基于相关性分析的风力发电机组性能评估方法技术

本发明专利技术涉及一种基于相关性分析的风力发电机组性能评估方法，包括以下步骤：S1.通过大数据平台收集数据；S2.确定待分析发电机组；S3.利用以时间为序的不同机组风速对需要确定相关性的机组进行相关性分析；S4.选取修正机组，并求得修正机组的相对发电量；S5.求相对发电量的平均值，当待分析的发电机组相对发电量低于平均发电量(k*100)％时，则待分析发电机组性能欠佳，急需整改，其中k为常数。本发明专利技术利用多层次的相关性、一致性分析方法，确定了相关机组，排除了复杂风况对性能评估的影响，直接应用相关机组的相对发电量作为评估标准，排除了风资源优劣对发电的影响，评估结果更可靠。

【技术实现步骤摘要】

本专利技术涉及一种风力发电机组性能评估方法，特别是一种基于相关性分析的风力发电机组性能评估方法。
技术介绍
风力发电近年来快速发展并得到了广泛关注与支持。“十二五”规划中明确提出，到2015年，风电装机容量达到1.04亿千瓦，到2020年这一数字提升到2亿千瓦。从实际情况看，2014年新增装机容量2335.05万千瓦，比2013年增长45.1％，累计装机容量1.1476339亿千瓦，比2013年新增25.5.％。2014年风电发电量初步统计为1500多亿千瓦时，然而在并网装机容量达到预期标准的前提下并没有达到预期的1800亿千瓦时。风力发电电场发电量的高低取决于风力发电机组的性能好坏，其也是风场盈利能力强弱的关键。准确可靠地评估风力发电机组性能可以帮助风电场制定运维策略，有目的地安排检修。风力发电机组性能好坏虽然从直观上取决于其发电量的高低，然而实际评估过程中，存在着风力发电机组间风况不相同且缺乏对比手段、风力发电机组结构及控制系统复杂等种种难题，很难单一的依靠风力发电机发电量的高低去评估其性能，目前并没有一种很好的能综合考虑多种因素的方式去评估风力发电机组，这使得无法分析风力发电发电量欠佳的原因进而加以整改。因此，需要提供一种通过数据统计、分析的方法去评估不同发电机组间性能优劣的方法，并提供相应算法找到性能较差的风力发电机组，为风场的高质量运行、发电量提升提供参考。
技术实现思路
本专利技术所要解决的技术问题是提供一种能综合考虑多种因素的基于相关性分析的风力发电机组性能评估方法。本专利技术解决上述技术问题所采用的技术方案如下：基于相关性分析的风力发电机组性能评估方法，包括以下步骤：S1.通过大数据平台收集数据，数据为不同型号的风力发电机组的以时间为序的风速、功率、实际发电量、湍流强度、风向和平均风速；S2.确定待分析发电机组，从大数据平台中提取所有型号为待分析发电机组的风速、功率、实际发电量、湍流强度、风向和平均风速；S3.利用以时间为序的不同机组风速对需要确定相关性的机组进行相关性分析：S31.设待分析的发电机组以时间为序的风速序列为xi，需要确定相关性的机组以时间为序的风速序列为yi，则二者间的相关系数R1为：R1=Σ(xi-x‾)(yi-y‾)Σ(xi-x‾)2(yi-y‾)2]]>S32.R1的值越高，表示二者的相关性越高，当时表示二者相关，为相关性关系机组，其中，S33.重复S31与S32，得到所有需要确定相关性的机组与待分析的发电机组的相关系数，以及相关性关系机组；S4.选取修正机组，并求得修正机组的相对发电量：S41.从相关性机组中选取主风向一致，且整个风向频率分布相关系数的机组，其中，风向频率分布相关系数R2的计算方法如下：R2=Σ(f1(i)-f2(i)‾)(f2(i)-f2(i)‾)Σ(f1(i)-f1(i)‾)2(f2(i)-f2(i)‾)2]]>其中，i为风向区间的序号，i＝1，2，3……，f(i)为机组落在i区间内的风向概率；S42.