CN116760009A - 风电覆冰停机脱网风险的预测方法、装置及处理器 - Google Patents
风电覆冰停机脱网风险的预测方法、装置及处理器 Download PDFInfo
- Publication number
- CN116760009A CN116760009A CN202310525255.9A CN202310525255A CN116760009A CN 116760009 A CN116760009 A CN 116760009A CN 202310525255 A CN202310525255 A CN 202310525255A CN 116760009 A CN116760009 A CN 116760009A
- Authority
- CN
- China
- Prior art keywords
- fan
- time point
- shutdown
- power loss
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000011248 coating agent Substances 0.000 claims abstract description 19
- 238000000576 coating method Methods 0.000 claims abstract description 19
- 238000003860 storage Methods 0.000 claims description 18
- 230000005611 electricity Effects 0.000 claims description 13
- 230000001681 protective effect Effects 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 5
- 238000013480 data collection Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 3
- 239000012080 ambient air Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 239000003570 air Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
- H02J3/0012—Contingency detection
-
- 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
- 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
- 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
- H02J3/381—Dispersed generators
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请实施例提供一种风电覆冰停机脱网风险的预测方法、装置及处理器。预测方法包括:获取每个风机在每个预设历史时间点的历史观测数据。根据每个历史观测数据确定风机在每个预设历史时间点的第一功率损失率,以确定风机的功率损失系数。获取每个风机在目标时间点的预测气象数据,根据预测气象数据和功率损失系数确定每个风机在目标时间点的第二功率损失率。确定每个风机在历史时间段覆冰停机的脱网概率,根据脱网概率和第二功率损失率确定每个风机在目标时间点的停机风险值;根据全部风机的停机风险值确定在目标时间点的风险期望,预测全部风机在所述目标时间点发生覆冰停机的概率。可以科学指导调度部门提前调整运行方式,保护风机发电组。
Description
技术领域
本申请涉及电网风险评估领域,具体涉及一种风电覆冰停机脱网风险的预测方法、装置、存储介质及处理器。
背景技术
冬季寒潮冷空气极易引发风机叶片覆冰,引发风电场集中停机,造成大规模风机脱网,局部电网瓦解。随着以新能源为主体的新型电力系统发展,风电装机将迎来爆发式增长,大规模的覆冰停机脱网将严重冲击电网,加剧冬季供电紧张。目前,对风电场覆冰后的风险预警研究较少,无法根据风电场现场情况评估覆冰后的停机风险,不能科学指导调度部门提前调整运行方式。
发明内容
本申请实施例的目的是提供一种风电覆冰停机脱网风险的预测方法、装置、存储介质及处理器。
为了实现上述目的,本申请第一方面提供一种风电覆冰停机脱网风险的预测方法,预测方法包括:
获取每个风机在历史时间段内的每个预设历史时间点的历史观测数据;
针对每个风机,根据每个历史观测数据确定风机在每个预设历史时间点的第一功率损失率;
针对每个风机,根据风机的多个第一功率损失率和多个历史观测数据确定每个风机的功率损失系数;
