CN103762617B - 一种考虑风电机组运行健康程度的风电场优化调度方法 - Google Patents
一种考虑风电机组运行健康程度的风电场优化调度方法 Download PDFInfo
- Publication number
- CN103762617B CN103762617B CN201410058574.4A CN201410058574A CN103762617B CN 103762617 B CN103762617 B CN 103762617B CN 201410058574 A CN201410058574 A CN 201410058574A CN 103762617 B CN103762617 B CN 103762617B
- Authority
- CN
- China
- Prior art keywords
- wind
- energy turbine
- turbine set
- wind turbines
- wind energy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明公开了属于风力发电控制技术领域的一种考虑风电机组运行健康程度的风电场优化调度方法。本方法首先选择风电机组的运行参数作为评估因素,对各评估因素的劣化度进行计算,再通过综合劣化度作为风电机组的健康状况的总体评估,为功率调度决策过程提供辅助依据;然后针对风电场实际运行中对风电机组启停状态以及功率控制的要求,结合风电机组健康度信息,建立风电场功率调度的多目标函数;最后采用基于混合编码方法的遗传算法进行优化,获得风电机组的启停组合和目标功率值。该优化调度方法对改善运行风电机组的整体健康程度,优化风电机组的启停计划、提高风电场功率控制可靠性具有良好作用。
Description
技术领域
本发明属于风力发电控制技术领域,特别涉及一种考虑风电机组运行健康程度的风电场优化调度方法。
背景技术
风电作为一种可再生清洁能源受到世界各国的广泛重视,近年来我国风力发电产业也发展迅速,截止到2012年我国风电总装机容量已经跃居世界第一。但是,由于自然风速的间歇性和随机性,风电场并网运行时功率波动性较强,对电网稳定性的影响也日益明显。为此,在国家电网公司制定的风电场接入标准中明确要求风电场应具备有功功率调节能力,能根据电网调度部门指令控制其有功功率输出。这就要求风电场内各风电机组具备有功功率调节能力,能够良好响应风电场功率控制系统分配的功率指令。同时,对风电场功率控制系统来说,合理优化的将电网调度指令分配给场内各风电机组,也是提高风电场功率响应能力的必要保证。
风电场功率控制的难点之一在于风速的随机性,为降低风电调度的难度,为风电场配备一定时间尺度的功率预测系统成为公认可行的解决方案。现有技术中主流的控制策略都以风功率预测为功率分配依据,对提高风电场功率控制策略的效果有明显作用,然而在上述风电机组优化控制过程中,涉及到对风电机组主要设备的状态检测时,主要应用于早期故障报警及计划检修,而在风电场功率控制过程中多是仅仅关注风电机组的发电能力,对“健康”的风电机组和“带病”的风电机组在功率调度过程中很少做到区别对待,不利于合理安排风电机组启停及检修计划,甚至会出现由于风电机组长期带病高负荷运行而造成严重故障,增加了风电场维护检修成本。因此,需要提出一种有效的风电场优化调度方法。
发明内容
针对上述现有技术存在的问题,本发明提出一种考虑风电机组运行健康程度的风电场优化调度方法,其特征在于,该优化方法包括如下步骤:
1)对风电机组运行进行健康评估,确定风电机组的健康度,包括以下子步骤:
11)针对所述风电机组,选择风电机组中参与健康评估的评估因素,对所述评估因素进行劣化度处理;
12)通过下面的方式综合所述评估因素的劣化度,得到风电机组的整机健康状况的综合劣化度g:
当每个评估因素的劣化度都小于gt时,风电机组的整机健康状况的综合劣化度当至少一个评估因素的劣化度值大于等于gt时,风电机组的整机健康状况的综合劣化度g=max(gk);其中,g为风电机组整机健康状况的综合劣化度,n为评估因素的个数,gk为第k个评估因素的劣化度,gt为明显劣化度阈值;
2)基于子步骤12)中的综合劣化度g进行风电场功率优化,包括以下子步骤:
21)计算风电场内运行机群总体健康度指标U;
22)计算风电机组的启停统计次数指标V;
23)计算风电场的功率偏差指标W;
24)根据上述三个指标构造出风电场优化的多目标函数;
