随着人类能源危机和环保意识的不断增强,风力发电等可再生能源得到快速发展。然而,不断提高的风电装机比例和装机容量,使得电力系统具有更明显的电力电子化特征,对系统稳定性的影响也日益显著;同时,电力系统模型的“高维”特性,也大大提高了利用详细机理模型对电力系统分析的难度。现有建模方法难以兼顾建模精度与计算效率,无法满足电力系统高效仿真的要求。因此,为适应电力电子化发展的大趋势,研究新的建模技术和数学模型具有重要的理论价值和现实意义。本文主要研究了基于数据驱动的直驱风机网侧换流器和并网系统的等效建模方法。首先,介绍了本文的研究背景和意义,指出电力系统逐渐电力电子化的当下,电力系统分析面临详细机理模型建模难度大、精度低的问题;而电力系统可观测性的提高和数据科学理论的发展,为电力系统建模提供了新的思路。然后,研究了直驱风机的工作原理和并网结构。详细讨论了直驱风机并网的空气动力学模型、永磁发电机模型、换流器及控制系统模型,为后续换流器和并网系统的等效建模奠定基础。其次,进行了直驱风机并网系统的对外等效建模。通过分析直驱风机与电力系统的动态交互,提取出直驱风机等效建模的影响因素,利用基于信号分解的Stacking集成学习算法构建了直驱风机对外等效的数据驱动建模模型。通过奇异谱分析将数据样本分成趋势信号、周期信号和噪声信号,提高了数据驱动模型的特征提取能力;同时,多模型融合的Stacking集成学习方式通过集成多种机器学习算法,较单一学习算法的数据驱动建模具有更优越的性能。针对风电场中各风电机组处于不同运行状态的特点,采用多风机并网模型测试了数据驱动模型的泛化能力。最后,搭建了直驱风机网侧换流器的数据驱动等效建模模型。以虚拟同步控制的换流器为例,通过对换流器控制环节的“黑箱”化处理,得到换流器等效建模的数据特征;并基于去噪后的仿真运行数据,利用LSTM网络搭建了换流器的数据驱动模型,结果表明数据驱动建模能够很好地表征电力电子器件的非线性特征,具有良好的建模效果。