获取每个风机在目标时间点的预测气象数据;
针对每个风机,根据预测气象数据和功率损失系数确定风机在目标时间点的第二功率损失率;
确定每个风机在历史时间段覆冰停机的脱网概率;
根据脱网概率和第二功率损失率确定每个风机在目标时间点的停机风险值;
根据全部风机的停机风险值确定全部风机在目标时间点的风险期望,以预测全部风机在目标时间点发生覆冰停机的概率。
在本申请的实施例中,针对每个风机,根据每个历史观测数据确定风机在每个预设历史时间点的第一功率损失率包括:针对每个风机,根据每个历史观测数据确定风机在每个预设历史时间点的理论出力值;针对每个风机,根据每个理论出力值确定风机在每个预设历史时间点的第一功率损失率。
在本申请的实施例中,预测方法还包括:获取每个风机的风机型号,以确定每个风机的额定功率;历史观测数据包括风机的风速,针对每个风机,根据每个历史观测数据确定风机在每个预设历史时间点的理论出力值包括,根据公式(1)确定每个风机在预设历史时间点的风速v与理论出力值之间的曲线关系:
其中,P(v)指风机在风速v时的理论出力值,v0为风机的切入风速,即风机开始发电时的风速,v1为风机的额定风速,即达到风机额定功率Pm时的风速,a、b、c、d分别为功率曲线的系数,v2为风机切出风速,在风机的风速超出风机切出风速后风机将触发保护性停机并不再发电。
在本申请的实施例中,针对每个风机,根据预测气象和功率损失系数确定风机在目标时间点的第二功率损失率包括,根据公式(2)确定第二功率损失率:
其中,Δp是指每个风机在目标时间点的第二功率损失率,v是指每个风机在所述目标时间点的风速,v1为风机的额定风速,T是指每个风机在所述目标时间点的环境温度,T0=273.15K,RH是指每个风机在所述目标时间点的环境湿度,Id是指每个风机在所述目标时间点的覆冰厚度,A、B是指每个风机的功率损失系数。
在本申请的实施例中,确定每个风机在历史时间段覆冰停机的脱网概率包括,根据公式(3)确定脱网概率:
其中,R是指每个风机在历史时间段覆冰停机的脱网概率,Dn是指每个风机在历史时间段覆冰停机的停机天数,Nw是指每个风机在历史时间段的冬季天数。
在本申请的实施例中,根据脱网概率和第二功率损失率确定每个风机在目标时间点的停机风险值包括:针对每个风机,在第二功率损失率大于或等于预设阈值的情况下,根据脱网概率和第二功率损失率确定风机在目标时间点的停机风险值;针对每个风机,在第二功率损失率小于预设阈值的情况下,确定风机在目标时间点的停机风险值为零。
在本申请的实施例中,根据全部风机的停机风险值确定全部风机在目标时间点的风险期望包括,根据公式(4)计算风险期望:
E=∑Ei[Q(Δp,S, )] (4)
其中,E是指全部风机在目标时间点的风险期望,Ei是指,Q是指每个风机在目标时间点的停机风险值,Δp是指每个风机在目标时间点的第二功率损失率,S是指每个风机覆冰停机的功率损失率阈值,R是指每个风机在历史时间段覆冰停机的脱网概率。
本申请第二方面提供一种处理器,被配置成执行上述的风电覆冰停机脱网风险的预测方法。
本申请第三方面提供一种风电覆冰停机脱网风险的预测装置,包括被配置成执行上述的风电覆冰停机脱网风险的预测方法的处理器。
本申请第四方面提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令在被处理器执行时使得所述处理器被配置成执行上述的风电覆冰停机脱网风险的预测方法。
通过上述技术方案,通过获取每个风机在历史时间段内的每个预设历史时间点的历史观测数据;针对每个风机,根据每个历史观测数据确定风机在每个预设历史时间点的第一功率损失率;针对每个风机,根据风机的多个第一功率损失率和多个历史观测数据确定每个风机的功率损失系数;获取每个风机在目标时间点的预测气象数据;针对每个风机,根据预测气象数据和功率损失系数确定风机在目标时间点的第二功率损失率;确定每个风机在历史时间段覆冰停机的脱网概率;根据脱网概率和第二功率损失率确定每个风机在目标时间点的停机风险值;根据全部风机的停机风险值确定全部风机在目标时间点的风险期望,以预测全部风机在所述目标时间点发生覆冰停机的概率。可以科学指导调度部门提前调整运行方式,保护风机发电组的使用寿命和正常工作。
本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本申请实施例,但并不构成对本申请实施例的限制。在附图中:
图1示意性示出了根据本申请实施例的风电覆冰停机脱网风险的预测方法的流程示意图;
图2示意性示出了根据本申请实施例的风电覆冰停机脱网风险的预测装置的结构框图;
图3示意性示出了根据本申请实施例的计算机设备的内部结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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,应当理解的是,此处所描述的具体实施方式仅用于说明和解释本申请实施例,并不用于限制本申请实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的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。
