CN109274121A - 一种风电场控制参数优化方法及系统 - Google Patents
一种风电场控制参数优化方法及系统 Download PDFInfo
- Publication number
- CN109274121A CN109274121A CN201811361668.3A CN201811361668A CN109274121A CN 109274121 A CN109274121 A CN 109274121A CN 201811361668 A CN201811361668 A CN 201811361668A CN 109274121 A CN109274121 A CN 109274121A
- Authority
- CN
- China
- Prior art keywords
- power plant
- wind
- wind power
- control parameter
- optimization
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004088 simulation Methods 0.000 claims abstract description 31
- 238000005259 measurement Methods 0.000 claims abstract description 8
- 230000008901 benefit Effects 0.000 claims abstract description 6
- 230000005611 electricity Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 2
- 235000008434 ginseng Nutrition 0.000 claims 2
- 230000008520 organization Effects 0.000 claims 1
- 230000005684 electric field Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000000137 annealing Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Classifications
-
- H02J3/386—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Supply And Distribution Of Alternating Current (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种风电场控制参数优化方法及系统,包括:建立风电场仿真模型,基于实际风电场的信息建立风电场仿真模型;获得风电场仿真时序风文件,基于风电场实测风数据编制包含实际风电场遇到的所有工况的风电场工况表,生成用于仿真的时序风文件;最优控制参数建立,建立能使风电场收益最大化的优化的目标函数;在所述风电场仿真模型中,利用风电场仿真时序风文件数据仿真风电场全部工况,利用寻优算法寻找每种工况下目标函数最优的控制参数,建立最优控制参数数据库存储上述获得的最优的控制参数。本公开通过得到最优参数数据库,实现每种工况下目标函数最优的控制参数,能够实现整个风电场的控制优化实现效益最佳。
Description
技术领域
本公开涉及风电控制技术领域,特别是涉及一种风电场控制参数优化方法及系统。
背景技术
我国风能资源丰富,风电发展迅速。随着风电场的规模增大,机组之间尾流影响造成的发电量损失增大,传统的风电控制主要考虑单台机组的发电能力最优,无法实现整个风电场的出力最大。
如何通过整个风电场的控制优化实现效益最佳,是目前遇到的主要问题。
发明内容
为了解决现有技术的不足,本公开的目的之一是提供了一种风电场控制参数优化方法,基于现场测试数据优化参数表,实现风电场收益最大化。
为了实现上述目的,本申请采用以下技术方案:
一种风电场控制参数优化方法,包括:
建立风电场仿真模型,基于实际风电场的信息建立风电场仿真模型,实际风电场的信息包括机组信息、地形信息,机位信息及电气信息;
获得风电场仿真时序风文件,基于风电场实测风数据编制包含实际风电场遇到的所有工况的风电场工况表,基于风电场工况表中的风速、风向和湍流度生成用于仿真的时序风文件;
最优控制参数建立,建立能使风电场收益最大化的优化的目标函数;在所述风电场仿真模型中,利用风电场仿真时序风文件数据仿真风电场全部工况,利用寻优算法寻找每种工况下目标函数最优的控制参数,建立最优控制参数数据库存储上述获得的最优的控制参数。
进一步的技术方案,建立风电场仿真模型时,首先建立模拟不同的风电机组的风电机组模型,风电机组模型相对应的风电场地形、机位坐标、流场尾流模型及电气电网模型;
通过上述方式建立的所述风电场仿真模型输入为整场风速,输出为各个机位的性能参数,包括发电量及载荷。
