河海大學(xué)能源與電氣學(xué)院,江蘇 南京 211100

隨著風(fēng)電技術(shù)的不斷發(fā)展，風(fēng)電在電網(wǎng)中的比例越來越高。由于風(fēng)電本身的隨機(jī)性與不穩(wěn)定性，需要重視其接入電力系統(tǒng)后的穩(wěn)定性影響。當(dāng)電網(wǎng)發(fā)生故障或擾動時，風(fēng)機(jī)的端電壓會瞬間跌落，嚴(yán)重時會造成風(fēng)機(jī)脫網(wǎng)，導(dǎo)致系統(tǒng)頻率跌落，使得電網(wǎng)的安全穩(wěn)定運(yùn)行風(fēng)險增加。因此，世界各國電網(wǎng)運(yùn)營商要求風(fēng)電接入電網(wǎng)時必須具備低電壓穿越(Low voltage ride through，LVRT)功能[1]，即風(fēng)電場在故障沒有嚴(yán)重到超越邊界限制及耐受時間限制的情況下不能脫機(jī)。

為滿足包含風(fēng)電場電網(wǎng)的仿真分析的需求，需建立簡化且準(zhǔn)確的模型以表達(dá)風(fēng)電場的動態(tài)特性。目前，國內(nèi)風(fēng)電場的動態(tài)等值建模中，大多采用風(fēng)機(jī)的物理模型，而對通用模型的研究較少。由于通用模型忽略電磁暫態(tài)過程，且變流器控制環(huán)節(jié)中存在限幅環(huán)節(jié)，將對風(fēng)電機(jī)組的動態(tài)特性產(chǎn)生主導(dǎo)影響。

目前常用的風(fēng)功率預(yù)測方法有物理方法和統(tǒng)計方法兩大類。物理方法常用于風(fēng)電場建設(shè)初期，需要大量的歷史數(shù)據(jù)作為支撐，模型能否準(zhǔn)確描述風(fēng)電場的地理環(huán)境及物理現(xiàn)象大大影響了預(yù)測精度[2]。統(tǒng)計方法也是近些年來的研究熱點(diǎn)，BP 神經(jīng)網(wǎng)絡(luò)、人工神經(jīng)網(wǎng)絡(luò)（ANN）[3]、支持向量機(jī)（SVM）等算法通過非線性關(guān)系，將動態(tài)時間建模問題轉(zhuǎn)化為靜態(tài)空間建模研究，因此忽略了過去時間的輸入對于預(yù)測的影響。然而風(fēng)電機(jī)組的故障過程是動態(tài)的，與之前時刻的特性也有關(guān)。由此，長短期記憶網(wǎng)絡(luò)（LSTM）在遞歸神經(jīng)網(wǎng)絡(luò)（RNN）基礎(chǔ)上設(shè)計，避免了梯度消失和梯度爆炸問題[4,5]。其廣泛應(yīng)用啟發(fā)了基于此算法進(jìn)行風(fēng)電場動態(tài)等值建模的想法。為此，本文建立了兩種多類型機(jī)組的算例系統(tǒng)，運(yùn)用SVM 算法與LSTM 方法，分別對實驗數(shù)據(jù)進(jìn)行訓(xùn)練學(xué)習(xí)，之后進(jìn)行實驗對比，以預(yù)測風(fēng)電機(jī)組故障期間動態(tài)特性，實現(xiàn)對多類型混合風(fēng)電場進(jìn)行動態(tài)等值。

1 風(fēng)電機(jī)組的通用模型結(jié)構(gòu)及動態(tài)全過程分區(qū)

1.1 風(fēng)電機(jī)組的通用模型結(jié)構(gòu)

WECC 推出了4 類風(fēng)電機(jī)組的通用模型結(jié)構(gòu)，下面以國內(nèi)主流的雙饋風(fēng)電機(jī)組和直驅(qū)永磁風(fēng)電機(jī)組為例，給出各自模型結(jié)構(gòu)[6]。雙饋變速風(fēng)電機(jī)組（Type 3）包括發(fā)電機(jī)/變流器（REGC_A）、轉(zhuǎn)子側(cè)控制（REEC_A）、驅(qū)動系統(tǒng)（WTGT_A）、空氣動力學(xué)（WTGAR_A）、槳距角控制（WTGPT_A）、轉(zhuǎn)矩控制（WTGTRQ_A）和場站級控制（REPC_A）7 個模塊。直驅(qū)永磁風(fēng)電機(jī)組（Type4）包括發(fā)電機(jī)/變流器（REGC_A）、轉(zhuǎn)子側(cè)控制（REEC_A）、驅(qū)動系統(tǒng)（WTGT_A）和場站級控制（REPC_A）4 個模塊。

