[發明專利]一種基于運行參數的風機功率建模方法

在審

• 申請號: 201910909668.0
• 申請日: 2019-09-24
• 公開（公告）號: CN110674605A
• 公開（公告）日: 2020-01-10
• 發明（設計）人: 文孝強;謝猛;王建國;孫靈芳;徐志明;張艾萍
• 申請（專利權）人: 東北電力大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/17;G06N3/04;G06N3/08;G06Q50/06
• 代理公司: 44248 深圳市科吉華烽知識產權事務所(普通合伙)
• 代理人: 謝肖雄

本發明公開了一種基于運行參數的風機功率建模方法，它包含如下步驟：通過相關測量元器件測得風場運行風機主要運行參數；利用相關性分析方法確定模型的輸入變量，模型的輸出變量為風機功率；基于Morlet小波神經網絡構建風機功率預測模型；為了提高模型的預測精度，分別對模型的隱層節點數、學習因子及連接權值進行優化。本發明和眾多國內外風機功率建模與預測模型相比，由于采用了模型結構、模型參數逐次優化，步步逼近的方法，提高了模型預測精度，預測偏差滿足工程要求，因此所建模型有實際工程參考與應用價值。

技術領域

本發明涉及風力發電領域，尤其涉及風機功率預測與建模，是一種基于運行參數的風機功率建模方法。

背景技術

近年來，環境問題成為了各國經濟發展道路上不可忽視的問題，因此，各國政府積極發展可再生能源技術，風力發電在電力行業中異軍突起。在過去的15年中，全球新增電力容量同比增長17.25％，全球風電累計裝機容量同比增長25.25％；中國新增裝機容量躍升為世界第一位，占全球新增裝機容量的44.77％。目前看來，全球風電市場主要集中在中國、美國、德國、西班牙和印度?，F階段，風能是發展最為迅猛的可再生能源之一，在全球能源結構中的占比呈現逐年上升的趨勢，發展前景十分廣闊，并且在未來的一段時間內，風電規模仍然會以不俗的速度保持穩定增長。

隨著風電并網技術的日臻成熟，風電在電網所占的比重也越來越大。但是，風電這種可再生能源發電的局限性也逐漸暴露出來：間歇性和隨機性，因此風機的功率輸出極不穩定。因此，將大型風力發電場在并網運行，將對電力系統的安全穩定和系統內電能質量造成不成程度的損害。當下，西部地區是我國大型風力發電廠的集中地帶，恰恰西部地區的電網系統可靠性相對脆弱，因此更加容易受到風電波動性的沖擊和影響。所以說，如何在減輕對電網的損害基礎上提高風電利用率和并網率，是目前我國在風電行業發展進程中亟待解決的兩大問題。現如今，精準的風電功率預測已經成為減小風電并網對電網系統不利影響的重要途徑之一。在此，擬通過實時測量得到的風電機組運行數據，基于Morlet小波神經網絡，提出一種基于運行參數的風機功率建模方法。

發明內容

本文主要解決的技術問題是：提出了一種基于運行參數的風機功率建模方法，該方法僅需要將現場實時采集的風電機組運行數據，代人提前訓練好的功率預測模型，便可以直接預知風電機組未來的輸出功率，為風電廠及電網優化調度提供依據。

為了實現上述目的，本發明采用了如下技術方案：

一種基于運行參數的風機功率建模方法，它包含如下步驟：

1.數據的采集

通過相關測量元器件測得風場運行風機主要運行參數；

2.相關性分析

采用Pearson相關性分析公式計算風機主要運行參數與風機功率間的相關系數，其Pearson計算公式如下：

式(1)中，r表示相關性系數，無量綱；xi、yi表示待計算的兩個變量的第i個分量，i＝1，2，...，n；表示待計算的兩個變量的平均值。

采用公式(1)計算風機主要運行參數與風機功率間的相關系數后，將相關系數大于0.5的參數作為構建風機功率模型的輸入變量，以風機功率作為模型的輸出，采用Morlet小波神經網絡構建風機功率模型，具體過程如下：

3.構建Morlet小波神經網絡風機功率模型

(1)模型的輸入變量和輸出變量

模型的輸入變量為由上面步驟2所確定的測量參數，輸出為風機的實際輸出功率(kW)。

(2)模型的隱層節點激勵函數