CN104331572A - 考虑风速和风电机组故障相关性的风电场可靠性建模方法 - Google Patents
考虑风速和风电机组故障相关性的风电场可靠性建模方法 Download PDFInfo
- Publication number
- CN104331572A CN104331572A CN201410655858.1A CN201410655858A CN104331572A CN 104331572 A CN104331572 A CN 104331572A CN 201410655858 A CN201410655858 A CN 201410655858A CN 104331572 A CN104331572 A CN 104331572A
- Authority
- CN
- China
- Prior art keywords
- wind
- turbine set
- energy turbine
- wind energy
- turbines
- 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.)
- Pending
Links
Abstract
本发明公开了一种考虑风速和风电机组故障相关性的风电场可靠性建模方法,包括步骤:参数初始化;计算各风电场风速的威布尔分布参数和风电场间风速的相关系数;计算各风电场的风速和故障风电机组的数目之间的相关系数;形成包含风电场风速之间、同一个风电场风速-故障风机数目的相关系数矩阵;选择最优的Copula函数;模拟产生相关的多维随机数序列;采用反变换法模拟产生各风电场的风速序列和故障风机台数序列;计算各风电场的单台风电机组正常运行时的小时输出功率序列;计算各风电场的小时输出功率序列;采用线性划分或聚类的方法建立等值多状态输出功率模型。本发明方法所建立的风电场可靠性模型弥补了传统风电场可靠性建模方法的不足。
Description
技术领域
本发明属于电力系统建模技术领域,尤其是涉及一种考虑风速和风电机组故障相关性的风电场可靠性建模方法。
背景技术
随着风力发电技术的发展,风电机组单机容量和风电接入系统的规模不断增大,大规模的风电接入将对电力系统的规划和运行产生较大的影响,因此有必要建立准确的风电场模型。在风电场的可靠性建模过程中,应考虑以下三种因素:
(1)风速和风电机组故障的不确定性;
(2)风电场之间风速的相关性,大规模的风电通过不同风电场接入系统,处于相似气候区域的风电场风速存在相关性;
(3)同一风电场内风速和风电机组故障停运的相关性,统计资料表明,风速会对风电机组的故障产生一定的影响,即同一风电场内的风速和风电机组的故障存在一定的相关性。
现有文献在进行风电场可靠性建模时,计入了前两种因素对风电场可靠性建模的影响,其中:风电场风速的不确定性通过风速预测技术或者历史风速数据的统计分布特性来表示,风电机组故障的不确定性通过两态模型(即正常运行状态和故障状态)来表示;风电场风速的相关性则通过相关性抽样技术模拟产生相关的风电场风速来表示。然而尚无文献在风电场可靠性建模时计入第三种因素的影响。
发明内容
为解决现有技术中的不足,本发明提供一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法。
为了实现上述目标,本发明采用如下技术方案:
一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法,其特征在于,包括步骤:
步骤1,参数初始化:各个风电场中风电机组的型号相同,风电场的数目为n,第i个风电场风电机组的台数为mi;第i个风电场的风电机组的技术参数包括:额定功率PRi、风电机组的切入风速Vci,i、风电机组的切出风速为Vco,i、风电机组的额定风速VR,i、风电机组的强迫停运率为FOR(i);风电场中风速模拟的小时数T;风电场等值状态数目为nstate;
步骤2,根据各个风电场风速的历史序列数据,计算各个风电场风速分布的威布尔分布尺度参数和形状参数、风电场之间风速的相关系数;
步骤3,根据各个风电场风速和故障风电机组数目的历史小时序列数据,计算各个风电场内的风速和故障的风电机组数目之间的相关系数;
步骤4:根据步骤2和3计算所得的相关系数,形成包含风电场风速之间、同一个风电场风速-故障风机数目的相关系数矩阵,该矩阵维数为(2n)×(2n);
步骤5:根据最短欧式距离法选择最优的Copula函数;
步骤6:根据确定的最优Copula函数,采用条件抽样法产生相关的多维随机数序列(u1(t),u2(t),...,u2n(t));
步骤7:根据步骤6产生的多维随机数序列和步骤2所得的各风电场风速的威布尔边缘分布参数,采用反变换法模拟产生各个风电场的风速序列vi(t);
步骤8:根据步骤6产生的多维随机数序列和各风电场风电机组故障台数的二项分布参数,采用反变换法模拟产生各个风电场中风电机组的故障台数序列nfi(t);
步骤9:根据步骤7产生的各个风电场的小时风速序列vi(t)和风电机组的输出功率特性,计算各个风电场中的单台风电机组正常运行时的小时输出功率序列PNi(t);
