Calibración dinámica basada en PMU de generadores de turbinas eólicas de tipo 4
Autores: Erden, Fatih; Acilan, Etki; Ustundag, Oguzhan; Bozkurt, Ersan; Gol, Murat
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
Categoría
Ingeniería y Tecnología
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 20
Citaciones: Sin citaciones
En el sistema eléctrico actual, donde la participación de las energías renovables está aumentando rápidamente, el sistema ahora muestra un comportamiento más dinámico en comparación con el pasado. Por lo tanto, la importancia de las simulaciones dinámicas en cada nivel del sistema eléctrico es crucial para los operadores del sistema. Sin embargo, se requiere la calibración de los parámetros del modelo y su control regular para simular correctamente el comportamiento de la vida real del sistema. Este documento tiene como objetivo mejorar las simulaciones dinámicas mediante la calibración de los parámetros del modelo de generador eólico Tipo 4. El método empleado utiliza un filtro de Kalman de conjunto para estimar los estados del modelo y calibrar los parámetros. Para el entorno de simulación, se utilizan el software SIEMENS PSS(r)E (v35.5) y su API de Python. Después de los análisis de sensibilidad y colinealidad, durante el evento transitorio, se calibran los parámetros erróneos del modelo.
Descripción
En el sistema eléctrico actual, donde la participación de las energías renovables está aumentando rápidamente, el sistema ahora muestra un comportamiento más dinámico en comparación con el pasado. Por lo tanto, la importancia de las simulaciones dinámicas en cada nivel del sistema eléctrico es crucial para los operadores del sistema. Sin embargo, se requiere la calibración de los parámetros del modelo y su control regular para simular correctamente el comportamiento de la vida real del sistema. Este documento tiene como objetivo mejorar las simulaciones dinámicas mediante la calibración de los parámetros del modelo de generador eólico Tipo 4. El método empleado utiliza un filtro de Kalman de conjunto para estimar los estados del modelo y calibrar los parámetros. Para el entorno de simulación, se utilizan el software SIEMENS PSS(r)E (v35.5) y su API de Python. Después de los análisis de sensibilidad y colinealidad, durante el evento transitorio, se calibran los parámetros erróneos del modelo.