇的聚合主轴转速，与各风电机组的运行状态中的主轴转速呈正相关，聚合风速与各风电机组的运行状态中的机端风速呈正相关，聚合桨距角与各风电机组的运行状态中的桨距角角度呈正相关。示例性的，聚合主轴转速可以满足下列公式(七)。
[0103][0104]
其中，为第i个目标风电机组簇的聚合主轴转速，mi为目标风电机组簇i内风电机组的台数，w
r.j
为目标风电机组簇i内的风电机组j的主轴转速。
[0105]
聚合风速可以满足下列公式(八)。
[0106][0107]
其中，为第i个目标风电机组簇的聚合风速，v
w.j
为目标风电机组簇i内的风电机组j的机端风速。
[0108]
聚合桨距角可以满足下列公式(九)。
[0109][0110]
其中，为第i个目标风电机组簇的聚合桨距角，βj为目标风电机组簇i内的风电机组j的桨距角角度。
[0111]
输入量还可以包括聚合无功参考值，满足下列公式(十)。
[0112][0113]
其中，第i个目标风电机组簇的聚合无功参考值，q
ref.j
为目标风电机组簇i内的风电机组j的无功参考值，sj为第j台风电机组的额定容量。
[0114]
步骤304，根据目标风电机组簇的状态量和输入量，确定目标风电机组簇对应的聚合参数。
[0115]
其中，聚合参数可以包括聚合风能利用系数。聚合风能利用系数可以基于关于状态量中的聚合主轴转速、聚合风速以及聚合桨距角的函数计算得出。需要说明的是，本技术实施例不对风能利用系数的函数计算方式做具体限定。示例性的，聚合风能利用系数可以满足下列公式(十一)。
[0116][0117]
其中，为第i个目标风电机组簇的聚合风能利用系数，r为风电机组叶轮的半径。
[0118]
聚合参数还可以包括聚合风电机组最大功率跟踪控制的有功系数、聚合一次调频系数、聚合虚拟惯量系数、聚合主轴转动惯量、聚合电流限值等。目标风电机组簇对应的聚合参数可以根据目标风电机组簇中各台风电机组对应的模型参数计算得到。各台风电机组对应的模型参数可以包括风电机组最大功率跟踪控制的有功系数、一次调频系数、虚拟惯量系数、主轴转动惯量、电流限值等。各台风电机组对应的模型参数可以在电网中直接获取。
[0119]
示例性的，聚合参数的计算可以满足下列公式(十二)、公式(十三)、公式(十四)、公式(十五)、公式(十六)。
[0120][0121][0122]
[0123][0124][0125]
其中，为第i个目标风电机组簇的聚合风电机组最大功率跟踪控制的有功系数、为第i个目标风电机组簇的聚合一次调频系数、为第i个目标风电机组簇的聚合虚拟惯量系数、为第i个目标风电机组簇的聚合主轴转动惯量、为第i个目标风电机组簇的聚合风能利用系数、为第i个目标风电机组簇的聚合电流限值。k
opt.j
为风电机组j的风电机组最大功率跟踪控制的有功系数，k
d.j
为风电机组j的一次调频系数，hj为风电机组j的虚拟惯量系数，j
ro.
