风电并网系统数字孪生及故障态势辨识

摘要：

随着新能源渗透率迅速增长,风电并网系统规模逐渐增大.本文借助数字孪生(DT)技术与深度学习技术实现了风电并网系统的态势精准辨识.本文基于电磁暂态程序(EMTP)所提方法构建以双馈风力发电机(DFIG)构成的风电并网系统虚拟镜像模型,基于C++多线程并行计算策略进行风电并网系统的超实时镜像计算(MC);并提出一种面向风电场态势辨识的注意力机制(AM)算法框架.至此,构建了基于机理驱动与数据驱动融合的风电并网系统数字孪生(DT-WP GIS).为评价数字孪生智能体的辨识性能,本文相应地提出了辨识时延常数(RDC)指标.最后,通过4个算例验证了上述方法在风电并网系统中应用的有效性与可行性.实验结果表明:该方法将传统的离线仿真加速到了超实时高精度仿真,将传统的事后故障分析提速到了微秒级的态势精准辨识,为风电并网系统向数字化与智能化的升级提供了思路.

关键词：数字孪生、双馈风力发电机、超实时镜像计算、注意力机制、态势辨识、辨识时延常数

所属期刊栏目：41

分类号：TM343(电机)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-12-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：43-58