CN109256814A - 一种风电机组功率曲线的智能修正方法 - Google Patents
一种风电机组功率曲线的智能修正方法 Download PDFInfo
- Publication number
- CN109256814A CN109256814A CN201811456319.XA CN201811456319A CN109256814A CN 109256814 A CN109256814 A CN 109256814A CN 201811456319 A CN201811456319 A CN 201811456319A CN 109256814 A CN109256814 A CN 109256814A
- Authority
- CN
- China
- Prior art keywords
- power
- wind turbines
- wind
- wind speed
- correction method
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012937 correction Methods 0.000 title claims abstract description 26
- 235000010627 Phaseolus vulgaris Nutrition 0.000 claims abstract description 17
- 244000046052 Phaseolus vulgaris Species 0.000 claims abstract description 17
- 238000002715 modification method Methods 0.000 claims 1
- 230000005611 electricity Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- 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
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开了一种风电机组功率曲线的智能修正方法，该方法以实际风电机组运行数据为基础，通过风电机组实际运行数据建立各比恩区间风速和功率，基于空气动力学原理，采用最小二乘法获取风速‑功率关系式，然后对风速‑功率关系式系数进行动态微调，以减小曲线拟合误差，从而提高风电机组控制精度。该方法对功率曲线拟合多项式系数进行动态修正，所得功率曲线与风电机组实际运行情况更加吻合。
Description
技术领域
本发明属于电网技术领域，涉及到一种风电机组功率曲线的智能修正方法。
背景技术
随着能源与环保问题日益突出，近年来风力发电在全球迅速发展。由于风能是一种间歇性、随机性和波动性很大的一次能源，大规模风力发电的接入对电力系统的规划与运行、调度与控制都带来了新问题。随着风电比例的增加，风电在给我们带来多方面利益的同时，也带来了一些不利的影响，尤其是风电穿透功率超过一定值之后，可能会严重影响电网电能质量和电力系统稳定运行，并且可能会危及常规发电方式，主要表现在电压和频率会有较大幅度的波动。更重要的，当风电机组由于风速过大而退出运行时，可能会给电力系统造成难以承受的冲击。
风电机组功率曲线一般厂家直接提供，然而，实际运行过程中风电机组会受到各种因素影响，包括机组运行状态、空气密度、所处地形、尾流效应等，这些因素都有可能使得风电机组的实际功率曲线偏离厂家提供的参考值。同时，实际运行时，风电场监控系统很难获取风功率预测数据，其采集的风速是机舱后测风仪的风速，该风速为风力机做功后的风速，很难与风电机组风速-功率曲线相对应，故需对相关模型进行修正，使其能够正确真实反映风电机组的功率特性。
发明内容
为解决上述问题，本发明一种风电机组功率曲线的智能修正方法，该方法通过对实际风电机组运行数据划分风速比恩区间，结合空气动力学理论，获取功率多项表达式，然后对所获取的多项式系数进行动态修正。
本发明具体为一种风电机组功率曲线的智能修正方法，所述方法由以下技术方案实现，具体地，包含以下步骤：
步骤1：获取风电机组实际风速、功率运行数据；
步骤2：划分风速比恩区间，获取各风速比恩区间风电机组输出功率，建立比恩区间风速-功率值关系；
步骤3：利用最小二乘法获取风电机组功率多项式；
步骤4：动态修正步骤3中所获得的功率多项式的系数。
进一步的所述步骤1中，所述风电机组实际风速、功率运行数据均为同一风电机组出力不受限制情况下的风速、功率运行数据。
进一步的所述步骤2中，将风速的范围划分为一连串的间隔，在整个范围内按照IEC标准要求以0.5m/s作为一个间隔，根据风速的大小分布在比恩区间，求取每个比恩区间的数据总体均值：
Uij是第i个比恩、第j个平均风速；Pij是第i个比恩、第j个平均功率；Ni是在第i个比恩中数据集的数目，
进一步的所述步骤3中，所述功率曲线多项式为三次多项式。
进一步的所述步骤4中，所述动态修正多项式系数，实现功率拟合多项式系数微调，动态智能修正风电机组功率运行曲线。
本发明的有益效果在于：(1)本发明提供的风电机组功率曲线的智能修正方法的基础是计及了诸如运行状态、空气密度、所处地形、尾流效应等因素的实际运行数据，采用该法获取的功率曲线相比厂家提供功率曲线，更能反映机组的实况。(2)本发明提供的风电机组功率曲线的智能修正方法，具备通用性。(3)本发明提供的风电机组功率曲线的智能修正方法，具备很好的扩展性。(4)本发明提供的风电机组风速-功率曲线的智能修正方法，只需软件实现，无需增加硬件，经济成本低。
附图说明
图1为发明图1为风电机组功率曲线的智能修正方法流程图；
图2为功率动态修正曲线。
具体实施方式
下面结合附图对发明一种风电机组功率曲线的智能修正方法具体实施方式做详细阐述。
