CN117559515A - 一种风电机组发电量可利用率评价方法及装置 - Google Patents

一种风电机组发电量可利用率评价方法及装置 Download PDF

Info

Publication number
CN117559515A
CN117559515A CN202311271811.0A CN202311271811A CN117559515A CN 117559515 A CN117559515 A CN 117559515A CN 202311271811 A CN202311271811 A CN 202311271811A CN 117559515 A CN117559515 A CN 117559515A
Authority
CN
China
Prior art keywords
wind speed
power
wind
data
wind turbine
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
CN202311271811.0A
Other languages
English (en)
Inventor
马晓晶
王瑞明
张利
王文卓
李婷
王安庆
赵娜
徐婷
龚利策
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.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
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 State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI filed Critical State Grid Corp of China SGCC
Priority to CN202311271811.0A priority Critical patent/CN117559515A/zh
Publication of CN117559515A publication Critical patent/CN117559515A/zh
Pending legal-status Critical Current

Links

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
    • H02J3/38—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
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • 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
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Wind Motors (AREA)

Abstract

本发明涉及风电机组发电特性评估技术领域，具体提供了一种风电机组发电量可利用率评价方法及装置，包括：动态划分风电机组的风速及功率数据对应的风速区间；对各风速区间对应的功率数据进行时间序列分析，得到等时间间隔的风速区间对应的功率数据；将所述等时间间隔的风速区间对应的功率数据输入ARMA模型，得到ARMA模型输出的功率预测数据；基于风电机组的功率实际数据和所述功率预测数据评估风电机组发电量可利用率。本发明提供的技术方案能够解决风电机组发电量可利用率计算中存在的成本、可靠性、时间周期长等问题。

