基于风特征分析的风电机组异常数据识别算法

对风电的研究往往要依托于历史功率数据,而风电机组采集到的历史数据中往往含有大量的异常数据,这严重影响了对风电功率规律特性的分析。针对风电机组的实测功率数据进行研究,分析风速升降特征与风向特征对风电机组输出功率的影响。将不同的风特征的数据分开讨论,分别利用Copula函数得到概率功率曲线,结合异常数据的时序特征归纳出三类异常数据,建立异常数据识别模型。利用风电机组的实际数据和人工生成数据进行仿真分析,结果表明,该方法能够高效地识别各类异常数据,对风电研究有着重要的意义。     

基于云分段最优熵算法的风电机组异常数据识别研究

风电场的历史运行数据尤其是风速和功率数据是研究风电功率波动特性、风电功率预测、风电功率曲线计算和测试的重要基础。但风电场实际采集到的数据中通常会出现大量异常数据,而这些异常数据是由各机组的异常数据构成,故对风电机组进行异常数据识别具有重要意义。该文以风电机组的风速–功率曲线为研究基础,提出了用于机组异常数据识别的云分段最优熵算法,该算法基于云模型的熵识别机组发电异常的数据集,对数据进行分离。结果表明,该算法可以有效地识别出机组异常数据,提高异常数据的正确识别率,保证数据的准确性。     

基于Thompson tau-四分位和多点插值的风电功率异常数据处理

针对传统风电机组风速-功率异常运行数据处理清洗时间长、模型复杂的问题,提出一种基于Thompson tau-四分位法和多点插值的异常数据处理算法。首先,对切入风速与切出风速间等于或小于零的异常功率数据点予以剔除,通过划分风速区间,采用Thompson tau-四分位法对异常运行数据进行分段精细化清洗,降低异常点辨识的模型复杂度;然后,通过四点插值细分算法对清洗后的异常数据进行重构,获得完整的风速-功率有效数据;最后,以风电机组实际风速-功率数据为算例进行对比分析。结果表明所述方法实现简单、效率更高,尤其在临近风电场数据缺失、异常、不可用情况下,所提出的重构方法能有效提高重构数据质量,且重构效果更优。     

基于混合Copula函数的风电机组异常识别方法

风电机组的功率曲线是衡量风电机组运行性能的重要指标,其中存在大量异常数据直接影响风电机组运行维护,研究功率曲线异常识别方法对提高风电机组运行稳定性具有重大意义。本文通过对功率曲线的特性分析,分三种工况建立了基于概率分布函数(Copula函数)的功率曲线异常数据识别模型及影响因素Kendall秩相关分析,从而确定了与功率曲线高度相关的特征参量;通过Copula函数得到了功率曲线上下边界,对上下边界外的可疑点进行时序分析及欧氏距离计算,从而判断可疑点是否为异常点;采用SVM线性回归方法建立了预测模型,并采用某风电场SCADA数据对本文提出的方法进行验证。结果表明,在三种不同工况下,该方法可实现功率曲线异常数据准确识别,精准故障定位,为风电机组的运行维护工作提供新的方法。     

基于实测数据的风电场风速-功率模型的研究

建立准确的风电场模型是风电接入系统相关研究的基础。首先通过对某双馈风电机组的标准功率特性曲线和实测风速-功率散点图进行对比,针对它们之间的差异问题,建立基于实测运行数据的风电机组风速-功率模型。其次,针对地形复杂、机组排列不规则的大型风电场风速差异性问题,利用K-means聚类算法对风电场内所有风电机组按实测风速数据进行聚类划分,建立了整个风电场的等效风速模型,进而给出了基于实测运行数据的风电场风速-功率模型。然后,以某实际风电场为例,对该风电场内的风电机组按风速进行K-means聚类划分,结果显示该划分结果与简单按地理位置的机群划分结果有明显差异。最后,对传统的风速-功率模型和所提出的风速-功率模型输出结果进行比较,结果证明所提出的模型相对于传统模型而言,准确性有了较大的提高。     

多变量风电机组功率曲线建模与监测研究

功率曲线能够反映风电机组的发电效率和运行状态,采用运行数据对其进行建模和监测能够及时发现机组运行异常和性能劣化。国际标准IEC61400-12-1中的比恩斯方法,仅将风速作为功率的影响因素且采用风速分区求风速功率平均值,建模精度较低。详细分析了影响风电机组风能捕获的因素,并将其作为功率曲线模型的输入变量。采用适合随机数据建模的Cholesky分解改进高斯过程方法建立多变量功率曲线模型,并进行了验证。引入序贯概率比检验方法,在监测阶段分析和捕捉模型预测功率残差的异常变化,并及时发出机组运行异常报警,然后通过机组自身数据纵向比对和不同机组之间数据横向比对,分析排查确定风电机组运行异常原因。以安徽某风电场1.5 MW实验机组为例,采用所提方法及时准确发现了由于风速计故障导致的机组发电性能异常,验证了所提方法的有效性。     

风电机组健康状态预测中异常数据在线清洗

风电机组数据采集与监视控制系统(SCADA)运行数据中含有大量异常数据,对风电机组健康状态预测影响严重,为此针对实测风速-功率、转速-功率数据,提出一种异常数据在线清洗方法.由于机组性能退化过程中数据特征趋于复杂,基于经验Copula-互信息(ECMI)选择关键特征参量作为数据清洗对象,并基于Copula建立置信等效功率区间描述其非线性与不确定性.针对置信边界外的堆积点和离群点,结合其时序特征与密度分布建立Copula数据清洗模型(Copula-TFDD),依次进行在线清洗.最后,基于实际数据与人工模拟数据分析模型的精度、运算效率以及对机组健康状态预测的影响表明,Copula-TFDD能准确并实时地识别各类异常数据,有效提升风电机组健康状态预测的性能.     

基于功率曲线的风电机组数据清洗算法

针对风电机组性能分析过程繁琐低效、数据清洗不彻底以及传统方法难以有效识别复杂多变的异常发电状态的问题,提出一种用于风电机组功率曲线分析的数据清洗算法。通过分析风电机组数据采集与监控(SCADA)系统采集的风速功率数据,优化数据处理规则与数据分析过程,提出最优组内方差清洗算法,检测机组发电性能异常的状态,降低对检测工具和数据维度的硬性要求。实例分析表明该方法实用、高效,在不增加硬件设备投资的前提下,能准确清洗风电机组功率曲线数据并识别出机组异常运行状态,显著提高了风电机组性能分析的准确性。     

基于运行数据的风电机组间风速相关性统计分析

统计分析风电机组间的风速相关性对风电场的等值建模、风速/风功率预测及机组集群控制优化均具有指导意义。鉴于风电机组间的风速相关性研究工作开展较少,首先构建基于风电机组输出功率为索引的风电机组实际运行数据清洗方法与流程,然后基于Copula函数理论建立风电机组间风速相关性计算方法,最后基于张北地区某风电场风电机组运行数据进行案例应用分析。案例分析结果表明,提出的数据清洗整定方法可有效消除异常数据,提高风速相关性分析基础数据的质量;不同的时间尺度、风速、风向下的相同风电机组间的风速相关系数差异较大,案例中相同两台风电机组不同条件下风速运行数据相关性最大可达0.96,最小则降为0.55,风电机组间的风速相关系数表现出的时变性和差异性对基于风速相关性的风电场等值建模、风速/风功率预测精度影响较大。     

考虑时空分布特性的风速预测模型

随着风电并网规模日益增加,风电功率波动对电网的影响将更加显著。风速预测可以辅助电网制定调度和运行控制决策,合理应对风电功率波动,降低风电功率波动对电网安全稳定运行的影响。考虑风电机组的地理分布和风速的时间、空间分布特性,建立等效风速模型。由该模型建立上、下游风电机组的风速关联关系,修正下游风电机组的风速。在此基础上,提出一种基于修正系数的风速预测方法,以提高预测精度。以实际风电场地理数据和风电机组参数为基础的仿真算例验证了该方法的可行性和合理性。     

永磁直驱机组叶轮质量不平衡故障建模及仿真研究

针对风力机叶轮质量不平衡故障对风电机组安全稳定运行的严重影响问题,在对该故障形成机理简要阐述后,理论推导了该故障对永磁同步发电机转速及电磁功率造成的影响。利用Matlab/Simulink建立在该故障状态下包含风力机、传动部件及发电机的风机模型,从定量角度设置不同的仿真算例,分析电机转速和电磁功率信号时域及频谱曲线特征及变化。分析结果显示其包含电机旋转的一倍频分量和二倍频分量,且随着不平衡质量的增大而增大。在湍流风速条件下,电机旋转及电磁功率频谱在低频段呈现连续尖峰。该方法可以应用到直驱风电机组故障诊断系统中质量不平衡故障的判别和不平衡质量的确定。     

风力发电机输出功率条件子集区间估计方法

根据风力发电机的风速和输出功率历史数据,对风机输出功率均值与风速的关系进行最小二乘参数辨识,以此为基础求出风机输出功率偏差与风速的关系。采用Python概率分析确定风机输出功率偏差各子集的概率分布类型,估计其特征参数,以求出其概率密度函数,进而对风机输出功率偏差进行概率置信区间预测。基于风机输出功率均值与风速的关系和风机输出功率偏差子集的置信区间估计模型,实现了根据风速预报值对风机输出功率的置信区间进行预测。用实际风机的历史纪录对所提方法进行了测试和验证。结果表明:基于风速将风机输出功率偏差划分成多个子集,可提高风机输出功率概率置信区间预测的精准度。     

新投产风电场的短期风速预测模型建立

常规的风电场功率预测建模主要方法是将数值天气预报产生的气象要素输入基于历史scada数据建立统计模型,得到全场预报总功率。但是新投产的风电场没有历史scada数据,而风电场功率预测的准确性主要依赖于短期风速预报的精度。因此,为提高新投产风电场功率预测的准确性,短期风速预报的建立是基于数值气象预报的物理模型和统计模型相结合的方式。首先,通过数值气象模式输出风电场测风塔处轮毂高度层的气象要素;其次,通过建立神经网络模型和多元线性回归两种统计方法对模式输出数据进行修正;最后,对误差的来源进行分类分析。在江苏某风场的测试结果表明,较传统的方式,预测精度有了明显的提高,该方法能够消除数值气象预报的振幅偏差,但相位偏差仍是误差的主要来源。     

直驱永磁同步风电机组在全风速范围内的控制策略研究

为实现直驱式永磁同步风电机组在全风速范围内的高效、稳定运行,提出了一种基于最优转速给定的最大功率点跟踪控制策略与一种变桨距控制策略。当风速波动时,发电机转子转速的参考值将根据风电机组运行状态的不同选择不同的计算方式,使得风力机功率系数最大或稳定在额定转速不超速。而桨距角的大小将根据发电机的输出功率变化,当输出功率小于额定值时保持为0,大于额定值时增大使得输出功率稳定在额定值附近。最大功率点跟踪控制系统及桨距角控制系统都以发电机的输出功率大小作为控制方式的切换条件,无需复杂的切换规则。在Matlab/Simulink仿真平台上全风速范围内的风电机组的运行结果验证了所提出的控制策略的正确性与有效性。     

基于置信等效边界模型的风功率数据清洗方法

针对风电运行数据中存在的大量异常数据,结合风机运行过程与数据不确定性统计提出了一种基于置信等效边界模型的风功率数据清洗方法。首先,基于风机运行机理及运行策略提出了风速、风轮转速和功率三维关联性关系,依照风速对异常数据进行分段精细化剔除;在此基础上,结合Copula理论分运行区间建立了风速条件下风机输出功率的条件概率分布,进而求得功率在一定置信度水平下的等效边界模型,可直接用于异常数据识别剔除,提高有效数据占比;然后,采用分段三次Hermite插值法重构缺失数据,得到完整风速、功率有效数据;最后,定义置信度带宽比等数据清洗质量评价指标,采用k折交叉验证置信等效边界模型性能。选取某型号风机实际运行数据进行实例分析,结果显示清洗后数据具有更高的置信度带宽比、更适中的偏度及更高的峰度,进而表明有效数据占比大大增加且分布更加集中,表明了所提方法的有效性和合理性。     

基于数值天气预报的风能预测系统

随着世界范围内风电事业的飞速发展,大量大容量风电机组直接接入高压输电网络,是对电网安全运营、电能质量保证的重大挑战,迫切需要使用风能预测系统来对风电机组的发电功率进行预测。提出一种基于数值天气预报以及人工神经网络的混合型风能预测系统。该系统以基于数值天气预报的风速和风向预测数据作为输入数据,以自组织神经网络作为预处理模型,以径向基函数网络模型作为预测模型,并依据特定风电机组或风场的发电量的历史数据对输出数据进行修正。用该预测系统对河北某风电场进行了实例计算,得到可接受的预测结果,表明系统可行。     

Maximum power control system for small wind turbine using predicted wind speed

This paper describes a novel approach of maximum power control for small wind turbines by using predicted wind speed data. Because of the moment of inertia of the wind turbine, when using conventional control method, the time lag of control will occur due to turbulence in the environment. Our proposed control system uses future information, which is the predicted wind speed, for wind turbine control. The control algorithm creates a reference trajectory of the rotational speed of the wind turbine. The advantage of using the predicted data is that the controller can operate the wind turbine efficiently so that the rotational speed of the wind turbine catches up with the reference speed at the maximum power point. Simulation results show improvement of generation efficiency compared to the conventional control method. Then we discuss the influence of the prediction error of wind speed on control performance. © 2014 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

垂直轴SRG风力发电系统MPPT动态滑模控制研究

以垂直轴风力机与开关磁阻发电机(SRG)为对象,研究了基于风速跟踪的垂直轴开关磁阻风力发电系统MPPT动态滑模控制(SMC)算法。介绍了SMC原理,设计了系统动态滑模控制器,采用Matlab/simulink建立了系统仿真模型,对风速阶跃变化的不同工况进行理论仿真实验。仿真结果表明,所设计的SRG风力发电滑模控制器具有良好的鲁棒性,能使开关磁阻风力发电系统具有良好的动态性能实现风力机最大功率点跟踪,为实际应用提供理论支持。     

基于风速时间周期特征的风电并网系统风险评估方法

目前的风电并网系统风险评估方法多采用风速的概率分布模型,评估的是系统全年的风险指标,不能反映风速和系统风险的时变特征。提出了风速的时间周期特征,并将其描述为风速长期、平缓的月变化趋势和短期、快速的日波动特征两部分的叠加。用时间周期拟合函数表示风速的月变化趋势,用服从特定概率分布的随机变量表示风速的日波动特征,通过对多年风速样本进行曲线拟合来建立风速的时间周期特征模型。根据该模型模拟得到的时变风速建立风电场出力模型,采用蒙特卡洛模拟方法计算风电并网系统中长期风险指标,反映了系统风险的时变特征。以IEEE-RTS79系统及某风电场实际风速为例,验证了所提方法的有效性。评估结果可为电力系统规划、中长期调度和月发电计划制定等提供重要参考。