进一步的技术方案,基于风电场实测风数据编制包含实际风电场遇到的所有工况的风电场工况表,其中,风电场实测风数据至少有一年的风电场现场测风塔数据,或者现场位置和对现场周围更广阔的环境的完整的描述,或使用其他具有代表性的数据源;
根据所要求的精度将风向分为若干扇区,将风速分为等差数列,将湍流分为若干级别。
进一步的技术方案,基于风电场工况表中的风速、风向和湍流度利用风数据发生器生成用于仿真的时序风文件,时序的长度和间隔可以自定义,统计当地风电场的风频谱,利用傅里叶逆变换可以得到相应的时序风速。
进一步的技术方案,所述优化目标函数为功率曲线、年发电量、风场发电效率、整体收益、净现值或财政平衡的最大化;优化目标为度电成本、水平化生产成本或风险最低;优化目标是单个目标,或是上述多个目标的集合,即多目标优化;
约束条件包括:机组功率等级、机组坐标点、功率调节能力及机组偏航角度。
进一步的技术方案,利用寻优算法寻找每种工况下目标函数最优的控制参数,具体过程为按照风电场工况表设定的条件,不断的利用风电场模型迭代计算,计算出每个风速下的每个机组的最佳控制逻辑和控制参数。
进一步的技术方案,所述最优参数数据库用于存储每种工况下每个机组的最优控制参数,最优参数数据库可以配置到每台机组中,运行时每台机组在实际运行根据当前的风况情况,查阅数据库或者表格中的设定点进行控制调节,实现整场收益的最优;或
最优参数数据库配置在风电场控制器中,风电场控制器根据当前的风况查询数据库或者表格中各个机组的控制设定值,通过通讯下发到各个机组。
本公开的另一方面是公开了一种风电场控制参数优化系统,包括:
风电场仿真模型建立模块,基于实际风电场的信息建立风电场仿真模型,实际风电场的信息包括机组信息、地形信息,机位信息及电气信息;
风电场仿真时序风文件获得模块,基于风电场实测风数据编制包含实际风电场遇到的所有工况的风电场工况表,基于风电场工况表中的风速、风向和湍流度生成用于仿真的时序风文件;
最优控制参数建立模块,建立能使风电场收益最大化的优化的目标函数;在所述风电场仿真模型中,利用风电场仿真时序风文件数据仿真风电场全部工况,利用寻优算法寻找每种工况下目标函数最优的控制参数,建立最优控制参数数据库存储上述获得的最优的控制参数。
本公开的另一方面是还公开了一种风电场机组阵列,包括多个风电场机组,每个风电场机组被配置有最优参数数据库,所述最优参数数据库通过上述一种风电场控制参数优化或系统得到;
每台机组在实际运行时根据当前的风况情况,查阅最优参数数据库或者表格中的设定点进行控制调节,实现整场收益的最优。
本公开的再一方面是公开了一种风电场控制器,所述风电场控制器被配置有最优参数数据库,所述最优参数数据库通过上述一种风电场控制参数优化或系统得到;
风电场控制器根据当前的风况查询数据库或者表格中各个机组的控制设定值,通过通讯下发到各个机组。
与现有技术相比,本公开的有益效果是:
1、本公开通过得到最优参数数据库,实现每种工况下目标函数最优的控制参数,能够实现整个风电场的控制优化实现效益最佳。
2、本公开所建立的风电场的仿真模型及风电场工况表均为基于实测数据得到的,更能准确的反应实际的风电场的情况,仿真更加精确。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为本公开一些实施例子的系统结构框图;
图2为本公开一些实施例子的方法步骤图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本申请的一种典型的实施方式中,公开了优化风电场控制参数的系统包括:风电场工况表、风电场仿真模型、优化算法、最优参数数据库、优化目标函数,如图1所示。
当然,在具体实施例子中,上述优化风电场控制参数的系统为了实现相应的功能,可以采用功能模块的方式进行实现,具体的,可以包括:
风电场仿真模型建立模块,基于实际风电场的信息建立风电场仿真模型,实际风电场的信息包括机组信息、地形信息,机位信息及电气信息;
风电场仿真时序风文件获得模块,基于风电场实测风数据编制包含实际风电场遇到的所有工况的风电场工况表,基于风电场工况表中的风速、风向和湍流度生成用于仿真的时序风文件;
最优控制参数建立模块,建立能使风电场收益最大化的优化的目标函数;在所述风电场仿真模型中,利用风电场仿真时序风文件数据仿真风电场全部工况,利用寻优算法寻找每种工况下目标函数最优的控制参数,建立最优控制参数数据库存储上述获得的最优的控制参数。
其中,风电场的仿真模型应包含风电机组模型、风电场地形、机位坐标、流场尾流模型、电气电网模型。风电场模型的输入为整场风速,输出为各个机位的发电量、载荷等。利用数字化建模的方法建立风电场的仿真模型,可以采用通用的编程工具,也可以采用行业专用软件。模型的参数根据实际风电场的参数进行配置,以保证仿真的精度。
具体的建模方式如下:
在具体实施例子中,上述风电机组模型包括空气动力学模型、机械传动模型,塔筒支撑模型、控制系统模型等,能够通过参数和模块的更改模拟不同的风电机组。
