The invention relates to the field of wind power technology, which is a method for ultra-short-term prediction of wind power taking into account the state of wind farm. Its characteristics are as follows: it includes the establishment of data source of \spatio-temporal characteristics\, data analysis and processing, state evaluation of wind farm, ultra-short-term prediction of wind power taking into account the state of wind farm, simulation calculation and error analysis, etc., and it is compared with the existing methods only considering wind conditions. The invention considers the change of wind farm state, studies and evaluates the state of wind farm, has clear physical meaning, and considers the dynamic characteristics of the system. Wind power ultra-short-term prediction method considering wind farm status has high prediction accuracy, effective prediction results, strong applicability and practicability.
【技术实现步骤摘要】
一种计及风电场状态的风电功率超短期预测计算方法
本专利技术涉及风电
,是一种计及风电场状态的风电功率超短期预测计算方法。
技术介绍
风电是最具规模化开发条件的新能源,其出力特征不同于火电、核电,是典型的间歇性电源,具有随机波动性和不可控性。大规模风电场的并网会给电网带来不可忽视的冲击,经常发生为保护电网安全稳定运行而弃风、脱网等现象,导致风力发电企业投资回报周期增长。如能够深入了解风电场出力特征并进行准确预测,则有益于调度部门调频、调峰、备用等,对提高既有电力系统的风电接纳能力具有重大的意义。风电功率超短期预测是指自预测时刻起未来15分钟至4小时的预测预报,时间分辨率为15分钟。超短期预测的意义在于滚动修正计划曲线,及时调整有功出力。现有预测方法一般采用统计模型,通过分析风速、功率历史样本的统计规律,建立风速与功率、功率与功率之间的非线性映射关系,这类算法是基于统计观点的外推模型,物理意义不明晰,同时由于人工智能和大数据的兴起,研究重点偏向于人工智能预测,但目前人工智能预测方法的运用,大多为静态方法,无法反映系统的动态特性。总体来说,现有的预测方法只考虑风况的改变对预测精度的影响,而忽略风电场状态的改变。
技术实现思路
本专利技术的目的是,提供一种物理意义清晰、考虑系统动态特性、科学合理、实用价值更高、精度更高、能够满足在线使用要求的计及风电场状态的风电功率超短期预测计算方法。实现专利技术目的采用的技术方案是:一种计及风电场状态的风电功率超短期预测计算方法,其特征在于:它包括以下步骤:1)“时空特性”数据源的建立通过风电机组数据采集系统和电网调度中心统计 ...
【技术保护点】
1.一种计及风电场状态的风电功率超短期预测计算方法,其特征在于:它包括以下步骤:1)“时空特性”数据源的建立通过风电机组数据采集系统和电网调度中心统计数据获得风力发电机内部量测数据及历史风电功率数据,选择n种量测数据作为空间样本,并按照时间顺序排列,得到大数据分析的数据源:Xn×T=[x(t1),x(t2),…,x(tT)],x(ti)=[x1,x2,…,xn]
【技术特征摘要】
1.一种计及风电场状态的风电功率超短期预测计算方法,其特征在于:它包括以下步骤:1)“时空特性”数据源的建立通过风电机组数据采集系统和电网调度中心统计数据获得风力发电机内部量测数据及历史风电功率数据,选择n种量测数据作为空间样本,并按照时间顺序排列,得到大数据分析的数据源:Xn×T=[x(t1),x(t2),…,x(tT)],x(ti)=[x1,x2,…,xn]T,其中:ti为采样时刻,x(ti)为量测数据构成的列向量,n为量测数据种类,Xn×T为大数据分析的数据源,将量测数据按照时间顺序采样,不同种类的量测数据具有空间特性,将二者结合起来则构成具有时空特性的数据源;2)数据分析及处理表征风电场状态的变量众多,同时还受到电网和外界环境的影响,需要对步骤1)中的数据源处理:①按步骤1)获取的数据源Xn×T=[x(t1),x(t2),…,x(tT)],将矩阵Xn×T进行标准化以得到标准Hermitian矩阵,使得各个指标具有可比性,②采用实时分离窗技术,确定窗口宽度,对矩阵Xn×T进行实时分析和提取,为了实现数据的实时分析,可以采用一种特定的分离窗获取生数据矩阵,称为实时分离窗:其中:Tω为实时分离窗窗宽;3)风电场的状态评估以平均谱半径为基础对风力发电机的状态进行评估:其中:RMSR为风电场平均谱半径,rMSR,i为风电场中i号风机的平均谱半径,n为风电场中风机的台数,①计算步骤2)的②中所取时间窗口的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。