CN115345370A - 一种基于Vine Copula模型的风电机组运行联动性分析方法 - Google Patents

一种基于Vine Copula模型的风电机组运行联动性分析方法 Download PDF

Info

Publication number
CN115345370A
CN115345370A CN202210998847.8A CN202210998847A CN115345370A CN 115345370 A CN115345370 A CN 115345370A CN 202210998847 A CN202210998847 A CN 202210998847A CN 115345370 A CN115345370 A CN 115345370A
Authority
CN
China
Prior art keywords
wind
vine
correlation coefficient
wind turbine
value
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
Application number
CN202210998847.8A
Other languages
English (en)
Inventor
金晓航
王浩
秦治伟
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.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
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 Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN202210998847.8A priority Critical patent/CN115345370A/zh
Publication of CN115345370A publication Critical patent/CN115345370A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Wind Motors (AREA)

Abstract

本发明涉及一种基于Vine Copula模型的风电机组运行联动性分析方法，分别获取若干风电机组的SCADA数据，对SCADA数据清洗并整合，生成运行联动性分析数据集，使用Vine Copula模型建模生成R‑Vine、C‑Vine、D‑Vine三种相依结构。计算相依结构的AIC值、BIC值、Loglik值和Vuong检验值，比较得到最优相依结构，计算风电机组中每两个之间的秩相关系数、上尾相关系数、下尾相关系数。根据最优相依结构和秩相关系数、上尾相关系数、下尾相关系数确定若干风电机组的运行联动性。本发明的方法从风电场层面引入Vine Copula模型对多台风电机组进行运行运行联动性分析，宏观分析各机组出力情况，便于指导风电机组运维时单台故障风电机组的监测与诊断工作。

