CN107633368B - 风力发电机组出力性能评估方法及装置 - Google Patents
风力发电机组出力性能评估方法及装置 Download PDFInfo
- Publication number
- CN107633368B CN107633368B CN201710889797.9A CN201710889797A CN107633368B CN 107633368 B CN107633368 B CN 107633368B CN 201710889797 A CN201710889797 A CN 201710889797A CN 107633368 B CN107633368 B CN 107633368B
- Authority
- CN
- China
- Prior art keywords
- generating set
- wind power
- power generating
- wind
- group
- 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
Landscapes
- Wind Motors (AREA)
Abstract
本发明实施例提供一种风力发电机组出力性能评估方法及装置,其中,该方法包括:获取风电场中各风力发电机组所处位置的环境参数,其中所述风电场中的每个风力发电机组的硬件配置参数和软件配置参数均相同;基于获取到的环境参数,将所述风电场中的风力发电机组划分为一组或多组,使得位于同一组的风力发电机组之间的环境参数的差异在预设范围内;计算每一组风力发电机组的功率曲线聚合度;基于每一组风力发电机组的功率曲线聚合度,评估每一组风力发电机组的出力性能。本发明实施例提供的方法及装置能够准确的评估风力发电机组的出力性能。
Description
技术领域
本发明实施例涉及风力发电技术领域,尤其涉及一种风力发电机组出力性能评估方法及装置。
背景技术
功率曲线是衡量风力发电机组性能的重要指标。现有技术根据从风场监控系统中采集获得的功率曲线折算风力发电机组的年发电量AEP,再将该AEP与风力发电机组制造商担保的功率曲线折算的AEP进行对比,从而判断风力发电机组的性能是否能够达到制造商担保的性能。
然而,由于复杂地形条件下,风力发电机组的功率曲线除了受自身性能影响外,还受外部地形及风资源条件的线影响,因此,仅从功率曲线考虑并不能准确反映风力发电机组的实际性能。
发明内容
本发明实施例提供一种风力发电机组出力性能评估方法及装置,用以准确的评估风力发电机组的出力性能。
本发明实施例第一方面提供一种风力发电机组出力性能评估方法,该方法包括:
获取风电场中各风力发电机组所处位置的环境参数,其中所述风电场中的每个风力发电机组的硬件配置参数和软件配置参数均相同;
基于获取到的环境参数,将所述风电场中的风力发电机组划分为一组或多组,使得位于同一组的风力发电机组之间的环境参数的差异在预设范围内;
计算每一组风力发电机组的功率曲线聚合度,所述功率曲线聚合度表示同一组风力发电机组的功率曲线之间的差异;
基于所述每一组风力发电机组的功率曲线聚合度,评估每一组风力发电机组的出力性能。
本发明实施例第二方面提供一种风力发电机组出力性能评估装置,该装置包括:
获取模块,获取风电场中各风力发电机组所处位置的环境参数,其中所述风电场中的每个风力发电机组的硬件配置参数和软件配置参数均相同;
分组模块,基于获取到的环境参数,将所述风电场中的风力发电机组划分为一组或多组,使得位于同一组的风力发电机组之间的环境参数的差异在预设范围内;
计算模块,计算每一组风力发电机组的功率曲线聚合度,所述功率曲线聚合度表示同一组风力发电机组的功率曲线之间的差异;
评估模块,基于所述每一组风力发电机组的功率曲线聚合度,评估每一组风力发电机组的出力性能。
本发明实施例,通过获取风电场中各风力发电机组所处位置的环境参数,并基于获取到的环境参数,将风电场中的风力发电机组划分为一组或多组,使得位于同一组的风力发电机组之间的环境参数的差异在预设范围内,从而通过计算每一组风力发电机组的功率曲线聚合度来评估每一组风力发电机组的出力性能。由于本发明实施例考虑了环境因素对风力发电机组功率曲线的影响,并且根据环境因素的相似性对风电场中的风力发电机组进行了分组,依据硬件配置参数和软件配置参数相同,环境参数相似的风力发电机组功率曲线相近的特点,以组为单位对风力发电机组的出力性能进行评估,从而能够准确的评估出每组风力发电机组的出力性能,以及每组风力发电机组中各风力发电机组的出力性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的风力发电机组出力性能评估方法的原理图;