3)采用基于混合编码方法的遗传算法进行优化,获得风电机组的启停组合和目标功率值。
所述子步骤11)中的评估因素包括齿轮箱油温参数、齿轮箱轴承温度参数,发电机轴承温度参数,发电机定子温度参数,变流器温度参数,滤波器温度参数,齿轮箱振动参数,发电机振动参数,塔筒振动参数以及风机偏航角度参数。
所述子步骤11)中对所述评估因素进行劣化度处理的方法为:
对齿轮箱油温参数、齿轮箱轴承温度参数、齿轮箱振动参数,发电机轴承温度参数、发电机定子温度参数、发电机振动参数,变流器温度参数、滤波器温度参数和塔筒振动参数,其属于越小越优型因素,其劣化度计算公式为:
其中,x为相应参数的实测值,[xmin,xmax]为相应参数的正常范围;
对偏航角度参数,其属于中间型因素,其范围为[-720°,720°],其劣化度计算公式为:
其中,x为该参数的实测值,[xmin,xmax]为该参数的正常范围,[xa,xb]为该参数的最佳运行范围。
所述子步骤12)中明显劣化阈值gt的优选取值范围为0.5~0.9。
所述子步骤21)中风电场内运行机群总体健康度指标U的计算公式为:
其中,m为风电机组的个数,T为控制周期的个数;为风电场中第i号风电机组在第j个控制周期内的启停调度状态,表示风电场中第i号风电机组在第j个控制周期内停机,表示风电场中第i号风电机组在第j个控制周期内运行;为风电场中第i号风电机组在第j个控制周期内的综合劣化度值。
所述子步骤22)中风电机组的启停统计次数指标V的计算公式为:
其中,为风电场中第i号风电机组在第j-1个控制周期内的启停调度状态,如果风电场中第i号风电机组在第j个和j-1个控制周期之间发生启停状态变化,则风电机组的启停统计次数指标V加1。
所述子步骤23)中风电场功率偏差指标W的计算公式为:
其中,为风电场中第i号风电机组在第j个控制周期内的目标功率,为整个风电场在第j个控制周期内的目标功率,由电网调度下发。
所述子步骤24)中风电场优化的多目标函数为:
优化目标:min(aU+bV+cW);
其中,a,b,c分别为风电场内运行机群总体健康度指标U、风电场机组的启停统计次数指标V和风电场功率偏差指标W的权重系数;
约束条件1:
其中,为风电场中第i号风电机组在第j个控制周期的目标功率上限,为风电场中第i号风电机组在第j个控制周期的目标功率下限,该约束条件限制了风电机组的目标功率必须在其实际出力水平之内;
约束条件2:
其中,该约束条件限制了在每个调度周期内风电机组的总目标功率不得大于整个风电场在第j个控制周期内的目标功率。
所述的优选值为风电场中第i号风电机组额定功率的20%。
所述步骤3)中的混合编码方法为:
设定遗传算法中表示待调度优化的风电机组个体的基因基本形式为[X,P],由此形成包括m台风电机组的T个控制周期的调度信息的初始种群 其中,为风电场中第i号风电机组在第j个控制周期内的启停调度状态,由一位二进制数表示;为风电场中第i号风电机组在第j个控制周期内的目标功率,在其功率区间之内,采用一个多位二进制数来表示。
发明的有益效果:(1)本方法选择风电机组的运行参数作为评估因素,对各评估因素的劣化度进行计算,再通过综合劣化度作为风电机组的健康状况的总体评估,为功率调度决策过程提供辅助依据;(2)结合风电机组健康度信息,建立风电场功率调度优化的多目标函数,再基于遗传算法的求解策略,证明该方法对改善运行风电机组的整体健康程度,优化机组的启停计划、提高风电场功率控制可靠性具有良好作用。
附图说明
图1为本发明提出的风电场优化调度方法流程图;
图2为基于遗传算法优化策略的流程图。
具体实施方式
以下将结合附图,对本发明的优选实施方式进行详细的描述。
如图1所示为本发明提出的风电场优化调度方法流程图。该优化方法包括如下步骤:
1)对风电机组运行进行健康评估,确定风电机组的健康度,包括以下子步骤:
11)针对所述风电机组,选择风电机组中参与健康评估的评估因素,对所述评估因素进行劣化度处理;
评估因素包括齿轮箱油温参数、齿轮箱轴承温度参数,发电机轴承温度参数,发电机定子温度参数,变流器温度参数,滤波器温度参数,齿轮箱振动参数,发电机振动参数,塔筒振动参数以及风机偏航角度参数。
对评估因素进行劣化度处理的方法为:
(1)对于越小越优型因素
对齿轮箱油温参数、齿轮箱轴承温度参数、齿轮箱振动参数,发电机轴承温度参数、发电机定子温度参数、发电机振动参数,变流器温度参数、滤波器温度参数和塔筒振动参数,其属于越小越优型因素,即变量值越接近正常运行范围的下限,该子系统运行状态越良好,其劣化度计算公式为:
