共查询到10条相似文献,搜索用时 15 毫秒
1.
为提高风电机组功率曲线的建模精度,利用偏互信息(PMI)方法对影响机组风能捕获的因素进行全面分析,并选取多参数作为输入变量。利用随机梯度提升回归树(SGBRT)算法,实现多变量下的功率曲线建模。结合某风电场1.5 MW机组数据采集与监视控制系统(SCADA)的实测数据,对所提出的功率曲线建模方法进行验证。结果表明:与现有功率曲线建模方法相比,采用SGBRT算法得到的功率曲线模型可更精确地预测风力机的功率特性,且预测误差最小。 相似文献
2.
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。 相似文献
3.
4.
5.
基于运行数据的风力发电机组功率特性分析 总被引:3,自引:2,他引:1
针对实际1.5MW风电机组.通过获取反映机组运行性能的实测风速、功率等数据,采用Bin方法对数据进行处理后,获得风电机组的功率曲线,并将其推广到机组风能利用曲线的提取。通过计算得到了2台机组的实际运行功率曲线、风能利用曲线及其标准差值.对风电机组的运行性能进行了对比分析和评估。 相似文献
6.
7.
为了最大限度地减少风机停机时间和提高风机发电量,基于风机功率曲线特性,结合多元统计Hotelling T~2控制图,提出了一种风力发电机性能及故障监测方法。首先,根据SCADA系统历史数据集,应用粒子群算法(PSO)寻优最小二乘支持向量机的模型,构造风电机组参考功率曲线。然后,计算风场各风机功率特性的多元峰度、多元偏度,将其偏离参考曲线的程度作为评估风力发电机性能的指标。最后,监测风机发生故障的时刻,引入用于监测风机的Hotelling T~2多变量质量控制图。将该方法用于某风场1.5 MW级风力发电机,实例表明,该算法可以有效地对风电机组状态及故障进行监测,为风电机组的故障识别及分析提供了一种新的方法。 相似文献
8.
9.
风电机组的发电效率和发电性能对风电场的运行水平和经济效益有重要影响。文章采用风电机组SCADA运行数据对机组发电性能劣化进行监测。首先,采用偏最小二乘方法确定对风电机组发电功率有密切影响的多个变量;然后,采用高斯过程回归方法建立反映机组发电性能的功率曲线模型,有效提高建模精度;在监测阶段,引入指数加权移动平均值控制图(EWMA)分析功率曲线模型的功率预测残差,及时准确地发出风电机组发电性能劣化预警;最后,以某风电机组叶轮转速传感器故障导致的发电性能劣化实例,验证了该方法的有效性。 相似文献