CN116662829B - 一种场群风机标准功率曲线定义规则和偏差验证方法 - Google Patents
一种场群风机标准功率曲线定义规则和偏差验证方法 Download PDFInfo
- Publication number
- CN116662829B CN116662829B CN202310937693.6A CN202310937693A CN116662829B CN 116662829 B CN116662829 B CN 116662829B CN 202310937693 A CN202310937693 A CN 202310937693A CN 116662829 B CN116662829 B CN 116662829B
- Authority
- CN
- China
- Prior art keywords
- power
- average value
- definition
- peak
- monitoring
- 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
Links
- 238000012795 verification Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000010248 power generation Methods 0.000 claims abstract description 108
- 238000012544 monitoring process Methods 0.000 claims abstract description 106
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000012937 correction Methods 0.000 claims description 33
- 239000006185 dispersion Substances 0.000 claims description 27
- 238000007667 floating Methods 0.000 claims description 26
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 238000012417 linear regression Methods 0.000 claims description 6
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 238000004062 sedimentation Methods 0.000 description 6
- 238000012216 screening Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- 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
-
- 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
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种场群风机标准功率曲线定义规则和偏差验证方法,包括将风力发电机群进行发电功率时段划分,获得平均发电功率波动区间与峰值发电功率波动区间,获取平均值监测功率组,经计算得到平均值协方差曲线图;获取峰值监测功率组,经计算得到峰值协方差曲线图;利用风力发电机群叶片转动效率匹配平均值定义节点与峰值定义节点,将配对好的平均值定义节点与峰值定义节点确定各自的协方差并进行偏差范围判断。该方法及系统通过对每个定义节点两种监测对象进行分别计算,然后根据各自的计算结果进行协方差对比,根据协方差对比结果偏差范围判断该定义节点是否存在较大误差,以减少后续计算的误差,从而来保证最终分析结果的精确性。
Description
技术领域
本发明涉及风力发电机群的发电功率定义规则领域,尤其涉及一种场群风机标准功率曲线定义规则和偏差验证方法。
背景技术
风能作为一种间歇性、随机性、波动性的自然资源,当其渗透率超过一定比例后,电力系统的安全运行可能受到严重影响。风电场的风力发电功率曲线定义规则和偏差验证是保障高比例新能源电力系统安全、可靠运行的核心技术,电网调度部门根据功率定义和偏差验证的风力发电功率做好各类电源的调度计划,即将风力发电纳入常规发电计划,以便更好的管理和利用风力发电,因此,风力发电功率曲线定义规则和偏差验证直接关系到电网调峰、机组组合、机组经济运行等问题。
但是,目前风力发电出力的功率定义和偏差验证水平还不能满足电力系统实际运行的需要;为提高风力发电功率曲线定义规则和偏差验证,可以通过评价风力发电功率曲线定义规则和偏差验证误差解析出影响风力发电功率曲线定义规则和偏差验证的因素,并根据影响因素调整风力发电功率曲线定义规则和偏差验证,以此准确进行风力发电功率曲线定义和偏差验证。
现有区域电网的调度侧所采用的风力发电功率曲线定义规则和偏差验证误差评价技术通常基于功率定义和偏差验证结果及实际结果进行宏观整体结果为主,无法量化解析在各风电场的风力发电功率曲线定义规则和偏差验证的各个关键环节引起的误差,不能有针对性地开展相应的优化措施,不利于风力发电功率的精准管理。
发明内容
