(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211437254.0 (22)申请日 2022.11.17 (71)申请人 华北电力大 学 地址 102206 北京市昌平区北农路2号 申请人 国网山西省电力公司电力科 学研究 院 (72)发明人 胡阳　姚欣然　房方　宋子秋　 郭强　刘吉臻　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 徐丽 (51)Int.Cl. H02J 3/24(2006.01) H02J 3/48(2006.01) G06N 3/04(2006.01) (54)发明名称 风电场调频动态建模方法、 装置及电子设备 (57)摘要 本发明提供了一种风电场调频动态建模方 法、 装置及电子设备， 其中， 包括： 获取预设多种 工况下风电场并网点实测的第一调频数据； 根据 上述第一调频数据， 建立上述多种工况中每种工 况对应的状态空间模型； 利用间隙测度方法测量 上述多种工况中每两种工况对应的状态空间模 型之间的非线性度； 根据上述非线性度对上述第 一调频数据进行合并， 得到第二调频数据； 根据 上述第二调频数据对预设的初始LSTM神经网络 进行训练， 直到达到预设的训练要求， 得到训练 好的风电场调频动态模型。 该方法可以降低风电 场调频建模难度， 并提升风电场调频建模的精确 度。 权利要求书2页 说明书10页 附图3页 CN 115498660 A 2022.12.20 CN 115498660 A 1.一种风电场调频动态建模方法， 其特 征在于， 包括： 获取预设多种工况 下风电场并 网点实测的第一调频 数据； 根据所述第一调频 数据， 建立所述多种工况中每种工况对应的状态空间模型； 利用间隙测度方法测量所述多种工况中每两种工况对应的状态空间模型之间的非线 性度； 根据所述非线性度对所述第一调频 数据进行合并， 得到第二调频 数据； 根据所述第 二调频数据对预设的初始LSTM神经网络进行训练， 直到达到预设的训练要 求， 得到训练好的风电场调频动态模型。 2.根据权利要求1所述的风电场调频动态建模方法， 其特征在于， 根据 所述第二调频数 据对预设的初始LSTM神经网络进行训练， 直到达到预设的训练要求， 得到训练好的风电场 调频动态模型的步骤， 包括： 根据风电一次调频原理， 构建回归向量； 基于赤池信息准则确定所述 LSTM神经网络的延迟阶数； 根据所述延迟阶数， 将所述回归向量作为输入， 将对应的所述第二调频数据中的风电 场输出功率变化量作为输出， 训练所述初始LSTM神经网络直到达到预设的训练要求， 得到 训练好的风电场调频动态模型。 3.根据权利要求2所述的风电场调频动态建模方法， 其特征在于， 基于赤池信 息准则确 定所述LSTM神经网络的延迟阶数的步骤， 包括： 基于下述公式确定所述 LSTM神经网络的延迟阶数： 其中， 表示赤池信息准则的值， 表示预设的预测误差向量， 表示预设的 估计参数， N表示所述第二调频数据中子数据的个数， 为估计参数的个数， 为所述状态 空间模型输出的数据的个数。 4.根据权利要求3所述的风电场调频动态建模方法， 其特征在于， 根据风电一 次调频原 理， 构建回归向量的步骤， 包括： 根据下述公式构建回归向量： 其中， 和 分别表示所述风电场调频动态模型的延迟阶数， 表示上述回归向 量方程， 表示所述第二调频数据中t ‑1时刻的频率偏 差， 表示所述第 二调频数据中t ‑2时刻的频率偏差， 表示所述第二调频数据中 时刻 的频率偏差， 表示所述第二调频数据中t ‑1时刻的功率变化量； 表示 所述第二调频数据中t ‑2时刻的功率变化量， 表示所述第二调频数据中 时刻的功率变化 量。权　利　要　求　书 1/2 页 2 CN 115498660 A 25.根据权利要求1所述的风电场调频动态建模方法， 其特征在于， 根据 所述第一调频数 据， 建立所述多种工况中每种工况对应的状态空间模型的步骤 包括： 基于N4SID子空间辨识方法， 计算所述第一调频 数据对应的状态空间矩阵； 根据所述状态空间矩阵， 建立所述多种工况中每种工况对应的状态空间模型。 6.根据权利要求1所述的风电场调频动态建模方法， 其特征在于， 根据 所述第二调频数 据对预设的初始LSTM神经网络进行训练， 直到达到预设的训练要求， 得到训练好的风电场 调频动态模型的步骤之后， 所述方法还 包括： 计算每次训练后的LSTM神经网络的均方差误差和绝对百分比误差； 当所述均 方差误差和所述绝对百分比误差均满足预设的误差 阈值要求 时， 确认训练达 到预设的训练要求， 得到所述训练好的风电场调频动态模型。 7.根据权利要求1所述的风电场调频动态建模方法， 其特征在于， 根据 所述非线性度对 所述第一调频 数据进行合并， 得到第二调频 数据的步骤， 包括： 根据所述非线性度， 将所述多种工况划分为多个工况域； 将每个工况域对应的所述第一调频 数据进行合并， 得到所述第二调频 数据。 8.根据权利要求1所述的风电场调频动态建模方法， 其特征在于， 获取预设多种工况下 风电场调频响应特性的第一调频 数据的步骤， 包括： 获取预设多种工况 下风电场调频响应特性的并 网点实测数据； 根据预设条件 对所述并 网点实测数据进行处 理， 得到所述第一调频 数据。 9.一种风电场调频动态建模 装置， 其特 征在于， 包括： 数据获取模块， 用于获取 预设多种工况 下风电场并 网点实测的第一调频 数据； 空间模型构建模块， 用于根据所述第一调频数据， 建立所述多种工况中每种工况对应 的状态空间模型； 非线性度确定模块， 用于利用间 隙测度方法测量所述多种工况中每两种工况对应的状 态空间模型之间的非线性度； 工况域调频数据确定模块， 用于根据所述非线性度对所述第一调频数据进行合并， 得 到第二调频 数据； 模型训练模块， 用于根据所述第二调频数据对预设的初始LSTM神经网络进行训练， 直 到达到预设的训练要求， 得到训练好的风电场调频动态模型。 10.一种电子设备， 其特征在于， 所述电子设备包括处理器和存储器， 所述存储器存储 有能够被所述处理器执行的计算机可执行指令， 所述处理器执行所述计算机可执行指 令以 实现权利要求1至8任一项所述的风电场调频动态建模方法。权　利　要　求　书 2/2 页 3 CN 115498660 A 3