为风电机组j的主轴转动惯量，i
lim.j
为风电机组j的电流限值。
[0126]
步骤306，根据目标风电机组簇对应的聚合参数、目标风电机组簇的状态量和输入量，以及预设的频率时序曲线，确定目标风电机组簇在各个时刻的聚合直轴电流。
[0127]
其中，可以将目标风电机组簇对应的聚合参数、目标风电机组簇的状态量和输入量，代入风电机组动态模型中，得到基于频率变化的风电场聚合模型，再将预设的频率时序曲线输入基于频率变化的风电场聚合模型，得到目标风电机组簇在各个时刻的聚合直轴电流。
[0128]
本公开实施例，对分群聚类后的多个目标风电机组簇进行状态量、输入量以及聚合参数的求解，从而将风电场各个风电机组的详细模型化简为聚合模型，得到目标风电机组簇在各个时刻的聚合直轴电流，实现了风电场频率响应特性分析的简化，在实现全场的频率响应特性处理的同时，减少计算量，提高计算速度。
[0129]
在一个实施例中，如图4所示，在步骤306中，根据目标风电机组簇对应的聚合参数、目标风电机组簇的状态量和输入量，以及预设的频率时序曲线，确定目标风电机组簇在各个时刻的聚合直轴电流，可以包括：
[0130]
步骤402，获取风电机组的主轴运动方程，以及风电机组的机侧变流器的有功参考值模型。
[0131]
其中，风电机组的频率响应控制主要通过机侧变流器的有功参考值计算环节改造实现，因此只需要关注机电时间尺度下的机端有功功率变化过程，其机侧变流器交流电流、直流电压时间尺度的动态可以忽略不计，认为网侧变流器的实发有功功率完全跟踪机侧变流器的有功参考值。风电机组的机侧变流器的有功参考值模型可以满足下列公式(十七)。
[0132][0133]
其中，pe为机侧变流器的有功参考值，k
opt
为风电机组最大功率跟踪控制的有功系数，kd为一次调频系数，fn为电网额定频率，f为机端频率，h为风电机组的虚拟惯量系数。fn电网额定频率一般为50hz，机端频率f可以由预设的频率时序曲线确定。wr是随时间变化的主轴转速，初始时间t0时刻的主轴转速可以直接获取，t0时刻后的主轴转速可以通过主轴运动方程计算得到。风电机组的主轴运动方程可以满足下列公式(十八)。
[0134][0135]
其中，j
ro
为风电机组主轴的转动惯量，pm为机械功率。
[0136]
步骤404，基于主轴运动方程和有功参考值模型，对目标风电机组簇对应的状态量、输入量、聚合参数，以及预设的频率时序曲线进行处理，得到目标风电机组簇在各个时刻的有功参考值。
[0137]
其中，针对任一目标风电机组簇i，可以先将目标风电机组簇i的状态量、输入量以及聚合参数等代入主轴运动方程，得到各个时刻的聚合主轴风速，并将聚合参数、各个时刻的聚合主轴风速以及预设的频率时序曲线，代入有功参考值模型得到目标风电机组簇i各个时刻的有功参考值。
[0138]
步骤406，根据目标风电机组簇在各个时刻的有功参考值、输入量、聚合参数，以及机端电压的直轴分量，确定目标风电机组簇在不同时刻的聚合直轴电流。
[0139]
其中，可以获取网侧变流器的电流模型，并将目标风电机组簇在各个时刻的有功参考值、输入量、聚合参数，以及机端电压的直轴分量，代入网侧变流器的电流模型，进而得到目标风电机组簇在不同时刻的聚合直轴电流。
[0140]
本公开实施例，基于主轴运动方程和有功参考值模型来确定目标风电机组簇在不同时刻的聚合直轴电流，实现了风电场频率响应特性分析的简化，在实现全场的频率响应特性处理的同时，减少计算量，提高计算速度。
[0141]
在一个实施例中，如图5所示，在步骤404中，基于主轴运动方程和有功参考值模型，对目标风电机组簇对应的状态量、输入量、聚合参数，以及预设的频率时序曲线进行处理，得到目标风电机组簇在各个时刻的有功参考值，可以包括：
[0142]
步骤502，根据机械功率的计算系数、目标风电机组簇对应的状态量、输入量，确定目标风电机组簇的机械功率。
[0143]
其中，机械功率与机械功率的计算系数、目标风电机组簇对应的状态量、输入量等呈正相关。机械功率的计算系数一般取值为7000～12000。目标风电机组簇的机械功率可以满足下列公式(十九)。
[0144][0145]
其中，pm为机械功率，k
pm
为机械功率的计算系数，全场风电机组的k
pm
系数均相等，c
p