Description

一种风电机组发电量可利用率评价方法及装置
技术领域
本发明涉及风电机组发电特性评估技术领域，具体涉及一种风电机组发电量可利用率评价方法及装置。
背景技术
风力发电的经济效益由风电机组发电量直接决定，而风电机组发电量所受影响因素较多，除风电机组自身额定容量外，还受到气候条件、人力干扰、风电机组维护检修等运行状态的影响，这使得风电机组发电量与预设的情况之间有所出入，不能实现预期经济效益。如何快速合理的评估风电机组发电量可利用率，是提高风电机组发电量，降低能量损耗的前提。
对于风电机组的可利用率，一般有2种评价方法：时间可利用率和发电量可利用率。
时间可利用率定义为一定统计时间范围内风机处于可用状态的时间占比。时间可利用率指标可以有效表征设备维护水平，但由于风能不可控不可调的特点，仅仅考虑时间可利用率，难以判断风机可用状态能否与优势风能良好匹配，能否带来更高的潜在经济价值。
发电量可利用率依据GB/Z 35483-2017《风力发电机组发电量可利用率》标准，定义为实际发电量和潜在发电量的比值。其中，实际发电量为风力发电机组与电力汇集系统连接点处所测量的电能；潜在发电量为根据风力发电机组设计准则、技术规范及场址条件计算的电能。
在发电量可利用率的计算中，实际发电量经过测量，相对容易获得，而潜在发电量的计算涉及功率曲线的选择、风速的测定等问题，通常较难确定。GB/Z 35483-2017标准提供了几种确定潜在发电量的可行方法。
1)基于特定功率曲线和风速的方法
基于特定功率曲线的方法需要每台风力发电机组的特定场址功率曲线，即风速和功率的对应关系，以便利用风速，来推算风力发电机组应发电量，即潜在发电量。
常用的方法包括：机舱风速计测量风速和功率曲线、测量上游风速和功率曲线、采用修正系数的测风塔测量风速和功率曲线。此类方法在实际操作中都存在一定的局限性。
机舱风速计测量风速和功率曲线，由于气流经过了风轮，因此准确度不高；需要每两年校准一次，维护量较大；测量装置失效对结果的影响较大。
测量上游风速和功率曲线，虽然无需设立测风塔，且风轮扰流或湍流所造成的影响不大，但是应用到前沿技术，设备昂贵，制造商较少，建立历史功率信息需要足量的数据，花费时间较长。
采用修正系数的测风塔测量风速和功率曲线，需要计算每台机组的修正系数，通常每个场址需要安装一个或多个测风塔，成本高，维护量大。
2)基于功率的方法
基于功率的方法不需要得到特定场址的功率曲线，但是需要参考风电场平均发电量或具有代表性的参照组风力发电机组平均发电量等信息，确定潜在发电量。
此类方法具有无需进行风速测量，成本低的优点，但是依赖于其他风力发电机组的运行状况，如果其他风电机组运行状况不佳，或与被测风电机组运行模式相差较大，会使计算结果存在较大误差。
发明内容
为了克服上述缺陷，本发明提出了一种风电机组发电量可利用率评价方法及装置。
第一方面，提供一种风电机组发电量可利用率评价方法，所述风电机组发电量可利用率评价方法包括：
动态划分风电机组的风速及功率数据对应的风速区间；
对各风速区间对应的功率数据进行时间序列分析，得到等时间间隔的风速区间对应的功率数据；
将所述等时间间隔的风速区间对应的功率数据输入ARMA模型，得到ARMA模型输出的功率预测数据；
基于风电机组的功率实际数据和所述功率预测数据评估风电机组发电量可利用率。
优选的，所述动态划分风电机组的风速及功率数据对应的风速区间之前，包括：
基于风电机组的功率相关特征数据对风电机组的风速及功率数据进行数据清洗；
其中，所述风电机组的功率相关特征数据包括：风速、桨距角、变桨速度、发电机转速、发电功率、偏航偏差角度、控制系统状态码。
进一步的，所述基于风电机组的功率相关特征数据对风电机组的风速及功率数据进行数据清洗，包括：
根据所述控制系统状态码，保留待风状态和正常发电状态对应的风电机组的风速及功率数据，去除其他运行状态对应的风电机组的风速及功率数据；
根据所述变桨速度，删除正处于变桨过程时对应的风电机组的风速及功率数据；
根据所述偏航偏差角度，删除偏差角度大于3°时对应的风电机组的风速及功率数据。
进一步的，所述基于风电机组的功率相关特征数据对风电机组的风速及功率数据进行数据清洗，包括：
以0.5m/s整数倍的风速为中心，将中心左右各0.25m/s划分为一个风速区间；
若风速区间中对应的桨距角的数据个数少于10个，则删除该风速区间；
对风速区间中对应的桨距角进行概率密度分析，若风速区间中对应的桨距角的概率密度大于风速区间中对应的最大桨距角的概率密度的80％，则保留该桨距角对应的风电机组的风速及功率数据，否则，删除该桨距角对应的风电机组的风速及功率数据。
进一步的，所述基于风电机组的功率相关特征数据对风电机组的风速及功率数据进行数据清洗，包括：
以0.5m/s整数倍的风速为中心，将中心左右各0.25m/s划分为一个风速区间；
若风速区间中对应的发电机转速的数据个数少于10个，则删除该风速区间；
对风速区间中对应的发电机转速进行概率密度分析，若风速区间中对应的发电机转速的概率密度大于风速区间中对应的最大发电机转速的概率密度的80％，则保留该发电机转速对应的风电机组的风速及功率数据，否则，删除该发电机转速对应的风电机组的风速及功率数据。
进一步的，所述基于风电机组的功率相关特征数据对风电机组的风速及功率数据进行数据清洗，包括：
以2rpm整数倍的发电机转速为中心，将中心左右各1rpm划分为一个发电机转速区间；
若发电机转速区间中对应的发电功率的数据个数少于10个，则删除该发电机转速区间；
