基于功率预测的风电场机组调度优化研究
发布时间：2021-12-22 05:59
风力发电是绿色环保可再生的能源,同时全球风资源储量十分丰富,大力发展风力发电能有效的缓解日益严重的能源危机和环境问题,已受到政府、产业界、学术界各方的广泛关注。但是,风电本身存在的随机性和非平稳性又给风电场的功率调节和控制带来了困难。合理的调度策略能够保证风电场的安全可靠运行,减少风电并网对电网的冲击,增加风电场的调节能力。如何实现风电场功率的合理化调度成为了一个重要的研究方向。论文基于风电机组功率预测信息,研究更高效可靠的功率调度策略,分别对风功率短期预测、风电机组健康状态评估、风电场功率调度策略这三个方面开展研究。主要工作如下:（1）提出了基于改进AMPSO-LSSVM的风功率短期预测模型。采用互补集合模态分解（Complementary Ensemble Empirical Mode Decomposition,CEEMD）对风功率时间序列进行分解降低信号的非平稳性。针对预测模型存在的预测精度低、寻优效果差等现象,本文使用改进的自适应变异粒子群算法（Adaptive Mutation Particle Swarm Optimization,AMPSO）对预测模型进行优化,通过引入...
【文章来源】：中南林业科技大学湖南省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图１．１全球风电机组装机总容量（ＭＷ）??Ｆｉｇ．?１．１?Ｔｏｔａｌ?ｉｎｓｔａｌｌｅｄ?ｃａｐａｃｉｔｙ?ｏｆ?ｇｌｏｂａｌ?ｗｉｎｄ?ｔｕｒｂｉｎｅｓ?（ＭＷ）??
图１．２全球风电机组新增装机容量（ＭＷ）??Ｆｉｇ．?１．２?Ｎｅｗ?ｉｎｓｔａｌｌｅｄ?ｃａｐａｃｉｔｙ?ｏｆ?ｇｌｏｂａｌ?ｗｉｎｄ?ｔｕｒｂｉｎｅｓ?（ＭＷ）??由图１．１可以看出，全球风电机组装机总量从２００１年开始稳步上升，这得益??于全球对于能源危机和环境保护的重视以及各国对于清洁能源发展的政策红利，??使得风电产业能够得到广泛的重视和发展。由图１．２我们也可以看出风电机组的??新增装机容量也在逐年增加，在２０１５年达到了新増装机容量的顶峰，在２０１６－２０１７??年出现了小幅度的下滑。可能导致的原因是全球能源系统对于风电的需求增加减??缓，一方面是由于电网消纳风电的能力受到整个电网调度的原因，部分地区出现??了限电弃风的现象以此来保证电网系统的安全可靠运行。另一方面，全球经济持??续低迷，国外对于风电的投资效应减弱。但从整体来看，风电产业的发展趋势依??旧良好，新增装机容量趋于平稳，实现整个产业持续稳步发展。??我国是一个风电大国，目前对于能源需求增长迅速，供求关系紧张，中国对??于风力发电的支持力度不断加大。据统计
