（电力系统及其自动化专业论文）含风力发电的配电网动态无功优化研究.pdf

r e s e a r c ho nr e a c t i v ep o w e ro p t i m i z a t i o nw i t hd i s t r i b u t i o n n e t w o r kc o n t a i n e dw i n dp o w e r b y x uc h a o b s ( c h a n g s h au n i v e r s i t yo fs c i e n c e t e c h n o l o g y ) 2 0 0 8 at h e s i ss u b m i t t e di np a r t i a ls a t i s f a c t i o no ft h e r e q u i r e m e n t sf o rt h ed e g r e eo f m a s t e ro fe n g i n e e r i n g l n e l e c t r i cp o w e r s y s t e m sa n d i t sa u t o m a t i o n l n c h a n g s h au n i v e r s i t yo fs c i e n c e t e c h n o l o g y s u p e r v i s o r a s s o c i a t ep r o f e s s o rw a n gj i n a p r i l ，2 0 1 1 99卅m1哪48删8iiil哪y 长沙理工大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究 所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包 含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出 重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到 本声明的法律后果由本人承担。 作者签名：镌鹚 日期：圳年于月3 0 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同 意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许 论文被查阅和借阅。本人授权长沙理工大学可以将本学位论文的全部或 部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制 手段保存和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密豳。 ( 请在以上相应方框内打“4 ) 作者签名： 导师签名： 镌趱 弓也 日期：2 d 年厂月扣日 日期：涉1 1 年r 月岁。日 因其输出功率的不稳定，会对电力系统的无功造成影响。而电力系统无功优化是 提高电网运行经济性、安全性和电能质量的重要手段。所以对含有风电场的配电 网，研究更有效的无功优化技术成为了迫切需要解决的问题。 本文首先分析了风力发电的原理，对变频恒速风力发电机组中最具发展潜力 的双馈感应风电机组进行了全面的分析。建立了双馈感应风电机的稳态模型，并 研究其功率特性。因其具有调节无功功率的能力，我们可以利用其无功功率调节 能力，把它作为连续无功电源参与到配电网的动态无功优化中去。 然后，本文对负荷和风电场的输出功率做出预测，因为在含有风电场的配电 网中影响无功优化结果的不确定因素主要有负荷和风电场输出功率。最小二乘支 持向量机( 以下简称l s s v m ) 具有结构简单、全局最优和推广能力强等优点， 被应用于模式识别和回归处理问题等领域。本文采用聚类分析与s v m 相结合的 方法来预测负荷和风电场的输出功率，对样本进行模糊c 均值聚类，选取与预 测样本特征相似的样本作为训练样本，分别构建负荷预测和风电场输出功率预测 的模型。 最后，本文建立了以有功功率损耗最小为目标函数的动态无功优化模型，提 出用自适应粒子群优化算法对其进行求解。基于每个时段用自适应粒子群优化算 法进行静态无功优化，获得各个时段静态优化的控制设备值。通过相邻时段之间 同一控制设备变化差值形成预动作表，然后动态调整动作表，最终形成完整的动 态无功优化策略。