为风能利用系数，是关于叶尖速比和桨距角的函数。vw为机端风速、wr为主轴转速、β为桨距角角度。针对任一目标风电机组簇，将目标风电机组簇对应的聚合主轴转速聚合风能利用系数聚合风速代入公式(十九)，即可得到目标风电机组簇的机械功率。
[0146]
步骤504，基于主轴运动方程和有功参考值模型，对目标风电机组簇对应的状态量、聚合参数、机械功率，以及预设的频率时序曲线进行处理，得到目标风电机组簇在各个时刻的有功参考值。
[0147]
其中，在获得目标风电机组簇的机械功率后，可以将机械功率代入主轴运动方程，也即公式(十八)，并结合目标风电机组簇对应的状态量、聚合参数、以及预设的频率时序曲线和公式(十七)，进而可以计算得到目标风电机组簇在各个时刻的有功参考值。
[0148]
本公开实施例，基于机械功率的计算系数、目标风电机组簇对应的状态量、输入量等确定机械功率，进而根据机械功率、主轴运动方程以及有功参考值模型，得到目标风电机组簇在各个时刻的有功参考值，实现了风电场频率响应特性分析的简化。
[0149]
在一个实施例中，输入量包括聚合无功参考值，聚合参数包括聚合电流限值，如图6所示，在步骤406中，根据目标风电机组簇在各个时刻的有功参考值、输入量、聚合参数，以及机端电压的直轴分量，确定目标风电机组簇在不同时刻的聚合直轴电流，可以包括：
[0150]
步骤602，根据目标风电机组簇在各个时刻的有功参考值，以及机端电压的直轴分量，确定目标风电机组簇在各个时刻的直轴电流。
[0151]
其中，直轴电流为不考虑电流限幅环节的d轴电流。根据有功参考值以及机端电压的直轴分量，可以确定不考虑电流限幅环节的d轴电流。直轴电流与有功参考值呈正相关，与机端电压的直轴分量呈负相关。
[0152]
步骤604，根据聚合无功参考值，以及机端电压的直轴分量，确定交轴电流。
[0153]
其中，交轴电流为不考虑电流限幅环节的q轴(交轴，quadrature axis)电流。根据无功参考值以及机端电压的直轴分量，可以确定不考虑电流限幅环节的q轴电流。示例性的，对于网侧变流器，可以忽略其电流内环的动态过程，但由于有电流限幅环节，需要建立其d轴、q轴的电流限制模型。按照功率不受限的假设计算，网侧变流器不考虑电流限幅环节的d、q轴电流可以满足以下公式(二十)。
[0154][0155]
其中，i
d.f
、i
q.f
分别为不考虑电流限幅环节的d、q轴电流。
[0156]
步骤606，根据交轴电流、聚合电流限值，以及目标风电机组簇在各个时刻的直轴电流，确定目标风电机组簇在各个时刻的聚合直轴电流。
[0157]
其中，目标风电机组簇的聚合直轴电流可以根据不考虑电流限幅环节的d轴电流、不考虑电流限幅环节的q轴电流、以及聚合电流限值确定得到。若直轴电流的平方，与交轴电流的平方的和，小于或等于聚合电流限值的平方，则聚合直轴电流与直轴电流相等。示例性的，目标风电机组簇在各个时刻的聚合直轴电流可以满足下列公式(二十一)。
[0158][0159]
其中，id为目标风电机组簇的直轴电流，i
lim
为电流限值。需要说明的是，在进行公式(二十)以及(二十一)计算过程中，需使用聚合电流限值代入i
lim
，聚合机端电压u
d.agg
代入ud，聚合无功参考值代入q
ref
。
[0160]
目标风电机组簇的q轴电流iq可以满足公式(二十二)。
[0161][0162]
本公开实施例，基于不考虑电流限幅环节的d、q轴电流与电流限值大小，进一步确定了目标风电机组簇在各个时刻的聚合直轴电流，以使后续可以基于各个时刻的聚合直轴电流和预设的频率时序曲线，得到实发功率曲线，实现全场的频率响应特性处理。
[0163]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0164]
