CN109558651B - 风电机组谐波发射参数置信区间估计方法 - Google Patents
风电机组谐波发射参数置信区间估计方法 Download PDFInfo
- Publication number
- CN109558651B CN109558651B CN201811352518.6A CN201811352518A CN109558651B CN 109558651 B CN109558651 B CN 109558651B CN 201811352518 A CN201811352518 A CN 201811352518A CN 109558651 B CN109558651 B CN 109558651B
- Authority
- CN
- China
- Prior art keywords
- harmonic
- wind turbine
- turbine generator
- parameter
- data
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种风电机组谐波发射参数置信区间估计方法,首先利用灰色距离测度和熵权法结合计算被估计参数的一种近似估计指标,然后定义被估计参数和近似估计指标之间的灰色置信度,在给定的置信度下求取风电机组谐波发射参数的置信区间;本发明结合了风电机组谐波监测数据的时变特性,对数据合理建模,考虑了风电机组谐波发射的不确定性和数据分布的未知性,提出了一种灰色置信区间估计方法,有效合理地评估风电机组谐波发射参数,参数估计的准确性大,且简单易用,有利于谐波污染的治理工作的开展。
Description
技术领域
本发明涉及一种风电机组谐波发射参数置信区间估计方法。
背景技术
近年来,风力发电为代表的分布式新能源不断接入传统电网,在发挥着重要作用的同时也对电网的谐波研究带来了更多的挑战。除了谐波引发的一些传统问题,由于风电输出功率受到自然条件的影响而具有间歇性和波动性,将导致系统谐波的波动增强、噪声增大,具有更多的不确定性,对系统的稳定运行是一个潜在的威胁。工程上需要通过辨识风电机组谐波发射参数,进而寻求最优措施进行谐波抑制。
现今具备成熟的电能质量监测技术和装置,能获取实时的风电机组谐波监测数据,为风电机组谐波发射参数辨识提供丰富的数据支撑。在建立风电机组谐波发射模型以后,工程上估计风电机组谐波发射模型参数时需要考虑实测数据中蕴含的谐波发射不确定性以及风电运行的时变特性,减少这种特性对参数辨识可信度和精度的影响。
基于大量的谐波历史监测数据评估风电机组谐波发射特性,能将各单项指标超过国标限值与否的定性并将转化为定量评估。对谐波监测数据进行建模,对模型进行参数辨识,确定综合量化指标客观、全面地反映电能整体性,为供电方和用户提供参考。
为了有效治理谐波污染,需要在保留用户谐波监测数据的不确定信息的前提下,建立用户谐波发射模型。在建立模型后,如何进一步对模型参数进行辨识,实现污染量化分析是一个需要解决的问题。参数估计是统计推断的主要组成部分,进行未知参数估计并确定参数估计满足可信度要求的取值区间是确保后续数据处理成功的重要保障,为电能质量评估打下基础。传统的数理统计确定置信区间需要明确数据矩阵X的分布类型,进而构造出无偏估计统计量,求取满足置信度要求的置信区间。然而风电机组的谐波发射特性具有不确定性,数据分布具有未知性。因此,结合了风电机组谐波发射特性进行谐波发射模型参数估计是亟待解决的问题,为后续的电能质量评估建立基础。
发明内容
本发明提供了一种风电机组谐波发射参数置信区间估计方法,其克服了背景技术中所述的现有技术的不足。
本发明解决其技术问题所采用的技术方案是:
步骤1,基于谐波实测数据对风力发电机组谐波发射水平进行建模,并获取参数估计的样本数据:
其中,n为评估风电机组谐波发射特性数据的n个时间段,在谐波次数维度上选取2~25次谐波;将样本数据x在同一谐波次数下求取不同时段监测数据的平均值得到简化后的样本空间:
X={x1,x2,...,x25};
步骤2,计算样本空间两两数据之间的灰色距离测度:
其中,ξ是分辨系数,取ξ为第一设定值,|xi-xj|表示xi与xj(xi,xj∈X,i,j,k=1,2,...,25)的距离差异的绝对值,e(xi,X)表示xi与X的总体距离差异,s(xi,X)表示xi与X的距离差异标准差;
步骤3,计算样本空间X中各元素的信息熵H(xi),并将各元素xi的信息熵H(xi)转化成权重值wi:
一实施例之中:所述第一设定值取0.5。
一实施例之中:所述第二设定值取δ=1/ln(n)。
