CN115392133B 采用高斯混合模型的风电场最优聚类等值方法 （西安理工大学）

采用高斯混合模型的风电场最优聚类等值本发明公开了采用高斯混合模型的风电场2步骤3，选定高斯分布聚类分群采用的风速、稳态有功功率概率直到高斯收敛；分别将每一个样本划分到概率最大的簇中，最终得到N类聚类分群结步骤5，利用步骤4的聚类结果，在风电场等值计算中采用基步骤2搭建的风电场模型包括多台1.5MW且具有低电压穿越能力的双馈风电机组，由设输入的样本服从k个参数未知的高斯分布，每一个高斯分布都对应不同的均值和其中，,为第j个样本点，为不同高斯分布对应的均值；为不同高斯分布对34.根据权利要求1所述的采用高斯混合模型的风电场最优聚类等值方法，其特征在于，步骤4中利用AIC和BIC准则进行判别是否得到最优分群数：AIC和BIC定义分别如下所BIC=KIn(m)-2In(L)(6)式(7)和式(8)中为群内风电场的等值功率，为群内风电场出口处的等4考虑群内每台风电机组的电容，第A群风电机组对地电容可以近似表示为单台风机对变压器参数容量采用群内单台容量的倍乘，发电机内部参数和阻抗依据并56[0014]步骤2中的风电场中集电线路参数复杂，并网点处电压因故障发生变化时反应到[0015]高斯混合模型聚类是一种基于概率模型的方法，假设输入的样本服从k个参数未从同一分布的样本则被聚为一类。将步骤2的风速、稳态有功功率和无功功率作为样本集[0017]根据式(2)、式(3[0020]步骤4中利用AIC和BIC准则进行判别是否得到最优分群数：AIC和BIC定义分别如7[0029]式(7)和式(8)中sa.…()为群内风电场的等值功率，为群内风电场出口处[0030]考虑群内每台风电机组的电容，第A群风电机组对地电容可以近似表示为单台风8K_means算法需要给定初始聚类中心和聚类数的缺点，为风电场等值方法研究提出新的评[0038]图1是本发明采用高斯混合模型的风电场最优聚类等值方法的风电场详细模型示[0043]图5（a）是本发明采用高斯混合模型的风电场最优聚类等值方法的AIC准则判别[0044]图5（b）是本发明采用高斯混合模型的风电场最优聚类等值方法的BIC准则判别[0050]步骤2中的风电场中集电线路参数复杂，并网点处电压因故障发生变化时反应到9[0053]高斯混合模型聚类是一种基于概率模型的方法，假设输入的样本服从k个参数未从同一分布的样本则被聚为一类。将步骤2的风速、稳态有功功率和无功功率作为样本集[0055]根据式(2)、式(3[0059]步骤4中利用AIC和BIC准则进行判别是否得到最优分群数：AIC和BIC定义分别如[0069]式(7)和式(8)中sa.…()为群内风电场的等值功率，为群内风电场出口处[0070]考虑群内每台风电机组的电容，第A群风电机组对地电容可以近似表示为单台风[0077]本发明采用高斯混合模型的风电场最优聚类等值方法原理为：以图1双馈风电场[0083]以图1所述的双馈风电场详细模型为例说明，为了验证所提出的采用高斯混合模概率直到高斯收敛；分别将每一个样本划分到概率最大的簇中，最终得到N类聚类分群结[0090]利用MATLAB/Simulink进行仿真测试，针对不同电压跌落度情况进行等值精度验型与本发明所提等值模型的有功功率和无功功