CN110571794A - 一种适用于双馈风机风电场的暂态模型等值计算方法 - Google Patents

Abstract

本发明公开了一种适用于双馈风机风电场的暂态模型等值计算方法，属于电力***的故障建模计算领域。本发明根据风电场发生外部电压跌落故障过程中，风电场内各双馈风电机组的转速变化情况进行采样，并基于采样得到的机组转速时间序列数据进行各机组间的加权动态时间弯曲距离计算，根据距离的大小进行风电机组的聚合，从而实现风电场内机组的分群，对于分群后的风电机组进行机组参数聚合，并基于等值前后集电线路功率消耗相等的原则，对线路阻抗进行集电线路等效变换，最终得到双馈风机风电场的适合于故障分析的分群暂态等值模型，在保证风电场等值精度的前提下，能够缩短含大规模风电场电力***的故障仿真时间，具有较好的工程实用性。

Description

一种适用于双馈风机风电场的暂态模型等值计算方法

技术领域

本发明属于电力***的故障建模计算领域，更具体地，涉及一种适用于双馈风机风电场的暂态模型等值计算方法。

背景技术

随着风电研究的深入与技术的进步，我国风力发电正逐步走向规模化和产业化，这使得局部地区风电渗透率不断升高，风电场机组容量不断增大。风电机组的并网点已从最初的低压配电网，升级到高压交直流输电网络，电压等级的提升导致风电场和电力***之间的交互影响更加值得关注。风电场对电网的影响已经从小容量时风电间歇性和随机性造成的局部电压偏差和谐波污染，升级到大规模风电接入时对电力***调峰策略、备用容量确定、经济运行、继电保护、安全稳定等方面带来的挑战。

变速恒频的双馈异步风电发电机(Doubly-fed Induction Generator，DFIG)具有优秀的控制特性和高效的能量转换能力，已经成为风电场的主流机型。双馈风力发电机中包含大量的电力电子器件和控制***，在风力随机性和波动性的影响下，风电场的在故障期间的暂态特性与同步发电机有明显的区别。为了研究电力***故障中风电场的外特性，需要对风电场进行整体建模，但是每台DFIG运行工况差异明显，故障表现互不相同，而且DFIG单机模型已经十分复杂，用每台DFIG的详细模型进行风电场建模会导致仿真时间过长，降低数据处理和分析的效率。为了获得故障暂态过程期间大规模风电场的整体动态特性，需要用合适的暂态等值方法对风电场进行动态等效。

现有技术中，基于稳态数据分群的风电场等值模型可以较好地拟合正常工况下的风电场对电网的影响，其主要依据机组的稳态运行数据(包括风速状况及稳态运行功率等)等进行分群等值。但是该方法与选取的运行数据样本时间长度、时间段的代表性有关，样本组的分散会导致分群数目较多，造成仿真效率低下。此外，双馈风电机组对电压跌落非常敏感，端口电压跌落程度越深，暂态变化越强烈，同调特征越复杂。基于风速-功率关系的等值方法缺少针对电压跌落故障下的风电场等值，稳态运行数据不足，该模型对于暂态过程下的风电场故障电流贡献以及电压交互影响的拟合精度不够高。现有的集电线路等值方法则忽视了任意位置机组的聚合，得到的阻抗模型精度不高。

发明内容

针对现有技术的缺陷和改进需求，本发明提供了一种适用于双馈风机风电场的暂态模型等值计算方法，其目的在于得到更准确模拟风电场在电网故障过程中的动态特性的风电场等值模型。