本发明的目的在于提供一种场群风机标准功率曲线定义规则和偏差验证方法,该方法通过对每个定义节点两种监测对象进行分别计算,然后根据各自的计算结果进行方差对比,根据方差对比结果偏差范围判断该定义节点是否存在超过30%误差,提前舍去该定义节点采集的功率,以减少后续计算的误差,从而来保证最终分析结果的精确性。
本发明的实施例是这样实现的:一种场群风机标准功率曲线定义规则和偏差验证方法,包括如下步骤:将风力发电机群进行发电标准功率时段划分,获得平均发电功率波动区间与峰值发电功率波动区间,其中,平均发电功率波动区间用于对风力发电机群的不同季节单位时间发电功率平均浮动范围进行定义,峰值发电功率波动区间用于对风力发电机群的不同季节单位时间发电功率峰值浮动范围进行定义;获取平均发电功率波动区间内的所有平均值定义节点,并确定所有平均值定义节点的监测功率,构成平均值监测功率组,并计算该平均值监测功率组内各监测功率的方差,获得平均值方差曲线图;获取峰值发电功率波动区间内的所有峰值定义节点,并确定所有峰值定义节点的监测功率,构成峰值监测功率组,并计算该峰值监测功率组内各监测功率的方差,获得峰值方差曲线图;利用风力发电机群叶片转动效率匹配平均值定义节点与峰值定义节点,将配对好的平均值定义节点与峰值定义节点确定各自的方差并进行偏差范围判断;若平均值定义节点在平均值方差曲线图中的方差值与峰值定义节点在峰值方差曲线图中的方差值相同,则将该平均值定义节点和该峰值定义节点作为功率偏差验证监测点。
在可选地实施方式中,将功率偏差验证点的平均值定义节点标定为平均值目标定义节点,利用所有平均值定义节点建立平均值单位时间离散曲线,利用平均值单位时间离散曲线确定该平均值目标定义节点的平均值相关性定义点,将所有平均值相关性定义点与平均值目标定义节点所监测的功率进行相似性对比,根据对比结果偏差范围判断是否将该平均值目标定义节点作为功率偏差验证监测点;将功率偏差验证点的峰值定义节点标定为峰值目标定义节点,利用所有峰值定义节点建立峰值单位时间离散曲线;利用峰值单位时间离散曲线确定该峰值目标定义节点的峰值相关性定义点;将所有峰值相关性定义点与峰值目标定义节点所监测的功率进行相似性对比,根据对比结果偏差范围判断是否将该峰值目标定义节点作为功率偏差验证监测点。
在可选地实施方式中,相似性对比包括如下步骤:确定监测功率的采集具体时段,其中,采集具体时段包括不同季节的发电功率监测、不同风速的发电功率监测和不同叶片重量的发电功率监测;确定采集具体时段中各影响因素间的权重,计算对应相关性定义点采集具体时段中各影响因素权重与对应目标定义节点采集具体时段中各影响因素权重的权重因子,获得所有权重因子的关联程度,利用该关联程度计算对应相关性定义点与对应目标定义节点之间的相似性对比结果。
在可选地实施方式中,获得所有权重因子的关联程度之前还包括如下步骤:将所有权重因子进行编码,获得平均值编号;将该平均值编号中的各影响因素赋予特征编号,再利用对应单位时间离散曲线在各特征编号上赋予偏差校正值,获得不同偏差校正结果,在不同偏差校正结果中确定前A个偏差校正结果所对应的权重因子进行后续步骤,A大于等于零。
在可选地实施方式中,确定A个偏差校正结果时补入异常权重因子所对应的偏差校正结果,其中,异常权重因子是根据所有权重因子进行线性回归分析得到的。
在可选地实施方式中,利用平均值单位时间离散曲线确定该平均值目标定义节点的平均值相关性定义点之后还包括如下步骤:获得平均值目标定义节点与平均值相关性定义点之间的斯皮尔曼相关系数;将斯皮尔曼相关系数超过平均值预设范围的平均值相关性定义点进行舍去。
在可选地实施方式中,将斯皮尔曼相关系数超过平均值预设范围的平均值相关性定义点进行舍去还包括以下步骤:利用平均值单位时间离散曲线确定被舍去的平均值相关性定义点与平均值目标定义节点之间的节点数量S,当S值超过峰值预设范围,则将该被舍去的平均值相关性定义点进行补入,作为与平均值目标定义节点对比的基础。
在可选地实施方式中,将补入的平均值相关性定义点赋予发电偏差校正系数,该发电偏差校正系数作为代入该平均值相关性定义点进行相似性对比的计算基础。
一种场群风机标准功率曲线定义规则和偏差验证方法,包括:
发电标准功率时段划分单元,其用于将风力发电机群进行发电标准功率时段划分,获得平均发电功率波动区间与峰值发电功率波动区间,其中,平均发电功率波动区间用于对风力发电机群的不同季节单位时间发电功率平均浮动范围进行定义,峰值发电功率波动区间用于对风力发电机群的不同季节单位时间发电功率峰值浮动范围进行定义;
风机平均值方差计算单元,其用于获取平均发电功率波动区间内的所有平均值定义节点,并确定所有平均值定义节点的监测功率,构成平均值监测功率组,并计算该平均值监测功率组内各监测功率的方差,获得平均值方差曲线图;
风机峰值方差计算单元,其用于获取峰值发电功率波动区间内的所有峰值定义节点,并确定所有峰值定义节点的监测功率,构成峰值监测功率组,并计算该峰值监测功率组内各监测功率的方差,获得峰值方差曲线图;
叶片转动效率匹配单元,其用于利用风力发电机群叶片转动效率匹配平均值定义节点与峰值定义节点,将配对好的平均值定义节点与峰值定义节点确定各自的方差并进行偏差范围判断;
偏差范围判断单元,其用于偏差范围判断:若平均值定义节点在平均值方差曲线图中的方差值与峰值定义节点在峰值方差曲线图中的方差值相同,则将该平均值定义节点和该峰值定义节点作为功率偏差验证监测点。