本技术方案与背景技术相比,它具有如下优点:
本发明提出一种基于灰色距离测度的风电机组谐波发射参数置信区间估计方法,首先利用灰色距离测度和熵权法结合计算被估计参数的一种近似估计指标,然后定义被估计参数和近似估计指标之间的灰色置信度,在给定的置信度下求取风电机组谐波发射参数的置信区间;本发明结合了风电机组谐波监测数据的时变特性,对数据合理建模,考虑了风电机组谐波发射的不确定性和数据分布的未知性,提出了一种灰色置信区间估计方法,有效合理地评估风电机组谐波发射参数,参数估计的准确性大,且简单易用,有利于谐波污染的治理工作的开展。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1为本实施例所述的风电机组谐波发射参数置信区间估计步骤流程图。
具体实施方式
请查阅图1,风电机组谐波发射参数置信区间估计方法,它包括:
步骤1,基于谐波实测数据对风力发电机组谐波发射水平进行建模,基于谐波实测数据建立的模型的谐波发射特性在谐波次数维度和时间维度上会不断变化。为了便于模型的参数估计,对基于实测数据的模型进行聚类分析处理,将具有相似谐波危害特征的时段聚类在同一模态中,得到基于典型模态的模型,其用监测数据的表示如下所示:
其中,x即为样本数据,n为评估风电机组谐波发射特性数据的n个时间段,在谐波次数维度上选取2~25次谐波;由于同一模态的监测数据特性差异体现在谐波次数维度上,将样本数据x在同一谐波次数下求取不同时段监测数据的平均值得到简化后的样本空间:
X={x1,x2,...,x25};
通过将样本数据x进行简化将更有利于实现风电机组谐波发射的定量评估。接下来需在谐波次数维度对模型进行进一步的参数辨识,设x0为参数辨识中描述样本数据谐波特征的指标,对风电机组谐波发射模型的参数辨识进而可以转化成对参数x0的近似估计。
在本发明中,提出了一种被估计样本空间与被估计参数之间的灰色距离测度,用来表征被估计样本空间与被估计参数之间的距离关系。样本空间数据xj与被估计参数x0间的灰色距离测度:
其中,ξ是分辨系数,一般取ξ=0.5。|x0-xj|表示x0与xj(xj∈X,j=1,2,…,25)的距离差异的绝对值,e(x0,X)表示x0与X的总体距离差异,s(x0,X)表示x0与X的距离差异标准差。
基于xj与x0间的灰色距离测度dr(x0,xj),对于整个样本空间X={x1,x2,...,x25},定义dr(x0,X)表示x0和样本数据X的灰色距离测度:
灰色距离测度之所以能用来描述被估计样本空间与被估计参数之间的关系,其定义式中的统计量对数据的描述具有一定的物理意义:e(x0,X)表示被估计参数x0与样本空间X中其他数据的距离差异的集合,称为样本误差均值。e(x0,X)越大,x0与样本空间其他数据的的距离差异越大,反之亦然。样本误差标准差s(x0,X)表示数据x0与X中其他数据的离散与聚集程度,若s(x0,X)取值越大,则x0与数据空间X中其他数据分布越分散,反之分布越集中。
因此,对于灰色距离测度dr(x0,xj),其取值越大,表明xj与x0越接近,当xj=x0时,dr(x0,xj)=1;当dr(x0,xj)取值越小时,表明xj与x0差异越大。特别地,当xj与样本数据空间X的数据分布中心越接近,且s(x0,X)取值越小,则xj与x0也越接近,此时dr(x0,xj)取值越大,反之,dr(x0,xj)取值越小。
在计算被估计参数之前,首先需对风电机组谐波发射模型的参数x0进行灰色估计,提出被估计参数的近似估计值为在谐波次数维度上,原始样本数据(即监测数据)选取了2~25次谐波,聚类后的样本数据空间具有稀缺性和有效性,每个样本数据对于x0的估计都不可或缺,样本空间中数据取值的大小和离散程度都会影响x0的估计值的大小。本发明利用熵权法计算根据指标变异的大小来确定客观权重,指标的信息熵越小,则该指标提供的信息量越大,其权重也就越大,反之权重越小。因此得到步骤2-4;
步骤2,计算样本空间两两数据之间的灰色距离测度:
其中,ξ是分辨系数,取ξ为第一设定值,一般取ξ为0.5。|xi-xj|表示xi与xj(xi,xj∈X,i,j,k=1,2,...,25)的距离差异的绝对值,e(xi,X)表示xi与X的总体距离差异,s(xi,X)表示xi与X的距离差异标准差;
步骤3,计算样本空间X中各元素的信息熵H(xi),并将各元素xi的信息熵H(xi)转化成权重值wi:
在确定被估计参数x0的近似估计值以后,进一步确定被估计参数的置信区间,使得置信区间包括参数真值的可信度达到预设要求,从而对风电机组谐波发射参数估计合理性提出更高的要求。本发明再次利用灰色距离测度的概念定义被估计参数x0与近似估计值之间的灰色置信度灰色置信度取值越大,灰色点估计值与真值x0越接近,灰色估计值越可信。对于预设的灰色置信度α(0<α≤1),通过灰色置信度与α的比较即可获得风电机组谐波发射参数的置信区间。置信区间用表示,为使其包含被估计参数x0的可信度不低于α,因此得到步骤5;
以上所述,仅为本发明较佳实施例而已,故不能依此限定本发明实施的范围,即依本发明专利范围及说明书内容所作的等效变化与修饰,皆应仍属本发明涵盖的范围内。
Claims (3)
1.风电机组谐波发射参数置信区间估计方法,其特征在于:包括:
步骤1,基于谐波实测数据对风力发电机组谐波发射水平进行建模,并获取参数估计的样本数据:
其中,n为评估风电机组谐波发射特性数据的n个时间段,在谐波次数维度上选取2~25次谐波;将样本数据x在同一谐波次数下求取不同时段监测数据的平均值得到简化后的样本空间:
X={x1,x2,...,x25};
步骤2,计算样本空间两两数据之间的灰色距离测度:
其中,ξ是分辨系数,取ξ为第一设定值,|xi-xj|表示xi与xj的距离差异的绝对值,e(xi,X)表示xi与X的总体距离差异,s(xi,X)表示xi与X的距离差异标准差,xi,xj∈X,i,j,k=1,2,...,25;
步骤3,计算样本空间X中各元素的信息熵H(xi),并将各元素xi的信息熵H(xi)转化成权重值wi:
2.根据权利要求1所述的风电机组谐波发射参数置信区间估计方法,其特征在于:所述第一设定值取0.5。
3.根据权利要求1所述的风电机组谐波发射参数置信区间估计方法,其特征在于:所述第二设定值取δ=1/ln(n)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811352518.6A CN109558651B (zh) | 2018-11-14 | 2018-11-14 | 风电机组谐波发射参数置信区间估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811352518.6A CN109558651B (zh) | 2018-11-14 | 2018-11-14 | 风电机组谐波发射参数置信区间估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109558651A CN109558651A (zh) | 2019-04-02 |
CN109558651B true CN109558651B (zh) | 2022-07-15 |
Family
ID=65866227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811352518.6A Active CN109558651B (zh) | 2018-11-14 | 2018-11-14 | 风电机组谐波发射参数置信区间估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109558651B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808928A (zh) * | 2016-03-02 | 2016-07-27 | 中国人民解放军装备学院 | 装备系统效能的矩阵序列灰关联评估方法 |
CN106202707A (zh) * | 2016-07-08 | 2016-12-07 | 北京航空航天大学 | 一种基于灰色置信区间的结构应力‑强度干涉模型集合可靠性分析方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9307213B2 (en) * | 2012-11-05 | 2016-04-05 | Nvidia Corporation | Robust selection and weighting for gray patch automatic white balancing |
-
2018
- 2018-11-14 CN CN201811352518.6A patent/CN109558651B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808928A (zh) * | 2016-03-02 | 2016-07-27 | 中国人民解放军装备学院 | 装备系统效能的矩阵序列灰关联评估方法 |
