基于分段图像识别的风电场异常运行数据清洗方法

风电场异常运行数据清洗对风电场功率预测、理论功率计算以及发电性能评估至关重要。针对现有数据清洗方法中基于统计特征的清洗算法无法有效清洗风功率曲线中部的堆积型异常数据,基于图像识别的直接清洗算法会忽略不同风速区间的像素点密度分布差异等问题,文章提出了基于分段图像识别的风电场异常运行数据清洗方法。首先,以切入风速和额定风速为数据集分段点,生成分段二值图像集,构建基于Canny边缘检测的分散型像素点辨识模型;然后,基于边缘内图像集,构建基于数学形态学的堆积型异常像素点辨识模型;最后,以中国西北地区某两个风电场的实际运行数据为算例,与四分位法、基于密度的空间聚类（DBSCAN）法、基于图像的直接清洗算法进行对比分析,验证了所提算法的有效性和适用性。所提方法采用数学形态学分割图像的主要部分和突起部分,从而有效辨识风功率曲线中部的堆积型异常数据;通过设置不同分段图像的清洗参数以改进图像直接清洗算法对局部细节的识别性能,清洗后的正常数据散点分布更为平滑。     

高斯混合模型风电机组异常数据识别方法研究

风电机组原始运行数据中存在大量异常数据,对异常数据进行识别和剔除是后续准确预测风电机组出力及评价发电性能的基础。文章分析了风电机组运行数据功率散点在风速-功率坐标系中的分布特征,提出了基于贝叶斯信息准则（BIC）的高斯混合模型异常数据识别方法。沿水平功率方向以一定间隔划分多个水平功率区间,采用高斯混合模型对落在每一水平功率区间内的功率散点进行聚类,并引入BIC准则自适应确定模型的高斯分量个数。结合功率散点分布特征先验经验,对每一水平功率区间内的多个高斯分量置信椭圆及其聚类功率散点进行异常标识。以风电机组实际运行数据为例,验证了高斯混合模型异常数据识别方法的有效性。     

风电机组功率曲线建模方法对比研究

风电机组功率曲线是风电机组重要的性能指标,表征了机组的实际运行状态。准确的实测风电功率曲线可以为风电机组性能评估、风电功率曲线监测、风电功率预测、风电场数值建模等工作提供重要的参考依据。但采用耗时的功率曲线建模方法会花费大量的建模时间,从而影响建模效率。文章从功率曲线建模的数据筛选和功率曲线拟合入手,选取耗时较短的二维核密度估计模型筛选风速功率散点集中区域内的正常运行数据,并选用5种功率曲线拟合方法对正常风速功率数据进行拟合。5种模型的建模精度和建模效率对比分析表明,多项式拟合方法原理简单,拟合速度最快,且拟合精度较高,比较适用于实际功率曲线的建模工作。     

一种基于风功率曲线的SCADA数据清洗方法研究北大核心CSCD

风机SCADA数据在风机状态评估和性能预测中具有重要作用。在风机实际运行过程中,人为操作失误以及传感器等设备故障可能导致SCADA数据中存在大量异常,给后续的评估和预测带来较大干扰。文章基于风机SCADA数据中风速-功率散点图的分布特征和形态,以及标准风功率曲线的风速-功率对应关系,提出了一种改进的一类支持向量机(OCSVM)方法来进行异常数据清洗。通过选取东北某风电场的同类型风机进行SCADA数据清洗验证,并与四分位法、局部异常点检测算法(LOF)、孤立森林算法(IF)的清洗结果进行了对比。对比结果表明,本文提出的方法对异常点的清洗效率更高,清洗结果更接近标准风功率曲线,且具有较好的通用性。     

计及风向信息的风电功率异常数据识别研究

针对目前风电功率异常数据识别的算法复杂繁琐且识别效果不理想,算法通用性差,对复杂多变的风电功率数据难以有效甄别等问题,依据实测风速功率数据中异常数据来源的特征提出一种不同风向上的不同风速区间内异常数据的识别方法。该算法基于不同风向上不同风速区间的组内最优方差来识别其相应的异常数据,最后经归类整理后识别出机组全部的异常数据。研究结果表明该算法可有效识别风电异常数据。     

