析低风速风电开发与安徽省能源结构调整

文章对安徽省资源状况、能源结构进行了深入分析,提出加快低风速风电资源开发是安徽省能源结构调整的必然选择;对安徽省风资源整体状况及产业政策、产业发展现状以及接入系统能力进行了剖析,分析了风电发展面临的形势并提出建议。     

一种矿用皮托管式风速传感器设计

针对传统风速传感器因井下特殊环境常造成超声波探头性能减弱,不能正确反映环境风速值的问题,提出一种矿用皮托管式风速传感器设计方案,详细介绍了其原理及软硬件设计。该传感器采用S型皮托管测量风的压力,利用差压芯片计算差压信号值,并根据电信号、差压信号、风速之间的对应关系求取风速信息。实验结果表明,在0.4～15m/s风速范围内,该传感器测量误差低于±0.2m/s,且具有较好的温度稳定特性、贮存特性和防潮防堵性能。     

计及气象因素和风速空间相关性的风电功率预测模型

建立了一种计及数值天气预报中气象因素和风速空间相关性的组合加权风电功率预测模型。首先,考虑到数值天气预报数据中的风速精确度不高,建立了基于高斯过程的数值天气预报风速修正模型,计入其他气象因素,如风向、温度、湿度、气压等,进行风电预测。同时,基于目标风电场与相邻风电场区域的风速空间相关性分析,求得其最大相关系数点的延迟时间,建立风速空间相关性预测模型。然后,基于数值天气预报偏差修正的风电功率预测模型和空间相关性预测模型,建立组合加权预测模型,并利用拉格朗日乘子法求得组合模型中各个单一模型的加权值。算例结果表明,所提模型及方法能够有效提高风电功率预测的精度。     

考虑台风影响的风速多步预测模型

合理认知台风对区域风速预测的影响,对未来风电的最大化利用至关重要.针对台风到来对风速预测影响较大问题,基于多模式集成(ME)的台风数值气象预报信息,提出了一种考虑台风影响的风速多步预测模型.首先,针对台风期间风速数据噪声问题,使用经验小波变换(EWT)对风速历史数据进行解构,基于自适应阈值方法剔除噪声扰动,并重构风速序列信号.然后,采用门控循环单元(GRU)网络对重构后的风速序列进行多步预测,获取不考虑台风影响下的风速预测信息.考虑台风数据的缺乏,在GRU网络基础上引入深度信念网络(DBN)进行台风情况下的修正,以提高考虑台风影响时的风速预测精度.最后,基于中国南部某地实际数据进行算例分析,并与不考虑台风数值预报信息的基础算例进行对比分析.算例分析结果表明,相较不考虑台风影响的基准模型,所提模型可有效降低风速预测误差.     

双馈风力发电机组全运行工况与快速启动电磁暂态建模

随着高比例新能源风电机组渗透率的不断提高,其接入电力系统对电网的安全稳定运行具有重要的影响,故建立精确的电磁暂态仿真模型对研究风电机组本身和并网系统的静暂态稳定特性尤为重要。基于现场低电压穿越实验实测数据,结合实际曲线确定双馈风电机组的动作特性及控制策略,采用改进的遗传算法对双馈风力发电机本体参数、风机功率控制参数以及低电压穿越保护装置Crowbar的电阻值进行参数辨识,并结合风机生产厂商提供的电气参数,建立了中国蒙西某风电场实际双馈风电机组的全运行工况下快速启动的精确电磁暂态仿真模型,可实现在全风速范围内,风电机组启动后1 s内快速进入稳定运行状态。最后通过数据比对验证了所提出的参数识别方法能够反映实际风电的关键特性,所建立的电磁暂态仿真模型准确无误,具有较好的实际应用价值。     

基于遗传算法和最小二乘支持向量机的风电场超短期风速预测*

考虑到风电场风速的非平稳性、非线性特征及风电场风速实测数据存在异常现象,提出利用改进小波变换方法对风速序列数据进行分解与降噪处理,以降低其不稳定性.针对最小二乘支持向量机算法在参数确定依赖人为因素的缺陷,提出一种采用遗传算法对最小二乘支持向量机模型的惩罚系数和核函数参数进行寻优,构建基于遗传算法和最小二乘支持向量机的超短期风速组合预测模型,对小波变换分解后的各子序列数据分量进行预测,并将各子序列的预测结果叠加进而获得超短期风速的预测值.最后,通过算例验证了所提模型及方法能有效提高超短期风电场风速的预测精度.     