图2为本发明一实施例提供的一种风力发电机组出力性能评估方法的流程图;
图3为本发明一实施例提供的一种步骤104的执行方法流程图;
图4为本发明一实施例提供的一种风力发电机组出力性能评估装置的结构示意图;
图5为本发明一实施例提供的评估模块14的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤的过程或结构的装置不必限于清楚地列出的那些结构或步骤而是可包括没有清楚地列出的或对于这些过程或装置固有的其它步骤或结构。
本发明实施例提供一种风力发电机组出力性能评估方法,该方法的原理如图1所示,在图1中,风机为风力发电机组的简称,其中,风机1至风机n是硬件配置、软件配置均相同,且位于同一个风电场中的n个风力发电机组。其中,环境参数I,Φ,σ,S,R分别代表风力发电机组所处位置的湍流强度,入流角,风向标准差,风剪切及地形崎岖指数,当然这里仅为示例说明,实际场景中环境参数可不局限于上述涉及的参数。在图1中,风机1至风机n可能位于风电场中的不同位置上,不同风机对应的参数I,Φ,σ,S,R的取值也可能不同。如图1所示,该方法是基于不同风机所处位置的环境参数I,Φ,σ,S,R进行聚类分析,将环境参数类似的风力发电机组划分为一组,得到i个风机组,再通过计算每个风机组的功率曲线聚合度(convergence of power curve,简称CPC),依据每个风机组对应CPC与预设阈值之间的大小关系来确定每个风机组的出力性能,并且根据风机组的CPC也能够快速定位出哪些风机组中可能存在出力性能差的风机,进而快速定位出出力性能差的风机。
本发明实施例提供的风力发电机组出力性能评估方法可以由一种风力发电机组出力性能评估装置(以下简称评估装置)来执行。参见图2,图2为本发明一实施例提供的一种风力发电机组出力性能评估方法的流程图,如图2所示,该方法包括如下步骤:
步骤101、获取风电场中各风力发电机组所处位置的环境参数,其中所述风电场中的每个风力发电机组的硬件配置参数和软件配置参数均相同。
本实施例中,环境参数包括风资源参数和/或地形参数,其中,风资源参数至少包括如下参数中的一种:湍流强度、入流角、风向标准差、风剪切;地形参数包括但并不仅限于包括地形崎岖指数。
可选的,本实施例中环境参数可以是预先采集并存储在评估装置中的,也可以是评估装置从风电场中的测量设备中获取到的。
需要说明的是:本实施例的方法是基于相同硬件配置、软件配置和相似环境条件的风力发电机组的功率曲线相近的原理实现的,因此,在本实施例中默认风电场中所有风力发电机组的硬件配置参数和软件参数相同。
步骤102、基于获取到的环境参数,将所述风电场中的风力发电机组划分为一组或多组,使得位于同一组的风力发电机组之间的环境参数的差异在预设范围内。
本实施例中风力发电机组所在位置的环境参数由一个或多个参数构成,这些参数能够对风力发电机组所处的环境条件进行定量描述。
由于风力发电机组的功率曲线不仅取决于风力发电机组的硬件配置和软件配置,还取决于风力发电机组所处的环境条件。因此,仅从风力发电机组的功率曲线出发而不考虑环境因素的话,很容易对风力发电机组的出力性能造成误判。然而基于风力发电机组功能曲线折算年发电量AEP的方法又是较为简单直接的方法,因此,为了不过多的增加评估的复杂度,又能降低环境因素对评估风力发电机组出力性能的影响,本实施例在获取到风电场中各风力发电机组所处位置的环境参数后,基于风力发电机组所处位置的环境参数对风电场中的风力发电机组进行分组,使得环境条件相似,或者说彼此之间环境参数的差异在预设范围的风力发电机组被划分为一组。进而通过组内比较即可确定出每组风力发电机组出力性能的强弱。
可选的,由于本实施例对风力发电机组分组的目的是将具有相同或相似环境参数的风力发电机组划分为一组,因此在具体执行时可以用多种方法:
在一种可能的方法中,通过将采集获得的所有的环境参数进行两两比较,将两两之间环境参数的差异在预设范围内的风力发电机组划分为一组,比如风力发电机组1的环境参数为A,风力发电机组2的环境参数为B,风力发电机组3的环境参数为C,则若A与B、B与C、A与C之间的差异均在预设的范围内,则将风力发电机组1、风力发电机组2、风力发电机组3划归为一组。
在又一种可能的方法中,基于获取到的环境参数,采用聚类算法将环境参数类似或者说环境参数的差异在预设范围内的风力发电机组划归为一组,其中,本实施例不对聚类算法的具体表现形式进行限定,实际上可以采用现有的任意一种聚类算法。
步骤103、计算每一组风力发电机组的功率曲线聚合度,所述功率曲线聚合度表示同一组风力发电机组的功率曲线之间的差异。
可选的,本实施例中计算功率曲线聚合度的方法包括但并不仅限于包括如下方法:
在一种可能的方式中,同一组风力发电机组的功率曲线聚合度可以用该组风力发电机组在各风速段下的功率标准差的平均值表示。比如,第A组有两台风力发电机组B、C,风速分仓3m/s、4m/s;那么该组的功率曲线聚合度做如下计算:分别计算风力发电机组B、C在风速为3m/s时的功率,进而计算风速为3m/s时的功率标准差;同理,计算风力发电机组B、C在风速为4m/s时的功率标准差;最后计算两个标准差的平均值。当然这里仅为示例说明而不是对本发明的问题限定。
在另一中可能的方式中,同一组风力发电机组的功率曲线聚合度可以用该组风力发电机组在各风速段下所有风力发电机组中的功率最大值与功率最小值的差值的平均值表示。比如,第A组有两台风力发电机组B、C,风速分仓3m/s、4m/s;那么该组的功率曲线聚合度做如下计算:分别计算风力发电机组B、C在风速为3m/s时的功率,并计算其中最大值与最小值的差值,同样求它们在风速为4m/s时的功率最大值与最小值的差值;最后计算两个差值的平均值。当然这里仅为示例说明而不是对本发明的问题限定。这里需要说明的是,依照上述两种方式计算功率曲线聚合度,功率曲线聚合度越小,表示功率曲线间的相似度越高,功率曲线聚合度越大,表示功率曲线间的相似度越小。
步骤104、基于每一组风力发电机组的功率曲线聚合度,评估每一组风力发电机组的出力性能。
功率曲线的聚合度能够定量的描述一组风力发电机组中风力发电机组之间功率曲线之间的差异。由于本实施例中默认风电场中所有风力发电机组的硬件配置、软件配置相同,且同一组中的风力发电机组的环境参数类似,因此,当同一组中风力发电机组的出力性能均表现良好且均一时,该组风力发电机组在功率曲线上就应表现为较高的相似度,依据上述功率曲线聚合度的求解方法,该组风力发电机组应具有较低的功率曲线聚合度,相反的,当一组风力发电机组的功率曲线聚合度较高时,则说明该组风力发电机组中存在出力性能明显高于和/或明显低于其他风力发电机组的发电机,因此,根据每组风力发电机组的功率曲线聚合度能够快速准确的定位出哪些组的风力发电机组中可能存在出力性能差的风力发电机组。进一步的,再针对该些组中的每一组计算每一个风力发电机组的AEP,确定每一组中AEP最小的风力发电机组为该组中出力性能最差的风力发电机组。
可选的,在另一种可能的实现方式中还可以通过计算理论功率曲线,基于理论功率曲线和实际功率曲线计算AEP的方式,判断风力发电机组的出力性能。
具体的,图3为本发明一实施例提供的一种步骤104的执行方法流程图,如图3所示,该方法包括:
步骤201、针对功率曲线聚合度低于预设阈值的每一组风力发电机组,根据所述风电场中的风力发电机组的硬件配置参数和软件配置参数,以及每一组风力发电机组所对应的环境参数的范围,获得每一组风力发电机组的理论功率曲线。
由于本实施例是将环境参数类似的风力发电机组划分为一组,因此,同一组风力发电机组的环境参数的变化范围将十分有限,在理想情况下,若同一组风力发电机组的配置参数和软件参数相同,环境参数类似,那么该组中的风力发电机组应具有相似的功率曲线,甚至可以近似的认为具有相同的功率曲线。进而,根据现有理论中功率曲线与环境参数、硬件配置参数以及软件配置参数之间的映射关系,即可获得该组风力发电机组在理想情况下的理论功率曲线。
步骤202、从每一组风力发电机组中,确定实际功率曲线与理论功率曲线之间的偏离度大于预设阈值的目标风力发电机组。
可选的,针对每一组风力发电机组,评估装置获取位于同一组中的所有风力发电机组的实际功率曲线,并将获取到的每个风力发电机组的实际功率曲线分别与该组风力发电机组对应的理论功率曲线进行比对,确定实际功率曲线偏离理论功率曲线的程度大于预设阈值的风力发电机组为目标风力发电机组,此时目标风力发电机组的数量可能是一个或多个。
这里需要说明的是,此时确定出的目标风力发电机组可能是出力性能明显好于同组其他风力发电机组的风力发电机组,也可能是出力性能明显差于同组其他风力发电机组的风力发电机组。
步骤203、基于所述目标风力发电机组的实际功率曲线计算所述目标风力发电机组的AEP,基于所述AEP评估所述目标风力发电机组的性能。
本实施例中基于功率曲线计算AEP的方法与现有技术类似在这里不再赘述。
当计算出目标风力发电机组的实际功率曲线对应的AEP时,将计算获得的AEP与目标风力发电机组所在组所对应的理论功率曲线的AEP进行比较,若实际功率曲线对应的AEP高于理论功率曲线对应的AEP,则说明该目标风力发电机组的出力性能较好,否则说明目标风力发电机组的出力性能较差。