在可选地实施方式中,还包括峰值偏差范围判断单元,其用于将功率偏差验证点的平均值定义节点标定为平均值目标定义节点,利用所有所述平均值定义节点建立平均值单位时间离散曲线,利用所述平均值单位时间离散曲线确定该平均值目标定义节点的平均值相关性定义点,将所有平均值相关性定义点与所述平均值目标定义节点所监测的功率进行相似性对比,根据对比结果偏差范围判断是否将该平均值目标定义节点作为功率偏差验证监测点;将功率偏差验证点的峰值定义节点标定为峰值目标定义节点,利用所有所述峰值定义节点建立峰值单位时间离散曲线;利用所述峰值单位时间离散曲线确定该峰值目标定义节点的峰值相关性定义点;将所有峰值相关性定义点与所述峰值目标定义节点所监测的功率进行相似性对比,根据对比结果偏差范围判断是否将该峰值目标定义节点作为功率偏差验证监测点。
有益效果:本发明实施例提供的一种场群风机标准功率曲线定义规则和偏差验证方法通过将风力发电机群各种类型监测功率对应的定义节点进行划分,例如主要的不同季节单位时间发电功率平均浮动范围和不同季节单位时间发电功率峰值浮动范围,形成平均发电功率波动区间和峰值发电功率波动区间,相对于每种类型监测功率均各自进行纵向对比分析,尤其是同一定义节点的不同季节单位时间发电功率平均浮动范围功率和不同季节单位时间发电功率峰值浮动范围仅出现一者异常的概率很低,要么出现同等或相近程度的异常,要么属于正常情形,采用以上分别纵向对比的方式,最终将对应匹配风力发电机群位置的平均值定义节点和峰值定义节点进行匹配,确定两者的异常程度是否相同或者趋于相同来偏差范围判断该定义节点功率采集发电功率是否正常,从而预先舍去可能存在异常采集的定义节点,不参与后续的功率分析过程,保证最终计算结果的精确度,使得风力发电机群的发电功率得到准确定义,以及对偏差进行了有效的验证,提升了对风力发电功率的精准管理。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明方法的步骤流程图;
图2为本发明方法的运行单元组成图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。利用本发明中的实施例,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,都属于本发明保护的范围。
本发明中使用了流程图用来说明根据本申请的实施例的方法所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或者同时处理各个步骤。同时,也可以将其它操作添加到这些过程中,或从这些过程移除某一步或数步操作。
实施例:在城市风力发电机群监测作业中,针对同一片区风力发电机群域在进行功率监测时会获得不同定义节点传来的功率,在一些情况下,该些监测功率之间会存在采集误差,即不同定义节点针对同一对象的监测功率并不完全相同,此前的处理方式是将所有采集功率进行均值化处理,以达到尽量减小误差的方式,但针对该处理方式还存在进一步提高精确度的情形,尤其是以上的定义节点大多数存在采集精度问题时,此时均值化处理结果依然与实际的结果相差甚远,不能对后续智慧管理应用层面提供可靠的功率支撑。为进一步优化以上问题,本实施例提供了一种场群风机标准功率曲线定义规则和偏差验证方法,通过提前偏差范围判断针对同一对象的定义节点之中存在监测精度较低的定义节点进行舍去,以进一步提高功率采集的精度。
如图1所示,本实施例提供的一种场群风机标准功率曲线定义规则和偏差验证方法,包括如下步骤:
S101:将风力发电机群进行发电标准功率时段划分,获得平均发电功率波动区间与峰值发电功率波动区间,其中,所述平均发电功率波动区间用于对风力发电机群的不同季节单位时间发电功率平均浮动范围进行定义,所述峰值发电功率波动区间用于对风力发电机群的不同季节单位时间发电功率峰值浮动范围进行定义;该步骤表示确定风力发电机群不同时段的发电功率平均值和峰值,该风力发电机群主要配置有不同季节单位时间发电功率峰值浮动范围和不同季节单位时间发电功率平均浮动范围两种监测发电功率,由布置在该风力发电机群中的不同定义节点实现,每个定义节点会在对应点位进行不同季节单位时间发电功率峰值浮动范围与不同季节单位时间发电功率平均浮动范围的同步监测。考虑到同一定义节点同时出现不同季节单位时间发电功率峰值浮动范围监测和不同季节单位时间发电功率平均浮动范围监测正常或异常的概率更大,仅其中一者出现的异常的概率更小,因此将每个定义节点对应的两种发电功率的监测功率单独提炼出来进行纵向对比,能够进一步偏差范围判断该定义节点是否存在异常监测的可能。即将风力发电机群的发电标准功率时段划分为平均发电功率波动区间与峰值发电功率波动区间以便于后续进行纵向对比。
S102:获取所述平均发电功率波动区间内的所有平均值定义节点,并确定所有所述平均值定义节点的监测功率,构成平均值监测功率组,并计算该平均值监测功率组内各监测功率的方差,获得平均值方差曲线图。该步骤表示采用监测功率的方差来实现上述的纵向对比,由于该步骤不清楚该定义节点是否存在异常监测的可能,因此需要将所有平均值定义节点的监测功率进行呈现和分析。同样地,对峰值定义节点也采取相同处理措施,即进行步骤S103:获取所述峰值发电功率波动区间内的所有峰值定义节点,并确定所有所述峰值定义节点的监测功率,构成峰值监测功率组,并计算该峰值监测功率组内各监测功率的方差,获得峰值方差曲线图;将所有峰值定义节点的监测功率进行呈现和分析。
