CN108471137A - 一种风功率预测中风速功率概率性映射方法 - Google Patents

一种风功率预测中风速功率概率性映射方法 Download PDF

Info

Publication number
CN108471137A
CN108471137A CN201810343561.XA CN201810343561A CN108471137A CN 108471137 A CN108471137 A CN 108471137A CN 201810343561 A CN201810343561 A CN 201810343561A CN 108471137 A CN108471137 A CN 108471137A
Authority
CN
China
Prior art keywords
power
wind speed
wind
mapping method
prediction
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.)
Granted
Application number
CN201810343561.XA
Other languages
English (en)
Other versions
CN108471137B (zh
Inventor
刘玉奇
刘文彪
纪陵
吴世伟
李靖霞
陈刚
王紫东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guodian Nanjing Automation Co Ltd
Original Assignee
Guodian Nanjing Automation Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guodian Nanjing Automation Co Ltd filed Critical Guodian Nanjing Automation Co Ltd
Priority to CN201810343561.XA priority Critical patent/CN108471137B/zh
Publication of CN108471137A publication Critical patent/CN108471137A/zh
Application granted granted Critical
Publication of CN108471137B publication Critical patent/CN108471137B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H02J3/386—
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • 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

Landscapes

  • Wind Motors (AREA)

Abstract

本发明属于风力发电技术领域，特别涉及一种风功率预测中风速功率概率性映射方法。包括下列步骤：采集风电机组历史运行风速、功率数据，及风电机组信息；将正常0‑25m/s风速区间等间隔划分为多个风速子区间，对每一个风速子区间求该区间功率分布的概率密度函数、累积分布函数；对于给定风速v，通过其所在区间累积分布函数的反函数求得其映射功率值P，并通过多次计算取均值操作得到最后结果，该结果即为风速v下该种风电机组的功率映射值P。采用本发明的方法，可替代风功率预测中常规的风功率曲线映射方法，增加考虑预测过程中的概率性、多样性，能够真实反映风机实际运行状况。

