CN104200001A - 标杆风机的选取方法 - Google Patents

Abstract

本发明涉及一种标杆风机的选取方法，包括以下步骤：对目标风电场各风机的实测历史风速序列进行经验正交函数分解，得出风速序列的空间特征向量及对应的方差贡献率；将方差贡献率由大到小排序，选出前几个方差贡献率较高且有规律性分布的空间特征向量进行分组，选出的各风速序列的空间特征向量的方差贡献率达到90％以上；根据空间特征向量的分组特征选择标杆风机和分配系数。

Description

标杆风机的选取方法

技术领域

本发明涉及一种标杆风机的选取方法，尤其涉及一种基于经验正交函数(Empirical Orthogonal Function，EOF)分解的标杆风机的选取方法，属于电力系统新能源发电领域。

背景技术

风电是一种间歇式能源，并网之后为电网的安全稳定运行带来很多不利的影响，受电网输送能力等因素限制，实际风电并网运行过程中存在明显的限电情况。

为了掌握风场在自然状态下的理论发电量并进一步估算弃风电量，一般利用标杆风机的历史数据通过某种数学计算得到风场理论发电量。利用有限标杆风机估算整体发电量的过程，实际上便是利用风场内资源的空间分布特性把点扩展到面的过程，那么，选择的测点在资源空间特性方面的代表性以及整体资源情况的估算方法都会影响理论发电量估计效果。

因此充分考虑风电场内地形和风资源的差异，建立合适的标杆风机选取方法，对精确计算风电场弃风电量、指导实际风场运行具有重大意义。

发明内容

综上所述，确有必要提供一种充分考虑风电场内地形和风资源的差异、精确计算风电场弃风电量的标杆风机的选取方法。

一种标杆风机的选取方法，包括以下步骤：对目标风电场各风机的实测历史风速序列进行经验正交函数分解，得出风速序列的空间特征向量及与空间特征向量对应的方差贡献率；将方差贡献率由大到小排序，选出前几个方差贡献率较高且有规律性分布的空间特征向量进行分组，选出的各风速序列的空间特征向量的方差贡献率达到90％以上；根据空间特征向量的分组特征选择标杆风机和分配系数。

相对于现有技术，本发明提供的标杆风机的选取方法，以EOF分解为基础，利用EOF分解在挖掘资源共性与特性方面的优势进行标杆风机的选择，可用于风电场自然发电量和弃风电量的计算，更加适应存在明显地形起伏和风资源差异的区域，优化了标杆风机的选择，提高了弃风电量估算的精度。

附图说明

图1为本发明提供的标杆风机的选取方法的流程图。

图2为图1所示的标杆风机的选取方法中EOF分解结果的示意图。

具体实施方式

下面根据说明书附图并结合具体实施例对本发明的技术方案进一步详细表述。

请参阅图1，本发明提供的风机标杆的选取方法包括如下步骤：

步骤S10，对目标风电场各风机的实测历史风速序列进行经验正交函数分解，得出各风速序列的空间特征向量及与空间特征向量对应的方差贡献率；

步骤S20，将方差贡献率由大到小排序，选出前几个方差贡献率较高且有规律性分布的空间特征向量，选出的各风速序列的空间特征向量的方差贡献率达到90％以上；

步骤S30，根据空间特征向量的分组特征选择标杆风机和分配系数。

在步骤S10中，所述各空间特征向量及其对应的方差贡献率的计算包括如下步骤。

步骤S11，对风电场的风机进行编号，并获取各风机的实测风速序列；

假设风场有m台风机，则某时刻t风场所有风机的风速可以用一个m维向量X_t来表示，设已知有n个时刻的实测风速序列：

X_t＝(x_1t,x_2t,...,x_ij,...,x_mt)^T,t＝1,2,...,n    (1)

式中，x_ij为i号风机在时刻j时的风速。

步骤S12，根据实测风速序列构建实测风速序列的协方差矩阵Σ。

所述协方差矩阵Σ为一个m行m列的矩阵，它的第i行第j列元素具体表示如下：

∑_ij＝X_i1X_j1+X_i2X_j2+…+X_inX_jn   (2)

步骤S13，计算协方差矩阵Σ的特征值λ，即解下式方程得到：

|∑-λI|＝0  (3)

式中，I为单位矩阵。设解式(3)可得到k个解，记为λ_i，i＝1,2,…k。

步骤S14，针对每个特征值λ_i，求所述特征值λ_i对应的单位特征向量V_i。

所述单位特征向量V_i可通过以下公式求解：

(∑-λI)V＝0   (4)

k个特征值λ_i可以得到k个单位特征向量，记为V_i，i＝1,2,…k，每个单位特征向量V_i又称为描述空间特征的空间特征向量。

步骤S15，计算每个单位特征向量V_i的方差贡献率Q_i。

所述方差贡献率Q_i可通过以下公式计算：

$Q_i=\frac{{\mathrm{\λ}}_i}{\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{\mathrm{\λ}}_j}\×100\%---\left(5\right)$

在步骤S20中，所述方差贡献率的选取包括如下步骤：

步骤S21，按照方差贡献率Q_i的大小将单位特征向量V_i由大到小进行排

列。

步骤S22，选出前几个方差贡献率较高的空间特征向量，保证选出的各个空间特征向量的方差贡献率达到90％以上，将其余空间特征向量舍去不考虑。

在步骤S30中，所述标杆风机和分配系数的选取可包括如下步骤：

步骤S31，以准确地描述风电场各台风机的风资源特点为标准选取空间特征向量，并按照空间特征向量的分组特征选择标杆风机。

请一并参阅图2，假设选出的空间特征向量是图中的第一和第二空间特征向量，则可以发现风机可以明显地分为三组，每组内的风机风资源特征是相似的，组间风机的风资源特征则具有较大差异，因此在每组选一台标杆风机。

步骤S32，选取每台标杆风机所在分组的风机台数为每台标杆风机的分配系数。

相较于现有技术，本发明提供的标杆风机的选取方法，以EOF分解为基础，利用EOF分解在挖掘资源共性与特性方面的优势进行标杆风机的选择，可用于风电场自然发电量和弃风电量的计算，更加适应存在明显地形起伏和风资源差异的区域，优化了标杆风机的选择，提高了弃风电量估算的精度。

另外，本领域技术人员还可在本发明精神内作其它变化，当然这些依据本发明精神所作的变化，都应包含在本发明所要求保护的范围内。

Claims (9)

1.一种标杆风机的选取方法，包括以下步骤：

对目标风电场各风机的实测历史风速序列进行经验正交函数分解，得出风速序列的空间特征向量及与空间特征向量对应的方差贡献率；

将方差贡献率由大到小排序，选出前几个方差贡献率较高且有规律性分布的空间特征向量进行分组，选出的各风速序列的空间特征向量的方差贡献率达到90％以上；

根据空间特征向量的分组特征选择标杆风机和分配系数。

2.如权利要求1所述的标杆风机的选取方法，其特征在于，方差贡献率的计算包括如下步骤：

对风电场的风机进行编号，并获取各风机的实测风速序列；

根据实测风速序列构建实测风速序列的协方差矩阵Σ；

计算协方差矩阵Σ的特征值λ，得到k个解，记为λ_i，i＝1,2,…k；

针对每个特征值λ_i，求所述特征值λ_i对应的单位特征向量V_i，所述单位特征向量V_i即为描述空间特征的空间特征向量；

计算每个单位特征向量V_i的方差贡献率Q_i。

3.如权利要求2所述的标杆风机的选取方法，其特征在于，设风电场有m台风机，以m维向量X_t来表示某时刻t所述风电场内所有风机的风速，则n个时刻的实测风速序列：

X_t＝(x_1t,x_2t,...,xi_j,...,x_mt)^T,t＝1,2,...,n；

式中，x_ij为i号风机在时刻j时的风速。

4.如权利要求3所述的标杆风机的选取方法，其特征在于，所述协方差矩阵Σ为一个m行m列的矩阵，它的第i行第j列元素具体表示如下：

∑_ij＝X_i1X_j1+X_i2X_j2+…+X_inX_jn。

5.如权利要求4所述的标杆风机的选取方法，其特征在于，协方差矩阵Σ的特征值λ通过解下式方程得到：

|∑-λI|＝0；

式中，I为单位矩阵。

6.如权利要求5所述的标杆风机的选取方法，其特征在于，所述单位特征向量V_i通过以下公式求解：

(∑-λI)V＝0；

k个特征值λ_i得到k个单位特征向量，记为V_i，i＝1,2,…k。

7.如权利要求6所述的标杆风机的选取方法，其特征在于，所述方差贡献率Q_i可通过以下公式计算：

$Q_i=\frac{{\mathrm{\λ}}_i}{\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{\mathrm{\λ}}_j}\×100\%.$

8.如权利要求2所述的标杆风机的选取方法，其特征在于，所述方差贡献率的选取包括如下步骤：

按照方差贡献率Q_i的大小将单位特征向量V_i由大到小进行排列；

选出前几个方差贡献率较高的空间特征向量，保证选出的空间特征向量的方差贡献率达到90％以上，将其余空间特征向量舍去不考虑。

9.如权利要求1所述的标杆风机的选取方法，其特征在于，所述标杆风机和分配系数的选取包括如下步骤：

以风电场各台风机的风资源特点为标准选取空间特征向量，并按照空间特征向量的分组特征选择标杆风机；

选取每台标杆风机所在分组的风机台数为每台标杆风机的分配系数。