[發明專利]基于風電場區域實時風速分析調控風電場有功的方法和裝置

在審

• 申請號: 201511019916.2
• 申請日: 2015-12-29
• 公開（公告）號: CN105425591A
• 公開（公告）日: 2016-03-23
• 發明（設計）人: 郝東亞
• 申請（專利權）人: 北京國能日新系統控制技術有限公司
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 天津濱海科緯知識產權代理有限公司 12211
• 代理人: 楊慧玲

技術領域

本發明創造屬于風電場控制領域，尤其是涉及一種基于風電場區域實時風速分析調控風電場有功的方法。

背景技術

風力發電由于電能質量問題導致并網接入難，電能質量問題又主要是由于電場側的通信系統、機組狀況、控制系統、天氣和其它因素的原因共同導致。而現有的有功控制系統慮因素比較單一、應用局限性較大、主要是針對實施命令進行單一的考慮。控制效果往往不夠精確，且對外界環境變化造成的影響抗干擾能力不足，導致風電場有功出力不夠穩定的現象。對電網的安全、高效運行造成了一定的影響。

現有的風電場有功控制系統主要的研究對象是電場內部硬件設備控制和調度命令值。雖然風電場有功控制系統接收到的調度命令值是調度中心根據風電場所在區域的超短期預測計算得出，但該值只是根據高精度氣象預報推算得出的預測值，并不能準確反映風電場所在區域的實際風速、風向，更沒有考慮到風機尾流對其他風機風速造成的影響。同時由于風電場風機所處位置相對比較分散，因此不能對風電場所有風機進行統一化的調控。同時由于風速、風向時變性較大的特點，因此風機在當前時刻的運行狀態到下一時刻有可能發生突變。這必然會導致該風機有功的不規律波動，進而導致風電場并網點有功的波動，這種波動在外部氣候環境變化較快的環境下會更加的明顯。對區域電網安全、高效運行造成較大的影響。不能夠滿足電網對風電場有功進行實時不間斷穩定控制的需求。

短期/超短期風功率預測雖然預測精度較以前已經有了很大程度上的提高，但是仍不能滿足風電場用于實時有功控制的需求。同時短期/超短期風功率預測只是對該區域整體風速進行預測，并不能代表單臺風機所受到的風速，同時更沒有考慮到風機尾流對其他風機造成的影響，同時由于風機的高度不同風機所受到的風速也不盡行同，這就導致不同風機可發的有功量上限不同，進而導致風機執行有功調控命令效果不同。

發明內容

有鑒于此，本發明創造旨在提出一種基于風電場區域實時風速分析調控風電場有功的方法，以防止風速、風向時變化對區域電網安全、高效運行造成的影響，達到風電場的智能實時有功控制。

為達到上述目的，本發明創造的技術方案是這樣實現的：

一種基于風電場區域實時風速分析調控風電場有功的方法，用于具有數據采集系統、風電場建模系統、風電場數據存儲系統、風機有功預測系統、風電場有功分配系統和控制效果回饋系統的控制系統中，所述方法包括：

步驟一、基于區域地理模型、風機模型、風機尾流模型、以及區域同風帶模型對風電場進行整體建模。

所述區域地理模型包括海拔、對該區域風速能造成影響的實體建筑、每臺風機的高度和在該區域內的分布位置；

所述風機模型可以推算出該臺風機某一風速下的理論發電上限，和該風速下風機造成的尾流影響大小和范圍；

所述風機尾流模型包括風力通過風機扇葉后形成的風機尾流大小、范圍、方向和對該尾流區域內其他風機所受風力、風向的影響程度；

所述區域同風帶模型是指區域內在同一風向上如果風速發生改變，則一段時間后在該風向下游的風機所受到的風速必然會受到不同程度上的影響，系統根據這一原理建立起同風帶模型。

步驟二、采用模糊控制理論、神經網絡算法以及自適應調整算法對風機下一刻的實時風速進行不間斷的預測。

1)數據采集：采集風電場電場側環境變化值，包括每臺風機的高度、風速、風向、坐標值、有功值。

2)數據發送：將電場采集到的數據通過數據接口發送給數據存貯系統。

3)數據預處理：將實時采集到的來自不同數據源的數據分類并發送到相應的數據庫。

4)數據預測：通過智能算法來預測風電場下一時刻的實時風速。

所述智能算法采用模糊控制理論結合神經網絡算法相結合方法，通過模糊控制理論對電場不同風速階段進行模糊劃分層次處理，同時通過神經網絡算法的學習功能能夠快速的將預測系統訓練成符合該電場實際風力分布特性的系統，最終推算出每臺風機短時間內的理論有功曲線值。

步驟三、根據電場有功目標值、風機有功預測系統預測得出的風機在當前風速下的理論有功預測值和各個風機的調控參數向各風機發送有功命令值。

步驟四、將風機有功的預測值與風電場風機有功實際值相比較，根據變化值自動修正電站模型參數和系統預測算法參數，使整個電場的有功值維持在一定的范圍內。