一种基于机组相关性的风电场功率波动频谱预测模型制造技术

本发明专利技术公开了一种基于机组相关性的风电场功率波动频谱预测模型，包括如下步骤：确定风力机惯性时间；基于瞬时状态下能量守恒方程，利用阶跃函数、格林函数和傅立叶变换，求解单机组输出功率的功率谱密度和速度功率谱密度函数之间传递函数；测量风力机轮毂高度风电场来流特性，参考尾流预测模型，基于风电场来流，预测下游风力机来流情况；基于冯·卡门湍流模型，联立传递函数，共同建立单机组输出功率的功率谱密度模型；求解多机组间的协功率谱密度，进而和各单机组输出功率的功率谱密度叠加，求得风电场输出功率的功率谱密度模型。本发明专利技术揭示和预测风电场机组输出功率波动的内在规律，对于风力机电机控制器的优化设计和风电并网调节极具意义。

【技术实现步骤摘要】
一种基于机组相关性的风电场功率波动频谱预测模型
本专利技术涉及风力发电
，尤其涉及一种基于机组相关性的风电场功率波动频谱预测模型。
技术介绍
作为一种清洁、可再生能源，风力发电产业自2000年取得了飞速发展。据全球风能委员GWEC统计，截止2016年底，全球风电累计装机容量486.8GW，其中，我国累计装机容量168.73GW，风力发电量约占全国用电量的4％。风力发电在能源供应、环境保护和应对气候变化等方面发挥着越来越重要的作用。风力发电机在自然大气中运行，大气紊流、阵风、边界层效应、风向改变以及上游风力机尾流影响，使得风力机多数情况下处于剪切流、高湍流强度的非稳态环境中，机组载荷和输出功率受到高能相干流场运动的广泛影响。这些波动性、间歇性和随机性的特点，给机组发电效率、结构稳定性，以及电网稳定性、可预测性和安全性带来了巨大的挑战。风电场功率预测是减轻电网不稳定性、提升供电质量的有效途径。现有风电功率预测主要分为两种：基于历史数据的统计模型方法和不需要历史数据的物理模型方法。其中，国内外针对统计模型方法的研究较多，主要有持续性算法、神经网络、时间序列法和支持向量机等，这些方法需要大量的历史数据，且对历史数据的规律性要求比较高。近年来，随着计算流体动力学的迅猛发展，通过采用数值天气预报作为边界条件，并考虑风电场地形、布局等因素，进行动态三维数值模拟的物理模型方法发展迅速。然而，为提高时效性和准确性，物理模型方法对计算机的性能要求比较高，尤其是真实风力机结构及尺度的计算通常要耗用大量超级计算机资源，而且数值模拟对具有相关性的多机组的模拟准确性还有待检验。同时，现有的风电功率预测物理模型都是预测风电输出功率超短期平均值，且大都为时序信息。但是，针对风电功率波动特性的预测，特别是频域信息尤为鲜见，然而频域特性更能揭示各尺度功率波动变化规律，对风力机电磁控制器的设计有指导性意义。
技术实现思路
有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题是提供一种基于机组相关性的风电场功率波动频谱预测模型，为仅依靠风电场来流的数值天气预报信息，并结合机组参数和风电场布置方式，来实现风电场输出功率波动频谱特性预测的理论模型计算方法。为实现上述目的，本专利技术提供了本专利技术的一种基于机组相关性的风电场功率波动频谱预测模型，包括如下步骤：步骤1：基于风力机组结构参数及发电机性能，确定风力机惯性时间；步骤2：对风、风轮和发电机系统三者组成的控制单元进行能量守恒分析，基于瞬时状态下风能、风力机系统动能和电能之间的能量守恒方程，利用阶跃函数、格林函数和傅立叶变换，求解得到单机组输出功率的功率谱密度和速度功率谱密度之间传递函数及传递函数的功率谱密度；步骤3：测量风力机轮毂高度风电场来流，即第一排风力机来流平均速度U0，湍流强度I0和湍流积分时间T0，参考现有的尾流预测模型，基于风电场来流，预测下游第j排风力机轮毂高度来流平均速度Uj-1，湍流强度Ij-1和湍流积分时间Tj-1；选取现有的适合其具体运行工况的平均流速、湍流积分尺度和湍流积分尺度尾流预测模型。通常在风电场布局前根据其运行环境、机组特性选取，以便于风电场的微观选址，为风电从业人员所熟知。