近年来,风电装机总量和发电量持续快速增长,研究大规模风电场接入对电力系统动态稳定性的影响显得尤为重要,这就需要准确的风电场等效模型来表征风电场整体的动态特性。如何建立精确有效的风电场等值模型一直以来都是一个热点和难点问题。等值模型需要在实现简便性的同时满足电力系统分析计算的精度和价值需求。本文将对不同的风电场等值建模方法展开研究。首先,根据传统的机理建模方式,为了对由双馈风电机组构成的风电场进行等值建模研究,在MATLAB/Simulink中搭建了双馈风电场详细模型用以模拟实际风电场的运行特性。第一,引入尾流系数作为分群指标,通过对风机参数进行容量加权聚合得到了风电场4机等值模型。第二,为了使等值精度达到更高的标准,本文将参数辨识思想应用于上述模型。以电网侧故障为激励,根据各等值机组参数的轨迹灵敏度大小区分关键参数和一般参数,并仿真分析了各等值机组参数轨迹灵敏度大小与输出功率的关系及其变化规律。第三,采用改进的粒子群优化算法(Multi-modes particle swarms algorithm,MMPSO)分步辨识电气与控制器部分的关键参数,得到了参数修正后具有更优动态性能的4机等值模型。然后,因为风电场规模的不断扩大,同一风电场中机组类型、参数及控制方式差异显著增加,导致上述传统机理建模方法的分群指标界定困难,降阶效果变差,适用性降低。为了对混合风电场进行等值建模研究,本文将“黑箱”系统辨识与风电功率不确定性思想运用到等值建模中。最后,在对混合风电场模型的暂态和稳态情况下输入、输出外特性进行仿真数据采集后,忽略风电机组内部的复杂结构及耦合关系,基于神经网络,分别在机电暂态故障及风向、风速波动扰动下建立了风电场等值节点模型。并采用某地实际风电场历史运行数据验证了该等值建模方法的可行性与实用性。