CN113626990B - 基于风功率预测测风塔的风电机组功率曲线验证方法 - Google Patents

基于风功率预测测风塔的风电机组功率曲线验证方法 Download PDF

Info

Publication number
CN113626990B
CN113626990B CN202110815758.0A CN202110815758A CN113626990B CN 113626990 B CN113626990 B CN 113626990B CN 202110815758 A CN202110815758 A CN 202110815758A CN 113626990 B CN113626990 B CN 113626990B
Authority
CN
China
Prior art keywords
wind
power
wind turbine
data
verified
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
CN202110815758.0A
Other languages
English (en)
Other versions
CN113626990A (zh
Inventor
苏中莹
高韬深
李诗峰
曹胜平
苏凤宇
吴国娟
聂亦佳
李少杰
王湛
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.)
Xuchang Xuji Wind Power Technology Co Ltd
Original Assignee
Xuchang Xuji Wind Power Technology 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 Xuchang Xuji Wind Power Technology Co Ltd filed Critical Xuchang Xuji Wind Power Technology Co Ltd
Priority to CN202110815758.0A priority Critical patent/CN113626990B/zh
Publication of CN113626990A publication Critical patent/CN113626990A/zh
Application granted granted Critical
Publication of CN113626990B publication Critical patent/CN113626990B/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
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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

  • 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)
  • Power Engineering (AREA)
  • Wind Motors (AREA)

Abstract

本发明涉及一种基于风功率预测测风塔的风电机组功率曲线验证方法，不单独安装测风塔，利用风电场内已设立风功率预测测风塔数据，以期得到风电机组的自由流风速，进而对风电场风电机组的功率曲线进行验证。通过对风功率预测风向数据的矢量处理，充分保障风电场风向计算合理性，其风向数据更真实的反映风电场风向特征。引入风电机组的风速衰减因子Cwake，在充分利用风电场Scada记录的风电机组实时数据，可以更真实地计算风电机组的自由流风速，表现其实际运行风况特征；引入风电机组的湍流强度计算公式，以期得到近似的地形动态特征。

