(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 202210743897.1 (22)申请日 2022.06.27 (71)申请人 国网湖南省电力有限公司 地址 410004 湖南省长 沙市天心区新韶东 路398号 申请人 国网湖南省电力有限公司经济技 术 研究院　 国家电网有限公司 (72)发明人 文明　涂钊颖　文云峰　黄鸿奕　 刘晓丹　谭玉东　 (74)专利代理 机构 长沙永星专利商标事务所 (普通合伙) 43001 专利代理师 周咏　米中业 (51)Int.Cl. G06F 30/20(2020.01)G06K 9/62(2022.01) G06Q 10/04(2012.01) G06F 111/08(2020.01) G06F 113/06(2020.01) G06F 119/06(2020.01) (54)发明名称 风电高渗透电网系统的等效惯量预测方法 (57)摘要 本发明公开了一种风电高渗透电网系统的 等效惯量预测方法， 包括计算风电机组等效虚拟 惯量时间常数； 构建风电高渗透电网的等效惯量 计算公式； 获取风电高渗透电网系统的历史数据 和待预测日的参数数据； 采用灰色关联算法在获 取的历史数据中选取待预测日的相似日； 构建等 效惯量预测初始模型并训练得到等效惯量预测 模型； 将待预测日的参数数据输入到等效惯量预 测模型得到最终的待预测日的风电高渗透电网 系统的等效惯 量预测结果。 本发 明建立风电机组 虚拟惯量与转速之间的解析关系， 给出考虑风电 机组虚拟惯 量的系统等效惯量表达式， 并对其特 性进行分析， 实现了对短期系统等效惯量进行较 高精度的预测； 而且本发明方法的准确性高且可 靠性好。 权利要求书4页 说明书9页 附图2页 CN 115017725 A 2022.09.06 CN 115017725 A 1.一种风电高渗透电网系统的等效惯量预测方法， 包括如下步骤： S1.根据风力发电系统的参数， 计算 风电机组等效虚拟惯量时间常数； S2.根据步骤S1得到的风电机组等效虚拟惯量时间常数， 构建风电高渗透电网的等效 惯量计算公式； S3.获取风电高渗透电网系统的历史数据； S4.获取待预测日的参数 数据； S5.采用灰色 关联算法， 在获取的历史数据中选取待预测日的相似日； S6.基于NGBoost集成学习模型， 构建等效惯量预测初始模型， 并采用选定的相似日的 数据对等效惯量预测初始模型进行训练， 得到等效惯量预测模型； S7.将待预测日的参数数据输入到步骤S6得到的等效惯量预测模型， 得到最终的待预 测日的风电高渗透电网系统的等效惯量预测结果。 2.根据权利要求1所述的风电高渗透电网系统的等效惯量预测方法， 其特征在于步骤 S1所述的根据风力发电系统的参数， 计算风电机组等效虚拟惯量时间常数， 具体包括如下 步骤： 风机捕获的机 械功率Pw表示为： 式中ρ为空气密度； A为风机扫风面积； v为风速； λ为叶尖速比且 ω为转子转 速， R为叶轮半径， β 为桨距角， CP( λ, β )为风能利用系数且 λi为中间参数且 当ω＜ωmin时， 风电机组虚拟惯性时间常数Hw为Hw＝0； 当ωmin≤ω≤ωmax时， 风电机组虚拟惯性时间常数Hw为 式中Sn,w为双馈风电机组的额定容量； Jw为单台风电机组的总转动惯量； ω0为风电机组 初始转子转速； ton为机组调 速初始时刻； toff为机组调 速结束时刻； Cpmax为风能利用系数最 大值； 当ω＞ωmax时， 风电机组虚拟惯性时间常数Hw为权　利　要　求　书 1/4 页 2 CN 115017725 A 2式中ωmin为风电机组的最低转子转速； ωmax为风电机组的最高转子转速 。 3.根据权利要求2所述的风电高渗透电网系统的等效惯量预测方法， 其特征在于步骤 S2所述的根据步骤S1得到的风电机组等效虚拟惯量时间常数， 构建风电高渗透电网的等效 惯量计算公式， 具体包括如下步骤： 构建风电高渗透电网的等效惯量计算公式为 式中Heq为风电高渗透电网 的等效惯量； nG为与电网直接相连的同步发电机数量； HG,i为 同步发电机i的惯性时间常数； SG,i为同步发电机i的额定容量； nW为能够参与系统惯量响应 的风机数量； HW,j为风机j的虚拟惯性时间常数； SW,j为风机j的额定容 量。 4.根据权利要求3所述的风电高渗透电网系统的等效惯量预测方法， 其特征在于步骤 S5所述的采用灰色关联算法， 在获取 的历史数据中选取待预测日的相似 日， 具体包括如下 步骤： 对步骤S3和S4获取的数据进行标准化无量纲处理， 无量纲化后的数据序列矩阵为 其中xij为数据序列矩阵元素， i＝1,2,...,m， j＝1,2,. ..,n； 计算 历史数 据与待预 测日 数 据对应的 输入特征变量的 关联 系数εi ,j为 其中εi,j为第i个历史样本的第j个输 入特征变量与待预测日的第j个输入特征变量的关联系数； xo,j为待预测日的第j个输入特 征变量； xi,j为第i个历史样 本的第j个输入特征变量； ρ1为分辨系数， 0＜ρ1＜1， 且ρ1越小， 则 关联系数间差异越大， 区分能力越强； 最后， 计算各历史样本与待预测日之间的关联度γi为 其中γi为第i个 历史样本与待预测日之间的关联度， N 为历史样本数量。 5.根据权利要求4所述的风电高渗透电网系统的等效惯量预测方法， 其特征在于步骤 S6所述的基于NGBoost集 成学习模 型， 构建等效惯 量预测初始模 型， 并采用选定的相似日 的权　利　要　求　书 2/4 页 3 CN 115017725 A 3