在该步骤S102和步骤S103中,通过平均值方差曲线图和峰值方差曲线图的呈现,即能够找到同一定义节点两种发电功率监测的功率与其余定义节点两种发电功率监测的功率对比情况,若同一定义节点的两种发电功率监测功率方差曲线相同,则表示其两种发电功率的监测功率均在该定义节点的视角上是准确或正确的,即可进行步骤S104:利用风力发电机群叶片转动效率匹配所述平均值定义节点与所述峰值定义节点,将配对好的所述平均值定义节点与所述峰值定义节点确定各自的方差并进行偏差范围判断;此处的风力发电机群叶片转动效率主要指隶属于同一配置分管主体的情形,由于在实践中,不同季节单位时间发电功率平均浮动范围以及不同季节单位时间发电功率峰值浮动范围监测可能会在不同监测点位进行,但该不同监测点位均属于同一主体监管负责,需要将对应分开的平均值定义节点与峰值定义节点结合起来进行上述的纵向对比,尤其是根据各自的方差并进行偏差范围判断。
S105:如果所述平均值定义节点在平均值方差曲线图中的方差值与所述峰值定义节点在峰值方差曲线图中的方差值相同,则将该平均值定义节点和该峰值定义节点作为功率偏差验证监测点;该步骤表示若匹配为同一监测点位的平均值定义节点和峰值定义节点,其在各自的方差曲线图中方差曲线相似度大于98%,该相似度利用利用皮尔森相关系数进行计算,那么可以确定其初步偏差范围判断为可能属于正常且精确采集功率的点位,而各自的方差曲线偏差超过50%,则可以偏差范围判断其为异常监测点位,则将其上传的功率进行舍去,以达到进一步减少功率误差的目的。
通过以上技术方案,仅仅是从初筛的角度将高度存在异常可能监测点位的监测功率进行舍去,而保留的监测点位也可能存在异常监测的情况,但相较于将所有监测点位的监测功率进行均值化应用的方式而言,误差更小,功率获取更可靠。在一些实施方式中,为了更进一步对保留的监测点位进行分析,以达到更进一步偏差范围判断该监测点位是否异常的目的。本实施例提供的分析方法还包括步骤S106及其子步骤。
S106为通过建立单位时间离散曲线找到相关性定义点进行相似性对比,以实现对平均值定义节点和峰值定义节点进行进一步筛选的步骤,具体地:将功率偏差验证点的平均值定义节点标定为平均值目标定义节点,利用所有所述平均值定义节点建立平均值单位时间离散曲线,利用所述平均值单位时间离散曲线确定该平均值目标定义节点的平均值相关性定义点,将所有平均值相关性定义点与所述平均值目标定义节点所监测的功率进行相似性对比,根据对比结果偏差范围判断是否将该平均值目标定义节点作为功率偏差验证监测点;将功率偏差验证点的峰值定义节点标定为峰值目标定义节点,利用所有所述峰值定义节点建立峰值单位时间离散曲线;利用所述峰值单位时间离散曲线确定该峰值目标定义节点的峰值相关性定义点;将所有峰值相关性定义点与所述峰值目标定义节点所监测的功率进行相似性对比,根据对比结果偏差范围判断是否将该峰值目标定义节点作为功率偏差验证监测点。
步骤S106表示通过步骤S105得到的可以作为功率偏差验证点的对应定义节点可能存在两种监测发电功率同时正常或异常的情况,为了进一步甄别则采用进一步纵向对比的方式进行。以将功率偏差验证点的平均值定义节点为例,将其标定为平均值目标定义节点,以该平均值目标定义节点与其余平均值定义节点建立单位时间离散曲线关系,获得平均值单位时间离散曲线,利用平均值单位时间离散曲线找到与该平均值目标定义节点直接相关的其余平均值定义节点并作为平均值相关性定义点,将这一个或不同平均值相关性定义点的不同季节单位时间发电功率平均浮动范围功率与平均值目标定义节点的不同季节单位时间发电功率平均浮动范围功率进行相似性对比,利用直接相关也就是在实际地下环境中直接连通的两个监测点位进行功率对比,通过连通性原则不同季节单位时间发电功率平均浮动范围功率理论上保持相同的原理进一步甄别该平均值目标定义节点功率采集是否正常。峰值目标定义节点同理进行处理,在此不再赘述。
通过以上单独进行平均值目标定义节点或峰值目标定义节点的功率纵向对比或者同时对两者进行功率纵向对比,能够进一步甄别该平均值目标定义节点或峰值目标定义节点是否监测异常,从而偏差范围判断是否能够作为功率偏差验证监测点,例如发现其中一个平均值目标定义节点与不同平均值相关性定义点的功率相似性较低,则将该平均值目标定义节点的监测功率进行排除,以确保后续分析的功率来源具备更进一步的可靠性。
在本实施例中,相似性对比主要通过更小或更细的指标进行差异化分析,所述相似性对比包括如下步骤:
ST101:确定监测功率的采集具体时段,其中,采集具体时段包括不同季节的发电功率监测、不同风速的发电功率监测和不同叶片重量的发电功率监测;该步骤表示确定对应相关性定义点(平均值相关性定义点或峰值相关性定义点)与对应目标定义节点(平均值目标定义节点或峰值目标定义节点)监测功率所获取的方式,其中的相关方式主要为三种,不同季节的发电功率监测、不同风速的发电功率监测、不同叶片重量的发电功率监测。
然后进行步骤ST102:确定所述采集具体时段中各影响因素间的权重,计算对应相关性定义点采集具体时段中各影响因素权重与对应目标定义节点采集具体时段中各影响因素权重的权重因子;该步骤表示利用对应相关性定义点与对应目标定义节点之间的监测功率影响因素进行对比,更进一步地找到具体相似性监测的指标对比情况,其中运用了对应功率之间相隔距离的形式来表达相似性高低的原理,以便于进一步获得对应目标定义节点是否存在异常监测的偏差范围判断结果。从而进行步骤ST104:获得所有权重因子的关联程度,利用该关联程度计算对应相关性定义点与对应目标定义节点之间的相似性对比结果。该步骤表示将所有权重因子进行观测与分析,利用集中度情况来选取中数,然后利用该集中度所择选的中数来偏差范围判断相似性。
在以上技术方案的基础上,在获得所有权重因子的关联程度之前还包括如下步骤
