含静止无功发生器(Static Var Generator,SVG)的直驱风场系统空载线缆投入可能出现中频振荡问题,严重时将威胁到风场运行稳定。为了从并网变流器非线性角度深入剖析此问题,首先,建立考虑风电机组网侧内外环控制、SVG内外环控制及空载线路阻抗的风场系统状态空间模型,根据状态空间矩阵特征根分布,确认风机、SVG和空载线路交互作用导致中频振荡:然后,利用参与因子法结合中频振荡模态,证明系统建模不可忽略SVG电流内环;筛选表征中频振荡的典型状态变量,绘制相空间轨迹确定影响系统中频振荡的关键因素,并分析风机出力、系统强度、SVG内外环控制参数变化对中频振荡的影响规律。研究表明,含SVG的风场在空载线路投入情况下,大风天及弱电网情况下易发生中频振荡,同时SVG内外环比例系数对中频振荡影响较大,并仿真验证了理论建模和分析的正确性。
针对风电场监控与数据采集系统(Supervisory Control and Data Acquisition, SCADA)存在数据采集参数多、耦合性强及响应时间延迟等问题,文中提出一种基于延迟时间估计的风电齿轮箱油温预警模型。该模型融合了自适应噪声的完全自适应噪声集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, CEEMDAN)、贝叶斯优化算法(Bayesian Optimization Algorithm, BOA)以及长短时记忆网络(Long Short-Term Memory, LSTM),构建了多测点协同的风电齿轮箱温度预测与预警方法。首先基于最大互信息估计输入变量与输出之间的延迟时间,重构时序数据以提高预测精度;其次,利用改进的LSTM网络模型实现油温的在线预测,并将该预测模型扩展到风电齿轮箱内其它温度测点;最后,通过分析齿轮箱驱动端轴承温度、油液温度和非驱动端轴承温度的预测残差统计特性,构建多测点协同的动态阈值预警机制。实验结果表明,相较于传统预测模型,本方法能够更有效地实现齿轮箱运行状态的在线监测与早期预警,为风电机组齿轮箱的健康监测与安全运行提供有效支持。