基于改进LSTM-TCN模型的海上风电超短期功率预测

风功率精确预测是实现大规模海上风电友好并网的重要手段。大型海上风电场机组台数众多,状态各异。机组状态、尾流影响和时空特性对风功率预测的影响不可忽略。该文基于长短期神经网络(long short-term memory,LSTM)–时间卷积神经网络(temporal convolutional network,TCN),提出了一种考虑机组状态、风机尾流和场群空间分布特性的海上风电超短期功率预测方法。首先分析了机组状态和尾流数据对于功率预测的影响,然后基于LSTM建立了风电机组运行数据深度学习预测模型,实现机组健康状态到运行数据的映射,并通过数据的实时滚动对机组健康状态进行持续修正;在此基础上,加入注意力强化和随机空间特性弱化模块的改进LSTM-TCN模型。通过实际运行数据算例分析,相比TCN算法、LSTM算法,该文方法可提升风功率预测的精度,尤其对于海上常见的风速骤变工况适应性较强,对TCN算法过于强化空间特性的问题进行改进。以该模型的精确预测为基础,可进一步用于大规模海上风电场内机组的协调优化控制,提升海上风电出力可靠性。     

风速波动情况下并网风电场内风电机组分组方法

以风电机组的分组方法为研究对象,采用风电机组间尾流模型并考虑风向变化对尾流效应的影响,研究了风电机组输入风速的计算方法,提出了风电机组的分组方法。考虑风速、风向随机波动的特点,提出利用三维相关系数矩阵对大型风电场风电机组分组的方法。通过研究表明:在根据风电机组的输入风速是否相同对风电机组分组时,风电场的输入风向是决定风电机组分组的主导因素;利用三维相关系数矩阵可方便查询风速和风向变化时风电机组分组情况,为建立风电场的随机模型,研究风电场的特性打下基础。     

计及尾流效应的双馈机组风电场等值建模研究

针对双馈机组风电场内机组间尾流的相互影响,提出一种新的风电场等值建模方法。该方法考虑尾流效应,定义了"尾流影响因子"表征各台风电机组受其他风电机组尾流影响的程度,并以此作为风电场内风电机组的分组依据。将风向作为输入,从而进行风电机组的分组以及合并等值。同时给出了合并后等值模型参数的计算方法,得到风电场的多机等值模型。仿真结果表明,利用该方法建立的等值模型较之传统的等值模型能更准确地体现风电场的功率输出特性。     

风电场可靠性建模

考虑风速和风向的随机变化、风电机组的功率特性、不同风电场之间风速的相关性以及风电机组停运模型、风电场尾流效应和气温的影响,建立了风电场可靠性模型及尾流效应模型。仿真结果验证了所提模型的有效性。该模型为进一步研究含风电场的电力系统可靠性评估、风电场容量可信度以及其他风电场并网问题打下了基础。     

基于尾流效应的海上风电场有功出力优化

以海上风电场风速平稳和尾流效应影响距离远为背景,提出基于尾流效应的海上风电场有功出力优化方案,使风电场各机组有功出力之和大于传统单机最大风能捕获方案。挖掘风电机组有功出力和尾流效应的关系,给出基于有功控制的尾流定量调控方法,并建立了风电场有功出力优化模型;重点研究了基于现有计算资源实现控制策略的方法:根据尾流传播路径,对风电场进行分组,有效降低控制对象数;根据风电机组运行与有功控制特性,降低优化方程求解的搜索空间,抑制计算规模;通过数据拟合,降低优化变量数,将离散域优化问题转化为连续域优化问题,便于使用具有广泛公信力的优化算法。仿真结果表明,提出的方案能有效提升风电场功率,在不增加风电硬件设备投资的前提下,提高风电场效益。     

基于中尺度气象模式分析的海陆风电场间尾流扰动影响评估

海上风电在“双碳”目标的引领下快速发展,其选址布局若缺乏整体协调规划会因尾流效应损害已建成下游陆上风电场的发电量与经济效益。为提高区域资源利用率,保障风电产业的协调可持续发展,该文以中国盐城某海上风电场及相邻陆上风电场为研究对象,提出一种耦合风电场参数化方案(wind farm parameterization,WFP)和天气研究与预报模式(weather research and forecasting model,WRF)的海陆风电场间尾流扰动影响评估方法(WRF-WFP),通过比较有无海上风电场的算例输出间的差异,分析典型真实大气状况下海上风电场整体尾流强度的空间分布特性,并结合实测数据验证了WRF-WFP的有效性与参数灵敏度。量化评估了典型工况下海上风电场对下游陆上风电场的运行扰动作用的时空特性,归纳了陆上风电场的相对功率损失规律。结果表明在典型大气状况下,海上风电场的尾流可以延伸36～73km,最大宽度5.8～10km;尾流对下游陆上风电场的扰动作用在夜间的频次与强度更为显著,风速衰减达5.83%时,平均功率亏损可达15.47%。     

含风电场的互联发电系统可靠性评估

为得到更准确的风速序列,建立了小时级的时序风速概率分布模型,并根据该模型进行抽样获得时序风速序列。考虑风电机组的功率输出特性、尾流效应等因素,建立了风电场可靠性模型。采用分区的方法,结合增加了由25台风电机组组成的风电场的IEEE-RTS 24节点算例,利用时序蒙特卡洛模拟法对含风电场的互联发电系统进行可靠性评估。所提模型考虑了风速和负荷的时序相关性以及风电机组的功率输出特性、尾流效应等影响风电场出力的因素,使风电场接入系统后的可靠性评估更为客观、准确。     

基于SAIGM-KELM的短期风电功率预测

针对时序下风电功率的随机性和波动性问题,提出一种基于自适应智能灰色系统(SAIGM)和遗传算法优化核极限学习机(GA-KELM)的混合风电功率预测模型。首先,以灰色关联性分析不同季度下风向量与数值气象预报(NWP)对风电功率的影响为基础,采用自适应智能灰色系统预测风速,并将预测的风速与相连时序下的风向和NWP有效整合作为预测样本。其次,利用遗传算法优化核极限学习机搭建风电功率预测模型,并将实际风向量与NWP有效整合作为预测模型的训练样本。最后,利用优化后的预测模型实现不同季节的风电功率预测。实验表明混合预测模型可实现对风电功率的短期预测,预测结果具有准确性和可靠性。     

风电场动态分析中风速模型的建立及应用

考虑风电场内机组间尾流效应的风速模型能较准确地描述风速扰动下风电场输出功率的波动，使研究结果更具有实际意义和价值。该文分析了风力机背面风速的计算方法，提出应用风电场及场内风电机组通常可得到的数据，根据在某风向上游风力机对下游风力机的遮挡及遮挡面积的不同，建立考虑机组尾流效应的风速模型，此方法适合于由任何台数风电机组组成的大型风电场风速建模。将输出风速与电力系统分析程序，DIgSILENT/PowerFactory相连，形成了以风速为基础的风电场与电力系统相互影响研究的计算程序，分析了尾流效应对风电场输出特性的影响。     

考虑复杂尾流效应和连接电缆故障的风电场可靠性建模

通过分析复杂地形下风电机组间的部分遮挡尾流影响,建立了考虑复杂地形情况下的部分遮挡尾流效应计算模型;在考虑风电机组的功率输出特性、复杂尾流效应和风电机组停运的基础上,特别考虑了风电机组间连接电缆故障对风电场可靠性的影响,提出了计及连接电缆停运的风电场可靠性模型。运用威布尔分布模拟风速,对风电机组和连接电缆故障进行序贯蒙特卡洛抽样仿真,利用MATLAB编写相应程序进行算例分析,结果表明复杂尾流效应模型能够相对准确地描述风电机组间尾流影响,计及连接电缆停运的风电场可靠性模型提高了原有风电场可靠性模型的精确性。     

采用时间序列预测风电场出力

基于时间序列的方法,采用自回归滑动平均（ARMA）模型进行短期风速预测;考虑风力发电机组排列布置时尾流效应的影响、风电场址地面粗糙程度、空气密度、风向变化以及不同型号风机功率特性的差异等因素,采用Jasen尾流模型建立了大型风电场的综合模型。结果表明,合理的风电场布置方案有利于减小尾流效应的影响,从而提高风电场出力。     

基于中尺度WRF模式的海上风电场尾流影响评估

海上风电场群基地的规划设计需要准确、科学地评估风场间的尾流效应。以我国江苏省某300MW海上风电场为研究对象,采用耦合风电场参数化模型的中尺度天气研究与预报(weather research and forecasting,WRF)模式对海上风电场尾流效应影响进行模拟研究。结果表明：WRF模式的计算结果与测风数据吻合较好,准确度满足海上风电前期风资源评估要求;进一步与海上风电场运行数据进行对比,分析了耦合风电场参数化模型的WRF模式计算结果偏高的原因;受上游风电场尾流的影响,下游风电场中心处的风速下降19.3%、尾流长度由14km增加至45km,且总功率下降13.7%。若将海上风电场内额定功率为4.2MW的风力机替换为20MW,一定程度上可减轻上游风场的尾流影响。     

尾流效应和时滞对风电场输出特性的影响

由于大型风电场风电机组数量众多,占地面积较大,风电机组间尾流效应和风速时滞将对风电场并网点输出特性有较大的影响。以定速机组风电场为例,在电磁暂态仿真软件PSCAD/EMTDC平台上,搭建了25台750kW风电机组组成的风电场模型。分析和比较了不同风速模型的风电场输出特性。结果表明,时滞会平滑风电场输出功率,使得并网点功率变化率变小,从而提高其电能质量;尾流效应会造成风电场的风能损失。在风电场接入电网检测中,需要考虑尾流效应和时滞的影响。     