ST103:将所有权重因子进行编码,获得平均值编号;将该平均值编号中的各影响因素赋予特征编号,再利用对应单位时间离散曲线在各所述特征编号上赋予偏差校正值,即表示需要结合单位时间离散曲线节点之间的远近进行综合赋值,获得不同偏差校正结果,在不同所述偏差校正结果中确定前A个偏差校正结果所对应的权重因子进行后续步骤,A大于等于零。该步骤表示在进行权重因子集中度计算的时候,需要考虑对应的相关性定义点与目标定义节点之间的节点数量,该节点数量通过对应单位时间离散曲线获得,若节点数量越多,则偏差校正值越大,将偏差校正值求差合并在特征编号上,从而使得到的偏差校正结果更接近于实际情况。其中,偏差校正值与特征编号之间的关系可以通过利用历史功率形成的理论模型获得,也可以通过经验赋予,但最终得到的偏差校正结果中出现权重因子较大的情况,则将其作为异常点排除,以保证集中度计算精确度更高。也就是说,A的取值主要取决于权重因子的异常情况,可以将方差大于规定值的权重因子进行舍去即可。
需要说明的是,在以上方案的基础上,被舍去的异常权重因子中可能存在真实正确的权重因子的情况需要将其补入进集中度测算过程中,以获得更客观合理的构建功率对比的基础,即确定所述A个偏差校正结果时补入异常权重因子所对应的偏差校正结果,其中,异常权重因子是根据所有权重因子进行线性回归分析得到的,通过线性回归分析所有权重因子的方式,权重因子的数值作为横坐标,其对应的节点相距位置作为纵坐标进行线性回归分析,找到异常的权重因子,异常的权重因子若其值虽然超过预设值,但节点也就是坐标与对应目标定义节点之间小于限定距离,通过线性回归分析曲线确定该节点位置,则可以作为补入对象。
在实际的相似性对比计算中,会存在相邻节点之间存在基础环境不同的情形,尤其是不同季节单位时间发电功率平均浮动范围功率,在两节点之间具备某些断层或者沉降的地理环境中,两者的不同季节单位时间发电功率平均浮动范围功率无法通过连通性原则来计算监测功率的相似性。此时还需要进行如下步骤,即利用平均值单位时间离散曲线确定该平均值目标定义节点的平均值相关性定义点之后还包括如下步骤:获得平均值目标定义节点与平均值相关性定义点之间的斯皮尔曼相关系数;将斯皮尔曼相关系数超过平均值预设范围的平均值相关性定义点进行舍去。该步骤则代表将平均值相关性定义点与平均值目标定义节点之间沉降相对较大的平均值相关性定义点舍去,不作为后续相似性对比的基础,确保功率分析的合理性,其中的平均值预设范围预先确定,在保证计算精度的情况下可以取值足够小。
在以上技术方案的基础上,考虑到所有平均值相关性定义点一旦超过平均值预设范围后,则会存在平均值相关性定义点样本过少的情况,不利于综合获得更合理的功率相似性对比结果。即可以将因沉降而可能导致监测功率误差更大的平均值相关性定义点进行舍去,其余进行补入。则在所述将斯皮尔曼相关系数超过平均值预设范围的平均值相关性定义点进行舍去还包括以下步骤:
利用所述平均值单位时间离散曲线确定被舍去的平均值相关性定义点与平均值目标定义节点之间的节点数量S,当S值小于或等于峰值预设范围,则将该被舍去的平均值相关性定义点进行补入,作为与所述平均值目标定义节点对比的基础。
该步骤表示将节点较远,但存在合理沉降的平均值相关性定义点进行补入,将节点较近但相对沉降严重的平均值相关性定义点保持舍去即可。其中的峰值预设范围也是预先确定,同样在保证计算符合极限的情况下可以取值足够大。在此方案的基础上,为了进一步得到更精确的功率计算基础,将补入的平均值相关性定义点赋予发电偏差校正系数,该发电偏差校正系数作为代入该平均值相关性定义点进行相似性对比的计算基础。即表示合理沉降(例如地势之差的所引起的相对沉降)折算出发电偏差校正系数,将其代入作为权重并赋予在权重因子中,以便于在进行相似性对比计算时,具备更可靠且合理的功率计算基础。
本实施例中还提供一种场群风机标准功率曲线定义规则和偏差验证方法,如图2所示,例如可以划分各个发电功率单元,也可以将两个或两个以上的发电功率集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件发电功率单元的形式实现。需要说明的是,本发明中对单元的划分是示意性的,仅仅为一种逻辑发电功率划分,实际实现时可以有另外的划分方式。比如,在采用对应各个发电功率划分各个发电功率单元的情况下,包括发电标准功率时段划分单元、风机平均值方差计算单元、风机峰值方差计算单元、叶片转动效率匹配单元和偏差范围判断单元。下面对各个单元单元的发电功率进行阐述。
发电标准功率时段划分单元,其用于将风力发电机群进行发电标准功率时段划分,获得平均发电功率波动区间与峰值发电功率波动区间,其中,所述平均发电功率波动区间用于对风力发电机群的不同季节单位时间发电功率平均浮动范围进行定义,所述峰值发电功率波动区间用于对风力发电机群的不同季节单位时间发电功率峰值浮动范围进行定义;风机平均值方差计算单元,其用于获取所述平均发电功率波动区间内的所有平均值定义节点,并确定所有所述平均值定义节点的监测功率,构成平均值监测功率组,并计算该平均值监测功率组内各监测功率的方差,获得平均值方差曲线图;风机峰值方差计算单元,其用于获取所述峰值发电功率波动区间内的所有峰值定义节点,并确定所有所述峰值定义节点的监测功率,构成峰值监测功率组,并计算该峰值监测功率组内各监测功率的方差,获得峰值方差曲线图;叶片转动效率匹配单元,其用于利用风力发电机群叶片转动效率匹配所述平均值定义节点与所述峰值定义节点,将配对好的所述平均值定义节点与所述峰值定义节点确定各自的方差并进行偏差范围判断;偏差范围判断单元,其用于如果所述平均值定义节点在平均值方差曲线图中的方差值与所述峰值定义节点在峰值方差曲线图中的方差值相同,则将该平均值定义节点和该峰值定义节点作为功率偏差验证监测点。