图1示意性示出了根据本申请实施例的风电覆冰停机脱网风险的预测方法的流程示意图。如图1所示,在本申请一实施例中,提供了一种风电覆冰停机脱网风险的预测方法,包括以下步骤:
S102,获取每个风机在历史时间段内的每个预设历史时间点的历史观测数据。
历史时间段是指针对参照时间点而言的。例如,参照时间点是当前时间,那么历史时间段可以是指当前时间的前15天、前一个月或三个月的过去任意一段时间。历史时间段包括多个历史时间点,预设历史时间点是多个历史时间点的任意一个历史时间点,或者按照一定的周期间隔选取的历史时间点,是可以进行自定义设置的。历史观测数据是指过去一段时间内监测到的风机所在位置的气象要素,以及风机的运行数据。气象要素包括环境的气温、降水、风速、风向、相对湿度、气压等中的至少一者。风机的运行数据包括风机的实力出力值等。有关气象要素的观测数据对风机的风力发电会产生很大影响,尤其是处于山区风力较大区域的风力发电机组,由于冬季寒潮冰冻灾害频发,导致风机叶片覆冰停机。所以基于气象要素数据的监控,可以科学指导调度部门提前调整运行方式,保护风机发电组的使用寿命和正常工作。
S104,针对每个风机,根据每个历史观测数据确定风机在每个预设历史时间点的第一功率损失率。
由于风机的叶片覆冰,风机风能一部分转化为克服风机叶片覆冰重力的机械能。第一功率损失率是指风机风能的输入输出在预设历史时间点功耗的损失程度。
S106,针对每个风机,根据风机的多个第一功率损失率和多个历史观测数据确定每个风机的功率损失系数。
处理器可以获取多个预设历史时间点对应的多个第一功率损失率和多个历史观测数据。根据每一种类型的历史观测数据与第一功率损失率的相关趋势建立历史观测数据-第一功率损失率的模型,再将多个第一功率损失率和多个历史观测数据输入至该模型中,计算出每个风机的功率损失系数。功率损失系数是指每个风机受到气象要素影响风机的实际出力值的影响系数。
S108,获取每个风机在目标时间点的预测气象数据。
目标时间点是指未来的任意一个时间点。预测气象数据是指风机所在位置在未来时间的气象要素。气象要素包括环境的气温、降水、风速、风向、相对湿度、气压等中的至少一者。
S110,针对每个风机,根据预测气象数据和功率损失系数确定风机在目标时间点的第二功率损失率。
针对每个风机,处理器可以根据风机所在位置的环境在目标时间点的气温、降水、风速、风向、相对湿度等预测气象数据,以及每个风机的功率损失系数,来预测风机在目标时间点的第二功率损失率。第二功率损失率是指是指风机风能的输入输出在目标时间点功耗的损失程度。
S112,确定每个风机在历史时间段覆冰停机的脱网概率。
脱网概率是指风机由于覆冰导致风机停机,使得风机脱离并网状态的概率。具体地,可以根据历史时间段风机覆冰的停机天数和冬季时长来计算。
S114,根据脱网概率和第二功率损失率确定每个风机在目标时间点的停机风险值。
停机风险值是指风机可能由于覆冰导致风机停机的风险概率。处理器可以根据每个风机的脱网概率和预测的目标时间点的第二功率损失率,来确定每个风机在目标时间点的停机风险值。
S116,根据全部风机的停机风险值确定全部风机在目标时间点的风险期望,以预测全部风机在目标时间点发生覆冰停机的概率。
处理器可以根据全部风机在目标时间点的对应的多个停机风险值,可以确定全部风机在目标时间点的发生覆冰停机的风险期望,以预测全部风机在目标时间点发生覆冰停机的概率。
在一个实施例中,针对每个风机,根据每个历史观测数据确定风机在每个预设历史时间点的第一功率损失率包括:针对每个风机,根据每个历史观测数据确定风机在每个预设历史时间点的理论出力值;针对每个风机,根据每个理论出力值确定风机在每个预设历史时间点的第一功率损失率。
在一个实施例中,预测方法还包括:获取每个风机的风机型号,以确定每个风机的额定功率;历史观测数据包括风机的风速,针对每个风机,根据每个历史观测数据确定风机在每个预设历史时间点的理论出力值包括,根据公式(1)确定每个风机在预设历史时间点的风速v与理论出力值之间的曲线关系:
其中,P(v)指风机在风速v时的理论出力值,v0为风机的切入风速,即风机开始发电时的风速,v1为风机的额定风速,即达到风机额定功率Pm时的风速,a、b、c、d分别为功率曲线的系数,v2为风机切出风速,在风机的风速超出风机切出风速后风机将触发保护性停机并不再发电。
风机的切入风速是指达到并网条件的风速,也就是风机可以发电的最低风速。低于此风速时,风机会自动停机风机的额定风速,即风机的额定风速指风机处于最佳运行效率状态时的风速。风机的额定功率指风机处于最佳运行效率状态时的功率。风机的切出风速是指风机发电时的最大风速,超过此风速时,风机将触发保护性停机并停止发电。