仿真结果表明，本文能够有效地得到控制设备一天之内的控制 方案，同时将双馈电机风电场作为无功电源可以节省风电场并网后额外安装的大 容量无功补偿装置产生的配置费用，并可避免传统无功调节手段离散化和调节速 度慢等问题。 关键词：双馈感应风电机；动态无功优化；支持向量机；聚类分析；自适应粒子 群优化算法 a b s t r a c t w i n dp o w e rg e n e r a t i o n ，o n eo ft h er e n e w a b l ee n e r g yg e n e r a t i o nt e c h n o l o g i e s ，i s b e c o m i n g o n eo ft h em o s tc o m m e r c i a l d e v e l o p m e n t d i s t r i b u t e d g e n e r a t i o n t e c h n o l o g y ，b e c a u s eo fi t sw i d ed i s t r i b u t i o na n dn op o l l u t i o n b u tb e c a u s eo fi t s u n s t a b l ep o w e ro u t p u t ，i tw i l la f f e c tr e a c t i v ep o w e ro ft h ep o w e rs y s t e m w h i l e r e a c t i v ep o w e ro p t i m i z a t i o ni st h ei m p o r t a n tm e a n st oi m p r o v et h ee c o n o m i c ，s a f e t y a n dp o w e rq u a l i t yo fr u n n i n gg r i d t h er e s e a r c ho fm o r ee f f e c t i v er e a c t i v ep o w e r o p t i m i z a t i o nw i t hd i s t r i b u t i o nn e t w o r kc o n t a i n e dw i n df a r m sb e c o m e sa nu r g e n t p r o b l e mn e e d e dt os o l v e f i r s t l y , t h i sp a p e ri n t r o d u c e s t h e p r i n c i p l e o fw i n d p o w e ra n dm a k e s c o m p r e h e n s i v ea n a l y s i st ot h ed o u b l yf e di n d u c t i o ng e n e r a t o r ( h e r e i n a f t e rr e f e r r e dt o a sd f i g ) w i n dw h i c hi st h em o s tp o t e n t i a li nt h ev a r i a b l e - s p e e dc o n s t a n t - f r e q u e n c y w i n dt u r b i n e t h es t e a d ys t a t em o d e lo fd o u b l y - f e di n d u c t i o nw i n dg e n e r a t o ri s e s t a b l i s h e da n di t sp o w e rc h a r a c t e r i s t i c si sa l s os t u d i e d ，a n di t sa b i l i t yo fa d ju s t i n g r e a c t i v ep o w e ri s a p p l i e df o r t h ep a r t i c i p a t i o n i nt h ed y n a m i cr e a c t i v ep o w e r o p t i m i z a t i o no fd i s t r i b u t i o nn e t w o r ka sac o n t i n u o