上述方法主要阐述了依据功率曲线聚合度,确定出力性能差的一组或多组风力发电机组的方法,以及如何准确定位出一组风力发电机组中出力性能最差的风力发电机组,可选的,基于上述方法本实施例中还可以从聚合度较高的每组风力发电机组中确定出AEP最高,即出力性能好于或明显好于其他风力发电机组的风力发电机组,从而基于该风力发电机组的软件配置参数、硬件配置参数和环境参数,确定出软件配置、硬件配置以及环境条件三者之间的优选组合,从而可以基于该优选组合来优化风力发电机组的参数,达到提高风电场整体发电量的目的。
可选的,对于功率曲线聚合度高低的判断,可以通过预先设定阈值的方式将计算获得的功率曲线聚合度与预设阈值进行比较,基于上述计算功率曲线聚合度的方法,若计算获得的功率曲线聚合度低于预设阈值,则确定该组风力发电机组的整体出力性能均一致,且出力性能较好,反之,则确定该组风力发电机组中存在出力性能明显高于和/或明显低于其他风力发电机组的发电机。
可选的,为了直观反映出各组风力发电机组之间功率曲线聚合度的高低,本实施例在计算得到各组风力发电机组的功率曲线聚合度后,还可以对各组风力发电机组对应的功率曲线聚合度进行排序显示。类似的,为了直观反映组内各风力发电机组之间出力性能的高低,本实施例还可以根据组内各风力发电机组的实际功率曲线计算对应的AEP,并对组内各风力发电机组对应的AEP进行排序显示。其中,具体的排序方式可以是由小到大的显示方式也可以是由大到小的显示方式,本实施例中不对此做具体限定。
可选的,在上述方法的基础上,评估装置还可以通过对风电场中风力发电机组的硬件更新和/或软件更新进行监测,当监测到风力发电机组的硬件和/或软件发生更新时,还可以通过将更新后该风力发电机组所在组的功率曲线聚合度与更新前该组的功率曲线聚合度进行比较,从而获得更新前后该组风力发电机组的出力性能变化情况。
本实施例,通过获取风电场中各风力发电机组所处位置的环境参数,并基于获取到的环境参数,将风电场中的风力发电机组划分为一组或多组,使得位于同一组的风力发电机组之间的环境参数的差异在预设范围内,从而通过计算每一组风力发电机组的功率曲线聚合度来评估每一组风力发电机组的出力性能。由于本实施例考虑了环境因素对风力发电机组功率曲线的影响,并且根据环境因素的相似性对风电场中的风力发电机组进行了分组,依据硬件配置参数和软件配置参数相同,环境参数相似的风力发电机组功率曲线相近的特点,以组为单位对风力发电机组的出力性能进行评估,从而能够准确的评估出每组风力发电机组的出力性能,以及每组风力发电机组中各风力发电机组的出力性能,另外,通过机器学习聚类算法对风电场中的风力发电机组进行分组能够避免人为分组所带来的不确定性和随机性,提高了分组的准确性。通过计算各组风力发电机组的功率曲线聚合度,能够量化表示不同组风力发电机组之间功率曲线的差异性。
图4为本发明一实施例提供的一种风力发电机组出力性能评估装置的结构示意图,如图4所示,该装置包括:
获取模块11,获取风电场中各风力发电机组所处位置的环境参数,其中所述风电场中的每个风力发电机组的硬件配置参数和软件配置参数均相同;
分组模块12,基于获取到的环境参数,将所述风电场中的风力发电机组划分为一组或多组,使得位于同一组的风力发电机组之间的环境参数的差异在预设范围内;
计算模块13,计算每一组风力发电机组的功率曲线聚合度,所述功率曲线聚合度表示同一组风力发电机组的功率曲线之间的差异;
评估模块14,基于所述每一组风力发电机组的功率曲线聚合度,评估每一组风力发电机组的出力性能。
可选的,所述分组模块12,具体用于:
基于获取到的环境参数,采用聚类算法将所述风电场中的风力发电机组划分为一组或多组,使得位于同一组的风力发电机组之间的环境参数的差异在预设范围内。
可选的,所述计算模块13,具体用于:
计算每一组风力发电机组在各风速段下的功率标准差的平均值;
或者
计算每一组风力发电机组在各风速段下所有风力发电机组中的功率最大值与功率最小值的差值的平均值。
可选的,所述环境参数至少包括如下参数中的一种:风资源的湍流强度、入流角、风向标准差、风剪切,以及地形崎岖指数。
本实施例提供的装置能够用于执行图2所示的技术方案,其执行方式和有益效果类似,在这里不再赘述。
图5为本发明一实施例提供的评估模块14的结构示意图,如图5所示,在图4实施例的基础上,评估模块14包括:
功率曲线获取子模块141,针对功率曲线聚合度低于预设阈值的每一组风力发电机组,根据所述风电场中的风力发电机组的硬件配置参数和软件配置参数,以及每一组风力发电机组所对应的环境参数的范围,获得每一组风力发电机组的理论功率曲线;
确定子模块142,从每一组风力发电机组中,确定实际功率曲线与理论功率曲线之间的偏离度大于预设阈值的目标风力发电机组;
第二评估子模块143,基于所述目标风力发电机组的实际功率曲线计算所述目标风力发电机组的AEP,基于所述AEP评估所述目标风力发电机组的性能。