在一些实施方式中,该一种场群风机标准功率曲线定义规则和偏差验证方法还包括峰值偏差范围判断单元,其用于将功率偏差验证点的平均值定义节点标定为平均值目标定义节点,利用所有所述平均值定义节点建立平均值单位时间离散曲线,利用所述平均值单位时间离散曲线确定该平均值目标定义节点的平均值相关性定义点,将所有平均值相关性定义点与所述平均值目标定义节点所监测的功率进行相似性对比,根据对比结果偏差范围判断是否将该平均值目标定义节点作为功率偏差验证监测点;将功率偏差验证点的峰值定义节点标定为峰值目标定义节点,利用所有所述峰值定义节点建立峰值单位时间离散曲线;利用所述峰值单位时间离散曲线确定该峰值目标定义节点的峰值相关性定义点;将所有峰值相关性定义点与所述峰值目标定义节点所监测的功率进行相似性对比,根据对比结果偏差范围判断是否将该峰值目标定义节点作为功率偏差验证监测点。
在一些实施方式中,峰值偏差范围判断单元还用于确定监测功率的采集具体时段,其中,采集具体时段包括不同季节的发电功率监测、不同风速的发电功率监测和不同叶片重量的发电功率监测;确定所述采集具体时段中各影响因素间的权重,计算对应相关性定义点采集具体时段中各影响因素权重与对应目标定义节点采集具体时段中各影响因素权重的权重因子;将所有权重因子进行编码,获得平均值编号;将该平均值编号中的各影响因素赋予特征编号,再利用对应单位时间离散曲线在各所述特征编号上赋予偏差校正值,获得不同偏差校正结果,在不同所述偏差校正结果中确定前A个偏差校正结果所对应的权重因子进行后续步骤;获得所有权重因子的关联程度,利用该关联程度计算对应相关性定义点与对应目标定义节点之间的相似性对比结果。以及获得所述平均值目标定义节点与所述平均值相关性定义点之间的斯皮尔曼相关系数;将斯皮尔曼相关系数超过平均值预设范围的平均值相关性定义点进行舍去。
显然,本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (7)
1.一种场群风机标准功率曲线定义规则和偏差验证方法,其特征在于,该方法包括:
S101:将风力发电机群进行发电标准功率时段划分,获得平均发电功率波动区间与峰值发电功率波动区间,其中,所述平均发电功率波动区间用于对风力发电机群的不同季节单位时间发电功率平均浮动范围进行定义,所述峰值发电功率波动区间用于对风力发电机群的不同季节单位时间发电功率峰值浮动范围进行定义;
S102:获取所述平均发电功率波动区间内的所有平均值定义节点,并确定所有所述平均值定义节点的监测功率,构成平均值监测功率组,并计算该平均值监测功率组内各监测功率的方差,获得平均值方差曲线图;
S103:获取所述峰值发电功率波动区间内的所有峰值定义节点,并确定所有所述峰值定义节点的监测功率,构成峰值监测功率组,并计算该峰值监测功率组内各监测功率的方差,获得峰值方差曲线图;
S104:利用风力发电机群叶片转动效率匹配所述平均值定义节点与所述峰值定义节点,将配对好的所述平均值定义节点与所述峰值定义节点确定各自的方差并进行偏差范围判断;
S105:如果所述平均值定义节点在平均值方差曲线图中的方差值与所述峰值定义节点在峰值方差曲线图中的方差值相同,则将该平均值定义节点和该峰值定义节点作为功率偏差验证监测点。
2.根据权利要求1所述的一种场群风机标准功率曲线定义规则和偏差验证方法,其特征在于,
将功率偏差验证点的平均值定义节点标定为平均值目标定义节点,利用所有所述平均值定义节点建立平均值单位时间离散曲线,利用所述平均值单位时间离散曲线确定该平均值目标定义节点的平均值相关性定义点,将所有平均值相关性定义点与所述平均值目标定义节点所监测的功率进行相似性对比,根据对比结果偏差范围判断是否将该平均值目标定义节点作为功率偏差验证监测点;
将功率偏差验证点的峰值定义节点标定为峰值目标定义节点,利用所有所述峰值定义节点建立峰值单位时间离散曲线;利用所述峰值单位时间离散曲线确定该峰值目标定义节点的峰值相关性定义点;将所有峰值相关性定义点与所述峰值目标定义节点所监测的功率进行相似性对比,根据对比结果偏差范围判断是否将该峰值目标定义节点作为功率偏差验证监测点。
3.根据权利要求2所述的一种场群风机标准功率曲线定义规则和偏差验证方法,其特征在于,所述相似性对比包括如下步骤:
确定监测功率的采集具体时段,其中,采集具体时段包括不同季节的发电功率监测、不同风速的发电功率监测和不同叶片重量的发电功率监测;确定所述采集具体时段中各影响因素间的权重,计算对应相关性定义点采集具体时段中各影响因素权重与对应目标定义节点采集具体时段中各影响因素权重的权重因子;获得所有权重因子的关联程度,利用该关联程度计算对应相关性定义点与对应目标定义节点之间的相似性对比结果。
4.根据权利要求3所述的一种场群风机标准功率曲线定义规则和偏差验证方法,其特征在于,所述获得所有权重因子的关联程度之前还包括如下步骤:
将所有权重因子进行编码,获得不同编号;将该不同编号中的各影响因素赋予特征编号,再利用对应单位时间离散曲线在各所述特征编号上赋予偏差校正值,获得不同偏差校正结果,在不同所述偏差校正结果中确定前A个偏差校正结果所对应的权重因子进行后续步骤;
确定所述A个偏差校正结果时补入异常权重因子所对应的偏差校正结果,其中,异常权重因子是根据所有权重因子进行线性回归分析得到的。
5.根据权利要求2所述的一种场群风机标准功率曲线定义规则和偏差验证方法,其特征在于,利用所述平均值单位时间离散曲线确定该所述平均值目标定义节点的所述平均值相关性定义点之后还包括如下步骤:
获得所述平均值目标定义节点与所述平均值相关性定义点之间的斯皮尔曼相关系数;将斯皮尔曼相关系数超过平均值预设范围的平均值相关性定义点进行舍去。
6.根据权利要求5所述的一种场群风机标准功率曲线定义规则和偏差验证方法,其特征在于,所述将斯皮尔曼相关系数超过平均值预设范围的平均值相关性定义点进行舍去还包括以下步骤:利用所述平均值单位时间离散曲线确定被舍去的平均值相关性定义点与平均值目标定义节点之间的节点数量S,当S值超过预设范围,则将该被舍去的平均值相关性定义点进行补入,作为与所述平均值目标定义节点对比的基础。
7.根据权利要求6所述的一种场群风机标准功率曲线定义规则和偏差验证方法,其特征在于,将补入的平均值相关性定义点赋予发电偏差校正系数,该发电偏差校正系数作为代入该平均值相关性定义点进行相似性对比的计算基础。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310937693.6A CN116662829B (zh) | 2023-07-28 | 2023-07-28 | 一种场群风机标准功率曲线定义规则和偏差验证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310937693.6A CN116662829B (zh) | 2023-07-28 | 2023-07-28 | 一种场群风机标准功率曲线定义规则和偏差验证方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116662829A CN116662829A (zh) | 2023-08-29 |
CN116662829B true CN116662829B (zh) | 2023-10-17 |
Family
ID=87720928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310937693.6A Active CN116662829B (zh) | 2023-07-28 | 2023-07-28 | 一种场群风机标准功率曲线定义规则和偏差验证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116662829B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116859169B (zh) * | 2023-09-01 | 2023-11-17 | 国网浙江省电力有限公司余姚市供电公司 | 一种非侵入式电力负荷分解方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104748839A (zh) * | 2015-04-02 | 2015-07-01 | 贵州电力试验研究院 | 基于实时在线监测的水轮发电机组振动状态区域监测方法 |
CN107769254A (zh) * | 2017-08-01 | 2018-03-06 | 中国农业大学 | 一种风电集群轨迹预测与分层控制方法 |
CN111125895A (zh) * | 2019-12-13 | 2020-05-08 | 湖南科技大学 | 一种风力发电机整机服役功率特性在线评估方法 |
CN112636372A (zh) * | 2020-11-01 | 2021-04-09 | 国网河南省电力公司电力科学研究院 | 计及风电波动性和反调峰特性的储能协调控制方法和系统 |
CN113505909A (zh) * | 2021-05-17 | 2021-10-15 | 中国农业大学 | 一种面向短期风电功率趋势预测的误差补偿方法 |
CN114296050A (zh) * | 2022-03-07 | 2022-04-08 | 南京鼐云信息技术有限责任公司 | 基于激光雷达云图探测的光伏电站短期发电功率预测方法 |
CN115238824A (zh) * | 2022-08-31 | 2022-10-25 | 西安热工研究院有限公司 | 一种风力发电机组监测数据对齐方法 |
CN115249972A (zh) * | 2022-09-22 | 2022-10-28 | 南京江行联加智能科技有限公司 | 一种大数据下的风电场风力发电机组性能评估系统及方法 |
CN115858637A (zh) * | 2023-03-02 | 2023-03-28 | 四川三思德科技有限公司 | 一种城市地下水监测与分析方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017191142A1 (en) * | 2016-05-03 | 2017-11-09 | AVAILON GmbH | Status monitoring for mechanical plants, in particular wind turbines |
-
2023
- 2023-07-28 CN CN202310937693.6A patent/CN116662829B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104748839A (zh) * | 2015-04-02 | 2015-07-01 | 贵州电力试验研究院 | 基于实时在线监测的水轮发电机组振动状态区域监测方法 |
CN107769254A (zh) * | 2017-08-01 | 2018-03-06 | 中国农业大学 | 一种风电集群轨迹预测与分层控制方法 |
CN111125895A (zh) * | 2019-12-13 | 2020-05-08 | 湖南科技大学 | 一种风力发电机整机服役功率特性在线评估方法 |
CN112636372A (zh) * | 2020-11-01 | 2021-04-09 | 国网河南省电力公司电力科学研究院 | 计及风电波动性和反调峰特性的储能协调控制方法和系统 |
CN113505909A (zh) * | 2021-05-17 | 2021-10-15 | 中国农业大学 | 一种面向短期风电功率趋势预测的误差补偿方法 |
CN114296050A (zh) * | 2022-03-07 | 2022-04-08 | 南京鼐云信息技术有限责任公司 | 基于激光雷达云图探测的光伏电站短期发电功率预测方法 |
CN115238824A (zh) * | 2022-08-31 | 2022-10-25 | 西安热工研究院有限公司 | 一种风力发电机组监测数据对齐方法 |
CN115249972A (zh) * | 2022-09-22 | 2022-10-28 | 南京江行联加智能科技有限公司 | 一种大数据下的风电场风力发电机组性能评估系统及方法 |
CN115858637A (zh) * | 2023-03-02 | 2023-03-28 | 四川三思德科技有限公司 | 一种城市地下水监测与分析方法及系统 |
Non-Patent Citations (4)
Title |
---|
Wind turbine failure prediction and health Assessment based on adaptive maximum mean discrepancy;Jieyang Peng 等;《International Journal of Electrical Power & Energy Systems》;第134卷;1-12 * |
基于相关性分析的风电场功率限值分配算法;张祥龙;刘燕华;张东英;;《现代电力》;第35卷(第01期);1-5 * |
基于纵横维度的光伏阵列群体类比状态评估方法研究;王景丹;龚晓伟;霍富强;牛高远;葛琪;王留送;苏战辉;;《电力系统保护与控制》;第44卷(第11期);97-103 * |
考虑天气和空间相关性的光伏电站输出功率修复方法;于若英;陈宁;苗淼;党东升;;《电网技术》;第41卷(第07期);2229-2236 * |
Also Published As
Publication number | Publication date |
---|---|
CN116662829A (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109740175B (zh) | 一种面向风电机组功率曲线数据的离群点判别方法 | |
CN110926809B (zh) | 一种基于大数据分析的风电机组传动链故障预警方法 | |
CN108375476B (zh) | 一种水电机组健康评估方法 | |
CN107742053B (zh) | 风电机组异常识别方法及装置 | |
CN116662829B (zh) | 一种场群风机标准功率曲线定义规则和偏差验证方法 | |
CN109779848B (zh) | 全场风速修正函数的获得方法、装置及风电场 | |
CN108335021A (zh) | 一种风力机状态可靠度评估的方法及维修决策优化 | |
CN111260503B (zh) | 一种基于聚类中心优化的风电机组功率曲线离群点检测方法 | |
CN106570790B (zh) | 一种计及风速数据分段特性的风电场出力数据修复方法 | |
CN111581597A (zh) | 基于自组织核回归模型的风电机组齿轮箱轴承温度状态监测方法 | |
CN111275570A (zh) | 一种基于迭代式统计与假设检验的风电机组功率异常值检测方法 | |
CN101414317A (zh) | 一种处理风电场静态功率等值分散性问题的等效风速法 | |
CN112032003A (zh) | 一种大型风电机组运行性能监测方法 | |
CN112065668A (zh) | 一种风电机组状态异常评估方法及系统 | |
CN115800552A (zh) | 一种超级电容运行电力调频用智能调控系统及方法 | |
CN115455358A (zh) | 基于非线性回归模型的电气参数趋势预警及故障诊断方法 | |
CN114595762A (zh) | 一种光伏电站异常数据序列提取方法 | |
CN107808209B (zh) | 基于加权kNN距离的风电场异常数据辨识方法 | |
CN114280527A (zh) | 一种基于低压物联感知终端的电能表失准分析方法 | |
CN116418293B (zh) | 一种基于物联网大数据的光伏电站智慧诊断系统 | |
CN112329868A (zh) | 基于clara聚类的制造加工设备群能效状态评价方法 | |
CN111062133A (zh) | 风电机组性能分析方法及系统 | |
CN116303480A (zh) | 基于云计算的电能表误差校验方法 | |
CN115062965A (zh) | 一种基于故障信息的水轮发电机组健康评估方法 | |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |