基于K-means聚類分析的分散式風電場集電線路保護方法探究

摘"要：風電場發電操作極易出現安全風險，影響風電資源的提取使用。在探索風電場發電操作過程時，以K-means聚類分析為基礎，先闡述風電場集電線路保護裝置基礎結構，再科學分析出集電線路故障特性，然后對分散式風電場集電線路保護方法進行科學設計，包含規范保護流程、搭建仿真模型、規范故障類型及分析聚類結果等，全面提升風電場集電線路保護的有效性，增進風電場發電安全。

關鍵詞：線路保護"集電線路"風電場"仿真模型"K-means聚類算法

中圖分類號：TM614

ExplorationofCollectionLineProtectionMethodsforDistributedWindFarmBasedonK-meansClusteringAnalysis

LIBinhua

GuizhouBranchofPowerChinaRenewableEnergyCo.，Ltd.，Guiyang，GuizhouProvince，550081China

Abstract：Theoperationofwindfarmpowergenerationispronetosecurityrisks，whichaffectstheextractionandutilizationofwindpowerresources.Whenexploringtheoperationprocessofwindpowergeneration，onthebasisofK-meansclusteringanalysis，thispaperfirstelaboratesonthebasicstructureofthewindfarmcollectionlineprotectiondevice，secondlyitscientificallyanalyzesthecollectionlinefaultcharacteristics，andthenitscientificallydesignsthedistributedwindfarmcollectionlineprotectionmethod，includingstandardizingtheprotectionprocess，buildingsimulationmodel，standardizingfaulttypeandanalyzingclusteringresults，comprehensivelyimprovingtheeffectivenessofthewindfarmcollectionlineprotection，enhancingthesafetyofwindpowergeneration.

KeyWords：Lineprotection;Collectionlines;Windfarms;Simulationmodel;K-meansclusteringalgorithm

為保障分散式風電場集電線路保護裝置應用效果，全面探究集電線路應用過程與各項風險，當前線路運行中存在跳閘故障與誤動風險，降低風電場電力操作安全。利用K-means聚類分析模式，明確不同位置集電線路故障特征，再借助合適方法對集電線路運行路徑進行有效保護，規范集電線路運行狀態，實現風電場集電線路安全用電要求。

1"分散式風電場集電線路保護裝置基礎結構

探究分散式風電場集電線路保護裝置基礎結構時，可發現當前風電場結構帶有分層分區形式，存在不同類型的集電母線，并將、與集電線路與集電母線相連接。不同類型風機變壓器可精準連接集電母線，再借助集電線路將匯集功率傳輸到父代母線中。當前風電場內部集電線路中，為更好地開展線路保護，配置了限定時間的兩段電流保護，分別為電流斷速保護與后備保護，前者要根據最小運用方法整定兩相短路；后者根據最大負荷電流開展整定工作。進行電流保護整定操作時，要將風機運行負荷設置成普通負荷，根據當前負荷變化情況，精準提供短路電流。若風電場內集電線路保護采用傳統方式，會引發適應性問題，即引發集電線路故障，因而要利用大電網等值系統全面規范集電線路保護裝置系數標準，增進基礎結構運用的有效性。

2""K-means聚類分析下風電場集電線路故障特性

為探究風電場集電線路運行效果與故障指標，適時引入K-means聚類分析模式，詳細找尋出集電線路故障特性。例如：當前分散式風電場集電線路中的定子故障電流多與轉速頻率分量、直流分量、工頻分量緊密相關。電壓跌落和工頻分量呈現反比關系；電壓跌落和直流分量為正比關系，根據常數變化范圍進行衰減。電壓跌落和轉速頻率分量為正比關系，其衰減幅度與常數緊密相關。當前轉子轉速多控制在0.7～1.3pu之間，其轉速頻率交流分量頻率則處在35～65左右。借助K-means聚類分析模型，可將風電場集電線路運行數據轉化成3種柱狀圖形式，即零赫茲柱狀圖、50Hz柱狀圖、60Hz柱狀圖。在零赫茲柱狀圖中，隨著電壓跌落深度的縮減，直流分量也逐漸減小。到了50Hz柱狀圖中，工頻分量與電壓跌落深度產生反比關系，即深度越小，工頻分量越高。在60Hz柱狀圖中，轉速頻率分量與直流分量存在相同變化規律。若電壓跌落程度過深，定子電流直流分量將逐漸提升，并增加了轉速頻率分量、降低了工頻分量比重，將定子故障電流中的基礎形態展現在K-means聚類模型中。利用工頻分量進行電流保護時，若當前殘壓較高，則風機工頻電流會快速增加，非故障區域電流值要超出兩段電流保護整定值，極易給集電線路帶來誤保護操作，使風電機群內部設備集體脫網，增加了電流相位、賦值的不穩定性，難以保障集電線路運行過程。

