风电机组在实际运行时, 受尾流效应等因素影响, 运行状态并不相同. 为提高风电场模型的精度,
解决运行工况对分群结果的影响问题, 提出了一种概率聚类分群算法, 并从地理位置分布和仿真 …

针对风电场动态等值建模的难题, 采用K—means 聚类算法, 探讨了风电场机群划分问题,
致力于达到风电场并网运行点特性的一致性. 为减小等值算法带来的误差 …

提出了一种基于聚类算法和实测数据的风电场动态等值建模方法. 根据某风电场的实测数据,
通过随机抽样比较的方式证明了风电场内机组间的空间效应, 并且利用风速曲线在不同机组间的 …

由于大规模风电场的复杂性, 对风电场的每台风电机组建立详细的模型将大大增加仿真的计算量
, 因此需要对风电场进行等值化简. 在分析了风电场风电机组之间尾流效应, 海拔高度 …

摘$ 要: 针对风电场工作环境, 提出了H 种基于聚类? 实测风功率曲线相结合的方法构建风电场等
值模型. 以每台机组所获得的风速作为分群指标进行机组数据划分, 运用B? C/41D …

风电机组在实际运行时, 受尾流效应和迟滞效应等因素的影响, 场内机组运行状态并不相同,
风电场采用传统的单机表征模型可能会产生较大误差. 该文基于风电场实测运行数据 …

基于机组同调性的影响因素, 提出一种新的鼠笼型风电场动态等值建模方法.
该方法通过采集不同工况和短路故障类型组合下风力发电机的转速向量, 利用two-step …