在具体实施例子中,上述流场尾流模型能够根据输入的全局风速、风向、地形、机位等,推导出各个机位的风速风向。流场尾流模型包含但不限于Jensen模型、Larsen模型、Ishihara模型。使用时根据实际风电场的情况选择尾流模型。
在具体实施例子中,上述电气电网模型主要用于模拟风电场内的电气系统和电网接入点的情况,包含电网、变压器、线缆、无功补偿装置、断路器等,可以根据实际情况进行简化或者细化。
在该实施例子中,上述风电场的仿真模型的建立是基于实际的风电场建立的,在具体的后续仿真实验中,更能与实际的数据相吻合,且所仿真的数据也更能反应风电场的实际工况,获得的参数在应用时,能够使得实际机组的运行的效果更高。
在具体实施例子中,风电场的工况表由风速、风况、湍流等维度组成,根据目标风电场的风资源情况编制工况表。理想情况下,至少有一年的现场测风塔数据,或者现场位置和对现场周围更广阔的环境的完整的描述,此处相当于对测风塔数据进行处理之后的结果数据,包括:平均风速、风频、风玫瑰图、湍流等,也可以使用其他具有代表性的数据源,例如:具备一定精度的气象站数据;具备一定精度的卫星遥感的气象数据;或者通过气象数据推算的再分析数据。根据计算的所要求的精度将风向分为若干扇区,将风速分为等差数列,将湍流分为若干级别。例如,按照某风场的风资源情况和机组的切入切出设置,可以将风速从2m/s到30m/s按照2m/s的间隔编制风速等差数列,风向从0°到360°按照30°的间隔分为12个扇区,湍流度按照大小分为三个等级A、B、C,这样形成一个504个点的表格或者数据库,如表1所示。考虑目标风电场的实际情况,也可以将限电情况作为一个维度。
表1工况表示例
为了实现准确的获得仿真数据,本公开在具体实施例子中采用风电数据发生器,风数据发生器作用是基于工况表中的风速、风向和湍流度生成可以用于仿真的时序风文件,时序的长度和间隔可以自定义。统计当地风电场的风频谱,利用傅里叶逆变换可以得到相应的时序风速。
在具体实施例中,优化目标函数可以是单目标,也可以是多目标,优化目标可以是功率曲线、年发电量、风场发电效率、整体收益、净现值、财政平衡等的最大化;优化目标也可以是度电成本、水平化生产成本、风险等最低;优化目标可以是单个目标,也可以是上述多个目标的集合,即多目标优化。多目标优化可以采用加权和方法、帕累托最优方法等。
关于目标函数可以根据实际情况情况确定目标函数。如果更关注发电量,可以以发电量作为单目标,约束条件为:机组功率等级、机组坐标点、功率调节能力、机组偏航角度等;如果更关注度电成本,可以度电成本设为目标,约束条件为:机组功率等级、机组坐标点、功率调节能力、道路总长度、高架线总长度等;多目标即将几个单目标按照一定的算法进行组合计算,如加权和方法、帕累托最优方法等。
优化算法包含但不仅限于梯度、Hessian矩阵、拉格朗日乘数、单纯形法、梯度下降、粒子算法、卡尔曼、蚁群、退火、神经网络等。将根据实际情况对优化算法进行选择。
优化算法程序的目标是寻找每种工况下每个机位的最优控制参数。具体过程为按照风况表设定的条件,不断的利用风电场模型迭代计算,计算出每个风速下的每个机组的最佳控制逻辑和控制参数,例如:功率设定点和偏航角度。机组通过变桨和转矩控制实现对功率设定点的跟踪。
可以优化的控制参数包括但不仅限于:
(1)功率设定点。控制变量是功率设定值,整个风电场的设定值分布在特定风况下预先计算,并在特定风况下使用。
(2)偏航角度。风场控制为每台风电机组引入对风偏差,以控制尾流变化。
最优参数数据库用于存储每种工况下每个机组的最优控制参数。数据库可以配置到每台机组中,运行时每台机组在实际运行根据当前的风况情况,查阅数据库或者表格中的设定点进行控制调节,实现整场收益的最优。数据库也可以配置在风电场控制器,如能量管理系统、SCADA等中,风电场控制器根据当前的风况查询数据库或者表格中各个机组的控制设定值,通过通讯下发到各个机组。
建立目标风电场的仿真模型,建立风场工况表,以风电场收益最大为目标建立目标函数,利用优化算法确定不同风况下的最优参数,建立风电场工况和最优参数的查询表,并将其配置到风电场对应的机组中,基于现场测试数据优化参数表,实现风电场收益最大化。
本公开的另一实施例子中,控制参数优化的步骤如图2所示,包括:
第一、采集风电场1年的测风数据,包含风速、风向、湍流等信息;
第二、基于实测数据编制风电场工况表,包含实际风电场遇到的所有工况;
第三、基于实际风电场的机组信息、地形信息,机位信息、电气信息等配置风电场仿真模型;
第四、建立优化的目标函数,例如以优化发电量和载荷为目标;
第五、仿真全部工况,利用寻优算法寻找每种工况下目标函数最优的控制参数,建立最优控制参数数据库;
第六、进行现场测试来验证整定结果,并可以根据结果进一步调整参数。
本公开的另一实施例子公开了一种风电场控制参数优化系统,包括:
风电场仿真模型建立模块,基于实际风电场的信息建立风电场仿真模型,实际风电场的信息包括机组信息、地形信息,机位信息及电气信息;
风电场仿真时序风文件获得模块,基于风电场实测风数据编制包含实际风电场遇到的所有工况的风电场工况表,基于风电场工况表中的风速、风向和湍流度生成用于仿真的时序风文件;