空气导流装置对大型自然通风湿式冷却塔性能影响研究

自然通风逆流湿式冷却塔的热力性能受环境大风的影响较大,通过在塔进风口设置导流装置可以改善冷却塔的热力性能。为了验证空气导流装置对冷却塔热力性能的效果,本文针对环境大风地区的1 000 MW机组配置的13 000 m2自然通风逆流湿式冷却塔进行试验研究,在相同的运行工况和环境大风条件下,比较2座同类型的冷却塔不设空气导流装置和设置空气导流装置对其热力性能和出塔水温的影响。结果表明:设置空气导流装置,可以有效降低环境大风对冷却塔的不利影响;在同等运行状态和环境条件下,设置空气导流装置后,出塔水温比不设空气导流装置的低,在试验环境风速范围内,2座塔随环境风速的增加出塔水温差值而愈发明显。环境风速v＜3 m/s,2座冷却塔出塔水温基本一致;3 m/s≤v＜5 m/s,2座冷却塔出塔水温差值变化范围为0.24~0.61 ℃;5 m/s≤v＜8 m/s,2座冷却塔出塔水温差值变化范围为0.71~0.97 ℃。     

考虑风速波动特性的VMD-GRU短期风电功率预测

提高风电功率预测的精准度能为大规模风电并网提供安全保障,为此提出一种考虑风速波动特性的短期风电功率组合预测方法.首先,定义5种风速波动类型,对数值天气预报中的历史风速序列进行波动类型划分,得到不同风速波动类型的天气时段;其次,将这些天气时段对应的历史风电功率序列进行分类,采用变分模态分解算法对各类风电功率序列进行分频计算,得到特征、频段互异的多个子模态;然后,利用门控循环单元神经网络建立每个子模态预测模型,将各个子模态预测结果进行叠加,得到风电功率预测值;最后,对待测时段的风速序列进行波动类型划分和识别,选取相匹配的功率预测模型计算出最终预测值.利用某实际风电场的数值天气预报风速数据和功率数据进行仿真分析,验证所提组合预测方法的有效性.     

基于二次分解与IGWO-LSSVR模型的超短期风速预测研究

针对风速序列的非线性导致预测精度不高的问题,提出了一种基于二次分解技术和改进灰狼算法的风速预测模型.首先,利用该模型对风速序列进行完备经验模态分解(CEEMD),并且对复杂度过大的前3个分量采用变分模态分解(VMD)进行二次分解;然后,对分解后的各个分量采用改进灰狼算法(IGWO)优化最小二乘支持向量回归(LSSVR)进行风速预测得到各个分量的预测值;最后,将各个分量预测值相加得到风速的预测结果.结果表明,二次分解技术能有效降低子分量的复杂度;改进的灰狼算法能有效提高算法寻优能力,提高风速预测准确性.     

基于小波变换的改进混合蛙跳-差分进化-神经网络预测模型的短期风速预测

针对目前对风速序列短期预测中不同组合算法预测精度较差、适应性不强等问题,提出一种基于小波变换的组合预测模型算法,将风速序列经小波变换降低波动性与无序性,利用混合蛙跳算法(shuffled frog leaping algorithm,SFLA)优化逆向传播(back propagation,BP)神经网络的初始权值与阈值,将差分进化(difference evolution,DE)算法用于混合蛙跳算法子种群个体寻优策略,提高个体收敛速度与精度.通过将经小波变换分解得到的高、低频分量分别经组合模型算法进行风速预测与重构,通过实例验证,10、30 min相较60 min预测结果平均绝对百分比误差分别提高33.59％、12.21％,均方根误差分别提高28.77％、8.22％,三者平均预测误差分别为0.037、-0.014、0.011 m/s,与混合蛙跳-BP神经网络算法、BP神经网络算法横向对比,结果表明所提组合预测模型算法预测性能指标最佳.