基于功率预测的风电场机组调度优化研究??反应风机当前的运行状态。??图２．１所示为２ＭＷ风机厂家提供的标准风速－功率曲线，风电机组的切入风??速为２ｍ／ｓ，当风速达到１０ｍ／ｓ是风电机组进入满发状态。当输入风速低于额定风??速时，风机的输出功率随着输入风速的增大呈非线性递增。当输入风速高于额定??风速时，风机的输出功率为额定输出功率并保持稳定。??２２００?＇?Ｉ?Ｉ?Ｉ?Ｉ?１?！?Ｉ??２０００?－?＾???１８００?－?／?－??１６００?－?／?－??１４００?－?／?－??！?１２００?－?／?－??Ｗ?１０００?－?／?－??转?／??８００?－?／?－??６００?－?／?－??４００?－?－??２００?－?－??Ｑ??ｗａｍＪｒ－＊＂?Ｉ?Ｉ?Ｉ?Ｉ?｜?｜???２?４?６?８?１０?１２?１４??风速（ｍ／ｓ）??图２．１标准风速－功率曲线??Ｆｉｇ．?２．１?Ｓｔａｎｄａｒｄ?ｗｉｎｄ?ｓｐｅｅｄ－ｐｏｗｅｒ?ｃｕｒｖｅ??２．３数据预处理??２．３．１风机运行数据状态辨识??机组的输出功率将受到环境温度、海拔、风速、叶片状态等一系列因素的影??响。其中输入风速对于风电机组的输出功率影响最大，通过对风机风速－功率图能??够明显辨别处风机所处的运行状态。通过获取湖南郴州一风电场的２０１４年１１月??单台风电机组的ＳＣＡＤＡ系统的风速、功率数据，形成对应的散点图，如图２．２??所示。图中的数据均取各数据ｌＯｍｉｎ平均值，从图中可以看出风机的切入风速为??３ｍ／ｓ
【参考文献】：
期刊论文
[1]风电行业发展、运维及设备润滑现状[J]. 徐丽秋,兰奕,孙晓婷,王家鹏. 润滑油. 2018(05)
[2]短期风电功率预测概念和模型与方法[J]. 陶玉波,陈昊,秦晓辉,孟昭军. 电力工程技术. 2018(05)
[3]基于NACEMD-Elman神经网络的风功率组合预测[J]. 杨楠,叶迪,周峥,鄢晶,黄禹,董邦天. 水电能源科学. 2018(09)
[4]风电产业发展现状及制约瓶颈[J]. 吕文春,马剑龙,陈金霞,吴雨晴. 可再生能源. 2018(08)
[5]基于改进的网格法和BA-BP-ARMA模型的风功率预测[J]. 梁涛,董玉兰. 水电能源科学. 2018(07)
[6]基于EEMD和LS-SVM模型的风电功率短期预测方法[J]. 程启明,陈路,程尹曼,张强,高杰. 电力自动化设备. 2018(05)
[7]基于CEEMD和混沌理论的超短期风电功率预测模型[J]. 王丽婕,张利,张岩. 系统仿真学报. 2018(04)
[8]基于优化聚类的组合风速短期预测[J]. 陈记牢,栗惠惠,李富强,郝飞,张圆美. 可再生能源. 2017(12)
[9]多时空尺度协调的风电集群有功分层预测控制方法[J]. 叶林,张慈杭,汤涌,孙舶皓,仲悟之,蓝海波,刘辉,李湃,黄越辉. 中国电机工程学报. 2018(13)
[10]基于神经网络的风功率组合预测[J]. 蒋进. 工程技术研究. 2017(10)
硕士论文
[1]基于功率预测的风电并网优化调度研究[D]. 孙东旭.北京交通大学 2014
[2]集合经验模态分解的理论及应用研究[D]. 孟繁林.江苏科技大学 2013
本文编号：3545882
【文章来源】：中南林业科技大学湖南省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图１．１全球风电机组装机总容量（ＭＷ）??Ｆｉｇ．?１．１?Ｔｏｔａｌ?ｉｎｓｔａｌｌｅｄ?ｃａｐａｃｉｔｙ?ｏｆ?ｇｌｏｂａｌ?ｗｉｎｄ?ｔｕｒｂｉｎｅｓ?（ＭＷ）??
