CN106779202B - 一种考虑空气湿度的风电功率预测方法 - Google Patents
一种考虑空气湿度的风电功率预测方法 Download PDFInfo
- Publication number
- CN106779202B CN106779202B CN201611119442.3A CN201611119442A CN106779202B CN 106779202 B CN106779202 B CN 106779202B CN 201611119442 A CN201611119442 A CN 201611119442A CN 106779202 B CN106779202 B CN 106779202B
- Authority
- CN
- China
- Prior art keywords
- wind
- wind speed
- power
- real
- air
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种考虑空气湿度的风电功率预测方法,它包括1、采集基础数据信息;2、采集实时数值天气预报数据,风电场实时输出功率数据、实时风电机组及风电场运行状态数据;3、根据2获取的实时数据,计算出风电场空气绝对湿度e’和计及空气绝对湿度的空气密度ρ;4、对功率‐风速(P‐V)曲线进行实时拟合修正,获得第ξ时刻拟合修正后的切入风速Vciξ、切出风速Vcoξ、额定风速VNξ;5、得到第ξ时刻,第δ台风机计及空气绝对湿度的空气密度ρ的功率‐风速(Pδξ‐Vξ)曲线;6、计算整个风电场第ξ时刻的风电功率预测值Pξ;解决了现有风电功率预测技术中风电功率预测精度低的问题。
Description
技术领域
本发明属于风电功率预测方法,尤其涉及一种考虑空气湿度的风电功率预测方法。
背景技术
风电场是利用在某个通过预测的坐标范围内,几座或者更多的经过科学测算,按照合理距离安装的风力发电机,利用可控范围内的风能所产生的电力来实现运行供电。由于风是大气压力差引起的空气流动所产生的,风向和风力的大小时刻时刻都在变化。因而,风力发电具有波动性、间歇性和随机性的特点。这些特点所导致的风电场功率波动,会对地区电网整体运行产生影响,进而会影响到整个地区总网内的电压稳定。因此,当风力发电场,特别是大容量风力发电场接入电网时,就会给整个电力系统的安全、稳定运行带来一定的隐患。
准确的风电场发电功率预测是解决上述问题的有效方法之一,风电场发电功率预测系统可使风电场向电网调度机构提供准确的超短期和短期发电功率曲线,为电网的调度、调峰和安全控制提供技术支撑,使电网最大限度地利用风电资源。建立风电场端发电功率预测系统对于风电场合理安排发电设备检修计划也具有重要价值若风电设备的维护与检修全部安排在无风期或小风期完成,将显著提高风电场发电设备的利用效率。此外,风电场发电功率预测将有助于风电公司在电力市场环境下制定正确的电能交易计划,提高风电企业的经济效益和市场竞争力。
我国陆地风能资源主要分布在东北、华北和西北地区,“三北”地区风能资源量占全国90%以上,在上述风能资源富集的地区建设了多个大型风电基地,因此现有大多数的风电功率预测主要集中在干燥空气特性的基础上,而随着近年高原山区风电的发展,这些地区恶劣气候和环境的复杂性,发电机组运行时可能会受到各种各样因素的影响,如地形地貌、雨雪等,尤其是空气湿度的影响,由于以上问题造成了风电机组的实际功率曲线会偏离理论功率曲线,导致风电功率预测精度下降。而现有的风电功率预测技术中均未考虑空气湿度和风电机组的实际功率曲线偏离理论功率曲线后对风电功率预测精度的影响。
发明内容:
本发明要解决的技术问题:提供一种考虑空气湿度的风电功率预测方法,以解决现有风电功率预测技术中未考虑空气湿度和风电机组的实际功率曲线偏离理论功率曲线后对风电功率预测精度的影响,导致的风电功率预测精度低等技术问题。
本发明技术方案:
一种考虑空气湿度的风电功率预测方法,它包括:
步骤1、采集基础数据信息;
步骤1所述的采集基础数据信息,包括风电场历史功率数据Ph、历史测风塔数据、历史数值天气预报、风电机组信息、风电机组及风电场运行状态、地形地貌数据;风电机组信息包括机组类型、历史风速Vh、切入风速Vci、切出风速Vco、额定风速VN、轮毂高度l、叶轮直径、风机额定功率PN、理论功率-风速曲线;
步骤2、采集实时数值天气预报数据、实时输出功率数据Ps、实时风电机组及风电场运行状态数据;
步骤3、根据步骤2获取的实时数据,计算出风电场空气绝对湿度e’和计及空气绝对湿度的空气密度ρ;
