专利汇可以提供一种基于运行数据的风电利用率计算方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于运行数据的 风 电利用率计算方法,所述方法包括以下步骤:1)基于风机运行原理对异常数据进行初步筛选剔除;2)采用参数优化的四分位法进一步剔除异常数据;3)采用聚类 算法 深入剔除异常数据;4)采用分段Hermite插值进行缺失数据重构;5)建立相关型号风 电机 组的理论功率计算模型及风 电场 理论功率恢复;6)风电利用率相关指标计算。本发明方法基于风电场SCADA(Supervisory Control And Data Acquisition, 数据采集 与监视控制系统)系统记录的风机运行数据,结合有效的数据 质量 控制手段提出了风电场理论功率恢复算法,这为风电利用率的计算提供了一种合理的途径,也为风电场运行状况评估及风电、 电网 的规划发展提供了科学的依据。,下面是一种基于运行数据的风电利用率计算方法专利的具体信息内容。
1.一种基于运行数据的风电利用率计算方法,其特征在于,所述方法包括以下步骤:
1)基于风机运行原理对异常数据进行初步筛选剔除;
2)采用参数优化的四分位法进一步剔除异常数据;
3)采用聚类算法深入剔除异常数据;
4)采用分段Hermite插值进行缺失数据重构;
5)建立相关型号风电机组的理论功率计算模型及风电场理论功率恢复;
6)风电利用率指标计算;
所述步骤1)包括以下步骤:
S101:根据风机运行原理将其划分为5个运行区间:
区间1:0≤V
区间3:
区间4:Vrated≤V
其中,V为测量风速,Vcut_in为切入风速, 为额定风轮转速对应风速,Vrated为额定风速,Vcut_out为切出风速;ωr为风轮转速, 为最低风轮转速, 为额定风轮转速,为最大风轮转速;P为有功功率, 为额定风轮转速对应的有功功率,Prated为额定有功功率,Pmax为最大有功功率;
所述区间1风机处于启动阶段;区间2风机处于最大风能跟踪阶段;区间3风机处于额定转速到额定功率的过渡阶段;区间4风机处于额定风速以上阶段;区间5风速过大风机处于切出阶段;
S102:同一时间段下,基于相同采样周期获取V、ωr和P的时间序列,定义数据点(V,ωr,P),基于风机运行原理得到如下数据初筛剔除原则:
a.当0≤V
b.当 时,风机并网发电,
根据风机运行特性,采用可变风速间隔εi将风速区间划分为k个间隔,则风速间隔可表min max
示为Vi ≤Vi
已知最优叶尖速比λopt时,风机的理论最优转速 不同Vimin≤Vi
也即
其中 为最优风轮转矩系数, 为最大风能利用系数;
风 机的 最 大理 论 最 优转 速 则 最 大 理 论 最 优 出 力
也即 因此,Vimin≤Vi
时,其中ξ′、ξ″为计及波动性的风轮转速上下限缩放系数;相
应地,风机有功功率输出为 其中η′、η″为计及波动性的风机有
功功率上下限缩放系数;对风速V进行合理划分并在不同Vi内,初筛剔除超限异常数据点;
c.当 时,有 实际操作时,
其中,α′、α″和κ′、κ″分别
为该区间内风轮转速和有功输出的计及波动性的上下限缩放系数;在该风速区间内,根据上述范围要求对超限数据点进行初筛剔除;
d.当Vrated≤V
步骤2)中所述四分位法为:根据采集到的V、ωr和P数据,建立三维散点图,对上述三维数据运用四分位法得到某维数据的有效取值范围[F1,Fu]=[Q1-μIqr,Q3+μIqr],有效取值范围外的数据视为异常值进行剔除;其中,F1、Fu为数据有效取值范围的上下界限;沿单维坐标方向对该维数据值排序,然后依据数据点个数将其均匀划分为四部分,由此得到三个四分位数Q1、Q2、Q3;Iqr=Q3-Q1是四分位距,μ为四分位系数,取1.5;
所述步骤2)中的参数优化为:为了保证四分位系数μ取值的合理性,采用粒子群算法对μ的取值进行寻优,寻优过程如下:
S201:在V、ωr和P组成的三维数据空间中,在V、ωr和P方向上分别设定μV、 和μP,其取值范围均为[a,b],组成三维空间中的点 在三维空间中随机产生m个粒子,
这些粒子代表μ的取值;
S202:初始化一组μ值的位置和速度,在第t次寻优迭代的过程中,μ的位置表示为:
速度表示
S203:得到一组μ值后,就可以确定各维坐标方向有效数据的取值范围;然后,对未更新前的某型号风机理论功率计算模型进行检测,将三维有效数据中的风速值带入模型,得到该模型下的理论功率,计算该模型下的理论功率与三维有效数据中实测功率值的相关性r;
定义相关性系数
其中,Pmk为第k个样本的实际功率;Ppk为第k个样本的理论恢复功率; 和 分别为实际功率Pmk和理论功率Ppk的期望值;N为样本个数;
S204:在每一次迭代中,μ通过跟踪两个极值来更新本身的速度和位置,一个极值是μ本身迄今为止搜索到的最优解,称为个体极值,表示为: 另一
个极值是到目前为止找到的最优解,称为全局极值,表示为:
在第t+1次迭代计算时,μi_lab根据以下规则来更新自己的速度和位置:
vi_lab(t+1)=αvi_lab(t)+c1r1(μi_lab(t)-xi_lab(t))+c2r2(μg_lab(t)-xi_lab(t))xi_lab(t+1)=xi_lab(t)+vi_lab(t+1)
其中,i=1,2,…,m;下标lab可分别代表V、ωr和P;α为惯性权重,其作用是为了权衡全局搜索和局部搜索的能力,α较小时,即,α<0.8,其局部搜索能力较强,而α较大时,即,α>
1.2,其全局搜索能力较强,且总是搜寻新的区域;c1,c2是两个学习因子,二者均取为2;r1,r2是两个均匀分布在[0,1]之间的随机数;
S205:μ每更新一次,即依据S203得到一个r值,当r值达到最大值或满足要求时,迭代达到最优,迭代结束;
所述步骤5)中:根据风机型号建立相应理论功率计算模型,通过累计得到风电场理论功率;风机理论功率计算模型的建立按如下步骤进行:
S501:采用Bin方法将处理过的数据按风速间隔τm/s得到NBin个区间划分;
S502:求出各个小区间内风速和功率的平均值,得到对应的点(Vi,Pi),i=1,2,…,NBin;
S503:采用最小二乘法对所有点(Vi,Pi)进行曲线拟合,得到某种型号风机的单机理论功率计算模型为
其中,Prated为常数,是风机的理论功率最大值;P为功率;V为风速;aj为多项式系数;其中j=0,1,…,6
采用滑动窗口法更新数据;记窗口长度即模型所用的数据长度为L,上一模型建模点为xt-T,模型更新周期为T,则当前建模点为xt,建模数据为从建模点xt开始至向后长度为L的数据;
采用相关性系数、理论功率恢复准确率和理论功率恢复均方根误差作为衡量理论功率恢复精度的指标;相关性系数的定义参考S203中相关性系数的定义,它反映了两个变量之间的相关性;理论功率恢复准确率和理论功率恢复均方根误差能够反映理论功率恢复情况;
定义功率恢复准确率为
定义功率恢复均方根误差为
其中,Pmk为第k个样本的实际功率,Ppk为第k个样本的理论功率,N为样本个数,Pcap为风电场额定装机容量;
步骤6)中:对风电场的实测功率进行积分可以得到风电场实际发电量;根据各风机实测风速值和不同型号风机理论功率计算模型得到的各风机的理论功率并累加得到风电场的理论功率,然后,通过积分得到相应的风电场理论发电量;上述内容用公式表达如下其中,Gprac为风电场实际发电量,t0为初始时刻,tinte为积分时间,Pprac(V(t))为风电场实际功率,Gtheo为风电场理论发电量,Ptheo(V(t))为风电场理论功率;
定义弃风率ρ为
其中,Gtheo为理论发电量,Gprac为实际发电量;
定义最优风电利用率η为
其中,G′theo为每月理论发电量,G′full为每月满发电量;
定义统计时间段内的最大极限风电利用率为
ηmax=max(η)
定义统计时间段内的最小极限风电利用率为
ηmax=min(η)
根据定义,利用上述计算得到的风电场理论发电量、实际发电量和额定装机容量,分析并评价风电场的风电利用情况。
2.根据权利要求1所述方法,其特征在于,步骤3)中对于由V、ωr和P组成的三维数据,根据机组的运行情况初始化产生kclus个聚类中心,通过计算所有数据点到聚类中心的距离对数据进行重新分类,将数据划分到离它最近的那个聚类中心所在的类中,并根据划分好的类产生新的聚类中心;如此反复进行,直到满足距离评价指标 将
同一个聚类中到聚类中心的距离超过该聚类中所有点到聚类中心距离平均值的n倍的数据视为异常数据,并进行删除;n取2.5,3.5,4.5,根据不同的情况选取合适的n值。
3.根据权利要求1所述方法,其特征在于,所述步骤4)中:对于非连续的缺失点,直接运用缺失点两端的节点,建立三次Hermite插值多项式,进行缺失值的填补;对于连续的缺失点,采用分段三次Hermite插值法,先由缺失数据段两端的节点填补最中心的缺失值,将缺失数据分成两段再依次进行最中心缺失数据的填补。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于反演滑模控制的AGV路径跟踪方法 | 2020-05-08 | 341 |
一种基于BP神经网络的BI配色方法及系统 | 2020-05-08 | 274 |
一种直线超声波电机多物理场综合设计方法 | 2020-05-11 | 86 |
考虑电位平衡和谐波抑制的三电平牵引逆变器控制方法 | 2020-05-11 | 833 |
一种复合材料异形壳的纤维路径与几何形状一体化设计方法 | 2020-05-12 | 155 |
一种基于风光储联合发电系统的发用电一体化调度方法 | 2020-05-12 | 920 |
基于改进的萤火虫算法优化神经网络的光纤状态预测方法 | 2020-05-13 | 231 |
一种基于改进粒子群优化SVM的空气质量预测算法 | 2020-05-08 | 142 |
一种基于自适应粒子群的无功优化方法 | 2020-05-12 | 131 |
一种基于混合QPSO-DE寻优预测水质溶氧方法及系统 | 2020-05-08 | 598 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。