主要就是选取现有的适合其具体运行工况的平均流速、湍流积分尺度和湍流积分尺度尾流预测模型。步骤4：基于冯·卡门模型，联立步骤2所述的传递函数，共同建立单机组输出功率的功率谱密度模型；步骤5：根据机组之间的相互影响，基于机组相关性，求解多机组间的协功率谱密度，进而和步骤4中各单机组输出功率的功率谱密度叠加，求得风电场输出功率的功率谱密度模型。步骤1中，所述风力机惯性时间表示为：ti＝Iω/2τ(1)式中，I为风力机转动惯量；ω为风力机转速；τ为风力机电磁转矩，τ与ω2呈正比，在转速变化幅度小时，τ与ω成正比。步骤2中，所述能量守恒方程表示为：式中，Erot为风力机旋转动能，Erot＝0.5Iω2；P(t)为风力机输出功率，P(t)＝τω；0.5CpρAu3(t)为风力机从空气获得的能量；Cp为风力机获能系数；ρ为空气密度；A为风力机旋转平面的面积；u(t)为风力机轮毂高度来流的瞬时速度；风力机旋转动能和风力机输出功率之间关系为：Erot＝0.5PIω/τ＝Pti(3)能量守恒方程进一步表示为：利用阶跃函数、格林函数和傅立叶变换，求解得到单机组输出功率频谱和速度频谱密度函数之间传递函数；步骤2中，通过阶跃函数、格林函数和傅立叶变换求解的单机组风力机输出功率为：式中，Θ(t)为步骤2所述的阶跃函数：步骤2所述传递函数表示为：上述传递函数的功率谱密度表示为：式中，为传递函数G(t)的傅立叶变换；f为频率；当f→0，趋于常数当f足够大，趋于f-2。步骤4中，所述单机组输出功率的功率谱密度模型表示为：式中，为第j排风力机轮毂高度来流平均速度的平方；为第j排风力机轮毂高度来流速度的冯·卡门湍流模型；为第j排风力机轮毂高度来流的速度方差。步骤5中，所述风电场输出功率的功率谱密度模型为其中，M为风电场风力机的列数；N为风电场风力机的行/排数；表示第k排风力机和第j排风力机输出功率之间的协功率谱密度,k>j：式中，τjk为第k排风力机和第j排风力机之间的对流时间,k>j：τjk＝(k-j)Sx/Uk-1(12)式中，Sx为风电场行与行之间间距。本专利技术的有益效果是：1.不需要基于大量的流场和机组运行历史数据，同时也无需测量风电场全局的流动状态，即可实现风电场输出功率波动频谱预测，简单方便，同时节约经济和时间成本。2.在单机组功率波动的基础上，充分考虑风力机机组间的相互影响，更加真实、准确地揭示风电场整体输出功率波动的特性，尤其是地表相对平坦的陆上和海上风电场。3.建立的风电场输出功率波动频谱预测模型有助于了解风力机机组功率波动的内在规律，对于风力机电机控制器的优化设计和风电并网调节极具意义。附图说明图1为本专利技术整体流程图；图2为本专利技术一实施例风力机电磁转矩与转速关系示意图；图3为本专利技术一实施例单机组来流、输出功率的功率谱密度和传递函数示意图；图4为本专利技术一实施例单机组输出功率的功率谱密度模拟和实测对比示意图；图5为本专利技术Sx＝7dT时的一实施例风电场布局示意图；图6为本专利技术Sx＝7dT时的一实施例风电场输出功率的功率谱密度模拟和实测对比示意图；图7为本专利技术Sx＝10dT时的一实施例风电场布局示意图；图8为本专利技术Sx＝10dT时的一实施例风电场输出功率的功率谱密度模拟和实测对比示意图。具体实施方式如图1所示，一种基于机组相关性的风电场功率波动频谱预测模型主要包括如下步骤：步骤1：基于风力机组结构及性能参数，引入风力机惯性时间概念。步骤1中的风力机惯性时间可表示为：ti＝Iω/2τ(1)式中，I为风力机转动惯量；ω为风力机转速；τ为风力机电磁转矩。通常，τ与ω2呈正比，在转速变化幅度较小时，可近似认为τ与ω成正比。步骤2：对风、风轮和发电机系统三者组成的控制单元进行能量守恒分析，基于瞬时状态下风能、风力机系统动能和电能之间的能量守恒方程，利用阶跃函数、格林函数和傅立叶变换，求解得到单机组输出功率的功率谱密度和速度功率谱密度之间传递函数及传递函数的功率谱密度；能量守恒方程所述步骤2中的能本文档来自技高网...