可选的,所述第二评估子模块143,确定所述目标风力发电机组中年发电量AEP最低的风力发电机组出力性能最差。本实施例提供的装置能够提供图3所示的技术方案,其他执行方式和有益效果类似在这里不再赘述。
本发明实施例还提供一种非临时性计算机可读存储介质,当该存储介质中的指令由计算机执行时,使得计算机能够执行如下方法:
获取风电场中各风力发电机组所处位置的环境参数,其中所述风电场中的每个风力发电机组的硬件配置参数和软件配置参数均相同;
基于获取到的环境参数,将所述风电场中的风力发电机组划分为一组或多组,使得位于同一组的风力发电机组之间的环境参数的差异在预设范围内;
计算每一组风力发电机组的功率曲线聚合度;
基于每一组风力发电机组的功率曲线聚合度,评估每一组风力发电机组的出力性能。
最后需要说明的是,本领域普通技术人员可以理解上述实施例方法中的全部或者部分流程,是可以通过计算机程序来指令相关的硬件完成,所述的程序可存储于一计算机可读存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可以为磁盘、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。
本发明实施例中的各个功能单元可以集成在一个处理模块中,也可以是各个单元单独的物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现,并作为独立的产品销售或使用时,也可以存储在一个计算机可读存储介质中。上述提到的存储介质可以是只读存储器、磁盘或光盘等。
以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种风力发电机组出力性能评估方法,其特征在于,包括:
获取风电场中各风力发电机组所处位置的环境参数,其中,所述风电场中的各风力发电机组的硬件配置参数和软件配置参数均相同;所述环境参数至少包括如下参数中的一种:风资源的湍流强度、入流角、风向标准差、风剪切,以及地形崎岖指数;
基于所述环境参数,将所述风电场中的各风力发电机组划分为一组或多组,使得位于同一组的风力发电机组之间的环境参数的差异在预设范围内;
计算每一组风力发电机组的功率曲线聚合度,所述功率曲线聚合度表示同一组风力发电机组的功率曲线之间的差异;
基于所述每一组风力发电机组的功率曲线聚合度,评估每一组风力发电机组的出力性能;
其中,所述基于所述每一组风力发电机组的功率曲线聚合度,评估每一组风力发电机组的出力性能,包括:
针对功率曲线聚合度低于预设阈值的每一组风力发电机组,根据所述风电场中的风力发电机组的硬件配置参数和软件配置参数,以及每一组风力发电机组所对应的环境参数的范围,获得每一组风力发电机组的理论功率曲线;
从每一组风力发电机组中,确定实际功率曲线与理论功率曲线之间的偏离度大于预设阈值的目标风力发电机组;
基于所述目标风力发电机组的实际功率曲线计算所述目标风力发电机组的AEP,基于所述AEP评估所述目标风力发电机组的性能。
2.根据权利要求1所述的方法,其特征在于,所述计算每一组风力发电机组的功率曲线聚合度,包括:
计算每一组风力发电机组在各风速段下的功率标准差的平均值;
或者
计算每一组风力发电机组在各风速段下所有风力发电机组中的功率最大值与功率最小值的差值的平均值。
3.根据权利要求2所述的方法,其特征在于,所述基于所述AEP评估所述目标风力发电机组的性能,包括:
确定所述目标风力发电机组中年发电量AEP最低的风力发电机组出力性能最差。
4.一种风力发电机组出力性能评估装置,其特征在于,包括:
获取模块,获取风电场中各风力发电机组所处位置的环境参数,其中所述风电场中的每个风力发电机组的硬件配置参数和软件配置参数均相同;所述环境参数至少包括如下参数中的一种:风资源的湍流强度、入流角、风向标准差、风剪切,以及地形崎岖指数;
分组模块,基于获取到的环境参数,将所述风电场中的风力发电机组划分为一组或多组,使得位于同一组的风力发电机组之间的环境参数的差异在预设范围内;
计算模块,计算每一组风力发电机组的功率曲线聚合度,所述功率曲线聚合度表示同一组风力发电机组的功率曲线之间的差异;
评估模块,基于所述每一组风力发电机组的功率曲线聚合度,评估每一组风力发电机组的出力性能;
其中,所述评估模块,包括:
功率曲线获取子模块,针对功率曲线聚合度低于预设阈值的每一组风力发电机组,根据所述风电场中的风力发电机组的硬件配置参数和软件配置参数,以及每一组风力发电机组所对应的环境参数的范围,获得每一组风力发电机组的理论功率曲线;
确定子模块,从每一组风力发电机组中,确定实际功率曲线与理论功率曲线之间的偏离度大于预设阈值的目标风力发电机组;