基于低质量数据的水电机组变工况状态指标构建方法

水电站监测数据与机组运行工况高度关联,且通常存在数据异常和数据缺失等问题。为此,提出了一种基于低质量数据的变工况下水电机组状态指标构建方法。首先采用国内某大型常规水电站的实测水头、有功功率及下机架振动数据构建机组运行数据集,再采用DBSCAN算法清洗异常数据,最后基于GMM算法拟合健康样本的概率密度分布,构建机组健康状态模型。在此基础上,计算待评估样本与健康状态模型之间的负对数似然概率,并将其作为机组性能状态指标。验证分析表明,通过数据清洗能有效识别水电机组运行数据集中的奇异点和离群点,且所构建的健康模型受数据缺失影响较小。     

引入风电功率波动的水电机组迭代学习控制

风电机组输出功率随机波动性强影响电网安全稳定运行,为进一步提高电网稳定运行,设计了一种基于迭代学习控制策略(ILC)的水电机组控制方法,使其能够快速平衡由于风电和负荷变化而引起的功率偏差,从而实现系统频率稳定。在Matlab/Simulink中建立了水电机组调节系统仿真模型,对三种不同的风电功率扰动工况进行了仿真研究,并将控制效果与传统PID控制进行对比。仿真结果表明,基于ILC建立的控制器能使系统频率在风电功率扰动下具有较好的动态性能。     

基于风电机组状态的超短期海上风电功率预测

提出一种基于风电机组状态的超短期海上风电功率预测模型。首先,综合考虑海上环境因素以及风电机组部件间的相互作用建立指标的预测模型,以长短期记忆神经网络的预测误差作为监测指标的动态劣化度;然后采用模糊综合评价法对风电机组的运行状态进行评估,依据评估结果对风电机组历史运行数据进行划分;最后根据分类后历史运行数据建立基于机组状态的超短期风电功率预测模型。结合国内某海上风电场实例数据进行分析,算例结果表明所提方法可有效提高风电功率预测精度。     

基于数据驱动的风电机组状态评估方法研究

为了延长风电机组平稳运行时长和减少故障停机次数,文章基于有监督主成分分析(SPCA)的Hotelling-T~2和Q统计量控制图,提出了一种风电机组状态监测与评估方法。首先,根据风电机组SCADA历史数据提取正常状态数据。然后,训练集成学习模型拟合主要状态变量,采用贝叶斯优化算法优化其中的超参数。最后,在移动时间窗内利用SPCA方法将监测数据分解到主成分空间与残差空间,计算真实数据与参考状态数据的Hotelling-T~2和Q统计量,并同时求取两种统计量的斯皮尔曼系数,通过划定阈值对机组进行状态评估。将该方法用于某风电场1.5 MW级风电机组,结果表明,该方法能够有效地对机组当前状态进行监测并识别出功率输出故障。     

基于网格搜索优化ERF模型的风电机组异常状态预警

提出一种基于网格搜索优化(GS)极端随机森林(ERF)模型的风电机组性能预测及异常状态预警方法.首先,采用离散度分析法清洗噪声和异常工况数据,以获取建模用正常运行状态数据.其次,通过分析风机运行与控制原理,选取与转速和功率具有较高相关度的特征参数作为模型输入,完成预测模型训练和验证,并对比ERF模型与其它几种模型的建模...     

风切变指数在风电场风资源评估中的应用

以内蒙古地区3座70m高测风塔连续2年的实测数据来分析风切变指数的变化,结果表明:1)不同高度梯度的风切变指数受地面粗糙度及周围地形地貌的影响较大。2)计算相邻高度的风速时,采用相邻高度间的风切变指数计算得到的结果较好;计算相差较大的高度间风速时,采用拟合曲线得到的风切变指数计算得到的结果较好。3)利用3～25m/s的风切变指数计算各月风速及年均风速结果都与实测值最接近;而利用全部风速数据的风切变指数计算统计各月风速往往比实测值偏大;利用3～25m/s拟合曲线得到的风切变指数统计各月风速比实测值偏小。     

风电场风切变指数研究

根据山东某风电场实测资料,对风电场逐月、逐时、不同风速下的风切变指数进行研究并探究风切变指数不同取值对风电场轮毂高度处风资源的影响。在分析轮毂高度风资源时,建议采用高差较小的高度处风速根据综合风切变指数进行推导。     