其中,x为相应参数的实测值,[xmin,xmax]为相应参数的正常范围;
(2)对于中间型因素
对偏航角度参数,其属于中间型因素,即当偏航角度到达上下限值时,风机停机解缆,这种变量越接近正常运行范围的中间,表示运行状态越良好,其范围为[-720°,720°],其劣化度计算公式为:
其中,x为该参数的实测值,[xmin,xmax]为该参数的正常范围,[xa,xb]为该参数的最佳运行范围。
12)通过下面的方式综合所述评估因素的劣化度,得到风电机组的整机健康状况的综合劣化度g:
当每个评估因素的劣化度都小于gt时,即gk<gt时,此时风电机组的整机健康状况的综合劣化度当至少一个评估因素的劣化度值大于等于gt,即gk≥gt时,风电机组的整机健康状况的综合劣化度g=max(gk);其中,g为风电机组整机健康状况的综合劣化度,n为评估因素的个数,gk为第k个评估因素的劣化度,gt为明显劣化度阈值,gt的优选取值范围为0.5~0.9。
也就是说:当各评估因素都没有明显问题时,就取各评估因素状态评估的平均值,当有某个或若干评估因素明显有问题时,就不能再平均了,否则就会掩盖早期故障了,此时需要以劣化度值最大的评估因素来代表整体,体现“木桶原则”。
2)基于子步骤12)中的综合劣化度g进行风电场功率优化,包括以下子步骤:
21)计算风电场内运行机群总体健康度指标U,计算公式为:
其中,m为风电机组的个数,T为控制周期的个数;为风电场中第i号风电机组在第j个控制周期内的启停调度状态,表示风电场中第i号风电机组在第j个控制周期内停机,表示风电场中第i号风电机组在第j个控制周期内运行;为风电场中第i号风电机组在第j个控制周期内的综合劣化度值。
22)计算风电机组的启停统计次数指标V,计算公式为:
其中,为风电场中第i号风电机组在第j-1个控制周期内的启停调度状态,如果风电场中第i号风电机组在第j个和j-1个控制周期之间发生启停状态变化,则风电机组的启停统计次数指标V加1。
23)计算风电场的功率偏差指标W,计算公式为:
其中,为风电场中第i号风电机组在第j个控制周期内的目标功率,为整个风电场在第j个控制周期内的目标功率,由电网调度下发。
24)根据上述三个指标构造出风电场优化的多目标函数为:
优化目标:min(aU+bV+cW);
其中,a,b,c分别为风电场内运行机群总体健康度指标U、风电场机组的启停统计次数指标V和风电场功率偏差指标W的权重系数;
约束条件1:
其中,为风电场中第i号风电机组在第j个控制周期的目标功率上限,由短期风功率预测系统提供;为风电场中第i号风电机组在第j个控制周期的目标功率下限,的优选值为风电场中第i号风电机组额定功率的20%,该约束条件限制了风电机组的目标功率必须在其实际出力水平之内;
约束条件2:
其中,该约束条件限制了在每个调度周期内风电机组的总目标功率不得大于整个风电场在第j个控制周期内的目标功率。
3)采用基于混合编码方法的遗传算法进行优化,获得风电机组的启停组合和目标功率值。
A:设定遗传算法中表示待调度优化的风电机组个体的基因基本形式为[X,P],由此形成包括m台风电机组的T个控制周期的调度信息的初始种群 其中,为风电场中第i号风电机组在第j个控制周期内的启停调度状态,由一位二进制数表示;为风电场中第i号风电机组在第j个控制周期内的目标功率,在其功率区间之内,采用一个多位二进制数来表示,优选四位。
B:基于通用的遗传算法优化结构,经过交叉、选择和变异操作,根据子步骤24)中的风电场优化的多目标函数值求得适应度值,得到本次循环中的最优个体Yopt。
C:判断终止条件:如果循环次数未达到最大循环次数,例如优选上限值为500次,则返回步骤B,如果循环次数已达到最大循环次数,则输出最优个体Yopt,根据步骤A提到的混合编码方法进行解码,确定优化的风电机组的运行组合及目标功率值并下发。
实施例1
本发明优选实施10*2.5MW变速恒频双馈风电场。考虑到目前多数超短期风功率预测系统在1小时内基本能够提供具有较高可信度的风电机组功率预测信息,选取4个调度周期(每个调度周期为15分钟)为总优化时长。10台风电机组在调度初始时刻的各评估因素数据如表1所示。其中由于风电机组3和风电机组组9在此初始时刻为停机状态,其评估因素值为其停机时刻的参数值:
表1 10台风电机组在调度初始时刻的各评估因素数据
首先对各风电机组的评估因素进行劣化度计算。其中:齿轮箱油温参数R1、齿轮箱振动参数R2、齿轮箱轴承温度参数R3,发电机轴承温度参数R4,发电机振动参数R5,发电机定子温度参数R6,变流器温度参数R7,滤波器温度参数R8,塔筒振动参数R10为越小越优型因素,按照公式(1)计算;偏航角度参数R9为中间型因素,按照公式(2)计算。同时,根据其他不同设备结构的风电机组,也可以对评估因素的项数进行调整和扩充。这些评估因素的实时值均处于正常范围是风电机组运行的基本要求。
将上述各风电机组的各项评估因素的劣化度按照步骤21)的方式进行综合,得到各风电机组的综合劣化度值g,也就健康程度评估值,如表2所示:
表2 各风电机组的综合劣化度值
风电机组 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
综合劣化度 | 0.18 | 0.2 | 0.2 | 0.26 | 0.53 | 0.34 | 0.38 | 0.61 | 0.8 | 0.83 |
由超短期风功率预测系统提供此1小时中4个调度周期各风电机组的风功率预测值作为风电机组功率上限,如表3所示。由于风电机组运行稳定性的需要,按照惯例实际功率下限值基本要保持在风电机组额定功率的20%以上,所以此算例中将500kW设为风电机组功率下限约束。
表3 4个调度时刻各风电机组的风功率预测值
时刻 | 1 | 2 | 3 | 4 |
风电机组 | 上限 | 上限 | 上限 | 上限 |
1 | 1.55 | 1.69 | 1.90 | 2.36 |
2 | 1.46 | 1.46 | 1.69 | 1.58 |
3 | 1.69 | 1.41 | 1.60 | 1.78 |
4 | 1.12 | 0.84 | 1.02 | 1.84 |
5 | 1.46 | 1.73 | 1.90 | 1.95 |
6 | 1.46 | 1.84 | 1.84 | 2.32 |
7 | 0.85 | 0.91 | 1.21 | 1.94 |
8 | 1.60 | 1.55 | 1.64 | 1.42 |
9 | 1.96 | 1.55 | 1.64 | 1.42 |
10 | 1.50 | 1.11 | 1.60 | 1.55 |
总功率 | 14.65 | 14.09 | 16.54 | 19.17 |
在4个调度周期内风电场接受的负荷计划指令分别是12MW、10MW、14MW、16MW。下面分步验证各优化指标对风电机组运行调度结果的影响作用。
(a)风电机组启停次数统计指标V和风电场功率偏差指标W
首先重点考虑风电机组启停次数统计指标V和风电场功率偏差指标W对风电场的优化调度方案的影响。暂时令运行机群总体健康度指标U的权重a=0,这样在目标函数中只有风电机组启停次数统计指标V和风电场功率偏差指标W影响优化结果,这里选择两种较极端情况以说明变化趋势:(1)b=1000,c=1,即重点考虑风电机组启停次数统计指标V,尽量减小各个调度周期风电机组的启停切换;(2)b=1,c=1000,即重点考虑风电场功率偏差指标W,使风电场功率尽量跟踪电网的负荷目标。按照公式(4)和(5)得到调度结果如表4所示。
表4 两种较极端情况下风电场的优化调度结果
如表4所示,当b值相对较大时,风电机组启停次数统计指标V对优化趋势起主导作用,所以风电场调度后风电机组没有出现启停。功率总偏差(即4个调度周期的实发功率除以总功率)为6.23%,略大。这主要由于在第1、3、4调度周期内,虽然其他8台运行的风电机组都基本达到满发,但是还不足以达到风电场有效功率的目标值,原本停机的3号风电机组和9号风电机组由于启停指标限制也没有被安排启动。在第2调度周期内是由于风电场有效功率的目标值较低,由当前运行的风电机组即可达到功率要求。由此可见参数b对启停切换影响明显。
当c值相对较大时,以减小功率偏差为主要目标,策略着重减小风电场功率偏差指标W,4个调度周期的功率偏差均非常小。仅通过运行中风电机组功率的连续调节能力显然是无法实现,所以方案中安排一定数量的启停机操作以扩展总功率的调节范围,实例中达到了7次。由此可见参数c可以有效控制功率偏差的大小,但是由于风电机组的启停对其机械部件磨损不容忽视,所以在实际运行中为达到有效功率的目标值而频繁启停风电机组也是不可取的。
通过上述算例,分别验证了风电机组启停次数统计指标V和风电场功率偏差指标W的影响趋势,实际运行中需要兼顾这两种指标,可以通过调整b和c的比例在一定合理范围来实现。针对本实施算例,本方法经过多次实验,选择b=c=1时,风电机组启停次数统计指标V和风电场功率偏差指标W均在可接受的范围内,随机选取其中8次优化方案结果,如表5所示。
表5 经过8次优化方案后的结果
次数 | 总功率偏差 | 启停次数 | 健康度 |
1 | 0.27% | 2 | 17.32 |
2 | 0.25% | 3 | 15.49 |
3 | 0.07% | 3 | 16.18 |
4 | 0.07% | 4 | 14.63 |
5 | 0.08% | 3 | 16.52 |
6 | 1.98% | 1 | 14.92 |
7 | 0.29% | 2 | 17.32 |
8 | 0.07% | 1 | 16.52 |
平均 | 0.39% | 2.4 | 16.11 |
从表5中可以看出,在仅考虑风电机组启停次数统计指标V和风电场功率偏差指标W所得到的调度方案集合中,各次在启停次数和功率偏差上各有侧重,这主要是多目标优化过程中存在一定随机性所致,但总体上讲两个指标都得到了兼顾。而风电机组在整个调度周期内统计的总健康度指标(按公式(3)计算)也各不相同,这主要是由于此时还没有考虑风电场内运行机群总健康度指标U。所以在功率调度的同时如果没有结合风电机组健康度信息,很有可能出现状态良好的风电机组被关停,而状态较差的风电机组还带病运行的情况。这也是目前常见的仅依据风电机组功率进行调度的风电场控制策略所存在的不足。
(b)结合风电场内运行机群总健康度指标U
考虑风电场内运行机群总健康度指标U后,可以使风电机组运行组合的优化决策过程更加侧重风电机组本体状态,使方案进一步优化。基于上述风电机组启停次数统计指标V和风电场功率偏差指标W的权重,同样经过多次实验得到合理的风电场内运行机群总健康度指标U的权重范围,这里以a=2为例,得到优化调度方案如表6所示:
表6 考虑3种指标后风电场的优化调度结果
表6中健康度指标为10.8,较表5的平均健康度16.11提高33%。这主要缘于健康度差的风电机组10首先被关停,同样健康度差的风电机组9在整个优化周期内一直被安排停机。这体现了风电场内运行机群总健康度指标U对优化结果的影响作用。
表6中总启动次数为2,即启动了健康度高的风电机组2,关闭了健康度差的风电机组10。不但从数量上较好于表4中平均启停次数,而且显然该启停方案十分有针对性,便于安排风电机组检修计划。
表6中总功率偏差为5.4%,这主要由于关停了两台健康度差的风电机组而造成的功率缺口所致。方案中健康度高的风电机组2被启动以补充功率,各运行风电机组也都基本处于满发状态,说明此调度策略已经尽可能的在减少功率偏差。表4中虽然在调度计划中功率偏差较低,但由于不区分风电机组健康度,出现了多次为健康度差的风电机组分配负荷计划的情况,这在实际运行过程中极易出现非计划故障停机状况,此时不但同样损失发电量,而且还可能导致风电机组设备的严重损毁。由此可见,风电场内运行机群总健康度指标U的加入,对保证风电机组的安全可靠运行十分必要。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (9)
1.一种考虑风电机组运行健康程度的风电场优化调度方法,其特征在于,该优化方法包括如下步骤:
1)对风电机组运行进行健康评估,确定风电机组的健康度,包括以下子步骤:
11)针对所述风电机组,选择风电机组中参与健康评估的评估因素,对所述评估因素进行劣化度处理;
12)通过下面的方式综合所述评估因素的劣化度,得到风电机组的整机健康状况的综合劣化度g:
当每个评估因素的劣化度都小于gt时,风电机组的整机健康状况的综合劣化度当至少一个评估因素的劣化度值大于等于gt时,风电机组的整机健康状况的综合劣化度g=max(gk);其中,g为风电机组整机健康状况的综合劣化度,n为评估因素的个数,gk为第k个评估因素的劣化度,gt为明显劣化度阈值;
2)基于子步骤12)中的综合劣化度g进行风电场功率优化,包括以下子步骤:
21)计算风电场内运行机群总体健康度指标U;
22)计算风电机组的启停统计次数指标V;
23)计算风电场的功率偏差指标W;
24)根据上述三个指标构造出风电场优化的多目标函数;
所述子步骤24)中风电场优化的多目标函数为:
优化目标:min(aU+bV+cW);
其中,a,b,c分别为风电场内运行机群总体健康度指标U、风电场机组的启停统计次数指标V和风电场功率偏差指标W的权重系数;
约束条件1:
其中,为风电场中第i号风电机组在第j个控制周期的目标功率上限,为风电场中第i号风电机组在第j个控制周期的目标功率下限,该约束条件限制了风电机组的目标功率必须在其实际出力水平之内;
约束条件2:
其中,该约束条件限制了在每个调度周期内风电机组的总目标功率不得大于整个风电场在第j个控制周期内的目标功率;
3)采用基于混合编码方法的遗传算法进行优化,获得风电机组的启停组合和目标功率值。
2.根据权利要求1所述的一种考虑风电机组运行健康程度的风电场优化调度方法,其特征在于,所述子步骤11)中的评估因素包括齿轮箱油温参数、齿轮箱轴承温度参数,发电机轴承温度参数,发电机定子温度参数,变流器温度参数,滤波器温度参数,齿轮箱振动参数,发电机振动参数,塔筒振动参数以及风机偏航角度参数。
3.根据权利要求2所述的一种考虑风电机组运行健康程度的风电场优化调度方法,其特征在于,所述子步骤11)中对所述评估因素进行劣化度处理的方法为:
对齿轮箱油温参数、齿轮箱轴承温度参数、齿轮箱振动参数,发电机轴承温度参数、发电机定子温度参数、发电机振动参数,变流器温度参数、滤波器温度参数和塔筒振动参数,其属于越小越优型因素,其劣化度计算公式为:
其中,x为相应参数的实测值,[xmin,xmax]为相应参数的正常范围;
对偏航角度参数,其属于中间型因素,其范围为[-720°,720°],其劣化度计算公式为:
其中,x为该参数的实测值,[xmin,xmax]为该参数的正常范围,[xa,xb]为该参数的最佳运行范围。
4.根据权利要求1所述的一种考虑风电机组运行健康程度的风电场优化调度方法,其特征在于,所述子步骤12)中明显劣化阈值gt的优选取值范围为0.5~0.9。
5.根据权利要求1所述的一种考虑风电机组运行健康程度的风电场优化调度方法,其特征在于,所述子步骤21)中风电场内运行机群总体健康度指标U的计算公式为:
其中,m为风电机组的个数,T为控制周期的个数;为风电场中第i号风电机组在第j个控制周期内的启停调度状态,表示风电场中第i号风电机组在第j个控制周期内停机,表示风电场中第i号风电机组在第j个控制周期内运行;为风电场中第i号风电机组在第j个控制周期内的综合劣化度值。
6.根据权利要求1所述的一种考虑风电机组运行健康程度的风电场优化调度方法,其特征在于,所述子步骤22)中风电机组的启停统计次数指标V的计算公式为:
其中,为风电场中第i号风电机组在第j-1个控制周期内的启停调度状态,如果风电场中第i号风电机组在第j个和j-1个控制周期之间发生启停状态变化,则风电机组的启停统计次数指标V加1。
7.根据权利要求1所述的一种考虑风电机组运行健康程度的风电场优化调度方法,其特征在于,所述子步骤23)中风电场功率偏差指标W的计算公式为:
其中,为风电场中第i号风电机组在第j个控制周期内的目标功率,为整个风电场在第j个控制周期内的目标功率,由电网调度下发。
8.根据权利要求1所述的一种考虑风电机组运行健康程度的风电场优化调度方法,其特征在于,所述的优选值为风电场中第i号风电机组额定功率的20%。
9.根据权利要求1所述的一种考虑风电机组运行健康程度的风电场优化调度方法,其特征在于,所述步骤3)中的混合编码方法为:
设定遗传算法中表示待调度优化的风电机组个体的基因基本形式为[X,P],由此形成包括m台风电机组的T个控制周期的调度信息的初始种群 其中,为风电场中第i号风电机组在第j个控制周期内的启停调度状态,由一位二进制数表示;为风电场中第i号风电机组在第j个控制周期内的目标功率,在其功率区间之内,采用一个多位二进制数来表示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410058574.4A CN103762617B (zh) | 2014-02-20 | 2014-02-20 | 一种考虑风电机组运行健康程度的风电场优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410058574.4A CN103762617B (zh) | 2014-02-20 | 2014-02-20 | 一种考虑风电机组运行健康程度的风电场优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103762617A CN103762617A (zh) | 2014-04-30 |
CN103762617B true CN103762617B (zh) | 2015-07-15 |
Family