最优控制参数建立模块,建立能使风电场收益最大化的优化的目标函数;在所述风电场仿真模型中,利用风电场仿真时序风文件数据仿真风电场全部工况,利用寻优算法寻找每种工况下目标函数最优的控制参数,建立最优控制参数数据库存储上述获得的最优的控制参数。
本公开的再一实施例子公开了一种风电场机组阵列,包括多个风电场机组,每个风电场机组被配置有最优参数数据库,所述最优参数数据库通过上述所述的一种风电场控制参数优化方法或者系统得到;
每台机组在实际运行时根据当前的风况情况,查阅最优参数数据库或者表格中的设定点进行控制调节,实现整场收益的最优。
本公开的实施例子还公开了一种风电场控制器,所述风电场控制器被配置有最优参数数据库,所述最优参数数据库通过上述所述的一种风电场控制参数优化方法或系统得到;
风电场控制器根据当前的风况查询数据库或者表格中各个机组的控制设定值,通过通讯下发到各个机组。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种风电场控制参数优化方法,其特征是,包括:
建立风电场仿真模型,基于实际风电场的信息建立风电场仿真模型,实际风电场的信息包括机组信息、地形信息,机位信息及电气信息;
获得风电场仿真时序风文件,基于风电场实测风数据编制包含实际风电场遇到的所有工况的风电场工况表,基于风电场工况表中的风速、风向和湍流度生成用于仿真的时序风文件;
最优控制参数建立,建立能使风电场收益最大化的优化的目标函数;在所述风电场仿真模型中,利用风电场仿真时序风文件数据仿真风电场全部工况,利用寻优算法寻找每种工况下目标函数最优的控制参数,建立最优控制参数数据库存储上述获得的最优的控制参数。
2.根据权利要求1所述的一种风电场控制参数优化方法,其特征是,建立风电场仿真模型时,首先建立模拟不同的风电机组的风电机组模型,风电机组模型相对应的风电场地形、机位坐标、流场尾流模型及电气电网模型;
通过上述方式建立的所述风电场仿真模型输入为整场风速,输出为各个机位的性能参数,包括发电量及载荷。
3.根据权利要求1所述的一种风电场控制参数优化方法,其特征是,基于风电场实测风数据编制包含实际风电场遇到的所有工况的风电场工况表,其中,风电场实测风数据至少有一年的风电场现场测风塔数据,或者现场位置和对现场周围更广阔的环境的完整的描述,或使用其他具有代表性的数据源;
根据所要求的精度将风向分为若干扇区,将风速分为等差数列,将湍流分为若干级别。
4.根据权利要求1所述的一种风电场控制参数优化方法,其特征是,基于风电场工况表中的风速、风向和湍流度利用风数据发生器生成用于仿真的时序风文件,时序的长度和间隔可以自定义,统计当地风电场的风频谱,利用傅里叶逆变换可以得到相应的时序风速。
5.根据权利要求1所述的一种风电场控制参数优化方法,其特征是,所述优化目标函数为功率曲线、年发电量、风场发电效率、整体收益、净现值或财政平衡的最大化;优化目标为度电成本、水平化生产成本或风险最低;优化目标是单个目标,或是上述多个目标的集合,即多目标优化;
约束条件包括:机组功率等级、机组坐标点、功率调节能力及机组偏航角度。
6.根据权利要求1所述的一种风电场控制参数优化方法,其特征是,利用寻优算法寻找每种工况下目标函数最优的控制参数,具体过程为按照风电场工况表设定的条件,不断的利用风电场模型迭代计算,计算出每个风速下的每个机组的最佳控制逻辑和控制参数。
7.根据权利要求1所述的一种风电场控制参数优化方法,其特征是,所述最优参数数据库用于存储每种工况下每个机组的最优控制参数,最优参数数据库可以配置到每台机组中,运行时每台机组在实际运行根据当前的风况情况,查阅数据库或者表格中的设定点进行控制调节,实现整场收益的最优;或
最优参数数据库配置在风电场控制器中,风电场控制器根据当前的风况查询数据库或者表格中各个机组的控制设定值,通过通讯下发到各个机组。
8.一种风电场控制参数优化系统,包括:
风电场仿真模型建立模块,基于实际风电场的信息建立风电场仿真模型,实际风电场的信息包括机组信息、地形信息,机位信息及电气信息;
风电场仿真时序风文件获得模块,基于风电场实测风数据编制包含实际风电场遇到的所有工况的风电场工况表,基于风电场工况表中的风速、风向和湍流度生成用于仿真的时序风文件;
最优控制参数建立模块,建立能使风电场收益最大化的优化的目标函数;在所述风电场仿真模型中,利用风电场仿真时序风文件数据仿真风电场全部工况,利用寻优算法寻找每种工况下目标函数最优的控制参数,建立最优控制参数数据库存储上述获得的最优的控制参数。
9.一种风电场机组阵列,包括多个风电场机组,每个风电场机组被配置有最优参数数据库,所述最优参数数据库通过上述权利要求1-7任一所述的一种风电场控制参数优化方法或权利要求8系统得到;
每台机组在实际运行时根据当前的风况情况,查阅最优参数数据库或者表格中的设定点进行控制调节,实现整场收益的最优。
10.一种风电场控制器,所述风电场控制器被配置有最优参数数据库,所述最优参数数据库通过上述权利要求1-7任一所述的一种风电场控制参数优化方法或权利要求8系统得到;