对发电机转速区间中对应的发电功率进行概率密度分析，若发电机转速区间中对应的发电功率的概率密度大于发电机转速区间中对应的最大发电功率的概率密度的80％，则保留该发电功率对应的风电机组的风速及功率数据，否则，删除该发电功率对应的风电机组的风速及功率数据。
优选的，所述动态划分风电机组的风速及功率数据对应的风速区间，包括：
步骤1初始化风速区间编号i＝1，初始第1个风速区间为：[v1_start，v1_end)，其中，v1_start＝v_0，v1_end＝v_0+d，v_0为所有数据中的最小风速，v1_start为第1个风速区间的下限风速，v1_end为第1个风速区间的上限风速；
步骤2设置风速区间宽度d＝0.5m/s，
步骤3对第i个风速区间[vi_start，vi_end)对应的功率数据进行线性拟合，得到拟合函数：p_curve＝a*v_curve+b，其中，vi_start为第i个风速区间的下限风速，vi_end为第i个风速区间的上限风速，p_curve为功率数据，v_curve为风速，a、b为拟合系数；
步骤4判断拟合系数a和风速区间宽度d是否满足：1％*Pe≤|a*d|≤5％*Pe，若是，则转至步骤5，否则，转至步骤6，其中，Pe为风电机组额定发电功率；
步骤5判断vi_end是否大于所有数据中的最大风速，若是，则输出第1至第i-1个风速区间，否则，令i＝i+1并返回步骤2；
步骤6判断拟合系数a和风速区间宽度d是否满足：|a*d|<1％*Pe，若是，则令d＝d+0.01并返回步骤3，否则，则令d＝d-0.01并返回步骤3。
优选的，所述对各风速区间对应的功率数据进行时间序列分析，得到等时间间隔的风速区间对应的功率数据，包括：
对各风速区间对应的功率数据进行时间序列平稳性检测，其中，当风速区间对应的功率数据不满足平稳性时，对该风速区间对应的功率数据进行差分后重新进行时间序列平稳性检测；
对各风速区间对应的功率数据进行白噪声检测，其中，当风速区间对应的功率数据属于白噪声时，将该风速区间对应的功率数据替换为该风速区间内所有功率数据的平均值；
采用线性插值的方式获取等时间间隔的各风速区间对应的功率数据。
优选的，所述风电机组发电量可利用率如下：
Cw＝Poutput/Ppre
上式中，Cw为风电机组发电量可利用率，Poutput为风电机组的功率实际数据，Ppre为所述功率预测数据。
第二方面，提供一种风电机组发电量可利用率评价装置，所述风电机组发电量可利用率评价装置包括：
划分模块，用于动态划分风电机组的风速及功率数据对应的风速区间；
第一分析模块，用于对各风速区间对应的功率数据进行时间序列分析，得到等时间间隔的风速区间对应的功率数据；
第二分析模块，用于将所述等时间间隔的风速区间对应的功率数据输入ARMA模型，得到ARMA模型输出的功率预测数据；
评估模块，用于基于风电机组的功率实际数据和所述功率预测数据评估风电机组发电量可利用率。
第三方面，提供一种计算机设备，包括：一个或多个处理器；
所述处理器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，实现所述的风电机组发电量可利用率评价方法。
第四方面，提供一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现所述的风电机组发电量可利用率评价方法。
本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：
本发明涉及风电机组发电特性评估技术领域，具体提供了一种风电机组发电量可利用率评价方法及装置，包括：动态划分风电机组的风速及功率数据对应的风速区间；对各风速区间对应的功率数据进行时间序列分析，得到等时间间隔的风速区间对应的功率数据；将所述等时间间隔的风速区间对应的功率数据输入ARMA模型，得到ARMA模型输出的功率预测数据；基于风电机组的功率实际数据和所述功率预测数据评估风电机组发电量可利用率。本发明提供的技术方案既不需要进行额外的风速测量，也不依赖于其他风力发电机组的运行状况，只对被测风力发电机组本身的历史数据进行区间划分和时间序列分析，得出风电机组潜在发电量，以确定发电量可利用率。解决风电机组发电量可利用率计算中存在的成本、可靠性、时间周期长等问题。
附图说明
图1是本发明实施例的风电机组发电量可利用率评价方法的主要步骤流程示意图；
图2是本发明实施例的考虑风电机组运行状态的数据清洗结果图；
图3是本发明实施例的单一风速区间的桨距角概率密度分析结果图；
图4是本发明实施例的经过密度分析筛选后的数据结果图；
图5是本发明实施例的固定区间宽度(0.5m/s)的风速区间划分结果和本方案的风速区间划分结果对比图；
图6是本发明实施例的某风速区间的发电功率数据序列的各阶自相关系数结果图；
图7是本发明实施例的风电机组发电量可利用率评价装置的主要结构框图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如背景技术中所公开的，风力发电的经济效益由风电机组发电量直接决定，而风电机组发电量所受影响因素较多，除风电机组自身额定容量外，还受到气候条件、人力干扰、风电机组维护检修等运行状态的影响，这使得风电机组发电量与预设的情况之间有所出入，不能实现预期经济效益。如何快速合理的评估风电机组发电量可利用率，是提高风电机组发电量，降低能量损耗的前提。
对于风电机组的可利用率，一般有2种评价方法：时间可利用率和发电量可利用率。
时间可利用率定义为一定统计时间范围内风机处于可用状态的时间占比。时间可利用率指标可以有效表征设备维护水平，但由于风能不可控不可调的特点，仅仅考虑时间可利用率，难以判断风机可用状态能否与优势风能良好匹配，能否带来更高的潜在经济价值。
