CN110378555A - 一种针对风力发电场功率调度过程效能评估方法 - Google Patents
一种针对风力发电场功率调度过程效能评估方法 Download PDFInfo
- Publication number
- CN110378555A CN110378555A CN201910499547.3A CN201910499547A CN110378555A CN 110378555 A CN110378555 A CN 110378555A CN 201910499547 A CN201910499547 A CN 201910499547A CN 110378555 A CN110378555 A CN 110378555A
- Authority
- CN
- China
- Prior art keywords
- wind
- index
- power
- evaluation
- electricity generation
- 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 22
- 238000011156 evaluation Methods 0.000 claims abstract description 32
- 230000005611 electricity Effects 0.000 claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims abstract description 8
- 239000002699 waste material Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种风力发电场功率调度过程效能评估方法。属于风力发电场功率调度领域;该方法的具体步骤如下,步骤一:建立风力发电效能评估的指标集;步骤二:确定评价指标的权重集;步骤三:建立单因素评价矩阵;步骤四:多级模糊综合评价;步骤五:使用最大隶属度法则进行综合效能评估。采用本发明所述的效能评估方法,可以实现风力发电场功率调度过程有效分析,对各种调度算法的效率统一评价。
Description
技术领域
本发明涉及风力发电场功率调度领域,具体涉及一种适用于功率调度过程的效能评估方法。
背景技术
基于风能的随机性、间歇性、波动性这些特点,导致风电场实际发电功率曲线不一定能够完全贴合理想标准。在清洁能源大力发展的时代背景下,风力发电的调度算法的研究十分热门,目前可以查阅到大量的风力发电调度算法,但是研究人员只是给出了调度算法,并没有对当前调度算法的优劣性进行分析。在一些情况下,根据当前调度算法来进行风电场功率调度达不到调度系统的理想效果。把未达到理想效果的调度算法直接投入实际使用,不仅会造成风电场调度资源的浪费,而且调度算法在理论研究和工程应用中来回调试也浪费时间。如果能够有一个风电功率调度算法的效能评估系统来评判当前调度算法的是否达到理想状态,通过评估的结果来决定该调度算法是否合格投入使用,这样的操作方法可以减少调度资源和时间的浪费。
要对一个算法进行效能评估,确定评估的指标体系。风力发电功率调度算法效能评估的评估目的是评估其完成任务的满意程度,首先必须明确调度算法的主要功能。作为一个风力发电调度系统来说,它的主要任务就是遵循某种规则在规定时间调度特定的几台风力机参与风力发电达到风电场要求的理想发电功率。那么影响风力发电功率调度算法的因素,就可作为风力发电功率调度算法的效能评估指标体系。对风力发电功率调度算法进行分析,确定调度算法的准确性、稳定性、安全性可作为三大主要影响调度算法效果的因素。
发明内容
针对上述问题,本发明提出了一种针对风力发电场功率调度过程效能评估方法,解决工程应用的风电场功率调度算法缺乏有效的效能评估方法问题,提出一种基于模糊理论的调度算法效能评估方法。该方法针对风电场功率调度算法提出评价指标集,在模糊理论的基础上对评价指标进行综合评价。本发明包括以下步骤:
步骤一,建立风力发电效能评估的指标集
步骤二,确定评价指标的权重集
步骤三,建立单因素评价矩阵
步骤四,多级模糊综合评价
步骤五,使用最大隶属度法则进行综合效能评估
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
图1为本发明的流程框图。
具体实施方式
下面将结合附图,详细阐述本发明的实施方式。如图1所示,本发明提出了一种针对风力发电场功率调度过程效能评估方法,包含以下五个步骤:
步骤一,建立风力发电效能评估的指标集
对风力发电功率调度算法进行目标分析,确定调度算法的准确性、稳定性、安全性作为风力发电功率调度算法的三大准则。在三个不同准则下面又分别有下属的指标集。
准确性的下属指标分别为目标总功率与实际总功率曲线差值、跟踪曲线最大误差和跟踪曲线平均误差.
稳定性的下属指标分别为跟踪曲线波动次数、跟踪曲线最大波动幅度和跟踪曲线平均波动幅度.