Description

一种风功率预测中风速功率概率性映射方法
技术领域
本发明属于风力发电技术领域，特别涉及一种风功率预测中风速功率概率性映射方法。
背景技术
随着化石能源紧缺与清洁环保要求，近年来大规模风力发电接入电网，但是其随机性、间歇性的特性显著降低其并网可靠性。为了提高风力发电接入电网规模、降低并网后对大电网的影响、提升电力系统发电调度规划效率，需要对风力发电机组进行短期、超短期功率预测。
现有研究中，风力发电功率预测主要分为两个主要步骤，即首先预测影响风电机组未来发电的风速值，然后将预测风速值转换为功率值。目前，对风速的预测有物理模型法、基于数据的概率预测法等，风速映射到功率的方法主要为风电机组功率曲线方法。
风电机组的标准功率曲线一般由风机生产厂家提供，但是由于风机厂家确定功率曲线时无法参考现场安装运行环境，该功率曲线的得出条件较理想，和实际运行条件存在差异，因此需要基于实际运行数据对风电机组功率曲线重新测算。目前，风电机组实际运行功率曲线的提取方法有多种，但是该功率曲线具有风速、功率的一一对应关系，即在风功率预测中相同风速对应相同功率，可称之为“确定性映射”。但是，观察风电机组历史运行数据可知，受到风速监测准确度、风机实际运行环境等原因影响，相同风速下不能保证机组出力水平相同。因此，需要改变预测风速与预测功率的映射关系，考虑风速功率映射的多样性，提高风功率预测准确度。
发明内容
本发明提出一种风功率预测中替代风电机组功率曲线的风速功率概率性映射方法，该新型映射方法可以改变现有方法中风速功率一一对应模式，增加考虑其实际运行的概率性，称为“概率性映射”。
为实现该方法，本发明采用以下技术方案：一种风功率预测中替代风电机组功率曲线的风速功率概率性映射方法，所述方法包括以下步骤：
(1)获取风电机组历史运行实际风速、实际功率数据，及风电机组信息；
历史数据来源为SCADA(Supervisory Control And Data Acquisition，数据采集与监视控制系统)监控系统的真实风电机组风速、功率数据，数据规模以《国家电网公司企业标准Q/GDW 10588-2015风电功率预测功能规范》中所述：投运时间不足1年的风电场应包括投运后的所有历史功率数据，时间分辨率不小于5min；投运时间超过1年的风电场的历史功率数据应不少于1年，时间分辨率不小于5min。
风电机组信息包括机组类型、每类风机的单机容量、运行状态、切入风速、切出风速、额定风速、额定功率。
(2)按0-25m/s正常风速，将风速区间等间隔分割，分割区间个数可根据数据总量进行自适应修改，保证每个区间长度不大于0.5m/s，这里取0.05m/s，共500个子区间，且区间内数据样本个数不低于本方法要求的最低限制；
(3)计算每个风速区间内实际功率值的概率密度函数、累积分布函数；
(4)对某一待预测风速，首先确定该风速值所在步骤(2)的风速区间，计算该区间累积分布函数的反函数；
(5)对于给定风速v，根据区间累积分布函数的反函数计算得到该风速v的映射功率Q；
(6)为提高计算准确性，采用多次重复计算步骤(5)取均值的方法得到风速v的映射功率均值Q'，重复计算次数可根据实际硬件环境自定义。
Q'＝(Q1+Q2+Q3+…+Qn)/n(1)
对比现有技术，本发明提供的技术方案具有以下优异效果：
1、本发明提供的方法以区间累积分布函数的反函数作为风速功率映射方法，简称“概率性映射”，代替原有功率曲线提取方法的风速功率点对点模式，消除了“确定性映射”的单一特性；
2、本发明可简化初始数据处理，不需要专门做剔除坏点步骤，如限负荷点。坏点的存在对整体概率分布几乎无影响，在多次计算取均值的步骤中，更加削弱了坏点影响；
3、本发明提供的方法具有良好的扩展性，能够扩展至其他间歇性、随机性新能源发电预测领域，如光伏发电功率预测领域；
4、本发明提供的方法能够真实准确反映预测风速与预测功率的映射关系，提高风电功率预测的真实性、准确性；
5、本发明方法简单易操作，计算效率高。
本发明的有益效果是：保证输出功率相同的情况下，提高了功率器件的电压利用率及装置整体转换效率，降低了系统成本。
附图说明
图1为本发明一种风功率预测中风速功率概率性映射方法流程图；
图2为本发明中某一风电机组一年历史发电数据图，时间间隔为5min；
图3为本发明某一风速子区间的概率分布函数PDF图；
图4为本发明某一风速子区间的累积概率分布函数CDF图；
图5为本发明在某一实例下相同风速点处计算结果与厂家提供标准功率曲线对比图。
具体实施方式
下面将结合说明书附图对本发明进行详细说明。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-图5所示，一种风功率预测中风速功率概率性映射方法步骤如下：
步骤1：获取风电机组历史运行实际风速、实际功率数据，及风电机组信息。
历史数据来源为SCADA监控系统的真实风电机组风速、功率数据，数据规模以《国家电网公司企业标准Q/GDW 10588-2015风电功率预测功能规范》中所述：投运时间不足1年的风电场应包括投运后的所有历史功率数据，时间分辨率不小于5min；投运时间超过1年的风电场的历史功率数据应不少于1年，时间分辨率不小于5min。
风电机组信息包括机组类型、每类风机的单机容量、运行状态、切入风速、切出风速、额定风速、额定功率。
步骤2：按0-25m/s正常风速，对风速区间等间隔分割。
若历史数据规模满足步骤1所述要求，则以0.05m/s间隔对风速区间进行等间隔划分，以0-25m/s正常风速为例，分为500个小风速区间。
步骤3：计算每个子风速区间内实际功率值的概率密度函数、累积分布函数，并设置风速功率映射的置信区间λ。
其中概率密度函数PDF(Probability Density Function)定义为：设X为一随机变量，若存在非负实函数f(x)，使对任意实数a<b，有
则称X为连续型随机变量，f(x)称为X的概率密度函数。
累积分布函数CDF(Cumulative Distribution Function)能完整描述一个实数随机变量X的概率分布，是概率密度函数的积分。对离散变量而言，累积分布函数为所有小于等于a的值出现概率的和
F(a)＝P(x≤a)
若累积分布函数F是连续的严格增函数，则存在其反函数。
步骤4：根据步骤3中累积分布函数特性，可以计算得到每个风速子区间的累积分布函数的反函数；
步骤5：对于给定风速值v，根据该所在区间的反函数，可以求得该风速的映射功率值Q，以此值作为当前风电机组、风速v下的预测发电功率映射值。
步骤6：为更进一步消除单次随机产生的误差，根据蒙特卡罗多次抽样原则，采取重复计算步骤5取均值方法。最终得到给定风速值v下本发明预测功率值结果Q'为
Q'＝(Q1+Q2+Q3+…+Qn)/n(1)
其中，n为步骤5重复计算次数，Qn为第n次的映射功率值，Q'为映射功率均值,n>10。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (6)