步骤10:根据步骤9所得的各个风电场中单台风电机组正常运行时的小时输出功率序列PNi(t)和步骤8所得各风电场故障风机的台数序列nfi(t),计算各个风电场的小时输出功率序列Pi(t);
步骤11:采用线性划分或聚类的方法,将步骤10所得的各个风电场的小时输出功率序列模型等值成nstate个等值状态的输出功率模型。
前述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法,其特征是:所述步骤2和3中,相关系数的类型选择范围包括Pearson线性相关系数、Kendall秩相关系数、Spearman秩相关系数。
前述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法,其特征是:所述步骤5中,最短欧式距离法选择最优的Copula函数,具体包括通过参数估计方法估计Copula函数中的未知参数及通过最短欧式距离法选择最优的Copula函数。
前述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法,其特征是:所述步骤6中,根据确定的最优Copula函数,采用条件抽样法产生相关的多维随机数序列,具体步骤为:
1),初始化时刻,t=1;
2),生成独立的服从(0,1)均匀分布的变量的随机数向量(Y1(t),Y2(t),...,Y2n(t));
3),根据以下递推式生成服从指定Copula函数的随机数向量(u1(t),u2(t),...,u2n(t)):
其中,
式中,C(·,…,·)表示多元Copula函数,表示Copula函数的条件分布,是的反函数;Pr表示条件概率;
4),判断t是否等于T;若t=T,则结束;若否,转入步骤5);
5),t=t+1;并转入步骤2)。
前述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法,其特征是:所述步骤7中,采用反变换法模拟产生各个风电场的风速序列vi(t);计算公式为:
其中,vi(t)是第i个风电场t时刻的风速,ui(t)(i=1,2,...,n)为步骤6产生的随机数,为Fi(·)的反函数,Fi(·)是威布尔分布函数且有ci、ki为步骤2计算所得的第i个风电场的风速分布的威布尔分布尺度参数和形状参数。
前述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法,其特征是:所述步骤8中,采用反变换法模拟产生各个风电场中风电机组的故障台数序列nfi(t),计算公式为:
其中,nfi(t)是第i个风电场t时刻的故障风机数目,ui(t)(i=n+1,n+2,...,2n)是步骤6产生的随机数,表示Gi(·)的反函数,Gi(·)是二项分布函数且有:
前述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法,其特征是:所述步骤9中,各个风电场中的单台风电机组正常运行时的小时输出功率序列PNi(t),其计算公式为:
其中,PRi表示第i个风电场中风电机组的额定输出功率;Vci,i、Vco,i、VR,i分别为第i个风电场中风电机组的切入风速、切出风速和额定风速;参数Ai,Bi,Ci是Vci,i和VR,i的函数,计算公式为:
前述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法,其特征是:所述步骤10中,计算各个风电场的小时输出功率序列Pi(t),其计算公式为:
Pi(t)=[mi-nfi(t)]×PNi(t) (12)
其中,mi是步骤1中给出的第i个风电场中风电机组的台数;nfi(t)是步骤8中产生的第i个风电场t时刻的故障风机数目;PNi(t)步骤9计算所得的第i个风电场中的单台风电机组正常运行时的t时刻的输出功率。
本发明所达到的有益效果:本发明通过Copula方法模拟产生相关的多维随机数,在此基础上,通过对威布尔分布和二项分布进行反变换模拟产生了各个风电场各个时刻的风速和故障风电机组的台数,建立了一种考虑更全面的风电场可靠性模型;本发明所建立的风电场可靠性模型既考虑了多个风电场风速之间的相关性、又考虑了同一风电场内风速和风电场故障风电机组台数的相关性,弥补了传统风电场可靠性建模方法的不足。
附图说明
图1是考虑风速和风电机组故障相关性的风电场可靠性建模方法流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示,一种考虑风速和风电机组故障相关性的风电场可靠性建模方法,包含步骤如下:
步骤1,参数初始化:各个风电场中风电机组的型号相同,风电场的数目为n,第i个风电场风电机组的台数为mi;第i个风电场的风电机组的技术参数包括:额定功率PRi、风电机组的切入风速Vci,i、风电机组的切出风速为Vco,i、风电机组的额定风速VR,i、风电机组的强迫停运率为FOR(i);风电场中风速模拟的小时数T;风电场等值状态数目为nstate。
步骤2,根据各个风电场风速的历史序列数据,计算各个风电场风速分布的威布尔分布尺度参数和形状参数、风电场之间风速的相关系数;
