基于实际运行数据的风电场功率曲线优化方法

根据风电场的实际运行数据分析风电场风速与风电场输出功率的统计规律,在传统风速区间划分的基础上提出一种风电场功率曲线的优化方法,通过对每个风速区间分配等量的历史观测数据,采用分段最小二乘线性回归方法对风速与输出有功功率之间的关系进行拟合,建立了风电场基于实际运行数据的优化功率曲线,并利用风电场实测数据对优化功率曲线进行验证分析。算例结果表明,风电场功率曲线优化方法精度较高,能够更准确反映风电场实际运行特性,可为风电场运行特性分析及并网研究提供参考。     

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。     

考虑实际运行数据的风电场稳态建模

为建立准确的风电场稳态模型,该文分区域分析了风电机组的稳态运行特性,提出一种基于实测数据的三机等效风电场稳态建模方法。首先,分析了风电机组在4个不同运行区域的稳态输出特性;然后,根据风电场内各风电机组的实测风速,采用改进型最大树法将其分类,并建立各类机群的实际风速-功率特性曲线;最后,由风电机组各区域稳态输出特性建立各类机群的风速-功率分段函数关系。在此基础上,计算各类机群的等值风速,从而建立三机等效风电场稳态模型。仿真结果表明三机等效模型可有效提高风电场稳态建模的精度。     

基于Elman和实测风速功率数据的短期风功率预测

为提高风电场发电功率预测的精度,提出一种基于Elman神经网络和实测风速功率数据的短期风功率预测方法。根据风速和风电功率历史数据来拟合风电机的风速功率曲线;建立基于Elman神经网络的短期风功率预测模型,并利用遗传算法对网络参数进行优化。最后,将文中预测模型应用到实测数据验证模型的有效性,结果表明了模型的先进性。     

考虑空间效应的风电场动态特性等值方法研究

提出了一种基于聚类算法和实测数据的风电场动态等值建模方法,根据某风电场的实测数据,通过随机抽样比较的方式证明了风电场内机组间的空间效应,并且利用风速曲线和功率曲线在不同机组间的显著差别,说明风电机组间的空间效应在建立风电场动态等值模型时是不可忽略的。利用K-means聚类分析方法并以实测的数据作为分群指标,将某风电场的33台UP77-1.5 MW风电机组聚成4个机群,每个机群对应建立一个等值模型,消除了机组间的空间效应。最后,通过将各个模型与实测的数据的等值比较与误差分析,验证了模型的合理性。与传统模型进行比较,实际验证结果表明该方法建立的模型比传统模型精确度高。     

基于间歇性风速的风力发电机功率输出模型研究

随着风电渗透率的增加,间歇风速对系统运行的影响不可忽视。建立间歇性风速模型和间歇风速下的风机功率输出模型,对解决电力系统规划运行问题至关重要。间歇性风速模型可以确定历史风速数据中强波动性风速。间歇风速下的风机功率输出模型可以评估风速间歇变化过程的风电场输出功率。首先,根据混沌理论建立间歇性风速模型,确定间歇性风速区间以及区间内的间歇性风速。其次,利用动量-叶素理论建立风力发电机功率输出模型,根据风速变化时桨叶的受力情况,评估间歇风速下的风力发电机输出功率。最后,利用大同某风电场采集的数据验证所提方法的有效性。     

风电场日出力曲线和储能容量关系研究

为了促进风能的利用与发展,减小大型并网风电场输出功率不稳定给电力系统调度带来的影响,提出了一种基于功率预测和储能系统配合的风电场功率波动平抑方法。分析了风电场日出力曲线与储能容量关系,对风电场历史实测风速数据进行统计,给出风电场合理的储能容量,以期为风电场储能系统容量的选取提供参考。根据某额定装机容量为100 MW的风电场实测风速数据对功率波动平抑过程进行仿真分析,验证了所提方法的可行性和有效性。     