3"K-means聚類分析下風電場集電線路保護方法

3.1"規范保護流程

風電場利用K-means聚類分析模式開展集電線路保護時，要利用技術手段全面規范保護流程。將合適程序軟件引入集電線路保護設計中，點擊“開始”按鈕，利用技術手段精準提取故障信息，并利用扼殺方法確認數據標準化。同時，根據標準化數據設計出實時樣本，將該類樣本與歷史樣本進行合理比較，并運用K-means聚類分析，將故障中心與非故障中心設置成與，利用合適方法進行精準計算。進行聚類仿真分析時，要精準測算不同故障中心的空間距離，可將空間距離設計成、，若lt;，則要及時啟動保護性裝置；若gt;，則說明當前歷史數據樣本較落后，需利用技術進行重新更新，待歷史數據樣本得到更新后，再重新開展聚類分析，直到lt;為止，點擊“結束”按鈕，結束風電場集電線路保護性操作。

3.2"搭建仿真模型

為保障K-means聚類算法分析的準確性，要根據風電場實際運行情況搭建仿真模型，將風電場內部集電線路、主變壓器、箱式變壓器與雙饋風機等參數傳輸到對應模型中。表1展現了雙饋風機的運行參數標準，要全面規范上述數據內容，保障雙饋風機運行安全。主變壓器的短路電壓比、接線方式、額定容量與變比分別為11%、YDd11/160MVA、35/220kV。集電線路中的零序阻抗與正序阻抗分別為0.396+j1.071、0.132+j0.357。箱式變壓器中的短路電壓比、接線方式、額定容量與變比為6.5%、DyN11/2.5MVA、0.69/35kV。明確仿真模型中的基礎數據后，要在仿真模擬中對各條線路傳輸位置進行合理設計，并充分模擬不同位置三相短路故障。由于發生故障前風機設備處在滿發狀態，撬棒保護電路中的啟動電流是額定轉子電流的1.47倍，若電網出現故障，要利用數據技術在保護裝置內部提取線路中的故障特性數據[1]。借助歷史樣本，全面了解掌握各個運行條件中故障電流內轉速頻率分量、工頻分量與直流分量等特征，再將上述特征量傳輸到聚類分析模型中，透過K-means算法合理劃分故障類型，轉變成非故障類特征、故障類特征。在K-means算法中明確各類故障基礎特征后，合理挑選代表性信息，再將上述數據指標繪制成標準圖形，確保故障估算的合理性。

3.3"規范故障類型

規范故障類型過程中，要主動找尋歷史樣本數據，根據歷史樣本中故障變化情況，探究當前故障發展變化規律，為風電場集電線路持續性保護打下較好基礎。比如，文中風電場內的歷史數據樣本中存在內外部故障，可將內部故障線路設計成與，外部故障線路設計成。探究內外部故障線路時，要利用技術手段精準提取機端電壓、故障電阻、轉速頻率分量、工頻分量與直流分量等，并根據上述數據變化情況，精準摸索故障變化規律[2]。例如，當前故障距離與母線的比值多在20%、40%、60%與80%左右。以20%為例，在內部故障線路中，若機端電壓分別為0.017pu、0.03pu、0.06pu時，其故障電阻、轉速頻率分量、工頻分量、直流分量數值如表2所示，要全面關注上述數值變化范圍，摸索故障變化規律。在完成故障變化規律的摸索后，要利用K-means聚類算法全面關注不同位置集電線路運行狀態，利用對相關信息的合理分析，切實提升風電場集電線路保護效率。

