典型文献
计及Crowbar状态改进识别的双馈风电场等值建模方法
文献摘要：
故障过程中双馈风机Crowbar投入与不投入的暂态响应特性差异明显,因而在风电场等值中场内机组Crowbar状态是一个良好的机群划分指标.然而,双馈风电场与单台机组间故障特性的差异性,使得现有采用单机模型来识别场内机组Crowbar状态的方法存在识别不准确的问题,从而降低风电场等值建模精度.为此,该文提出一种计及Crowbar状态改进识别的双馈风电场等值建模方法.通过分析风电场故障特性,构建Crowbar状态特征向量;收集风电场各工况下的样本数据,建立基于支持向量机(support vector machine,SVM)的识别模型.在新工况下,依次以Crowbar状态识别结果和输入风速为分群指标对场内机组进行机群划分,从而建立风电场等值模型.仿真算例结果表明,该文提出的基于SVM的Crowbar状态识别方法在各个故障场景下相较于传统方法均有较好的识别效果,所建立的等值模型与详细模型故障暂态特性十分吻合,等值方法合理有效.
文献关键词：
双馈风电场;暂态响应;支持向量机;Crowbar电阻;等值模型
中图分类号：
作者姓名：
吴志鹏;曹铭凯;李银红
作者机构：
强电磁工程与新技术国家重点实验室(华中科技大学电气与电子工程学院),湖北省 武汉市 430074
文献出处：
引用格式：
[1]吴志鹏;曹铭凯;李银红-.计及Crowbar状态改进识别的双馈风电场等值建模方法)[J].中国电机工程学报,2022(02):603-613,中插13
A类：
B类：
Crowbar,双馈风电场,风电场等值,等值建模,双馈风机,暂态响应特性,中场,场内,机群,划分指标,单台,台机,故障特性,单机,建模精度,特征向量,support,vector,machine,识别模型,状态识别,分群指标,等值模型,故障场景,详细模型,暂态特性
AB值：
0.238939
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