步骤3所述计算风电场空气绝对湿度e’和计及空气绝对湿度的空气密度ρ的计算公式为:
步骤4、对功率-风速(P-V)曲线进行实时拟合修正,获得第ξ时刻拟合修正后的切入风速Vciξ、切出风速Vcoξ、额定风速VNξ;
步骤4所述对功率-风速(P-V)曲线进行实时拟合修正的方法包括:
步骤4.1.1、获取第λ台风机第σ时刻前的历史功率数据Ph、历史风速数据Vh、第σ时刻的实时功率Ps和实时风速Vs,形成用于实时拟合该台的功率-风速数据集,记做(Psh-Vsh);
步骤4.1.2对功率-风速数据集(Psh-Vsh)进行多项式拟合,得到多项式拟合函数表达式P1;
P1=p1×x(n-1)+p2×x(n-2)+...+pi×x(n-i)+....+pn×x0
式中p1,p2,...,pn为多项式拟合函数表达式P1的系数;n为多项式中x的次数;x为风速V;
步骤4.1.3对功率-风速数据集(Psh-Vsh)进行高斯拟合,获得高斯拟合函数表达式P2;
P2=a1×exp(-((x-b1)/c1)2)+a2×exp(-((x-b2)/c2)2)+...+ai×exp(-((x-bi)/ci)2)+...+am×exp(-((x-bm)/cm)2);
式中a1,a2,...,am,b1,b2,...,bm,c1,c2,...,cm为高斯拟合函数表达式P2的系数;m为高斯拟合函数表达式的阶数;x为风速V;
步骤4.1.4对功率-风速数据集(Psh-Vsh)进行傅里叶级数拟合,获得傅里叶级数拟合函数表达式P3;
P3=d0+d1×cos(x×w)+e1×sin(x×w)+d2×cos(x×w)+e2×sin(x×w)+...+di×cos(x×w)+ei×sin(x×w)+...+dk×cos(x×w)+ek×sin(x×w)
式中d0,d1,d2,...,dk,e1,e2,...,ek,w为傅里叶级数拟合函数表达式P3的系数,k为傅里叶级数拟合函数表达式的阶数;x为风速V;
步骤4.1.5利用熵权法对P1、P2、P3进行加权计算,形成表达式P=ω1×P1+ω2×P2+ω3×P3式中:ω1,ω2,ω3为权重系数,通过熵权法求得;
步骤4.1.6根据步骤4.1.5中获得的功率-风速(P-V)曲线,得到第σ时刻的切入风速Vciσ、切出风速Vcoσ、额定风速VNσ;
步骤5、得到第ξ时刻,第δ台风机计及空气绝对湿度的空气密度ρ的功率-风速(Pδξ-Vξ)曲线;
步骤5所述得到第ξ时刻,第δ台风机计及空气绝对湿度的空气密度ρ的功率-风速(Pδξ-Vξ)曲线的表达式为
步骤6、计算整个风电场第ξ时刻的风电功率预测值Pξ。
步骤6计算得整个风电场第ξ时刻的风电功率预测值Pξ的计算公
本发明的有益效果:
本发明提出了一种考虑空气湿度的风电功率预测方法,通过计算风电场空气绝对湿度e’和计及空气绝对湿度的空气密度ρ,同时对功率-风速(P-V)曲线进行实时拟合修正,修正了切入风速、切出风速、额定风速,有效地消除了实际功率曲线偏离理论功率曲线的影响,在此基础上建立了计及空气绝对湿度的空气密度和修正切入风速、切出风速、额定风速的功率-风速(P-V)曲线,从而可以更加精确的预测风电机组和整个风电场的功率。本发明解决了现有风电功率预测技术中未考虑空气湿度的变化和风电机组的实际功率曲线偏离理论功率曲线后对风电功率预测精度的影响,导致风电功率预测精度低的问题。
具体实施方式:
本发明的技术方案是:它包括以下步骤:
步骤1、获取基础数据:包括风电场历史功率数据Ph、历史测风塔数据、历史数值天气预报、风电机组信息(包括机组类型、历史风速Vh、切入风速Vci、切出风速Vco、额定风速VN、轮毂高度l、叶轮直径、风机额定功率PN、理论功率-风速曲线等)、风电机组及风电场运行状态、地形地貌等数据。
步骤3、根据步骤2获取的实时数据,计算出风电场空气绝对湿度e’和计及空气绝对湿度的空气密度ρ:
其中,风电场空气绝对湿度e’的表达式为:
计及空气绝对湿度的空气密度ρ的表达式为:
步骤4、对功率-风速(P-V)曲线进行实时拟合,获得第ξ时刻拟合修正后的切入风速Vciξ、切出风速Vcoξ、额定风速VNξ;
4.1其中,对功率-风速(P-V)曲线进行实时拟合的方法如下:
4.1.1获取第λ台风机第σ时刻前的历史功率数据Ph和历史风速数据Vh,以及第σ时刻的实时功率Ps和实时风速Vs,形成用于实时拟合该台的功率-风速数据集,记做(Psh-Vsh);
4.1.2对功率-风速数据集(Psh-Vsh)进行多项式拟合,获得多项式拟合函数表达式P1;
P1=p1×x(n-1)+p2×x(n-2)+...+pi×x(n-i)+....+pn×x0
其中,p1,p2,...,pn为多项式拟合函数表达式P1的系数;n为多项式中x的次数;x为风速V;
4.1.3对功率-风速数据集(Psh-Vsh)进行高斯拟合,获得高斯拟合函数表达式P2;
P2=a1×exp(-((x-b1)/c1)2)+a2×exp(-((x-b2)/c2)2)+...+ai×exp(-((x-bi)/ci)2)+...+am×exp(-((x-bm)/cm)2);
其中,a1,a2,...,am,b1,b2,...,bm,c1,c2,...,cm为高斯拟合函数表达式P2的系数;m为高斯拟合函数表达式的阶数;x为风速V;
4.1.4对功率-风速数据集(Psh-Vsh)进行傅里叶级数拟合,获得傅里叶级数拟合函数表达式P3;
P3=d0+d1×cos(x×w)+e1×sin(x×w)+d2×cos(x×w)+e2×sin(x×w)+...+di×cos(x×w)+ei×sin(x×w)+...+dk×cos(x×w)+ek×sin(x×w)
其中,d0,d1,d2,...,dk,e1,e2,...,ek,w为傅里叶级数拟合函数表达式P3的系数,k为傅里叶级数拟合函数表达式的阶数;x为风速V;
4.1.5利用熵权法对P1、P2、P3进行加权计算,形成表达式P;
P的表达式为P=ω1×P1+ω2×P2+ω3×P3
其中,ω1,ω2,ω3为权重系数,可通过熵权法求得。
4.1.6根据4.1.5中获得的功率-风速(P-V)曲线,获得第σ时刻的切入风速Vciσ、切出风速Vcoσ、额定风速VNσ
4.2其中,获得第ξ时刻拟合修正后的切入风速Vciξ、切出风速Vcoξ、额定风速VNξ的方法为:
第ξ时刻,第δ台风机的切入风速Vciξ、切出风速Vcoξ、额定风速VNξ,按照步骤4.1.1-4.1.6即可获得。
步骤5、获得第ξ时刻,第δ台风机计及空气绝对湿度的空气密度ρ的功率-风速(Pδξ-Vξ)曲线;
步骤6、计算得整个风电场第ξ时刻的风电功率预测值Pξ。
Claims (2)
1.一种考虑空气湿度的风电功率预测方法,它包括:
步骤1、采集基础数据信息;
步骤1所述的采集基础数据信息,包括风电场历史功率数据Ph、历史测风塔数据、历史数值天气预报、风电机组信息、风电机组及风电场运行状态、地形地貌数据;风电机组信息包括机组类型、历史风速Vh、切入风速Vci、切出风速Vco、额定风速VN、轮毂高度l、叶轮直径、风机额定功率PN、理论功率-风速曲线;
步骤2、采集实时数值天气预报数据、实时输出功率数据Ps、实时风电机组及风电场运行状态数据;
步骤3、根据步骤2获取的实时数据,计算出风电场空气绝对湿度e’和计及空气绝对湿度的空气密度ρ;
步骤3所述计算风电场空气绝对湿度e’和计及空气绝对湿度的空气密度ρ的计算公式为:
步骤4、对功率-风速(P-V)曲线进行实时拟合修正,获得第ξ时刻拟合修正后的切入风速Vciξ、切出风速Vcoξ、额定风速VNξ;
步骤4所述对功率-风速(P-V)曲线进行实时拟合修正的方法包括:
步骤4.1.1、获取第λ台风机第σ时刻前的历史功率数据Ph、历史风速数据Vh、第σ时刻的实时功率Ps和实时风速Vs,形成用于实时拟合该台的功率-风速数据集,记做(Psh-Vsh);
步骤4.1.2对功率-风速数据集(Psh-Vsh)进行多项式拟合,得到多项式拟合函数表达式P1;
P1=p1×x(n-1)+p2×x(n-2)+...+pi×x(n-i)+....+pn×x0
式中p1,p2,...,pn为多项式拟合函数表达式P1的系数;n为多项式中x的次数;x为风速V;
步骤4.1.3对功率-风速数据集(Psh-Vsh)进行高斯拟合,获得高斯拟合函数表达式P2;
P2=a1×exp(-((x-b1)/c1)2)+a2×exp(-((x-b2)/c2)2)+...+ai×exp(-((x-bi)/ci)2)+...+am×exp(-((x-bm)/cm)2);
式中a1,a2,...,am,b1,b2,...,bm,c1,c2,...,cm为高斯拟合函数表达式P2的系数;m为高斯拟合函数表达式的阶数;x为风速V;
步骤4.1.4对功率-风速数据集(Psh-Vsh)进行傅里叶级数拟合,获得傅里叶级数拟合函数表达式P3;
P3=d0+d1×cos(x×w)+e1×sin(x×w)+d2×cos(x×w)+e2×sin(x×w)+...+di×cos(x×w)+ei×sin(x×w)+...+dk×cos(x×w)+ek×sin(x×w)
式中d0,d1,d2,...,dk,e1,e2,...,ek,w为傅里叶级数拟合函数表达式P3的系数,k为傅里叶级数拟合函数表达式的阶数;x为风速V;
步骤4.1.5利用熵权法对P1、P2、P3进行加权计算,形成表达式P=ω1×P1+ω2×P2+ω3×P3式中:ω1,ω2,ω3为权重系数,通过熵权法求得;
步骤4.1.6根据步骤4.1.5中获得的功率-风速(P-V)曲线,得到第σ时刻的切入风速Vciσ、切出风速Vcoσ、额定风速VNσ;
步骤5、得到第ξ时刻,第δ台风机计及空气绝对湿度的空气密度ρ的功率-风速(Pδξ-Vξ)曲线;
步骤5所述得到第ξ时刻,第δ台风机计及空气绝对湿度的空气密度ρ的功率-风速(Pδξ-Vξ)曲线的表达式为
步骤6、计算整个风电场第ξ时刻的风电功率预测值Pξ。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611119442.3A CN106779202B (zh) | 2016-12-08 | 2016-12-08 | 一种考虑空气湿度的风电功率预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611119442.3A CN106779202B (zh) | 2016-12-08 | 2016-12-08 | 一种考虑空气湿度的风电功率预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106779202A CN106779202A (zh) | 2017-05-31 |
CN106779202B true CN106779202B (zh) | 2020-10-09 |
Family
ID=58882334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611119442.3A Active CN106779202B (zh) | 2016-12-08 | 2016-12-08 | 一种考虑空气湿度的风电功率预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106779202B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109101659B (zh) * | 2018-09-03 | 2021-08-27 | 贵州电网有限责任公司 | 一种小水电数据采集系统中功率数据异常的方法 |
CN113238074B (zh) * | 2021-05-18 | 2023-01-06 | 贵州电网有限责任公司 | 一种基于六分法皮托管风速风向测量方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103244348B (zh) * | 2012-02-08 | 2016-05-04 | 北京能高自动化技术股份有限公司 | 变速变桨风力发电机组功率曲线优化方法 |
CN104156575B (zh) * | 2014-07-28 | 2017-09-05 | 国家电网公司 | 基于测风塔数据外推法的风电场理论功率计算方法 |
CN105022909A (zh) * | 2014-09-30 | 2015-11-04 | 国家电网公司 | 一种基于机舱风速功率曲线的风电场理论功率评估方法 |
CN106099932B (zh) * | 2016-07-22 | 2021-11-19 | 中国电力科学研究院 | 一种考虑不确定性的时空相关性的日前计划潮流分析方法 |
-
2016
- 2016-12-08 CN CN201611119442.3A patent/CN106779202B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106779202A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dai et al. | Research on power coefficient of wind turbines based on SCADA data | |
CN102663251B (zh) | 基于计算流体力学模型的风电场功率物理预测方法 | |
CN106897486B (zh) | 考虑湍流强度影响的抛物线形风电机组尾流模型计算方法 | |
