CN115345519A - 海上风电风险评估方法、装置、设备及存储介质 - Google Patents
海上风电风险评估方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115345519A CN115345519A CN202211115112.2A CN202211115112A CN115345519A CN 115345519 A CN115345519 A CN 115345519A CN 202211115112 A CN202211115112 A CN 202211115112A CN 115345519 A CN115345519 A CN 115345519A
- Authority
- CN
- China
- Prior art keywords
- offshore wind
- wind power
- data
- typhoon
- wind farm
- 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
- 238000012502 risk assessment Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000011217 control strategy Methods 0.000 claims abstract description 29
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 238000013136 deep learning model Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims description 23
- 230000007613 environmental effect Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000010248 power generation Methods 0.000 abstract description 8
- 238000011156 evaluation Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013209 evaluation strategy Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种海上风电风险评估方法、装置、设备及存储介质，通过获取海上风电场在台风天气条件下的海洋环境参数和海上风电机组数据，根据海洋环境参数与海上风电机组数据，分析海上风电场的运行特性，得到海上风电运行特性数据；基于海上风电运行特性数据和海上风电场的多维在线监测数据，确定海上风电场的抗台风控制策略，从而考虑当前场景下的抗台风控制下策略应对台风天气的能力；利用预设深度学习模型，对抗台风控制策略和台风参数分析，得到海上风电场的运行风险数据。从而全面地、准确地对海上风电场以及电网的风险作出评估，合理有效评估台风天气条件下的海上风电运行风险，实现海上风电场的安全运行监控。
Description
技术领域
本申请涉及电力安全技术领域，尤其涉及一种海上风电场的风险评估方法、装置、设备及存储介质。
背景技术
海上风电场建设在沿海一带，需要面临复杂恶劣的海洋气象环境，在极端条件下还需要面临台风恶劣天气的侵袭，因此为保障海上风电场运行安全，有必要对海上风电场进行安全风险监测。
目前，海上风电风险评估策略主要采用单一风险评估指标对海上风电场进行风险评估。例如，以平均风速为作为评估指标进行风险评估。但是，风电机组在台风恶劣天气下的复杂脱网情况涉及复杂多源多维数据，而当前海上风险评估策略无法准确识别出影响安全风险的关键因素，从而无法全面对海上风电场和电网安全风险进行有效评估。
发明内容
本申请提供了一种海上风电风险评估方法、装置、设备及存储介质，以解决当前海上风电风险评估策略无法全面对海上风电场和电网安全风险进行有效评估的技术问题。
为了解决上述技术问题，第一方面，本申请提供了一种海上风电风险评估方法，包括：
获取海上风电场在台风天气条件下的海洋环境参数和海上风电机组数据；
根据所述海洋环境参数与所述海上风电机组数据，分析所述海上风电场的运行特性，得到海上风电运行特性数据；
基于所述海上风电运行特性数据和所述海上风电场的多维在线监测数据，确定所述海上风电场的抗台风控制策略；
利用预设深度学习模型，对所述抗台风控制策略和台风参数分析，得到所述海上风电场的运行风险数据。
作为优选，所述根据所述海洋环境参数与所述海上风电机组数据，分析所述海上风电场的运行特性，得到海上风电运行特性数据，包括：
对所述海洋环境参数和所述海上风电机组数据进行数据清洗，得到清洗后的目标数据集合；
基于预设聚类模型，对所述目标数据集合进行聚类分析，得到聚类分析结果；
根据所述聚类分析结果，确定所述海上风电运行特性数据。