3.4"分析聚類結果

分析聚類結果時，精準探究不同故障類型與直流分量、工頻分量、轉速頻率分量的關系。利用標準K-means聚類算法可知，當前風電場集電線路中的故障類型多為非故障類、故障類、非故障聚類、故障聚類等。利用全新技術詳細比較當前數據與歷史樣本數據，獲取線路不同位置故障變化狀態，再依照相關規律加以控制解決。比如，根據歷史數據樣本，精準探究出了不同聚類中心的故障特征。將故障聚類中心設置成與，其故障特征量分別為（0.698、-0.994、0.993）、（-0.874、0.966、-0.864）。根據歷史聚類中心下的不同位置數據可精準發現線路故障類型、原因與危害程度，并對線路故障進行合理判斷，再將此前模型設置中的保護性判斷引入聚類算法中，借助對相關數據的保護判斷來明確保護狀態，再對集電線路保護方式進行科學調整，滿足風電場線路保護需求。此外，還要詳細探究故障類與非故障類線路保護要求，將保護標準傳輸到聚類算法模型中，全面規范各類故障的形成過程，明確樣本數據變化標準，再精準探究判斷聚類結果的邊界條件，為持續保護集電線路打下較好基礎[3]。

3.5"確認邊界條件

聚類算法影響下，若想精準確認風電場集電線路運行故障與保護狀態，要為不同線路運行位置設置合適邊界條件，將當前線路運行數據與邊界條件進行詳細比較，切實改善集電線路運行狀態。以內部故障線路為例，當前該線路出現三相短路故障，隨著該類故障范圍的擴大，風電機組電壓跌落到0.451～0.825pu之間，要精準收集保護裝置設備中的故障特性，可將該類數據設計成、與。標準化處理樣本數據以后，要借助K-means聚類算法，精準探究故障數據和不同位置聚類中心距離變化范圍，再依照最小距離值設計不同類型樣本，提升線路故障判斷的準確性[4]。在開展保護性判斷時，要精準探究與的差值，只有lt;時才能應用保護裝置，繼而進行集電線路保護，要利用算法模型全面規劃、變化范圍，重新調整不同位置線路運行路徑。此外，為明確K-means聚類算法模型在集電線路保護中的應用效果，還要與傳統操作方式進行合理比較，找尋出當前算法中的應用優勢。例如：可將不同位置的線路分別開展傳統方式保護、聚類算法保護，利用全新數據技術明確不同位置線路運行狀態。由于影響集電線路運行效果的要素較多，傳統檢測方式難以有效發現線路故障位置，對相關故障處理也存在些許問題，因而可將聚類算法運用到集電線路故障檢測中，增進線路保護的有效性[5]。充分了解K-means聚類算法操作過程后，相關人員發現風電場集電線路運行中存在較多故障，日常操作中，要持續運用K-means聚類算法，精準探究故障形成原因與位置，重新調整線路運行方式，確保風電場集電線路運行的安全性、科學性。

4"結語

綜上所述，K-means聚類算法分析下可以精準地找尋出風電場集電線路運行故障，借助仿真模型全面規范線路運行過程，明確集電線路運行保護標準。仿真技術軟件全面影響下，要迅速確認線路運行邊界條件，對不同類型故障科學定位，在軟件技術平臺中全面展現故障位置，再對集電線路運行故障進行科學控制，提升分散式風電場集電線路運行的可持續性。

參考文獻

[1]尹維召，鄧宏綱，李世棟.淺析風電場集電線路常見故障及預防措施[J].中國設備工程，2022（19）：65-66.

[2]李永麗，辛雙喬，李濤，等.基于多端信息的風電場集電線路單相接地故障定位算法[J].電力工程技術，2022，41（5）：2-11.

[3]劉書玉，劉毅力，董哲.適用于雙饋風電場集電線路保護的LVRT保護動作判據[J].可再生能源，2022，40（7）：938-944.

[4]劉守豹，李宜，方圓，等.風電場35kV集電線路用混合電阻片避雷器研究[J].電瓷避雷器，2021（6）：56-63.

[5]吳倩，韓笑，葉昊亮，等.海上風電場經220kV交流海纜送出系統的無功配置方案[J].電力電容器與無功補償，2021，42（4）：22-30.