为实现上述目的，按照本发明的一个方面，提供了一种适用于双馈风机风电场的暂态模型等值计算方法，该方法包括以下步骤：

S1.获取双馈风机风电场分布参数及机组参数；

S2.采样双馈风机风电场机组参数，根据采样到的风电场内各双馈风电机组故障期间的转子转速，构建机组转子转速时间序列向量；

S3.基于机组转子转速时间序列向量，进行各机组间的加权动态时间弯曲距离计算；

S4.根据加权动态时间弯曲距离的大小进行风电机组的聚合，从而实现风电场内机组的分群；

S5.根据机组参数和分群结果，对风电场内的机组参数进行等值聚合；根据机风电场分布参数和分群结果，对集电网络进行等值聚合。

具体地，步骤S2包括以下子步骤：

S21.从风电场遭受外部电压跌落故障时刻开始，到故障清除时刻结束，对双馈风机的转子转速进行采样，将采样时间和采样得到的机组转子转速构建为数据对；

S22.每个机组采样得到的所有数据对构成该机组转子转速时间序列，多台风机的转子转速时间序列构成机组转子转速时间序列向量。

具体地，步骤S3中，两个时间序列A和B之间的加权动态时间弯曲距离PWDTW计算公式如下：

其中，L_w(i，j)表示时间序列A第i个采样点A_i和时间序列B第j个采样点B_j之间的加权动态时间弯曲距离，d_ij为时间序列A第i个采样点A_i和时间序列B第j个采样点B_j之间的基距离，m为时间序列A的采样点数量，n为时间序列B的采样点数量。

具体地，时间序列A第i个采样点A_i和时间序列B第j个采样点B_j之间的距离d_ij的计算公式如下：

d_ij＝d(A_i，B_j)＝w_i-j(A_i-B_j)²

其中，w_i-j为两个转速时间序列位置点对应的权重值，w_max为权重上限，g为用于控制权重函数w的曲率常数，c＝|i-j|为A_i和B_j的位置点之间的距离因子，E为检测两个时间轨迹变化趋势的轮廓因子，1＜i＜min(m，n)，1＜j＜min(m，n)。

具体地，步骤S5中，同一分群中的p台机组聚合后的等值机群中，各参数的计算方法如下：

其中，R_si、X_si、R_ri、X_ri、X_mi、R_ci、s_i分别为等值机群中第i台机组的定子电阻、定子电抗、转子电阻、转子电抗、励磁电抗、Crowbar电阻的标幺值和转差率，以各自机组的额定容量为基准；R_s-eq、X_s-eq、R_r-eq、X_r-eq、X_m-e、R_c-eq、s_eq分别为等值后双馈风机的定子阻抗、转子阻抗、励磁电抗、Crowbar电阻的标幺值和转差率，以等值额定容量s_eq为基准，w_i表示每台发电机的权重。

具体地，步骤S5中，轴系传动模型参数等值参数计算如下：

其中，H_i、D_i、K_s-i为机群中第i台机组的惯性时间常数、发电机阻尼系数与刚度系数，H_eq、D_eq、K_s-eq为等值后机组轴系模型的惯性时间常数、发电机阻尼系数与刚度系数，p表示聚合到一群的风机的数量。

具体地，步骤S5中，等值后机端箱式变压器的等值参数计算如下：

S_T-eq＝pS_T

其中，C_i为机端电容，S_T为机端变压器容量，Z_T为机端变压器阻抗，p表示聚合到一群的风机的数量。

具体地，所述根据机风电场分布参数和分群结果，对集电网络进行等值聚合，包括以下步骤：

(1)对风电场中各条干线上的机组进行拓扑变换，使其连接形式由干线式接入并网点转变为并联式接入并网点；

(2)计算各变换后机组接入并网点的等值阻抗；

(3)基于分群结果、各变换后机组接入并网点的等值阻抗和风电场并联式连接拓扑结构，计算同一群内的风机的集电线路等值阻抗。

具体地，变换后第i个机组接入公共母线的等值阻抗计算公式如下：

其中，Z₁表示第一个风机与并网点之间的阻抗，Z₂表示第二个风机与第一个风机接入点之间的阻抗，之后的以此类推；P_i表示第i个风机的输出功率；l表示该干线连接的所有风机的数量。

具体地，等值后第i个机组与PCC母线的集电线路等值阻抗计算公式如下：

其中，Z_i-eq表示变换后第i个机组接入公共母线的等值阻抗。

总体而言，通过本发明所构思的技术方案，能够取得以下有益效果：

(1)针对现有的分群等值主要是基于稳态运行数据的不足，本发明根据风电场发生外部电压跌落故障过程中，风电场内各双馈风电机组的转速变化情况进行采样，并基于采样得到的机组转速时间序列数据进行各机组间的加权动态时间弯曲距离计算，根据距离的大小进行风电机组的聚合，从而实现风电场内机组的分群，最终得到风电场机组的适合于故障分析的分群暂态等值模型。