Description

一种基于Vine Copula模型的风电机组运行联动性分析方法
技术领域
本发明属于风电运维技术领域，具体涉及一种基于Vine Copula模型的风电机组运行联动性分析方法。
背景技术
随着“双碳”发展目标的提出，以风能、太阳能为代表的清洁可再生能源迎来新发展机遇。其中，风力发电技术不断发展与完善，风电机组的运行可靠性不断提高，其年装机量稳步上升。截止到2021年底，中国风电的累计装机容量已达到329 GW，位列全球第一。随着风电场大规模并网以及风力发电的不可控性，大型风电场的运维难度逐渐增大，电网系统稳定性降低。而随着风电场投入使用的时间增长，单台机组的各部件都不可避免的产生磨损、抗力下降，导致发电效率降低，甚至可能导致故障发生，机组损坏。
同一风电场中多台风电机组由于在地理位置上处于毗邻关系，外部环境具有高度相似性，其运行状态必然也存在一定的相似性：机组相互之间的出力往往会同时增大或减小。开展风电机组运行联动性分析，可通过机组与机组之间发电效率的分析对比，从宏观上确定各机组的运行状态，实现机群运行状态评估、异常机组筛选等任务。从提高并网系统的运行效率和安全稳定性的角度出发，在对电力系统进行运行优化时，对同一风电场中的风电机组进行相关性分析也具有重要的理论意义和实际价值。因此，需要一种能够对风电机组的运行联动性进行分析的方法。
发明内容
基于现有技术中存在的上述缺点和不足，本发明的目的之一是至少解决现有技术中存在的上述问题之一或多个，换言之，本发明的目的之一是提供满足前述需求之一或多个的一种基于Vine Copula模型的风电机组运行联动性分析方法。
为了达到上述发明目的，本发明采用以下技术方案：
一种基于Vine Copula模型的风电机组运行联动性分析方法，方法包括如下步骤：
S1、分别获取若干风电机组的SCADA数据；
S2、对SCADA数据清洗并整合，生成运行联动性分析数据集；
S3、使用Vine Copula模型根据运行联动性分析数据集建模，生成若干风电机组的相依结构，Vine Copula模型包括R-Vine、C-Vine、D-Vine三种；
S4、计算相依结构的AIC值、BIC值、Loglik值和Vuong检验值，比较得到最优相依结构；
S5、根据运行联动性分析数据集计算若干风电机组中每两个之间的秩相关系数、上尾相关系数、下尾相关系数；
S6、根据最优相依结构和秩相关系数、上尾相关系数、下尾相关系数确定若干风电机组的运行联动性。
作为优选方案，步骤S3具体包括：
S31、根据运行联动性分析数据集及Copula函数集计算每两个风电机组的相关性，确定每两个风电机组的最优Copula函数；
S32、根据运行联动性分析数据集和最优Copula函数计算每两个风电机组的秩相关系数，生成相关性系数矩阵，根据相关性系数矩阵生成C-Vine相依结构；
S33、根据运行联动性分析数据集、最优Copula函数及若干风电机组的地理位置生成D-Vine相依结构；
S34、根据运行联动性分析数据集、最优Copula函数及最大生成树原则生成R-Vine相依结构。
作为优选方案，步骤S4具体包括：
S41、计算每个相依结构的AIC值、BIC值、Loglik值和Vuong检验值；
S42、根据每个相依结构的AIC值、BIC值、Loglik值计算该相依结构的拟合优度值；
S43、比较每个相依结构的拟合优度值和Vuong检验值，得到最优相依结构。
作为优选方案，步骤S5具体包括：
S51、使用t-Copula计算发电能力最好的风电机组与其他风电机组的秩相关系数；
S52、使用BB1 Copula计算发电能力最好的风电机组与其他风电机组的上尾相关系数；
S53、使用BB7 Copula计算发电能力最好的风电机组与其他风电机组的下尾相关系数。
作为优选方案，步骤S6具体包括：
S61、根据最优相依结构得到若干风电机组间的整体运行联动性；
S62、根据秩相关系数、上尾相关系数、下尾相关系数得到发电能力最好的风电机组与其他风电机组的局部运行联动性；
S63、结合整体运行联动性和局部运行联动性确定若干风电机组的运行联动性。
作为优选方案，步骤S2具体包括：
S21、删除SCADA数据中风速小于切入风速、风速大于切出风速、风速大于切入风速且有功功率等于0、风速功率限制设定值小于额定功率的数据；
S22、使用bin方法删除步骤S21后SCADA数据中离群的散点数据；
S23、在步骤S22后SCADA数据中删除时间不同步的SCADA数据；
S24、对步骤S23后SCADA数据做时间轴对齐和归一化，生成运行联动性分析数据集。
作为优选方案，步骤S6之后还包括步骤S7、根据运行联动性判断若干风电机组中的异常机组。
作为进一步优选的方案，步骤S7具体包括：
S71、计算每个风电机组与运行联动性预测值的偏差量；
S72、判断偏差量大于预设阈值的风电机组为异常机组。
本发明与现有技术相比，有益效果是：
本发明的方法从风电场层面引入Vine Copula模型对多台风电机组进行运行运行联动性分析，宏观分析各机组出力情况，可实现低效机组的初步筛查，捕捉其中发电能力较弱的风电机组，进而便于指导风电机组运维时单台故障风电机组的监测与诊断工作。
附图说明
图1是本发明实施例的一种基于Vine Copula模型的风电机组运行联动性分析方法的流程图；
图2是本发明实施例的一种基于Vine Copula模型的风电机组运行联动性分析方法的风速-有功功率散点图；
图3是本发明实施例的一种基于Vine Copula模型的风电机组运行联动性分析方法的相依结构示意图；
图4是本发明实施例的一种基于Vine Copula模型的风电机组运行联动性分析方法的有功功率相关系数热力图矩阵。
具体实施方式
为了更清楚地说明本发明实施例，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
实施例：本实施例提供一种基于Vine Copula模型的风电机组运行联动性分析方法，对1-6号六个风电机组进行运行联动性分析，其流程图如图1所示，在此处以如下步骤具体举例说明：
在对1-6号六个风电机组进行运行联动性分析时，首先执行步骤S1、根据地理位置分别读取1-6号风电机组的SCADA数据。
S2、利用1-6号风电机组的SCADA数据生成风速-有功功率散点图，通过风速-有功功率散点图对SCADA数据进行数据清洗及整合，生成运行联动性分析数据集。
具体的，步骤S2可以以如下方法实施：
S21、根据步骤S1读取的SCADA数据生成风速-有功功率散点图，进行一次清洗，选中散点图中具有如下特征的散点将其删除：
风速小于切入风速；风速大于切出风速；