风电场控制器根据当前的风况查询数据库或者表格中各个机组的控制设定值,通过通讯下发到各个机组。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811361668.3A CN109274121B (zh) | 2018-11-15 | 2018-11-15 | 一种风电场控制参数优化方法及系统 |
PCT/CN2018/117749 WO2020097979A1 (zh) | 2018-11-15 | 2018-11-27 | 一种风电场控制参数优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811361668.3A CN109274121B (zh) | 2018-11-15 | 2018-11-15 | 一种风电场控制参数优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109274121A true CN109274121A (zh) | 2019-01-25 |
CN109274121B CN109274121B (zh) | 2021-03-23 |
Family
ID=65189340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811361668.3A Active CN109274121B (zh) | 2018-11-15 | 2018-11-15 | 一种风电场控制参数优化方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109274121B (zh) |
WO (1) | WO2020097979A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111651896A (zh) * | 2020-06-18 | 2020-09-11 | 浙江理工大学 | 一种基于实际风速及实际复杂地形的风电场流场计算方法 |
CN112035979A (zh) * | 2020-09-03 | 2020-12-04 | 国电联合动力技术有限公司 | 一种风电机组整机一体化优化设计方法、平台及寻优方法 |
CN112579531A (zh) * | 2020-12-15 | 2021-03-30 | 东方电气风电有限公司 | 一种下载和存储风电场数据的方法 |
CN114511158A (zh) * | 2022-04-19 | 2022-05-17 | 南京理工大学 | 基于尾流偏转效应和2DJensen模型的风力机功率预测方法 |
CN117454456A (zh) * | 2023-12-22 | 2024-01-26 | 浙江远算科技有限公司 | 基于蚁群算法的海上风电场排布优化仿真方法和系统 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102170130A (zh) * | 2011-04-26 | 2011-08-31 | 华北电力大学 | 一种风电功率短期预测方法 |
CN103558771A (zh) * | 2013-11-05 | 2014-02-05 | 济南轨道交通装备有限责任公司 | 风电场仿真测试平台及其测试方法 |
CN103683326A (zh) * | 2013-12-05 | 2014-03-26 | 华北电力大学 | 一种区域电网风电多点接入最佳接纳能力的计算方法 |
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 |
CN102664423B (zh) * | 2012-05-30 | 2014-09-17 | 山东大学 | 基于粒子群算法的风电场储能容量控制方法 |
CN104281737A (zh) * | 2014-08-06 | 2015-01-14 | 华南理工大学 | 一种海上风电场集电系统拓扑结构选型方法 |
CN104538989A (zh) * | 2014-07-29 | 2015-04-22 | 清华大学 | 风电场闭环有功功率的控制方法 |
CN104680243A (zh) * | 2014-12-22 | 2015-06-03 | 清华大学 | 计及转供能力的海上风电场主变压器容量优化方法 |
CN104807644A (zh) * | 2015-04-14 | 2015-07-29 | 北京中恒博瑞数字电力科技有限公司 | 一种风电机组变桨系统的故障预警方法及系统 |
CN104948389A (zh) * | 2014-03-25 | 2015-09-30 | 国网上海市电力公司 | 分布式压缩空气储能系统的容量配置方法 |
CN105119320A (zh) * | 2015-09-15 | 2015-12-02 | 东北大学 | 一种分散式风电场风机优化布置系统及方法 |