ID=50529806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410058574.4A Expired - Fee Related CN103762617B (zh) | 2014-02-20 | 2014-02-20 | 一种考虑风电机组运行健康程度的风电场优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103762617B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104319807B (zh) * | 2014-10-17 | 2016-08-17 | 南方电网科学研究院有限责任公司 | 一种基于Copula函数获取多风电场容量可信度的方法 |
CN105160489B (zh) * | 2015-09-28 | 2018-07-13 | 国家电网公司 | 一种水电机组变权劣化评估系统及评估方法 |
CN105956785A (zh) * | 2016-05-13 | 2016-09-21 | 东华大学 | 一种风力发电机组运行状态评判方法 |
CN106599451B (zh) * | 2016-12-12 | 2020-06-12 | 西安交通大学 | 一种rv减速器主轴承的多目标优化方法 |
CN108493991A (zh) * | 2018-03-27 | 2018-09-04 | 内蒙古久和能源装备有限公司 | 一种基于风电机组健康程度的风电机组功率分配计算方法 |
CN109038650A (zh) * | 2018-07-12 | 2018-12-18 | 国网山西省电力公司电力科学研究院 | 准确获取主变并联运行风电场的功率控制响应速度的方法 |
CN109345044A (zh) * | 2018-11-27 | 2019-02-15 | 广东工业大学 | 一种基于可变长基因遗传算法的泵站优化调度方法 |
CN110159484B (zh) * | 2019-04-04 | 2020-10-13 | 浙江运达风电股份有限公司 | 基于风电场场级能量控制的风电机群启停机控制方法 |
CN110187275B (zh) * | 2019-06-06 | 2021-11-23 | 中车株洲电力机车研究所有限公司 | 一种永磁电机健康状态检测方法及系统 |
CN110518642B (zh) * | 2019-09-24 | 2021-05-28 | 国电联合动力技术有限公司 | 考虑齿轮箱油温的风电场智能调度方法及装置 |
CN113095693B (zh) * | 2021-04-19 | 2024-02-06 | 重庆理工大学 | 一种基于温度特征量的风电轴承健康状态评估方法 |
CN114837902B (zh) * | 2022-06-02 | 2023-03-28 | 中节能风力发电股份有限公司 | 一种风电机组健康度评估方法、系统、设备和介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BRPI1004895A2 (pt) * | 2010-05-28 | 2017-01-17 | Mitsubishi Heavy Ind Ltd | aparelho e método de monitoramento e controle e usina de energia eólica equipada com os mesmos. |
CN101858312B (zh) * | 2010-05-31 | 2012-02-08 | 重庆大学 | 风力发电机组实时运行状态评估系统及评估方法 |
-
2014
- 2014-02-20 CN CN201410058574.4A patent/CN103762617B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN103762617A (zh) | 2014-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103762617B (zh) | 一种考虑风电机组运行健康程度的风电场优化调度方法 | |
CN102611118B (zh) | 一种引入预测信息的风电场综合无功电压控制方法 | |
CN102289566B (zh) | 独立运行模式下的微电网多时间尺度能量优化调度方法 | |
CN101931241B (zh) | 风电场并网协调控制方法 | |
Troy et al. | Base-load cycling on a system with significant wind penetration | |
CN104795846A (zh) | 一种抽水蓄能电站与风电的联合系统的优化运行方法 | |
CN104271942A (zh) | 用于利用调度算法运行风力发电系统的电力系统和方法 | |
CN103001249A (zh) | 基于bp神经网络的风电场短期功率预测方法 | |
Liang et al. | Battery energy storage selection based on a novel intermittent wind speed model for improving power system dynamic reliability | |
CN109615125B (zh) | 一种考虑特高压调峰的多区域随机生产模拟方法及应用 | |
CN102624034B (zh) | 适用于高压电网的风电场调度配合型无功运行方法 | |
CN111030187A (zh) | 一种多能源分频互补新能源的补偿容量优化计算方法 | |
Ebert et al. | Successful high wind penetration into a medium sized diesel grid without energy storage using variable speed wind turbine technology | |
Ally et al. | A review and technical assessment integrating wind energy into an island power system | |
Huang et al. | A multi-time scale scheduling method for wind-PV-pumped storage-electrochemical energy storage integrated generation system | |
CN108155675B (zh) | 基于预测信息与运行状态的风电场群功率优化调度方法 | |
Wang et al. | Bi-level Optimization Model for Coordinated Operation of Wind Power and Energy Storage System | |
CN104868469A (zh) | 一种火电机组开机优化方法 | |
Kazme et al. | Frequency Control Support in Low Inertia Power Grid by Energy Storage Systems: A Techno-Economic Analysis | |
Al Riyami et al. | Integration of 50MW Dhofar Wind Farm Intermittency in System Planning & Operation | |
CN110635522A (zh) | 一种基于风电场理论功率的机组自动启停机控制方法 | |
CN117239843B (zh) | 一种考虑储能的风电场调峰优化调度方法 | |
Wu et al. | A Nonlinear Least Squares Method of Energy Storage Systems for Wind Power Fluctuations Smoothing | |
EP4108907A1 (en) | System and method for producing and storing hydroelectric power | |
Zhang | Study on the Effects of Different Measures in Promoting Renewable Energy Consumption |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150715 Termination date: 20160220 |