u sp o w e rs o u r c e f u r t h e r m o r e ，t h i sp a p e rm a k e st h ef o r e c a s tt ot h el o a da n do u t p u to fw i n df a r m ， s i n c et h em a i nu n c e r t a i n t i e sw h i c ha f f e c t e dr e a c t i v ep o w e ro p t i m i z a t i o ni n t h e d i s t r i b u t i o nn e t w o r kc o n t a i n e dw i n df a r m sa r et h el o a da n do u t p u tp o w e ro fw i n d f a r m l e a s ts q u a r e ss u p p o r tv e c t o rm a c h i n e ( h e r e i n a f t e rr e f e r r e dt oa sl s s v m ) m e t h o dh a sa d v a n t a g ei ns i m p l es t r u c t u r e ，g l o b a lo p t i m a la n dg e n e r a l i z a t i o na b i l i t y a n di sa p p l i e df o rp a t t e r nr e c o g n i t i o n ，r e g r e s s i o np r o b l e ma n do t h e rf i e l d s t h i s p a p e ru s e st h el s - s v mm e t h o dc o m b i n i n gc l u s t e ra n a l y s i st of o r e c a s tt h el o a da n d o u t p u tp o w e ro fw i n df a r m s t h es a m p l e sa r ea n a l y z e du s i n gf u z z yc - m e a n sm e t h o d ， a n dt h e f o r e c a s t i n gs a m p l e sw i t hs i m i l a r c h a r a c t e r i s t i c sa r es e l e c t e da st r a i n i n g s a m p l e st om a k ef o r e c a s t i n gm o d e lf o rl o a da n do u t p u tp o w e ro fw i n df a r m s f i n a l l y , t h i sp a p e re s t a b l i s h e st h ed y n a m i cr e a c t i v ep o w e ro p t i m i z a t i o nm o d e l w i t ht h eo b je c t i v ef u n c t i o na sa c t i v ep o w e rl o s sm i n i m u ma n du s e sa d a p t i v ep a r t i c l e s w a r mo p t i m i z a t i o nt os o l v et h em o d e l b a s e do nt h es t a t i cr e a c t i v ep o w e r o p t i m i z a t i o n w i t h e a c h t i m e u s i n gp a r t i c l e s w a r mo p t i m i z a t i o n ，t h ec o n t r o l e q u i p m e n tv a l u e s a r eo b t a i n e d t h ep r e - a c t i o nt a b l ei sf o r m a t t e dt h r o u g ht h e d i f f e r e n tb e t