发电量可利用率依据GB/Z 35483-2017《风力发电机组发电量可利用率》标准，定义为实际发电量和潜在发电量的比值。其中，实际发电量为风力发电机组与电力汇集系统连接点处所测量的电能；潜在发电量为根据风力发电机组设计准则、技术规范及场址条件计算的电能。
在发电量可利用率的计算中，实际发电量经过测量，相对容易获得，而潜在发电量的计算涉及功率曲线的选择、风速的测定等问题，通常较难确定。GB/Z 35483-2017标准提供了几种确定潜在发电量的可行方法。
1)基于特定功率曲线和风速的方法
基于特定功率曲线的方法需要每台风力发电机组的特定场址功率曲线，即风速和功率的对应关系，以便利用风速，来推算风力发电机组应发电量，即潜在发电量。
常用的方法包括：机舱风速计测量风速和功率曲线、测量上游风速和功率曲线、采用修正系数的测风塔测量风速和功率曲线。此类方法在实际操作中都存在一定的局限性。
机舱风速计测量风速和功率曲线，由于气流经过了风轮，因此准确度不高；需要每两年校准一次，维护量较大；测量装置失效对结果的影响较大。
测量上游风速和功率曲线，虽然无需设立测风塔，且风轮扰流或湍流所造成的影响不大，但是应用到前沿技术，设备昂贵，制造商较少，建立历史功率信息需要足量的数据，花费时间较长。
采用修正系数的测风塔测量风速和功率曲线，需要计算每台机组的修正系数，通常每个场址需要安装一个或多个测风塔，成本高，维护量大。
2)基于功率的方法
基于功率的方法不需要得到特定场址的功率曲线，但是需要参考风电场平均发电量或具有代表性的参照组风力发电机组平均发电量等信息，确定潜在发电量。
此类方法具有无需进行风速测量，成本低的优点，但是依赖于其他风力发电机组的运行状况，如果其他风电机组运行状况不佳，或与被测风电机组运行模式相差较大，会使计算结果存在较大误差。
为了改善上述问题，本发明涉及风电机组发电特性评估技术领域，具体提供了一种风电机组发电量可利用率评价方法及装置，包括：动态划分风电机组的风速及功率数据对应的风速区间；对各风速区间对应的功率数据进行时间序列分析，得到等时间间隔的风速区间对应的功率数据；将所述等时间间隔的风速区间对应的功率数据输入ARMA模型，得到ARMA模型输出的功率预测数据；基于风电机组的功率实际数据和所述功率预测数据评估风电机组发电量可利用率。本发明提供的技术方案既不需要进行额外的风速测量，也不依赖于其他风力发电机组的运行状况，只对被测风力发电机组本身的历史数据进行区间划分和时间序列分析，得出风电机组潜在发电量，以确定发电量可利用率。解决风电机组发电量可利用率计算中存在的成本、可靠性、时间周期长等问题。
下面对上述方案进行详细阐述。
实施例1
参阅附图1，图1是本发明的一个实施例的风电机组发电量可利用率评价方法的主要步骤流程示意图。如图1所示，本发明实施例中的风电机组发电量可利用率评价方法主要包括以下步骤：
步骤S101：动态划分风电机组的风速及功率数据对应的风速区间；
步骤S102：对各风速区间对应的功率数据进行时间序列分析，得到等时间间隔的风速区间对应的功率数据；
步骤S103：将所述等时间间隔的风速区间对应的功率数据输入ARMA模型，得到ARMA模型输出的功率预测数据；
步骤S104：基于风电机组的功率实际数据和所述功率预测数据评估风电机组发电量可利用率。
本实施例中，所述动态划分风电机组的风速及功率数据对应的风速区间之前，包括：
基于风电机组的功率相关特征数据对风电机组的风速及功率数据进行数据清洗；
其中，利用风电机组自身监控与数据采集(Supervisory Control and DataAcquisition,SCADA)系统数据，因此，所述风电机组的功率相关特征数据包括：风速、桨距角、变桨速度、发电机转速、发电功率、偏航偏差角度、控制系统状态码。
具体的，考虑影响风电机组发电量的主要运行状态，去除风电机组非正常发电状态的数据、处于变桨过程的数据，以及偏航偏差角度过大的数据，因此，所述基于风电机组的功率相关特征数据对风电机组的风速及功率数据进行数据清洗，包括：
根据所述控制系统状态码，保留待风状态和正常发电状态对应的风电机组的风速及功率数据，去除其他运行状态对应的风电机组的风速及功率数据；原始数据库见图2-a，筛选后的数据见图2-b。
根据所述变桨速度，删除正处于变桨过程时对应的风电机组的风速及功率数据；筛选后的数据见图2-c。
根据所述偏航偏差角度，删除偏差角度大于3°时对应的风电机组的风速及功率数据；筛选后的数据见图2-d。
在一个实施方式中，本方法对功率曲线的确定基于风电机组运行历史数据，风电机组发电量不止受到运行状态的影响，还受到具体控制模式，以及各种随机扰动的影响。为了保证得到客观可靠的功率曲线，需要用密度分析法去除此类数据。
根据风电机组控制模式的特点，需要分析风速和桨距角的关系、风速和发电机转速的关系以及发电机转速和发电功率的关系，因此，所述基于风电机组的功率相关特征数据对风电机组的风速及功率数据进行数据清洗，包括：
以0.5m/s整数倍的风速为中心，将中心左右各0.25m/s划分为一个风速区间；
若风速区间中对应的桨距角的数据个数少于10个，则删除该风速区间；
对风速区间中对应的桨距角进行概率密度分析，若风速区间中对应的桨距角的概率密度大于风速区间中对应的最大桨距角的概率密度的80％，则保留该桨距角对应的风电机组的风速及功率数据，否则，删除该桨距角对应的风电机组的风速及功率数据。
单一风速区间的桨距角概率密度分析结果见图3，经过密度分析筛选后的数据见图4。
