基于改进决策树的多变量功率曲线建模方法

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。     

风电机组功率曲线建模方法对比研究

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。     

基于实测数据的风电场稳态等值建模研究

针对大型风电场仿真模型复杂,计算量大的特点,提出一种利用实测数据建立大型风电场稳态等值模型的新方法。通过粒子滤波算法对原始风速数据进行预处理,消除噪声干扰对真实数据的影响;考虑到风电场内风机的风况差异问题,采用K-均值聚类算法提取反映风电机组风况差异的特征风速,以简化建模过程;选择特征风速和实测风电功率为输入、输出信号,应用BP神经网络拟合风电场稳态等值模型。该模型考虑了风电场地形地貌、机组分布因素,利用实测数据对模型进行泛化能力分析和精度验证,仿真结果表明,该方法具有一定的准确性与合理性。     

限电情况下风电场内机组最优组合方案研究

近年来,由于风电渗透率持续增加而电网消纳能力有限,造成风机产能过剩,"弃风"现象开始凸显。为保证电力系统的稳定运行,要求风电场主动参与系统调频,根据电网调度部门指令控制其功率输出。将风速预测信息与尾流效应模型结合起来,预测场内每台机组的最大出力。在此基础上,以提高风电场效益为目标,建立了限电情况下风电场内机组组合问题的数学模型,并利用改进的粒子群算法进行优化研究,得到限电情况下风电场内机组最优组合方案。最后通过实际算例进行仿真分析,验证了所提出方法的可行性和优越性。     

基于运行数据的风力发电机组功率特性分析

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。     

基于分段支持向量机的风电机组理论功率计算研究

结合风电机组功率曲线特性与支持向量机学习方法,建立基于分段支持向量机的风电机组理论功率计算模型。研究结果表明,该模型计算精度无论是在单机理论功率计算还是全场理论功率计算方面都要高于目前已有方法。在得到高精度理论功率的基础上,提出一个新的机组性能评价指标——出力可提高系数,该指标能够科学地反映机组设备的运行状态与质量,可为实现风场精细化管理提供依据。     

基于风电机组功率曲线的故障监测方法研究

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。     

采用样板机法计算风电场弃风电量的实测数据统计分析

弃风限电问题已经成为制约我国风电产业发展的严重问题。准确估算弃风电量对合理评价弃风影响、制定风电发展政策和用于调度运行等都具有重要的意义。目前,我国采用样板机法进行弃风电量估算,基于甘肃省风电场实测数据,对估算的有效性和精度进行了统计分析。主要分析了弃风限电对风电机组出力特性的影响;基于蒙特卡罗方法提出了在选择不同数量的样板机组的情况下计算风电场出力分布的统计方法,并与穷举法对比,证明了该方法的有效性;研究了采用样板机法估算风电场理论应发电量的精度及其与样板机台数的关系;计算了典型风电场的弃风率。     

基于SCADA运行数据的风电机组发电性能劣化监测研究

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。     

基于实时功率曲线的风电机组出力特性研究

基于实时功率曲线对风电机组出力特性进行分析,主要通过采集风电机组风速、功率、可靠性状态、大气压力、环境温度等历史数据进行过滤修正,计算出能够反映风电机组真实出力情况的实时功率曲线,并与出质保检测功率曲线进行对比,最后结合功率一致性系数对风电机组出力特性进行评价。找出性能下降比较严重的风电机组并及时整改,进而提高风电机组的发电能力。该方法不仅能够在线评价风电机组的性能优劣,且适用于各类型风电机组,具有广阔的应用前景。