Оценка эквивалентных параметров ветроэлектростанций с асинхронными генераторами во время порывов ветра: подход на основе анализа данных

Цель исследования – для решения одной из основных задач ветроэнергетики, связанной с порывами ветра, разработать подход, основанный на онлайн измерениях и теории характеристических множеств Ритта-Ву из области алгебраической геометрии и компьютерной алгебры. Теория Ритта-Ву эффективна при изучении полиномиальных систем и их решений. Для получения эквивалентного асинхронного генератора с двойным питанием применяются основные шаги: построение характеристических множеств путем моделирования ветропарка; создание полиномиальных колец на основе регистрации и обработки данных в режиме реального времени; вывод аналитических выражений модели эквивалентного асинхронного генератора с двойным питанием; валидация разработанного подхода к моделированию асинхронного генератора с двойным питанием с помощью математического моделирования в программной среде PSCAD и анализа комбинации модельных данных и данных телеметрии. Использована общая процедура решения, которая может быть применена для получения аналитических выражений индуктивности и импеданса эквивалентной ветряной электростанции. Целесообразность и эффективность разработанного подхода проиллюстрирована на примере реального ветропарка мощностью 50 МВт с 34 асинхронными генераторами с двойным питанием. Результаты моделирования демонстрируют, что полученные параметры эквивалентного асинхронного генератора с двойным питанием могут точно следовать колебаниям скорости ветра с меньшей погрешностью. Таким образом, в данном исследовании представлен новый эффективный метод оценки точных эквивалентных параметров ветропарка во время порывов ветра. Разработанный метод подходит для получения аналитических решений эквивалентных параметров ветропарка в реальном времени. Проведена валидация точности и быстродействия авторского метода. Более того, данное исследование может быть применено к любой ветроэлектростанции, использующей асинхронные генераторы с двойным питанием.

1. Yan Weihang, Shah Shahil, Gevorgian V., Koralewicz P., Wallen R., Gao David Wenzhong. On the low risk of SSR in type III wind turbines operating with grid-forming control. IEEE Transactions on Sustainable Energy. 2024;15(1):443- 453. https://doi.org/10.1109/TSTE.2023.3300219.

2. Du Chengmao, Du Xiong, Tong Chenghui. SSR stable wind wpeed range quantification for DFIG-based wind power conversion system considering frequency coupling. IEEE Transactions on Sustainable Energy. 2023;14(1):125-139. https://doi.org/10.1109/TSTE.2022.3203317.

3. Lin Siqi, Yao Wei, Xiong Yongxin, Shi Zhongtuo, Zhao Yifan, Ai Xiaomeng, et al. Three-stage dynamic equivalent modeling approach for wind farm using accurate crowbar status identification and voltage differences among wind turbines. Electric Power Systems Research. 2024;228:110091. https://doi.org/10.1016/j.epsr.2023.110091.

4. Yang Pengwei, Cao Yuqi, Tan Jie, Chen Junfa, Zhang Chao, Wang Yan, et al. Electric vehicle charging capacity of distribution network considering conventional load composition. Energy Engineering. 2023;120(3):743-762. https://doi.org/10.32604/ee.2023.024128.

5. Dong Xiaofeng, Jiang Qi, Lian Jijian, Miao Zhuo, Yu Tongshun, Zhou Huan. Optimized identification process of equivalent wind load calculations for offshore wind turbines under standstill conditions. Ocean Engineering. 2024;312(1):119043. https://doi.org/10.1016/j.oceaneng.2024.119043.

6. Huang Jingwen, Du Zhiye, Cai Hongwei, He Jingxuan, Yue Guohua, Li Gen, et al. Probabilistic load flow calculation and power system security analysis based on improved CGC-CM. Electric Power Systems Research. 2024;237:110995. https://doi.org/10.1016/j.epsr.2024.110995.

7. Niu Yunbo, Wang Jianzhou, Zhang Ziyuan, Yu Yannan, Liu Jingjiang. A combined interval prediction system based on fuzzy strategy and neural network for wind speed. Applied Soft Computing. 2024;155:111408. https://doi.org/10.1016/j.asoc.2024.111408.

8. Wang Peng, Zhang Zhenyuan, Chen Chenxu, Huang Qi, Dai Ningyi, Lee Wei-Jen. Multistage parameter identification featured generic wind farm dynamic equivalent modeling. IEEE Transactions on Industry Applications. 2023;59(6):7475-7483. https://doi.org/10.1109/TIA.2023.3307656.

9. Gupta A.P., Mitra A., Mohapatra A., Singh S.N. A multi-machine equivalent model of a wind farm considering LVRT characteristic and wake effect. IEEE Transactions on Sustainable Energy. 2022;13(3):1396-1407. https://doi.org/10.1109/TSTE.2022.3159307.

10. Yang Shanghui, Deng Xiaowei, Yang Kun. Machine-learning-based wind farm optimization through layout design and yaw control. Renewable Energy. 2024;224:120161. https://doi.org/10.1016/j.renene.2024.120161.

11. Hou Xinxing, Hu Wenbo, Luo Maomao. Short-term wind farm cluster power point-interval prediction based on graph spatio-temporal features and S-stacking combined reconstruction. Heliyon. 2024;10(14):е33945. https://doi.org/10.1016/j.heliyon.2024.e33945.

12. Tao Siyu, Feijóo-Lorenzo A.E. Multi-objective optimization of clustered wind farms based on potential game approach. Ocean Engineering. 2024;300:117291. https://doi.org/10.1016/j.oceaneng.2024.117291.

13. Rahman M.T., Hasan K.N., Sokolowski P. Evaluation of wind farm aggregation using probabilistic clustering algorithms for power system stability assessment. Sustainable Energy, Grids and Networks. 2022;30:100678. https://doi.org/10.1016/j.segan.2022.100678.

14. Ahmed S., Huang Yongyi, Tayyab Q., Senjyu T., Elkholy M.H. Identification of power grids low-frequency oscillations through a combined MEEMD-Prony method. Energy Reports. 2024;11:4245-4253. https://doi.org/10.1016/j.egyr.2024.04.015.

15. Feng Shuang, Cui Hao, Lei Jiaxing, Yang Hao, Tang Yi. Data-driven time-frequency-domain equivalent modeling of wind farms for wideband oscillations analysis. IEEE Transactions on Power Delivery. 2023;38(6):4465-4475. https://doi.org/10.1109/TPWRD.2023.3321592.

16. Xia Yurui, Wang Jianzhou, Zhang Ziyuan, Wei Danxiang, Cao Zhining, Li Zhiwu. A wind speed point-interval fuzzy forecasting system based on data decomposition and multi-objective optimizer. Applied Soft Computing. 2024;165:112084. https://doi.org/10.1016/j.asoc.2024.112084.

17. Huang Liang, Wu Chao, Zhou Dao, Blaabjerg F. Two-port-network-based decoupled impedance modeling method of DFIG system and DC-link coupling analysis. International Journal of Electrical Power & Energy Systems. 2024;157:109878. https://doi.org/10.1016/j.ijepes.2024.109878.

18. Shi Xingyu, Cao Yijia, Li Yong, Ma Junjie, Shahidehpour М., Wu Xi, et al. Data-driven model-free adaptive damping control with unknown control direction for wind farms. International Journal of Electrical Power & Energy Systems. 2020;123:106213. https://doi.org/10.1016/j.ijepes.2020.106213.

19. Rajendran S., Jena D., Diaz M., Rodriguez J. Design of modified complementary terminal sliding mode controller for wind turbine at region II using a two-mass model. Results in Engineering. 2024;24:103026. https://doi.org/10.1016/j.rineng.2024.103026.

20. El Jaadi M., Haidi T., Belfqih A., Farah M., Dialmy A. Optimizing wind farm layout for enhanced electricity extraction using a new hybrid PSO-ANN method. Global Energy Interconnection. 2024;7(3):254-269. https://doi.org/10.1016/j.gloei.2024.06.006.

21. Zhang Zuan, Liang Yanchang, Zhao Xiaowei. Adaptive inter-area power oscillation damping from offshore wind farm and MMC-HVDC using deep reinforcement learning. Renewable Energy. 2024:224(С):120164. https://doi.org/10.1016/j.renene.2024.120164.

22. Treesatayapun C. Data-driven fault-tolerant control with fuzzy-rules equivalent model for a class of unknown discrete-time MIMO systems and complex coupling. Journal of Computational Science. 2022;63(9):101827. https://doi.org/10.1016/j.jocs2022.101827.

23. Liu Zhijian, Luo Jun, Han Jiangbei, Yu Chengjun, Fang Qian, Li Pengcheng, Liu Chengxi. Characteristic analysis and mitigation strategy for SSCI in series-compensated DFIG-based wind farm controlled by a virtual synchronous generator. ISA transactions. 2024;150:92-106. https://doi.org/10.1016/j.isatra.2024.05.021.

24. Xiaoshan Gao, Chunming Yuan, Guilin Zhang. Ritt-Wu’s characteristic set method for ordinary difference polynomial systems with arbitrary ordering. Acta Mathematica Scientia. 2009;29(4):1063-1080. https://doi.org/10.1016/S0252-9602(09)60086-2.

25. Chertovskih R., Pogodaev N., Staritsyn M., Aguiar A.P. Optimal control of diffusion processes: infinite-order variational analysis and numerical solution. IEEE Control Systems Letters. 2024;8(1):1469-1474. https://doi.org/10.48550/arXiv.2403.01945.