作为优选，所述利用预设深度学习模型，对所述抗台风控制策略和台风参数进行分析，得到所述海上风电场的运行风险数据，包括：
将所述抗台风控制策略和所述台风参数输入到所述预设深度学习模型，以按照时间尺度预测所述海上风电场在台风天气条件下的脱网概率，所述脱网概率为所述运行风险数据。
作为优选，所述根据所述海洋环境参数与所述海上风电机组数据，分析所述海上风电场的运行特性，得到海上风电运行特性数据之后，还包括：
利用预设关联学习算法，根据所述海上风电运行特性数据，确定所述海上风电场的运行风险影响因素；
建立所述运行风险影响因素与海上风电场的运行风险之间的关联模型；
基于所述关联模型，确定所述海上风电场在台风天气条件下的安全运行边界。
作为优选，所述基于所述关联模型，确定所述海上风电场在台风天气条件下的安全运行边界之后，还包括：
基于所述安全运行边界，对所述海上风电场进行运行控制。
作为优选，所述方法还包括：
每隔预设时长，对所述海上风电场进行风险评估。
作为优选，所述海洋环境参数包括气象参数和海洋水文环境参数，所述海上风电机组数据包括海上风电机组的历史运行数据、非台风期间故障数据、抗台风控制策略以及台风期间故障数据。
第二方面，本申请提供一种海上风电风险评估装置，包括：
获取模块，用于获取海上风电场在台风天气条件下的海洋环境参数和海上风电机组数据；
第一分析模块，用于根据所述海洋环境参数与所述海上风电机组数据，分析所述海上风电场的运行特性，得到海上风电运行特性数据；
确定模块，用于基于所述海上风电运行特性数据和所述海上风电场的多维在线监测数据，确定所述海上风电场的抗台风控制策略；
第二分析模块，用于利用预设深度学习模型，对所述抗台风控制策略和台风参数分析，得到所述海上风电场的运行风险数据。
第三方面，本申请提供一种计算机设备，包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时实现如第一方面所述的海上风电风险评估方法。
第四方面，本申请提供一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的海上风电风险评估方法。
与现有技术相比，本申请至少具备以下有益效果：
通过获取海上风电场在台风天气条件下的海洋环境参数和海上风电机组数据，根据所述海洋环境参数与所述海上风电机组数据，分析所述海上风电场的运行特性，得到海上风电运行特性数据，从而可以辨识出造成海上风电场运行风险的关键因素；基于所述海上风电运行特性数据和所述海上风电场的多维在线监测数据，确定所述海上风电场的抗台风控制策略，从而考虑当前场景下的抗台风控制下策略应对台风天气的能力；最后利用预设深度学习模型，对所述抗台风控制策略和台风参数分析，得到所述海上风电场的运行风险数据，从而全面地、准确地对海上风电场以及电网的风险作出评估，合理有效评估台风天气条件下的海上风电运行风险，实现海上风电场的安全运行监控。
附图说明
图1为本申请一实施例示出的海上风电风险评估方法的流程示意图；
图2为本申请另一实施例示出的海上风电风险评估方法的流程示意图；
图3为本申请实施例示出的海上风电风险评估装置的结构示意图；
图4为本申请实施例示出的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参照图1，图1为本申请实施例提供的一种海上风电风险评估方法的流程示意图。本申请实施例的方法可应用于计算机设备，该计算机设备包括但不限于智能手机、笔记本电脑、平板电脑、桌上型计算机、物理服务器和云服务器等设备。如图1所示，本实施例的海上风电风险评估方法包括步骤S101至步骤S104，详述如下：
步骤S101，获取海上风电场在台风天气条件下的海洋环境参数和海上风电机组数据。
在本步骤中，海洋环境参数和海上风电机组数据为基于气象、电网、海上风电环境的历史数据，能够对海上风电风险评估产生影响。可选地，所述海洋环境参数包括但不限于气象参数和海洋水文环境参数，气象参数可以包括本地气象监测和实时天气预报，海洋水文环境参数可以包括海水温度、海水盐度和密度等。所述海上风电机组数据包括但不限于海上风电机组的历史运行数据、非台风期间故障数据、抗台风控制策略以及台风期间故障数据。
步骤S102，根据所述海洋环境参数与所述海上风电机组数据，分析所述海上风电场的运行特性，得到海上风电运行特性数据。
在本步骤中，由于台风天气条件下难以辨识出海上风电机组脱网的关键影响因素，所以本实施例对台风天气条件下海上风电运行特性进行分析，利用历史数据结合数学模型进行分析。关键影响因素包括气象、海上风电机组故障等因素。
在一些实施例中，所述步骤S102，包括：
对所述海洋环境参数和所述海上风电机组数据进行数据清洗，得到清洗后的目标数据集合；
基于预设聚类模型，对所述目标数据集合进行聚类分析，得到聚类分析结果；
根据所述聚类分析结果，确定所述海上风电运行特性数据。
在本实施例中，海洋环境参数与海上风电机组数据是多维多源的大数据，对数据进行清洗，修正错误数据，然后对数据进行聚类分析，从而可以加快数据处理的准确程度和提高数据的效率，然后利用聚类分析后的数据结合数学模型和仿真对数据进行分析，能够更加准确、高效地获得海上风电运行特性。以便于后续的海上风电风险评估。