在一个实施例中,针对每个风机,根据每个理论出力值确定风机在每个预设历史时间点的第一功率损失率包括,根据公式(5)计算第一功率损失率:
其中,Δp0是指每个风机在每个预设历史时间点的第一功率损失率,P(U)是指每个风机在每个预设历史时间点的理论出力值,P是指每个风机在每个预设历史时间点的实际出力值。
在一个实施例中,针对每个风机,根据预测气象数据和功率损失系数确定风机在目标时间点的第二功率损失率包括,根据公式(2)确定第二功率损失率:
其中,Δp是指每个风机在目标时间点的第二功率损失率,v是指每个风机在所述目标时间点的风速,v1为风机的额定风速,T是指每个风机在所述目标时间点的环境温度,T0=273.15K,RH是指每个风机在所述目标时间点的环境湿度,Id是指每个风机在所述目标时间点的覆冰厚度,A、B是指每个风机的功率损失系数。
在一个实施例中,针对每个风机,根据风机的多个第一功率损失率和多个历史观测数据确定每个风机的功率损失系数包括,将每个第一功率损失率和每个历史观测数据组成一个数据组,那么根据多个第一功率损失率和多个历史观测数据可以得到多个数据组,将多个数据组依次输入至公式(2)的历史观测数据-第一功率损失率的模型中,可以计算出功率损失系数A和B的值。
在一个实施例中,确定每个风机在历史时间段覆冰停机的脱网概率包括,根据公式(3)确定脱网概率:
其中,R是指每个风机在历史时间段覆冰停机的脱网概率,Dn是指每个风机在历史时间段覆冰停机的停机天数,Nw是指每个风机在历史时间段的冬季天数。风机的覆冰现象通常出现在冬季,通过覆冰停机的停机天数和冬季天数的比值,计算每个风机在历史时间段覆冰停机的概率,以作为风机在未来时间覆冰停机风险的参考值。
在一个实施例中,根据脱网概率和第二功率损失率确定每个风机在目标时间点的停机风险值包括:针对每个风机,在第二功率损失率大于或等于预设阈值的情况下,根据脱网概率和第二功率损失率确定风机在目标时间点的停机风险值;针对每个风机,在第二功率损失率小于预设阈值的情况下,确定风机在目标时间点的停机风险值为零。
预设阈值是指技术人员根据经验设置的功率损失率阈值,发电组的使用寿命和正常工作。在风机的功率损失率在大于或等于预设阈值的情况下,说明此时覆冰厚度影响到风机的正常运行,在此情况下风机覆冰停机。那么,处理器可以将脱网概率和第二功率损失率相乘计算出该风机在目标时间点的停机风险值。在风机的功率损失率在大于或等于预设阈值的情况下,说明此时覆冰较少,不会影响该风机的正常运行,在此情况下该风机在目标时间点的停机风险值为零。
在一个实施例中,每个风机在目标时间点的停机风险值根据以下公式(6)计算:
其中,Q是指每个风机在目标时间点的停机风险值,Δp是指每个风机在目标时间点的第二功率损失率,S是指每个风机覆冰停机的功率损失率阈值,R是指每个风机在历史时间段覆冰停机的脱网概率。
在一个实施例中,处理器可以根据全部风机的停机风险值确定全部风机在目标时间点的风险期望。具体地,处理器可以根据每个风机在目标时间点的停机风险值,来计算每个风机在目标时间点的覆冰停机的风险期望。根据全部风机的多个风险期望之和,可以计算全部风机覆冰停机的风险期望。具体地,根据公式(4)计算全部风机覆冰停机的风险期望:
E=∑Ei[Q(Δp,S,R)] (4)
其中,E是指全部风机在目标时间点的风险期望,Ei是指每个风机在目标时间点的风险期望,Q是指每个风机在目标时间点的停机风险值,Δp是指每个风机在目标时间点的第二功率损失率,S是指每个风机覆冰停机的功率损失率阈值,R是指每个风机在历史时间段覆冰停机的脱网概率。
通过上述风电覆冰停机脱网风险的预测方法、装置、存储介质及处理器,通过获取每个风机的每个预设历史时间点的观测的风机所在位置的气象要素和风机运行数据,针对每个风机,根据每个历史观测数据确定风机在每个预设历史时间点的第一功率损失率。将多个历史观测数据和多个第一功率损失率输入至计算模型中,以计算每个风机的功率损失系数。获取每个风机在目标时间点的预测气象数据,基于上述计算模型确定每个风机在目标时间点的第二功率损失率。确定每个风机在历史时间段覆冰停机的脱网概率。比较目标时间点的第二功率损失率和功率损失率阈值的大小关系,以根据脱网概率和第二功率损失率计算每个风机在目标时间点的停机风险值。根据全部风机的停机风险值确定全部风机在目标时间点的风险期望,以预测全部风机在目标时间点发生覆冰停机的概率。基于风机在未来时间的功率损失率的预测结果,以及导致风机覆冰停机的功率损失率阈值,针对该风电场全部风机的覆冰停机情况展开预测预警。可以科学指导调度部门提前调整运行方式,保护风机发电组的使用寿命和正常工作。
图1为一个实施例中风电覆冰停机脱网风险的预测方法的流程示意图。应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图2所示,提供了一种风电覆冰停机脱网风险的预测装置200,包括数据收集模块、功率损失系数确定模块、气象预测模块、功率损失率预测模块,以及期望确定模块,其中:
数据收集模块202,用于获取每个风机在历史时间段内的每个预设历史时间点的历史观测数据。
功率损失系数确定模块204,用于针对每个风机,根据每个历史观测数据确定风机在每个预设历史时间点的第一功率损失率,根据风机的多个第一功率损失率和多个历史观测数据确定每个风机的功率损失系数。
气象预测模块206,用于获取每个风机在目标时间点的预测气象数据。
功率损失率预测模块208,用于针对每个风机,根据预测气象数据和功率损失系数确定风机在目标时间点的第二功率损失率。
期望确定模块210,用于确定每个风机在历史时间段覆冰停机的脱网概率,根据脱网概率和第二功率损失率确定每个风机在目标时间点的停机风险值,根据全部风机的停机风险值确定全部风机在目标时间点的风险期望,以预测全部风机在目标时间点发生覆冰停机的概率。
在一个实施例中,功率损失系数确定模块204还用于:针对每个风机,根据每个历史观测数据确定风机在每个预设历史时间点的理论出力值;针对每个风机,根据每个理论出力值确定风机在每个预设历史时间点的第一功率损失率。
在一个实施例中,预测装置200还包括额定功率确定模块(图中未示出),用于获取每个风机的风机型号,以确定每个风机的额定功率;历史观测数据包括风机的风速,针对每个风机,根据每个历史观测数据确定风机在每个预设历史时间点的理论出力值包括,根据公式(1)确定每个风机在预设历史时间点的风速v与理论出力值之间的曲线关系:
其中,P(v)指风机在风速v时的理论出力值,v0为风机的切入风速,即风机开始发电时的风速,v1为风机的额定风速,即达到风机额定功率Pm时的风速,a、b、c、d分别为功率曲线的系数,v2为风机切出风速,在风机的风速超出风机切出风速后风机将触发保护性停机并不再发电。
在一个实施例中,功率损失率预测模块208,还用于根据公式(2)确定第二功率损失率:
其中,Δp是指每个风机在目标时间点的第二功率损失率,v是指每个风机在所述目标时间点的风速,v1为风机的额定风速,T是指每个风机在所述目标时间点的环境温度,T0=273.15K,RH是指每个风机在所述目标时间点的环境湿度,Id是指每个风机在所述目标时间点的覆冰厚度,A、B是指每个风机的功率损失系数。
在一个实施例中,期望确定模块210,还用于根据公式(3)确定脱网概率:
其中,R是指每个风机在历史时间段覆冰停机的脱网概率,Dn是指每个风机在历史时间段覆冰停机的停机天数,Nw是指每个风机在历史时间段的冬季天数。
在一个实施例中,期望确定模块210还用于:针对每个风机,在第二功率损失率大于或等于预设阈值的情况下,根据脱网概率和第二功率损失率确定风机在目标时间点的停机风险值;针对每个风机,在第二功率损失率小于预设阈值的情况下,确定风机在目标时间点的停机风险值为零。
在一个实施例中,期望确定模块210,还用于根据公式(4)计算风险期望:
E=∑Ei[Q(Δp,S,R)] (4)
其中,E是指全部风机在目标时间点的风险期望,Ei是指每个风机在目标时间点的风险期望,Q是指每个风机在目标时间点的停机风险值,Δp是指每个风机在目标时间点的第二功率损失率,S是指每个风机覆冰停机的功率损失率阈值,R是指每个风机在历史时间段覆冰停机的脱网概率。
所述风电覆冰停机脱网风险的预测装置包括处理器和存储器,上述据收集模块、功率损失系数确定模块、气象预测模块、功率损失率预测模块,以及期望确定模块等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序模块中实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来实现对风电覆冰停机脱网风险的预测方法。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本申请实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现上述风电覆冰停机脱网风险的预测方法。
本申请实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述风电覆冰停机脱网风险的预测方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器A01、网络接口A02、存储器(图中未示出)和数据库(图中未示出)。其中,该计算机设备的处理器A01用于提供计算和控制能力。该计算机设备的存储器包括内存储器A03和非易失性存储介质A04。该非易失性存储介质A04存储有操作系统B01、计算机程序B02和数据库(图中未示出)。该内存储器A03为非易失性存储介质A04中的操作系统B01和计算机程序B02的运行提供环境。该计算机设备的数据库用于存储风电覆冰停机脱网风险的预测数据。该计算机设备的网络接口A02用于与外部的终端通过网络连接通信。该计算机程序B02被处理器A01执行时以实现一种风电覆冰停机脱网风险的预测方法。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本申请实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现风电覆冰停机脱网风险的预测方法的步骤。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有风电覆冰停机脱网风险的预测方法步骤的程序。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (16)
1.一种风电覆冰停机脱网风险的预测方法,其特征在于,所述预测方法包括:
获取每个风机在历史时间段内的每个预设历史时间点的历史观测数据;
针对每个风机,根据每个历史观测数据确定所述风机在每个预设历史时间点的第一功率损失率;
针对每个风机,根据所述风机的多个第一功率损失率和多个历史观测数据确定每个风机的功率损失系数;
获取每个风机在目标时间点的预测气象数据;
针对每个风机,根据所述预测气象数据和所述功率损失系数确定所述风机在所述目标时间点的第二功率损失率;
确定每个风机在所述历史时间段覆冰停机的脱网概率;
根据所述脱网概率和所述第二功率损失率确定每个风机在所述目标时间点的停机风险值;
根据全部风机的停机风险值确定全部风机在所述目标时间点的风险期望,以预测所述全部风机在所述目标时间点发生覆冰停机的概率。
2.根据权利要求1所述的风电覆冰停机脱网风险的预测方法,其特征在于,所述针对每个风机,根据每个历史观测数据确定所述风机在每个预设历史时间点的第一功率损失率包括:
针对每个风机,根据每个历史观测数据确定所述风机在每个预设历史时间点的理论出力值;
针对每个风机,根据每个理论出力值确定所述风机在每个预设历史时间点的第一功率损失率。
3.根据权利要求2所述的风电覆冰停机脱网风险的预测方法,其特征在于,所述预测方法还包括:获取每个风机的风机型号,以确定每个风机的额定功率;
所述历史观测数据包括风机的风速,所述针对每个风机,根据每个历史观测数据确定所述风机在每个预设历史时间点的理论出力值包括,根据公式(1)确定每个风机在所述预设历史时间点的风速v与所述理论出力值之间的曲线关系:
其中,P(v)指风机在风速v时的理论出力值,v0为风机的切入风速,即风机开始发电时的风速,v1为风机的额定风速,即达到风机额定功率Pm时的风速,a、b、c、d分别为功率曲线的系数,v2为风机切出风速,在风机的风速超出所述风机切出风速后风机将触发保护性停机并不再发电。
4.根据权利要求1所述的风电覆冰停机脱网风险的预测方法,其特征在于,所述针对每个风机,根据所述预测气象数据和所述功率损失系数确定所述风机在所述目标时间点的第二功率损失率包括,根据公式(2)确定所述第二功率损失率:
其中,Δp是指每个风机在所述目标时间点的第二功率损失率,v是指每个风机在所述目标时间点的风速,v1为每个风机的额定风速,T是指每个风机在所述目标时间点的环境温度,T0=273.15K,RH是指每个风机在所述目标时间点的环境湿度,Id是指每个风机在所述目标时间点的覆冰厚度,A、B是指每个风机的功率损失系数。
5.根据权利要求1所述的风电覆冰停机脱网风险的预测方法,其特征在于,所述确定每个风机在所述历史时间段覆冰停机的脱网概率包括,根据公式(3)确定所述脱网概率:
其中,R是指每个风机在所述历史时间段覆冰停机的脱网概率,Dn是指每个风机在所述历史时间段覆冰停机的停机天数,Nw是指每个风机在所述历史时间段的冬季天数。
6.根据权利要求1所述的风电覆冰停机脱网风险的预测方法,其特征在于,所述根据所述脱网概率和所述第二功率损失率确定每个风机在所述目标时间点的停机风险值包括:
针对每个风机,在所述第二功率损失率大于或等于预设阈值的情况下,根据所述脱网概率和所述第二功率损失率确定所述风机在所述目标时间点的停机风险值;
针对每个风机,在所述第二功率损失率小于所述预设阈值的情况下,确定所述风机在所述目标时间点的停机风险值为零。
7.根据权利要求1所述的风电覆冰停机脱网风险的预测方法,其特征在于,所述根据全部风机的停机风险值确定全部风机在所述目标时间点的风险期望包括,根据公式(4)计算所述风险期望:
E=∑Ei[Q(Δp,s,R)] (4)
其中,E是指全部风机在所述目标时间点的风险期望,Ei是指每个风机在所述目标时间点的风险期望,Q是指每个风机在所述目标时间点的停机风险值,Δp是指每个风机在所述目标时间点的第二功率损失率,S是指每个风机覆冰停机的功率损失率阈值,R是指每个风机在所述历史时间段覆冰停机的脱网概率。
8.一种处理器,其特征在于,被配置成执行根据权利要求1至7中任意一项所述的风电覆冰停机脱网风险的预测方法。
9.一种风电覆冰停机脱网风险的预测装置,其特征在于,所述预测装置包括:
数据收集模块,用于获取每个风机在历史时间段内的每个预设历史时间点的历史观测数据;
功率损失系数确定模块,用于针对每个风机,根据每个历史观测数据确定所述风机在每个预设历史时间点的第一功率损失率,根据所述风机的多个第一功率损失率和多个历史观测数据确定每个风机的功率损失系数;