【技术保护点】
1.一种基于机组相关性的风电场功率波动频谱预测模型，其特征在于，包括如下步骤：步骤1：基于风力机组结构参数及发电机性能，确定风力机惯性时间；步骤2：对风、风轮和发电机系统三者组成的控制单元进行能量守恒分析，基于瞬时状态下风能、风力机系统动能和电能之间的能量守恒方程，利用阶跃函数、格林函数和傅立叶变换，求解得到单机组输出功率的功率谱密度和速度功率谱密度之间传递函数及传递函数的功率谱密度；步骤3：测量风力机轮毂高度风电场来流，即第一排风力机来流平均速度U0，湍流强度I0和湍流积分时间T0，基于风电场来流，预测下游第j排风力机轮毂高度来流平均速度Uj‑1，湍流强度Ij‑1和湍流积分时间Tj‑1；步骤4：基于冯·卡门模型，联立步骤2所述的传递函数，共同建立单机组输出功率的功率谱密度模型；步骤5：基于机组相关性，求解多机组间的协功率谱密度，进而和步骤4中各单机组输出功率的功率谱密度叠加，求得风电场输出功率的功率谱密度模型。

【技术特征摘要】
1.一种基于机组相关性的风电场功率波动频谱预测模型，其特征在于，包括如下步骤：步骤1：基于风力机组结构参数及发电机性能，确定风力机惯性时间；步骤2：对风、风轮和发电机系统三者组成的控制单元进行能量守恒分析，基于瞬时状态下风能、风力机系统动能和电能之间的能量守恒方程，利用阶跃函数、格林函数和傅立叶变换，求解得到单机组输出功率的功率谱密度和速度功率谱密度之间传递函数及传递函数的功率谱密度；步骤3：测量风力机轮毂高度风电场来流，即第一排风力机来流平均速度U0，湍流强度I0和湍流积分时间T0，基于风电场来流，预测下游第j排风力机轮毂高度来流平均速度Uj-1，湍流强度Ij-1和湍流积分时间Tj-1；步骤4：基于冯·卡门模型，联立步骤2所述的传递函数，共同建立单机组输出功率的功率谱密度模型；步骤5：基于机组相关性，求解多机组间的协功率谱密度，进而和步骤4中各单机组输出功率的功率谱密度叠加，求得风电场输出功率的功率谱密度模型。2.根据权利要求1所述的一种基于机组相关性的风电场功率波动频谱预测模型，其特征是，步骤1中，所述风力机惯性时间表示为：ti＝Iω/2τ(1)式中，I为风力机转动惯量；ω为风力机转速；τ为风力机电磁转矩，τ与ω2呈正比，在转速变化幅度小时，τ与ω成正比。3.根据权利要求2所述的一种基于机组相关性的风电场功率波动频谱预测模型，其特征是，步骤2中，所述能量守恒方程表示为：式中，Erot为风力机旋转动能，Erot＝0.5Iω2；P(t)为风力机输出功率，P(t)＝τω；0.5CpρAu3(t)为风力机从空气获得的能量；Cp为风力机获能系数；ρ为空气密度；A...

【专利技术属性】
技术研发人员：刘惠文，郑源，张玉全，阚阚，陈会向，付士凤，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32