为了便于本技术实施例的进一步理解，参见图7和图8，本技术在此提供一种最完整实施例。按照风电机组运行状态进行分群聚类，从风电场主控站获得各台风电机组的机端风速、主轴转速等状态量，采用层次聚类法，按照预先设定的聚类簇数进行分群聚类。构造适用于频率响应特性分析的风电机组多环节动态模型。分别分析风电机组机侧变流器、主轴、网侧变流器的动态过程，提取与频率过程时间尺度相关的状态变量，构造风电机组频率响应特性动态模型。对各分群内等值风电机组的状态量、输入量进行聚合数值求解，其中，待求状态量包括主轴转速，待求输入量包括风速、桨距角、机端电压、无功功率设定值。对各分群内等值风电机组的参数进行聚合数值求解。待求参数包括风电机组最大功率跟踪控制的有功系数、一次调频系数、虚拟惯量系数、主轴转动惯量、风能利用系数、变流器电流限值。设定不同的频率跌落事件，将频率时序曲线输入至风电场聚合模型中，计算全风电场的有功功率，获得风电场的频率响应特性。本技术实施例通过风电场内机组按运行状态分群，实现了风电场频率响应特性分析的简化，所提的机组聚类和机组动态模型能够反映风电场在不同机端频率波动工况下有功功率特性，实现全场的频率响应特性分析。
[0165]
本技术实施例公开了面向风电场频率响应特性分析的聚合建模方法，该方法可通过对风电场进行动态建模，为全场频率支撑特性提供实时评估建模方法，为电网运行部门提供风电场频率响应能力曲线，进而为系统频率稳定分析提供基础模型。本技术实施例首先根据风电场内各台风电机组的机端风速、主轴转速、输出有功等物理量进行聚类分析，实现相近运行状态的机组分群；其次，对每一分群的多台机组采用单台等值风电机组进行建模，获得等值机组动态模型的状态量与输入量，状态量包括主轴转速，待求输入量包括风速、桨距角、机端电压、无功功率设定值；而后，根据各台机组的控制结构与控制参数，推导等值机组的控制结构，计算各分群等值机组的频率响应控制参数；最后，结合所建立的风电场聚合动态模型，基于不同外网扰动事件的频率时序曲线，计算全场的有功响应曲线，获得风电场的频率响应特性。
[0166]
本技术实施例提供的频率响应特性处理方法，将其应用于某实际风电场的频率响应特性分析中，具体应用方法如下：收集国内某地风电场60台风电机组某一时刻的运行状
态数据，包括机端风速、主轴转速、桨距角角度、有功功率、无功功率，其具体结果如表1所示。
[0167]
表1风电机组运行状态表
[0168][0169]
对风电场内60台风电机组按照其运行状态数据，采用层次聚类方法，进行分群聚类，设置聚类簇数为4，得到各簇内风电机组编号，具体结果如表2所示。
[0170]
表2风电机组分群聚类结果
[0171][0172]
在matlab simulink软件内搭建风电场的暂态仿真模型，为各台风电机组设置预想的频率事件曲线，模拟频率信号如图9所示。通过仿真，获得4个聚类簇内风电机组的机端有功曲线，如图10所示。按照本技术提出的频率响应特性处理方法，获得各分类簇内的等值风电机组，在同样的模拟频率信号下进行仿真，获得风电场聚合模型的有功输出功率，并将
其与真实值进行对比，如图11所示。标幺值系统下，聚合模型求解的有功功率均方误差为1.6118
×
10-7
，结果说明，本技术提出的频率响应特性处理方法计算误差在工程可接受范围内。
[0173]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的频率响应特性处理方法的频率响应特性处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个频率响应特性处理装置实施例中的具体限定可以参见上文中对于频率响应特性处理方法的限定，在此不再赘述。
[0174]
在一个实施例中，参见图12，提供了一种频率响应特性处理装置1200。频率响应特性处理装置1200包括：
[0175]
状态获取模块1202，用于获取各台风电机组的运行状态；
[0176]
分群聚类模块1204，用于根据各台风电机组的运行状态，对各台风电机组进行分群聚类，得到多个目标风电机组簇；
[0177]
电流计算模块1206，用于针对任一目标风电机组簇，根据目标风电机组簇内的各台风电机组的运行状态，以及预设的频率时序曲线，确定目标风电机组簇在各个时刻的聚合直轴电流；
[0178]
功率计算模块1208，用于针对任一目标风电机组簇，根据机端电压的直轴分量，以及目标风电机组簇在各个时刻的聚合直轴电流，确定目标风电机组簇的实发有功功率曲线。
[0179]