Description

基于风功率预测测风塔的风电机组功率曲线验证方法
技术领域
本发明涉及风力发电技术领域，尤其涉及一种基于风功率预测测风塔的风电机组功率曲线验证方法。
背景技术
目前，风电场风电机组功率曲线考核方法都是在风电场建成后，通过设立单独的测风塔完成的风电机组功率特性验证。此方法需要耗费较多人力、物力、时间及资金，并且需要1-3个月时间。如果能够寻求一种不需要新建立测风塔，就可以达到风电机组功率曲线考核的方法。不仅可以节省确风电场额外投资，而且可以快速对风电机组功率曲线性能进行验证。并且该功率曲线处理方法符合标准，对评估风电场风电机组的功率曲线特性具有十分重要的意义。
A)节省风电场投资，不需重新设立测风塔。
B)可对风电机组的功率特性快速验证。
C)适应性好，可应用于不同风电场。
现有技术方案，基于测风塔数据外推法的风电场理论功率计算方法(CN201410362935.4)，基于测风塔数据采用微观气象学理论或计算流体力学的方法，将测风塔风速外推至每台风机轮毂高度处，建立各风向扇区的风速转换函数得到风电机组风速。该方案中基于测风塔数据外推法的预测风电场的理论功率。
结合图1，现有方法存在以下缺陷：
成本高：需要新安装测风塔设备，并且测风塔设备安装后才能开始测风。从选取测风塔位置、购买测风塔杆、传感器及测风塔的安装等需要花费很长时间。并且需要投入大量的人力、物力及资金等。
耗时长：新设立的测风塔测风时间一般需要1-3个月，并且测试时间可能需要派人员对设备进行看管和维护。
发明内容
针对现有技术中存在的问题，本发明提供一种基于风功率预测测风塔的风电机组功率曲线验证方法，节约风电场额外成本投入，能够适应不同风电场，快速地进行功率曲线验证。
为达到上述目的，本发明提供了一种基于风功率预测测风塔的风电机组功率曲线验证方法，包括：
(1)选择一组被验证功率曲线的待验证风电机组、风功率预测测风塔以及参考风电机组；
(2)确定待验证风电机组及风功率预测测风塔之间的地形偏差是否满足偏差要求，如果满足，则进入步骤(3)，否则返回步骤(1)重新选择待验证风电机组；
(3)计算风功率预测测风塔10分钟风速与风向；
(4)导出风电场Scada数据库记录的被验证功率曲线的风电机组的10分钟功率、风向数据及其对应时间序列数据集，并选择与步骤(3)同时间段的10分钟功率和风向数据；
(5)计算风功率预测测风塔与被验证功率曲线的风电机组的风速影响扇区，仅保留不受影响扇区的风速与风向数据，不受影响扇区的10分钟功率和风向数据；
(6)基于步骤(5)获得的不受影响扇区的风速数据，计算被验证功率曲线的风电机组的湍流强度值，由湍流强度值计算被验证功率曲线的风电机组每个风速下的衰减因子；由衰减因子计算得到被验证功率曲线的风电机组自由风速；
(7)由步骤(5)获得的不受影响扇区的10分钟功率和风向数据与步骤(6)获得的被验证功率曲线的风电机组自由风速，获得自由风速与10分钟功率的对应数据集，验证被验证功率曲线的风电机组的功率曲线。
进一步地，确定待验证风电机组及风功率预测测风塔之间的地形偏差是否满足偏差要求，包括：计算地形的最大斜率，地形偏离平面的最大偏差；如果最大斜率小于3％，且最大偏差小于1/3(H-0.5D1)，则满足偏差要求，否则不满足偏差要求，其中H为待验证风电机组轮毂高度，D1待验证风电机组叶轮直径。
进一步地，步骤(3)中，计算风功率预测测风塔10分钟风速与风向，包括：
3.1将60分钟时限内间隔5分钟风速数据进行统计，获得5分钟时间间隔风电机组轮毂高度处风速的均值；
计算得到60分钟时限内10分钟风速，第p个样本风速值
Figure GDA0003179817090000031
为：
Figure GDA0003179817090000032
V(2i)与V(2i-1)表示第2i与2i-1个5分钟时间间隔风电机组轮毂高度处风速的均值，其中1≤i≤6，1≤P≤6自然数；
3.2根据风功率预测测风塔记录5分钟风向，计算60分钟时限内第p个样本的风向Ap：
Figure GDA0003179817090000033
Figure GDA0003179817090000034
Figure GDA0003179817090000035
其中S(2i)，S(2i-1)为第2i与2i-1个样本风速矢量的模，即风速值，
Figure GDA0003179817090000036
为风在东-西方向的平均风速，
Figure GDA0003179817090000037
为风在南-北方向的平均风速，A(2i)与A(2i-1)表示第2i与2i-1个5分钟时间间隔风电机组轮毂高度处风向；
3.3将60分钟时限内风速数据、风向数据与时间序列数值进行汇总，得到一系列包含时间序列、10分钟风速及风向数据集。
进一步地，步骤(5)中，计算风功率预测测风塔与被验证功率曲线的风电机组的风速影响扇区，包括：
5.1计算待验证风电机组受参考风电机组影响扇区θ1，计算风功率预测测风塔受参考风电机组影响扇区θ3：
Figure GDA0003179817090000041
Figure GDA0003179817090000042
其中D1表示待验证风电机组的叶轮直径，参考风电机组叶轮直径也为D1；L12为参考风电机组与待验证风电机组间距离；L13为参考风电机组与风功率预测测风塔间距离；
5.2在[0°-360°]风向区间，以风向为原则进行数据筛选，删除受参考风电机组影响扇区θ1内的功率数据及其对应的时间序列，保留不受影响扇区10分钟功率、风向数据及对应时间序列数据，记为θ4，
5.3在[0°-360°]风向区间，以风向为原则进行区间筛选，算出受影响风向扇区θ3内的风速与风向数据，仅保留不用影响扇区风速与风向数据，记为θ5，
5.4选取不受影响扇区θ4与θ5数据的交集，并且，该交集数据满足同一个时间段，记为不受影响扇区θ6对应风速
Figure GDA0003179817090000043
形成风速、风向、功率及时间序列的数据集合。
进一步地，步骤(6)中基于步骤(5)获得的不受影响扇区的风速数据，计算被验证功率曲线的风电机组的湍流强度值，包括：
Figure GDA0003179817090000044
Figure GDA0003179817090000045
Figure GDA0003179817090000046
其中TIj表示风机机位处的环境湍流强度值，σj表示设定10分钟时间段内风电机组风速的标准偏差，
Figure GDA0003179817090000051
表示设定10分钟内风电机组轮毂高度处风速的均值，Vt表示10分钟内第t个风电机组轮毂高度处风速值，N为10分钟内秒级数据总样本数量,N＝600，j，t为自然数。
进一步地，由湍流强度值计算被验证功率曲线的风电机组每个风速下的衰减因子
Figure GDA0003179817090000052
包括：
Figure GDA0003179817090000053
其中L10为被验证功率曲线风电机组与风功率预测测风塔间距离，
Figure GDA0003179817090000054
为被验证功率曲线风电机组推力系数。
进一步地，还包括，进行判断，如果数据集中风速值与
Figure GDA0003179817090000055
推力系数值对应风速时间点不一致，采用数学差值法插值后进行风速与推力系数值计算。
进一步地，由衰减因子计算得到被验证功率曲线的风电机组自由风速，包括计算：
Figure GDA0003179817090000056
其中，
Figure GDA0003179817090000057
表示风电机组WTG1第j个自由流风速值，
Figure GDA0003179817090000058
表示风功率预测第j个风速数据。
进一步地，自由风速与10分钟功率的对应数据集，包括：时间序列及对应的自由流风速
Figure GDA0003179817090000059
功率Pp、风功率预测测风塔获取的10分钟风向Ap和Scada数据库导出的A′p。
本发明的上述技术方案具有如下有益的技术效果：
(1)本发明不单独安装测风塔，利用风电场内已设立风功率预测测风塔数据，以期得到风电机组的自由流风速，进而对风电场风电机组的功率曲线进行验证。
(2)本发明通过对风功率预测风向数据的矢量处理，充分保障风电场风向计算合理性，其风向数据更真实的反映风电场风向特征。
(3)本发明引入风电机组的风速衰减因子Cwake，在充分利用风电场Scada记录的风电机组实时数据，可以更真实地计算风电机组的自由流风速，表现其实际运行风况特征；
(4)本发明引入风电机组的湍流强度计算公式，以期得到近似的地形动态特征。
附图说明
图1是现有风电场功率曲线特性验证示意图；
图2是本发明功率曲线特性验证示意图；
图3功率曲线特性验证流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
基于风功率预测测风塔的风电机组功率曲线验证方法，包括如下流程：
(1)选择一组被验证功率曲线的风电机组、风功率预测测风塔以及参考风电机组。
风功率预测测风塔及参考风电机组应当尽量接近被验证功率曲线的风电机组，可以选择最接近被验证功率曲线的风电机组的风功率预测测风塔，参考风电机组与被验证功率曲线的风电机组位于风功率预测测风塔的两侧。
如图2，被验证功率曲线的风电机组(WTG1)坐标(X1,Y1)，风电机组(WTG2)坐标(X2,Y2)，风功率预测测风塔(CFT)坐标(X0,Y0)均为已知参数。
(2)确定被验证功率曲线的风电机组及风功率预测测风塔之间的地形偏差是否满足偏差要求，如果满足，则进入步骤(3)，否则返回步骤(1)重新选择被验证功率曲线的风电机组，风功率预测测风塔以及参考风电机组不需要重新选择。
计算被验证功率曲线的风电机组与风功率预测测风塔间距离L10，以及参考风电机组与被验证功率曲线的风电机组间距离L12。
Figure GDA0003179817090000071
Figure GDA0003179817090000072
Figure GDA0003179817090000073
根据公式(1)与公式(2)，求出计算被验证功率曲线的风电机组WTG1与CFT间的距离L10，风电机组WTG1与WTG2间的距离L12，以及CFT与WTG2间的距离L13。
校验被验证功率曲线的风电机组WTG1与风功率预测测风塔CFT的地形偏差满足IEC61400-12-1标准要求，如表1所示。
表1地形偏差参数
距离L10 扇区 最大斜率(％) 地形偏离平面的最大偏差
＜2L 360° ＜3 ＜1/3(H-0.5D1)
≥2L且＜4L 测量扇区 ＜5 ＜2/3(H-0.5D1)
≥2L且＜4L 测量扇区外 ＜10 不适用
≥4L且＜8L 测量扇区 ＜10 ＜(H-0.5D1)
≥8L且＜16L 测量扇区 ＜10 不适用
其中L为风功率预测测风塔与被验证功率曲线的风电机组间距离，H为待验证风电机组轮毂高度，D1待验证风电机组叶轮直径，均为已知量。
由于L＝L10，因此L＜2L。
最大斜率是指被验证功率曲线的风电机组WTG1与风功率预测测风塔CFT地形间最佳拟合平面的最大斜率，该值要满足表1最大斜率要求，需要小于3％，如果不满足要求，则不能适用该方法，需要重新选择。
地形偏差，需要满足地形偏离平面的最大偏差＜1/3(H-0.5D1)。如果不满足要求，则不能适用该方法，需要重新选择。
该方法的扇区为[0°-360°]，后续对存在影响的区间进一步剔除。
(3)计算风功率预测测风塔(CFT)10分钟风速与风向；
根据风功率预测测风塔记录5分钟风速与时间序列(yyyy-mm-dd MM:ss)，第一步：将60分钟时限内间隔5分钟风速数据进行统计，需要通过数理统计得到60分钟时限内10分钟风速，其公式(3)为：
Figure GDA0003179817090000081
Figure GDA0003179817090000082
表示60分钟时限内第p个样本风速值，每10分钟风电机组轮毂高度处风速取均值作为一个样本风速值，V(2i)与V(2i-1)表示第2i与2i-1个5分钟时间间隔风电机组轮毂高度处风速的均值，其中1≤i≤6，1≤P≤6自然数。
第二步：根据风功率预测测风塔记录5分钟风向，采用矢量平均风向计算方法，即平均时间内风矢量合成10分钟方向，其计算公式(5)、(6)(7)为：
Figure GDA0003179817090000083
Figure GDA0003179817090000084
Figure GDA0003179817090000085
其中S(2i)，S(2i-1)为第2i与2i-1个样本风速矢量的模，即风速值，
Figure GDA0003179817090000086
为风在x方向(东-西)的平均风速，
Figure GDA0003179817090000087
为风在y方向(南-北)的平均风速。Ap表示60分钟时限内第p个样本的风向，每10分钟风电机组轮毂高度处风向，A(2i)与A(2i-1)表示第2i与2i-1个5分钟时间间隔风电机组轮毂高度处风向。其中1≤i≤6，1≤P≤6自然数。
第三步：依据第一步与第二步计算结果，将60分钟时点风速数据与时间序列中年、月、日数值进行汇总，最终得到一系列包含时间序列10分钟时点风速、风向数据集(yyyy-mm-dd MM:ss
Figure GDA0003179817090000088
Ap)。
(4)导出风电场Scada数据库记录的WTG1被测风电机组的10分钟功率、风向数据及其对应时间序列数据集，并选择与步骤(4)风功率预测同时间段功率数据(yyyy-mm-dd MM:ssPp A′p)。
(5)计算风功率预测测风塔与被验证功率曲线的风电机组的风速影响扇区，并将其影响风向扇区数据予以删除，仅保留不受周围环境影响扇区的风速与风向数据。
第一，确定被验证功率曲线的风电机组WTG1与风功率预测测风塔CFT距离地形偏差要求，即满足表1参数。
第二，根据公式(8)、(9)，计算被验证测功率曲线的风电机组WTG1受WTG2影响扇区θ1，计算风功率预测测风塔CFT受WTG2影响扇区θ3
Figure GDA0003179817090000091
Figure GDA0003179817090000092
其中D1表示被验证测功率曲线的风电机组的叶轮直径，假定WTG1与WTG2叶轮直径相同。
第三，对于WTG1被测风电机组的功率数据，在[0°-360°]风向区间，以风向为原则进行数据筛选，将受影响风向扇区θ1功率数据及其对应的时间序列一并删除，仅保留不用影响扇区数据及对应时间序列数据，记为θ4，
第四，对于CFT风功率预测风速数据，在[0°-360°]风向区间，以风向为原则进行区间筛选，将受影响风向扇区θ3区间删除，仅保留不用影响扇区数据，记为θ5，
第五，选取第三与第四步骤中不受影响扇区θ4与θ5数据的交集，并且，该交集数据满足同一个时间段，记为不受影响扇区θ6对应
Figure GDA0003179817090000093
风速、风向、功率及时间序列的数据集合(yyyy-mm-dd MM:ss
Figure GDA0003179817090000094
Ap Ap A′p)，共K个点。其中K≥1082。
(6)计算WTG1被考核功率风电机组的湍流强度值；由湍流强度值计算被验证功率曲线的风电机组每个风速下的衰减因子；由衰减因子计算得到被验证功率曲线的风电机组自由风速。
求出
Figure GDA0003179817090000101
风速所对应的每个10分钟时点对应的时间序列的湍流强度值。利用风电机组主控程序记录风电机组轮毂高度处实时秒级风速数据，按照功率曲线考核10分钟时间为限，10分钟内秒级采样风速数据600个计算，根据数学标准偏差公式，可得到第六步骤数据集中每个10分钟风速对应标准偏差值，由此得到所有数据集中10分钟时间序列的湍流强度值(yyyy-mm-dd MM:ss
Figure GDA0003179817090000102
Ap Pp A′p TIj)。环境湍流的标准偏差、计算公式分别为公式(10)，(11)，(12)。
Figure GDA0003179817090000103
Figure GDA0003179817090000104
Figure GDA0003179817090000105
其中TIj表示风机机位处的环境湍流强度值，σj表示设定10分钟时间段内风电机组风速的标准偏差，
Figure GDA0003179817090000106
表示设定时间段内风电机组轮毂高度处风速的均值，Vt表示第t个风电机组轮毂高度处风速值，N为10分钟内秒级数据总样本数量，本实例中N为600，j，t为自然数。
计算被验证功率曲线风电机组的每个风速下的衰减因子，采用公式(13)：
Figure GDA0003179817090000107
其中，
Figure GDA0003179817090000108
表示风电机组WTG1的风速衰减因子，L10为风电机组WTG1与测风塔CFT间距离，
Figure GDA0003179817090000109
为风电机组WTG1叶轮直径与推力系数，为已知量，并且推力系数对应风电机组的切入与切出风速范围，如果数据集中风速值与
Figure GDA00031798170900001010
推力系数值对应风速不一致，采用数学差值法后进行风速与推力系数值计算。
依据衰减因子计算结果，通过如下公式(14)计算得到被验证功率曲线的风电机组的自由流风速；
Figure GDA0003179817090000111
其中，
Figure GDA0003179817090000112
代表风电机组WTG1第j个风速值，
Figure GDA0003179817090000113
代表CFT风功率预测第j个风速数据；
Figure GDA0003179817090000114
代表第j个风速数据衰减因子；j为自然数。
(7)由步骤(4)获得的10分钟功率与步骤(6)获得的被验证功率曲线的风电机组自由风速，获得自由风速与10分钟功率的对应数据集，验证被验证功率曲线的风电机组的功率曲线。数据集yyyy-mm-dd MM:ss
Figure GDA0003179817090000115
Pp Ap A′p)，共K个数据集。
选取自由流风速与功率值数据按照时间序列进行一一对应，并以±0.25m/s风速区间为步长，在切入风速与1.5倍额定风速区间内将风速与功率值进行整理汇总，并取其风速与功率数据的均值。该一系列风速与功率数据即为被考核风电机组的功率曲线。
Figure GDA0003179817090000116
综上所述，本发明涉及一种基于风功率预测测风塔的风电机组功率曲线验证方法，不单独安装测风塔，利用风电场内已设立风功率预测测风塔数据，以期得到风电机组的自由流风速，进而对风电场风电机组的功率曲线进行验证。通过对风功率预测风向数据的矢量处理，充分保障风电场风向计算合理性，其风向数据更真实的反映风电场风向特征。引入风电机组的风速衰减因子Cwake，在充分利用风电场Scada记录的风电机组实时数据，可以更真实地计算风电机组的自由流风速，表现其实际运行风况特征；引入风电机组的湍流强度计算公式，以期得到近似的地形动态特征。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (6)

1.一种基于风功率预测测风塔的风电机组功率曲线验证方法，其特征在于，包括：
（1）选择一组被验证功率曲线的待验证风电机组、风功率预测测风塔以及参考风电机组；
（2）确定待验证风电机组及风功率预测测风塔之间的地形偏差是否满足偏差要求，包括：计算地形的最大斜率，地形偏离平面的最大偏差；如果最大斜率小于3%，且最大偏差小于1/3(H-0.5D1)，则满足偏差要求，否则不满足偏差要求，其中H为待验证风电机组轮毂高度，
Figure QLYQS_1
待验证风电机组叶轮直径；如果满足，则进入步骤（3），否则返回步骤（1）重新选择待验证风电机组；
（3）计算风功率预测测风塔10分钟风速与风向，包括：
3.1将60分钟时限内间隔5分钟风速数据进行统计，获得5分钟时间间隔风电机组轮毂高度处风速的均值；
计算得到60分钟时限内10分钟风速，第p个样本风速值
Figure QLYQS_2
为：
Figure QLYQS_3
Figure QLYQS_4
与
Figure QLYQS_5
表示第2i与2i-1个5分钟时间间隔风电机组轮毂高度处风速的均值，其中1≤i≤6，1≤P≤6自然数；
3.2根据风功率预测测风塔记录5分钟风向，计算60分钟时限内第p个样本的风向
Figure QLYQS_6
：
Figure QLYQS_7
Figure QLYQS_8
Figure QLYQS_9
其中
Figure QLYQS_10
，
Figure QLYQS_11
为第2i与2i-1个样本风速矢量的模，即风速值，
Figure QLYQS_12
为风在东-西方向的平均风速，
Figure QLYQS_13
为风在南-北方向的平均风速，
Figure QLYQS_14
与
Figure QLYQS_15
表示第2i与2i-1个5分钟时间间隔风电机组轮毂高度处风向；
3.3将60分钟时限内风速数据、风向数据与时间序列数值进行汇总，得到一系列包含时间序列、10分钟风速及风向数据集；
（4）导出风电场Scada数据库记录的被验证功率曲线的风电机组的10分钟功率、风向数据及其对应时间序列数据集，并选择与步骤（3）同时间段的10分钟功率和风向数据；
（5）计算风功率预测测风塔与被验证功率曲线的风电机组的风速影响扇区，仅保留不受影响扇区的风速与风向数据，不受影响扇区的10分钟功率和风向数据，包括：
5.1计算待验证风电机组受参考风电机组影响扇区
Figure QLYQS_16
，计算风功率预测测风塔受参考风电机组影响扇区
Figure QLYQS_17
：
Figure QLYQS_18
Figure QLYQS_19
其中
Figure QLYQS_20
表示待验证风电机组的叶轮直径，参考风电机组叶轮直径也为
Figure QLYQS_21
；L12为参考风电机组与待验证风电机组间距离；
Figure QLYQS_22
为参考风电机组与风功率预测测风塔间距离；
5.2在[0°-360°]风向区间，以风向为原则进行数据筛选，删除受参考风电机组影响扇区
Figure QLYQS_23
内的功率数据及其对应的时间序列，保留不受影响扇区10分钟功率、风向数据及对应时间序列数据，记为
Figure QLYQS_24
，
5.3在[0°-360°]风向区间，以风向为原则进行区间筛选，算出受影响风向扇区
Figure QLYQS_25
内的风速与风向数据，仅保留不用影响扇区风速与风向数据，记为
Figure QLYQS_26
，
5.4选取不受影响扇区
Figure QLYQS_27
与
Figure QLYQS_28
数据的交集，并且，该交集数据满足同一个时间段，记为不受影响扇区
Figure QLYQS_29
对应风速
Figure QLYQS_30
；形成风速、风向、功率及时间序列的数据集合；
（6）基于步骤（5）获得的不受影响扇区的风速数据，计算被验证功率曲线的风电机组的湍流强度值，由湍流强度值计算被验证功率曲线的风电机组每个风速下的衰减因子；由衰减因子计算得到被验证功率曲线的风电机组自由风速；
（7）由步骤（5）获得的不受影响扇区的10分钟功率和风向数据与步骤（6）获得的被验证功率曲线的风电机组自由风速，获得自由风速与10分钟功率的对应数据集，验证被验证功率曲线的风电机组的功率曲线。
2.根据权利要求1所述的基于风功率预测测风塔的风电机组功率曲线验证方法，其特征在于，步骤（6）中基于步骤（5）获得的不受影响扇区的风速数据，计算被验证功率曲线的风电机组的湍流强度值，包括：
Figure QLYQS_31
Figure QLYQS_32
Figure QLYQS_33
其中
Figure QLYQS_34
表示风机机位处的环境湍流强度值，
Figure QLYQS_35
表示设定10分钟时间段内风电机组风速的标准偏差，
Figure QLYQS_36
表示设定10分钟内风电机组轮毂高度处风速的均值，
Figure QLYQS_37
表示10分钟内的第t个数据的风电机组轮毂高度处风速值，N为10分钟内秒级数据总样本数量，N=600，j，t为自然数。
3.根据权利要求2所述的基于风功率预测测风塔的风电机组功率曲线验证方法，其特征在于，由湍流强度值计算被验证功率曲线的风电机组每个风速下的衰减因子
Figure QLYQS_38
，包括：
Figure QLYQS_39
其中
Figure QLYQS_40
为被验证功率曲线风电机组与风功率预测测风塔间距离，
Figure QLYQS_41
为被验证功率曲线风电机组推力系数。
4.根据权利要求3所述的基于风功率预测测风塔的风电机组功率曲线验证方法，其特征在于，还包括，进行判断，如果数据集中风速值与
Figure QLYQS_42
推力系数值对应风速时间点不一致，采用数学差值法插值后进行风速与推力系数值计算。
5.根据权利要求3或4所述的基于风功率预测测风塔的风电机组功率曲线验证方法，其特征在于，由衰减因子计算得到被验证功率曲线的风电机组自由风速，包括计算：
Figure QLYQS_43
其中，
Figure QLYQS_44
表示风电机组WTG1第j个自由流风速值，
Figure QLYQS_45
表示风功率预测第j个风速数据。
6.根据权利要求5所述的基于风功率预测测风塔的风电机组功率曲线验证方法，其特征在于，自由风速与10分钟功率的对应数据集，包括：时间序列及对应的自由流风速
Figure QLYQS_46
、功率
Figure QLYQS_47
、风功率预测测风塔获取的10分钟风向
Figure QLYQS_48
和Scada数据库导出的
Figure QLYQS_49
。
CN202110815758.0A 2021-07-19 2021-07-19 基于风功率预测测风塔的风电机组功率曲线验证方法 Active CN113626990B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110815758.0A CN113626990B (zh) 2021-07-19 2021-07-19 基于风功率预测测风塔的风电机组功率曲线验证方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110815758.0A CN113626990B (zh) 2021-07-19 2021-07-19 基于风功率预测测风塔的风电机组功率曲线验证方法

Publications (2)

Publication Number Publication Date
CN113626990A CN113626990A (zh) 2021-11-09
CN113626990B true CN113626990B (zh) 2023-06-06

Family

ID=78380178

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110815758.0A Active CN113626990B (zh) 2021-07-19 2021-07-19 基于风功率预测测风塔的风电机组功率曲线验证方法

Country Status (1)

Country Link
CN (1) CN113626990B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114239412B (zh) * 2021-12-21 2024-08-02 许昌许继风电科技有限公司 一种混合多类算法的复杂地形风电机组位置处实时风速计算方法及系统
CN114091354B (zh) * 2022-01-07 2022-05-17 国能日新科技股份有限公司 风电机组功率预测模型样本集的获取方法及装置
CN117212045B (zh) * 2022-06-30 2024-07-23 北京金风科创风电设备有限公司 风力发电机组处湍流强度的确定方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1739824A2 (en) * 2005-06-30 2007-01-03 The General Electric Company System and method for controlling effective wind farm power output
CN101106279A (zh) * 2007-06-19 2008-01-16 华南理工大学 直驱式永磁同步风力发电机并网与功率调节系统及其方法
CN102055188A (zh) * 2011-01-07 2011-05-11 西北电网有限公司 基于时间序列法的超短期风电功率预报方法
CN105048444A (zh) * 2014-08-14 2015-11-11 国家电网公司 一种基于测风塔测风数据的风电场弃风电量确定方法
CN111325440A (zh) * 2020-01-02 2020-06-23 许继集团有限公司 一种风电场测风塔自由流风速的估算方法及装置
CN111476679A (zh) * 2020-04-14 2020-07-31 四川北控清洁能源工程有限公司 根据大气稳定度修正风电机组功率曲线的方法
CN112861301A (zh) * 2019-11-27 2021-05-28 北京国电思达科技有限公司 一种基于风机实时数据的风电场理论功率智能计算方法
CN113094997A (zh) * 2021-04-19 2021-07-09 华北电力大学 一种风电机组运行模拟方法、装置、设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104156575B (zh) * 2014-07-28 2017-09-05 国家电网公司 基于测风塔数据外推法的风电场理论功率计算方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1739824A2 (en) * 2005-06-30 2007-01-03 The General Electric Company System and method for controlling effective wind farm power output
CN101106279A (zh) * 2007-06-19 2008-01-16 华南理工大学 直驱式永磁同步风力发电机并网与功率调节系统及其方法
CN102055188A (zh) * 2011-01-07 2011-05-11 西北电网有限公司 基于时间序列法的超短期风电功率预报方法
CN105048444A (zh) * 2014-08-14 2015-11-11 国家电网公司 一种基于测风塔测风数据的风电场弃风电量确定方法
WO2016023527A1 (zh) * 2014-08-14 2016-02-18 国家电网公司 一种基于测风塔测风数据的风电场弃风电量确定方法
CN112861301A (zh) * 2019-11-27 2021-05-28 北京国电思达科技有限公司 一种基于风机实时数据的风电场理论功率智能计算方法
CN111325440A (zh) * 2020-01-02 2020-06-23 许继集团有限公司 一种风电场测风塔自由流风速的估算方法及装置
CN111476679A (zh) * 2020-04-14 2020-07-31 四川北控清洁能源工程有限公司 根据大气稳定度修正风电机组功率曲线的方法
CN113094997A (zh) * 2021-04-19 2021-07-09 华北电力大学 一种风电机组运行模拟方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN113626990A (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
CN113626990B (zh) 基于风功率预测测风塔的风电机组功率曲线验证方法
Gugliani et al. New methods to assess wind resources in terms of wind speed, load, power and direction
CN106873359B (zh) 一种基于聚类分析和神经网络的风电噪声评价方法
Bergua et al. OC6 project Phase III: validation of the aerodynamic loading on a wind turbine rotor undergoing large motion caused by a floating support structure
CN112784509B (zh) 基于改进高斯分布尾流模型的风力发电机功率计算方法
CN111881572B (zh) 一种基于多目标优化的风电场协同偏航智能控制方法
CN105160060A (zh) 一种基于实际功率曲线拟合的风电场理论功率确定方法
WO2023010812A1 (zh) 一种基于双变量高斯函数的尾流计算方法、装置及存储介质
CN113792430B (zh) 复杂地形风电场风切变指数计算方法及系统
CN106815773A (zh) 一种风电场功率特性评估方法
US20210312101A1 (en) Method for determining a wind turbine layout
CN105279384A (zh) 一种基于风力机机舱风速的来流风速计算方法及装置
CN115358606A (zh) 一种平缓地形下在役风电场能效评估方法及系统
CN112700349B (zh) 测风塔选址方法和装置
CN113177325B (zh) 复杂地形下校正标准k-ε模型可调参数方法、装置及存储介质
Hong et al. Reliability-based calibration of site-specific design typhoon wind and wave loads for wind turbine
CN117556170A (zh) 一种偏航风机的非高斯尾流风速损失分布预测方法
Rodrigo et al. Validation of meso-wake models for array efficiency prediction using operational data from five offshore wind farms
Fang et al. Normal and typhoon wind loadings on a large cooling tower: A comparative study
Zhang et al. Prediction of multiple-wake velocity and wind power using a cosine-shaped wake model
CN115898787A (zh) 一种风电机组静态偏航误差动态识别方法及装置
Dai et al. Study on Obtaining Real Power Curve of Wind Turbines Using SCADA Data
CN113283678A (zh) 一种风机选址风险的评估方法、系统、设备及存储介质
CN113468767B (zh) 一种海上风电机组发电量评估方法与系统
CN113705126B (zh) 一种基于二维迹线追踪的风电场发电量校核方法、系统、计算机设备、存储介质

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