基于单机最优功率曲线拟合的多场景风电功率预测方法

风的时变和间歇性制约风电与负荷的实时能量平衡,准确的功率预测有助于风能成为可调度能源。针对风电不确定性问题,提出了基于单机最优功率曲线拟合的多计算流体力学(CFD)场景风电功率预测方法。首先,离散求解大气物理运动方程,并建立能反映风电场流体分布的CFD加速比矩阵。其次,针对风轮旋转尾流效应,提出了参考风轮推力系数的自由与带有激盘模型流场的变权重CFD组合预测。最后,提出了一种利用经过尾流修正风电机组自身风速计数据的迭代风电功率曲线拟合方法,以贡献率为判断指标,迭代剔除坏点并拟合单机最优功率曲线。实际算例结果证明所提方法可以有效提高功率曲线拟合和预测精确度。     

风电场尾流分布计算及场内优化控制方法

对于已建风电场,减少尾流效应,提高风电场整体输出功率,是风电场优化控制的目标之一。文中分析了风电机组状态参数变化与输出功率、尾流分布间的耦合关系,建立了尾流与风轮交汇面积的计算方法,以及多台风电机组尾流的叠加模型。针对不同来流风向及来流风速下风电场尾流分布的不同,提出了一种风电场尾流分布计算方法,用于计算每台风电机组位置处的风速;基于该尾流分布计算方法,以风电场整体输出功率最大为目标函数,轴向诱导因子为优化参数,粒子群算法为优化算法,建立风电场优化控制模型。以丹麦Horns Rev风电场为研究对象,进行计算分析,结果表明:风电场尾流分布计算方法能够准确计算风电场尾流分布,风电场优化控制方法能够提高风电场整体输出功率。     

基于FT-GT模型的风电短期功率预测

随着风电接入规模的增加,风电功率预测日益重要。研究了一种基于分形理论(FT)与灰色理论(GT)模型相结合的短期风电功率预测新方法。建立了基于分形理论的风力发电功率预测模型,并对模型进行了求解。使用灰色理论对分形模型的分维数进行优化,提高模型预测精度。使用FT-GT模型和灰色模型两种方法进行预测,并利用真实数据进行预测同时与实际值做出比对分析。仿真结果表明,该风电功率预测方法相对灰色模型具有较高的预测精度。     

基于网格聚类的峡谷风电短期功率预测方法

为解决峡谷风电受峡谷尾流影响而造成的风电短期功率预测准确率低的问题,提出了一种基于网格聚类的峡谷风电短期功率预测方法。对峡谷风电站的历史气象、预测功率、实际功率数据进行预处理,以提升预测模型的训练效果。按照经纬度进行峡谷风电站地域网格聚类,获得峡谷风电网格特征。在此基础上,采用长短期记忆网络对每个网格进行功率预测,并进行网格功率叠加与误差修正,峡谷风电站短期功率预测实际准确率达到88.35%,其运行效果表明:所提出的预测方法能够有效地提高峡谷风电短期功率的预测精度。     

尾流效应和风特性对双馈风机LVRT的影响

对双馈异步风力发电机(DFIG)低电压穿越能力的研究普遍基于额定风速,为了使研究更加准确,考虑了风电机组间的尾流效应和不同类型的风特性,建立了尾流效应模型、4种风特性模型和风电场模型,仿真了DFIG在不同情况下的低电压穿越能力。结果表明,尾流效应在一定范围内会降低风电机组的有功功率、增加无功功率补偿,并抑制直流母线电压振荡的幅值,提高DFIG低电压穿越能力;相同幅值的风特性,渐变风输出的有功功率最大,阵风引起的有功功率振荡最剧烈,渐变风、随机风引起的直流电容电压振荡幅值较大。     

基于改进长期循环卷积神经网络的海上风电功率预测

准确的风电功率预测对海上风电安全并网具有重要意义.不同于陆地,海上具有气象因素复杂、风电出力波动显著等特点,使得海上风电功率预测精度难以满足工程实际要求.针对以上问题,文中提出一种基于改进长期循环卷积神经网络(LRCN)的预测模型,用于超短期海上风电功率预测.首先,采用改进LRCN进行初步功率预测,即构建多卷积通道分别...     

基于融合模型的风电场输出功率短期预测方法

风电场功率短期预测对并网风力发电系统的运行有着重要意义,在考虑风速、温度、海拔等影响风电功率的主要因素的基础上,为提高风电场短期输出功率的预测精度,提出基于风速与风电功率的融合预测模型。首先针对风电功率的直接预测,采用自回归时间序列和广义回归神经网络的组合模型来预测;然后再利用该组合模型预测风速,根据风速与风电功率的关系间接求出预测的风电功率;最后将前两种组合预测模型进行再次组合,得到融合预测模型。以吉林洮北风电场的短期功率预测为例,运用Matlab软件编程实现本文所提出的算法,验证模型的准确性与可行性,得到融合预测模型的预测相对误差为7.156%,可有效提高大型风电场输出功率的预测精度。