基于风电场数据融合的风能特性研究

发布时间：2020-07-12 08:40

【摘要】：为解决化石能源短缺以及环境污染问题,世界各国都在大力发展新能源发电产业,风力发电由于清洁可再生等优势,其开发和利用得到了广泛关注。如何有效的利用风能以及保证风力发电机组的安全稳定高效运行是风力发电的核心研究问题,而解决这一问题需要对风电场的风能特性进入深入的研究。研究风能特性需要对风电场庞大的运行数据进行梳理分析,传统的统计分析很难实现对风能特性的深入研究,作为智能化方法的典型代表机器学习具有强大的数据分析能力和计算能力,为风能特性的研究提供了新思路和方法。合适的风速概率模型能较精确的对风速分布特性和波动进情况进行描述,对风能特性评估和风电机组并网稳定运行有重要意义。本文采用威布尔分布概率模型对所研究的风电场进行风速概率拟合。本文利用智能算法中的粒子群算法对威布尔模型的形状参数和尺度参数进行估计,并与数值法参数估计进行拟合优度比较,结果表明粒子群算法参数估计的模型拟合优度在判定系数、相关系数、卡方检验方面明显优于数值法。目前专家和学者对于风速研究主要侧重于风速校正和风速预测,关于风速的测量装置少有人研究。风电场的风速的获得仅靠机舱尾部的风速仪,风速仪对于风电机组安全稳定运行至关重要,而风速仪的工作状态无法通过运行数据准确获取,本文在特征工程的基础上提出一种基于遗传算法优化支持向量机的风速识别模型,利用风电机组运行大数据对模型性能进行了检验,验证结果表明该模型相较于神经网络和传统支持向量机有较大的优势,对风速的识别率为92.15%,该模型可以实现对风速仪的工作状态的实时检测和校正。针对风电场存在部分机组发电异常的问题,本文通过分析异常机组偏航误差角度与功率关系,得出机械式风速仪由于存在对风误差使机组不能精确的完成偏航调节,导致输出功率异常。本文利用随机森林算法构建了风机偏航校正模型,基于偏航工作原理对偏航误差区间进行划分,依据装备有激光雷达测风装置的风机运行数据对模型进行了验证,结果表明该模型的预测精确度为95.2%,能够有效的实现风电机组的偏航校正。
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM614
【图文】：

传输原理,风电机组,能量转换,风能

华北电力大学硕士学位论文第 2 章风电场风能基本特性分析2.1 引言风能是指风所具有的动能，风能特性分析主要就是对风能相关参数进行分析研究。对风能特性的良好掌握对于风电场的正确选址、电力系统的稳定以及风能的有效利用等有重要的意义[19]。2.2 风能特性的基本参数风力发电机组通过风轮吸收风的动能并转化为风轮的旋转机械能，带动发电机发电，从而实现能量之间的转换。

风向玫瑰图,风向玫瑰图

华北电力大学硕士学位论文向是指风吹来的方向，统计分析风场的风向以及变化情况，对于排列极为重要。在盛行风向变化不大的情况下，一般采用梅向变化较大的情况下，一般采用队行排列进行风电机组的布实践中常用的风向玫瑰图能很好的反映风向及风频的情况。图指从外部吹向测风位置的方向，各个方向上通过统计风向的数小的线段，线段越短则反映此风向出现的次数越少。通过风向的确定风场的主导风向，风电机组的排列应垂直于主导风向

变化图,风速,变化图,风电场

风能的时空地貌特性1 风能的时间特性1）风速时间特性对于风电场的风速特性，一般从三种时间尺度来考察：长期特性、中期特性。几年来风电场风速的特性为长期特性，中期特性为一年或者期特性和中期特性对于风电场的选址有极高的参考价值。短期特性是、甚至分秒为单位考察风速特性，主要用来进行风机的控制。各地风不尽相同，所以整体统计性的经验结论不能用于具体风电场的机组只有通过对具体的风场风资源特性的分析，才能够了解该风场的风况对风力机的运行特性进行准确的分析判断[23]。1）超短期风速变化情况

【参考文献】