CN106202707A (zh) * | 2016-07-08 | 2016-12-07 | 北京航空航天大学 | 一种基于灰色置信区间的结构应力‑强度干涉模型集合可靠性分析方法 |
Non-Patent Citations (2)
Title |
---|
Sergio González Horcas等.Extension of the Non-Linear Harmonic method for the study of the dynamic aeroelasticity of horizontal axis wind turbines.《Journal of Fluids and Structures》.2017,第73卷第100-124页. * |
李博文 等.风电场风速及风功率预测研究综述.《贵州电力技术》.2017,第20卷(第5期),第9-13页. * |
Also Published As
Publication number | Publication date |
---|---|
CN109558651A (zh) | 2019-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104537438B (zh) | 一种用电高峰的预测及监控方法 | |
CN112182720B (zh) | 一种基于建筑能源管理应用场景的建筑能耗模型评价方法 | |
CN107944612B (zh) | 一种基于arima和相空间重构svr的母线净负荷预测方法 | |
CN104052058A (zh) | 一种基于马尔可夫链蒙特卡罗法的系统谐波概率评估方法 | |
CN105552902A (zh) | 基于馈线端实时量测的配电网终端负荷超短期预测方法 | |
CN112069727A (zh) | 具备高可信度的电力系统暂态稳定智能化评估系统及方法 | |
CN112990627B (zh) | 电能质量评估方法 | |
CN113065789A (zh) | 一种基于三标度层次分析法的制造成熟度等级快速自评方法 | |
CN115907511A (zh) | 可调节负荷资源价值评估模型的构建方法及装置 | |
CN110212592B (zh) | 基于分段线性表达的火电机组负荷调节最大速率估计方法及系统 | |
CN109558651B (zh) | 风电机组谐波发射参数置信区间估计方法 | |
CN111178613B (zh) | 一种用户用电行为综合预测方法及系统 | |
CN110210755B (zh) | 一种基于K_means聚类算法的用户需求响应能力评估方法 | |
CN116128690B (zh) | 一种碳排放量成本值计算方法、装置、设备及介质 | |
CN116629843A (zh) | 智能化柴油发电机组的远程预警与维护决策支持系统 | |
CN112100711A (zh) | 一种基于arima和pso-elm的混凝土坝变形组合预报模型构建方法 | |
CN114626207B (zh) | 构建面向工业负荷谐波发射水平的通用概率模型的方法 | |
CN110322063B (zh) | 一种耗电功率仿真预测方法及存储介质 | |
CN114356906A (zh) | 基于延迟嵌入分析的建筑动态时序数据重构方法及系统 | |
CN112035783A (zh) | 一种基于时频分析的风电功率特征评价方法 | |
CN113283300A (zh) | 一种抽水蓄能机组轴系劣化评估方法及装置 | |
Kong et al. | Advanced load modelling techniques for state estimation on distribution networks with multiple distributed generators | |
CN113486971B (zh) | 基于主成分分析和神经网络的用户状态识别方法、系统 | |
Cheung et al. | Behind-the-Meter Solar Generation Disaggregation at Varying Aggregation Levels Using Consumer Mixture Models | |
Xu et al. | Load identification method based on load feature extraction and fuzzy c mean clustering method |
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 |