步骤S103，基于所述海上风电运行特性数据和所述海上风电场的多维在线监测数据，确定所述海上风电场的抗台风控制策略；
在本步骤中，多维在线监测数据包括但不限于实时天气预报数据、海上风电场本地气象监测数据、海上风电机组实时数据以及海上实时视频监控数据；抗台风控制策略包括但不限于传统的海上风电机组抗台风策略和智能化抗台风控制策略。
可选地，海上风电运行特性结合多维在线监测数据可以分析确定所需要的海上风电机组停机风险评估策略。具体地，基于海上风电运行特性，结合实时数值天气预报、海上风电场本地气象监测、风机数据采集与监视控制等多源多维在线监测数据，定的海上风电机组停机风险评估策略，从而针对海上风电机组的故障相应的提供海上风电机组的抗台风控制策略。
步骤S104，利用预设深度学习模型，对所述抗台风控制策略和台风参数分析，得到所述海上风电场的运行风险数据。
在本实施例中，所述台风参数包括但不限于台风强度参数、台风半径参数、台风移动速度参数以及台风路径参数。台风天气条件下的海上风电风险又受到台风强度、半径、路径、移动速度、登陆地点等台风参数的影响。因此，综合考虑台风强度、半径、路径、移动速度、登陆地点等复杂参数的多维时空分布。
台风天气条件下，大规模海上风电脱网对大电网造成的运行风险，受到台风前后大电网负荷、海上风电及陆上风电出力、电网备用容量等的时空分布特性影响，且这些影响因素又受到台风强度、半径、路径、移动速度、登陆地点等复杂因素影响。本实施例结合台风参数进行考量，考虑台风强度、半径、路径、移动速度、登录地点等因素，通过预设深度学习模型实现风险分析，可选的本实施例可以结合调度可行域计算、大规模运行仿真、安全深度强化学习等技术。具体地，可以根据实际应用场景选择可适用的深度学习技术。从而实现不同台风场景下大规模海上风电脱网造成电网运行安全风险的影响分析及评估。
其中，海上风电机组停机风险，主要指的是海上风电场脱网的情况，指的是风电场因故与电网解列或是风电场内的机组在发电状态时突然停止运行。风电机组发出的电经过箱式变压器升压后经集电线路送至升压站，汇集后再经主变压器升压后由送出线路送入电网。如果送出线路或是主变高、低压侧故障，则会导致送出线路开关或是主变高、低压侧开关跳闸，这时就是风电场脱网了。除此之外，电网电压过高或者过低、频率过高或者谐波过大都会造成风电场风电机组全部停机，也会叫做风电场脱网。
在一些实施例中，所述步骤S104，包括：
将所述抗台风控制策略和所述台风参数输入到所述预设深度学习模型，以按照时间尺度预测所述海上风电场在台风天气条件下的脱网概率，所述脱网概率为所述运行风险数据。
在本实施例中，抗台风策略可以根据实际应用情况进行预先设定，结合具体的当前台风参数，以及海上风电机组停机风险评估策略，深度学习模型进行学习。可选的，可以结合分布鲁棒优化等手段。最终可以确定台风天气条件下海上风电场在不同时刻的脱网概率是多大，定量化评估风电场因台风整体脱网概率多时间尺度分布。从而可以预先评估风险，及时作出相应的调整策略。
实现不同台风场景下大规模海上风电脱网造成电网运行安全风险的影响分析及评估，为台风天气条件下电网的安全运行提供决策依据。
在一些实施例中，如图2所示的海上风电风险评估方法的流程示意图，所述步骤S102之后，还包括：
步骤S201，利用预设关联学习算法，根据所述海上风电运行特性数据，确定所述海上风电场的运行风险影响因素；
步骤S202，建立所述运行风险影响因素与海上风电场的运行风险之间的关联模型；
步骤S203，基于所述关联模型，确定所述海上风电场在台风天气条件下的安全运行边界。
在本实施例中，结合所述海上风电运行特性可以辨识造成海上风电场运行风险的关键影响因素，建立海上风电场运行风险与关键因素的关联模型，分析其安全运行的边界条件。进一步可以指导台风天气条件下单台风电机组、风电场乃至风电场群的合理运行，实现海上风电场的安全运行控制。
在一些实施例中，所述基于所述关联模型，确定所述海上风电场在台风天气条件下的安全运行边界之后，还包括：
基于所述安全运行边界，对所述海上风电场进行运行控制。
在本实施例中，确定电网运行的安全边界后，从而可以指导单台风电机组、风电场乃至风电场群的合理运行，实现海上风电场的安全运行控制。实现不同台风场景下大规模海上风电脱网造成电网运行安全风险的影响分析及评估，为台风天气条件下大电网的安全运行提供决策依据。
在一些实施例中，方法还包括：
每隔预设时长，对所述海上风电场进行风险评估。
在本实施例中，台风天气条件下，海上风电场运行风险评估需具有较强的时效性，且与电网的运行调度相匹配。一般气象台的台风播报间隔为1小时左右，时间跨度较长。而由于目前国内外并未见有针对台风天气条件的海上风电场运行风险评估，本实施例结合电网运行调度的实际需求，至少每隔15分钟实现海上风电运行风险评估结果的更新。在实际应用中可以根据实际的海上风电网的运行调度实际需求，设定上述的预设时间间隔。
