基于遗传算法的风电场等值模型的研究.pdf

第３９卷第ｌ１期２０１１年６月１日电力系统保护与控制ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌＶｂ１．３９Ｎ０．１１Ｊｕｎ．１，２０１１基于遗传算法的风电场等值模型的研究李辉，王荷生，史旭阳。，杨超（１．重庆大学输配电装备及系统安全与新技术国家重点实验室，重庆４０００４４；２．郑州市供电公司，河南郑州４５００００）摘要：在分析笼型异步风力发电机组动态模型的基础上，利用含笼型异步风力发电机组的风电场详细模型的运行数据，提出了基于遗传算法的风电场单机等值建模方法和参数优化模型。针对风电场内机组参数完全相同和不同的两种算例，对风速扰动和风电场出口处发生三相短路故障下的风电场动、暂态运行特性进行仿真，并与风电场详细模型和容量加权单机等值模型时的结果进行比较。结果表明基于遗传算法的单机等值模型具有和详细模型一致的风电场运行特性；与风电场容量加权单机等值模型相比，能更好地表现风电场的动、暂态运行特性。’关键词：风力发电；风电场；笼型异步发电机；等值模型；遗传算法ＳｔｕｄｙｏｎｅｑｕｉｖａｌｅｎｔｍｏｄｅｌｏｆｗｉｎｄｆａｒｍｓｂａｓｅｄｏｎｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍＬＩＨｕｉ，ＷＡＮＧＨｅ．ｓｈｅｎｇ，ＳＨＩＸｕ．ｙａｎｇ，ＹＡＮＧＣｈａｏ１（１．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＰｏｗｅｒＴｒａｎｓｍｉｓｓｉｏｎＥｑｕｉｐｍｅｎｔ＆ＳｙｓｔｅｍＳｅｃｕｒｉｔｙａｎｄＮｅｗＴｅｃｈｎｏｌｏｇｙ，ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ４０００４４，Ｃｈｉｎａ：２．ＺｈｅｎｇｚｈｏｕＰｏｗｅｒＳｕｐｐｌｙＣｏｍｐａｎｙ，Ｚｈｅｎｇｚｈｏｕ４５００００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｂａｓｅｄｏｎｔｈｅａｎａｌｙｓｉｓｏｆｄｙｎａｍｉｃｍａｔｈｅｍａｔｉｃｍｏｄｅｌｓｏｆａｗｉｎｄｔｕｒｂｉｎｅｓｙｓｔｅｍｗｉｔｈａｓｑｕｉｒｒｅｌｃａｇｅｉｎｄｕｃｔｉｏｎｇｅｎｅｒａｔｏｒ（ＳＣＩＧ），ａｎｅｑｕｉｖａｌｅｎｔｍｏｄｅｌｉｎｇｍｅｔｈｏｄａｎｄｐａｒａｍｅｔｅｒｓｏｐｔｉｍｉｚａｔｉｏｎｍｏｄｅｌｏｆａｗｉｎｄｆａｒｍａｒｅｐｒｏｐｏｓｅｄｂａｓｅｄｏｎａｎｉｍｐｒｏｖｅｄｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ（ＩＧＡ）ｂｙｕｓｉｎｇｔｈｅｏｐｅｒａｔｉｏｎａｌｄａｔａｏｆａＳＣＩＧｗｉｎｄｆａｒｍｗｉｔｈｔｈｅｄｅｔａｉｌｅｄｍｏｄｅｌｓ．ＲｅｇａｒｄｉｎｇｔｈｅｔｗｏｃａｓｅｓｏｆａｗｉｎｄｆａｒｍｉｎｃｌｕｄｉｎｇＳＣＩＧｓｗｉｔｈｉｄｅｎｔｉｃａｌｐａｒａｍｅｔｅｒｓａｎｄＳＣＩＧｓｗｉｔｈｄｉｆｆｅｒｅｎｔｐａｒａｍｅｔｅｒｓ，ｔｈｅｄｙｎａｍｉｃａｎｄｔｒａｎｓｉｅｎｔｐｅｒｆｏｒｍａｎｃｅｓｃｈａｒａｃｔｅｒｉｓｔｉｃｓｕｎｄｅｒｔｈｅｗｉｎｄｓｐｅｅｄｄｉｓｔｕｒｂａｎｃｅａｎｄｔｈｅｔｈｒｅｅ．Ｄｈａｓｅｓｈｏｒｔｃｉｒｃｕｉｔｆａｕｌｔａｔｔｈｅｅｘｉｔｏｆｗｉｎｄｆａｒｍａｌｅｓｉｍｕｌａｔｅｄａｎｄａｎａｌｙｚｅｄ．ＴｈｅｒｅｓｕｌｔｓａｒｅａｌｓｏｃｏｍｐａｒｅｄｗｉｔｈｔｈｏｓｅｂｙｕｓｉｎｇｔｈｅｄｅｔａｉｌｅｄｍｏｄｅｌａｎｄｔｈｅｃａｐａｃｉｔｙｗｅｉｇｈｔｅｄｅｑｕｉｖａｌｅｎｔｍｏｄｅｌｏｆｔｈｅＳＣＩＧｗｉｎｄｆａｒｍ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｗｉｎｄｆａｒｍｅｑｕｉｖａｌｅｎｔｍｏｄｅｌｈａｓｔｈｅｓａｍｅｗｉｎｄｆａｒｍｏｐｅｒａｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｅｓｗｉｔｈｔｈｅｄｅｔａｉｌｅｄｍｏｄｅｌ，ａｎｄｉｔｈａｓｂｅｔｔｅｒｒｅｐｒｅｓｅｎｔａｔｉｏｎｏｆｔｈｅｄｙｎａｍｉｃａｎｄｔｒａｎｓｉｅｎｔｐｅｒｆｏｒｍａｎｃｅｓｏｆｔｈｅｗｉｎｄｆａｒｍｓｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｗｅｉｇｈｔｅｄｅｑｕｉｖａｌｅｎｔｍｏｄｅ１．ＴｈｉｓＷＯｒｋｉＳｓｕｐｐｏｒｔｅｄｂｙＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（Ｎｏ．５０６０７０２２）．