从S41筛选出来的机组中再选择湍流强度相近的机组，筛选方法如下：湍流强度区间为(C-c,C+c)，其中C为中心湍流强度，c为区间范围，当从S41筛选出来的机组与待分析发电机组在同一时间段内的湍流落在相同区间内时，则二者湍流相近；S43.计算相对发电量，方法如下：其中，W实际为待分析发电机组的实际发电量，W相对为待分析发电机组的相对发电量，为S42筛选出来的机组的平均风速；S5.求相对发电量的平均值，当待分析的发电机组相对发电量低于平均发电量(k*100)％时，则待分析发电机组性能欠佳，急需整改，其中k为常数。本专利技术利用多层次的相关性、一致性分析方法，确定了相关机组，排除了
复杂风况对性能评估的影响，直接应用相关机组的相对发电量作为评估标准，排除了风资源优劣对发电的影响，评估结果更可靠。作为优选，S1中，通过大数据平台收集的数据，时间间隔一致，且时间范围一致。作为优选，S41中，主风向一致的确定方法如下：风向区间为(A-a,A+a),其中A为中心风向角，a为区间范围，待分析发电机组落在风向区间内的风向数据占总体数据的比例为P1，待确定关系的机组相应的比例为P2，二者差值的绝对值为PP：PP＝|P1-P2|当PP≤5％时，二者主风向一致。作为优选，S41中，A为待分析发电机组以1°为间隔时风频分布最高的角度，a为5°。作为优选，风向区间为，在一年的风向数据中，相比同等大小的区间，且所有机组的风向落在风向区间内的比例最大。作为优选，S41中，风向区间为(B(i)-b,B(i)+b)，其中i为风向区间的序号，i＝1，2，3……，B(i)为该区间的中心风向，b为区间范围，i个区间为大小相同、相互没有交集且覆盖0-360°范围。作为优选，B和b的取值为，B＝0.25+0.5i，b＝0.25。作为优选，S5中，相对发电量的平均值的计算方法如下：其中，n为经S4筛选后的发电机组数量，k为常数，且0.8≤k＜1，当待分析机组的时，则待分析机组性能欠佳。k值越大，对机组的评估越严格。本专利技术同现有技术相比具有以下优点及效果：1、由于本专利技术利用大数据平台收集足够多的数据，使得评估结果更可靠，更接近实际。2、由于本专利技术利用多层次的相关性、一致性分析方法，使得评估结果更可靠，更接近实际。3、由于本专利技术通过确定相关机组，排除了复杂风况对性能评估的影响，直接应用相关机组的相对发电量作为评估标准，排除了风资源优劣对发电的影响，
使得评估结果具有更高的准确性。4、由于本专利技术使用大数据的发电量作为评估标准，将风机的复杂结构作为操作黑箱处理，简化了评估流程，更具工程意义。具体实施方式下面结合实施例对本专利技术做进一步的详细说明，以下实施例是对本专利技术的解释而本专利技术并不局限于以下实施例。实施例1：在本实施例中，基于相关性分析的风力发电机组性能评估方法，包括以下步骤：S1.通过大数据平台收集数据，数据为不同型号的风力发电机组的以时间为序的风速、功率、实际发电量、湍流强度、风向和平均风速；S2.确定待分析发电机组，从大数据平台中提取所有型号为待分析发电机组的风速、功率、实际发电量、湍流强度、风向和平均风速；S3.利用以时间为序的不同机组风速对需要确定相关性的机组进行相关性分析：S31.设待分析的发电机组以时间为序的风速序列为xi，需要确定相关性的机组以时间为序的风速序列为yi，则二者间的相关系数R1为：R1=Σ(xi-x‾)(yi-y‾)Σ(xi-x‾)2(yi-y‾)2]]>S32.R1的值越高，表示二者的相关性越高，当时表示二者相关，为相关性关系机组，其中，S33.重复S31与S32，得到所有需要确定相关性的机组与待分析的发电机组的相关系数，以及相关性关系机组；S4.选取修正机组，并求得修正机组的相对发电量：S41.从相关性机组中选取主风向一致，且整个风向频率分布相关系数的机组，其中，风向频率分布相关系数R2的计本文档来自技高网...

【技术保护点】
一种基于相关性分析的风力发电机组性能评估方法，其特征是：包括以下步骤：S1.通过大数据平台收集数据，所述数据为不同型号的风力发电机组的以时间为序的风速、功率、实际发电量、湍流强度、风向和平均风速；S2.确定待分析发电机组，从大数据平台中提取所有型号为待分析发电机组的风速、功率、实际发电量、湍流强度、风向和平均风速；S3.利用以时间为序的不同机组风速对需要确定相关性的机组进行相关性分析：S31.设待分析的发电机组以时间为序的风速序列为xi，需要确定相关性的机组以时间为序的风速序列为yi，则二者间的相关系数R1为：R1=Σ(xi-x‾)(yi-y‾)Σ(xi-x‾)2(yi-y‾)2]]>S32.R1的值越高，表示二者的相关性越高，当时表示二者相关，为相关性关系机组，其中，S33.重复S31与S32，得到所有需要确定相关性的机组与待分析的发电机组的相关系数，以及相关性关系机组；S4.选取修正机组，并求得修正机组的相对发电量：S41.从相关性机组中选取主风向一致，且整个风向频率分布相关系数的机组，其中，风向频率分布相关系数R2的计算方法如下：R2=Σ(f1(i)-f2(i)‾)(f2(i)-f2(i)‾)Σ(f1(i)-f1(i)‾)2(f2(i)-f2(i)‾)2]]>其中，i为风向区间的序号，i＝1，2，3……，f(i)为机组落在i区间内的风向概率；S42.从S41筛选出来的机组中再选择湍流强度相近的机组，筛选方法如下：湍流强度区间为(C‑c,C+c)，其中C为中心湍流强度，c为区间范围，当从S41筛选出来的机组与待分析发电机组在同一时间段内的湍流落在相同区间内时，则二者湍流相近；S43.计算相对发电量，方法如下：其中，W实际为待分析发电机组的实际发电量，W相对为待分析发电机组的相对发电量，为S42筛选出来的机组的平均风速；S5.求相对发电量的平均值，当待分析的发电机组相对发电量低于平均发电量(k*100)％时，则待分析发电机组性能欠佳，急需整改，其中k为常数。...

【技术特征摘要】
1.一种基于相关性分析的风力发电机组性能评估方法，其特征是：包括以下步骤：S1.通过大数据平台收集数据，所述数据为不同型号的风力发电机组的以时间为序的风速、功率、实际发电量、湍流强度、风向和平均风速；S2.确定待分析发电机组，从大数据平台中提取所有型号为待分析发电机组的风速、功率、实际发电量、湍流强度、风向和平均风速；S3.利用以时间为序的不同机组风速对需要确定相关性的机组进行相关性分析：S31.设待分析的发电机组以时间为序的风速序列为xi，需要确定相关性的机组以时间为序的风速序列为yi，则二者间的相关系数R1为：R1=Σ(xi-x‾)(yi-y‾)Σ(xi-x‾)2(yi-y‾)2]]>S32.R1的值越高，表示二者的相关性越高，当时表示二者相关，为相关性关系机组，其中，S33.重复S31与S32，得到所有需要确定相关性的机组与待分析的发电机组的相关系数，以及相关性关系机组；S4.选取修正机组，并求得修正机组的相对发电量：S41.从相关性机组中选取主风向一致，且整个风向频率分布相关系数的机组，其中，风向频率分布相关系数R2的计算方法如下：R2=Σ(f1(i)-f2(i)‾)(f2(i)-f2(i)‾)Σ(f1(i)-f1(i)‾)2(f2(i)-f2(i)‾)2]]>其中，i为风向区间的序号，i＝1，2，3……，f(i)为机组落在i区间内的风向概率；S42.从S41筛选出来的机组中再选择湍流强度相近的机组，筛选方法如下：湍流强度区间为(C-c,C+c)，其中C为中心湍流强度，c为区间范围，当从S41筛选出来的机组与待分析发电机组在同一时间段内的湍流落在相同区间内时，则二者湍流相近；S43.计算相对发电量，方法如下：其中，W实际为待分析发电机组的实际发电量，W相对为待分析发电机组...

【专利技术属性】
技术研发人员：叶小广，刘庆超，孔德同，孙昊，于文革，王志，雷阳，付立，
申请(专利权)人：华电电力科学研究院，
类型：发明
国别省市：浙江;33