2 種類型的風(fēng)電機(jī)組，其發(fā)電機(jī)/變流器模塊、以及轉(zhuǎn)子側(cè)控制器模塊都包含低電壓工況下的控制環(huán)節(jié)，其中低壓有功電流動態(tài)限幅環(huán)節(jié)、低壓有功電流控制環(huán)節(jié)、動態(tài)電流限幅環(huán)節(jié)及低壓無功電流控制環(huán)節(jié)，在低電壓穿越期間降低有功功率且提升無功功率。

當(dāng)電壓低于Vdip 值或高于Vup 時，Voltage_dip=1，正?？刂颇Ｊ绞?，風(fēng)電機(jī)組由邏輯控制模塊主導(dǎo)，此時有功功率動態(tài)特性與低壓有功電流管理模塊、低電壓功率邏輯模塊有關(guān)；其他情況時，Voltage_dip=0，風(fēng)電機(jī)組以正常控制模式運(yùn)行。

1.2 風(fēng)電機(jī)組的動態(tài)全過程分區(qū)

根據(jù)我國行標(biāo)（NB/T31053）和國外標(biāo)準(zhǔn)，風(fēng)電機(jī)組的動態(tài)全過程一般分為故障前(A)、故障期間(B)以及故障后(C)三個時段。需要說明的是：由于風(fēng)電機(jī)組在低電壓穿越后的恢復(fù)策略不盡相同，因此時段C 的結(jié)束不以電壓數(shù)據(jù)劃分，而是以有功功率開始穩(wěn)定輸出后的1 s 為C 時段結(jié)束。

根據(jù)規(guī)程，各時段開始和結(jié)束規(guī)定如下：1）電壓跌落前1 s 為A 時段開始；2）電壓跌落至0.9 Un 時刻為A 時段結(jié)束，B 時段開始；3）故障清除的開始時刻為B 時段結(jié)束，C 時段開始；4）故障清除后，風(fēng)電機(jī)組有功功率開始穩(wěn)定輸出后的1 s 為C 時段結(jié)束。

同一風(fēng)電場內(nèi)，即使對于不同類型的風(fēng)電機(jī)組，其動態(tài)特性皆可劃分為3 個分區(qū)，不同之處在于不同分區(qū)內(nèi)的動態(tài)不盡相同，因此下面進(jìn)一步分析影響風(fēng)電機(jī)組全過程動態(tài)的主要影響因素。

1.3 風(fēng)電機(jī)組動態(tài)特性的影響因素

1.3.1 風(fēng)電機(jī)組的類型 實際的風(fēng)電場往往由多種不同類型的風(fēng)電機(jī)組組成，而且它們的動態(tài)全過程往往不同。運(yùn)行在恒轉(zhuǎn)速區(qū)和最大風(fēng)能追蹤區(qū)下的不同風(fēng)電機(jī)組，雙饋風(fēng)電機(jī)組和永磁直驅(qū)風(fēng)電機(jī)組故障清除后的動態(tài)特性差別較大。

1.3.2 風(fēng)電機(jī)組初始運(yùn)行狀態(tài)的影響 由于風(fēng)向、地形地貌以及尾流等效應(yīng)的影響，同一風(fēng)電場內(nèi)各機(jī)組所受風(fēng)速不同。不同初始運(yùn)行狀態(tài)下，1）穩(wěn)態(tài)功率不同；2）故障期間的功率特性不同；3）故障恢復(fù)速度不同。

1.3.3 電壓跌落深度的影響 由于風(fēng)電場內(nèi)部集電網(wǎng)絡(luò)的結(jié)構(gòu)，在風(fēng)電場出口PCC 點(diǎn)發(fā)生故障時，不同風(fēng)機(jī)所實際接受的故障程度不同。距離PCC 點(diǎn)距離越遠(yuǎn)的風(fēng)機(jī)，受故障影響程度越淺。因此會造成在同一故障下，風(fēng)電場內(nèi)部分風(fēng)機(jī)經(jīng)歷低壓穿越，而另一部分仍處于正?？刂频倪\(yùn)行模式。

1.3.4 變流器及控制器參數(shù)的影響PSASP 中的雙饋異步風(fēng)電機(jī)組和永磁直驅(qū)風(fēng)電機(jī)組模型是在通用模型的基礎(chǔ)上進(jìn)行改動，雖然模型參數(shù)不同，但低電壓穿越模塊的邏輯關(guān)系仍保持一致。當(dāng)出現(xiàn)電壓跌落時，Zerox決定有功功率恢復(fù)的“起點(diǎn)”以及Brkpt決定從“起點(diǎn)”到Imax的速率，控制效果由端口電壓VT在Zerox和Brkpt區(qū)間的位置所決定。同時轉(zhuǎn)子側(cè)模塊中的參數(shù)rrpwr限制有功功率恢復(fù)的速率。當(dāng)Zerox＜VT＜Brkpt時，垂直上升至Imax；當(dāng)VT＞Brkpt時按rrpwr斜率上升；參數(shù)Ipzerox的大小決定了恢復(fù)的“高度”；斜率大小rrpwr影響故障切除后有功功率恢復(fù)斜率。

1.3.5 變流器參數(shù)的影響 由于KVI 決定了故障切除后無功功率的恢復(fù)速率，而TC0 決定了故障期間，到達(dá)穩(wěn)定故障值的速率，對故障切除后功率的恢復(fù)速率影響較小。

從上述分析可以看出，當(dāng)風(fēng)電機(jī)組在低電壓穿越期間，其有功功率動態(tài)特性受到低電壓穿越控制邏輯中各參數(shù)的影響，無功功率動態(tài)特性受到變流器參數(shù)中各參數(shù)的影響。由于限幅環(huán)節(jié)及放大倍數(shù)等參數(shù)的存在，使得基于靈敏度分析的參數(shù)辨識變得困難，因此本文提出通過LSTM 方法進(jìn)行風(fēng)電場的動態(tài)等值建模。

綜上分析可知，風(fēng)電場內(nèi)部風(fēng)機(jī)的初始輸出功率、電壓跌落程度以及不同類型風(fēng)機(jī)構(gòu)成比例的差異，會對風(fēng)電場整體輸出的動態(tài)特性產(chǎn)生影響。在后續(xù)風(fēng)電場的動態(tài)等值研究中，需要考慮以上因素與模型構(gòu)建的聯(lián)系。

2 基于LSTM 的多類型機(jī)組風(fēng)電場等值建模研究

從上述分析可以看出，風(fēng)電場在經(jīng)歷故障時有功功率的輸出特性受初始輸出功率、電壓跌落程度的影響較大。而初始輸出功率又與風(fēng)電場所受的風(fēng)況有關(guān)。由此，本文提出基于風(fēng)速、風(fēng)向和故障電壓跌落程度進(jìn)行非機(jī)理建模的方法。

2.1 LSTM 原理及建模流程

LSTM 網(wǎng)絡(luò)和RNN 的時間反饋原理基本一致，而核心在于其獨(dú)特的記憶單元，包含遺忘門、輸入門和輸出門三個乘法門控制信息的傳遞。遺忘門用于刪除部分歷史信息；輸入門對當(dāng)前時刻的輸入和上一時刻的輸出進(jìn)行篩選，并添加有用的信息；輸出門決定了下一層神經(jīng)元的輸入和下一時刻神經(jīng)元的輸入。

鑒于LSTM 的記憶功能，當(dāng)其與風(fēng)電機(jī)組故障動態(tài)特性結(jié)合起來，即可實現(xiàn)風(fēng)電場的動態(tài)等值建模。首先根據(jù)風(fēng)電機(jī)組的動態(tài)過程分區(qū)選取輸入數(shù)據(jù)的時間點(diǎn)，并使用LSTM 回歸模型，最后輸出對應(yīng)時間點(diǎn)的值。方法如下：

2.1.1 數(shù)據(jù)歸一化與反歸一化 由于輸入變量風(fēng)速、風(fēng)向、風(fēng)功率和電壓跌落程度量綱不同，首先要對歷史數(shù)據(jù)進(jìn)行處理，將其控制在[0,1]區(qū)間內(nèi)，以減少對預(yù)測精度的影響。風(fēng)功率的歸一化公式類似公式（1）。而風(fēng)向的角度則通過正弦和余弦函數(shù)拆分進(jìn)行歸一化

其中vg為歸一化后的風(fēng)速，vt是用于歷史風(fēng)速，vmax是統(tǒng)計中的最大風(fēng)速。

2.1.2 數(shù)據(jù)篩選 風(fēng)速的隨機(jī)性和波動性與風(fēng)電機(jī)組的輸出功率直接相關(guān)，預(yù)測前需要對大量歷史數(shù)據(jù)進(jìn)行相關(guān)性分析，選取其中相關(guān)性最大的數(shù)據(jù)作為訓(xùn)練樣本，并對此進(jìn)行測試。

2.1.3 確定LSTM 模型參數(shù) 根據(jù)LSTM 原理，模型中的輸入層確定為3，將輸入前1 個時刻的歷史數(shù)據(jù)，即時間步數(shù)為1；隱藏層數(shù)目和維數(shù)暫定為1 和10；輸出層維數(shù)為1。

2.1.4 計算誤差 使用平均相對誤差（EMAE）、最大相對誤差（EMRE）和均方根誤差（ERMSE）作為預(yù)測輸出的評價標(biāo)準(zhǔn)，計算公式如下：

其中，n為預(yù)測的數(shù)據(jù)個數(shù)，i為預(yù)測編號，A(i)為預(yù)測值，F(xiàn)(i)為實際值。

3 算例分析

3.1 算例設(shè)計

基于PSASP 平臺，搭建包含雙饋異步風(fēng)電機(jī)組和永磁直驅(qū)風(fēng)電機(jī)組的混合風(fēng)電場的無窮大系統(tǒng)，風(fēng)電場由4 行4 列共16 臺額定容量均為1.5 MW 的風(fēng)電機(jī)組組成。風(fēng)電機(jī)組由機(jī)端變壓器，由0.6 kV 升壓至33 kV，由集電網(wǎng)絡(luò)接入PCC 點(diǎn)，再由風(fēng)電場出口變壓器升至220 kV，接入單機(jī)無窮大系統(tǒng)。集電網(wǎng)絡(luò)的標(biāo)幺值為r+jx=0.01+j0.03。機(jī)組均采用恒電壓控制方式。

為了檢驗LSTM 對風(fēng)電場動態(tài)等值建模的有效性，本文采用SVM 算法與之對比，采用高斯徑向量核函數(shù)（RBF）和Sigmoid 核函數(shù)，尋找風(fēng)電故障過程動態(tài)特性與輸入的非線性關(guān)系。

3.2 模型參數(shù)的適應(yīng)性分析

3.2.1 不同模型參數(shù)下的歷史數(shù)據(jù)匯總 由于實際的風(fēng)電場中包含著成百上千臺風(fēng)機(jī)，多類型的風(fēng)電機(jī)組也會對風(fēng)電場的整體動態(tài)特性造成不同的影響，每一臺風(fēng)機(jī)都可能處在不同的運(yùn)行狀態(tài)下，并有不同的控制參數(shù)。為了減小這一現(xiàn)象對于預(yù)測效果的干擾，需要提前準(zhǔn)備好歷史數(shù)據(jù)，為后期數(shù)據(jù)的篩選、訓(xùn)練學(xué)習(xí)打下基礎(chǔ)。

在搭建好的風(fēng)電場模型中，每次只改變機(jī)組類型、風(fēng)速、風(fēng)向、RRPWR、KVI 和故障深度中的一個變量，以模擬實際風(fēng)電場中可能遇到的大部分常見情況，形成數(shù)據(jù)庫。

3.2.2 特定場景下的LSTM 建模結(jié)果 為了討論該方法對于風(fēng)電機(jī)組在不同參數(shù)的運(yùn)行方式下均具有有效性，本文提供兩種情況的算例驗證。（1）16 臺風(fēng)機(jī)參數(shù)RRPWR=1，KVI=400；（2）8 臺風(fēng)機(jī)參數(shù)RRPWR=1，KVI=400；8 臺風(fēng)機(jī)參數(shù)RRPWR=10，KVI=40。

圖1 算例1 有功、無功、電壓預(yù)測曲線Fig.1 Predicted curves of active power,reactive power and voltage in Example 1

圖2 算例2 有功、無功、電壓預(yù)測曲線Fig.2 Predicted curves of active power,reactive power and voltage in Example 2

3.3 誤差分析

本文分別采用SVM 和LSTM 的方法，對關(guān)鍵時刻的有功功率、無功功率和電壓值進(jìn)行預(yù)測，對比各個不同核函數(shù)情況下誤差的大小。

表1 算例1 各模型預(yù)測誤差Table 1 Forecast errors of each model in Example 1

表2 算例2 各模型預(yù)測誤差Table 2 Forecast errors of each model in Example 2

4 結(jié)論

1）比較了SVM 和LSTM 對于多類型風(fēng)電場故障期間特性的預(yù)測方法，在歷史樣本數(shù)據(jù)考慮全面的情況下，結(jié)果顯示，LSTM 對于任意給定運(yùn)行狀態(tài)風(fēng)電場的適應(yīng)性較好；

2）模型的提出，較好地解決了由于通用模型中大量限幅環(huán)節(jié)的存在，彌補(bǔ)了傳統(tǒng)根據(jù)風(fēng)機(jī)物理模型參數(shù)等值方法的局限性；

3）缺少實際風(fēng)電場運(yùn)行數(shù)據(jù)的驗證，本文所提出的模型還需在今后接受實際應(yīng)用的考驗。