[发明专利]基于经验模态分解的风电场时频域建模方法

说明书

技术领域

本发明涉及风电场并网影响分析技术领域，具体涉及包含波动信息的风电场可靠模型的建立。

背景技术

经验模态分解（Empirical Mode Decomposition，即EMD）是HHT（希尔伯特-HuangTransform）的组成部分，是由Norden E.Huang和Steven R.Long等人于1998年发表的“TheEmpi rical Mode Decomposition and the希尔伯特Spectrum for Nonlinear and Non-stationaryTime Series Analysis”中提出的一种用于处理非平稳信号的方法。EMD的作用是将非平稳信号分解为若干满足希尔伯特变换的本征模态函数IMF（intrinsic Mode Function），对这些IMF进行希尔伯特变换，能够得到信号瞬时频率的分布情况。EMD具有完全自适应性，能够根据具体信号来自适应产生“基”，即由“筛选”过程产生的IMF，不需要预设基函数，这也正是EMD的优势所在。

风电场并网影响分析是未来风电场实现大规模高渗透并网的必要工作。鉴于此并网影响分析主要依托于仿真研究，故建立可靠的风电场模型是必要前提，这要求风电场模型必须能够包含风电场带有非平稳随机性的功率波动特性。而目前风电场建模思路主要是基于等效风速的风电场等效模型，其基本思路是用单台或少数几台风机来等效一个风电场，而风机的输入风速则用等效风速来替代。这其中包含两个关键问题，一是等效风速的计算方法，另一个是风机参数的修正。由于风电场自身结构的复杂性，包含结构信息在内的准确物理模型难以建立，这种等效建模思路提供了一种捷径。然而，由于风电场内部惯性与平滑效应的存在，输入风速与输出功率之间难以找到准确的对应关系，导致等效模型不能够再现出输出功率的波动特性。这对于风电场并网影响分析是极其不利的。

发明内容

本发明的目的是建立包含输出功率波动特性信息的风电场模型，用于风电场并网下对电网的影响分析。

本发明采用希尔伯特变换方法，对经经验模态分解（EMD）后具有不同频率区间的本征模态函数IMF信号进行时频谱分析，拟合出残差较小的光滑曲线，并经由反希尔伯特变换得到时域表达式，即风电场解析模型。

本发明基于经验模态分解（EMD）的风电场时频域建模方法具体步骤如下：

1.采集风电场中每台机组的输出功率数据Pwind_i(t)，将采集得到的风电场中每台机组的输出功率Pwind_i(t)进行加和，求得风电场总输出功率风电场总输出功率为风电场中每台机组风机输出功率Pwind_i(t)之和，即其中t为时间。

对风电场总输出功率进行归一化处理，选取风电场总额定输出功率Pe(t)作为基值。

对归一化后的数据进行傅里叶变换，生成频谱，观察频谱特性，估计归一化后的数据的频率分布，并通过低通数字滤波器进行滤波，滤去误差较大的干扰点，得到的数据记为P(t)，将P(t)作为风电场输出功率数据进行以下处理。

2.对风电场输出功率P(t)进行经验模态分解（EMD）处理，将P(t)分解为n个本征模态函数c₁(t)，c₂(t)…c_n(t)以及残余分量rn(t)，即：

P(t)=Σj=1nej(t)+rn(t)---(1)]]>