CN105226651A (zh) * | 2015-10-22 | 2016-01-06 | 上海交通大学 | 一种考虑风险的含大规模风电输电网规划系统 |
CN205017021U (zh) * | 2015-09-16 | 2016-02-03 | 国电联合动力技术有限公司 | 一种风电场功率协同控制系统 |
CN105337294A (zh) * | 2015-10-21 | 2016-02-17 | 国家电网公司 | 协调风电场参与电力系统一次调频的储能配置方法 |
CN105373858A (zh) * | 2015-11-26 | 2016-03-02 | 湘潭大学 | 一种基于风速时序分解的风电场有功功率优化方法 |
CN105515042A (zh) * | 2015-12-08 | 2016-04-20 | 上海电力设计院有限公司 | 风光同场项目光伏接入容量优化算法 |
CN106355284A (zh) * | 2016-09-06 | 2017-01-25 | 东南大学 | 一种风电场送出线优化选型方法 |
US20170091878A1 (en) * | 2015-09-25 | 2017-03-30 | Texas Tech University System | Method and system for controlling charge and discharge of high powered energy storage systems |
CN107194097A (zh) * | 2017-05-27 | 2017-09-22 | 中国大唐集团科学技术研究院有限公司 | 基于风电场气动模拟和风速风向数据的分析方法 |
CN107654336A (zh) * | 2017-09-20 | 2018-02-02 | 山东中车风电有限公司 | 基于扇区分布的风电机组风场适应性快速评估优化方法 |
CN108281968A (zh) * | 2018-01-08 | 2018-07-13 | 华北电力大学 | 一种负荷聚合商-风电场协同运营模式下的负荷调度模型 |
CN108288861A (zh) * | 2018-02-01 | 2018-07-17 | 福州大学 | 风电场群风储系统选址定容联合优化的方法 |
CN108695857A (zh) * | 2018-06-19 | 2018-10-23 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 风电场自动电压控制方法、装置及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8930299B2 (en) * | 2010-12-15 | 2015-01-06 | Vaisala, Inc. | Systems and methods for wind forecasting and grid management |
CN105425591B (zh) * | 2015-12-29 | 2017-12-08 | 北京国能日新系统控制技术有限公司 | 基于风电场区域实时风速分析调控风电场有功的方法和装置 |
CN106707166B (zh) * | 2017-01-05 | 2019-08-06 | 云南电网有限责任公司电力科学研究院 | 一种风电场出力特性评估方法 |
-
2018
- 2018-11-15 CN CN201811361668.3A patent/CN109274121B/zh active Active
- 2018-11-27 WO PCT/CN2018/117749 patent/WO2020097979A1/zh active Application Filing
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102170130A (zh) * | 2011-04-26 | 2011-08-31 | 华北电力大学 | 一种风电功率短期预测方法 |
CN102664423B (zh) * | 2012-05-30 | 2014-09-17 | 山东大学 | 基于粒子群算法的风电场储能容量控制方法 |
CN103558771A (zh) * | 2013-11-05 | 2014-02-05 | 济南轨道交通装备有限责任公司 | 风电场仿真测试平台及其测试方法 |
CN103683326A (zh) * | 2013-12-05 | 2014-03-26 | 华北电力大学 | 一种区域电网风电多点接入最佳接纳能力的计算方法 |
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 |
CN104948389A (zh) * | 2014-03-25 | 2015-09-30 | 国网上海市电力公司 | 分布式压缩空气储能系统的容量配置方法 |
CN104538989A (zh) * | 2014-07-29 | 2015-04-22 | 清华大学 | 风电场闭环有功功率的控制方法 |
CN104281737A (zh) * | 2014-08-06 | 2015-01-14 | 华南理工大学 | 一种海上风电场集电系统拓扑结构选型方法 |
CN104680243A (zh) * | 2014-12-22 | 2015-06-03 | 清华大学 | 计及转供能力的海上风电场主变压器容量优化方法 |
CN104807644A (zh) * | 2015-04-14 | 2015-07-29 | 北京中恒博瑞数字电力科技有限公司 | 一种风电机组变桨系统的故障预警方法及系统 |
CN105119320A (zh) * | 2015-09-15 | 2015-12-02 | 东北大学 | 一种分散式风电场风机优化布置系统及方法 |
CN205017021U (zh) * | 2015-09-16 | 2016-02-03 | 国电联合动力技术有限公司 | 一种风电场功率协同控制系统 |
US20170091878A1 (en) * | 2015-09-25 | 2017-03-30 | Texas Tech University System | Method and system for controlling charge and discharge of high powered energy storage systems |
CN105337294A (zh) * | 2015-10-21 | 2016-02-17 | 国家电网公司 | 协调风电场参与电力系统一次调频的储能配置方法 |
CN105226651A (zh) * | 2015-10-22 | 2016-01-06 | 上海交通大学 | 一种考虑风险的含大规模风电输电网规划系统 |
CN105373858A (zh) * | 2015-11-26 | 2016-03-02 | 湘潭大学 | 一种基于风速时序分解的风电场有功功率优化方法 |
CN105515042A (zh) * | 2015-12-08 | 2016-04-20 | 上海电力设计院有限公司 | 风光同场项目光伏接入容量优化算法 |
CN106355284A (zh) * | 2016-09-06 | 2017-01-25 | 东南大学 | 一种风电场送出线优化选型方法 |
CN107194097A (zh) * | 2017-05-27 | 2017-09-22 | 中国大唐集团科学技术研究院有限公司 | 基于风电场气动模拟和风速风向数据的分析方法 |
CN107654336A (zh) * | 2017-09-20 | 2018-02-02 | 山东中车风电有限公司 | 基于扇区分布的风电机组风场适应性快速评估优化方法 |
CN108281968A (zh) * | 2018-01-08 | 2018-07-13 | 华北电力大学 | 一种负荷聚合商-风电场协同运营模式下的负荷调度模型 |
CN108288861A (zh) * | 2018-02-01 | 2018-07-17 | 福州大学 | 风电场群风储系统选址定容联合优化的方法 |
CN108695857A (zh) * | 2018-06-19 | 2018-10-23 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 风电场自动电压控制方法、装置及系统 |
Non-Patent Citations (2)
Title |
---|
MEHDI ALLAGUI,ETC.: "Optimization of the wind farm energy capture by minimizing the wake effects", 《2015 6TH INTERNATIONAL RENEWABLE ENERGY CONGRESS (IREC)》 * |
戴远航,等: "风电场与含储热的热电联产联合运行的优化调度", 《中国电机工程学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111651896A (zh) * | 2020-06-18 | 2020-09-11 | 浙江理工大学 | 一种基于实际风速及实际复杂地形的风电场流场计算方法 |
CN111651896B (zh) * | 2020-06-18 | 2021-08-24 | 浙江理工大学 | 一种基于实际风速及实际复杂地形的风电场流场计算方法 |
CN112035979A (zh) * | 2020-09-03 | 2020-12-04 | 国电联合动力技术有限公司 | 一种风电机组整机一体化优化设计方法、平台及寻优方法 |
CN112579531A (zh) * | 2020-12-15 | 2021-03-30 | 东方电气风电有限公司 | 一种下载和存储风电场数据的方法 |
CN114511158A (zh) * | 2022-04-19 | 2022-05-17 | 南京理工大学 | 基于尾流偏转效应和2DJensen模型的风力机功率预测方法 |
CN114511158B (zh) * | 2022-04-19 | 2022-06-21 | 南京理工大学 | 基于尾流偏转效应和2DJensen模型的风力机功率预测方法 |
CN117454456A (zh) * | 2023-12-22 | 2024-01-26 | 浙江远算科技有限公司 | 基于蚁群算法的海上风电场排布优化仿真方法和系统 |
CN117454456B (zh) * | 2023-12-22 | 2024-03-29 | 浙江远算科技有限公司 | 基于蚁群算法的海上风电场排布优化仿真方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2020097979A1 (zh) | 2020-05-22 |
CN109274121B (zh) | 2021-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109274121A (zh) | 一种风电场控制参数优化方法及系统 | |
Shi et al. | Hybrid forecasting model for very-short term wind power forecasting based on grey relational analysis and wind speed distribution features | |
Li et al. | Using neural networks to estimate wind turbine power generation | |
Liu et al. | Wind power plant prediction by using neural networks | |
Biegel et al. | Distributed low-complexity controller for wind power plant in derated operation | |
CN105356492B (zh) | 一种适用于微电网的能量管理仿真系统及方法 | |
CN103020462B (zh) | 计及复杂尾流效应模型的风电场概率输出功率计算方法 | |
CN104978608B (zh) | 一种风电功率预测装置及预测方法 | |
ES2644528T3 (es) | Método para la determinación asistida por ordenador del uso de energía eléctrica producida por una central de generación de energía, particularmente una central de generación de energía renovable | |
CN103208037B (zh) | 一种应用于新能源电站的基于在线校正的功率预测方法 | |
CN102663251A (zh) | 基于计算流体力学模型的风电场功率物理预测方法 | |
CN103093027B (zh) | 基于双馈风电场等值模型的电力系统分析方法 | |
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 | |
CN103401236A (zh) | 一种基于风电场流动相关性的风电场机组分组方法 | |
CN105389634A (zh) | 一种组合式短期风电功率预测系统及方法 | |
CN103942736B (zh) | 一种风电场多机等值建模方法 | |
CN101794996A (zh) | 风电场出力实时预测方法 | |
CN108985490A (zh) | 基于滑动窗口特征数据拟合的风力发电机功率曲线修正方法 | |
CN106026200A (zh) | 风电场的电力系统无功优化方法 | |
Weidong et al. | Short-term forecasting of wind turbine power generation based on genetic neural network | |
Poushpas | Wind farm simulation modelling and control | |
CN113610285A (zh) | 一种分散式风电的功率预测方法 | |
CN106779202B (zh) | 一种考虑空气湿度的风电功率预测方法 | |
CN103530508B (zh) | 一种建立风速功率转换概率模型的方法 | |
CN105649896B (zh) | 风电机组智能监控运行控制系统及其控制方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |