西安交通大学学报
西安交通大學學報
서안교통대학학보
JOURNAL OF XI'AN JIAOTONG UNIVERSITY
2015年
5期
94-99,115
,共7页
大型风电场%动态等值%支持向量聚类%遗传算法%分段多目标函数
大型風電場%動態等值%支持嚮量聚類%遺傳算法%分段多目標函數
대형풍전장%동태등치%지지향량취류%유전산법%분단다목표함수
large wind farm%dynamic equivalent%support vector clustering%genetic algorithm%segmented multi-objective function
针对风速波动性强与风电场多样性导致的风机聚类参数多样化的特点,提出了一种基于支持向量聚类(SVC)的大型风电场动态等值聚类算法.该算法应用遗传算法实现簇标定,采用分段多目标函数迭代求解,保证了聚类结果的精度与速度,克服了传统SVC簇标定抽样判决的不足.应用样本轮廓值修正聚类结果,保证聚类结果的合理性,根据等值前后风机机端电压不变原则建立了电缆等值模型.以实际风电场为算例进行仿真,结果表明,该算法单次聚类时间为SVC的4%左右,采用遗传算法能够实现不同精度的等值机台数优化,得到的等值机与簇内单机的有功功率、无功功率动态特性具有较高一致性,轮廓值修正能够保证聚类结果的样本轮廓值都大于0.
針對風速波動性彊與風電場多樣性導緻的風機聚類參數多樣化的特點,提齣瞭一種基于支持嚮量聚類(SVC)的大型風電場動態等值聚類算法.該算法應用遺傳算法實現簇標定,採用分段多目標函數迭代求解,保證瞭聚類結果的精度與速度,剋服瞭傳統SVC簇標定抽樣判決的不足.應用樣本輪廓值脩正聚類結果,保證聚類結果的閤理性,根據等值前後風機機耑電壓不變原則建立瞭電纜等值模型.以實際風電場為算例進行倣真,結果錶明,該算法單次聚類時間為SVC的4%左右,採用遺傳算法能夠實現不同精度的等值機檯數優化,得到的等值機與簇內單機的有功功率、無功功率動態特性具有較高一緻性,輪廓值脩正能夠保證聚類結果的樣本輪廓值都大于0.
침대풍속파동성강여풍전장다양성도치적풍궤취류삼수다양화적특점,제출료일충기우지지향량취류(SVC)적대형풍전장동태등치취류산법.해산법응용유전산법실현족표정,채용분단다목표함수질대구해,보증료취류결과적정도여속도,극복료전통SVC족표정추양판결적불족.응용양본륜곽치수정취류결과,보증취류결과적합이성,근거등치전후풍궤궤단전압불변원칙건립료전람등치모형.이실제풍전장위산례진행방진,결과표명,해산법단차취류시간위SVC적4%좌우,채용유전산법능구실현불동정도적등치궤태수우화,득도적등치궤여족내단궤적유공공솔、무공공솔동태특성구유교고일치성,륜곽치수정능구보증취류결과적양본륜곽치도대우0.