w e e nt h es a m ec o n t r o le q u i p m e n ta tt h ea d ja c e n tt i m e ，a n di sa d ju s t e d d y n a m i c a l l y t h e nt h ed y n a m i cr e a c t i v ep o w e ro p t i m i z a t i o ns t r a t e g yi sc o m p l e t e l y h r e a c t i v ec o m p e n s a t i o ni n s t a l l a t i o n ，a n dt h em e t h o dc a no v e r c o m et h ed i f f i c u l t i e so f t r a d i t i o n a lr e a c t i v ep o w e ro p t i m i z a t i o n k e y w o r d ：d o u b i yf e di n d u c t i o ng e n e r a t o rw i n d ；d y n a m i cr e a c t i v e p o w e r o p t i m i z a t i o n ；s u p p o r tv e c t o rm a c h i n e ；c l u s t e ra n a l y s i s ；a d a p t i v e p a r t i c l es w a r mo p t i m i z a t i o n m 目录 摘要i a b s t r a c t i i 第一章绪论 1 1 选题背景及研究意义1 1 2 风力发电技术研究现状2 1 3 动态无功优化的研究现状4 1 4 本文的研究内容“一5 第二章双馈感应风电机和风电场建模 2 1 风力发电的原理一6 2 1 i 风力机的功率特性6 2 1 2 风力发电机的分类7 2 1 3 风力发电机的运行特性一8 2 1 4 风机运行时的控制方式9 2 2 双馈感应风电机的建模1 0 2 2 1 双馈感应风电机系统l o 2 2 2 双馈感应风电机稳态模型1 l 2 2 3 双馈感应风电机功率特性1 2 2 3 双馈感应风电场的建模1 4 2 4 本章小结1 6 第三章基于聚类的l s s v m 的负荷和风电场输出功率预测 3 1 模糊c 均值聚类法1 7 3 2 支持向量机1 9 3 1 1 支持向量机的基本原理1 9 3 1 - 2 支持向量机的回归算法1 9 3 1 3 最小二乘支持向量机2 2 3 1 4 模型参数的选取2 3 3 3 基于聚类和l s - s v m 的负荷预测2 3 3 3 1 样本特征量的选择2 4 3 3 2 负荷预测2 6 3 4 基于聚类和l s - s v m 的风电场输出功率预测2 7 3 4 1 风速预测的方法2 8 3 4 2 风速和风电场输出功率预测2 9 3 5 本章小结3 0 第四章基于自适应粒子群算法的静态无功优化 4 1 粒子群算法3 1 4 1 1 粒子群优化算法的优点与不足3 2 4 1 2 二进制粒子群算法3 3 4 2 自适应粒子群算法3 3 4 3 基于自适应p s o 的静态无功优化求解步骤3 5 4 4 本章小结3 5 第五章含风电场的配电网动态无功优化 5 1 含双馈电机风电场的配电网动态无功优化数学模型3 6 5 2 动态无功优化的求解步骤3 7 5 2 1 基于自适应p s o 的动态无功优化求解过程一3 7 5 2 2 分时段策略3 8 5 2 3 动态调整动作表3 8 5 3 试验分析一3 9 5 3 1 试验条件3 9 5 3 2 试验结果分析4 0 5 4 本章小结4 7 结论与展望4 8 参考文献5 0 致谢5 3 附录a 攻读硕士学位期间完成的论文5 4 附录b3 3 节点配电系统计算数据5 5 第一章绪论 1 1 选题背景及研究意义 分布式发电具有节省投资、降低能耗、提高电力系统运行可靠性与灵活性的 作用，在世界范围内越来越受到人们的重视。而风力发电作为分布式发电中最成 熟、最具规模化商业开发前景的一种新型可再生能源发电技术，因其具有的可再 生、分布广、无污染等特性，逐渐显示出巨大的应用前景，在电力系统中越来越 受到人们重视的同时发挥着越来越重要的作用。风力发电在我国也得到了快速的 发展，每年有大量新建的风电场接入配电网 4 1 。根据世界风能协会公布的最新 数据显示，2 0 1 0 年上半年世界风力发电市场迎来强劲增长，新增装机容量达到l 6 g w ，累计装机容量达到1 7 5 g w 。新增装机风力发电容量最大的是中国，2 0 1 0 年1 月至6 月期间共增加7 8 g w ，总装机容量达到了3 3 8 g w 。美国新增装机容 量有所下降，但装机总量仍居首位为3 6 3 g w t s 卅。因此，风力发电在我国具有很 好的开发前景。在目前已经被开发使用的各种分布式发电方式中，风力发电的增 长速度领先于其它分布式发电技术。研究人员对于风力发电的研究不断深入，使 得风力发电的各种技术在不同程度上都得到了很大地完善，在商业化运作的程度 也得到了提高。技术的改进与大量的投入，使得风电场发电的成本不断的降低， 与新能源相比常规火电由于环境污染使得环保的费用增加导致其运行成本也增 加。综上所述，在不久的将来风力发电将成为未来最具开发利用前景的可再生发 电技术m s l 。 风电场接入配电网后，使得配电网的运行模式发生根本性的变化，从原来的 单电源模式变为多电源模式。同时由于风电场具有一些独特的特点，比如风能的 间歇性和随机性，往往会使风电场的输出功率随着风速的波动而变化，从而使得 配电网的运行和控制方式发生了巨大的变化【，l 。当风电场接入配电网后，会对原 先电力系统的运行情况产生出一系列影响，使得接入风电场电力系统与以前不含 分布式发电技术电力系统的规划、设计与运行方式有很大的不同。同时会对原有 的电网产生多方面的影响，主要表现如下：电网的有功与无功因其接入分布式电 源会发生变化、电网的电压与稳定性因其分布式电源的波动会发生改变、电网的 电能质量与频率保护因其产生的谐波会受到影响。风电场大量接入配电网后，这 些问题就会成为制约风电发展的瓶颈。风电场接入配电网，会对电力系统造成一 定的影响。比如会对配电网电压、电能质量、继电保护等产生影响【“：l 。其中风 电场对配电网无功电压问题的影响就是一个很重要的研究内容。 电力系统无功功率是影响电压质量的关键性因素，而电压质量作为衡量电能 质量的其中一个重要指标，不仅对电力系统的负荷有重要影响，同时也是实现电 力系统安全和经济运行的必要手段。实现无功的优化控制，对于降低电力系统的 网络损耗、提高运行水平有着极为重要的意义。通过无功优化可以使得电网的无 功潮流分布更加合理，并可以降低电网的有功损耗，改善电压的质量，使得用电 设备更加安全可靠地运行。因此，对无功优化的研究与关注也越来越多。无功优 化的含义就是要使得电力系统中的无功功率在配电网中的分布最优，它可以通过 三种具体的方式来实现电力系统的无功优化：调整可调变压器的分接头、无功补 偿装置的投切数量和发电机的极端电压，不过必须要在满足潮流、电压与电流等 约束的前提条件下进行【t 】。 有三种类型的风力发电机已经在实际电网运行过程中被采用，分别是鼠笼型 异步风力机、双馈感应风力机与永磁同步风力机。现在我国大型风电场中广泛采 用的是双馈感应风力机，与鼠笼异步风力机不同，其具有改善点网络无功的能力 同时更加容易并网运行无功优化从优化时间段的长短来看，可分为静态无功优化 和动态无功优化。静态无功优化只是考虑一个时间断面上的负荷情况；动态无功 优化考虑的负荷的变化过程，一般要求涉及无功补偿装置投切次数的限制。由于 考虑了含有风力发电的无功优化，不得不考虑风电所具有的特性( 风电机组并网 后其输出功率是随着风速波动的) ，所以使得配电网中的不确定因素进一步的增 多【1 5 t s 】。除了负荷的变化过程，还得考虑风电场的变化过程。 因此，鉴于以上背景，本文把含有风电场的配电网动态无功优化作为研究对 象。 1 2 风力发电技术研究现状 风力发电是先将风能转化为机械能，这主要是由风力机完成；然后将机械能 再转化为电能，这主要是有发电机完成的。依据风力机和发电机这两个功能单元 的运行控制方式可以对风电机组进行分类。从风力机功率调节特性来看，可分为 定桨距失速调节和变桨距调节两种类型；从发电机运行方式来看，则可分为恒速 恒频风力发电机和变速恒频风力发电机两种类型【1 7 l 。但双馈感应发电机因其优点 成为了当今风力发电中的主流。文献【1 8 】将风能利用的研究领域分为以下五类： 风电气象学、风能资源评估和风电场的建设；风电场并网运行方式；风力 发电系统的运行与控制；风电场管理与安全运行问题；风力发电新概念、试 验研究与现场测试。本文分别从以下两个方面介绍风力发电的研究现状。 ( 1 ) 变频恒速风电机模型与控制 2 变速恒频风电机的稳态模型是指电机的定子和绕组电压、电流及功率之间的 对应关系。文献 1 9 2 0 】中应用了相坐标系统的建立的双馈感应电机的稳态数学模 型，通过将转子和定子各个量经过坐标变化之后，使得原先带有时变系数的双馈 电机数学模型的计算过程大大简化。 文献【2 l 】在双馈感应电机稳态模型的基础上，建立了变频恒速风电机并网运 行的稳态模型，然后计算出了风电机定子侧和转子侧的功率分布，提出了确定风 电机无功容量极限的方法，还建立了基于变频恒速风电机组并网运行的动态数学 模型。 文献【1 7 】表明双馈发电机在正常工作的转速范围内都具有稳定性，同时在亚 同步或超同步向同步变化的过程中的稳定性变化趋势一致。基于双馈发电机的损 耗特性与无功功率之间的关系，提出了一种应用模糊控制器进行无功优化设定的 方案。 文献 2 2 1 建立了双馈感应风电机组的稳态数学模型，分析了双馈感应风电机 的有功与无功的容量极限，同时将双馈电机风电场作为连续无功电源参与配电网 的武功优化。然后采用粒子群优化算法对含双馈电机风电场的配电网无功优化问 题进行了求解，结果表明将其作为无功电源可以解决传统配电网无功调压手段离 散化、调节速度慢等问题。 ( 2 ) 风电场输出功率预测 风电场输出功率的预测是风力发电各种研究课题中的一个，国外对风电场输 出功率预测的研究比较早，研发了一些风电输出功率的预测系统，而国内的研究 主要集中在理论探索方面。风电场输出功率预测主要采用的方法有：时间序列法、 人工神经网络法、卡尔曼滤波法、模糊逻辑法、支持向量机等。 文献 2 3 1 结合了时间序列和神经网络法，对风速预测进行了研究，提出了时 序神经网络法来预测风速。风电的穿透功率超过一定值之后，会严重影响电能质 量和电力系统运行，同时指出我国电网目前可接受的风电穿透功率不能超过8 。 文献【2 4 】主要采用了时间序列分析方法对风电场功率的短期预测进行了研 究。它建立在风速短期预测结果的基础上，考虑风电场的输出功率特性和风电场 的尾流效应，建立了风电场输出功率的短期预测模型。 文献 2 5 1 提出了考虑相关因素的最小二乘支持向量机的风速预测方法，利用 灰色关联分析方法对风速的历史数据进行预处理，定量的分析了预测模型的输入 变量。 文献【2 6 】将风电场的输出功率看成是“负负荷 来处理，并采用最小二乘支 持向量机来完成对预测样本的训练，预测出风电场的输出功率。 1 3 动态无功优化的研究现状 与静态无功优化相对的就是动态无功优化，从字面上简单理解就是动态无功 优化不再是特定时刻特定负荷情况下的无功优化，而是需要考虑负荷在时变性， 从整体上把握各种无功补偿装置的动作次数，从而在全局上进行无功优化。与静 态无功优化相比，其具有明显的优势。主要表现在考虑了负荷的时变性以及无功 补偿装置动作次数的约束，使得动态无功优化更能体现出电力系统运行时的动态 特性。 文献 2 7 2 8 采用状态空间简化和动态规划方法，确定未来2 4 小时以内安装 在馈线上的电容器的投切方案和有载调压变压器的档位控制方案。由于实际电力 系统网络的规模都很大，尽管已经把电容器的控制变量简化成0 1 变量，但问题 求解的空间还是会急剧增加，因此在大规模电力系统中动态规划法的应用仍有一 定的难度。 文献【2 9 】建立了以有功网损最小为目标函数的动态无功优化模型，然后将一 天之内的负荷以每小时一段分成2 4 段。通过改进遗传算法计算所划分负荷段的 静态无功优化来获得所在时间段内的控制设备值。利用不同控制设备之间的相关 性，从整体上研究无功优化的问题。 文献【3 0 】给出了比较完整的动态无功优化模型，先通过启发式的规则确定并 联电容器组及有载变压器分接头的动作序列，再简化动态无功优化的模型，然后 将其转化为静态无功优化模型，从而可用常规的优化方法来进行求解。 文献 2 2 】提出将双馈感应电机风电场作为连续的无功源参与到配电网无功调 节中去。建立了以系统有功损耗和电压偏差最小为目标函数的静态无功优化模 型，采用粒子群优化算法对含双馈感应电机风电场的配电网无功优化进行了求 解。 1 4 本文的研究内容 本文的研究对象是含有风力发电的配电网动态无功优化研究，总结了风力发 电和动态无功优化的发展历史和研究现状。双馈感应风电机组因其具有无功功率 调节的能力，所以在研究其动态无功优化时，不仅需要考虑负荷的变化，还需要 4 考虑风电场输出功率的变化。本文所做的具体工作如下： 第一章绪论阐述了本文的研究背景及意义，同时介绍了本文所要研究的国 内外现状。 第二章双馈感应风电机的功率特性和风电场建模分析了风力发电的原理， 对双馈感应风电机组进行了全面的分析。建立了双馈感应风电机的稳态模型，并 研究其功率特性。因其具有调节无功功率的能力，所以我们可以利用其无功功率 调节能力，把它作为连续无功电源参与到配电网的动态无功优化中去。 第三章基于l s s v m 和聚类的负荷和风电场输出功率预测对负荷和风电场 的输出功率做出预测，采用的是聚类分析与支持向量机相结合的方法来预测负荷 和风电场的输出功率，对样本进行模糊c 均值聚类，选取与预测样本特征相似 的样本作为训练样本，分别构建负荷预测和风电场输出功率预测的支持向量机模 型。 第四章基于p s o 的静态无功优化介绍了基本的粒子群算法，分析粒子群算 法的优点与缺点，提出了自适应粒子群算法，最后提出了自适应粒子群算法求解 无功优化的具体步骤。 第五章含风电场的配电网动态无功优化建立了以有功功率损耗最小为目标 函数的动态无功优化模型，提出用自适应粒子群优化算法对其进行求解。我们把 一天内连续变化的负荷和风电场的输出功率分成2 4 段，通过积分中值定理来获 得每个时段的计算值。由此便对基于每个时段用自适应粒子群优化算法进行静态 无功优化，获得各个时段静态优化的控制设备值。通过相邻时段之间同一控制设 备变化差值形成预动作表，然后动态调整动作表，最终形成完整的动态无功优化 策略。 5 第二章双馈感应风电机和风电场建模 2 1 风力发电的原理 风力发电是将自然界中风能转化为我们平常所需电能的发电技术，它是首先 通过风力机将风能转化为机械能，然后再由发电机将其转化为电能，所以它不需 要消耗燃料，是一种清洁能源。风速的大小直接决定了风力发电的输出功率。 2 1 1 风力机的功率特性 捕获风能是风力发电的第一步，是由风力机的叶轮来完成的，然后再将风能 转换为机械转矩传递给发电机，最后带动发电机转子产生电能。整个过程完成了 风能向机械能、机械能向电能的转换。风力机决定了整个风力发电系统的输出功 率，是风力发电系统中的关键部件之一。文献 3 3 1 在研究的过程中求出了风力机 在一定风速具有的功率即风功率方程。它所建立的方程是建立在图2 1 所示的空 气气流模型之上的。首先我们要进行一些基本的假设，设气流的密度为p 以速度 通过面积为a 。的区域，然后该气流在一定距离内通过面积为4 的叶片时，速度 变为v 1 ，在通过叶片之后，气流的截面积变为彳：，速度变为v ：。 图2 1 空气气流模型 单位时间内通过风力机叶片的空气质量为： 历= 1 1 3 1 ( 2 1 ) 风力机叶片所受到的力为： f = m v o - - m y 2 ( 2 2 ) 如果此时通过风力机叶片的气流速度为h ，则风力机获得的能量如式( 2 3 ) 所示： = 凡l = m ( v o 一2 ) v l ( 2 3 ) 同时，气流通过风力机时损失的能量为： 6 = 丢m 碥一v ；) 理想情况下有= 岛，则有： ( 一v 2 ) h = 吉( 培一v ；) = j 1 ( 峋一v 2 x v o + 屹) 于是可得： ”半 然后将式( 2 1 ) 、( 2 2 ) 和( 2 6 ) 代入式( 2 3 ) 可得： 只，：叫1 1 ，? v o 一( 2 v 1 一v n ) 】= 2 p a l l ，? ( v n v 1 ) ( 2 4 ) ( 2 5 ) ( 2 6 ) ( 2 7 ) 令口= ( v o v o l v o ，称口为干扰系数。 则1 ，l = ( 1 一a ) v o 由式( 2 6 ) ，可得口= ( v o v d ( 2 v o ) 则式( 2 7 ) 可变为： 叫扣；p _ 口) 2 】 8 ， 令c 口= 4 a o 一力2 ，c p 称为功率系数。 由此可以推出风电机风功率特性的经典公式： p 2 i j 乙，彤l v 。3 ( 2 9 ) 其中c p 称为风能利用系数，其主要反映的是风力机对风能的利用率。风能 利用系数c p 的大小与风力机尖速比a 、浆距角卢相关。根据贝兹准则，可以得出 o 5 9 3 为风力机在理想条件下风能利用系数能达到的最大值，而在一般运行的风 电场中，风能利用系数在0 4 左右【3 4 ，s 】。 2 1 2 风力发电机的分类 目前，有三种类型的风力发电机已经在实际电网运行过程中被采用，分别是 鼠笼型异步风力机、双馈感应风力机与永磁同步风力机。 ( 1 ) 鼠笼型异步风力机 在风电机的组成结构上鼠笼型异步风电机相对其它风电机而言并不复杂，同 时在可靠性方面也具有突出的优点，它能安全稳定的运行，同时控制手段相对简 单，并且还有不错的运行效率。但它有个明显的缺点就是，它输出的有功功率越 多，所消耗的无功功率也越多。这样就会产生在鼠笼型异步风电机全负荷运行时， 功率因数会很低，所以必须要配有相应的无功补偿装置【，】。 7 ( 2 ) 双馈感应发电机 双馈感应发电机是变速恒频运行风力机的一种，它是由风力机、齿轮箱、感 应机、直流侧电容器和v s c 变频器等组成的。双馈感应发电机的定子绕组与电 力系统配电网直接相连，其转子绕组则通过两个v s c 变频器连接到电力系统配 电网中，所以就使其可以在比较大的范围内运行，并保持配电网之系统间实现电 能的双向传输。通过与传统恒速风电机的对比，我们可知其优点主要体现在以下 几个方面： 1 ) 转子绕组所产生的电流可以在较大的范围内控制发电机的转差、有功功 率和无功功率，因其可以产生无功功率，使得含双馈感应电机的风电场可以参与 到配电网的无功调节中去，可以提高电力系统运行稳定性与经济性； 2 ) 具有无功电压控制的能力，不需要在机端安装无功补偿装置； 3 ) 能够追踪最大风能，提高对风能的利用率； 4 ) 在双馈感应发电机转子侧我们可以实现功率因数的控制，因为在机端可 以保持一定的功率因数，使得电能质量得以提高，同时可以安全、方便的并网。 ( 3 ) 永磁同步发电机 永磁同步发电机也是变速恒频运行风力发电机的一种i 它是由风力机、齿轮 箱、全功率变频器、同步发电机、直流侧电容等组成的。但其具有与双馈式电机 不同之处，主要体现在：此风电机系统的输出功率是通过两个全功率变频器输送 到电力系统配电网中去的，它与配电网是完全隔开的，没有绕组与配电网相连， 因此它可以在不同的频率下运行且不影响电网的频率。 虽然永磁同步发电机也可以像双馈感应风电机那样分别控制用功和无功，能 够提高电网的运行特性且不需要无功补偿装置，但它在我国并没有得到非常广泛 的应用，其主要原因是由于它的组成构件全功率变频器的造价很高，而且它的损 耗与v s c 变频器相比也较大。不过，可以使用p w m 控制策略在一定程度上得 到弥补。 在新建的风电中，之所以不采用其它类型的风力机而采用双馈感应风电机的 原因是：它的造价适中，而且关于它的研究也比较成熟，同时有一定的无功补偿 作用和容易实现并网运行。所以，本文主要研究的是双馈感应型风力发电机。 2 1 3 风力发电机的运行特性 风力发电机的输出功率在绝大程度上受风速的影响，风速大小的不确定性也 使得风电机组的输出功率具有不确定性。在风电场的实际运行过程中，输出功率 是可以根据风电机组的功率特性曲线求得。功率特性曲线就是描述风速与风电机 组功率输出之间关系的曲线。风电场实际的运行控制系统中，双馈感应风电机组 有功出力是可以根据风力机的功率特性曲线求出的。因为每台双馈感应风电机组 8 在出厂的时候，生产厂商都会为了以后运行的方便提供该风电机组的功率特性曲 线。如图2 2 为1 5 0 0 k w 双馈感应风电机组的功率特性曲线，其中功率特性曲线 的横坐标是风速，纵坐标是功率。 o51 01 52 02 5 风速( m s ) 图2 2 双馈感应风电机组功翠特性曲线 从风电机组的功率特性曲线中，我们可以看出风电机组的运行状态包括以下 四种： 1 ) 当， v 倒加时，风力机停止运行； 2 ) 当v 删加 v 时，风力机以部分负荷运行； 3 ) 当 y 二) l g 3 5 ) 根据统计学习理论的结构最小化准则，支持向量机用于回归是，可以转化成 凸二次优化问题来求解，其优化问题可以表示为下式： 1 8 m i n r 洲( c ) = 吉0 川2 + 号嬉。+ 考；) ( 3 6 ) _ i - i 其约束条件为： f + b l - y f s + 考： y t - - + 岛占+ j ( 3 7 ) k ，毒泣。 寻求上式的最小值，当上式最小时就得到了最佳回归函数。我们可以通过利 用式( 3 5 ) 把支持向量机变为一个二次线性约束的问题m 】。 一般情况下样本数据信息的维数都比较高并且所求的函数在取值范围内不 一定可微，这就给我们求解这类问题造成了困难，但是我们可以避免上面出现的 问题，这就求解成为了可能，具体的做法是引入核函数和w o l f e 对偶技巧。具体 做法如下：引入拉格朗日乘子a ，和a ? ，对任何i = l ，l ，都有等式a ，a ；= o ，a ，o ， a 泣。成立；则在约束条件下最小式( 3 7 ) 的问题