(2)针对现有的集电线路等值方法忽视了任意位置机组的聚合，得到的阻抗模型精度不高的问题，本发明对于分群后的风电机组进行机组参数聚合，并基于等值前后集电线路功率消耗相等的原则，对线路阻抗进行集电线路等效变换，最终得到双馈风机风电场的适合于故障分析的分群暂态等值模型，在保证风电场等值精度的前提下，能够缩短含大规模风电场电力***的故障仿真时间，具有较好的工程实用性。

附图说明

图1为本发明实施例提供的一种适用于双馈风机风电场的暂态模型等值计算方法流程图；

图2为本发明实施例提供的同一组时间序列在PWDTW算法下的对齐匹配示意图；

图3为本发明实施例提供的风电场干线式连接拓扑结构图；

图4为本发明实施例提供的风电场并联式连接拓扑结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方其中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

如图1所示，一种适用于双馈风机风电场的暂态模型等值计算方法，该方法包括以下步骤：

步骤S1.获取双馈风机风电场分布参数及机组参数。

风电场分布参数包括：风电场中各风机之间的位置关系、连接线路(集电线路)的电阻电抗参数以及连接拓扑关系。

机组参数包括：机组的额定容量、定子电阻、定子电抗、转子转速、转子电阻、转子电抗、励磁电抗、Crowbar电阻值和转差率。

步骤S2.采样双馈风机风电场机组参数，根据采样到的风电场内各双馈风电机组故障期间的转子转速，构建机组转子转速时间序列向量。

建立暂态等值模型的目的是仿真故障过程中风电场的特性，采用故障期间的数据可以更准确地反映机组在故障过程中的作用，相比于用正常工况的数据可以更为准确。双馈风电机组对电压跌落故障非常敏感，机组的暂态输出电压、电流会包含多种衰减分量，从机组暂态电气量中获取分群指标具有十分重要的意义。

电网电压深度跌落故障发生时，双馈风电机组Crowbar保护电路投入，当Crowbar电阻值不大时，定子输出的故障电流成分非常复杂，包含了直流衰减分量、转子频率衰减分量、正序分量和负序分量。双馈风电机组不含外加励磁电源，转子励磁通过机端电压耦合产生，所以机端电压的变化将触发双馈风电机组所有的励磁响应、电枢反应以及转子反应。考虑到双馈风电机组故障穿越的暂态时间很短，功率追踪控制和桨距控制几乎不动作，电磁暂态过程中可以不用考虑机组的机械运动。对于同一片区域的双馈风电机组群，当其机械参数和控制***一致时，同一电压跌落故障下，短路电流仅仅与机端电压的跌落和转子转速相关，而与其他运行参量无关。

综上，双馈风电机组电磁暂态过程中，双馈风电机组的转子转速变化表征了机组的暂态变化过程，相同的转子转速变化过程代表着机组具有故障同调性，它反映了机组运行状态的变化特征。因此，本发明采用双馈风电机组的转子转速作为分群数据，对故障时刻后各机组的转子转速进行收集采样，构成转速的一元时间序列作为风电机组分群指标。

从风电场遭受外部电压跌落故障时刻开始，到故障清除时刻结束，对双馈风机的转子转速进行采样。将采样得到的机组转速数据构成一维时间序列，从而得到机组的转速时间序列组。本实施例每隔0.05s对转子转速进行采样。

具体地，构建时间和转速数据对(一台风机在一个时刻有一个对应的转速)，随时间的推移即成为采样时间长度的转速时间序列。每个机组对应一个机组转速时间序列，即该机组的样本，多台风机的转速时间序列构成机组转子转速时间序列向量。

步骤S3.基于机组转子转速时间序列向量，进行各机组间的加权动态时间弯曲距离计算。

本发明提出的基于轮廓特征的加权动态时间弯曲(Profile-Base WeightedDynamic Time Wraping，PWDTW)算法，对机组转速时间序列进行PWDTW距离计算。与基于加权的动态时间弯曲法(WDTW)一样，本发明基于动态规划思想，允许时间序列在坐标轴上偏移找到最短的对齐匹配路径，但通过引入描述序列轮廓变化的因子对基距离的计算进行赋权。当序列间的局部轮廓特征差异越大时，对应点之间的距离权重越高，相似性更低。该距离算法对序列进行相似性度量时考虑局部轮廓特征匹配，可实现更加准确的特征匹配。

如图2所示，时间序列A＝[A₁，A₂，...，A_m]^T和B＝[B₁，B₂，...，B_n]^T在PWDTW算法下进行对齐匹配。时间序列A和B的距离矩阵D_m*n中的元素d_ij＝d(A_i，B_j)＝w_i-j(A_i-B_j)²视作基距离，其中，m为序列A的采样点数量，n为序列B的采样点数量，两个转速时间序列位置点对应的权重值w_i-j计算公式如下：

其中，w_max为权重上限，一般取值1，g为用于控制权重函数w的曲率常数，当g＝0时，所有点的权重值相同，随着g的增大，对2个点的时间间隔和点的形态不匹配的处罚值增大。g在0.1～0.6之间会取得较好的效果，本实施例中g取0.5。c＝|i-j|为采样点A_i和B_j的位置点之间的距离因子，m_c为序列A/B的中间点，E为检测两个时间轨迹变化趋势的轮廓因子。

轮廓因子E定义如下：

其中，1＜i＜min(m，n)，1＜j＜min(m，n)。

由E的定义可知，E的取值范围为{0，1，2}，即当A_i与B_j的斜率符号相同时，两个点的变化趋势均为上升或者下降，E取得最小值0，此时权重系数不受距离因子影响，权重值取最小值。当两点中至少一个点的斜率为0时，E＝1，此时只有距离因子影响权重系数；当A_i与B_j的斜率符号相反时，E取得最大值2，即通过增加轮廓因子的影响避免变化趋势相反的点进行匹配。E的作用是控制所选两点斜率的正负性带来的影响。

当序列中每组对应点之间的基距离计算完成后，再计算两个时间序列的PWDTW距离，计算公式如下：

其中，L_w(i，j)表示序列A和B在i、j处的加权动态时间弯曲距离。

步骤S4.根据加权动态时间弯曲距离的大小进行风电机组的聚合，从而实现风电场内机组的分群。

风电场分群聚类目的是将电磁暂态变化相同的风机分群聚类等值，简化风电场模型的同时保证最大仿真精度。分到同一群的发电机，在故障暂态过程中的变化过程类似，说明他们具有类似的特性，可以等值为一台等值风机。分群后同群内机组具有相似的故障特性，而不同群之间机组的变化特性却有差异。

计算机组两两之间的转子转速时间序列的PWDTW距离后，将每个机组样本视为一个独立样本，设置分群距离阈值，采用层次凝聚聚类算法，根据分群精度要求对机组样本进行聚类分群。

对于双馈机组在电压深度跌落故障下的分群，基本思想如下：

1)计算两两机组转子暂态曲线之间的PWDTW距离，将每个机组样本视为一个独立样本；

2)给定簇之间合并距离的阈值ε，将距离最远的两个样本视为两个新簇；

3)计算与簇最近的样本和簇之间的距离，若距离小于阈值，则将样本加入簇中；

4)取合并后簇中样本的均值计算与其他样本的PWDTW距离；

5)将与簇间距离小于合并阈值的样本再次合并；

6)重复步骤3)～5)，直到所有的样本都归于某一簇，或者得到期望数目的分群簇群。

步骤S5.根据机组参数和分群结果，对风电场内的机组参数进行等值聚合；根据机风电场分布参数和分群结果，对集电网络进行等值聚合。

现有技术将风电场等值成一台机组，或是将同行同列或相同区域的风电机组等值为一台机组。然而对于大型风电场来说，由于地形的不同以及受到尾流效应的影响，相同区域的机组所流经的最大风速并不相同，机组间的风速差异会导致控制***工作于不同状态，将风电场机组等值为单台或按区域划分后等值精度较低。

S51.根据机组参数和分群结果，对机组进行参数等值。

对分群后的同群机组，进行参数加权聚合，得到等值机组参数。针对不同风速区间的风电机组，采用不同的参数等值方法进行参数加权聚合。

风力发电机的模型参数等值

同一群中的p台机组聚合后的等值机群中各参数的计算方法如下：

其中，R_si、X_si、R_ri、X_ri、X_mi、R_ci、s_i分别为等值机群中第i台机组的定子电阻、定子电抗、转子电阻、转子电抗、励磁电抗、Crowbar电阻的标幺值和转差率，以各自机组的额定容量为基准；R_s-eq、X_s-eq、R_r-eq、X_r-eq、X_m-eq、R_c-eq、s_eq分别为等值后双馈风机的定子阻抗、转子阻抗、励磁电抗、Crowbar电阻的标幺值和转差率，以等值额定容量s_eq为基准，w_i表示每台发电机的权重，p表示聚合到一群的风机的数量。

轴系传动模型参数等值

其中，H_i、D_i、K_s-i为机群中第i台机组的惯性时间常数、发电机阻尼系数与刚度系数，H_eq、D_eq、K_s-eq为等值后机组轴系模型的惯性时间常数、发电机阻尼系数与刚度系数。

箱式变压器参数等值

等值后机端箱式变压器的等值参数计算如下：

S_T-eq＝pS_T

其中，C_i为机端电容，S_T为机端变压器容量，Z_T为机端变压器阻抗。

控制器运行参数等值

当机群中所有机组的输入风速处于切入风速与额定风速之间时，机组跟据MPT(Maximum Power Tracking，最大功率跟踪)追踪曲线确定最大有功输出，有功控制策略相同，聚合后的机组等效风速也在此风速区间内，此时等值后机组的转子侧变流器和网侧变流器中PI控制器参数取值如下：

其中，k_pi、k_ii是第i台双馈风机变流器控制的比例参数与积分参数，k_p-eq、k_i-eq为等值后机组控制机的比例参数与积分参数。

S52.根据机风电场分布参数和分群结果，对集电网络进行等值聚合。

风电场的集电网络是指机端升压器高压侧与风电场公共母线PCC(point commoncoupling)相连的所有线路，一般由电缆线构成，是风电场内部的重要组成部分。由于需要对风电场任意位置的风机进行聚合，采用了一种基于网络电阻等效变换的电缆阻抗等值方法。

S521.对风电场中各条干线上的机组进行拓扑变换，使其连接形式由干线式接入并网点转变为并联式接入并网点。

S522.计算各变换后机组接入并网点的等值阻抗。

风电场内部的风机排列连接方式一般为干线式连接，如图3所示。对机组进行拓扑变换，使其连接形式由干线式接入转变为并联式接入，变换后机组接入公共母线的等值阻抗计算如下：

其中，Z₁表示第一个风机与并网点之间的阻抗，Z₂表示第二个风机与第一个风机接入点之间的阻抗，之后的以此类推；P₁表示第一个风机的输出功率，之后的以此类推；l表示该干线连接的所有风机的数量。

S523.基于分群结果、各变换后机组接入并网点的等值阻抗和风电场并联式连接拓扑结构，计算同一群内的风机的集电线路等值阻抗。

得到风电场并联式连接拓扑结构如图4所示。若划分后某机群由编号1-l的l台机组构成，根据等值前后集电线路功率消耗相等原则，等值后机组与PCC母线的集电线路等值阻抗如下：

其中，Z_i-eq表示步骤S522中计算得到的机组接入公共母线的等值阻抗，l表示该干线连接的所有风机的数量。

对于等值前后的电缆电容，可以忽略机端升压变压器二次侧电压与PCC母线电压的差异，等值后电缆充电电容可看作等值前充电电容总和。基于等值前后集电线路功率消耗相等原则，对风电场电缆参数进行等值变换，实现风电场内部任意位置风机的聚合。

通过对双馈风机风电场参数及故障期间数据的收集和计算分析，把特征近似的风机聚合为等值风机，等值的目的是在对风电场接入的电力***进行故障仿真分析时，能尽可能准确地反映风电场的特征，同时又降低仿真的规模。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种适用于双馈风机风电场的暂态模型等值计算方法，其特征在于，该方法包括以下步骤：

S1.获取双馈风机风电场分布参数及机组参数；

S2.采样双馈风机风电场机组参数，根据采样到的风电场内各双馈风电机组故障期间的转子转速，构建机组转子转速时间序列向量；

S3.基于机组转子转速时间序列向量，进行各机组间的加权动态时间弯曲距离计算；

S4.根据加权动态时间弯曲距离的大小进行风电机组的聚合，从而实现风电场内机组的分群；

S5.根据机组参数和分群结果，对风电场内的机组参数进行等值聚合；根据机风电场分布参数和分群结果，对集电网络进行等值聚合。

2.如权利要求1所述的暂态模型等值计算方法，其特征在于，步骤S2包括以下子步骤：

S21.从风电场遭受外部电压跌落故障时刻开始，到故障清除时刻结束，对双馈风机的转子转速进行采样，将采样时间和采样得到的机组转子转速构建为数据对；

S22.每个机组采样得到的所有数据对构成该机组转子转速时间序列，多台风机的转子转速时间序列构成机组转子转速时间序列向量。

3.如权利要求1所述的暂态模型等值计算方法，其特征在于，步骤S3中，两个时间序列A和B之间的加权动态时间弯曲距离PWDTW计算公式如下：

其中，L_w(i,j)表示时间序列A第i个采样点A_i和时间序列B第j个采样点B_j之间的加权动态时间弯曲距离，d_ij为时间序列A第i个采样点A_i和时间序列B第j个采样点B_j之间的基距离，m为时间序列A的采样点数量，n为时间序列B的采样点数量。

4.如权利要求3所述的暂态模型等值计算方法，其特征在于，时间序列A第i个采样点A_i和时间序列B第j个采样点B_j之间的距离d_ij的计算公式如下：

d_ij＝d(A_i,B_j)＝w_i-j(A_i-B_j)²

其中，w_i-j为两个转速时间序列位置点对应的权重值，w_max为权重上限，g为用于控制权重函数w的曲率常数，c＝|i-j|为A_i和B_j的位置点之间的距离因子，E为检测两个时间轨迹变化趋势的轮廓因子，1<i<min(m,n)，1<j<min(m,n)。

5.如权利要求1所述的暂态模型等值计算方法，其特征在于，步骤S5中，同一分群中的p台机组聚合后的等值机群中，各参数的计算方法如下：

其中，R_si、X_si、R_ri、X_ri、X_mi、R_ci、s_i分别为等值机群中第i台机组的定子电阻、定子电抗、转子电阻、转子电抗、励磁电抗、Crowbar电阻的标幺值和转差率，以各自机组的额定容量为基准；R_s-eq、X_s-eq、R_r-eq、X_r-eq、X_m-eq、R_c-eq、s_eq分别为等值后双馈风机的定子阻抗、转子阻抗、励磁电抗、Crowbar电阻的标幺值和转差率，以等值额定容量s_eq为基准，w_i表示每台发电机的权重。

6.如权利要求1所述的暂态模型等值计算方法，其特征在于，步骤S5中，轴系传动模型参数等值参数计算如下：

其中，H_i、D_i、K_s-i为机群中第i台机组的惯性时间常数、发电机阻尼系数与刚度系数，H_eq、D_eq、K_s-eq为等值后机组轴系模型的惯性时间常数、发电机阻尼系数与刚度系数，p表示聚合到一群的风机的数量。

7.如权利要求1所述的暂态模型等值计算方法，其特征在于，步骤S5中，等值后机端箱式变压器的等值参数计算如下：

S_T-eq＝pS_T

其中，C_i为机端电容，S_T为机端变压器容量，Z_T为机端变压器阻抗，p表示聚合到一群的风机的数量。

8.如权利要求1所述的暂态模型等值计算方法，其特征在于，所述根据机风电场分布参数和分群结果，对集电网络进行等值聚合，包括以下步骤：

(1)对风电场中各条干线上的机组进行拓扑变换，使其连接形式由干线式接入并网点转变为并联式接入并网点；

(2)计算各变换后机组接入并网点的等值阻抗；

(3)基于分群结果、各变换后机组接入并网点的等值阻抗和风电场并联式连接拓扑结构，计算同一群内的风机的集电线路等值阻抗。

9.如权利要求8所述的暂态模型等值计算方法，其特征在于，变换后第i个机组接入公共母线的等值阻抗计算公式如下：

其中，Z₁表示第一个风机与并网点之间的阻抗，Z₂表示第二个风机与第一个风机接入点之间的阻抗，之后的以此类推；P_i表示第i个风机的输出功率；l表示该干线连接的所有风机的数量。

10.如权利要求8所述的暂态模型等值计算方法，其特征在于，等值后第i个机组与PCC母线的集电线路等值阻抗计算公式如下：

其中，Z_i-eq表示变换后第i个机组接入公共母线的等值阻抗。