风场风力条件评估系统开发

运用VC＋＋编写风场风力条件的评估系统．该系统包括正常风力条件和极端风力条件2大部分。在各个模块中针对不同的风力条件,采用交互式数据输入方式,计算出具体数值,且绘出图形,从而全面、具体地对风场风力条件进行分析与评估。     

风电场风速预测模型研究

介绍了两种风电场风速预测模型,分别是BP神经网络模型和小波-BP神经网络组合模型。BP神经网络模型是风速预测中常用的模型之一,小波技术和BP神经网络结合,即为组合模型。小波技术将风速时间序列按时间和频率两个方向展开,体现了各成分对预测值贡献率的不同。将BP神经网络模型和小波-BP神经网络组合模型分别应用到我国朱日和风电场的逐时风速预测中,从预测结果对比得出组合模型更适合该风电场的逐时风速预测。     

基于激光测风雷达及SSA-ELM的风电场短期风速预测

基于激光测风雷达数据,针对风速的非线性特性,提出麻雀搜索算法（sparrow search algorithm, SSA）优化极限学习机（extreme learning machine,ELM）进行风速预测。搭建预测模型,根据预测风速对风电机组进行预变桨,分析风电机组叶根矩载荷。采用新疆某风电场激光测风雷达数据仿真并与其他预测模型分析对比。结果表明,麻雀算法优化的极限学习机可精确预测风速,且显著提升极限学习机预测速度及不同风速条件下的动态性能;预变桨后,风电机组叶根矩载荷大幅减小,提升了桨叶使用寿命及运行安全性。     

海上测风塔整体耦合风荷载计算

风荷载是海上测风塔受到的主要荷载之一,其设计取值与测风塔的安全性、经济性密切相关。测风塔风荷载通常根据《建筑结构荷载规范》建立单独上部模型进行分析。为了更加真实地模拟测风塔风荷载,采用了测风塔上、下部整体耦合模型,通过数值方法进行分析,并与通常采用的规范估算方法进行对比。针对风荷载与结构自振频率之间的相互影响关系,提出了迭代求解风振系数的方法。通过对比分析计算,发现数值计算得出的风荷载量值比相同输入条件下规范法计算的结果小6%～26%。     

平陆风电场风能资源研究

分析了山西省平陆风电场工程的测风资料、实测场址空气密度、风速,得出了风功率密度、风速频率及风能频率等指标,可为该风场风能资源的精确评估提供科学依据。     

内蒙古地区风资源评估与风场特征风速的推导

对内蒙古二十四个地区的风能资源进行评估,得到风谱图.首先提出了利用WAsP软件对1998年至2008年期间内蒙古二十四地区的风资源资料中的基础进行分析;然后利用风速威布尔分布函数和风力发电机组输出功率的威布尔的概率密度函数,求两个函数的极值,推导出切入风速和额定风速的公式.最后以内蒙古六个地区为例,计算不同风资源条件下的切入风速和额定风速.     

大型风电场超短期风电功率预测

针对大规模风电场风电功率的非线性特性,采用最小二乘支持向量机（LS—SVM）的预测模型。由于LS—SVM的参数选择直接影响着模型的预测精度,于是采用一种基于量子粒子群优化方法来选择模型的超参数。为了弥补模型损失的鲁棒性,通过给每个样本误差不同的权系数,建立了具有良好泛化性能的WLS—SVM回归模型,从而进一步提高了模型预测的精度。本文提出一种基于量子粒子群优化（0uantum—behaved Particle Swarm Optimization,QPSO）参数选择的加权最小二乘支持向量机（Weighted Least Squares Support Vector Machine,WLS—SVM）的超短期风电功率预测模型。应用上述方法对内蒙古地区大型风电场进行了预测,结果证明了该方法的有效性。     

Strategies to Smooth Wind Power Fluctuations of Wind Turbine Generator

This paper shows that the capability of voltage-source converters (VSCs) to control the real power output of wind turbine generators (WTGs) can be applied to smooth power fluctuations due to wind turbulence. The paper calls attention to instability that can arise from: 1) the wind turbine itself and 2) the doubly fed induction generator (DFIG). The paper presents G_P/V(s) to characterize the dynamic behavior of WTGs.