基于运行数据和支持向量机的风电场动态建模.pdf

第 卷 第 期 33 11 可再生能源 Vol.33 No.11 年 月 2015 11 Renewable Energy Resources Nov. 2015 基于运行数据和支持向量机的风电场动态建模 1 1 2 1 1 詹仲强 ， 陈 洁 ， 黄 净 ， 郭 志 ， 苏元鹏 （1.新疆大学 电气工程学院， 新疆 乌鲁木齐 830046 ； 2. 国网新疆电力公司， 新疆 乌鲁木齐 830063 ） 摘 要： 风电场建模是研究风电并网技术的基础，找到一种能够精确反映风电场状态和大幅缩短仿真时间的 模型是目前国内外学者的研究重点。 文章基于统计学习理论的支持向量机算法，以风电场动态建模为目标，针 对单机模型和K-means 模型所产生的误差， 提出一种基于风电场风速威布尔分布的支持向量机算法模型，并 且利用实测数据和 MATLAB/Simulink 软件对算例进行仿真，风电场的有功功率和无功功率误差结果验证了该 模型具有良好的动态性能，并且有效缩短了仿真时间。 关键词： 风电场； 威布尔分布； 支持向量机； 动态建模 中图分类号： 文献标志码： 文章编号： （ ） TM614 A 1671-5292 2015 11-1640-06 DOI:10.13941/ki.21-1469/tk.2015.11.008 0 引言 总体风速数据产生风速样本， 将风速总体数据的 风力发电作为一种成熟的可再生能源技术， 标准差作为风速样本划分依据， 通过遗传算法对 [1] 近年来在中国得到迅速发展 ，随着国内多个大 支持向量机的参数进行寻优， 利用支持向量机训 型风电场的建成，风电并网后对电网的稳定性和 练样本构造出超平面，最后得到风机的聚类结果。 电能质量有着重要影响，对风电场进行动态建模 本文提出的聚类算法适用于任何已知单机风速数 是研究这些影响的前提条件。 风电场建模的核心 据的风电场，无需考虑风电场的排布和大小，具有 目标是找到一种模型使等值精度最高，仿真时间 良好的动态分群特性。 [2] 最短 。 国内外有许多学者提出不同的方法对风 1 理论背景 [3]~[9] 电场进行等值建模 。 支持向量机（SVM ）是建立在统计学习理论和 常见的风电场动态等值方法分为单机等值法 结构风险最小化原理上的一种机器学习算法，它 [2] 和多机等值法 。 单机等值法是将风电场中所有 能够有效解决小样本的分类和回归问题。 SVM 将