一种提高风电机组调度可靠性的风电场功率控制策略

以提高风电机组调度可靠性为目标,提出一种考虑风电机组运行健康度的风电场功率优化调度策略。首先提出一种基于风电场数据采集与监视控制系统(SCADA)监测数据的风电机组健康状态评估策略,利用综合劣化度对机组的健康状况进行总体评估,为功率调度决策过程提供辅助依据。针对风电场实际运行中对机组启停以及功率控制的要求,结合机组健康度信息,建立风电场功率调度的复合目标多步优化模型,并设计基于遗传算法的求解策略。最后通过详细的算例验证了所提策略对改善运行风电机组的整体健康程度,优化机组的启停计划、提高风电场功率控制可靠性具有良好作用。     

考虑噪声影响的风电场功率分配优化模型

提出一种考虑噪声影响的场级功率分配算法,在满足电网调度指令的同时最小化风电机组运行产生的噪声。首先,根据采集的有功功率与对应的风电机组声功率级噪声值数据,采用多项式拟合,确定有功功率与风电机组声功率级噪声之间的函数关系。然后,根据GB/T 17247.2—1998提供的噪声传播计算方法,建立有功功率与接收点噪声之间的函数关系。其次,建立考虑功率控制、风电机组启停变化与接收点噪声限值约束的风电场功率分配多目标优化模型,采用遗传算法求解该模型。最后,通过3个不同噪声监测点分布的案例,验证该调度模型能有效满足电网限电要求的同时降低机组运行噪声,并且在实际应用上具有通用性。     

考虑尾流效应的风电机组启停优化研究

以某典型风电场为例,采用尾流模型模拟研究风电机组启停优化对风电机组尾流干涉和发电量的影响。在速度恢复系数小于0.06时,典型机位的停机可增加风电场全场发电量。以中国北方某实际风电场为例进行现场试验,在主风向下,通过调度上游风电机组的启停,实现区域内风电机组发电量提升,验证方法的有效性。     

基于降低风电场损耗的风电场优化调度研究

提出基于降低风电场损耗损的风电场优化调度模型。以风电机组关键部件总机械损伤量和风电场内集电系统网损最小为目标,结合风电场功率预测数据和负荷调度要求,建立机组优化调度的数学模型;应用粒子群优化算法和萤火虫优化算法求解非线性规划,寻找全局最优解。以华北某风电场为例进行测试,结果表明在满足负荷的要求下,有效减少启停机次数,降低部件损伤值,延长机组寿命,提高风电场运行的安全性、经济性。     

基于风电机群健康状态优化的风电场功率调度控制

目前风电场运行调度策略中对机组设备状态关注不足,易发生由于设备故障造成的发电量损失。为此提出一种基于风电机群健康状态优化的风电场负荷分配控制策略。首先设计风电机组运行状态多层次评估模型及分析方法,然后以提高风电机群健康状态为优化目标,综合风电场常规控制要求建立多目标优化模型。通过算例验证该文策略在良好实现风电场功率控制的基础上,优选运行状况良好的机组承担发电任务,这对保证风电场限电运行下可靠出力具有良好作用。     

节能调度环境下风、火电联合运行优化模型及其应用

为解决传统的风、火电联合运行模型不能克服风电并网导致机组启停成本过高的问题,以节能发电调度为背景,以火电机组发电燃煤成本、启停成本最小化为目标,构建了风、火电联合运行优化模型。算例分析结果表明,该模型能有效地吸纳弃风,提高了风电并网量、降低了高耗能燃煤机组的调用,具有显著的环境和经济效益。     

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。     

基于多Agent协作控制的风电场功率调度策略

提出一种基于多Agent协作控制的风电场功率分布式控制策略。首先,设计风电场多Agent系统的架构;其次,为减少风电机组目标功率波动,提出一种基于风电机组功率变化趋势分类调度的方法,详细介绍机组分组策略以及基于各级Agent协作下风电场升-降功率控制策略;最后,基于Java/JADE平台建立风电场多Agent系统控制模型。仿真结果表明,该方法在功率目标跟踪性及稳定性上较常规方法均有良好改善。     

考虑风电消纳能力的含风电场电力系统多目标优化调度研究

针对含风电场的电力系统调度中存在的风电消纳问题,提出一种基于第二代非劣支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II)的多目标优化调度方法。为使电力系统在消纳尽可能多的风电同时,兼顾经济性、安全性和环保性,分别以风电消纳、发电成本和污染物排放量为目标建立了含风电场电力系统双目标及三目标调度模型,采用NSGA-II进行优化求解,并详细分析了不同目标组合策略下电力负荷、机组组合和优化目标对风电消纳的影响程度,同时引入伪权向量法为决策者提供非劣解信息,辅助决策者完成优化调度。分析结果表明,该方法有助于评估机组组合、目标组合等因素对电力系统优化调度的影响程度,对合理提高含风电场电力系统的风电消纳能力有一定的指导意义。     

出力受限风电场群有功分配多目标优化策略

受风电发展与电网建设、负荷分布不协调等因素影响,弃风限电问题日益严峻。文章提出一种适用于因限风导致出力受限的风电场群有功分配多目标优化策略,该策略采用二次移动平均法对风电功率进行超短期预测,以风电场群实际有功出力与出力限值的差额最小以及输送线路损耗最小为目标,同时考虑风电场输出功率约束、低预测功率约束、避免机组频繁启停约束条件,基于改进遗传算法对各风电场群分配有功出力任务。以东北某实际风电场群为例,对所提出策略的可行性进行了验证。     

风切变指数在风电场风资源评估中的应用

以内蒙古地区3座70m高测风塔连续2年的实测数据来分析风切变指数的变化,结果表明:1)不同高度梯度的风切变指数受地面粗糙度及周围地形地貌的影响较大。2)计算相邻高度的风速时,采用相邻高度间的风切变指数计算得到的结果较好;计算相差较大的高度间风速时,采用拟合曲线得到的风切变指数计算得到的结果较好。3)利用3～25m/s的风切变指数计算各月风速及年均风速结果都与实测值最接近;而利用全部风速数据的风切变指数计算统计各月风速往往比实测值偏大;利用3～25m/s拟合曲线得到的风切变指数统计各月风速比实测值偏小。     

风电场风切变指数研究

根据山东某风电场实测资料,对风电场逐月、逐时、不同风速下的风切变指数进行研究并探究风切变指数不同取值对风电场轮毂高度处风资源的影响。在分析轮毂高度风资源时,建议采用高差较小的高度处风速根据综合风切变指数进行推导。     

风场风力条件评估系统开发

运用VC＋＋编写风场风力条件的评估系统．该系统包括正常风力条件和极端风力条件2大部分。在各个模块中针对不同的风力条件,采用交互式数据输入方式,计算出具体数值,且绘出图形,从而全面、具体地对风场风力条件进行分析与评估。     

风电场风速预测模型研究

介绍了两种风电场风速预测模型,分别是BP神经网络模型和小波-BP神经网络组合模型。BP神经网络模型是风速预测中常用的模型之一,小波技术和BP神经网络结合,即为组合模型。小波技术将风速时间序列按时间和频率两个方向展开,体现了各成分对预测值贡献率的不同。将BP神经网络模型和小波-BP神经网络组合模型分别应用到我国朱日和风电场的逐时风速预测中,从预测结果对比得出组合模型更适合该风电场的逐时风速预测。     

平陆风电场风能资源研究

分析了山西省平陆风电场工程的测风资料、实测场址空气密度、风速,得出了风功率密度、风速频率及风能频率等指标,可为该风场风能资源的精确评估提供科学依据。     

内蒙古地区风资源评估与风场特征风速的推导

对内蒙古二十四个地区的风能资源进行评估,得到风谱图.首先提出了利用WAsP软件对1998年至2008年期间内蒙古二十四地区的风资源资料中的基础进行分析;然后利用风速威布尔分布函数和风力发电机组输出功率的威布尔的概率密度函数,求两个函数的极值,推导出切入风速和额定风速的公式.最后以内蒙古六个地区为例,计算不同风资源条件下的切入风速和额定风速.     

基于激光测风雷达及SSA-ELM的风电场短期风速预测

基于激光测风雷达数据,针对风速的非线性特性,提出麻雀搜索算法（sparrow search algorithm, SSA）优化极限学习机（extreme learning machine,ELM）进行风速预测。搭建预测模型,根据预测风速对风电机组进行预变桨,分析风电机组叶根矩载荷。采用新疆某风电场激光测风雷达数据仿真并与其他预测模型分析对比。结果表明,麻雀算法优化的极限学习机可精确预测风速,且显著提升极限学习机预测速度及不同风速条件下的动态性能;预变桨后,风电机组叶根矩载荷大幅减小,提升了桨叶使用寿命及运行安全性。     

海上测风塔整体耦合风荷载计算

风荷载是海上测风塔受到的主要荷载之一,其设计取值与测风塔的安全性、经济性密切相关。测风塔风荷载通常根据《建筑结构荷载规范》建立单独上部模型进行分析。为了更加真实地模拟测风塔风荷载,采用了测风塔上、下部整体耦合模型,通过数值方法进行分析,并与通常采用的规范估算方法进行对比。针对风荷载与结构自振频率之间的相互影响关系,提出了迭代求解风振系数的方法。通过对比分析计算,发现数值计算得出的风荷载量值比相同输入条件下规范法计算的结果小6%～26%。     

大型风电场超短期风电功率预测

针对大规模风电场风电功率的非线性特性,采用最小二乘支持向量机（LS—SVM）的预测模型。由于LS—SVM的参数选择直接影响着模型的预测精度,于是采用一种基于量子粒子群优化方法来选择模型的超参数。为了弥补模型损失的鲁棒性,通过给每个样本误差不同的权系数,建立了具有良好泛化性能的WLS—SVM回归模型,从而进一步提高了模型预测的精度。本文提出一种基于量子粒子群优化（0uantum—behaved Particle Swarm Optimization,QPSO）参数选择的加权最小二乘支持向量机（Weighted Least Squares Support Vector Machine,WLS—SVM）的超短期风电功率预测模型。应用上述方法对内蒙古地区大型风电场进行了预测,结果证明了该方法的有效性。     

考虑风功率分布特性的风电场变压器选型方法

风电场变压器选取直接影响风电场投资建设与运行的经济性及安全稳定性。针对该问题,以考虑风功率分布规律的思想,指导风电场变压器选型。首先研究风功率分布规律与变压器运行经济性,包括风功率分布的时间与空间特性、单台与双台变压器在不同工况下的运行特性及相互间的对比分析;继而在此基础上,给出风电场初始规划及后期扩建规划中的变压器选型方案,从而使变压器选取达到规划以及运行中的经济最优,在实现其最优化运行的同时亦可提高其运行可靠性。文中依据现场规划中遇到的实际问题构建了具体算例,通过算例说明与结果分析进一步验证了所提方法的可行性与有效性。