CN103001249B (zh) | 基于bp神经网络的风电场短期功率预测方法 | |
CN113205210B (zh) | 复杂地形风电场风速与功率预测方法、系统、设备及存储介质 | |
CN103244354B (zh) | 风力发电机组功率曲线自适应优化方法 | |
CN104675629B (zh) | 一种变速风力发电机组的最大风能捕获方法 | |
CN101794996A (zh) | 风电场出力实时预测方法 | |
CN105134487A (zh) | 一种考虑湍流频率因素的风力机最大功率点跟踪控制方法 | |
CN106503341A (zh) | 一种风电场风机叶片选型优化方法 | |
CN105023099B (zh) | 一种考虑湍流强度的风力发电机出力评估方法 | |
CN106779202B (zh) | 一种考虑空气湿度的风电功率预测方法 | |
CN104504464A (zh) | 基于风区风带风速规律的风功率预测方法 | |
Gonzalez et al. | Optimal control of wind turbines for minimizing overall wake effect losses in offshore wind farms | |
CN105205564A (zh) | 基于测风塔神经网络的风电场弃风电量统计系统及方法 | |
Kheder-Haddouche et al. | Feasibility study of a wind farm in el golea region in the Algerian sahara | |
Corscadden et al. | The impact of variable wind shear coefficients on risk reduction of wind energy projects | |
Mazumder et al. | Prospects of wind energy in Chittagong | |
CN112884262A (zh) | 一种风电机组载荷适应性确定方法和系统 | |
Gu et al. | Study on optimization of wind farm micro-layout | |
Zhao et al. | Wind Power Generator Output Model Based on the Statistical Wind Speed Distribution Derived From the Historical Data | |
CN112145376B (zh) | 一种风力机全时效率测定方法 | |
CN109038651A (zh) | 一种基于机组相关性的风电场功率波动频谱预测模型 | |
Raak et al. | Role of Deterministic Electromechanical Conversion for Short-Term Fluctuations in Wind Power: A Case Study in Japan | |
Yakimenko et al. | Challenges in modeling wind power generation based on available weather data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20201203 Address after: 550002 No. 32, Nanming, Guiyang District, Guizhou, Jiefang Road Patentee after: ELECTRIC POWER RESEARCH INSTITUTE, GUIZHOU POWER GRID Co.,Ltd. Patentee after: ELECTRICITY TRANSMISSION RUN OVERHAUL BRANCH, GUIZHOU POWER GRID Co.,Ltd. Address before: 550002 No. 251, Nanming, Guiyang District, Guizhou, Jiefang Road Patentee before: ELECTRIC POWER RESEARCH INSTITUTE, GUIZHOU POWER GRID Co.,Ltd. |