风速大于切入风速且有功功率等于0；
风速功率限制设定值小于额定功率。
步骤S1中读取的原始SCADA数据所生成的风速-有功功率散点图如图2中(a)图所示，经过步骤S21清洗后的散点图如图2中(b)图所示。
S22、进行第二次清洗，使用bin方法删除步骤S21后剩余SCADA数据所生成的散点图中离群的散点数据，具体的，机组正常运行风速区间[3m/s, 20m/s]以0.25 m/s为步长等分为68个子区间，保留每个子区间内的10%分位数至90%分位数的数据，删除未被保留的数据。步骤S22的清洗过程如图2中(C)图所示，将散点分为保留散点和边缘散点，然后将边缘散点删除。
S23、为了保证运行联动性分析的各检测时刻均有全部风电机组的正常数据以供分析，进行第三次清洗。在经过步骤S22清洗后剩余的SCADA数据中找到时间不同步的SCADA数据，若某一时刻不是全部风电机组均有SCADA数据，则这一时刻的全部SCADA数据均为时间不同步的SCADA数据。将时间不同步的SCADA数据删除后剩余的散点如图2中(d)图所示，剩余的SCADA数据的对应时刻均有全部风电机组的数据以供分析。
S24、对经过步骤S23第三次清洗后剩余的SCADA数据做时间轴对齐和归一化，生成运行联动性分析数据集。
经过数据清洗生成运行联动性分析数据集后，执行步骤S3、使用Vine Copula模型根据运行联动性分析数据集对1-6号风电机组每个月的数据建模，生成每个月中各风电机组之间的相依结构。Vine Copula模型包括R-Vine、C-Vine、D-Vine三种，因此对于每个月的数据，均会生成R-Vine、C-Vine、D-Vine三种相依结构。
具体的，步骤S3包括如下步骤：
S31、选取Gaussian、t、Clayton、Gumbel、Frank、Joe、BB1、BB6、BB7、BB8和TawnCopula函数作为备选Copula函数。
根据运行联动性分析数据集中的有功功率、风速和环境温度为输入，通过备选的Copula函数集计算1-6号风电机组中每两个风电机组间的相关性，然后根据拟合精度确定每两个风电机组间的最优Copula函数；
S32、根据运行联动性分析数据集中的有功功率、风速和环境温度为输入，使用S31得到的最优Copula函数计算每两个风电机组的秩相关系数，生成相关性系数矩阵，根据相关性系数矩阵生成C-Vine相依结构；
S33、根据运行联动性分析数据集中的有功功率、风速和环境温度为输入，使用S31得到的最优Copula函数及1-6号风电机组的地理位置生成D-Vine相依结构；
S34、根据运行联动性分析数据集中的有功功率、风速和环境温度为输入，使用最优Copula函数，根据最大生成树原则（MST-prim）生成R-Vine相依结构。
得到每个月风电机组间的R-Vine、C-Vine、D-Vine三种相依结构以后，执行步骤S4、计算相依结构的AIC值、BIC值、Loglik值和Vuong检验值，从每个月的R-Vine、C-Vine、D-Vine三种相依结构中选出拟合性能最好的一种，作为该月的最优相依结构。
具体的，步骤S4以如下方法实施：
S41、计算每个相依结构的AIC值、BIC值、Loglik值和Vuong检验值；
S42、根据每个相依结构的AIC值、BIC值、Loglik值计算该相依结构的拟合优度值，其中AIC值和BIC值与拟合优度值反相关，Loglik值与拟合优度值正相关，拟合优度值越大则相依结构的拟合性能越好。
S43、综合比较每个相依结构的拟合优度值和Vuong检验值，得到最优相依结构。
得到相依结构后，对比相依结构中风电机组之间特征的相关性，S5、根据运行联动性分析数据集计算1-6号风电机组中每两个之间的秩相关系数、上尾相关系数、下尾相关系数；
具体的，步骤S5分为如下步骤分别计算秩相关系数、上尾相关系数和下尾相关系数。
S51、使用t-Copula计算发电能力最好的风电机组与其他风电机组的秩相关系数；
S52、使用BB1 Copula计算发电能力最好的风电机组与其他风电机组的上尾相关系数；
S53、使用BB7 Copula计算发电能力最好的风电机组与其他风电机组的下尾相关系数。
之后综合相依结构和风电机组之间特征的相关性，确定风电机组的运行联动性，执行步骤S6、根据最优相依结构和秩相关系数、上尾相关系数、下尾相关系数确定若干风电机组的运行联动性。
具体的，步骤S6包括：
S61、通过对R-Vine、C-Vine、D-Vine三种Vine 结构中最优相依结构的分析，得到1-6号风电机组间的整体运行联动性。如图3所示，通过R-Vine结构可发现，3号机组与其他五台机组的相关性最高，4、5号机组位于R-Vine结构的边缘；通过C-Vine结构可发现，3号机组为根节点，且与5、6号机组在尾部的相关性较弱；通过D-Vine结构可发现，其相依结构中的6台风电机组按照地理位置排列。三种Vine结构呈现出的6台风电机组之间的相互关系不尽相同。
S62、根据对秩相关系数、上尾相关系数、下尾相关系数的分析进一步得到发电能力最好的风电机组与其他五台风电机组两两之间的局部运行联动性。如图4的有功功率相关系数热力图矩阵所示，其中(a)是秩相关系数，(b)上尾相关系数，(c)是下尾相关系数。1、2、3号机组的秩相关系数、上尾相关系数、下尾相关系数均较高，而其他机组之间的相关系数则较低，反映出1、2、3号机组的运行联动性较好。
S63、结合整体运行联动性和局部运行联动性确定若干风电机组的运行联动性。
本发明将Copula相关性分析方法引入风电机组的运行联动性分析领域，基于风电场运行累积的SCADA数据，通过同步清洗策略对同一风场内多台风电机组的原始SCADA数据进行清洗，构建分析数据集，建立多台风电机组之间不同特征的相依结构模型，并通过拟合优度对比确定最优Vine Copula模型。进一步通过对R-Vine、C-Vine、D-Vine三种Vine 结构的分析并结合秩相关系数、上尾相关系数和下尾相关系数分析六台机组之间有功功率的相关性来确定机组的运行联动性，从而得到在近似的外部环境中运行的机组的出力情况差异。
进一步的，为了根据运行联动性判断得到异常机组，步骤S6之后还包括步骤S7、根据运行联动性判断1-6号风电机组中是否存在异常机组，并确定该异常机组。
具体的，步骤S7可以如下手段实现异常机组的判断。
S71、计算每个风电机组与运行联动性预测值的偏差量；
S72、判断偏差量大于预设阈值的风电机组为异常机组。
应当说明的是，上述实施例仅是对本发明的优选实施例及原理进行了详细说明，对本领域的普通技术人员而言，依据本发明提供的思想，在具体实施方式上会有改变之处，而这些改变也应视为本发明的保护范围。

Claims (8)

1.一种基于Vine Copula模型的风电机组运行联动性分析方法，其特征在于，所述方法包括如下步骤：
S1、分别获取若干风电机组的SCADA数据；
S2、对所述SCADA数据清洗并整合，生成运行联动性分析数据集；
S3、使用Vine Copula模型根据所述运行联动性分析数据集建模，生成所述若干风电机组的相依结构，所述Vine Copula模型包括R-Vine、C-Vine、D-Vine三种；
S4、计算所述相依结构的AIC值、BIC值、Loglik值和Vuong检验值，比较得到最优相依结构；
S5、根据所述运行联动性分析数据集计算所述若干风电机组中每两个之间的秩相关系数、上尾相关系数、下尾相关系数；
S6、根据所述最优相依结构和所述秩相关系数、上尾相关系数、下尾相关系数确定所述若干风电机组的运行联动性。
2.如权利要求1所述的一种基于Vine Copula模型的风电机组运行联动性分析方法，其特征在于，所述步骤S3具体包括：
S31、根据所述运行联动性分析数据集及Copula函数集计算每两个所述风电机组的相关性，确定每两个所述风电机组的最优Copula函数；
S32、根据所述运行联动性分析数据集和所述最优Copula函数计算每两个所述风电机组的秩相关系数，生成相关性系数矩阵，根据所述相关性系数矩阵生成C-Vine相依结构；
S33、根据所述运行联动性分析数据集、所述最优Copula函数及所述若干风电机组的地理位置生成D-Vine相依结构；
S34、根据所述运行联动性分析数据集、所述最优Copula函数及最大生成树原则生成R-Vine相依结构。
3.如权利要求1所述的一种基于Vine Copula模型的风电机组运行联动性分析方法，其特征在于，所述步骤S4具体包括：
S41、计算每个所述相依结构的AIC值、BIC值、Loglik值和Vuong检验值；
S42、根据每个所述相依结构的所述AIC值、BIC值、Loglik值计算该相依结构的拟合优度值；
S43、比较每个所述相依结构的所述拟合优度值和所述Vuong检验值，得到最优相依结构。
4.如权利要求1所述的一种基于Vine Copula模型的风电机组运行联动性分析方法，其特征在于，所述步骤S5具体包括：
S51、使用t-Copula计算发电能力最好的所述风电机组与其他风电机组的秩相关系数；
S52、使用BB1 Copula计算发电能力最好的所述风电机组与其他风电机组的上尾相关系数；
S53、使用BB7 Copula计算发电能力最好的所述风电机组与其他风电机组的下尾相关系数。
5.如权利要求1所述的一种基于Vine Copula模型的风电机组运行联动性分析方法，其特征在于，所述步骤S6具体包括：
S61、根据所述最优相依结构得到所述若干风电机组间的整体运行联动性；
S62、根据所述秩相关系数、上尾相关系数、下尾相关系数得到发电能力最好的所述风电机组与其他风电机组的局部运行联动性；
S63、结合所述整体运行联动性和所述局部运行联动性确定所述若干风电机组的运行联动性。
6.如权利要求1所述的一种基于Vine Copula模型的风电机组运行联动性分析方法，其特征在于，所述步骤S2具体包括：
S21、删除所述SCADA数据中风速小于切入风速、风速大于切出风速、风速大于切入风速且有功功率等于0、风速功率限制设定值小于额定功率的数据；
S22、使用bin方法删除所述步骤S21后SCADA数据中离群的散点数据；
S23、在所述步骤S22后SCADA数据中删除时间不同步的SCADA数据；
S24、对所述步骤S23后SCADA数据做时间轴对齐和归一化，生成运行联动性分析数据集。
7.如权利要求1所述的一种基于Vine Copula模型的风电机组运行联动性分析方法，其特征在于，所述步骤S6之后还包括步骤S7、根据所述运行联动性判断所述若干风电机组中的异常机组。
8.如权利要求7所述的一种基于Vine Copula模型的风电机组运行联动性分析方法，其特征在于，所述步骤S7具体包括：
S71、计算每个所述风电机组与所述运行联动性预测值的偏差量；
S72、判断所述偏差量大于预设阈值的风电机组为异常机组。
CN202210998847.8A 2022-08-19 2022-08-19 一种基于Vine Copula模型的风电机组运行联动性分析方法 Pending CN115345370A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210998847.8A CN115345370A (zh) 2022-08-19 2022-08-19 一种基于Vine Copula模型的风电机组运行联动性分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210998847.8A CN115345370A (zh) 2022-08-19 2022-08-19 一种基于Vine Copula模型的风电机组运行联动性分析方法

