CN109086924A - 风力发电站的风电数据处理方法 - Google Patents

Abstract

本发明公开了一种风力发电站的风电数据处理方法，包括采集一小时内风力发电机组的风速实测值，采样周期设置为1分钟等步骤；本发明选用互信息来消除选择风力系列作为输入的随机性，采用更少的时间完成数据插入排序，从而提高了建模所需的输入数据的有效性，进而提高最终所建模型的预测准确性。

Description

风力发电站的风电数据处理方法

技术领域

本发明属于电力技术领域。具体涉及一种风力发电站的风电数据处理方法。

背景技术

风力发电是指把风的动能转为电能。风能是一种清洁无公害的的可再生能源能源，很早就被人们利用，主要是通过风车来抽水、磨面等，而现在，人们感兴趣的是如何利用风来发电。利用风力发电非常环保，且风能蕴量巨大，因此日益受到世界各国的重视。但是对于实际采集到的测风数据及功率数据都存在各种各样的问题，都需要有准确的实测数据来分析风电特征及发电规律，而且从风场收集到的数据中通常包含异常数据点，造成计算机进行数据筛选和排序的速度比较慢，因此需要可靠有效的风电数据处理方法来筛选合理有效的数据以进行风电功率预测建模。

发明内容

本发明的目的是为了克服上述不足提供一种风力发电站的风电数据处理方法。

一种风力发电站的风电数据处理方法，包括以下步骤：

001.采集一小时内风力发电机组的风速实测值，采样周期设置为1分钟；

002.将采集到的风速实测值输入到风电机组的主控系统，查询这些风速实测值对应的风电机组的功率实测值；

003.根据采集到的风速实测值建立风速实测数据时间序列；

004.根据查询到的功率实测值建立功率实测数据时间序列；

005.对步骤001-004的数据进行处理。

本发明优点效果如下：

本发明选用互信息来消除选择风力系列作为输入的随机性，采用更少的时间完成数据插入排序，从而提高了建模所需的输入数据的有效性，进而提高最终所建模型的预测准确性。

具体实施方式

以下结合具体实施例对本发明作进一步的说明：

一种风力发电站的风电数据处理方法，包括以下步骤：

001.采集一小时内风力发电机组的风速实测值，采样周期设置为1分钟；

002.将采集到的风速实测值输入到风电机组的主控系统，查询这些风速实测值对应的风电机组的功率实测值；

003.根据采集到的风速实测值建立风速实测数据时间序列；

004.根据查询到的功率实测值建立功率实测数据时间序列；

005.对步骤001-004的数据进行处理。

所述步骤005具体包括以下步骤：

051.基于风速值作为模型输入构建对风电功率进行预测的模型，将采集到的风速实测值作为输入数据，经预测模型输出得到风速实测值对应的功率预测值；

052.计算功率实测值与对应的功率预测值之间的差值，构建一小时内差值集合作为模型误差样本；

053.通过样本筛选方法从所述模型误差样本中提取出有效值，所述有效值所对应的步骤001-004的数据中的数据部分作为用于风电功率预测建模的有效样本即可。

所述003具体包括以下步骤：

031.所述风速实测数据时间序列为：

X＝{x₁,x₂,···,x_N}

其中，N＝60为风速实测数据时间序列的长度；

032.对风速实测数据时间序列进行归一化处理。

步骤004具体包括以下步骤：

041.所述功率实测数据时间序列为：

Y＝{y₁,y₂,···,y_N}

其中，N＝60为功率实测数据时间序列的长度；

042.对功率实测数据时间序列进行归一化处理。

所述步骤005之前包括以下步骤：

451.根据归一化处理后的风速实测数据时间序列和功率实测数据时间序列计算互信息时间序列，所述互信息时间序列为：

其中，N＝60，P(X(i^*))为风速实测数据时间序列的第i^*个风速实测值的分布概率，P(Y(j^*))为功率实测数据时间序列的第j^*个风速实测值的分布概率，P(X(i^*),Y(j^*))为风速实测数据时间序列的第i^*个风速实测值与功率实测数据时间序列的第j^*个风速实测值的联合概率；

452.将所述互信息时间序列中归一化功率实测数据时间序列按照从大到小排序得到优化功率实测数据时间序列，所述优化功率实测数据时间序列为：

其中，M＝30为优化功率实测数据时间序列的长度

453.将所述优化功率实测数据时间序列代入步骤052中计算功率实测值与对应的功率预测值之间的差值。

所述步骤001具体包括以下步骤：

011.每1分钟内采集的风力发电机组的风速实测值集合A＝[a₁，…，a_i，…，a_n]，如果后续有k个风速实测值b₁、b₂、…、b_k需要插入到集合A中，则将k个风速实测值按升序从b₁到b_k排序；

012.将集合A中的每个风速实测值跟对应的后续k个风速实测值进行比较，获取b₁到b_k相对于集合A中每一个风速实测值的位置；

013.如果进行比较的集合A中的风速实测值a_g比风速实测值b_h小，则被插入风速实测值b_h变为b_h+1；

014.如果进行比较的集合A中的风速实测值a_g大于或等于风速实测值b_h，则风速实测值a_g变为a_g+1；

015.将比较后的结果进行累加，得到排序后集合A中的风速实测值a_i在排序后新集合中的顺序为后续k个风速实测值中的风速实测值b_j在排序后新集合中的顺序为

其中，当b_i>a_j，或b_i＝a_j时，插入的风速实测值优先；

px(b_i,a_j)＝1，px(a_j,b_i)＝0；

当b_i<a_j，或b_i＝a_j时，被插入风速实测值优先；

px(b_i,a_j)＝0，px(a_j,b_i)＝1；

其中，b_i表示后续k个风速实测值中的风速实测值，a_j表示集合A中的风速实测值。

Claims (6)

1.一种风力发电站的风电数据处理方法，其特征在于包括以下步骤：

001.采集一小时内风力发电机组的风速实测值，采样周期设置为1分钟；

002.将采集到的风速实测值输入到风电机组的主控系统，查询这些风速实测值对应的风电机组的功率实测值；

003.根据采集到的风速实测值建立风速实测数据时间序列；

004.根据查询到的功率实测值建立功率实测数据时间序列；

005.对步骤001-004的数据进行处理。

2.根据权利要求1所述的风力发电站的风电数据处理方法，其特征在于所述步骤005具体包括以下步骤：

051.基于风速值作为模型输入构建对风电功率进行预测的模型，将采集到的风速实测值作为输入数据，经预测模型输出得到风速实测值对应的功率预测值；

052.计算功率实测值与对应的功率预测值之间的差值，构建一小时内差值集合作为模型误差样本；

053.通过样本筛选方法从所述模型误差样本中提取出有效值，所述有效值所对应的步骤001-004的数据中的数据部分作为用于风电功率预测建模的有效样本即可。

3.根据权利要求2所述风力发电站的风电数据处理方法，其特征在于所述003具体包括以下步骤：

031.所述风速实测数据时间序列为：

X＝{x₁,x₂,···,x_N}

其中，N＝60为风速实测数据时间序列的长度；

032.对风速实测数据时间序列进行归一化处理。

4.根据权利要求3所述风力发电站的风电数据处理方法，其特征在于步骤004具体包括以下步骤：

041.所述功率实测数据时间序列为：

Y＝{y₁,y₂,···,y_N}

其中，N＝60为功率实测数据时间序列的长度；

042.对功率实测数据时间序列进行归一化处理。

5.根据权利要求4所述风力发电站的风电数据处理方法，其特征在于，所述步骤005之前包括以下步骤：

451.根据归一化处理后的风速实测数据时间序列和功率实测数据时间序列计算互信息时间序列，所述互信息时间序列为：

其中，N＝60，P(X(i^*))为风速实测数据时间序列的第i^*个风速实测值的分布概率，P(Y(j^*))为功率实测数据时间序列的第j^*个风速实测值的分布概率，P(X(i^*),Y(j^*))为风速实测数据时间序列的第i^*个风速实测值与功率实测数据时间序列的第j^*个风速实测值的联合概率；

452.将所述互信息时间序列中归一化功率实测数据时间序列按照从大到小排序得到优化功率实测数据时间序列，所述优化功率实测数据时间序列为：

其中，M＝30为优化功率实测数据时间序列的长度

453.将所述优化功率实测数据时间序列代入步骤052中计算功率实测值与对应的功率预测值之间的差值。

6.根据权利要求1或5所述风力发电站的风电数据处理方法，其特征在于，所述步骤001具体包括以下步骤：

011.每1分钟内采集的风力发电机组的风速实测值集合A＝[a₁，…，a_i，…，a_n]，如果后续有k个风速实测值b₁、b₂、…、b_k需要插入到集合A中，则将k个风速实测值按升序从b₁到b_k排序；

012.将集合A中的每个风速实测值跟对应的后续k个风速实测值进行比较，获取b₁到b_k相对于集合A中每一个风速实测值的位置；

013.如果进行比较的集合A中的风速实测值a_g比风速实测值b_h小，则被插入风速实测值b_h变为b_h+1；

014.如果进行比较的集合A中的风速实测值a_g大于或等于风速实测值b_h，则风速实测值a_g变为a_g+1；

015.将比较后的结果进行累加，得到排序后集合A中的风速实测值a_i在排序后新集合中的顺序为后续k个风速实测值中的风速实测值b_j在排序后新集合中的顺序为

其中，当b_i>a_j，或b_i＝a_j时，插入的风速实测值优先；

px(b_i,a_j)＝1，px(a_j,b_i)＝0；

当b_i<a_j，或b_i＝a_j时，被插入风速实测值优先；

px(b_i,a_j)＝0，px(a_j,b_i)＝1；

其中，b_i表示后续k个风速实测值中的风速实测值，a_j表示集合A中的风速实测值。