风电功率弃风数据特征识别方法研究

在风力发电过程中,由于负荷需求量的不同,存在对风力发电量的限制,弃风现象普遍存在。弃风数据的存在会对风电功率预测和风电场等值模型的建立产生较大影响,因此对弃风数据的剔除非常关键。对此,分析了正常运行数据的特征和弃风数据的特点,在风电机组的标准风速-功率传变特性（功率曲线）的基础上,依据正态分布的均值和标准差提出了粘滞区间的概念,并基于此建立了对弃风数据进行辨别与剔除的方法。以东北某风电场的实测数据为例,对含有弃风的数据进行剔除,验证了所提方法的有效性。     

基于比恩法的风电场风速-功率曲线建模误差分析

以预测风速为输入进行风电功率预测时,风电场风速-功率曲线的建模精度至关重要。提出一种基于比恩法的风电场风速-功率曲线建模方法,并分析不同风速区间下各建模误差的变化情况。分析结果表明,忽略风速-功率传变特性差异导致风速较小时建模曲线偏高,风速较大时建模曲线偏低,而忽略风速空间分散性对建模曲线的影响则相反,因此两者对建模精度的影响有明显的抵消现象,且各建模误差的变化情况与风速大小密切相关。     

基于风电场功率特性的风电预测误差分布估计EI北大核心CSCD

风电功率预测对风电场运行和电网调度决策具有重要影响。基于风电场的功率特性曲线,提出了一种风电预测误差分布的估计方法。首先根据历史运行数据对风电场的功率特性曲线进行拟合;然后按照风电场的切入风速和额定风速将历史实测数据划分为3部分,并利用改进后的广义误差分布等模型提取每一部分风电功率预测误差的概率密度特性,根据其数值特征,设定相应的风电功率修正方法和预测误差分布的估计方法;最后按照待测日预测风速的大小选择对应的修正方法补偿所预测的功率,并估计预测误差的分布范围。结合中国北方某风电场的实际运行数据进行了仿真算例分析,验证了所提方法的有效性。     

基于风速升降特性及支持向量机理论的异常数据重构算法

风电机组历史功率数据是进行风电研究的重要基础,而风电机组实际采集到的数据中存在大量的异常数据,这给风电功率预测研究带来许多不利影响。对历史数据的风速-功率对应关系进行研究,识别并剔除异常数据。分析风速升降变化对功率的影响,建立SVM数据重构模型。根据风速升降特性及强相关风电机组的出力特性对数据重构模型加以改进。以风电机组的实测数据为例进行仿真计算,结果表明所述方法能够对异常数据进行有效地识别和重构。     

风电机组风速功率特性曲线建模研究综述

风速-功率特性曲线是风力发电机组设计的基础,也是考核机组性能、评估机组发电能力的一项重要指标。介绍风速-功率特性曲线的定义、概念和基本特点,分别从参数方法、非参数方法、离散方法、随机方法 4个方面详细阐述风速-功率特性曲线建模的实现方法。分析建模精度的评价方法,提出目前风速-功率特性曲线建模遇到的问题以及需要进行深入研究的发展方向。     

基于改进FCM聚类算法的风电场等值建模研究

考虑风电场中各机组接收到的风速、机械特性、控制特性等差异,以风速-功率作为聚类指标,并以隶属度-权值构成的多条件聚合约束对风电机组进行分群优化,结合尾流效应模型提出了改进FCM聚类算法的风电场等值建模方法。最后,以陕西某风电场实测数据为样本进行等值建模,验证了模型的准确性和有效性。     

基于证据理论的风速不确定性建模

风速决定了风电场的输出功率,风速模型是研究含风电系统运行与规划的重要基础。提出一种基于证据理论的风速不确定建模方法。采用证据理论中基本可信度分配的概念描述风速;提出依据实测历史数据确定基本可信度分配的焦元和信任函数的实现方法,并设计等概率区间和等取值区间2种建模策略。以某风电场实测风速为例对基于所建模型和基于概率分布及区间分布的模型进行仿真比较,结果表明所提模型能确定风速的似然累积概率分布和信任累积概率分布,能更有效地描述和处理风速不确定性信息。     