1.一种风功率预测中风速功率概率性映射方法，其特征在于，包括如下步骤：
(1)获取风电机组历史实际运行数据，包括风速、功率及机组信息；
(2)将正常风速区间等间隔分割成若干风速子区间；
(3)计算各个风速子区间内历史实际功率值的概率密度函数、累积分布函数；
(4)计算各个风速子区间的累积分布函数的反函数；
(5)对于给定风速v，根据步骤(4)中得到的反函数计算得到该风速v的映射功率值Q；
(6)重复步骤(5)，最后取n次计算结果计算平均值Q'。
2.根据权利要求1所述的一种风功率预测中风速功率概率性映射方法，其特征在于，所述步骤(2)中正常风速区间为0-25m/s，分割的每个子区间长度为0.05m/s。
3.根据权利要求1所述的一种风功率预测中风速功率概率性映射方法，其特征在于，所述步骤(6)重复步骤(5)，最后取n次计算结果计算平均值Q'；
Q'＝(Q1+Q2+Q3+…+Qn)/n (1)
其中，Qn为第n次的映射功率值，Q'为映射功率均值，n为步骤(5)的重复计算次数，n>10。
4.根据权利要求1所述的一种风功率预测中风速功率概率性映射方法，其特征在于，所述风速子区间的个数为500个。
5.根据权利要求1所述的一种风功率预测中风速功率概率性映射方法，其特征在于，所述机组信息包括切入风速、切出风速、额定风速、额定功率、风机高度、单机容量及运行状态。
6.根据权利要求1所述的一种风功率预测中风速功率概率性映射方法，其特征在于，所述风电机组历史实际运行数据来源于SCADA监控系统的监控数据。
CN201810343561.XA 2018-04-17 2018-04-17 一种风功率预测中风速功率概率性映射方法 Active CN108471137B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810343561.XA CN108471137B (zh) 2018-04-17 2018-04-17 一种风功率预测中风速功率概率性映射方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810343561.XA CN108471137B (zh) 2018-04-17 2018-04-17 一种风功率预测中风速功率概率性映射方法

Publications (2)

Publication Number Publication Date
CN108471137A true CN108471137A (zh) 2018-08-31
CN108471137B CN108471137B (zh) 2021-11-12

Family

ID=63263304

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810343561.XA Active CN108471137B (zh) 2018-04-17 2018-04-17 一种风功率预测中风速功率概率性映射方法

Country Status (1)

Country Link
CN (1) CN108471137B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109871396A (zh) * 2019-01-31 2019-06-11 西南电子技术研究所（中国电子科技集团公司第十研究所） 多样本考评数据的归一化融合方法
CN110717277A (zh) * 2019-10-14 2020-01-21 河北工业大学 一种时序风速模拟方法
CN114298444A (zh) * 2022-03-09 2022-04-08 广东电网有限责任公司佛山供电局 一种风速概率预测方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103887815A (zh) * 2014-02-21 2014-06-25 华南理工大学 基于运行数据的风电场参数辨识及动态等值方法
TW201524075A (zh) * 2013-08-06 2015-06-16 Wobben Properties Gmbh 控制風力發電設備之方法
CN106058920A (zh) * 2016-06-06 2016-10-26 南京理工大学 基于Mixed‑Copula函数的风电场旋转备用容量优化方法
FR3047083A1 (fr) * 2016-01-21 2017-07-28 Rte Reseau De Transp D’Electricite Systeme et procede de determination dynamique de capacites maximales de transport de courant electrique

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201524075A (zh) * 2013-08-06 2015-06-16 Wobben Properties Gmbh 控制風力發電設備之方法
CN103887815A (zh) * 2014-02-21 2014-06-25 华南理工大学 基于运行数据的风电场参数辨识及动态等值方法
FR3047083A1 (fr) * 2016-01-21 2017-07-28 Rte Reseau De Transp D’Electricite Systeme et procede de determination dynamique de capacites maximales de transport de courant electrique
CN106058920A (zh) * 2016-06-06 2016-10-26 南京理工大学 基于Mixed‑Copula函数的风电场旋转备用容量优化方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109871396A (zh) * 2019-01-31 2019-06-11 西南电子技术研究所（中国电子科技集团公司第十研究所） 多样本考评数据的归一化融合方法
CN110717277A (zh) * 2019-10-14 2020-01-21 河北工业大学 一种时序风速模拟方法
CN114298444A (zh) * 2022-03-09 2022-04-08 广东电网有限责任公司佛山供电局 一种风速概率预测方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN108471137B (zh) 2021-11-12

Similar Documents

Publication Publication Date Title
Wang et al. Estimation methods review and analysis of offshore extreme wind speeds and wind energy resources
CN104682381B (zh) 大型风电场柔性直流输电系统可靠性计算方法
US20120230821A1 (en) Wind power prediction method of single wind turbine generator
CN106548256B (zh) 一种风电场时空动态相关性建模的方法和系统
CN108471137A (zh) 一种风功率预测中风速功率概率性映射方法
CN104124685A (zh) 基于样板风机法的风电场理论功率计算方法
CN111859812B (zh) 天气影响下的海上风电场及柔直并网系统可靠性评估方法
Fang et al. The ultra-short term power prediction of wind farm considering operational condition of wind turbines
Liu et al. Optimal short-term load dispatch strategy in wind farm
Kurbanov et al. An Appropriate Wind Model for The Reliability Assessment of Incorporated Wind Power in Power Generation System
CN105140967A (zh) 一种含新能源电力系统调峰需求的评估方法
Dong et al. Optimised yaw model for adaptive wind direction characteristic based on a data‐driven approach
Kazemi et al. A novel method for estimating wind turbines power output based on least square approximation
Klöckl et al. On the properties of stochastic power sources in combination with local energy storage
KR20240019546A (ko) 기상 데이터를 이용한 풍력발전기 시계열 출력예측 방법
Cheng et al. A planning scenario clustering method based on monte-carlo simulation
Lin et al. Scenarios analysis method based on wind and photovoltaic power output correlation
Ye et al. Data-driven stochastic unit commitment optimization considering spatial correlation of wind farms
CN111652449A (zh) 一种基于条件随机场模型预测短期光伏发电系统发电量的系统模型
Jin et al. A distribution network state estimation method based on distribution generation output mode discrimination
Nayak et al. Adequacy assessment of a 2 area system with renewable integration
Mishra et al. An IoT Integrated Reliability Estimation of Wind Energy System
Yu et al. Probabilistic load flow calculation with irregular distribution variables considering power grid receivability of wind power generation
Yang et al. Confidence intervals of six distance indices estimated by numerical simulations
Cao et al. Equivalence method for wind farm based on clustering of output power time series 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