Publications (1)

Publication Number Publication Date
CN115345370A true CN115345370A (zh) 2022-11-15

Family

ID=83953493

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210998847.8A Pending CN115345370A (zh) 2022-08-19 2022-08-19 一种基于Vine Copula模型的风电机组运行联动性分析方法

Country Status (1)

Country Link
CN (1) CN115345370A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116151131A (zh) * 2023-04-19 2023-05-23 广东电网有限责任公司阳江供电局 风速场景的生成方法、生成装置、电子装置和电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116151131A (zh) * 2023-04-19 2023-05-23 广东电网有限责任公司阳江供电局 风速场景的生成方法、生成装置、电子装置和电子设备
CN116151131B (zh) * 2023-04-19 2023-09-22 广东电网有限责任公司阳江供电局 风速场景的生成方法、生成装置、电子装置和电子设备

Similar Documents

Publication Publication Date Title
CN110362045B (zh) 一种考虑海洋气象因素的海上双馈风电机组故障判别方法
CN109447441B (zh) 一种考虑新能源机组不确定性的暂态稳定风险评估方法
CN108667005B (zh) 一种计及新能源影响的电网静动态结合脆弱性评估方法
CN109934437B (zh) 一种配电网停电风险评估方法及系统
CN110570122A (zh) 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
CN108847679B (zh) 风力发电机组及用于其的次同步振荡识别方法、装置及系统
CN117353436B (zh) 一种基于物联网监控的太阳能供电系统
CN105825002A (zh) 一种基于动态灰关联分析法的风电场动态等值建模方法
CN115345370A (zh) 一种基于Vine Copula模型的风电机组运行联动性分析方法
CN113541194A (zh) 一种海上风电场及vsc-hvdc并网系统可靠性评估方法
CN108074045B (zh) 风电机组整机脆弱性分析与故障排序方法及电子终端
CN109543993B (zh) 分析光伏电站的方法、计算机存储介质及计算机设备
CN111342501B (zh) 一种含分布式电源微电网的无功功率控制方法
CN111894814A (zh) 一种用于发电系统的故障处理系统及方法
CN111882228A (zh) 一种含分布式电源的配电网可靠性评估方法
Frandsen et al. Accuracy of estimation of energy production from wind power plants
CN109546188B (zh) 液流电池储能多属性综合评估方法
CN116432978A (zh) 一种计算高速公路自洽能源系统的供电可靠率指标的方法
CN114281846B (zh) 一种基于机器学习的新能源发电预测方法
CN113242018B (zh) 一种光伏设备故障诊断方法及其应用装置
CN116664098A (zh) 一种光伏电站的异常检测方法及系统
CN116131313A (zh) 特征量与暂态功角稳定性关联关系的可解释性分析方法
CN116085212A (zh) 一种新能源风电机组的运行状态实时监测方法及系统
CN110334951B (zh) 一种风电机组高温降容状态的智能评估方法及系统
CN114595989A (zh) 一种风电机组性能评估方法及装置

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