图１．２全球风电机组新增装机容量（ＭＷ）??Ｆｉｇ．?１．２?Ｎｅｗ?ｉｎｓｔａｌｌｅｄ?ｃａｐａｃｉｔｙ?ｏｆ?ｇｌｏｂａｌ?ｗｉｎｄ?ｔｕｒｂｉｎｅｓ?（ＭＷ）??由图１．１可以看出，全球风电机组装机总量从２００１年开始稳步上升，这得益??于全球对于能源危机和环境保护的重视以及各国对于清洁能源发展的政策红利，??使得风电产业能够得到广泛的重视和发展。由图１．２我们也可以看出风电机组的??新增装机容量也在逐年增加，在２０１５年达到了新増装机容量的顶峰，在２０１６－２０１７??年出现了小幅度的下滑。可能导致的原因是全球能源系统对于风电的需求增加减??缓，一方面是由于电网消纳风电的能力受到整个电网调度的原因，部分地区出现??了限电弃风的现象以此来保证电网系统的安全可靠运行。另一方面，全球经济持??续低迷，国外对于风电的投资效应减弱。但从整体来看，风电产业的发展趋势依??旧良好，新增装机容量趋于平稳，实现整个产业持续稳步发展。??我国是一个风电大国，目前对于能源需求增长迅速，供求关系紧张，中国对??于风力发电的支持力度不断加大。据统计
基于功率预测的风电场机组调度优化研究??反应风机当前的运行状态。??图２．１所示为２ＭＷ风机厂家提供的标准风速－功率曲线，风电机组的切入风??速为２ｍ／ｓ，当风速达到１０ｍ／ｓ是风电机组进入满发状态。当输入风速低于额定风??速时，风机的输出功率随着输入风速的增大呈非线性递增。当输入风速高于额定??风速时，风机的输出功率为额定输出功率并保持稳定。??２２００?＇?Ｉ?Ｉ?Ｉ?Ｉ?１?！?Ｉ??２０００?－?＾???１８００?－?／?－??１６００?－?／?－??１４００?－?／?－??！?１２００?－?／?－??Ｗ?１０００?－?／?－??转?／??８００?－?／?－??６００?－?／?－??４００?－?－??２００?－?－??Ｑ??ｗａｍＪｒ－＊＂?Ｉ?Ｉ?Ｉ?Ｉ?｜?｜???２?４?６?８?１０?１２?１４??风速（ｍ／ｓ）??图２．１标准风速－功率曲线??Ｆｉｇ．?２．１?Ｓｔａｎｄａｒｄ?ｗｉｎｄ?ｓｐｅｅｄ－ｐｏｗｅｒ?ｃｕｒｖｅ??２．３数据预处理??２．３．１风机运行数据状态辨识??机组的输出功率将受到环境温度、海拔、风速、叶片状态等一系列因素的影??响。其中输入风速对于风电机组的输出功率影响最大，通过对风机风速－功率图能??够明显辨别处风机所处的运行状态。通过获取湖南郴州一风电场的２０１４年１１月??单台风电机组的ＳＣＡＤＡ系统的风速、功率数据，形成对应的散点图，如图２．２??所示。图中的数据均取各数据ｌＯｍｉｎ平均值，从图中可以看出风机的切入风速为??３ｍ／ｓ
【参考文献】：
期刊论文
[1]风电行业发展、运维及设备润滑现状[J]. 徐丽秋,兰奕,孙晓婷,王家鹏. 润滑油. 2018(05)
[2]短期风电功率预测概念和模型与方法[J]. 陶玉波,陈昊,秦晓辉,孟昭军. 电力工程技术. 2018(05)
[3]基于NACEMD-Elman神经网络的风功率组合预测[J]. 杨楠,叶迪,周峥,鄢晶,黄禹,董邦天. 水电能源科学. 2018(09)
[4]风电产业发展现状及制约瓶颈[J]. 吕文春,马剑龙,陈金霞,吴雨晴. 可再生能源. 2018(08)
[5]基于改进的网格法和BA-BP-ARMA模型的风功率预测[J]. 梁涛,董玉兰. 水电能源科学. 2018(07)
[6]基于EEMD和LS-SVM模型的风电功率短期预测方法[J]. 程启明,陈路,程尹曼,张强,高杰. 电力自动化设备. 2018(05)
[7]基于CEEMD和混沌理论的超短期风电功率预测模型[J]. 王丽婕,张利,张岩. 系统仿真学报. 2018(04)
[8]基于优化聚类的组合风速短期预测[J]. 陈记牢,栗惠惠,李富强,郝飞,张圆美. 可再生能源. 2017(12)
[9]多时空尺度协调的风电集群有功分层预测控制方法[J]. 叶林,张慈杭,汤涌,孙舶皓,仲悟之,蓝海波,刘辉,李湃,黄越辉. 中国电机工程学报. 2018(13)
[10]基于神经网络的风功率组合预测[J]. 蒋进. 工程技术研究. 2017(10)
硕士论文
[1]基于功率预测的风电并网优化调度研究[D]. 孙东旭.北京交通大学 2014
[2]集合经验模态分解的理论及应用研究[D]. 孟繁林.江苏科技大学 2013
本文编号：3545882
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3545882.html
