[发明专利]一种基于风电机组运行状态的实用化等值建模方法

权利要求书

1.一种基于风电机组运行状态的实用化等值建模方法，其特征在是按如下步骤进行：

步骤1、采集风电场中各台风电机组的机械特性变量和电气特性变量的暂稳态数据作为聚类指标；

步骤2、采用主成分分析的方法消除聚类指标之间的强相关性和冗余性，获得主成分分析后的聚类指标数据，记为主成分数据；

步骤3、对所述主成分数据采用相关性分析，获得主成分数据的相关系数；对所述主成分数据采用显著性检验，获得风电机组的相关关系；由所述风电机组的相关关系获得风电机组的聚类结果；

步骤4、利用所述风电机组的聚类结果建立风电场等值模型并计算风电场等值模型的输入参数，实现基于风电机组运行状态的实用化等值建模。

2.根据权利要求1所述的基于风电机组运行状态的实用化等值建模方法，其特征是：步骤1中所述风电机组机械特性变量是指风电机组的转速、电气扭矩、机械扭矩和滑差，所述风电机组电气特性变量是指风电机组的电压、有功功率、无功功率、定子电流d、q轴分量、转子电流d、q轴分量和转子电压d、q轴分量，所述暂稳态数据是指分别在初始稳态期间选取1个时间点，在故障期间均匀选取3个时间点，在故障切除后选取1个时间点的数据。

3.根据权利要求1所述的基于风电机组运行状态的实用化等值建模方法，其特征是：步骤2中所述主成分分析按如下过程进行：

步骤a、原始变量数据标准化

假定：原始变量数据样本容量为n，每个样本个体包含p维变量数据，组成由式(1)所表征的样本数据矩阵X：

x_ik为第i个样本第k维变量数据，1≤i≤n,1≤k≤p；

将样本数据矩阵X记为式(2)：X＝(X₁,X₂,…,X_k,…,X_p) (2)，

X_k＝[x_1k x_2k … x_ik … x_nk]^T，1≤k≤p，X_k为样本数据矩阵X中的第k维向量；

利用式(5)对样本数据矩阵X进行数据标准化处理，得到式(3)表征的标准化数据矩阵Z：

将标准化数据矩阵Z记为式(4)：Z＝(Z₁,Z₂,…,Z_k,…,Z_p) (4)，

Z_k＝[z_1k z_2k … z_ik … z_nk]^T，Z_k为标准化数据矩阵Z中第k维向量；

式(5)中，z_ik为第i个样本第k维变量的标准化数据，为样本数据矩阵X中第k维向量X_k的均值；S_k为样本数据矩阵X第k维向量X_k的方差；

步骤b、求取相关系数矩阵R的特征值和特征向量

标准化数据矩阵Z的相关系数矩阵R由式(6)所表征：

式(6)中，相关系数r_jk表示标准化矩阵Z中第j维向量Z_j和第k维向量Z_k间的关系，1≤j≤p，且由式(7)计算获得：

Cov(Z_j,Z_k)为标准化矩阵Z中第j维向量Z_j和第k维向量Z_k间的协方差；

Var(Z_j)为标准化矩阵Z中第j维向量Z_j的方差；

Var(Z_k)为标准化矩阵Z中第k维向量Z_k的方差；

通过求解由式(8)所表征的相关系数矩阵R的特征方程，获得相关系数矩阵R的特征值和特征向量；

|λI-R|＝0 (8)，

式(8)中，λ为相关系数矩阵R的特征值变量，λ有p个解，分别为λ₁,λ₂,…,λ_k,…,λ_p；I是由式(9)所表征的p阶单位矩阵：

相关系数矩阵R的特征向量矩阵a由式(10)所表征：

将所述特征向量矩阵a记为式(11)：a＝(a₁,a₂,…,a_k,…,a_p) (11)，

式(11)中，a_k为相关系数矩阵R的特征向量矩阵a中第k维特征向量，a_k是与相关系数矩阵R的特征值变量λ_k相对应的特征向量，a_k＝[a_1k a_2k … a_jk … a_pk]^T；

步骤c、求解方差贡献率向量α和累积方差贡献率向量β，进行降维分析：

针对所述特征值变量λ的p个解按照从大到小的顺序排序并组成向量，得到由式(12)所表征的降序特征值向量λ_r：

λ_r＝[λ_r1 λ_r2 … λ_rp]^T (12)，

与所述降序特征值向量λ_r所对应的主成分分量向量F由式(13)所表征：

F＝[F₁ F₂ … F_k … F_p]^T (13)，

式中，F_k为主成分分量向量F中第k个主成分分量；

方差贡献率向量α由式(14)表征：

α＝[α₁ α₂ … α_k … α_p]^T (14)；

其中，α_k为主成分分量向量F中第k个主成分分量F_k的方差贡献率；λ_rk和λ_rj分别为降序特征向量λ_r中第k个变量数据和第j个变量数据；

累积方差贡献率向量β由式(16)表征：

β＝[β₁ β₂ … β_k … β_p]^T (16)；

式中，β_k为主成分分量向量F中前k个主成分分量F₁,F₂,…,F_k的累积方差贡献率，1≤m≤k，λ_rm为降序特征向量λ_r中第m个变量数据；

以累积方差贡献率β_k达到80％为降维标准确定k值，选取主成分分量向量F中前k个主成分分量F₁,F₂,…,F_k作为有效数据；

步骤d、计算主成分数据矩阵F_1-k

第k个主成分分量F_k由式(18)所表征：

F_k＝a_1kX₁+a_2kX₂+…+a_jkX_j+…+a_pkX_p (18)，

其中，X_j为样本数据矩阵X的第j维向量；

根据式(18)计算主成分向量F中前k个主成分分量F₁,F₂,…,F_k，得到由式(19)所表征的主成分数据矩阵F_1-k：

F_1-k＝[F₁ F₂ … F_k]^T (19)，

主成分数据矩阵F_1-k是k行n列的矩阵，记为：

式中，为主成分数据矩阵F_1-k第n维向量。