进一步的，所述基于风电机组的功率相关特征数据对风电机组的风速及功率数据进行数据清洗，包括：
以0.5m/s整数倍的风速为中心，将中心左右各0.25m/s划分为一个风速区间；
若风速区间中对应的发电机转速的数据个数少于10个，则删除该风速区间；
对风速区间中对应的发电机转速进行概率密度分析，若风速区间中对应的发电机转速的概率密度大于风速区间中对应的最大发电机转速的概率密度的80％，则保留该发电机转速对应的风电机组的风速及功率数据，否则，删除该发电机转速对应的风电机组的风速及功率数据。
进一步的，所述基于风电机组的功率相关特征数据对风电机组的风速及功率数据进行数据清洗，包括：
以2rpm整数倍的发电机转速为中心，将中心左右各1rpm划分为一个发电机转速区间；
若发电机转速区间中对应的发电功率的数据个数少于10个，则删除该发电机转速区间；
对发电机转速区间中对应的发电功率进行概率密度分析，若发电机转速区间中对应的发电功率的概率密度大于发电机转速区间中对应的最大发电功率的概率密度的80％，则保留该发电功率对应的风电机组的风速及功率数据，否则，删除该发电功率对应的风电机组的风速及功率数据。
风电机组发电量与风速直接且密切相关，要以时间序列分析的方法评估能量可利用率，则需要采用区间分析法，最大程度厘清风速对发电量的影响。
常用的风速区间划分方式为固定区间宽度，如数据清洗中使用的方法，风速范围划分为以0.5m/s整数倍的风速为中心，左右各0.25m/s的连续区间。
本方案在数据清洗之后，采用非固定风速区间划分的方法处理数据，更符合风电机组功率曲线不同数据段非线性变化的特点。
本实施例中，所述动态划分风电机组的风速及功率数据对应的风速区间，包括：
步骤1初始化风速区间编号i＝1，初始第1个风速区间为：[v1_start，v1_end)，其中，v1_start＝v_0，v1_end＝v_0+d，v_0为所有数据中的最小风速，v1_start为第1个风速区间的下限风速，v1_end为第1个风速区间的上限风速；
步骤2设置风速区间宽度d＝0.5m/s，
步骤3对第i个风速区间[vi_start，vi_end)对应的功率数据进行线性拟合，得到拟合函数：p_curve＝a*v_curve+b，其中，vi_start为第i个风速区间的下限风速，vi_end为第i个风速区间的上限风速，p_curve为功率数据，v_curve为风速，a、b为拟合系数；
步骤4判断拟合系数a和风速区间宽度d是否满足：1％*Pe≤|a*d|≤5％*Pe，若是，则转至步骤5，否则，转至步骤6，其中，Pe为风电机组额定发电功率；
步骤5判断vi_end是否大于所有数据中的最大风速，若是，则输出第1至第i-1个风速区间，否则，令i＝i+1并返回步骤2；
步骤6判断拟合系数a和风速区间宽度d是否满足：|a*d|<1％*Pe，若是，则令d＝d+0.01并返回步骤3，否则，则令d＝d-0.01并返回步骤3。
固定区间宽度(0.5m/s)的风速区间划分结果和本方案的风速区间划分结果对比图见附图5，可看出本方案的非固定风速区间划分结果更能体现大部分数据的变化趋势。
划分风速区间之后，针对每一风速区间的数据进行时间序列分析。
本实施例中，所述对各风速区间对应的功率数据进行时间序列分析，得到等时间间隔的风速区间对应的功率数据，包括：
对各风速区间对应的功率数据进行时间序列平稳性检测，其中，当风速区间对应的功率数据不满足平稳性时，对该风速区间对应的功率数据进行差分后重新进行时间序列平稳性检测；ADF检验全称是Augmented Dickey-Fuller test，其检验就是判断序列是否存在单位根：如果序列平稳，就不存在单位根；否则，就会存在单位根。
对各风速区间对应的功率数据进行白噪声检测，其中，当风速区间对应的功率数据属于白噪声时，将该风速区间对应的功率数据替换为该风速区间内所有功率数据的平均值；本方案使用数列各阶自相关系数(ACF)判断某一风速区间内的数据是否属于白噪声，如果属于白噪声，数据随机分布，应发电量即为区间内所有数据的平均值。如果不属于白噪声，进行后续时间序列分析。例如，某风速区间的发电功率数据序列的各阶自相关系数(ACF)见附图5，对于一个长度为T的数据序列，可以确定两条边界线±2/sqrt(T)，如图6中虚线所示。如果有超过5％的竖线超过两条虚线，则这个时间序列判为不是白噪声。
分析时间序列主要针对时间等间隔采样的数据，而本方案中，某风速区间内的数据是由原始数据分类筛选而来，为非等间隔时间序列。在进行时间序列分析之前，需要对数据做插值，得到等间隔时间序列。
本方案采用线性插值的方式获取等时间间隔的各风速区间对应的功率数据，用于后续分析。
最终，所述风电机组发电量可利用率如下：
Cw＝Poutput/Ppre
上式中，Cw为风电机组发电量可利用率，Poutput为风电机组的功率实际数据，Ppre为所述功率预测数据。
实施例2
基于同一种发明构思，本发明还提供了一种风电机组发电量可利用率评价装置，如图7所示，所述风电机组发电量可利用率评价装置包括：
划分模块，用于动态划分风电机组的风速及功率数据对应的风速区间；
第一分析模块，用于对各风速区间对应的功率数据进行时间序列分析，得到等时间间隔的风速区间对应的功率数据；
第二分析模块，用于将所述等时间间隔的风速区间对应的功率数据输入ARMA模型，得到ARMA模型输出的功率预测数据；
评估模块，用于基于风电机组的功率实际数据和所述功率预测数据评估风电机组发电量可利用率。
优选的，所述动态划分风电机组的风速及功率数据对应的风速区间之前，包括：
基于风电机组的功率相关特征数据对风电机组的风速及功率数据进行数据清洗；
其中，所述风电机组的功率相关特征数据包括：风速、桨距角、变桨速度、发电机转速、发电功率、偏航偏差角度、控制系统状态码。
进一步的，所述基于风电机组的功率相关特征数据对风电机组的风速及功率数据进行数据清洗，包括：
根据所述控制系统状态码，保留待风状态和正常发电状态对应的风电机组的风速及功率数据，去除其他运行状态对应的风电机组的风速及功率数据；
根据所述变桨速度，删除正处于变桨过程时对应的风电机组的风速及功率数据；
根据所述偏航偏差角度，删除偏差角度大于3°时对应的风电机组的风速及功率数据。
进一步的，所述基于风电机组的功率相关特征数据对风电机组的风速及功率数据进行数据清洗，包括：
以0.5m/s整数倍的风速为中心，将中心左右各0.25m/s划分为一个风速区间；
若风速区间中对应的桨距角的数据个数少于10个，则删除该风速区间；
对风速区间中对应的桨距角进行概率密度分析，若风速区间中对应的桨距角的概率密度大于风速区间中对应的最大桨距角的概率密度的80％，则保留该桨距角对应的风电机组的风速及功率数据，否则，删除该桨距角对应的风电机组的风速及功率数据。
进一步的，所述基于风电机组的功率相关特征数据对风电机组的风速及功率数据进行数据清洗，包括：
以0.5m/s整数倍的风速为中心，将中心左右各0.25m/s划分为一个风速区间；
若风速区间中对应的发电机转速的数据个数少于10个，则删除该风速区间；
对风速区间中对应的发电机转速进行概率密度分析，若风速区间中对应的发电机转速的概率密度大于风速区间中对应的最大发电机转速的概率密度的80％，则保留该发电机转速对应的风电机组的风速及功率数据，否则，删除该发电机转速对应的风电机组的风速及功率数据。
进一步的，所述基于风电机组的功率相关特征数据对风电机组的风速及功率数据进行数据清洗，包括：
以2rpm整数倍的发电机转速为中心，将中心左右各1rpm划分为一个发电机转速区间；
若发电机转速区间中对应的发电功率的数据个数少于10个，则删除该发电机转速区间；
对发电机转速区间中对应的发电功率进行概率密度分析，若发电机转速区间中对应的发电功率的概率密度大于发电机转速区间中对应的最大发电功率的概率密度的80％，则保留该发电功率对应的风电机组的风速及功率数据，否则，删除该发电功率对应的风电机组的风速及功率数据。
优选的，所述动态划分风电机组的风速及功率数据对应的风速区间，包括：
步骤1初始化风速区间编号i＝1，初始第1个风速区间为：[v1_start，v1_end)，其中，v1_start＝v_0，v1_end＝v_0+d，v_0为所有数据中的最小风速，v1_start为第1个风速区间的下限风速，v1_end为第1个风速区间的上限风速；
步骤2设置风速区间宽度d＝0.5m/s，
步骤3对第i个风速区间[vi_start，vi_end)对应的功率数据进行线性拟合，得到拟合函数：p_curve＝a*v_curve+b，其中，vi_start为第i个风速区间的下限风速，vi_end为第i个风速区间的上限风速，p_curve为功率数据，v_curve为风速，a、b为拟合系数；
步骤4判断拟合系数a和风速区间宽度d是否满足：1％*Pe≤|a*d|≤5％*Pe，若是，则转至步骤5，否则，转至步骤6，其中，Pe为风电机组额定发电功率；
步骤5判断vi_end是否大于所有数据中的最大风速，若是，则输出第1至第i-1个风速区间，否则，令i＝i+1并返回步骤2；
步骤6判断拟合系数a和风速区间宽度d是否满足：|a*d|<1％*Pe，若是，则令d＝d+0.01并返回步骤3，否则，则令d＝d-0.01并返回步骤3。
优选的，所述对各风速区间对应的功率数据进行时间序列分析，得到等时间间隔的风速区间对应的功率数据，包括：
对各风速区间对应的功率数据进行时间序列平稳性检测，其中，当风速区间对应的功率数据不满足平稳性时，对该风速区间对应的功率数据进行差分后重新进行时间序列平稳性检测；
对各风速区间对应的功率数据进行白噪声检测，其中，当风速区间对应的功率数据属于白噪声时，将该风速区间对应的功率数据替换为该风速区间内所有功率数据的平均值；
采用线性插值的方式获取等时间间隔的各风速区间对应的功率数据。
优选的，所述风电机组发电量可利用率如下：
Cw＝Poutput/Ppre
上式中，Cw为风电机组发电量可利用率，Poutput为风电机组的功率实际数据，Ppre为所述功率预测数据。
实施例3
基于同一种发明构思，本发明还提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，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，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能，以实现上述实施例中一种风电机组发电量可利用率评价方法的步骤。
实施例4
基于同一种发明构思，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中一种风电机组发电量可利用率评价方法的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、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。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (12)

