CN112287531B - 一种考虑台风影响的海上风电场多状态可靠性获取方法 - Google Patents

一种考虑台风影响的海上风电场多状态可靠性获取方法 Download PDF

Info

Publication number
CN112287531B
CN112287531B CN202011123197.XA CN202011123197A CN112287531B CN 112287531 B CN112287531 B CN 112287531B CN 202011123197 A CN202011123197 A CN 202011123197A CN 112287531 B CN112287531 B CN 112287531B
Authority
CN
China
Prior art keywords
typhoon
state
wind speed
wind
unit time
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
Application number
CN202011123197.XA
Other languages
English (en)
Other versions
CN112287531A (zh
Inventor
黄阮明
张梦瑶
张铭
乔卫东
王海群
费斐
郭明星
张铭泽
庞爱莉
李欣悦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Shanghai Electric Power Co Ltd
Original Assignee
State Grid Shanghai Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Shanghai Electric Power Co Ltd filed Critical State Grid Shanghai Electric Power Co Ltd
Priority to CN202011123197.XA priority Critical patent/CN112287531B/zh
Publication of CN112287531A publication Critical patent/CN112287531A/zh
Application granted granted Critical
Publication of CN112287531B publication Critical patent/CN112287531B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Wind Motors (AREA)

Abstract

本发明涉及一种考虑台风影响的海上风电场多状态可靠性获取方法，包括以下步骤：S1：获取海上风电机组的寿命周期和每一单位时间的初始故障率和单台风机的初始风速数据；S2：获取寿命周期内每一单位时间内的台风关键参数，并对风电机组初始故障率进行修正；S3：利用单台风机的初始风速数据和聚类算法对单台风机进行出力状态划分；S4：利用马尔可夫链模型建立寿命周期各单位时间的单台机组多状态模型；S5：组合单台机组多状态模型，建立海上风电场的多状态可靠性模型，获取海上风电机组寿命周期内每个单位时间内的可靠性参数数据，用于对海上风电场的可靠性评估，与现有技术相比，本发明具有符合实际、准确性高、可信度高等优点。

Description

一种考虑台风影响的海上风电场多状态可靠性获取方法
技术领域
本发明涉及电力系统发电输电领域，尤其是涉及一种考虑台风影响的海上风电场多状态可靠性获取方法。
背景技术
近年来能源枯竭、环境污染问题日益严峻，而新能源发电具有无污染、可持续等特点，其应用前景极为广阔。风能是清洁的可再生能源，大力开发可再生能源是合理调整电源结构的需要，也是国内能源发展战略的重要组成部分。而海上风电场是风力发电的研究热点和未来风能利用的重要方向。
相较陆上风电而言，海上风电具有三大优势：一是海上风速高，风速较为稳定，海上风力资源丰富，比陆地风力发电产能大；二是海上风电场靠近沿海用电负荷中心，可减少远距离输电成本；三是对环境负面影响较少，允许安装单机容量更大的风机，非常适合大规模开发。目前世界上最大的海上风力发电厂为英国的“伦敦阵列项目”，总装机容量为630MW。我国海上风力资源丰富，开发海上风力资源具有重要的现实意义。在建的23个海上风电项目分布在江苏、福建、浙江、广东、河北、辽宁和上海7个省(市)海域。其中江苏海域7个在建项目共计2107.34MW；福建海域6个在建项目共计1620MW；广东海域5个在建项目共计1500MW；辽宁海域2个在建项目共计599.85MW；河北海域1个在建项目300MW；浙江海域1个在建项目252MW；上海海域1个在建项目100MW。
但是海上风电场的运行条件严酷，台风等极端恶劣的天气会使电气设备故障率增大，海上维修可进入性变差，从而严重影响海上风电场的可靠性水平。可靠性对于海上风电场的运行具有重要的意义。随着海上风电机组单机容量和海上风电场规模的不断增大，在考虑台风影响的条件下，对海上风电场寿命期内的可靠性的评估已成为亟须解决的关键问题之一。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑台风影响的海上风电场多状态可靠性获取方法。
本发明的目的可以通过以下技术方案来实现：
一种考虑台风影响的海上风电场多状态可靠性获取方法，用于得到海上风电机组寿命周期内每个设定的单位时间内的可靠性参数数据，包括以下步骤：
S1：获取海上风电机组的寿命周期，并获取寿命周期内风电机组每一单位时间的初始故障率和单台风机的初始风速数据；
S2：获取寿命周期内每一单位时间内的台风关键参数，并根据台风对单台机组故障率的影响，对风电机组寿命周期内每一单位时间的初始故障率进行修正；
S3：利用单台风机的初始风速数据和聚类算法对单台风机进行出力状态划分；
S4：利用马尔可夫链模型，根据单台风机的出力状态和修正后的初始故障率，建立寿命周期各单位时间的单台机组多状态模型；
S5：组合单台机组多状态模型，建立海上风电场的多状态可靠性模型，获取海上风电机组寿命周期内每个单位时间内的可靠性参数数据，用于对海上风电场的可靠性评估。
进一步地，所述的台风关键参数包括年台风出现频率、台风移动方向、台风移动速度、台风最小距离和台风中心气压差。
进一步地，所述的台风对单台机组故障率的影响通过据Batts风场模型以及风速与故障率关系公式确定。
更进一步地，所述的Batts风场模型的表达式为：
Figure BDA0002732742340000021
Figure BDA0002732742340000022
Figure BDA0002732742340000023
Figure BDA0002732742340000024
其中，Vgx为台风场最大梯度风速，K为经验常数，f为科氏系数，其值为f＝2ωsinψ，ω为地球自转角速度，ψ为纬度，
Figure BDA0002732742340000025
为海平面10米高度处的平均最大风速，VT为台风移动速度，Rmax为台风最大风速半径，r为观测点到台风中心的距离，V10,r为距海平面10m处，与台风中心相距为r处的风速；
所述的风速与故障率关系公式为：
Figure BDA0002732742340000031
Figure BDA0002732742340000032
Figure BDA0002732742340000033
其中，βz为风振系数，μz为风压高度变化系数，μs为体形系数，ρ为空气密度，λmin为切入风速时对应的故障率，vci为切入风速，λmax为切出风速时对应的故障率，vco为切出风速。
进一步地，所述的步骤S2中，对风电机组寿命周期内每一单位时间的初始故障率进行修正的表达式为：
Figure BDA0002732742340000034
其中，λi为第i个单位时间的初始故障率，Ti为第i个单位时间内受台风影响的时间，ni为第i个单位时间内的台风数量，Tiks和Tike分别为第i个单位时间内第k个台风的起始时间和终止时间。
进一步地，所述的步骤S3中，首先利用风速与功率关系，根据单台风机的初始风速数据获取单台风机的输出功率，然后通过k-means聚类算法对单台风机输出功率场景聚类到多个离散的功率状态。
更进一步地，所述的风速与功率关系的表达式为：
Figure BDA0002732742340000035
Figure BDA0002732742340000036
其中，p为单台风机的输出功率，pr为单台风机的额定功率，v为风速，vci为切入风速，vr为额定风速，vco为切出风速，A、B和C为模型参数。
进一步地，所述的步骤S4中，首先利用马尔可夫链模型表征单台风电机组所有的工作运行状态，然后计算各状态之间的转移概率，所述的各状态之间的转移概率的计算式为：
Figure BDA0002732742340000041
其中，rij为从状态i转移到状态j的转移概率，Nij从状态i转移到状态j的次数，Ti为状态i在整个计算周期内出现的次数。
进一步地，所述的步骤S5中，采用状态空间图组合单台机组多状态模型，建立海上风电场的多状态可靠性模型。
进一步地，所述的每一单位时间的初始故障率为上一单位时间内修正的故障率，第一个单位时间的初始故障率通过文献数据或实际运行数据获得，所述的单位时间设定为一年。
与现有技术相比，本发明具有以下优点：
1)本发明的方法考虑台风对海上风电机组输出功率的影响以及风电机组故障率的累积影响，考虑风电机组随机故障下的风电场出力多状态模型，考虑因素多且符合实际风电机组故障情况，通过本发明方法获取的可靠性参数准确，可信度高；
2)本发明方法所建立的考虑台风影响的海上风电场寿命期内的多状态可靠性模型，更加符合实际工程中海上风电场的出力模型，为海上风电场接入受端电网的可靠性评估提供了有效的计算参考标准。
附图说明
图1为本发明中考虑台风影响海上风电多状态可靠性模型流程图；
图2为本发明中不考虑风机随机故障单台风电机组状态空间图；
图3为本发明中考虑风机随机故障后单台风电机组状态空间图(未标出非相邻状态之间的转移关系)；
图4为本发明中考虑风机随机故障后n台风电机组状态空间图(未标出非相邻状态之间的转移关系)。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
实施例
如图1所示，一种考虑台风影响的海上风电场多状态可靠性获取方法，用于得到海上风电机组寿命周期内每个设定的单位时间内的可靠性参数数据，包括以下步骤：
S1：获取海上风电机组的寿命周期，并获取寿命周期内风电机组每一单位时间的初始故障率和单台风机的初始风速数据；
S2：获取寿命周期内每一单位时间内的台风关键参数，并根据台风对单台机组故障率的影响，对风电机组寿命周期内每一单位时间的初始故障率进行修正；
S3：利用单台风机的初始风速数据和聚类算法对单台风机进行出力状态划分；
S4：利用马尔可夫链模型，根据单台风机的出力状态和修正后的初始故障率，建立寿命周期各单位时间的单台机组多状态模型；
S5：组合单台机组多状态模型，建立海上风电场的多状态可靠性模型，获取海上风电机组寿命周期内每个单位时间内的可靠性参数数据，用于对海上风电场的可靠性评估。
本发明所要解决的主要技术问题是考虑台风对海上风电机组输出功率的影响以及风电机组故障率的累积影响，考虑风电机组随机故障下的风电场出力多状态模型。本发明提出的一种考虑考虑台风影响的海上风电场寿命期内的多状态可靠性模型，主要包括以下几步骤：
步骤1：通过海上风电单台机组一年的实测风速数据和风速与功率关系确定单台风机一年的输出功率，通过K-means聚类算法对单台风机出力进行状态划分。
风速与功率关系公式为风速与功率关系的表达式为：
Figure BDA0002732742340000051
其中，p为单台风机的输出功率，pr为单台风机的额定功率，v为风速，vci为切入风速，vr为额定风速，vco为切出风速，A、B和C为模型参数，计算公式如下：
Figure BDA0002732742340000061
根据一年风速数据和风速与功率间关系可得到一年单台风机的输出功率，采用k-means聚类算法将一年的单台风机输出功率场景聚类到多个离散的功率状态，其准则函数为：
Figure BDA0002732742340000062
式中，k表示聚类个数；xi表示属于第i的样本数据；Ci表示第i个聚类中心。
步骤2：确定海上风电机组第一年初的初始故障率和修复率等可靠性参数，根据Batts风场模型以及风速与故障率间数学关系确定台风对单台机组风速和故障率的影响，并根据寿命期内每年台风关键参数的抽样修正风电机组寿命期内各年的初始故障率。
确定海上风电机组第一年初的初始故障率和修复率等可靠性参数由文献数据或实际运行数据获得。Batts风场模型，采用公式：
Figure BDA0002732742340000063
Figure BDA0002732742340000064
Figure BDA0002732742340000065
Figure BDA0002732742340000066
其中，Vgx为台风场最大梯度风速，K为经验常数，f为科氏系数，其值为f＝2ωsinψ，ω为地球自转角速度，ψ为纬度，
Figure BDA0002732742340000067
为海平面10米高度处的平均最大风速，VT为台风移动速度，Rmax为台风最大风速半径，r为观测点到台风中心的距离，V10,r为距海平面10m处，与台风中心相距为r处的风速；
台风关键参数包括年台风出现频率、台风移动方向、台风移动速度、台风最小距离和台风中心气压差。其中，年台风出现频率服从泊松分布，台风移动方向服从双正态分布，台风移动速度服从对数正态分布，台风最小距离服从均匀分布，台风中心气压差服从对数正态分布。
风速与故障率关系公式为：
Figure BDA0002732742340000071
Figure BDA0002732742340000072
Figure BDA0002732742340000073
其中，βz为风振系数，μz为风压高度变化系数，μs为体形系数，ρ为空气密度，λmin为切入风速时对应的故障率，vci为切入风速，λmax为切出风速时对应的故障率，vco为切出风速。
对风电机组寿命周期内每一单位时间的初始故障率进行修正的表达式为：
Figure BDA0002732742340000074
其中，λi为第i个单位时间的初始故障率，Ti为第i个单位时间内受台风影响的时间，ni为第i个单位时间内的台风数量，Tiks和Tike分别为第i个单位时间内第k个台风的起始时间和终止时间。
步骤3：利用马尔可夫链模型表征单台风电机组所有的工作运行状态，确定寿命周期内各年的单台机组多状态模型。
通过聚类后可以得到单台风电机组出力的Markov模型，如图2所示。其中，Si表示聚类后的状态，m为聚类状态总数，rij为从状态i到状态j的转移率为：
Figure BDA0002732742340000075
其中，rij为从状态i转移到状态j的转移概率，Nij从状态i转移到状态j的次数，Ti为状态i在整个计算周期内出现的次数。
考虑风机随机故障后的单台风电机组状态空间图如图3，其中，λ为单台风机故障率，μ为单台风机修复率。根据状态空间图可以写出考虑风机随机故障的单台风机的转移状态概率矩阵T，求解线性方程组，便可得到图3中各状态对应的稳态概率：
Figure BDA0002732742340000081
其中，P为稳态概率矩阵且P＝{p1,p2,...,pN}，N为状态转移图中的状态总数。
其中，虚线框中为单台风机出力为0的状态，可以进行状态合并。
步骤4：组合单台机组多状态模型，建立海上风电场的多状态可靠性模型。
考虑风机随机故障后的n台风电机组状态空间图如图4，其中，n为风机数量，λ为单台风机故障率，μ为单台风机修复率。根据状态空间图可以写出考虑随机故障的n台风机的转移状态概率矩阵T，求解线性方程组，便可得到图4中各状态对应的稳态概率。由于n台风机输出功率状态数较多，为了提高计算效率，同样根据上述K-值聚类算法对n台风机组成的风电场的输出功率进行聚类，确定最优的风电场状态划分数目，建立海上风电场的多状态可靠性模型。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种考虑台风影响的海上风电场多状态可靠性获取方法，用于得到海上风电机组寿命周期内每个设定的单位时间内的可靠性参数数据，其特征在于，包括以下步骤：
S1：获取海上风电机组的寿命周期，并获取寿命周期内风电机组每一单位时间的初始故障率和单台风机的初始风速数据；
S2：获取寿命周期内每一单位时间内的台风关键参数，并根据台风对单台机组故障率的影响，对风电机组寿命周期内每一单位时间的初始故障率进行修正；
S3：利用单台风机的初始风速数据和聚类算法对单台风机进行出力状态划分；
S4：利用马尔可夫链模型，根据单台风机的出力状态和修正后的初始故障率，建立寿命周期各单位时间的单台机组多状态模型；
S5：组合单台机组多状态模型，建立海上风电场的多状态可靠性模型，获取海上风电机组寿命周期内每个单位时间内的可靠性参数数据，用于对海上风电场的可靠性评估。
2.根据权利要求1所述的一种考虑台风影响的海上风电场多状态可靠性获取方法，其特征在于，所述的台风关键参数包括年台风出现频率、台风移动方向、台风移动速度、台风最小距离和台风中心气压差。
3.根据权利要求2所述的一种考虑台风影响的海上风电场多状态可靠性获取方法，其特征在于，所述的台风对单台机组故障率的影响通过据Batts风场模型以及风速与故障率关系公式确定。
4.根据权利要求3所述的一种考虑台风影响的海上风电场多状态可靠性获取方法，其特征在于，所述的Batts风场模型的表达式为：
Figure FDA0002732742330000011
Figure FDA0002732742330000012
Figure FDA0002732742330000013
Figure FDA0002732742330000014
其中，Vgx为台风场最大梯度风速，K为经验常数，f为科氏系数，其值为f＝2ωsinψ，ω为地球自转角速度，ψ为纬度，
Figure FDA0002732742330000015
为海平面10米高度处的平均最大风速，VT为台风移动速度，Rmax为台风最大风速半径，r为观测点到台风中心的距离，V10,r为距海平面10m处，与台风中心相距为r处的风速；
所述的风速与故障率关系公式为：
Figure FDA0002732742330000021
Figure FDA0002732742330000022
Figure FDA0002732742330000023
其中，βz为风振系数，μz为风压高度变化系数，μs为体形系数，ρ为空气密度，λmin为切入风速时对应的故障率，vci为切入风速，λmax为切出风速时对应的故障率，vco为切出风速。
5.根据权利要求1所述的一种考虑台风影响的海上风电场多状态可靠性获取方法，其特征在于，所述的步骤S2中，对风电机组寿命周期内每一单位时间的初始故障率进行修正的表达式为：
Figure FDA0002732742330000024
其中，λi为第i个单位时间的初始故障率，Ti为第i个单位时间内受台风影响的时间，ni为第i个单位时间内的台风数量，Tiks和Tike分别为第i个单位时间内第k个台风的起始时间和终止时间。
6.根据权利要求1所述的一种考虑台风影响的海上风电场多状态可靠性获取方法，其特征在于，所述的步骤S3中，首先利用风速与功率关系，根据单台风机的初始风速数据获取单台风机的输出功率，然后通过k-means聚类算法对单台风机输出功率场景聚类到多个离散的功率状态。
7.根据权利要求6所述的一种考虑台风影响的海上风电场多状态可靠性获取方法，其特征在于，所述的风速与功率关系的表达式为：
Figure FDA0002732742330000025
Figure FDA0002732742330000031
其中，p为单台风机的输出功率，pr为单台风机的额定功率，v为风速，vci为切入风速，vr为额定风速，vco为切出风速，A、B和C为模型参数。
8.根据权利要求1所述的一种考虑台风影响的海上风电场多状态可靠性获取方法，其特征在于，所述的步骤S4中，首先利用马尔可夫链模型表征单台风电机组所有的工作运行状态，然后计算各状态之间的转移概率，所述的各状态之间的转移概率的计算式为：
Figure FDA0002732742330000032
其中，rij为从状态i转移到状态j的转移概率，Nij从状态i转移到状态j的次数，Ti为状态i在整个计算周期内出现的次数。
9.根据权利要求1所述的一种考虑台风影响的海上风电场多状态可靠性获取方法，其特征在于，所述的步骤S5中，采用状态空间图组合单台机组多状态模型，建立海上风电场的多状态可靠性模型。
10.根据权利要求1所述的一种考虑台风影响的海上风电场多状态可靠性获取方法，其特征在于，所述的每一单位时间的初始故障率为上一单位时间内修正的故障率，第一个单位时间的初始故障率通过文献数据或实际运行数据获得，所述的单位时间设定为一年。
CN202011123197.XA 2020-10-20 2020-10-20 一种考虑台风影响的海上风电场多状态可靠性获取方法 Active CN112287531B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011123197.XA CN112287531B (zh) 2020-10-20 2020-10-20 一种考虑台风影响的海上风电场多状态可靠性获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011123197.XA CN112287531B (zh) 2020-10-20 2020-10-20 一种考虑台风影响的海上风电场多状态可靠性获取方法

Publications (2)

Publication Number Publication Date
CN112287531A CN112287531A (zh) 2021-01-29
CN112287531B true CN112287531B (zh) 2022-10-18

Family

ID=74424059

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011123197.XA Active CN112287531B (zh) 2020-10-20 2020-10-20 一种考虑台风影响的海上风电场多状态可靠性获取方法

Country Status (1)

Country Link
CN (1) CN112287531B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20240037293A1 (en) * 2022-07-26 2024-02-01 North China Electric Power University Method and device for analyzing virtual power plant operation risk

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114792053B (zh) * 2022-04-24 2022-10-11 哈尔滨工业大学 一种基于初值-速率相关退化模型的可靠性评估方法
CN116523349B (zh) * 2023-05-19 2024-01-23 北京协合运维风电技术有限公司 一种风力电站可靠性分析方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102709909A (zh) * 2012-06-19 2012-10-03 辽宁省电力有限公司沈阳供电公司 风力发电接入时的主动配电网可靠性评估方法
CN105224760A (zh) * 2015-10-19 2016-01-06 重庆大学 一种基于风电场的vsc-hvdc并网系统可靠性计算方法
CN110570122A (zh) * 2019-09-10 2019-12-13 重庆大学 一种计及风速季节特性及集电系统元件故障的海上风电场可靠性评估方法
CN111786415A (zh) * 2020-07-30 2020-10-16 南方电网科学研究院有限责任公司 一种考虑风电变流器故障的海上风电场可靠性评估方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102709909A (zh) * 2012-06-19 2012-10-03 辽宁省电力有限公司沈阳供电公司 风力发电接入时的主动配电网可靠性评估方法
CN105224760A (zh) * 2015-10-19 2016-01-06 重庆大学 一种基于风电场的vsc-hvdc并网系统可靠性计算方法
CN110570122A (zh) * 2019-09-10 2019-12-13 重庆大学 一种计及风速季节特性及集电系统元件故障的海上风电场可靠性评估方法
CN111786415A (zh) * 2020-07-30 2020-10-16 南方电网科学研究院有限责任公司 一种考虑风电变流器故障的海上风电场可靠性评估方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于解析法的风电场可靠性模型;姜文等;《电力自动化设备》;20101010(第10期);全文 *
基于马尔科夫法和序贯蒙特卡洛抽样的风电场可靠性评估;郑小霞等;《上海电力学院学报》;20190415(第02期);全文 *
考虑风电机组故障的风电场可靠性模型及其应用;吴林伟等;《电力系统自动化》;20120825(第16期);全文 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20240037293A1 (en) * 2022-07-26 2024-02-01 North China Electric Power University Method and device for analyzing virtual power plant operation risk

Also Published As

Publication number Publication date
CN112287531A (zh) 2021-01-29

Similar Documents

Publication Publication Date Title
CN112287531B (zh) 一种考虑台风影响的海上风电场多状态可靠性获取方法
CN103475021B (zh) 一种基于统计模型的风电场弃风电量确定方法
CN103138256B (zh) 一种新能源电力消纳全景分析系统及方法
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
CN103248048B (zh) 一种弃风电量预估方法
CN110808608A (zh) 规模化新能源参与受端电网调频调压能力评估方法及系统
CN112231361A (zh) 一种基于风机运行数据的风电项目发电量评估方法
CN103955521A (zh) 一种风电场机群划分方法
CN101277014A (zh) 风力发电接入系统方案选择方法
CN111342499B (zh) 一种基于风功率预测数据的风电场实时调度方法
Wu et al. Development of an equivalent wind farm model for frequency regulation
CN111342501B (zh) 一种含分布式电源微电网的无功功率控制方法
Sun Power instability prediction method for wind turbine based on fuzzy decision tree
WO2023103448A1 (zh) 一种风力发电机组定制化设计方法
CN115276051A (zh) 考虑新能源和储能响应特性的受端城市电网弹性评估方法
El-Bshah et al. Resource assessment of wind energy potential of Mokha in Yemen with Weibull speed
CN103235850B (zh) 比较风电场设计水平的系统和方法
CN111794921A (zh) 一种基于迁移成分分析的陆上风电机组叶片结冰诊断方法
Wang et al. Complementary and coordinated optimal dispatch solution for hybrid thermalwind-PV power grid with energy storage
CN114564815B (zh) 基于布雷斯悖论效应的电力系统可靠性与经济性建模方法
CN117892521A (zh) 考虑风资源波动性约束的海上风电场集群可靠性评估方法
Cao et al. Equivalence method for wind farm based on clustering of output power time series data
Dai et al. Research on Equivalent Modeling of Wind Farm Based on Error Correction Method
CN113471977A (zh) 一种区域电网中光伏发电参数整定方法和系统
CN115456086A (zh) 基于误差校正模型的风电场精准等值建模方法

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