安全性的下属指标分别为风力机组最大启停次数、跟踪平均速率和跟踪最大速率。
步骤二,确定评价指标的权重集
获得各个指标之间两两对比的相对关系,得到各个评价指标的权重如表1所示。
表1评价指标权重表
步骤三,建立单因素评价矩阵
得到了准则层和指标层的权重之后,接着计算每一项指标的评价向量。使用模糊数学方法确定每个指标的模糊向量,因为风力发电功率调度算法的所有评价指标都能定量描述,采用梯形隶属度函数来求解指标的模糊向量。选取梯形隶属度函数为:
假设U为风力发电功率调度算法的综合效能,U1,U2,U3代表调度算法的准确性、稳定性和安全性指标,那么U={U1,U2,U3}。
准确性的下属指标目标总功率和实际总功率曲线差值U11、跟踪曲线平均误差U12以及跟踪曲线最大误差U13,那么U1={U11,U12,U13};稳定性的下属指标跟踪曲线波动次数U21、跟踪曲线平均波动幅度U22以及跟踪曲线最大波动幅度U23,那么U2={U21,U22,U23};安全性的下属指标风力机组最大启停次数U31、跟踪平均速率U32以及跟踪最大速率U33,那么U3={U31,U32,U33}。如表2所示。
表2下属指标隶属度函数表
下属指标通过上述的梯形隶属度函数,能够求得每个下属指标分别的模糊向量为R11,R12,R13,R21,R22,R23,R31,R32,R33,那么准确性、稳定性以及安全性的单因素评价矩阵分别如公式(2)、(3)、(4)所示:
步骤四,多级模糊综合评价
模糊综合评价向量是模糊合成算子A点成单因素评价矩阵R。首先进行一级模糊综合评价,对于准确性的综合评定向量W1:
W1=A1gR1 (5)
其中,模糊合成算子A1为准确性下属指标的权重集合,即:
A1={C1,C2,C3} (6)
同样稳定性的综合评定向量:
W2=A2gR2 (7)
安全性的综合评定向量:
W3=A3gR3 (8)
然后进行二级模糊综合评价,以U1,U2,U3作为元素,使用W1,W2,W3构造单因素评价矩阵R:
以U1,U2,U3的权重值作为二级模糊综合评价的模糊合成算子A:
A={B1,B2,B3} (10)
风力发电调度算法的综合评定向量为:
W=AgR (11)
步骤五,使用最大隶属度法则进行综合效能评估
对风力发电调度算法的综合评定向量进行归一化处理之后,根据最大隶属度法则的到综合效能评估结果。
Claims (4)
1.一种风力发电场功率调度过程效能评估方法。其特征在于:包括以下数据处理步骤:
步骤一,建立风力发电效能评估的指标集;
步骤二,确定评价指标的权重集;
步骤三,建立单因素评价矩阵;
步骤四,多级模糊综合评价;
步骤五,使用最大隶属度法则进行综合效能评估。
2.根据权利要求1所述的步骤一:建立风力发电效能评估的指标集,其特征在于:对风力发电功率调度算法进行目标分析,确定调度算法的准确性、稳定性、安全性作为风力发电功率调度算法的三大准则。在三个不同准则下面又分别有下属的指标集。
准确性的下属指标分别为目标总功率与实际总功率曲线差值、跟踪曲线最大误差和跟踪曲线平均误差。
稳定性的下属指标分别为跟踪曲线波动次数、跟踪曲线最大波动幅度和跟踪曲线平均波动幅度。
安全性的下属指标分别为风力机组最大启停次数、跟踪平均速率和跟踪最大速率。
3.根据权利要求1所述的步骤二:确定评价指标的权重集,其特征在于:对风力发电效能评估的指标集建立了评估集。
4.根据权利要求1所述的步骤三:建立单因素评价矩阵。对风力发电效能评估中的准则层和指标层的权重,建立每一项指标的评价向量计算。构建对应的每个指标的模糊向量,对风力发电功率调度算法的所有评价指标都能定量描述。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910499547.3A CN110378555A (zh) | 2019-06-11 | 2019-06-11 | 一种针对风力发电场功率调度过程效能评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910499547.3A CN110378555A (zh) | 2019-06-11 | 2019-06-11 | 一种针对风力发电场功率调度过程效能评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110378555A true CN110378555A (zh) | 2019-10-25 |
Family
ID=68249999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910499547.3A Pending CN110378555A (zh) | 2019-06-11 | 2019-06-11 | 一种针对风力发电场功率调度过程效能评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110378555A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110175353A1 (en) * | 2010-01-20 | 2011-07-21 | Per Egedal | Wind farm power control based on matrix reflecting a power load distribution between individual wind turbines |
TW201245997A (en) * | 2011-04-08 | 2012-11-16 | Ind Tech Res Inst | Method and apparatus for evaluating efficiency of wind generator |
DE202013009044U1 (de) * | 2013-10-11 | 2014-01-10 | Krentzel Gmbh | Elektrisches Heizungssystem für erneuerbare Energieerzeuger |
CN105373962A (zh) * | 2014-08-29 | 2016-03-02 | 国家电网公司 | 一种基于全能流模型的微电网综合评估方法 |
CN105373842A (zh) * | 2014-08-29 | 2016-03-02 | 国家电网公司 | 一种基于全能流模型的微电网能量优化与评估方法 |
CN107563564A (zh) * | 2017-09-14 | 2018-01-09 | 重庆大学 | 一种风电场调度过程的效能评估方法 |
CN108053109A (zh) * | 2017-12-08 | 2018-05-18 | 长春工程学院 | 一种分布式能源发电机组能效评估方法 |
CN108256772A (zh) * | 2018-01-25 | 2018-07-06 | 国网浙江省电力有限公司经济技术研究院 | 一种用户侧灵活资源调度不确定性风险评估方法及系统 |
CN109118067A (zh) * | 2018-07-27 | 2019-01-01 | 华北电力大学 | 一种可再生能源发展潜力评估方法 |
CN109559012A (zh) * | 2018-10-18 | 2019-04-02 | 国网山东省电力公司经济技术研究院 | 一种风电并网条件下电网规划方案综合评价方法 |
-
2019
- 2019-06-11 CN CN201910499547.3A patent/CN110378555A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110175353A1 (en) * | 2010-01-20 | 2011-07-21 | Per Egedal | Wind farm power control based on matrix reflecting a power load distribution between individual wind turbines |
TW201245997A (en) * | 2011-04-08 | 2012-11-16 | Ind Tech Res Inst | Method and apparatus for evaluating efficiency of wind generator |
DE202013009044U1 (de) * | 2013-10-11 | 2014-01-10 | Krentzel Gmbh | Elektrisches Heizungssystem für erneuerbare Energieerzeuger |
CN105373962A (zh) * | 2014-08-29 | 2016-03-02 | 国家电网公司 | 一种基于全能流模型的微电网综合评估方法 |
CN105373842A (zh) * | 2014-08-29 | 2016-03-02 | 国家电网公司 | 一种基于全能流模型的微电网能量优化与评估方法 |
CN107563564A (zh) * | 2017-09-14 | 2018-01-09 | 重庆大学 | 一种风电场调度过程的效能评估方法 |
CN108053109A (zh) * | 2017-12-08 | 2018-05-18 | 长春工程学院 | 一种分布式能源发电机组能效评估方法 |
CN108256772A (zh) * | 2018-01-25 | 2018-07-06 | 国网浙江省电力有限公司经济技术研究院 | 一种用户侧灵活资源调度不确定性风险评估方法及系统 |
CN109118067A (zh) * | 2018-07-27 | 2019-01-01 | 华北电力大学 | 一种可再生能源发展潜力评估方法 |
CN109559012A (zh) * | 2018-10-18 | 2019-04-02 | 国网山东省电力公司经济技术研究院 | 一种风电并网条件下电网规划方案综合评价方法 |
Non-Patent Citations (1)
Title |
---|
赵君等: "一种多风电场区域无功补偿协调策略评价方法", 《电测与仪表》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sulaeman et al. | A wind farm reliability model considering both wind variability and turbine forced outages | |
CN105186514B (zh) | 一种大规模分布式光伏并网对配网安全评价及预警方法 | |
Brekken et al. | Optimal energy storage sizing and control for wind power applications | |
Wang et al. | Decision tree based online stability assessment scheme for power systems with renewable generations | |
CN110428168A (zh) | 一种计及储能的多能源配电系统协调调度综合评价方法 | |
CN104573879A (zh) | 基于最优相似日集的光伏电站出力预测方法 | |
CN105701554A (zh) | 基于海量计量数据的用电设备能效混沌分析方法 | |
CN104408562A (zh) | 一种基于bp神经网络的光伏系统发电效率综合评估方法 | |
CN103559540A (zh) | 基于自适应神经模糊推理系统的风速超短期在线预测方法 | |
CN110705887A (zh) | 一种基于神经网络模型的低压台区运行状态综合评价方法 | |
Chang | Comparison of three short term wind power forecasting methods | |
CN114595762A (zh) | 一种光伏电站异常数据序列提取方法 | |
CN116266331A (zh) | 电网公司区域内的电力能源结构监测方法及装置 | |
Wang et al. | Renewable energy accommodation capability evaluation of power system with wind power and photovoltaic integration | |
CN105160166A (zh) | 一种光伏阵列状态判断方法 | |
Lin et al. | On-line monitoring and fault diagnosis of PV array based on BP neural network optimized by genetic algorithm | |
CN110378555A (zh) | 一种针对风力发电场功率调度过程效能评估方法 | |
CN103065049A (zh) | 一种基于coif5小波实时分解的风电功率实时预测计算方法 | |
Liu et al. | FSR‐SSL: A fault sample rebalancing framework based on semi‐supervised learning for PV fault diagnosis | |
Parreno | Analysis and forecasting of electricity demand in Davao del Sur, Philippines | |
Bracale et al. | A Bayesian-based approach for the short-term forecasting of electrical loads in smart grids.: Part II: numerical applications | |
CN110334951B (zh) | 一种风电机组高温降容状态的智能评估方法及系统 | |
Wang et al. | BP neural network model based on cluster analysis for wind power prediction | |
Wei et al. | Ultra-short-term/short-term wind power continuous prediction based on fuzzy clustering analysis | |
Guo et al. | The construction of running data analysis platform for pumped storage power station |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191025 |