为了执行上述方法实施例对应的海上风电风险评估方法，以实现相应的功能和技术效果。参见图3，图3示出了本申请实施例提供的一种海上风电风险评估装置的结构框图。为了便于说明，仅示出了与本实施例相关的部分，本申请实施例提供的海上风电风险评估装置，包括：
第二方面，本申请提供一种海上风电风险评估装置，包括：
获取模块301，用于获取海上风电场在台风天气条件下的海洋环境参数和海上风电机组数据；
第一分析模块302，用于根据所述海洋环境参数与所述海上风电机组数据，分析所述海上风电场的运行特性，得到海上风电运行特性数据；
确定模块303，用于基于所述海上风电运行特性数据和所述海上风电场的多维在线监测数据，确定所述海上风电场的抗台风控制策略；
第二分析模块304，用于利用预设深度学习模型，对所述抗台风控制策略和台风参数分析，得到所述海上风电场的运行风险数据。
在一些实施例中，所述第一分析模块302，具体用于：
对所述海洋环境参数和所述海上风电机组数据进行数据清洗，得到清洗后的目标数据集合；
基于预设聚类模型，对所述目标数据集合进行聚类分析，得到聚类分析结果；
根据所述聚类分析结果，确定所述海上风电运行特性数据。
在一些实施例中，所述第二分析模块304，具体用于：
将所述抗台风控制策略和所述台风参数输入到所述预设深度学习模型，以按照时间尺度预测所述海上风电场在台风天气条件下的脱网概率，所述脱网概率为所述运行风险数据。
在一些实施例中，所述装置，还包括：
第二确定模块，用于利用预设关联学习算法，根据所述海上风电运行特性数据，确定所述海上风电场的运行风险影响因素；
建立模块，用于建立所述运行风险影响因素与海上风电场的运行风险之间的关联模型；
第三确定模块，用于基于所述关联模型，确定所述海上风电场在台风天气条件下的安全运行边界。
在一些实施例中，所述装置，还包括：
控制模块，用于基于所述安全运行边界，对所述海上风电场进行运行控制。
在一些实施例中，所述装置还包括：
评估模块，用于每隔预设时长，对所述海上风电场进行风险评估。
在一些实施例中，所述海洋环境参数包括气象参数和海洋水文环境参数，所述海上风电机组数据包括海上风电机组的历史运行数据、非台风期间故障数据、抗台风控制策略以及台风期间故障数据。
上述海上风电风险评估装置可实施上述方法实施例的海上风电风险评估方法。上述方法实施例中的可选项也适用于本实施例，这里不再详述。本申请实施例的其余内容可参照上述方法实施例的内容，在本实施例中，不再进行赘述。
图4为本申请一实施例提供的计算机设备的结构示意图。如图4所示，该实施例的计算机设备4包括：至少一个处理器40(图4中仅示出一个)处理器、存储器41以及存储在所述存储器41中并可在所述至少一个处理器40上运行的计算机程序42，所述处理器40执行所述计算机程序42时实现上述任意方法实施例中的步骤。
所述计算机设备4可以是智能手机、平板电脑、桌上型计算机和云端服务器等计算设备。该计算机设备可包括但不仅限于处理器40、存储器41。本领域技术人员可以理解，图4仅仅是计算机设备4的举例，并不构成对计算机设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器40可以是中央处理单元(Central Processing Unit，CPU)，该处理器40还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41在一些实施例中可以是所述计算机设备4的内部存储单元，例如计算机设备4的硬盘或内存。所述存储器41在另一些实施例中也可以是所述计算机设备4的外部存储设备，例如所述计算机设备4上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
另外，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任意方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在计算机设备上运行时，使得计算机设备执行时实现上述各个方法实施例中的步骤。
在本申请所提供的几个实施例中，可以理解的是，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意的是，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read－Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述的具体实施例，对本申请的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本申请的具体实施例而已，并不用于限定本申请的保护范围。特别指出，对于本领域技术人员来说，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种海上风电风险评估方法，其特征在于，包括：
获取海上风电场在台风天气条件下的海洋环境参数和海上风电机组数据；