上述频率响应特性处理装置，获取各台风电机组的运行状态；根据各台风电机组的运行状态，对各台风电机组进行分群聚类，得到多个目标风电机组簇；针对任一目标风电机组簇，根据目标风电机组簇内的各台风电机组的运行状态，以及预设的频率时序曲线，确定目标风电机组簇在各个时刻的聚合直轴电流；针对任一目标风电机组簇，根据机端电压的直轴分量，以及目标风电机组簇在各个时刻的聚合直轴电流，确定目标风电机组簇的实发有功功率曲线。相比于传统技术中通过多个控制环节的详细模型进行系统频率分析，本技术提供的频率响应特性处理装置，按各台风电机组的运行状态分群，得到多个目标风电机组簇，基于目标风电机组簇的运行状态以及预设的频率时序曲线，确定标风电机组簇的实发有功功率曲线，实现了风电场频率响应特性分析的简化，对频率响应控制环节进行聚合建模，进而可以对风电场内不同控制参数、不同运行状态下多台风电机组的整体实现频率响应特性分析，减小了计算量，从而提升了频率响应特性处理速度。
[0180]
在一个实施例中，分群聚类模块1204还用于对各台风电机组的运行状态进行归一化处理，得到各台风电机组的归一化运行状态；采用层次聚类法，基于各台风电机组的归一化运行状态，对各台风电机组进行分群聚类，得到多个目标风电机组簇。
[0181]
在一个实施例中，电流计算模块1206还用于根据目标风电机组簇内的各台风电机组的运行状态，确定目标风电机组簇的状态量和输入量；根据目标风电机组簇的状态量和输入量，确定目标风电机组簇对应的聚合参数；根据目标风电机组簇对应的聚合参数、目标风电机组簇的状态量和输入量，以及预设的频率时序曲线，确定目标风电机组簇在各个时刻的聚合直轴电流。
[0182]
在一个实施例中，电流计算模块1206还用于获取风电机组的主轴运动方程，以及风电机组的机侧变流器的有功参考值模型；基于主轴运动方程和有功参考值模型，对目标
风电机组簇对应的状态量、输入量、聚合参数，以及预设的频率时序曲线进行处理，得到目标风电机组簇在各个时刻的有功参考值；根据目标风电机组簇在各个时刻的有功参考值、输入量、聚合参数，以及机端电压的直轴分量，确定目标风电机组簇在不同时刻的聚合直轴电流。
[0183]
在一个实施例中，电流计算模块1206还用于根据机械功率的计算系数、目标风电机组簇对应的状态量、输入量，确定目标风电机组簇的机械功率；基于主轴运动方程和有功参考值模型，对目标风电机组簇对应的状态量、聚合参数、机械功率，以及预设的频率时序曲线进行处理，得到目标风电机组簇在各个时刻的有功参考值。
[0184]
在一个实施例中，输入量包括聚合无功参考值，聚合参数包括聚合电流限值。电流计算模块1206还用于根据目标风电机组簇在各个时刻的有功参考值，以及机端电压的直轴分量，确定目标风电机组簇在各个时刻的直轴电流；根据聚合无功参考值，以及机端电压的直轴分量，确定交轴电流；根据交轴电流、聚合电流限值，以及目标风电机组簇在各个时刻的直轴电流，确定目标风电机组簇在各个时刻的聚合直轴电流。
[0185]
上述频率响应特性处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0186]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种频率响应特性处理方法。
[0187]
本领域技术人员可以理解，图13中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0188]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
[0189]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0190]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0191]
需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
[0192]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，
本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0193]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0194]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。