CN111342499B - 一种基于风功率预测数据的风电场实时调度方法 - Google Patents

Abstract

本发明涉及一种基于风功率预测数据的风电场实时调度方法，所述方法包括数据获取、建立调度指标和优化控制方法。本发明将风电场的风机排布、风机间的尾流、湍流数据也作为影响风机有功出力的因素进行计算，根据功率预测系统的数据得到不同风向、风速时整场风机的实时最优出力调度，保证风电场发电量。

Description

一种基于风功率预测数据的风电场实时调度方法

技术领域

本发明涉及技术领域，具体是指一种基于风功率预测数据的风电场实时调度方法。

背景技术

随着我国环境问题的凸显，风力发电作为解决环境问题的有效手段之一，近十年来不断增长，并已成为我国继煤电、水电之后的第三大电源。截至2016年底，我国风电装机已达10万余台，累计装机容量达到1.69亿千瓦。根据我国风电“十三五”规划目标，到2020年底，风电累计并网装机容量确保达到2.1亿千瓦以上，其中海上风电并网装机容量达到500万千瓦以上；风电年发电量确保达到4200亿千瓦时，约占全国总发电量的6％。

虽然风电成为我国能源结构的重要组成部分，发展前景广阔，但近年来，我国风电产业发展面临诸多问题和挑战，其中弃风限电现象十分严重，已成为制约我国风电发展的重要因素，而彻底解决风电消纳问题仍需要较长的一段时间。然后，从全国范围来看，可利用低风速资源面积约占全国风能资源区的68％，主要集中在粤、桂、皖、湘、鄂、赣、川、滇、黔等地，接近电网负荷的受端地区，不存在远距离送电问题。因此，开发南方低风速、复杂地形风电场已经成为未来几年国内风电发展的主流。

发明内容

本发明要解决的技术问题是，克服现有技术缺点，提供一种基于风功率预测数据的风电场实时调度方法。

为解决上述技术问题，本发明提供的技术方案为：一种基于风功率预测数据的风电场实时调度方法，所述方法包括数据获取、建立调度指标和优化控制方法。

进一步的，所述数据获取包括如下操作步骤：

(1)根据风电场超短期功率预测系统数据，获取风电场超短期内的风向数据；

(2)根据风电场超短期功率预测系统数据，获取风电场在超短期内的在并网点输出功率P_Fmax；

(3)根据AGC系统获取风电场在并网点可输出的最大有功功率目标值P_max；

(4)根据风电场中央监控系统获取风电场风机数量N、风机当前有功功率P_I；

(5)故障预警系统获取风电场在未来可运行的风机数量N_I；

(6)确定定风电场拓扑模型，内容包含风机点位信息、线路类型、线路连接、线路型号、线路长度信息；

进一步的，所述建立调度指标包括如下操作步骤：

(1)风机功率控制系数X_I：

风机功率控制系数为机组当前出力与功率预测系统超短期预测出力单机平均值的差值，差值越大，则说明该机组被控优先级越高，公式表达式为：

(2)风机环境系数Y_I：

风机环境系数为风机在不同机位处，地理位置直接影响风机获取风能的大小，及对周围机组所产生的的尾流、湍流影响，Y_I＝f(N_I)；

为方便计算，将Y₁按照平均数方差法进行归一化计算，

式中，Y_mean为样本数据集中的均值；Y_var为样本数据集中的方差；

(3)风机线路系数Z_I：

风机之间由架空线路或者电缆进行连接，线路连接方案与长度直接决定了风电场内能量流动的方式，将线缆长度L与线缆电阻R换算出风机线路系数，其数学表达式为：Z_I＝L×R。

进一步的，所述优化控制方法包括如下操作步骤：

(1)读取AGC计划有功数据、风电场超短期功率预测数据计算出未来风电场并网点可输出最大有功率；

(2)读取风功率预测数据，读取超短期预测数据中的风向数据，用于判断风电场风机受力优先级；

(3)使用前期利用WT软件所计算出的风机排布数据，所得到尾流、湍流影响数据，计算出风机环境系数Y_I；

(4)采用多属性决策分析模型，将X_I、Y_I、Z_I、风电场AGC计划有功最大出力、当前各风机实时有功功率，可控制风机台数N_I作为变量进行实时分析，得到当前状态下的各台风机的有功最优出力值；

(5)重复(1)-(4)步骤，实时计算风电场有功最优出力。

本发明具有如下优点：本发明从风电场开发来看，其设计主要是基于前期2-3年的测风塔数据，并结合CFD软件进行仿真计算。平均来看，一个10-20平方公里的风电场场区会安装1-2个测风塔，但是复杂地形条件各异，测风塔的代表性大大降低，同时CFD计算模型也无法保证计算的精确性。因此，过去5-6年内诸多山地风电场项目由于缺乏足够精细化的前评估，导致部分机位年发电量大大低于可行性研究报告设计。因此，对已建成风电场进行风电场运行，可以通过后期进行有功功率合理调度，来优化风电场发电量具有重要意义。

本发明将风电场的风机排布、风机间的尾流、湍流数据也作为影响风机有功出力的因素进行计算，根据功率预测系统的数据得到不同风向、风速时整场风机的实时最优出力调度，保证风电场发电量。

附图说明

图1是本发明方法示意图。

具体实施方式

下面结合实施例对本发明做进一步的详细说明。

本发明在具体实施时，一种基于风功率预测数据的风电场实时调度方法，所述方法包括数据获取、建立调度指标和优化控制方法。

数据获取：

(1)根据风电场超短期功率预测系统数据，获取风电场超短期内的风向数据；

(2)根据风电场超短期功率预测系统数据，获取风电场在超短期内的在并网点输出功率P_Fmax；

(3)根据AGC系统获取风电场在并网点可输出的最大有功功率目标值P_max；

(4)根据风电场中央监控系统获取风电场风机数量N、风机当前有功功率P_I；

(5)故障预警系统获取风电场在未来可运行的风机数量N_I；

(6)确定定风电场拓扑模型，内容包含风机点位信息、线路类型、线路连接、线路型号、线路长度信息；

建立调度指标：

(1)风机功率控制系数X_I：

风机功率控制系数为机组当前出力与功率预测系统超短期预测出力单机平均值的差值，差值越大，则说明该机组被控优先级越高，公式表达式为：

(2)风机环境系数Y_I：

风机环境系数为风机在不同机位处，地理位置直接影响风机获取风能的大小，及对周围机组所产生的的尾流、湍流影响，Y_I＝f(N_I)；

为方便计算，将Y₁按照平均数方差法进行归一化计算，

式中，Y_mean为样本数据集中的均值；Y_var为样本数据集中的方差；

(3)风机线路系数Z_I：

风机之间由架空线路或者电缆进行连接，线路连接方案与长度直接决定了风电场内能量流动的方式，将线缆长度L与线缆电阻R换算出风机线路系数，其数学表达式为：Z_I＝L×R。

控制方法：

(1)读取AGC计划有功数据、风电场超短期功率预测数据计算出未来风电场并网点可输出最大有功率；

(2)读取风功率预测数据，读取超短期预测数据中的风向数据，用于判断风电场风机受力优先级；

(3)使用前期利用WT软件所计算出的风机排布数据，所得到尾流、湍流影响数据，计算出风机环境系数Y_I；

(4)采用多属性决策分析模型，将X_I、Y_I、Z_I、风电场AGC计划有功最大出力、当前各风机实时有功功率，可控制风机台数N_I作为变量进行实时分析，得到当前状态下的各台风机的有功最优出力值；

(5)重复(1)-(4)步骤，实时计算风电场有功最优出力。

无论采用单一模型方法还是组合模型预测方法，均需对复杂地形条件下的风电场进行专门优化，以适应风电场风功率预测精度的要求。以优化的物理模型+人工智能模型为例，采用微观气象学和计算流体力学(CFD)分析软件，以风电场的地理数据(地形、地表粗糙度)、风电机组坐标和轮毂高度、风廓线、热效应、风机功率曲线作为边界条件；建立包含湍流、尾流、风速、发电量结果的预测物理模型，再以数值天气预报作为输入数据，通过数学方法外推，得出每一台风机轮毂处的风速，进而得到每一台风机的输出功功率。此外，如风电场处于限负荷运行状态，系统会主动自适应的捕捉电场风电机组的运行模式，从而给出结合了现实运行情况和未来风资源情况的功率预报。一般，设置在风场主导风向上的即使位于3公里范围内的单独测风塔的数据也无法代表整个风场的风资源情况，为提供准确的预测结果，不仅需要采集实时测风塔数据，也要采集各风机的SCADA数据，对每台风机，结合CFD计算模型，经过数据修正算法消除了尾流、湍流、风向等影响因素。在建立针对山区的优化的风电场物理模型后，还需要人工智能模型进行修正，根据现场的发电情况，需要根据现场是否限电、各风机的运行状况，对各台风机进行计算，从而得出全场的预测功率。另外，还要考虑到检修计划，电网调度以及其他受限情况进行人工输入已知边界情况，对风电场上网预测功率实时调整。通过人工智能和优化物理模型，即可满足电网对测风数据以及其他气象数据的采集和上传要求，时间分辨率可以根据计算模型要求选取，从而使预测精度大幅提高。

以上各类数据来源不限于中央监控、功率预测、故障预警等风电场相关系统，可通过手动录入等方式建立数据来源。

风机环境系数来源不限于WT软件，其他类似气象分析模拟软件也可作为系数计算来源。

本发明充分考虑复杂地形情况下，尾流、湍流对的机组有功出力的影响，通过对整场机组有功出力进行实施调控，寻求最优的出力分配，保证整场有功出力最大化；利用WT软件作出前期各台机组的尾流、湍流等气流因素对围绕目标机组的其他风机提前计算出影响系数，为调控提供依照。

虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (1)

1.一种基于风功率预测数据的风电场实时调度方法，其特征在于：所述方法包括数据获取、建立调度指标和优化控制方法；

所述数据获取包括如下操作步骤：

(1)根据风电场超短期功率预测系统数据，获取风电场超短期内的风向数据；

(2)根据风电场超短期功率预测系统数据，获取风电场在超短期内的在并网点输出功率P_Fmax；

(3)根据AGC系统获取风电场在并网点可输出的最大有功功率目标值P_max；

(4)根据风电场中央监控系统获取风电场风机数量N、风机当前有功功率P_I；

(5)故障预警系统获取风电场在未来可运行的风机数量N_I；

(6)确定定风电场拓扑模型，内容包含风机点位信息、线路类型、线路连接、线路型号、线路长度信息；

所述建立调度指标包括如下操作步骤：

(1)风机功率控制系数X_I：

风机功率控制系数为机组当前出力与功率预测系统超短期预测出力单机平均值的差值，差值越大，则说明该机组被控优先级越高，公式表达式为：

(2)风机环境系数Y_I：

风机环境系数为风机在不同机位处，地理位置直接影响风机获取风能的大小，及对周围机组所产生的的尾流、湍流影响，Y_I＝f(N_I)；

为方便计算，将Y₁按照平均数方差法进行归一化计算，

式中，Y_mean为样本数据集中的均值；Y_var为样本数据集中的方差；

(3)风机线路系数Z_I：

风机之间由架空线路或者电缆进行连接，线路连接方案与长度直接决定了风电场内能量流动的方式，将线缆长度L与线缆电阻R换算出风机线路系数，其数学表达式为：Z_I＝L×R；

所述优化控制方法包括如下操作步骤：

(1)读取AGC计划有功数据、风电场超短期功率预测数据计算出未来风电场并网点可输出最大有功率；

(2)读取风功率预测数据，读取超短期预测数据中的风向数据，用于判断风电场风机受力优先级；

(3)使用前期利用WT软件所计算出的风机排布数据，所得到尾流、湍流影响数据，计算出风机环境系数Y_I；

(4)采用多属性决策分析模型，将X_I、Y_I、Z_I、风电场AGC计划有功最大出力、当前各风机实时有功功率，可控制风机台数N_I作为变量进行实时分析，得到当前状态下的各台风机的有功最优出力值；

(5)重复(1)-(4)步骤，实时计算风电场有功最优出力。