其中风电场风速的威布尔分布尺度参数和形状参数可以采用最大似然估计方法计算。
风电场之间风速的相关性通过相关系数来度量,可以选择不同的相关系数的计算公式来度量变量之间的相关性,例如Pearson线性相关系数、Kendall秩相关系数、Spearman秩相关系数等。以Pearson相关系数为例,随机变量X,Y之间相关系数的计算公式为:
式中,E(X),E(Y)为随机变量X,Y的数学期望,E(XY)是XY的数学期望;σ(X),σ(Y)为标准差。
步骤3,根据各个风电场风速和故障风电机组数目的历史小时序列数据,计算各个风电场内的风速和故障的风电机组数目之间的相关系数;
与步骤2类似,可以选择使用Pearson线性相关系数、Kendall秩相关系数、Spearman秩相关系数等来度量随机变量之间的相关关系。
步骤4:根据步骤2和3计算所得的相关系数,形成包含风电场风速之间、同一个风电场风速-故障风机数目的相关系数矩阵,该矩阵维数为(2n)×(2n);
步骤5:根据最短欧式距离法选择最优的Copula函数;
具体包括通过参数估计方法(如最大似然估计法)估计Copula函数中的未知参数、通过最短欧式距离法选择最优的Copula函数。
步骤6:根据确定的最优Copula函数,采用条件抽样法产生相关的多维随机数序列,具体步骤为:
1),初始化时刻,t=1,其中,t是指模拟的时刻(t=1…T),T为模拟时间的总小时数;
2),生成独立的服从(0,1)均匀分布的变量的随机数向量(Y1(t),Y2(t),...,Y2n(t));其中,Yi(t)是生成的第i个t时刻的随机数,用于产生第i个风电场t时刻的风速(i=1~n)或故障风机的台数(i=n+1至i=2n);
3),根据以下递推式生成服从指定Copula函数的随机数向量(u1(t),u2(t),...,u2n(t)):
其中,
式中,C(·,…,·)表示多元Copula函数,表示Copula函数的条件分布,是的反函数;Pr表示条件概率。
4),判断t是否等于T;若t=T,则结束;若否,转入步骤5);
5),t=t+1;并转入步骤2)。
步骤7:根据步骤6产生的多维随机数(u1(t),u2(t),...,u2n(t))和步骤2所得的各风电场风速的威布尔边缘分布参数,采用反变换法模拟产生各个风电场的风速序列vi(t),计算公式为:
其中,vi(t)是第i个风电场t时刻的风速,ui(t)(i=1,2,...,n)为步骤6产生的随机数,为Fi(·)的反函数,Fi(·)是威布尔分布函数且有ci、ki为步骤2计算所得的第i个风电场的风速分布的威布尔分布尺度参数和形状参数。
步骤8:根据步骤6产生的多维随机数和各风电场的故障风机台数的二项分布参数(mi和FOR(i)),采用反变换法模拟产生各个风电场中风电机组的故障台数序列nfi(t);
其中,nfi(t)是第i个风电场t时刻的故障风机数目,ui(t)(i=n+1,n+2,...,2n)是步骤6产生的随机数,表示Gi(·)的反函数,是二项分布函数且有:
步骤9:根据步骤7产生的各个风电场的小时风速序列vi(t)和风电机组的输出功率特性,计算各个风电场中的单台风电机组正常运行时的小时输出功率序列PNi(t),其计算公式为:
其中,PRi表示第i个风电场中风电机组的额定输出功率;Vci,i、Vco,i、VR,i分别为第i个风电场中风电机组的切入风速、切出风速和额定风速;参数Ai,Bi,Ci是Vci,i和VR,i的函数,计算公式为:
步骤10:根据步骤9所得的各个风电场中单台风电机组正常运行时的小时输出功率序列PNi(t)和步骤8所得各风电场故障风机的台数序列nfi(t),计算各个风电场的小时输出功率序列Pi(t),其计算公式为:
Pi(t)=[mi-nfi(t)]×PNi(t) (12)
其中,mi是步骤1中给出的第i个风电场中风电机组的台数;nfi(t)是步骤8中产生的第i个风电场t时刻的故障风机数目;PNi(t)步骤9计算所得的第i个风电场中的单台风电机组正常运行时的t时刻的输出功率。
步骤11:采用线性划分或聚类的方法,将步骤10所得的各个风电场的小时输出功率序列模型等值成nstate个等值状态的输出功率模型。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (8)
1.一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法,其特征在于,包括步骤:
步骤1,参数初始化:各个风电场中风电机组的型号相同,风电场的数目为n,第i个风电场风电机组的台数为mi;第i个风电场的风电机组的技术参数包括:额定功率PRi、风电机组的切入风速Vci,i、风电机组的切出风速为Vco,i、风电机组的额定风速VR,i、风电机组的强迫停运率为FOR(i);风电场中风速模拟的小时数T;风电场等值状态数目为nstate;
步骤2,根据各个风电场风速的历史序列数据,计算各个风电场风速分布的威布尔分布尺度参数和形状参数、风电场之间风速的相关系数;
步骤3,根据各个风电场风速和故障风电机组数目的历史小时序列数据,计算各个风电场内的风速和故障的风电机组数目之间的相关系数;
步骤4:根据步骤2和3计算所得的相关系数,形成包含风电场风速之间、同一个风电场风速-故障风机数目的相关系数矩阵,该矩阵维数为(2n)×(2n);
步骤5:根据最短欧式距离法选择最优的Copula函数;
步骤6:根据确定的最优Copula函数,采用条件抽样法产生相关的多维随机数序列(u1(t),u2(t),...,u2n(t));
步骤7:根据步骤6产生的多维随机数序列和步骤2所得的各风电场风速的威布尔边缘分布参数,采用反变换法模拟产生各个风电场的风速序列vi(t);
步骤8:根据步骤6产生的多维随机数序列和各风电场风电机组故障台数的二项分布参数,采用反变换法模拟产生各个风电场中风电机组的故障台数序列nfi(t);
步骤9:根据步骤7产生的各个风电场的小时风速序列vi(t)和风电机组的输出功率特性,计算各个风电场中的单台风电机组正常运行时的小时输出功率序列PNi(t);
步骤10:根据步骤9所得的各个风电场中单台风电机组正常运行时的小时输出功率序列PNi(t)和步骤8所得各风电场故障风机的台数序列nfi(t),计算各个风电场的小时输出功率序列Pi(t);
步骤11:采用线性划分或聚类的方法,将步骤10所得的各个风电场的小时输出功率序列模型等值成nstate个等值状态的输出功率模型。
2.根据权利要求1所述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法,其特征是:所述步骤2和3中,相关系数的类型选择范围包括Pearson线性相关系数、Kendall秩相关系数、Spearman秩相关系数。
3.根据权利要求1所述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法,其特征是:所述步骤5中,最短欧式距离法选择最优的Copula函数,具体包括通过参数估计方法估计Copula函数中的未知参数及通过最短欧式距离法选择最优的Copula函数。
4.根据权利要求1所述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法,其特征是:所述步骤6中,根据确定的最优Copula函数,采用条件抽样法产生相关的多维随机数序列,具体步骤为:
1),初始化时刻,t=1;
2),生成独立的服从(0,1)均匀分布的变量的随机数向量(Y1(t),Y2(t),...,Y2n(t));
3),根据以下递推式生成服从指定Copula函数的随机数向量(u1(t),u2(t),...,u2n(t)):
其中,
式中,C(·,…,·)表示多元Copula函数,表示Copula函数的条件分布,是的反函数;Pr表示条件概率;
4),判断t是否等于T;若t=T,则结束;若否,转入步骤5);
5),t=t+1;并转入步骤2)。
5.根据权利要求1所述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法,其特征是:所述步骤7中,采用反变换法模拟产生各个风电场的风速序列vi(t);计算公式为:
其中,vi(t)是第i个风电场t时刻的风速,ui(t)(i=1,2,...,n)为步骤6产生的随机数,为Fi(·)的反函数,Fi(·)是威布尔分布函数且有ci、ki为步骤2计算所得的第i个风电场的风速分布的威布尔分布尺度参数和形状参数。
6.根据权利要求1所述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法,其特征是:所述步骤8中,采用反变换法模拟产生各个风电场中风电机组的故障台数序列nfi(t),计算公式为:
7.根据权利要求1所述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法,其特征是:所述步骤9中,各个风电场中的单台风电机组正常运行时的小时输出功率序列PNi(t),其计算公式为:
其中,PRi表示第i个风电场中风电机组的额定输出功率;Vci,i、Vco,i、VR,i分别为第i个风电场中风电机组的切入风速、切出风速和额定风速;参数Ai,Bi,Ci是Vci,i和VR,i的函数,计算公式为:
8.根据权利要求1所述的一种考虑风电场中风速和风电机组故障相关性的风电场可靠性建模方法,其特征是:所述步骤10中,计算各个风电场的小时输出功率序列Pi(t),其计算公式为:
Pi(t)=[mi-nfi(t)]×PNi(t) (12)
其中,mi是步骤1中给出的第i个风电场中风电机组的台数;nfi(t)是步骤8中产生的第i个风电场t时刻的故障风机数目;PNi(t)步骤9计算所得的第i个风电场中的单台风电机组正常运行时的t时刻的输出功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410655858.1A CN104331572A (zh) | 2014-11-17 | 2014-11-17 | 考虑风速和风电机组故障相关性的风电场可靠性建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410655858.1A CN104331572A (zh) | 2014-11-17 | 2014-11-17 | 考虑风速和风电机组故障相关性的风电场可靠性建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104331572A true CN104331572A (zh) | 2015-02-04 |
Family
ID=52406297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410655858.1A Pending CN104331572A (zh) | 2014-11-17 | 2014-11-17 | 考虑风速和风电机组故障相关性的风电场可靠性建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104331572A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104914775A (zh) * | 2015-06-12 | 2015-09-16 | 华东理工大学 | 基于vine copula相关性描述的多模态过程故障检测方法及系统 |
CN105224760A (zh) * | 2015-10-19 | 2016-01-06 | 重庆大学 | 一种基于风电场的vsc-hvdc并网系统可靠性计算方法 |
CN105303457A (zh) * | 2015-10-19 | 2016-02-03 | 清华大学 | 基于蒙特卡洛运行维护模拟的海上风资源评估方法 |
CN105354349A (zh) * | 2015-09-17 | 2016-02-24 | 贵州电网有限责任公司电网规划研究中心 | 一种山区大型风电场风速建模方法 |
CN105469216A (zh) * | 2015-12-15 | 2016-04-06 | 深圳供电局有限公司 | 一种结合天气及风速评价风电场运行风险的方法和系统 |
CN105741192A (zh) * | 2016-02-29 | 2016-07-06 | 南京信息工程大学 | 一种风电场风电机机舱短期风速组合预报方法 |
CN107341299A (zh) * | 2017-06-22 | 2017-11-10 | 太原理工大学 | 计及运行环境影响的风机可靠性建模方法 |
CN109242340A (zh) * | 2018-09-29 | 2019-01-18 | 国网辽宁省电力有限公司电力科学研究院 | 一种蓄热电锅炉消纳系统监测数据评价系统及其评价方法 |
CN109416023A (zh) * | 2016-07-04 | 2019-03-01 | 株式会社日本制钢所 | 风力涡轮机监视装置、风力涡轮机监视方法、风力涡轮机监视程序以及存储介质 |
CN109458305A (zh) * | 2018-10-23 | 2019-03-12 | 北京金风科创风电设备有限公司 | 风速仪容错控制方法、装置及风电场控制器 |
CN109583069A (zh) * | 2018-11-23 | 2019-04-05 | 河北工业大学 | 基于时间相关性的风速建模方法 |
CN109782739A (zh) * | 2019-01-29 | 2019-05-21 | 中国能源建设集团广东省电力设计研究院有限公司 | 设备故障的检修方法、装置、计算机设备和存储介质 |
CN110334422A (zh) * | 2019-06-25 | 2019-10-15 | 电子科技大学 | 一种基于动态故障相关性的焊接设备可靠性的计算方法 |
CN110362045A (zh) * | 2019-06-14 | 2019-10-22 | 上海电力学院 | 一种考虑海洋气象因素的海上双馈风电机组故障判别方法 |
CN112001531A (zh) * | 2020-08-04 | 2020-11-27 | 南京工程学院 | 基于有效载荷能力的风电短期运行容量可信度评估方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103746370A (zh) * | 2013-12-20 | 2014-04-23 | 河海大学 | 一种风电场可靠性建模方法 |
CN103971293A (zh) * | 2014-04-25 | 2014-08-06 | 河海大学 | 一种考虑天气的风电场可靠性建模方法 |
-
2014
- 2014-11-17 CN CN201410655858.1A patent/CN104331572A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103746370A (zh) * | 2013-12-20 | 2014-04-23 | 河海大学 | 一种风电场可靠性建模方法 |
CN103971293A (zh) * | 2014-04-25 | 2014-08-06 | 河海大学 | 一种考虑天气的风电场可靠性建模方法 |
Non-Patent Citations (5)
Title |
---|
FAN CHEN 等: "Reliability models of wind farms considering wind speed correlation and WTG outage", 《ELECTRIC POWER SYSTEMS RESEARCH》 * |
P. GIORSETTO等: "Development of a new procedure for reliability modeling of wind turbine generators", 《IEEE TRANS. ON POWER APPARATUS AND SYSTEMS》 * |
李玉敦 等: "基于Copula函数的多维时序风速相依模型及其在可靠性评估中的应用", 《电网技术》 * |
李玉敦: "计及相关性的风速模型及其在发电系统可靠性评估中的应用", 《中国博士学位论文全文数据库(电子期刊)工程科技Ⅱ辑》 * |
秦志龙 等: "考虑风速相关性的发输电系统可靠性评估", 《电力系统自动化》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104914775A (zh) * | 2015-06-12 | 2015-09-16 | 华东理工大学 | 基于vine copula相关性描述的多模态过程故障检测方法及系统 |
CN104914775B (zh) * | 2015-06-12 | 2017-05-31 | 华东理工大学 | 基于vine copula相关性描述的多模态过程故障检测方法及系统 |
CN105354349A (zh) * | 2015-09-17 | 2016-02-24 | 贵州电网有限责任公司电网规划研究中心 | 一种山区大型风电场风速建模方法 |
CN105224760B (zh) * | 2015-10-19 | 2018-02-16 | 重庆大学 | 一种基于风电场的vsc‑hvdc并网系统可靠性计算方法 |
CN105224760A (zh) * | 2015-10-19 | 2016-01-06 | 重庆大学 | 一种基于风电场的vsc-hvdc并网系统可靠性计算方法 |
CN105303457A (zh) * | 2015-10-19 | 2016-02-03 | 清华大学 | 基于蒙特卡洛运行维护模拟的海上风资源评估方法 |
CN105303457B (zh) * | 2015-10-19 | 2021-09-21 | 清华大学 | 基于蒙特卡洛运行维护模拟的海上风资源评估方法 |
CN105469216B (zh) * | 2015-12-15 | 2020-04-24 | 深圳供电局有限公司 | 一种结合天气及风速评价风电场运行风险的方法和系统 |
CN105469216A (zh) * | 2015-12-15 | 2016-04-06 | 深圳供电局有限公司 | 一种结合天气及风速评价风电场运行风险的方法和系统 |
CN105741192A (zh) * | 2016-02-29 | 2016-07-06 | 南京信息工程大学 | 一种风电场风电机机舱短期风速组合预报方法 |
CN105741192B (zh) * | 2016-02-29 | 2021-05-18 | 南京信息工程大学 | 一种风电场风电机机舱短期风速组合预报方法 |
CN109416023A (zh) * | 2016-07-04 | 2019-03-01 | 株式会社日本制钢所 | 风力涡轮机监视装置、风力涡轮机监视方法、风力涡轮机监视程序以及存储介质 |
CN107341299B (zh) * | 2017-06-22 | 2020-06-09 | 太原理工大学 | 计及运行环境影响的风机可靠性建模方法 |
CN107341299A (zh) * | 2017-06-22 | 2017-11-10 | 太原理工大学 | 计及运行环境影响的风机可靠性建模方法 |
CN109242340A (zh) * | 2018-09-29 | 2019-01-18 | 国网辽宁省电力有限公司电力科学研究院 | 一种蓄热电锅炉消纳系统监测数据评价系统及其评价方法 |
CN109242340B (zh) * | 2018-09-29 | 2021-08-27 | 国网辽宁省电力有限公司电力科学研究院 | 一种蓄热电锅炉消纳系统监测数据评价系统及其评价方法 |
CN109458305A (zh) * | 2018-10-23 | 2019-03-12 | 北京金风科创风电设备有限公司 | 风速仪容错控制方法、装置及风电场控制器 |
CN109583069A (zh) * | 2018-11-23 | 2019-04-05 | 河北工业大学 | 基于时间相关性的风速建模方法 |
CN109583069B (zh) * | 2018-11-23 | 2022-10-28 | 河北工业大学 | 基于时间相关性的风速建模方法 |
CN109782739B (zh) * | 2019-01-29 | 2021-02-09 | 中国能源建设集团广东省电力设计研究院有限公司 | 设备故障的检修方法、装置、计算机设备和存储介质 |
CN109782739A (zh) * | 2019-01-29 | 2019-05-21 | 中国能源建设集团广东省电力设计研究院有限公司 | 设备故障的检修方法、装置、计算机设备和存储介质 |
CN110362045A (zh) * | 2019-06-14 | 2019-10-22 | 上海电力学院 | 一种考虑海洋气象因素的海上双馈风电机组故障判别方法 |
CN110362045B (zh) * | 2019-06-14 | 2021-07-16 | 上海电力学院 | 一种考虑海洋气象因素的海上双馈风电机组故障判别方法 |
CN110334422A (zh) * | 2019-06-25 | 2019-10-15 | 电子科技大学 | 一种基于动态故障相关性的焊接设备可靠性的计算方法 |
CN110334422B (zh) * | 2019-06-25 | 2022-05-03 | 电子科技大学 | 一种基于动态故障相关性的焊接设备可靠性的计算方法 |
CN112001531A (zh) * | 2020-08-04 | 2020-11-27 | 南京工程学院 | 基于有效载荷能力的风电短期运行容量可信度评估方法 |
CN112001531B (zh) * | 2020-08-04 | 2023-12-12 | 南京工程学院 | 基于有效载荷能力的风电短期运行容量可信度评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104331572A (zh) | 考虑风速和风电机组故障相关性的风电场可靠性建模方法 | |
Shi et al. | Hybrid forecasting model for very-short term wind power forecasting based on grey relational analysis and wind speed distribution features | |
CN103746370B (zh) | 一种风电场可靠性建模方法 | |
CN104485665B (zh) | 计及风速预测误差时空相关性的动态概率潮流计算方法 | |
CN103683274B (zh) | 区域中长期风电发电量概率预测方法 | |
CN103020462B (zh) | 计及复杂尾流效应模型的风电场概率输出功率计算方法 | |
CN103810535B (zh) | 电力系统风电消纳能力评估方法 | |
CN102709908B (zh) | 大规模风电接入电网后的网损预测方法 | |
Chiodo et al. | Inverse Burr distribution for extreme wind speed prediction: Genesis, identification and estimation | |
CN104269867B (zh) | 一种节点扰动功率转移分布均衡度分析方法 | |
CN101661530A (zh) | 基于相关分析求取风电场稳态等效风速与发电功率的方法 | |
CN106816886B (zh) | 一种大规模风电并网系统调峰需求确定方法 | |
CN103020423A (zh) | 基于copula函数获取风电场出力相关特性的方法 | |
CN102938562B (zh) | 一种区域内风电总功率的预测方法 | |
CN103258142A (zh) | 基于天气模式的风电场短期风速预测方法 | |
CN104217077A (zh) | 一种反映风速变化特性的风力发电出力随机模型建模方法 | |
CN108074038A (zh) | 一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法 | |
CN104794325A (zh) | 一种基于随机差分方程的集群风电场出力时序模拟方法 | |
CN103825272A (zh) | 一种基于解析法的含分散风电的配电网可靠性确定方法 | |
CN102479347A (zh) | 基于数据驱动的风电场短期风速预测方法和系统 | |
CN105634018A (zh) | 一种基于随机响应面法和内点法的含风电随机最优潮流求解方法 | |
CN103996079A (zh) | 一种基于条件概率的风电功率加权预测方法 | |
CN105279707A (zh) | 一种综合考虑负荷与风电时序特性的随机生产模拟方法 | |
CN107947228A (zh) | 基于Markov理论的含风电电力系统随机稳定性分析方法 | |
CN103345585A (zh) | 基于支持向量机的风功率预测校正方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150204 |
|
RJ01 | Rejection of invention patent application after publication |