气象预测模块,用于获取每个风机在目标时间点的预测气象数据;
功率损失率预测模块,用于针对每个风机,根据所述预测气象数据和所述功率损失系数确定所述风机在所述目标时间点的第二功率损失率;
期望确定模块,用于确定每个风机在所述历史时间段覆冰停机的脱网概率,根据所述脱网概率和所述第二功率损失率确定每个风机在所述目标时间点的停机风险值,根据全部风机的停机风险值确定全部风机在所述目标时间点的风险期望,以预测全部风机在目标时间点发生覆冰停机的概率。
10.根据权利要求9所述的风电覆冰停机脱网风险的预测装置,其特征在于,所述功率损失系数确定模块,还用于针对每个风机,根据每个历史观测数据确定所述风机在每个预设历史时间点的理论出力值;针对每个风机,根据每个理论出力值确定所述风机在每个预设历史时间点的第一功率损失率。
11.根据权利要求10所述的风电覆冰停机脱网风险的预测装置,其特征在于,所述历史观测数据包括风机的风速,所述预测装置还包括额定功率确定模块,用于获取每个风机的风机型号,以确定每个风机的额定功率;
针对每个风机,根据每个历史观测数据确定所述风机在每个预设历史时间点的理论出力值包括,根据公式(1)确定每个风机在预设历史时间点的风速v与理论出力值之间的曲线关系:
其中,P(v)指风机在风速v时的理论出力值,v0为风机的切入风速,即风机开始发电时的风速,v1为风机的额定风速,即达到风机额定功率Pm时的风速,a、b、c、d分别为功率曲线的系数,v2为风机切出风速,在风机的风速超出风机切出风速后风机将触发保护性停机并不再发电。
12.根据权利要求9所述的风电覆冰停机脱网风险的预测装置,其特征在于,所述功率损失率预测模块,还用于根据公式(2)确定第二功率损失率:
其中,Δp是指每个风机在所述目标时间点的第二功率损失率,v是指每个风机在所述目标时间点的风速,v1为每个风机的额定风速,T是指每个风机在所述目标时间点的环境温度,T0=273.15K,RH是指每个风机在所述目标时间点的环境湿度,Id是指每个风机在所述目标时间点的覆冰厚度,A、B是指每个风机的功率损失系数。
13.根据权利要求9所述的风电覆冰停机脱网风险的预测装置,其特征在于,所述期望确定模块,还用于根据公式(3)确定脱网概率:
其中,R是指每个风机在所述历史时间段覆冰停机的脱网概率,Dn是指每个风机在所述历史时间段覆冰停机的停机天数,Nw是指每个风机在所述历史时间段的冬季天数。
14.根据权利要求9所述的风电覆冰停机脱网风险的预测装置,其特征在于,所述期望确定模块,还用于针对每个风机,在所述第二功率损失率大于或等于预设阈值的情况下,根据所述脱网概率和所述第二功率损失率确定风机在目标时间点的停机风险值;针对每个风机,在第二功率损失率小于预设阈值的情况下,确定风机在目标时间点的停机风险值为零。
15.根据权利要求9所述的风电覆冰停机脱网风险的预测装置,其特征在于,期望确定模块,还用于根据公式(4)计算风险期望:
E=∑Ei[Q(Δp,S,R)] (4)
其中,E是指全部风机在目标时间点的风险期望,Ei是指每个风机在所述目标时间点的风险期望,Q是指每个风机在所述目标时间点的停机风险值,Δp是指每个风机在所述目标时间点的第二功率损失率,S是指每个风机覆冰停机的功率损失率阈值,R是指每个风机在所述历史时间段覆冰停机的脱网概率。
16.一种机器可读存储介质,该机器可读存储介质上存储有指令,其特征在于,该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至7中任一项所述的风电覆冰停机脱网风险的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310525255.9A CN116760009A (zh) | 2023-05-10 | 2023-05-10 | 风电覆冰停机脱网风险的预测方法、装置及处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310525255.9A CN116760009A (zh) | 2023-05-10 | 2023-05-10 | 风电覆冰停机脱网风险的预测方法、装置及处理器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116760009A true CN116760009A (zh) | 2023-09-15 |
Family
ID=87957924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310525255.9A Pending CN116760009A (zh) | 2023-05-10 | 2023-05-10 | 风电覆冰停机脱网风险的预测方法、装置及处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116760009A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117638926A (zh) * | 2024-01-25 | 2024-03-01 | 国能日新科技股份有限公司 | 基于覆冰与功率耦合建模的新能源功率预测方法及装置 |
-
2023
- 2023-05-10 CN CN202310525255.9A patent/CN116760009A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117638926A (zh) * | 2024-01-25 | 2024-03-01 | 国能日新科技股份有限公司 | 基于覆冰与功率耦合建模的新能源功率预测方法及装置 |
CN117638926B (zh) * | 2024-01-25 | 2024-04-05 | 国能日新科技股份有限公司 | 基于覆冰与功率耦合建模的新能源功率预测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101761686B1 (ko) | 머신 러닝을 이용한 태양광 발전량 실시간 예측 시스템 | |
US10605229B2 (en) | Wind farm inertial response | |
DK1132614T3 (en) | A regulating system for a wind power plant | |
CN107820540B (zh) | 基于预测的风力涡轮机控制 | |
US8649911B2 (en) | System and method for operating a wind farm under high wind speed conditions | |
US20140324495A1 (en) | Wind turbine maintenance optimizer | |
CN113591359B (zh) | 一种风电机组切入/切出风速调优方法、系统及设备介质 | |
CN116760009A (zh) | 风电覆冰停机脱网风险的预测方法、装置及处理器 | |
CN101582139A (zh) | 量化发电系统的性能的方法和系统 | |
CN116662748A (zh) | 风机覆冰厚度的预测方法、预测装置、存储介质及处理器 | |
US20210054825A1 (en) | Wind turbine control method and device, controller, and control system | |
US20210340963A1 (en) | Ice detection method and system for a wind turbine | |
CN116702957A (zh) | 面向极端天气的新能源功率预测方法、设备和存储介质 | |
JP2014169660A (ja) | 風力発電制御装置及び風力発電制御方法 | |
CN103617454A (zh) | 一种依据数值天气预报的风电场功率预测方法 | |
CN115879286A (zh) | 用于风机的风功率的预测方法、处理器、装置及存储介质 | |
CN115585107A (zh) | 风力发电机组叶片冻雾覆冰厚度的预测方法和系统 | |
CN116362382A (zh) | 一种基于风电场覆冰状态的短期功率预测方法及系统 | |
US20220260054A1 (en) | Method for controlling a wind farm, control module for a wind farm, and wind farm | |
CN114118553A (zh) | 一种永磁直驱风力发电机双列圆锥滚子轴承劣化识别方法 | |
EP3889697A1 (en) | Method for operating a wind turbine with controlled operation of sensors | |
Demir | Wind turbine power curve update based on atmospheric conditions and structural fatigue | |
CN111146800B (zh) | 风力发电场发电功率损失预测方法、装置和存储介质 | |
Hellström | Development of a model for estimation of wind farm production losses due to icing | |
CN116629457B (zh) | 面向持续性无风场景的长周期储能优化配置方法及装置 |
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 |