Ｋｅｙｗｏｒｄｓ－ｗｉｎｄｐｏｗｅｒ：ｗｉｎｄｆａｒｍ：ｓｑｕｉｒｒｅｌｃａｇｅｉｎｄｕｃｔｉｏｎｇｅｎｅｒａｔｏｒ：ｅｑｕｉｖａｌｅｎｔｍｏｄｅｌ；ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ中图分类号：ＴＭ７４文献标识码：Ａ—文章编号：１６７４３４１５（２０１１）１１－０００１－０８０引言随着并网风力发电机组单机容量日益增大，以及大型风电场尤其是海上风电场的规划、建设和运行，风电场将成为电力系统的重要组成部分，使得大规模风电接入后对电网的动、暂态稳定产生显著的影响。在分析和评价大容量风电场和电力系统之间的相互作用和影响时，若对风电场的每台风力发电机及其部连接都采取详细模型描述时，不仅增加了电力系统模型的规模，而且还会带来如模型有基金项目：国家自然科学基金项目（５０６０７０２２）；输配电装备及系统安全与新技术国家重点实验室自主研究项目（２００７ＤＡ１０５１２７１０１０１）效性、数据修正等问题，以及增加时域仿真的时间【】Ｊ。因此，为准确分析和评价大容量风电场和电力系统之间的相互作用和影响，研究并寻求合适的风电场等值方法和模型显得尤为重要。对风电场的等值建模通常采用的方法是简化发电机的模型，即将模型在近似的条件下降阶处理，如利用奇异摄动理论的风电场降阶模型Ｉ２］和研究机械转矩波动的线性动态异步机模型【３】。但线性动态模型只适用于研究机械波动为正弦的情况；基于奇异摄动理论的降阶模型侧重于对电机本体的研究，保留了慢变化的变量仍导致需要较长的仿真时间。文献［４】采用了集总建模法对风电场进行等值建模。由于不同风况将导致风电场内机组运行条件有差异，从而使其等值建模仿真带来一定的误差。文献电力系统保护与控制【５．６】基于异步发电机的机电暂态模型，利用参数辨识法及最小二乘法求解多台异步发电机组的等值参数。文献［７】基于改进加权求和法来求取电机的等值参数。文献【８．９］利用变尺度降阶对风电场不同程度的简化模型进行研究。但是，上述文献大都通过风电场内部发电机组连接进行风电场的等值建模，往往难以充分考虑风电场运行的复杂性。此外，文献【ｌｏ］直接利用风机功率特性曲线进行等值建模。但是由于风电机组始终处于风速和风向不断变化的运行条件下，其实际运行状况与理想的风速一功率特性曲线相差较大。文献［１１】提出了基于实测运行数据的风电场等效建模方法。然而，由于该方法基于概率统计的思想，存在等效模型分析时运行参数的复杂度与模型的简化度之间的矛盾。此外，在一个风电场的规划建设中，存在不同型号风力发电机组的情况，因而对于含不同机组参数的风电场等值模型的有效性也值得进一步研究。为了寻求合适的风电场等值方法和模型，本文利用含笼型异步风电机组风电场详细模型的运行数据，提出了基于遗传算法的风电场单机等值建模方法和参数优化模型。针对风电场内机组参数完全相同和不同的两种算例，在风速扰动和风电场出口处发生三相短路故障下的风电场动、暂态运行特性进行仿真分析，并与风电场详细模型和容量加权单机等值模型时结果进行比较。Ｐｍ＝音ｃｐ（，）（１）二式中：Ｐ为空气密度（ｋｇ／ｍ）；Ａ为叶片扫过的面积（ｍ）；Ｃ（，为风能利用系数；为叶尖速比；为叶片桨距角；ｖ为风速（ｒｎ／ｓ）。１．２笼型异步发电机模型假设笼型异步发电机连接无穷大系统，其电压电流正方向规定按发电机惯例，定子电压相量与ｄ轴重合（ｑ轴超前ｄ轴），考虑定、转子磁链的电磁暂态，以电流和转子电动势为状态变量的笼型异步发电机详细电磁暂态模型为【ｌ３］：ｆｐ＝＋等毛一Ｉ瞌＋甄＋Ｏ－ｓ）一一（２）Ｉ一专一一）＋ｌ一专一魂）一发电机的电磁转矩：ｒｅ＝ｆｓｄ＋ｆｓｑ（３）式中：Ｒ。、Ｒ为定、转子电阻；Ｓ为转差率：ＣＯ。为定子电角频率（标幺值为１）；０９０＝２ｎｆ￣统电角频率基值；Ｌ。。、Ｌ分别为定、转子全自感；Ｌ为定、转子互感；ｐ＝ｄ／ｄｔ为微分算子。而１并网异步风力发电机组数学模型Ｚｓｓ＝ｏ）ｓ（＋）；＝（。一等）；并网笼型异步风力发电机组的典型连接结构示意图如图１所示。该系统由风力机叶片、轮毂、低速传动轴、齿轮箱、高速传动轴、笼型异步发电机、机端补偿电容器组和升压变压器等部分构成。下面重点对风力机输出特性模型、笼型异步发电机电磁暂态模型以及风力机传动链模型进行介绍引。图１并网笼型异步风力发电机组连接示意图Ｆｉｇ．１Ｃｏｎｆｉｇｕｒａｔｉｏｎｏｆａｇｒｉｄ－ｃｏｎｎｅｃｔｅｄＳＣＩＧｗｉｎｄｔｕｒｂｉｎｅ１．１风力机输出特性模型风力机的风能由叶片捕获，它通过齿轮箱传递给笼型异步发电机。由风力驱动产生的机械能可以用空气动力学原理计算得到【１２］：＝去；一警＝警。１．３风力机传动链模型由于齿轮箱的存在，使得笼型异步风电机组的传动轴系存在很大的柔性，考虑传动轴系的柔性影响因素，将风力机和发电机转子分别等效为一个质量块，其运动方程为【１３Ｊ：２Ｈｄｏ）ｗ＝一—一Ｄ￣（ＯＪｗ）一ＤｗＯＪｗｄ以（４）２一＋Ｄ￣—（ＣＯｗ）一一ｄｏｓｄ：％（～）ｔ一％（～）式中：凰、为风力机和发电机转子（含齿轮箱）∞的惯性时间常数；ｗ、０９为风力机和发电机的电角速度；为风力机相对于发电机转子的角位移；Ｄ。