第二评估子模块,基于所述目标风力发电机组的实际功率曲线计算所述目标风力发电机组的AEP,基于所述AEP评估所述目标风力发电机组的性能。
5.根据权利要求4所述的装置,其特征在于,所述计算模块,具体用于:
计算每一组风力发电机组在各风速段下的功率标准差的平均值;
或者
计算每一组风力发电机组在各风速段下所有风力发电机组中的功率最大值与功率最小值的差值的平均值。
6.根据权利要求4所述的装置,其特征在于,所述第二评估子模块具体用于:
确定所述目标风力发电机组中年发电量AEP最低的风力发电机组出力性能最差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710889797.9A CN107633368B (zh) | 2017-09-27 | 2017-09-27 | 风力发电机组出力性能评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710889797.9A CN107633368B (zh) | 2017-09-27 | 2017-09-27 | 风力发电机组出力性能评估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107633368A CN107633368A (zh) | 2018-01-26 |
CN107633368B true CN107633368B (zh) | 2019-04-02 |
Family
ID=61104159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710889797.9A Active CN107633368B (zh) | 2017-09-27 | 2017-09-27 | 风力发电机组出力性能评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107633368B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348654A (zh) * | 2018-04-04 | 2019-10-18 | 北京金风科创风电设备有限公司 | 风力发电机组评价及运行数据的修正方法、装置及终端 |
CN110852544B (zh) * | 2018-08-21 | 2023-02-03 | 新疆金风科技股份有限公司 | 风力发电机组的可靠性评估方法及装置 |
CN110826899B (zh) * | 2019-10-31 | 2023-01-31 | 三一重能股份有限公司 | 一种风力发电机组的性能评估方法、装置、设备及存储介质 |
CN111489063B (zh) * | 2020-03-25 | 2022-03-22 | 北京师范大学 | 一种评估风力发电机对周边环境影响的方法及系统 |
CN114061743A (zh) * | 2020-08-03 | 2022-02-18 | 新疆金风科技股份有限公司 | 风力发电机组的振动监测方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102945509A (zh) * | 2012-10-18 | 2013-02-27 | 中能电力科技开发有限公司 | 风电场功率预测方法 |
CN103629046A (zh) * | 2012-08-20 | 2014-03-12 | 新疆金风科技股份有限公司 | 一种风力发电机性能的评估方法、装置和风力发电机 |
CN104915747A (zh) * | 2015-02-03 | 2015-09-16 | 远景能源(江苏)有限公司 | 一种发电机组的发电性能评估方法及设备 |
CN105065212A (zh) * | 2015-08-13 | 2015-11-18 | 南车株洲电力机车研究所有限公司 | 一种风电场风电机组校验方法及系统 |
CN106021798A (zh) * | 2016-06-03 | 2016-10-12 | 北京唐浩电力工程技术研究有限公司 | 基于分位数功率曲线的风力发电机组控制性能评价方法 |
-
2017
- 2017-09-27 CN CN201710889797.9A patent/CN107633368B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103629046A (zh) * | 2012-08-20 | 2014-03-12 | 新疆金风科技股份有限公司 | 一种风力发电机性能的评估方法、装置和风力发电机 |