根据所述海洋环境参数与所述海上风电机组数据，分析所述海上风电场的运行特性，得到海上风电运行特性数据；
基于所述海上风电运行特性数据和所述海上风电场的多维在线监测数据，确定所述海上风电场的抗台风控制策略；
利用预设深度学习模型，对所述抗台风控制策略和台风参数分析，得到所述海上风电场的运行风险数据。
2.如权利要求1所述的海上风电风险评估方法，其特征在于，所述根据所述海洋环境参数与所述海上风电机组数据，分析所述海上风电场的运行特性，得到海上风电运行特性数据，包括：
对所述海洋环境参数和所述海上风电机组数据进行数据清洗，得到清洗后的目标数据集合；
基于预设聚类模型，对所述目标数据集合进行聚类分析，得到聚类分析结果；
根据所述聚类分析结果，确定所述海上风电运行特性数据。
3.如权利要求1所述的海上风电风险评估方法，其特征在于，所述利用预设深度学习模型，对所述抗台风控制策略和台风参数进行分析，得到所述海上风电场的运行风险数据，包括：
将所述抗台风控制策略和所述台风参数输入到所述预设深度学习模型，以按照时间尺度预测所述海上风电场在台风天气条件下的脱网概率，所述脱网概率为所述运行风险数据。
4.如权利要求1所述的海上风电风险评估方法，其特征在于，所述根据所述海洋环境参数与所述海上风电机组数据，分析所述海上风电场的运行特性，得到海上风电运行特性数据之后，还包括：
利用预设关联学习算法，根据所述海上风电运行特性数据，确定所述海上风电场的运行风险影响因素；
建立所述运行风险影响因素与海上风电场的运行风险之间的关联模型；
基于所述关联模型，确定所述海上风电场在台风天气条件下的安全运行边界。
5.如权利要求4所述的海上风电风险评估方法，其特征在于，所述基于所述关联模型，确定所述海上风电场在台风天气条件下的安全运行边界之后，还包括：
基于所述安全运行边界，对所述海上风电场进行运行控制。
6.如权利要求1所述的海上风电风险评估方法，其特征在于，所述方法还包括：
每隔预设时长，对所述海上风电场进行风险评估。
7.如权利要求1所述的海上风电风险评估方法，其特征在于，所述海洋环境参数包括气象参数和海洋水文环境参数，所述海上风电机组数据包括海上风电机组的历史运行数据、非台风期间故障数据、抗台风控制策略以及台风期间故障数据。
8.一种海上风电风险评估装置，其特征在于，包括：
获取模块，用于获取海上风电场在台风天气条件下的海洋环境参数和海上风电机组数据；
第一分析模块，用于根据所述海洋环境参数与所述海上风电机组数据，分析所述海上风电场的运行特性，得到海上风电运行特性数据；
确定模块，用于基于所述海上风电运行特性数据和所述海上风电场的多维在线监测数据，确定所述海上风电场的抗台风控制策略；
第二分析模块，用于利用预设深度学习模型，对所述抗台风控制策略和台风参数分析，得到所述海上风电场的运行风险数据。
9.一种计算机设备，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7任一项所述的海上风电风险评估方法。
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的海上风电风险评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211115112.2A CN115345519A (zh) | 2022-09-13 | 2022-09-13 | 海上风电风险评估方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211115112.2A CN115345519A (zh) | 2022-09-13 | 2022-09-13 | 海上风电风险评估方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115345519A true CN115345519A (zh) | 2022-11-15 |
Family
ID=83955462
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211115112.2A Pending CN115345519A (zh) | 2022-09-13 | 2022-09-13 | 海上风电风险评估方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115345519A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117436352A (zh) * | 2023-12-20 | 2024-01-23 | 聚合电力工程设计(北京)股份有限公司 | 一种风电场噪声分析方法及系统 |
-
2022
- 2022-09-13 CN CN202211115112.2A patent/CN115345519A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117436352A (zh) * | 2023-12-20 | 2024-01-23 | 聚合电力工程设计(北京)股份有限公司 | 一种风电场噪声分析方法及系统 |
| CN117436352B (zh) * | 2023-12-20 | 2024-03-22 | 聚合电力工程设计(北京)股份有限公司 | 一种风电场噪声分析方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Milanović | Probabilistic stability analysis: the way forward for stability analysis of sustainable power systems | |
| CN113240289B (zh) | 一种电网调度控制系统运行状态评估方法及系统 | |
| Hatziargyriou et al. | Energy management and control of island power systems with increased penetration from renewable sources | |
| Zhao et al. | Resilient unit commitment for day-ahead market considering probabilistic impacts of hurricanes | |
| CN109004679B (zh) | 一种可再生能源接入的电网安全稳定监控方法 | |
| Liu et al. | Availability assessment based case-sensitive power system restoration strategy | |
| CN105354643A (zh) | 一种风电接入电网的风险预测评估方法 | |
| CN115345519A (zh) | 海上风电风险评估方法、装置、设备及存储介质 | |
| Zhang et al. | Multi-objective interval prediction of wind power based on conditional copula function | |
| Wang et al. | Data-driven transient stability assessment using sparse PMU sampling and online self-check function | |
| CN111209535A (zh) | 一种电力设备相继故障风险识别方法及系统 | |
| CN201666923U (zh) | 一种用免疫遗传算法处理电力系统的dsp故障诊断的装置 | |
| CN117473384A (zh) | 一种电网线路安全约束辨识方法、装置、设备及存储介质 | |
| CN110021933B (zh) | 考虑组件故障的电力信息系统控制功能可靠性评估方法 | |
| CN115545493A (zh) | 含光伏的配电网的故障诊断方法、系统、设备及存储介质 | |
| CN104732101B (zh) | 电网调度操作中系统总有功失负荷值确定方法和系统 | |
| CN104426146A (zh) | 一种环网线路电流越限的快速灵敏度分析方法 | |
| Xu et al. | A new approach for fast reliability evaluation of composite power system considering wind farm | |
| CN113242018A (zh) | 一种光伏设备故障诊断方法及其应用装置 | |
| Khalel et al. | Dynamic security assessment for the power system in the presence of wind turbines | |
| Liu et al. | A Bayesian deep learning-based probabilistic risk assessment and early-warning model for power systems considering meteorological conditions | |
| You et al. | Build Smart Grids on Artificial Intelligence–A Real-world Example | |
| CN112467782B (zh) | 水光互补系统的运行安全校核方法和装置、电子设备 | |
| CN113742164B (zh) | 基于数字电网的多样化数据采集系统、方法和存储介质 | |
| KR102100568B1 (ko) | Iec61850 기반 분산전원 상태정보를 활용한 데이터 전처리 및 발전량 예측 분석 시스템 |
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 |