为风力机和发电机之间阻尼系数；Ｄｗ、Ｄｇ分别为风力机和发电机转子自身的阻尼系数；为传动轴系李辉，等基于遗传算法的风电场等值模型的研究．３．的刚度系数；为风力机输入转矩。２基于遗传算法的风电场等值模型由笼型异步发电机数学模型可知，在风电场等值模型中，需要等值的参数主要包括定转子阻抗、激磁电抗、风力机和发电机转子的惯性时间常数以及传动轴系的刚度系数等。２．１目标函数的确定对于笼型异步风电场接入系统角度而言，其运行关键数据包括风电场出口处电压、功率和电流等。风速的波动、风电机组参数的差异以及机组不同运行工况等信息都可以在风电场详细模型的运行数据中得到反映。本文综合利用包含各种信息的运行数据建立风电场单机等值模型，从发电机到风电场出口处的等效电路如图２所示。发电机机端风电场出口处图２风电场单机等值模型的等效电路图Ｆｉｇ．２Ｅｑｕｉｖａｌｅｎｔｃｉｒｃｕｉｔｏｆａｓｉｎｇｌｅｅｑｕｉｖａｌｅｎｔｍｏｄｅｌｏｆａｗｉｎｄｆａｒｍ图中：尺、Ｂ、Ｇ分别为元件的电阻、电抗、电纳、电导；下标Ｇ、Ｔ、Ｌ分别代表风电场单机等值后的发电机、变压器、电缆线路；下标ｓ、ｒ、１、２分别代表发电机的定子量和转子量以及变压器的低压侧和高压侧。本文首先利用笼型异步风电场详细模型，在有效风速范围内（３－２５ｍ／ｓ）以每点相差Ｏ．２５ｍ／ｓ采样风电场出口处的有功功率、无功功率Ｑ尸和母线电压的值，由图２的等效电路图推算笼型异步发电机机端的有功功率ＰＧ、无功功率ＱＧ和机端电压的值％，为：＋Ｕｚ＝Ｑ一＋童．＋Ｐ￣＋Ｏ２ｉ・＋（５）式中，变压器高压侧的有功功率ＰＴ、无功功率ＱＴ和电压为：业（６）＋塑饵坐＋塑．根据等值前后风电场出口处的输出特性保持一致的基本原则。本文要求基于遗传算法等值的风电机组输出的功率与经过风电场详细模型采样值的计算功率保持一致。选取等值前后输出功率偏差的平方和作为评判个体性能的目标函数。即：Ｍ２Ｍ２∑∑—ｍｉｎｆ＝（一尸Ｇｆ）＋（ＱＧ（７）ｉ＝ｌｉ＝１式中：ｌ厂为目标函数；Ｍ为风电场详细模型的采样点数；Ｐｃｆ、ＱＧｆ为风电机组中第ｆ个采样风速所对应的有功功率、无功功率；Ｐｉ、ａ为基于遗传算法风电场单机等值模型的第个采样风速所对应的有功功率、无功功率】：＿Ｒｅ『／］ＬＪ『／磊］ＬＪ（８）其中，术表示取向量的共轭值，ＺＧ＝民＋ｊ＋Ｊ（ｊ）（，＋）ｌ，Ｉ（，／）＋ｊ（＋）ｌ垫±堡±±堡二±±二墨！堡。；（＋（＋ｊ））一）２．２基于遗传算法等值模型步骤（１）编码方案一本文采用实数编码方案，即将单机等值模型的参数：Ｇｓ、厂Ｇｓ、ｍ、Ｇｒ和妊构成一个染色体。如图３所示为风电场单机等值模型参数的染色体编码。风力机和发电机转子的惯性时间常数凰、以及传动轴系的刚度系数采用容量加权的方法求取［７１。基因１基因２基因３基因４基因５…・臣］二二［三二］二互日…ｚ臣］＝＝［工互工三二］…Ⅳ臣丑三二］［三工目图３风电场等值模型的染色体编码Ｆｉｇ．３Ｃｈｒｏｍｏｓｏｍｅｃｏｄｉｎｇｏｆａｗｉｎｄｆａｒｍｅｑｕｉｖａｌｅｎｔｍｏｄｅｌ电力系统保护与控制（２）种群初始化初始化染色体种群的具体操作为：等值模型的每个参数在其对应的定义域［ｍｉｎ，ｍａｘ］范围内随机产生，每个染色体为包含５个基因的个体。（３）遗传操作交叉算子采用算术交叉和相邻浮点数交叉相结“”合的双亲四子法，交叉概率尸ｃ和变异概率Ｐｎ按下式进行白适应调整】：１＝～一（＿０．６）㈤ｌ＝＋（０．１一）／式中：为迭代次数：、为交叉概率的初值和第ｆ次的迭代值；、为变异概率的初值和第ｆ次的迭代值；劝最大遗传代数。本文取初始种群规模为１００，最大遗传代数为１０００，交叉概率的初值为０．９，变异概率的初值为０．１。（４）算法流程框图厂在有效风速范围内采样风电场出口处的辟Ｑｎ￡∞计算发电机端的ＪｐＱＧ初始化染色体种群根据目标函数Ｆ计算个体的适应度值并排名Ｊｋ＜＝Ｔ保存最佳个体“”双亲四子交叉自适应变异将子代和父代构成的中间群体计算个体适应度值并排名＜上Ｙ终止并输出结果图４基于遗传算法的笼型异步风电场等值建模的流程图Ｆｉｇ．４ＦｌｏｗｃｈａｒｔｏｆａＳＣＩＧｗｉｎｄｆａｒｍｅｑｕｉｖａｌｅｎｔｍｏｄｅｌｉｎｇｂａｓｅｄｏｎａｌｌＩＧＡ基于遗传算法的笼型异步风电场单机等值建模和参数优化模型的具体流程图如图４所示。其具体操作步骤为：①在有效风速（３－２５ｍ／ｓ）范围内，采样风电场详细模型运行时的风电场出口处有功功率、无功功率和母线电压的数据。②通过公式（５）和公式（６）计算等值发电机机端的有功功率、无功功率和电压。③采用实数编码，在优化参数定义域范围内，按图３构造并初始化染色体种群。④依据目标函数计算个体适应度值。⑤保留迭代过程中适应度值最好的个体，对其他个体进行交叉和变异运算。⑥剔除遗传操作产生的相同子代，并对产生的新的群体依据目标函数计算个体适应度值。⑦若满足给定的允许误差，则算法搜索停⑤止，并输出最佳个体。否则转向第步，直到迭代次数超过最大遗传代数，寻优结束。（５）算法验证为了验证上述算法流程的有效性，本文利用现场２ＭＷ风电机组实际运行数据采样作为该算法输入，其有功功率特性比较如图５所示。其中Ｐ代表遗传算法得到的结果，ＪＰ代表机组实际功率，可以看出计算结果和实际结果比较吻合。ｓ（ａ）实际风机采样风速曲线ｔ『ｓ（ｂ）有功功率曲线比较图５实际风机有功功率特性比较Ｆｉｇ．５Ｃｏｍｐａｒｉｓｏｎｏｆａｃｔｉｖｅｐｏｗｅｒｃｈａｒａｃｔｅｒｉｓｔｉｃｓｆｏｒｔｈｅａｃｔｕａｌｗｉｎｄｔｕｒｂｉｎｅ３风电场等值模型的仿真比较为了验证基于遗传算法的笼型异步风电场等值方法和参数优化模型的有效性，以笼型异步风电场内机组参数完全相同和不同时的两种情况，对风电李辉，等基于遗传算法的风电场等值模型的研究．５．场处于风速扰动以及风电场出口处发生三相短路故障下的风电场动、暂态运行特性进行研究，并和风电场详细模型和容量加权单机等值模型时的结果进行比较。３．１机组参数完全相同时的等值比较对于笼型异步风电场内机组参数完全相同算例的连接示意图如图６所示。风电场以单台额定容量为３Ｍｗ的风力发电机组构成（其主要参数见附录）。每台机组通过６９０Ｖ／１０ｋＶ的升压变压器连向风电场的内部电网，风电场每部分中相邻风力机通过４５０ｍ的１０ｋＶ的电缆线连接并通过１ｋｍ输电线路将电能传递给电网，并连接１０ｋＶ／１１０ｋＶ升压变压器，风电场与电网之间通过１５ｋｍ的高压输电线路相连。图６机组参数完全相同时的笼型异步风电场连接示意图Ｆｉｇ．６ＳｃｈｅｍａｔｉｃｏｆａＳＣＩＧｗｉｎｄｆａｒｍｃｏｎｓｉｄｅｒｉｎｇＷＴＧｓｗｉｔｈｔｈｅｉｄｅｎｔｉｃａｌｐａｒａｍｅｔｅｒｓ（１）风速扰动下的风电场动态特性比较根据笼型异步风电场内机组参数完全相同时详细模型的运行数据，采用遗传算法对风电场进行单机等值建模后的等值参数如表１所示。为了比较基于遗传算法的风电场单机等值模型的动态响应，选取渐变风扰动特性进行仿真研究。即假设第一排风电机组初始稳定运行风速为１０ｒｎ／ｓ，在时间ｔ＝－３Ｓ时风速逐渐变为１２ｍ／ｓ，其渐变周期为２Ｓ；在ｔ＝５Ｓ时风速稳定运行，其保持时间为３Ｓ；即在ｔ＝－８Ｓ时风速又变为渐变风。第二、三排风速为考虑尾流效应影响下的等效风速，采用风速尾流效应为Ｊｅｎｓｅｎ模型Ｌｌ：厂一，＿）‘］）√‘ＯｌＩ一（一一ｃｆ）赢Ｊｏ式中：为第一排（列）的风速（ｍ／ｓ）；为第ｎ排（列）的风速（ｍ／ｓ）；Ｇ为推力系数；Ｄ为风力机直径（ｍ），表示每排（列）相邻风力机间的轴向距离（ｍ）。Ｋ＝０．５／ｌｎ（ｈ／ｚｏ）为尾流衰减常数，其中ｈ为风力机的轮毂高度（ｍ）；ｚ０表示粗糙度，一般取常数０．００２ｍ。设定的风速特性如图７（ａ）所示，在该风速扰动下，风电场不同模型输出的有功功率和母线电压的动态响应特性如图７（ｂ）、（ｃ）所示。图中的详细模型为笼型异步风电场的详细模型；单机等值为风电场容量加权单机等值模型、ＧＡ等值为本文基于遗传算法的风电场单机等值模型。表１风电场内机组参数相同时的等值参数Ｔａｂ．１ＥｑｕｉｖａｌｅｎｔｐａｒａｍｅｔｅｒｓｏｆａｗｉｎｄｆａｒｍｃｏｎｓｉｄｅｒｉｎｇＷＴＧｓｗｉｔｈｔｈｅｉｄｅｎｔｉｃａｌｐａｒａｍｅｔｅｒｓｔ／ｓ（ａ）风速特性曲线ｔ『ｓ（ｂ）有功功率响应曲线．６．电力系统保护与控制图７风速扰动下风电场不同等值模型的动态特性Ｆｉｇ．７ＤｙｎａｍｉｃｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆａＳＣＩＧｗｉｎｄｆａｒｍｕｓｉｎｇｄｉｆｆｅｒｅｎｔｅｑｕｉｖａｌｅｎｔｍｏｄｅｌｓｕｎｄｅｒａｗｉｎｄｓｐｅｅｄｄｉｓｔｕｒｂａｎｃｅ从图７仿真曲线可以看出，与容量加权单机等值模型相比，基于遗传算法的风电场单机等值模型能更好地表现风电场的动态响应。如在ｔ＝－７Ｓ时，风电场运行在额定风速情况下，详细模型的有功功率为０．６８２ｐｕ；基于遗传算法单机等值模型的有功功率为０．６７１ｐｕ；典型容量加权单机等值模型的有功功率为Ｏ．６４７９ｐｕ。此外，有功功率的差异使风电场吸收无功功率变化程度和母线电压的跌落程度不同，吸收的无功功率不同会进一步对风电场内的线路和变压器的损耗产生影响，风电场的有功功率间的误差进一步变大。（２）电网故障下的风电场暂态特性比较为了比较笼型风电场采用遗传算法的单机等值模型的暂态响应，选取风电场出口处发生三相短路故障进行仿真研究。即假设笼型异步风电场内第一排风电机组初始稳定运行在风速１２ｍＪｓ的工况下。在ｔ＝－ｌｓｕｅ在风电场出口处突然发生三相对称短路故障，在ｔ＝１．１ｓ切除故障，故障持续时间０．１Ｓ。在该短路故障下，采用风电场不同模型输出的有功功率和母线电压的暂态响应特性如图８（ａ）、８（ｂ）所不。从图８仿真曲线可以看出，相对于典型的容量加权单机等值模型，基于遗传算法风电场单机等值模型能更好地表现风电场的暂态响应。这是由于风电场典型的容量加权单机等值模型忽略了一些物理现象，如风电场内部风力机的相互影响；连接相邻风力机的电缆线路的影响等。而本文采用的基于遗传算法风电场单机等值模型，通过风电场详细模型的运行数据对上述现象进行了修正。ｔ／ｓ（ａ）有功功率响应曲线（ｂ）母线电压响应曲线图８电网故障下风电场不同等值模型的暂态特性Ｆｉｇ．８ＴｒａｎｓｉｅｎｔｐｅｒｆｏｒｍａｎｃｅｓｏｆａＳＣＩＧｗｉｎｄｆａｒｍｕｓｉｎｇｄｉｆｆ￣ｒｅｎｔｅｑｕｉｖａｌｅｎｔｍｏｄｅｌｓｕｎｄｅｒａｇｒｉｄｆａｕｌｔ３．２机组参数不完全相同时的等值比较为了研究笼型风电场内机组参数不同时采用遗传算法的单机等值模型的情况，本节以额定容量３Ｍｗ和２Ｍｗ的风力发电机组构成的风电场为例，其中第一行为２ｘ３ＭＷ和第二行２ｘ２ＭＷ（主要参数见附录）共有四台发电机组布置，其连接示意图如图９所示。图９机组参数不同时的笼型异步风电场连接示意图Ｆｉｇ．９ＳｃｈｅｍａｔｉｃｏｆａＳＣＩＧｗｉｎｄｆａｒｍｃｏｎｓｉｄｅｒｉｎｇＷＴＧｓｗｉｔｈｔｈｅｄｉｆｆｅｒｅｎｔｐａｒａｍｅｔｅｒｓ李辉，等基于遗传算法的风电场等值模型的研究根据笼型异步风电场内机组参数不同时详细模型的运行数据，采用遗传算法对风电场进行单机等值建模后的等值参数如表２所示。表２风电场内机组参数不同时的等值参数Ｔａｂ．２ＥｑｕｉｖａｌｅｎｔｐａｒａｍｅｔｅｒｓｏｆａｗｉｎｄｆａｒｍｃｏｎｓｉｄｅｒｉｎｇＷＴＧｓｗｉｔｈｔｈｅｄｉｆｆｅｒｅｎｔｐａｒａｍｅｔｅｒｓ对于风电场内机组参数不同时，以３．１节仿真中相同的初始条件，风电场出口处有功功率和母线电压的动、暂态响应特性如图１０（ａ）、１０（ｂ）和图１１（ａ）、１１（ｂ）所示。ｔ／ｓ（ａ）有功功率响应曲线ｆ／ｓ（ｂ）母线电压响应曲线图１０风速扰动下风电场不同等值模型的动态特性Ｆｉｇ．１０ＤｙｎａｍｉｃｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆａＳＣＩＧｗｉｎｄｆａｒｍｕｓｉｎｇｄｉｆｆｅｒｅｎｔｅｑｕｉｖａｌｅｎｔｍｏｄｅｌｓｕｎｄｅｒａｗｉｎｄｓｐｅｅｄｄｉｓｔｕｒｂａｎｃｅ∥ｓ（ａ）有功功率响应曲线（ｂ）母线电压响应曲线图１１电网故障下风电场不同等值模型的暂态特性Ｆｉｇ．１１ＴｒａｎｓｉｅｎｔｐｅｒｆｏｒｍａｎｃｅｓｏｆａＳＣＩＧｗｉｎｄｆａｒｍｕｓｉｎｇｄｉｆｆｅｒｅｎｔｅｑｕｉｖａｌｅｎｔｍｏｄｅｌｓｕｎｄｅｒａｇｒｉｄｆａｕｌｔ从图１０和图１１的仿真曲线同样可以看出，对于风电场内机组参数不同的情况，采用遗传算法的单机等值优化参数进行仿真时，其动、暂态响应相对于传统单机等值模型有较好的精度。４结论为了寻求合适的风电场的单机等值模型，本文利用笼型异步风电场详细模型的运行数据为样本，提出了基于遗传算法的风电场单机等值建模方法和参数优化模型。针对风电场内机组参数完全相同和不同的两种算例，在风速扰动和风电场出口处发生三相短路故障下的风电场动、暂态运行特性进行仿真分析，并与风电场的详细模型和典型的容量加权单机等值模型时的结果进行比较。比较结果表明无论对于风电场内机组参数相同的情况下还是对于风电场内机组参数不同的情况，本文基于遗传算法的单机等值模型具有和详细模型时风电场运行效果，与风电场容量加权单机等值模型相比，本文提出的模型能更好地表现风电场的动、暂态运行特性。附录．８．电力系统保护与控制１．３ＭＷ笼型异步风力发电机组主要参数①风力机参数切入风速：３ｍ／ｓ；额定风速：１２ｍ／ｓ；切出风速：２５ｍ／ｓ风轮直径：９Ｏｍ；轮毂高度：１０８ｍ惯性常数：４．５４ｓ；传动轴系刚度系数Ｋｓ：０．３ｐｕ／ｅ１．ｒａｄ②发电机参数额定功率：３Ｍｗ；额定电压６９０Ｖ，频率：５０Ｈｚ定子电阻Ｒ。：０．００４８４３ｐｕ；定子电抗：０．１２４８ｐｕ转子电阻碍：０．００４３４７ｐｕ；转子漏感Ｘｒ：０．１７９１ｐｕ激磁电抗Ｘｍ：６．７７ｐｕ；机组惯性常数：Ｏ．５ｓ２．２ＭＷ笼型异步风力发电机组主要参数①风力机参数切入风速：３ｍ／ｓ；额定风速：１２ｍ／ｓ；切出风速：２５ｍ／ｓ风轮直径：７６ｍ；轮毂高度：９２ｍ‰惯性常数：３ｓ；传动轴系刚度系数：０．３ｐｕｌｅ１．ｒａｄ②发电机参数额定功率：２ＭＷ；额定电压６９０Ｖ，频率：５０Ｈｚ定子电阻：０．００７ｐｕ；定子电抗：０．１３３１ｐｕ转子电阻Ｒ：０．００７９ｐｕ；转子漏感：０．１４３４ｐｕ激磁电抗：５．６９２ｐｕ；机组惯性常数：０．５ｓ参考文献［１］钱少锋，林俐，沈辉，等．基于ＰＳＳ／ＥＷｉｎｄ大型风电场并入输电网的动态特性研究［Ｊ］．电力系统保护与控制，２００９，３７（６）：ｌ１．１６．—ＱＩＡＮＳｈａｏｆｅｎｇ，ＬＩＮＬｉ，ＳＨＥＮＨｕｉ，ｅｔａ１．ＤｙｎａｍｉｃｃｈａｒａｃｔｅｒｉｓｔｉｃａｎａｌｙｓｉｓｏｆｔｒａｎｓｍｉｓｓｉｏｎｇｒｉｄｉｎｃｌｕｄｉｎｇｌａｒｇｅｗｉｎｄｆａｒｍｂｙＰＳＳ／Ｅｗｉｎｄｐａｃｋａｇｅ［Ｊ］．Ｐｏｗｅｒ—ＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２００９，３７（６）：１１１６．［２］ＲｕｉＭＧ，ＣａｓｔｒｏＪＭ，ＦｅｒｒｅｉｒａｄｅＪｅｓｕｓ．Ａｗｉｎｄｐａｒｋｒｅｄｕｃｅｄ－ｏｒｄｅｒｍｏｄｅｌｕｓｉｎｇｓｉｎｇｕｌａｒｐｅｎｕｒｂ￣ｉｏｎｓｔｈｅｏｒｙ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＥｎｅｒｇｙＣｏｎｖｅｒｓｉｏｎ１９９６，ｌ１（４）：７３５．７４１．［３］王丽婕，廖晓钟，高阳，等．风电场发电功率的建模和预测研究综述［Ｊ］．电力系统保护与控制，２００９，３７（１３）：ｌｌ８．１２１．—ＷＡＮＧＬｉ￣ｉｅ，ＬＩＡＯＸｉａｏｚｈｏｎｇ，ＧＡＯＹａｎｇ，ｅｔａ１．Ｓｕｍｍａｒｉｚａｔｉｏｎｏｆｍｏｄｅｌｉｎｇａｎｄｐｒｅｄｉｃｔｉｏｎｏｆｗｉｎｄｐｏｗｅｒｇｅｎｅｒａｔｉｏｎ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２００９，３７（１３）：ｌ１８．１２１．［４］ＳｌｏｏｔｗｅｇＪＧ，ＫｌｉｎｇＷＬ．Ａｇｇｒｅｇａｔｅｄｍｏｄｅｌｉｎｇｏｆｗｉｎｄｐａｒｋｓｉｎｐｏｗｅｒｓｙｓｔｅｍｄｙｎａｍｉｃｓｓｉｍｕｌａｔｉｏｎｓ［Ｃ］．／／ＩＥＥＥＢｏｌｏｇｎａＰｏｗｅｒＴｅｃｈＣｏｎｆｅｒｅｎｃｅ，Ｂｏｌｏｇｎａ，Ｉｔａｌｙ，２００３．［５］包能胜，许军平，倪维斗，等．大型风电场失速型机组等值建模的研究［Ｊ］．太阳能学报，２００７，２８（１１）：１２８４．１２８９．—ＢＡＯＮｅｎｇ－ｓｈｅｎｇ，ＸＵＪｕｎ－ｐｉｎｇ，ＮＩＷｅｉｄｏｕ，ｅｔａ１．Ｉｎｖｅｓｔｉｇａｔｉｏｎｏｆｅｑｕｉｖａｌｅｎｔｍｏｄｅｌｉｎｇｏｆｍｕｌｔｉｐｌｅｓｔａｌｌｗｉｎｄｔｕｒｂｉｎｅｓｙｓｔｅｍｓｏｎｌａｒｇｅｓｃａｌｅｗｉｎｄｆａｒｍ［Ｊ］．ＡｃｔａＥｎｅｒｇｉａｅＳｏｌａｒｉｓＳｉｎｉｃａ，２００７，２８（１１）：１２８４－１２８９．［６］孙建锋，焦连伟，吴俊玲，等．风电场发电机动态等值问题的研究［Ｊ］．电网技术，２００４，２８（７）：５８．６１．——ＳＵＮＪｉａｎｆｅｎｇ，ＪＩＡＯＬｉａｎ－ｗｅｉ，ＷＵＪｕｎｌｉｎｇ，ｅｔａ１．Ｒｅｓｅａｒｃｈｏｎｍｕｌｔｉ－ｍａｃｈｉｎｅｄｙｎａｍｉｃａｇｇｒｅｇａｔｉｏｎｉｎｗｉｎｄｆａｒｍ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＴｅｃｈｎｏｌｏｇｙ，２００４，２８（７）：５８－６１．［７］何桂雄，晁勤，田易之，等．风电场恒速发电机动态等值参数聚合的研究【Ｊ］．可再生能源，２００９，２７（１）：１４．１８．ＨＥＧｕｉ－ｘｉｏｎｇ，ＣＨＡＯＱｉｎ，ＴＩＡＮＹｉ－ｚｈｉ，ｅｔａ１．Ｒｅｓｅａｒｃｈｏｎｔｈｅｄｙｎａｍｉｃｅｑｕｉｖａｌｅｎｔｐａｒａｍｅｔｅｒａｇｇｒｅｇａｔｉｏｎｏｆｆｉｘｅｄ－ｓｐｅｅｄｗｉｎｄｔｕｒｂｉｎｅｓｉｎｗｉｎｄｆａｒｍ［Ｊ］．Ｒｅｎｅｗａｂｌｅ—ＥｎｅｒｇｙＲｅｓｏｕｒｃｅｓ，２００９，２７（１）：１４１８．［８］ＷｅｉＱｉａｏ，ＨａｒｌｅｙＲＧ，ＶｅｎａｙａｇａｍｏｏｒｔｈｙＧＫ．Ｄｙｎａｍｉｃｍｏｄｅｌｉｎｇｏｆｗｉｎｄｆａｒｍｓｗｉｔ—ｈｆｉｘｅｄｓｐｅｅｄｗｉｎｄｔｕｒｂｉｎｅｇｅｎｅｒａｔｏｒｓ［Ｃ］．／／ＰｏｗｅｒＥｎｇｉｎｅｅｒｉｎｇＳｏｃｉｅｔｙＧｅｎｅｒａｌＭｅｅｔｉｎｇ，２００７：１－８．［９］黄梅，万航羽．在动态仿真中风电场模型的简化［Ｊ】．电工技术学报，２００９，２４（９）：１４７．１５２．ＨＵＡＮＧＭｅｉ，ＷＡＮＨａｎｇ－ｙｕ．Ｓｉｍｐｌｉｆｉｃａｔｉｏｎｏｆｗｉｎｄｆａｒｍｍｏｄｅｌｆｏｒｄｙｎａｍｉｃｓｉｍｕｌａｔｉｏｎ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｏｆＣｈｉｎａＥｌｅｃｔｒｏｔｅｃｈｎｉｃａｌＳｏｃｉｅｔｙ，２００９，２４（９）：１４７－１５２．［１０］ＳｐａｈｉｃＥ，ＢａｌｚｅｒＧＰｏｗｅｒｆｌｕｃｔｕａｔｉｏｎｆｒｏｍａｌａｒｇｅｗｉｎｄｆａｒｍ［Ｃ］．／／ＩｎｔｅｍａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＦｕｔｕｒｅＰｏｗｅｒＳｙｓｔｅｍｓ，２００５．［１１］田春筝，李琼林，宋晓凯．风电场建模及其对接入电网稳定性的影响分析［Ｊ］．电力系统保护与控制，２００９，３７（１９）：４６．５１．ＴＩＡＮＣｈｕｎ－ｚｈｅｎｇ，ＬＩＱｉｏｎｇ－ｌｉｎ，ＳＯＮＧＸｉａｏ－ｋａｉ．Ｍｏｄｅｌｉｎｇａｎｄａｎａｌｙｓｉｓｏｆｔｈｅｓｔａｂｉｌｉｔｙｆｏｒｔｈｅｐｏｗｅｒｓｙｓｔｅｍｃｏｎｓｉｄｅｒｉｎｇｔｈｅｉｎｔｅｇｒａｔｉｏｎｏｆｔｈｅｗｉｎｄｆａｒｍｓ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２００９，３７（１９）：４６．５１．［１２］万航羽．风电场模型研究及应用［Ｄ】．北京：北京交通大学，２００８．—ＷＡＮＨａｎｇｙｕ．Ｒｅｓｅａｒｃｈｏｎｍｏｄｅｌｏｆｗｉｎｄｆａｒｍａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎ［Ｄ］．Ｂｅｉｊｉｎｇ：ＢｅｉｊｉｎｇＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，２００８．［１３］李辉，韩力，赵斌，等．风力机等效模型对机组暂态稳定分析结果的影响［Ｊ］．中国电机工程学报，２００８，２８（１７）：１０５．１１１．ＬＩＨｕｉ，ＨＡＮＬｉ，ＺＨＡＯＢｉｎ，ｅｔａ１．Ｅｆｆｅｃｔｏｆｅｑｕｉｖａｌｅｎｔｍｏｄｅｌｓｏｆｗｉｎｄｔｕｒｂｉｎｅｓｏｎａｎａｌｙｓｉｓｒｅｓｕｌｔｓｏｆｔｒａｎｓｉｅｎｔｓｔａｂｉｌｉｔｙｆｏｒｗｉｎｄｇｅｎｅｒａｔｏｒｓｙｓｔｅｍｓ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，２００８，２８（１７）：１０５．１１１．［１４］韩力，李辉，杨顺昌，等．应用改进遗传算法的电力变压器优化设计［Ｊ］．重庆大学学报，２００２，２５（９）：８。ｌ１．ＨＡＮＬｉ，ＬＩＨｕｉ，ＹＡＮＧＳｈｕｎ－ｃｈａｎｇ，ｅｔａ１．Ａｎｉｍｐｒｏｖｅｄｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｆｏｒｏｐｔｉｍｕｍｄｅｓｉｇｎｏｆｐｏｗｅｒｔｒａｎｓｆｏｒｍｅｒｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙ，２００２，２５（９）：８．１】．（下转第１６页ｃｏｎｔｉｎｕｅｄｏｎｐａｇｅ１６）．１６．电力系统保护与控制—Ｒｅｓｅａｒｃｈｏｎｅｎｅｒｇｙｓａｖｉｎｇｇｅｎｅｒａｔｉｏｎｄｉｓｐａｔｃｈｉｎｇｍｏｄｅｌｉｎｒｅｇｉｏｎａｌｇｒｉｄ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２００９，３７（１６）：１０７．１１１．［６］张森林．节能发电调度实用化措施框架体系［Ｊ］．电网技术，２００８，３２（２Ｏ）：８１．８５．—ＺＨＡＮＧＳｅｎｌｉｎ．Ａｆｒａｍｅｗｏｒｋｓｙｓｔｅｍｏｆｐｒａｃｔｉｃａｂｌｅ—ｍｅａｓｕｒｅｓｆｏｒｅｎｅｒｇｙｓａｖｉｎｇｐｏｗｅｒｇｅｎｅｒａｔｉｏｎｄｉｓｐａｔｃｈｉｎｇ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＴｅｃｈｎｏｌｏｇｙ，２００８，３２（２０）：８１．８５．［７］张炯，刘天琪，苏鹏，等．基于遗传粒子群混合算法的机组组合优化［Ｊ］．电力系统保护与控制，２００９，２７（９）：２５．２９．ＺＨＡＮＧＪｉｏｎｇ，ＬＩＵＴｉａｎ－ｑｉ，ＳＵＰｅｎｇ，ｅｔａ１．Ｕｎｉｔｃｏｍｍｉｔｍｅｎｔｏｐｔｉｍｉｚａｔｉｏｎｂａｓｅｄｏｎｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍａｎｄｐａｒｔｉｃｌｅｓｗａｒｌｎｏｐｔｉｍｉｚａｔｉｏｎｈｙｂｒｉｄａｌｇｏｒｉｔｈｍ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２００９，２７（９）：２５－２９．［８］陈皓勇，王锡凡．机组组合问题的优化方法综述［Ｊ］．电力系统自动化，１９９９，２３（４）：５１．５６．—ＣＨＥＮＨａｏ－ｙｏｎｇ，ＷＡＮＧＸｉｆａｎ．Ａｓｕｒｖｅｙｏｆｏｐｔｉｍｉｚａｔｉｏｎ－ｂａｓｅｄｍｅｔｈｏｄｓｆｏｒｕｎｉｔｃｏｍｍｉｔｍｅｎｔ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，１９９９，２３（４）：５１．５６．［９］尚金成，张立庆．电力节能减排与资源优化配置技术的研究与应用［Ｊ］．电网技术，２００７，３１（２２）：５８．６３．—ＳＨＡＮＧＪｉｎ－ｃｈｅｎｇ，ＺＨＡＮＧＬｉｑｉｎｇ．Ｒｅｓｅａｒｃｈａｎｄａｐｐｌｉｃａｔｉｏｎｏｆｔｅｃｈｎｏｌｏｇｉｅｓｉｎｅｎｅｒｇｙ－ｓａｖｉｎｇ，—ｅｍｉｓｓｉｏｎｒｅｄｕｃｉｎｇａｎｄｏｐｔｉｍａｌｒｅｓｏｕｒｃｅａｌｌｏｃａｔｉｏｎｏｆｅｌｅｃｔｒｉｃｐｏｗｅｒｓｙｓｔｅｍ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＴｅｃｈｎｏｌｏｇｙ，２００７。３１（２２）：５８．６３．［１０］ＨｏｗｓｏｎＨＲ，ＳａｎｃｈｏＮＧＦ．Ａｎｅｗａｌｇｏｒｉｔｈｍｆｏｒｔｈｅｓｏｌｕｔｉｏｎｏｆｍｕｌｔｉ－ｓｔａｔｅｄｙｎａｍｉｃｐｒｏｇｒａｍｍｉｎｇｐｒｏｂｌｅｍｓ［Ｊ］．ＭａｔｈｅｍａｔｉｃａｌＰｒｏｇｒａｍｍｉｎｇ，１９７５，８（１）：１０４．１１６．［１１］Ｔｕｒｇｅｏｎ，Ａｎｄｒｅ．Ｏｐｔｉｍａｌｓｈｏｒｔ－ｔｅｒｍｈｙｄｒｏｓｃｈｅｄｕｌｉｎｇｆｒｏｍｔｈｅｐｒｉｎｃｉｐｌｅｏｆｐｒｏｇｒｅｓｓｉｖｅｏｐｔｉｍａｌｉｔｙ［Ｊ］．ＷａｔｅｒＲｅｓｏｕｒｃｅｓＲｅｓｅａｒｃｈ，１９８１，１７（３）：４８１。４８６．［１２］ＮａｎｄａＪ，ＢｉｊｗｅＰＲ，ＫｏｔｈａｒｉＤＰ．Ａｐｐｌｉｃａｔｉｏｎｏｆｐｒｏｇｒｅｓｓｉｖｅｏｐｔｉｍａｌｉｔｙａｌｇｏｒｉｔｈｍｔｏｏｐｔｉｍａｌｈｙｄｒｏｔｈｅｒｍａｌｓｃｈｅｄｕｌｉｎｇｃｏｎｓｉｄｅｒｉｎｇｄｅｔｅｒｍｉｎｉｓｔｉｃａｎｄｓｔｏｃｈａｓｔｉｃｄａｔａ［Ｊ］．ＥｌｅｃｔｒｉｃａｌＰｏｗｅｒａｎｄＥｎｅｒｇｙＳｙｓｔｅｍｓ，１９８６，８（１）：６１６４．［１３］宗航，周建中，张勇传．ＰＯＡ改进算法在梯级电站优化调度中的研究和应用［Ｊ］．计算机工程，２００３，２９（１７）：１０５．１０６．‘ＺＯＮＧＨａｎｇ，ＺＨＯＵＪｉａｎ－ｚｈｏｎｇ，ＺＨＡＮＧＹｏｎｇ－ｃｈｕａｎ．ＲｅｓｅａｒｃｈａｎｄａｐｐｌｉｃａｔｉｏｎｆｏｒｃａｓｃａｄｅｄｈｙｄｒｏｅｌｅｃｔｒｉｃｏｐｔｉｍｉｚｅｄｓｃｈｅｄｕｌｉｎｇｂａｓｅｄｏｎｍｏｄｉｆｉｅｄａｄａｐｔｉｖｅＰＯＡ［Ｊ］ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ，２００３，２９（１７）：１０５－１０９．［１４］程春田，廖胜利，武新宇，等．面向省级电网的跨流域水电站群发电优化调度系统的关键技术实现［Ｊ】．水利学报，２０１０，４１（４）：４７７．４８２．ＣＥＮＧＣｈｕｎ－ｔｉａｎ，ＬＩＡＯＳｈｅｎｇ－ｌｉ，ＷＵＸｉｎ－ｙｕ，ｅｔａ１．Ｋｅｙｔｅｃｈｎｏｌｏｇｉｅｓｔｏｏｐｔｉｍｉｚｅｏｐｅｒａｔｉｏｎｓｙｓｔｅｍｆｏｒｌａｒｇｅ－ｓｃａｌｅｈｙｄｒｏｐｏｗｅｒｓｔａｔｉｏｎｓｉｎｐｒｏｖｉｎｃｉａｌｐｏｗｅｒｇｒｉｄ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇ，２０１０，４１（４）：４７７－４８２．［１５］ＤｏｕｇＬｅａ．ＡＪａｖａＦｏｒｋ／Ｊｏｉｎｆｒａｍｅｗｏｒｋ［Ｃ］．／／ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＡＣＭ２０００ＣｏｎｆｅｒｅｎｃｅｏｎＪａｖａＧｒａｎｄｅ．ＳａｎＦｒａｎｃｉｓｃｏ．２０００＂３６．４３．［１６］ＴｈｏｍａｓｚｅｗｓｋｉＢ，ＰａｂｓｔＳ，ＢｌｏｃｈｉｎｇｅｒＷ．Ｐａｒａｌｌｅｌｔｅｃｈｎｉｑｕｅｓｆｏｒｐｈｙｓｉｃａｌｌｙｂａｓｅｄｓｉｍｕｌａｔｉｏｎｏｎｍｕｌｔｉ－ｃｏｒｅｐｒｏｃｅｓｓｏｒａｒｃｈｉｔｅｃｔｕｒｅｓ［Ｊ］．ＣｏｍｐｕｔｅｒｓａｎｄＧｒａｐｈｉｃｓ，２００８，１（３２）：２５．４０．［１７］伊君翰．基于多核处理器的并行编程模型［Ｊ］．计算机工程，２００９，３５（８）：６２．６４．ＹＩＪｕｎ－ｈａｎ．Ｐａｒａｌｌｅｌｐｒｏｇｒａｍｍｉｎｇｍｏｄｅｌｂａｓｅｄｏｎ—ｍｕｌｔｉｃｏｒｅｐｒｏｃｅｓｓｏｒ［Ｊ］．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ，２００９，３５（８）：６２．６４．收稿日期：２０１０－０６－１０；修回日期：２０１０－０９－２２作者简介：李保健（１９８３一），男，博士研究生，研究方向为水火电联合优化运行：廖胜利（１９８Ｏ一），男，在站博士后研究人员，研究方向为省级电网水火协调优化算法研究及系统实现；程春田（１９６５一），男，长江学者特聘教授，博士生导师，近期主要从事水火电优化调度与电网经济运行，电网节能算法及智能算法研究等。Ｅ－ｍａｉｌ：ｃｔｃｈｅｎｇ＠ｄｌｕｔ．ｅｄｕ．ｃａ（上接第８页ｃｏｎｔｉｎｕｅｄｆｒｏｍｐａｇｅ８）［１５］ＦｅｉｊｄｏＡＥ，ＣｉｄｒｉｓＪ．Ｍｏｄｅｌｉｎｇｏｆｗｉｎｄｆａｒｍｓｉｎｔｈｅｌｏａｄｆｌｏｗａｎａｌｙｓｉｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｏｎＥｎｅｒｇｙＣｏｎｖｅｔｉｏｎ，２０００，１５（１）：１１０．１１５．——收稿日期；２０１００６１Ｏ：—修回日期：２０１Ｏ－１２２９作者简介：李辉（１９７３－），男，博士，教授，博士生导师，主要研究方向为风力发电系统的运行和控制；Ｅ－ｍａｉｌ：Ｃｑｕｌｈ＠１６３．ｃｏｒｎ王荷生（１９８６一），男，硕士，主要研究方向为风电场的建模。