CN102945509A (zh) * | 2012-10-18 | 2013-02-27 | 中能电力科技开发有限公司 | 风电场功率预测方法 |
CN104915747A (zh) * | 2015-02-03 | 2015-09-16 | 远景能源(江苏)有限公司 | 一种发电机组的发电性能评估方法及设备 |
CN105065212A (zh) * | 2015-08-13 | 2015-11-18 | 南车株洲电力机车研究所有限公司 | 一种风电场风电机组校验方法及系统 |
CN106021798A (zh) * | 2016-06-03 | 2016-10-12 | 北京唐浩电力工程技术研究有限公司 | 基于分位数功率曲线的风力发电机组控制性能评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107633368A (zh) | 2018-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107633368B (zh) | 风力发电机组出力性能评估方法及装置 | |
US10815972B2 (en) | System and method for assessing and validating wind turbine and wind farm performance | |
US9644612B2 (en) | Systems and methods for validating wind farm performance measurements | |
CN107909211B (zh) | 基于模糊c均值聚类算法的风场等值建模及优化控制方法 | |
US8489247B1 (en) | Agent-based chaotic control of wind turbines | |
CN107846014B (zh) | 一种基于随机特征和级数计算的电网概率脆弱性评估方法 | |
US8849737B1 (en) | Prediction method of predicting a future state of a system | |
CN109488528A (zh) | 一种风机偏航系统的调整方法及装置 | |
CN111400852B (zh) | 风电场湍流强度参数的确定方法及装置 | |
DK2981711T3 (en) | PROCEDURE FOR EFFICIENCY MONITORING OF A WINDOW ENERGY PARK | |
CN111382939A (zh) | 虚拟电厂资源优化配置方法、装置及设备 | |
WO2023123685A1 (zh) | 风力发电机组的寿命评估方法和装置 | |
CN108269197A (zh) | 风电机组功率特性评估方法及装置 | |
CN110457821A (zh) | 风功率曲线多目标综合评价方法、装置及服务器 | |
US10760549B2 (en) | Method and system for configuring wind turbines | |
CN109931903A (zh) | 一种基于改进鲸鱼优化算法的圆柱度评定方法 | |
CN114742363A (zh) | 风电机组的能效状态评价方法、系统及介质 | |
CN116663431B (zh) | 基于分段仿射的风电场阻抗确定方法、系统、设备及介质 | |
Botha et al. | Forecasting wind speed using support vector regression and feature selection | |
CN117251995A (zh) | 基于可变遗忘因子最小二乘法的双馈风机惯量评估方法 | |
Malik et al. | Application of fuzzy Q learning (FQL) technique to wind turbine imbalance fault identification using generator current signals | |
CN110504695A (zh) | 一种评估双馈风机在强迫振荡中参与度的方法 | |
CN112855458A (zh) | 一种风力发电机组的风速仪故障诊断方法、系统及介质 | |
CN115659844A (zh) | 基于风电场动态模型的仿真方法、装置和计算机设备 | |
CN115329251A (zh) | 风力电站的理论功率计算方法及装置 |
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 |