基于时间序列分析的风电场风速预测模型

风速预测是风电场规划设计中的重要工作因风速序列本身已经具有时序性和自相关性．提出了基于时间序列分析的风电场风速预测模型。为了检验时间序列分析模型的有效性．使用了信息准则AIC(An Information Criterion)函数在算例中,将预测风速的分布特性与实际风速分布特性相比较,验证了文中提出的时间序列模型用于风电场风速预测的可行性。     

用于短期风速预测的优化核心向量回归模型

风能的不确定性和难以准确预测给风电并入电网带来了困难。风速是影响风能的重要因素,风速的预测精度对风电功率预测的准确性有重要影响。提出一种优化的核心向量回归（CVR）模型,进行短期风速预测。其风速数据从某风电场每隔1 h采集1次,并采用粒子群优化（PSO）算法对CVR模型的参数进行优化,利用优化后的CVR模型进行风速预测。试验结果表明,在时空复杂度相当的情况下,该方法具有比CVR和SVR（support vector regression ）更高的预测精度。     

融合两阶段分解与 iJaya-ELM 的短期风速预测模型

准确的预测风速对于风电场的安全运行和高效发电具有重要意义。 针对已有文献在风速预测问题中采用的单一分解 策略存在固有缺陷、优化预测模型效果不稳定等问题,提出了一种融合两阶段分解与 iJaya-ELM 的混合预测模型。 首先,对原 始风速序列进行 ICEEMDAN 分解,得到 12 个分量后基于排列熵熵值重构为高频项、中频项与低频项;随后对高频项进行奇异 谱分解滤去序列噪声;提出一种改进的 Jaya 算法 iJaya,利用 iJaya 算法获取极限学习机 ELM 的最优连接权值与阈值,最后将各 个分量的预测结果线性集成得到最终结果。 以我国甘肃地区风电场风速数据进行模型验证,并利用新疆地区数据集测试其鲁 棒性与通用性。 实验结果表明,iJaya 算法具有较强的寻优精度与稳定性,两阶段分解能够深度挖掘风速序列的特征;该混合模 型能够有效提升风速预测精度,平均绝对误差与均方误差分别为 0. 067 9 和 0. 134 5。     

含具有风速相关性风电场的发输电系统可靠性评估

提出了一种改进相关矩阵蒙特卡罗模拟法与拉丁超立方采样法相结合的多维相关风速抽样方法,并把该方法应用于含多个风电场的发输电系统可靠性评估。通过实际风速数据对模型的验证表明：提出的风速相关模型能够充分保持实际风速数据的概率分布,基本统计量和相关特性。将该模型和方法应用到 MRTS可靠性测试系统中,证明了该方法适用于含具有风速相关性的风电场的发输电系统可靠性评估。并通过算例,对风速相关性程度、风电场接入位置和风能渗透水平三个因素对含风电场的发输电系统可靠性的影响进行了分析。     

基于二次相关的双阵元接收阵列超声波风矢量测量

针对在低信噪比条件下超声波风速风向测量精度低的问题,提出一种基于二次相关法的双阵元接收阵列超声波风速风 向测量方法。 首先采用由一个超声波发射传感器和两个接收传感器组成的阵列结构,其次在该系统结构基础上给出一种基于 二次相关的超声波传播时间测量方法,利用二次相关算法对噪声抑制更强的性能可有效提高风速风向测量的精度。 最后通过 模拟仿真实验对所提测风方法进行有效性验证,并通过双阵元测风系统进行了实测数据验证。 实验结果表明,基于二次相关算 法的双阵元接收阵列超声波传感器风速风向测量方法具有较强的噪声抑制能力,在实测环境下风速风向最大测量误差分别为 0. 24 m/ s 和 2. 4°,基本达到了超声波测风仪的设计要求。