如图1所示，本发明具体为一种风电机组功率曲线的智能修正方法，利用曲线拟合技术和人工智能方法动态修正风电机组功率运行曲线。
步骤1：获取风电机组实际运行数据，剔除无效数据，获得经处理后的风电机组风速、功率分布图。
步骤2：将风速划分成IEC标准规定的0.5m/s间隔的风速区间，每个比恩区间的风速与功率均采用总体均值为：
其中，Uij是第i个比恩、第j个平均风速；Pij是第i个比恩、第j个平均功率；Ni是在第i个比恩中数据集的数目。
步骤3：基于空气动力学原理，采用最小二乘法对风电机组功率与风速的关系曲线进行拟合。
步骤4：对步骤3中获得的风电机组功率拟合多项式系数进行动态微调。
为对本发明所提出的方法做具体说明，下面结合附图，通过实例对本发明作进一步详细说明。
某额定功率为800kW的风电机组，根据空气动力学模型可知，在未达最大功率之前，风电机组的输出可近似认为与风速的三次方成正比关系，为能正确拟合风速-功率曲线，多项式最高次必须大于3。进行三次多项式拟合，
由于风电机组在实际运行过程中受到各种因素影响，相同风速情况时风电机组输出的功率存在差异，因此需要对拟合的曲线进行智能修正，使拟合曲线能自适应的根据当前风速获取风电机组输出功率，为风电场实现有功控制提供依据。
利用步骤5所述方法及上述初始化条件对训练数据实现功率动态修正曲线如图2所示，附图1中神经网络的权值向量Wl设置为三次多项式各系数，迭代次数设置为2。经神经网络修正后的曲线表示为：
最后应该说明的是，结合上述实施例仅说明本发明的技术方案而非对其限制。所属领域的普通技术人员应当理解到，本领域技术人员可以对本发明的具体实施方式进行修改或者等同替换，但这些修改或变更均在申请待批的权利要求保护范围之中。
Claims (5)
1.一种风电机组功率曲线的智能修正方法，其特征在于，所述方法包含以下步骤：
步骤1：获取风电机组实际风速、功率运行数据；
步骤2：获取各风速比恩区间风电机组输出功率，建立比恩区间风速-功率值关系；
步骤3：对功率-风速的关系进行拟合；
步骤4：动态修正步骤3中所获得的风速-功率多项式系数。
2.根据权利要求1所述的一种风电机组功率曲线的智能修正方法，其特征在于，所述步骤1中风电机组实际风速、功率运行数据为统一风电机组出力不受限制情况下风速、功率运行数据。
3.根据权利要求1所述的一种风电机组功率曲线的智能修正方法，其特征在于，所述步骤2将风速的范围划分为一连串的间隔，在整个范围内按照IEC标准划分风速比恩间隔，并求取每个比恩区间数据的总体均值。
4.根据权利要求1所述的一种风电机组功率曲线的智能修正方法，其特征在于，所述步骤3功率曲线多项式拟合方法，采用最小二乘法拟合得到风速-功率三次多项式。
5.根据权利要求1所述的一种风电机组功率曲线的智能修正方法，其特征在于，所述步骤4中多项式系数修正方法动态智能修正风电机组功率运行曲线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811456319.XA CN109256814A (zh) | 2018-11-30 | 2018-11-30 | 一种风电机组功率曲线的智能修正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811456319.XA CN109256814A (zh) | 2018-11-30 | 2018-11-30 | 一种风电机组功率曲线的智能修正方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109256814A true CN109256814A (zh) | 2019-01-22 |
Family
ID=65042442
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811456319.XA Pending CN109256814A (zh) | 2018-11-30 | 2018-11-30 | 一种风电机组功率曲线的智能修正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109256814A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111146806A (zh) * | 2020-01-03 | 2020-05-12 | 国电联合动力技术有限公司 | 风电场有功可用出力动态计算优化方法及能量管理平台 |
| CN111311021A (zh) * | 2020-03-12 | 2020-06-19 | 广西电网有限责任公司 | 一种风电场理论功率预测方法、装置、设备和存储介质 |
| CN111666458A (zh) * | 2020-06-22 | 2020-09-15 | 中国船级社质量认证公司 | 风电机组功率曲线的拟合方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008278726A (ja) * | 2007-05-07 | 2008-11-13 | Hitachi Ltd | 風力発電制御システム及びその制御方法 |
| CN104734175A (zh) * | 2013-12-20 | 2015-06-24 | 国家电网公司 | 一种实现风电机组风速功率曲线的智能修正方法 |
| CN105226723A (zh) * | 2015-11-19 | 2016-01-06 | 国家电网公司 | 一种双馈风电机组基于风功率跟踪自适应调节的虚拟惯性控制方法 |
| CN106058941A (zh) * | 2016-07-29 | 2016-10-26 | 武汉大学 | 一种基于场景分析的风电场随机优化调度方法 |
| CN106355512A (zh) * | 2016-08-26 | 2017-01-25 | 华北电力大学 | 一种基于概率密度极大值优化的风电机组功率曲线拟合方法 |
-
2018
- 2018-11-30 CN CN201811456319.XA patent/CN109256814A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008278726A (ja) * | 2007-05-07 | 2008-11-13 | Hitachi Ltd | 風力発電制御システム及びその制御方法 |
| CN104734175A (zh) * | 2013-12-20 | 2015-06-24 | 国家电网公司 | 一种实现风电机组风速功率曲线的智能修正方法 |
| CN105226723A (zh) * | 2015-11-19 | 2016-01-06 | 国家电网公司 | 一种双馈风电机组基于风功率跟踪自适应调节的虚拟惯性控制方法 |
| CN106058941A (zh) * | 2016-07-29 | 2016-10-26 | 武汉大学 | 一种基于场景分析的风电场随机优化调度方法 |
| CN106355512A (zh) * | 2016-08-26 | 2017-01-25 | 华北电力大学 | 一种基于概率密度极大值优化的风电机组功率曲线拟合方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111146806A (zh) * | 2020-01-03 | 2020-05-12 | 国电联合动力技术有限公司 | 风电场有功可用出力动态计算优化方法及能量管理平台 |
| CN111311021A (zh) * | 2020-03-12 | 2020-06-19 | 广西电网有限责任公司 | 一种风电场理论功率预测方法、装置、设备和存储介质 |
| CN111666458A (zh) * | 2020-06-22 | 2020-09-15 | 中国船级社质量认证公司 | 风电机组功率曲线的拟合方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105260797B (zh) | 一种微网储能电站规划控制方法 | |
| CN104734175A (zh) | 一种实现风电机组风速功率曲线的智能修正方法 | |
| CN109256814A (zh) | 一种风电机组功率曲线的智能修正方法 | |
| CN109274121B (zh) | 一种风电场控制参数优化方法及系统 | |
| CN105703396B (zh) | 一种双馈风力发电场多机表征等值建模方法 | |
| Hayes et al. | Equivalent power curve model of a wind farm based on field measurement data | |
| CN102012956A (zh) | 一种考虑风电场输入风速和风向随机波动的风电场等值方法 | |
| CN105389634A (zh) | 一种组合式短期风电功率预测系统及方法 | |
| CN105069236B (zh) | 考虑风电场节点空间相关性的广义负荷联合概率建模方法 | |
| CN109412203B (zh) | 一种风电多馈入电力系统并网容量极限计算方法 | |
| Wang et al. | Dynamic equivalent modeling for wind farms with DFIGs using the artificial bee colony with K-means algorithm | |
| CN103244354A (zh) | 风力发电机组功率曲线自适应优化方法 | |
| CN110854907B (zh) | 通信故障下配电网风电场的协同优化运行方法及系统 | |
| CN114725982B (zh) | 一种分布式光伏集群精细化划分及建模方法 | |
| CN110571794A (zh) | 一种适用于双馈风机风电场的暂态模型等值计算方法 | |
| CN110909994A (zh) | 基于大数据驱动的小水电群发电量预测方法 | |
| CN113937825A (zh) | 一种基于E-C-Kmeans聚类和SOP优化的DG双层优化配置方法 | |
| CN115807734A (zh) | 一种基于尾流跟踪的海上风电场场级协同控制策略 | |
| CN105023099B (zh) | 一种考虑湍流强度的风力发电机出力评估方法 | |
| CN115578016A (zh) | 一种模型不完备风电场调频能力在线评估方法 | |
| CN109376426A (zh) | 一种风电并网功率调度方法及装置 | |
| Xu et al. | Short-term wind power forecasting based on Elman neural network with particle swarm optimization | |
| CN114298441A (zh) | 一种光伏功率预测方法及系统 | |
| CN116667344B (zh) | 海上风电场自适应局域疲劳载荷均衡调度方法及装置 | |
| CN109611268A (zh) | 一种双叶轮水平轴风力机设计优化方法 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190122 |
|
| WD01 | Invention patent application deemed withdrawn after publication |