1.一种风电机组发电量可利用率评价方法，其特征在于，所述方法包括：
动态划分风电机组的风速及功率数据对应的风速区间；
对各风速区间对应的功率数据进行时间序列分析，得到等时间间隔的风速区间对应的功率数据；
将所述等时间间隔的风速区间对应的功率数据输入ARMA模型，得到ARMA模型输出的功率预测数据；
基于风电机组的功率实际数据和所述功率预测数据评估风电机组发电量可利用率。
2.如权利要求1所述的方法，其特征在于，所述动态划分风电机组的风速及功率数据对应的风速区间之前，包括：
基于风电机组的功率相关特征数据对风电机组的风速及功率数据进行数据清洗；
其中，所述风电机组的功率相关特征数据包括：风速、桨距角、变桨速度、发电机转速、发电功率、偏航偏差角度、控制系统状态码。
3.如权利要求2所述的方法，其特征在于，所述基于风电机组的功率相关特征数据对风电机组的风速及功率数据进行数据清洗，包括：
根据所述控制系统状态码，保留待风状态和正常发电状态对应的风电机组的风速及功率数据，去除其他运行状态对应的风电机组的风速及功率数据；
根据所述变桨速度，删除正处于变桨过程时对应的风电机组的风速及功率数据；
根据所述偏航偏差角度，删除偏差角度大于3°时对应的风电机组的风速及功率数据。
4.如权利要求2所述的方法，其特征在于，所述基于风电机组的功率相关特征数据对风电机组的风速及功率数据进行数据清洗，包括：
以0.5m/s整数倍的风速为中心，将中心左右各0.25m/s划分为一个风速区间；
若风速区间中对应的桨距角的数据个数少于10个，则删除该风速区间；
对风速区间中对应的桨距角进行概率密度分析，若风速区间中对应的桨距角的概率密度大于风速区间中对应的最大桨距角的概率密度的80％，则保留该桨距角对应的风电机组的风速及功率数据，否则，删除该桨距角对应的风电机组的风速及功率数据。
5.如权利要求2所述的方法，其特征在于，所述基于风电机组的功率相关特征数据对风电机组的风速及功率数据进行数据清洗，包括：
以0.5m/s整数倍的风速为中心，将中心左右各0.25m/s划分为一个风速区间；
若风速区间中对应的发电机转速的数据个数少于10个，则删除该风速区间；
对风速区间中对应的发电机转速进行概率密度分析，若风速区间中对应的发电机转速的概率密度大于风速区间中对应的最大发电机转速的概率密度的80％，则保留该发电机转速对应的风电机组的风速及功率数据，否则，删除该发电机转速对应的风电机组的风速及功率数据。
6.如权利要求2所述的方法，其特征在于，所述基于风电机组的功率相关特征数据对风电机组的风速及功率数据进行数据清洗，包括：
以2rpm整数倍的发电机转速为中心，将中心左右各1rpm划分为一个发电机转速区间；
若发电机转速区间中对应的发电功率的数据个数少于10个，则删除该发电机转速区间；
对发电机转速区间中对应的发电功率进行概率密度分析，若发电机转速区间中对应的发电功率的概率密度大于发电机转速区间中对应的最大发电功率的概率密度的80％，则保留该发电功率对应的风电机组的风速及功率数据，否则，删除该发电功率对应的风电机组的风速及功率数据。
7.如权利要求1所述的方法，其特征在于，所述动态划分风电机组的风速及功率数据对应的风速区间，包括：
步骤1初始化风速区间编号i＝1，初始第1个风速区间为：[v1_start，v1_end)，其中，v1_start＝v_0，v1_end＝v_0+d，v_0为所有数据中的最小风速，v1_start为第1个风速区间的下限风速，v1_end为第1个风速区间的上限风速；
步骤2设置风速区间宽度d＝0.5m/s，
步骤3对第i个风速区间[vi_start，vi_end)对应的功率数据进行线性拟合，得到拟合函数：p_curve＝a*v_curve+b，其中，vi_start为第i个风速区间的下限风速，vi_end为第i个风速区间的上限风速，p_curve为功率数据，v_curve为风速，a、b为拟合系数；
步骤4判断拟合系数a和风速区间宽度d是否满足：1％*Pe≤|a*d|≤5％*Pe，若是，则转至步骤5，否则，转至步骤6，其中，Pe为风电机组额定发电功率；
步骤5判断vi_end是否大于所有数据中的最大风速，若是，则输出第1至第i-1个风速区间，否则，令i＝i+1并返回步骤2；
步骤6判断拟合系数a和风速区间宽度d是否满足：|a*d|<1％*Pe，若是，则令d＝d+0.01并返回步骤3，否则，则令d＝d-0.01并返回步骤3。
8.如权利要求1所述的方法，其特征在于，所述对各风速区间对应的功率数据进行时间序列分析，得到等时间间隔的风速区间对应的功率数据，包括：
对各风速区间对应的功率数据进行时间序列平稳性检测，其中，当风速区间对应的功率数据不满足平稳性时，对该风速区间对应的功率数据进行差分后重新进行时间序列平稳性检测；
对各风速区间对应的功率数据进行白噪声检测，其中，当风速区间对应的功率数据属于白噪声时，将该风速区间对应的功率数据替换为该风速区间内所有功率数据的平均值；
采用线性插值的方式获取等时间间隔的各风速区间对应的功率数据。
9.如权利要求1所述的方法，其特征在于，所述风电机组发电量可利用率如下：
Cw＝Poutput/Ppre
上式中，Cw为风电机组发电量可利用率，Poutput为风电机组的功率实际数据，Ppre为所述功率预测数据。
10.一种风电机组发电量可利用率评价装置，其特征在于，所述装置包括：
划分模块，用于动态划分风电机组的风速及功率数据对应的风速区间；
第一分析模块，用于对各风速区间对应的功率数据进行时间序列分析，得到等时间间隔的风速区间对应的功率数据；
第二分析模块，用于将所述等时间间隔的风速区间对应的功率数据输入ARMA模型，得到ARMA模型输出的功率预测数据；
评估模块，用于基于风电机组的功率实际数据和所述功率预测数据评估风电机组发电量可利用率。
11.一种计算机设备，其特征在于，包括：一个或多个处理器；
所述处理器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，实现如权利要求1至9中任意一项所述的风电机组发电量可利用率评价方法。
12.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1至9中任意一项所述的风电机组发电量可利用率评价方法。
CN202311271811.0A 2023-09-28 2023-09-28 一种风电机组发电量可利用率评价方法及装置 Pending CN117559515A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311271811.0A CN117559515A (zh) 2023-09-28 2023-09-28 一种风电机组发电量可利用率评价方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311271811.0A CN117559515A (zh) 2023-09-28 2023-09-28 一种风电机组发电量可利用率评价方法及装置

Publications (1)

Publication Number Publication Date
CN117559515A true CN117559515A (zh) 2024-02-13

Family

ID=89813538

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311271811.0A Pending CN117559515A (zh) 2023-09-28 2023-09-28 一种风电机组发电量可利用率评价方法及装置

Country Status (1)

Country Link
CN (1) CN117559515A (zh)

Similar Documents

Publication Publication Date Title
US9086337B2 (en) Detecting a wake situation in a wind farm
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
CN113536198B (zh) 一种风电机组功率曲线异常散点识别系统及方法
CN112632749B (zh) 一种风力发电机发电性能的评价方法及装置
CN111340307B (zh) 预测风机风力发电功率的方法以及相关装置
CN111927717B (zh) 一种风机机舱传动链噪声在线监测系统及方法
CN109723609A (zh) 一种风电机组变桨系统的故障预警方法及系统
CN115578084A (zh) 基于深度卷积自编码器的风电机组变频器故障预警方法
de Andrade Vieira et al. Wind turbine condition assessment based on changes observed in its power curve
CN117365869A (zh) 一种风电机组桨叶扫塔故障的自适应预警策略设计方法
CN117195136B (zh) 一种电网新能源异常数据监测方法
CN117927322A (zh) 一种基于燃气-蒸汽联合循环效率优化方法及系统
CN117238113A (zh) 一种基于概率函数的水电机组分工况测值的预警方法
CN117559515A (zh) 一种风电机组发电量可利用率评价方法及装置
CN111062133A (zh) 风电机组性能分析方法及系统
WO2020193110A1 (en) Detecting wind turbine performance change
CN115898787A (zh) 一种风电机组静态偏航误差动态识别方法及装置
CN108197843B (zh) 一种平坦地形风电出力特性评估方法
CN114444291B (zh) 一种风机发电量损失精细化测算方法、系统、设备和介质
CN113990057B (zh) 一种宽频振荡厂站端预警方法、系统、存储介质及服务器
CN115616248A (zh) 一种风电机组风速计数据异常识别方法及系统
CN111211556B (zh) 一种考虑风电的配网供电可靠性评估方法
CN114970311A (zh) 一种远端模块寿命预测模型的建立方法与寿命预测方法
CN110555543B (zh) 一种风电场预测的不确定度分析方法及系统
CN112749820A (zh) 一种风电功率预测方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication