风电场场站级有功功率优化控制研究

发布时间：2017-06-08 15:01

  本文关键词：风电场场站级有功功率优化控制研究，，由笔耕文化传播整理发布。

【摘要】：我国正在大力发展新能源产业,风电发展尤其迅速。但发展到一定程度,风电出力不可控性对电网的影响将会凸显,成为制约其进一步发展的阻力。提高风电输出功率的可控性势在必行,而风电场场站级有功控制正是实现这一目标的关键。基于此,本文以风电场场站级有功功率控制为研究对象,围绕风电机组有功控制策略、风电场机组分群方法和场站级有功控制策略三个方面进行了研究。本文首先研究了风电机组的有功控制策略。建立双馈风电机组数学模型,并分析了功率不受限制时的风机运行特性。在研究风电机组的转速-功率控制原理和桨距角-功率控制原理的基础上,提出了风电机组出力受控制时的定功率分段控制策略。其次,对风电场机组分群方法进行研究。在分析模糊C均值聚类算法的原理和不足后,提出了基于遗传算法改进的模糊C均值聚类算法。提出风电场机组分群特征值,使用GA-FCM算法对风电场机组分群,并进行了算例验证。最后,针对大中型风电场机组数量多,直接控制效果差的问题,在风电场参与电网调度的情景下,提出了风电场场站级多时间尺度下两级有功控制策略,并分别研究了机群间优化调度策略和机群内优化模型。算例分析表明所提场站级两级有功控制策略有效可行。
【关键词】：风电场 聚类算法 场站级有功控制
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM614
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-15
• 1.1 课题背景及研究意义9-10
• 1.2 国内外研究现状10-13
• 1.2.1 风电机组有功控制研究现状10-11
• 1.2.2 风电场机组分群方法研究现状11-12
• 1.2.3 风电场场站级有功控制研究现状12-13
• 1.3 本文的主要研究内容13-15
• 第2章 风电机组建模及有功功率控制策略15-26
• 2.1 引言15
• 2.2 双馈风电机组数学模型15-18
• 2.2.1 风力机模型16-17
• 2.2.2 传动系模型17
• 2.2.3 双馈风力发电机模型17-18
• 2.3 风电机组最大功率追踪控制18-20
• 2.4 风电机组定功率分段控制策略20-25
• 2.4.1 风电机组转速-功率控制原理21-22
• 2.4.2 风电机组桨距角-功率控制原理22-23
• 2.4.3 启停机功率控制原理23-24
• 2.4.4 风电机组定功率分段控制策略24-25
• 2.5 本章小结25-26
• 第3章 基于模糊聚类的风电场机组分群方法26-41
• 3.1 引言26
• 3.2 基于遗传算法改进的模糊C均值聚类算法26-32
• 3.2.1 模糊C均值聚类算法基本原理26-29
• 3.2.2 遗传算法基本原理29-30
• 3.2.3 基于遗传算法改进的模糊C均值聚类算法30-32
• 3.3 基于遗传-模糊C均值聚类的风电场机组分群方法32-37
• 3.3.1 风电场机组分群特征值提取32-33
• 3.3.2 基于GA-FCM算法的风电场机组分群方法33-37
• 3.4 算例分析37-40
• 3.5 本章小结40-41
• 第4章 风电场场站级有功功率控制策略41-52
• 4.1 引言41
• 4.2 风电场场站级两级有功控制策略41-44
• 4.2.1 风电场运行模式分析41-42
• 4.2.2 风电场场站级两级有功控制策略42-44
• 4.3 风电场群间优化调度策略44-45
• 4.3.1 不切机群间优化调度策略44
• 4.3.2 风电场最小切机策略44-45
• 4.3.3 风电场群间平衡策略45
• 4.4 风电场群内优化调度策略45-47
• 4.4.1 风电场群内优化调度目标45-46
• 4.4.2 风电场群内优化调度模型46-47
• 4.5 算例分析47-51
• 4.6 本章小结51-52
• 第5章 结论与展望52-54
• 5.1 结论52-53
• 5.2 后续研究展望53-54
• 参考文献54-59
• 附录59-62
• 附录A59-60
• 附录B60
• 附录C60-62
• 攻读硕士学位期间发表的论文及参加的科研工作62-63
• 致谢63

【相似文献】

中国期刊全文数据库 前10条

1 曹易;张宁;;一种改进的模糊C-均值聚类算法[J];上海理工大学学报;2012年04期

2 王圆妹;;一种改进的K-均值聚类算法的研究[J];长江大学学报(自科版)理工卷;2006年04期

3 刘韬;蔡淑琴;曹丰文;崔志磊;;基于距离浓度的K-均值聚类算法[J];华中科技大学学报(自然科学版);2007年10期

4 周云龙;王锁斌;赵鹏;;基于改进k-均值聚类算法的风机振动分析[J];振动.测试与诊断;2012年03期

5 同小军;曾山;欧军;万波;;两阶段模糊c-均值聚类算法及其应用[J];华中科技大学学报(自然科学版);2008年11期

6 曾山;同小军;桑农;李蓉烨;;基于对应分析的冗余模糊C均值聚类算法研究[J];华中科技大学学报(自然科学版);2012年02期

7 宋清昆;郝敏;;一种改进的模糊C均值聚类算法[J];哈尔滨理工大学学报;2007年04期

8 单志强;;基于模糊C-均值聚类算法的柴油机磨损模式识别[J];机械设计与制造;2008年12期

9 刘蕊洁;张金波;刘锐;;模糊c均值聚类算法[J];重庆工学院学报(自然科学版);2008年02期

10 周萍;;改进的图像分割遗传K-均值聚类算法[J];海军工程大学学报;2009年03期

中国重要会议论文全文数据库 前9条

1 孙广玲;唐降龙;;一种快速k-均值聚类算法[A];第六届全国计算机应用联合学术会议论文集[C];2002年

2 陈晓山;朱建冲;翁辉;;一种改进的模糊C均值聚类算法及其应用[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

3 葛继科;余建桥;张帆;张蕊;;改进的K-均值聚类算法[A];’2004计算机应用技术交流会议论文集[C];2004年

4 刘健庄;谢维信;;一种改进的快速模糊C均值聚类算法[A];中国系统工程学会模糊数学与模糊系统委员会第五届年会论文选集[C];1990年

5 汪民乐;高晓光;李勇;;新型遗传模糊C-均值聚类算法及其在导弹目标选择中的应用[A];2007年中国智能自动化会议论文集[C];2007年

6 赵爽;李晓奇;沙秀艳;;特征加权模糊C均值聚类算法在划分劳动报酬中的应用[A];第三届中国智能计算大会论文集[C];2009年

7 黄建军;杨勋;谢维信;;基于类云模型的C均值聚类算法[A];第十三届全国信号处理学术年会（CCSP-2007）论文集[C];2007年

8 罗小刚;彭承琳;刘婷;侯长军;霍丹群;文利;;基于模糊C均值聚类算法的心脏扭转运动中心室壁轮廓的自动提取[A];中国仪器仪表学会医疗仪器分会第四次全国会员代表大会暨2009年学术年会论文集[C];2009年

9 刘靖明;韩丽川;;粒子群优化k均值的混合聚类算法研究[A];2004年中国管理科学学术会议论文集[C];2004年

中国硕士学位论文全文数据库 前10条

1 徐曼舒;基于改进人工蜂群的模糊C均值聚类算法研究[D];安徽大学;2016年

2 孙钒;风电场场站级有功功率优化控制研究[D];华北电力大学(北京);2016年

3 蒋帅;K-均值聚类算法研究[D];陕西师范大学;2010年

4 吴晓蓉;K-均值聚类算法初始中心选取相关问题的研究[D];湖南大学;2008年

5 赵爽;改进的模糊C均值聚类算法及其应用[D];东北大学;2010年

6 欧陈委;K-均值聚类算法的研究与改进[D];长沙理工大学;2011年

7 刘莉莉;K-均值聚类算法的研究与改进[D];曲阜师范大学;2015年

8 王威娜;改进的模糊C-均值聚类算法[D];大连海事大学;2007年

9 梁烨炜;K-均值聚类算法的改进及其应用[D];湖南大学;2012年

10 赵丽;全局K-均值聚类算法研究与改进[D];西安电子科技大学;2013年

  本文关键词：风电场场站级有功功率优化控制研究，由笔耕文化传播整理发布。

本文编号：432833