基于云模型和最优组合赋权的风电机组功率特性评估方法技术

本发明专利技术公开了一种基于云模型和最优组合赋权的风电机组功率特性评估方法，步骤1：获取正常的风速‑功率数据集；步骤2：根据风速‑功率正常数据集，确定风电机组功率特性的评估因素集：机组的年发电量、额定风速以下的功率标准差平均值、额定风速以上的功率标准差平均值、额定风速以下的功率系数最大值；步骤3：获得综合评价结果。本发明专利技术方法易于实施，有利于保障风电场的科学有效合理运行。

【技术实现步骤摘要】
基于云模型和最优组合赋权的风电机组功率特性评估方法
本专利技术涉及一种基于云模型和最优组合赋权的风电机组功率特性评估方法。
技术介绍
随着风电装机容量逐年增大和单个风电场装机的不断扩大，以及风力发电自身的结构和特点，风力发电场对电网的影响将会越来越明显。风力发电机组面临着运行环境恶劣和维护成本较高等问题，及时准确地监测和评估机组的运行状态，有效避免故障发生，对于风电场的优化维修和实现大规模风电场安全并网具有重要的现实意义。由于风电机组长期工作在交变载荷的作用下，工作环境恶劣，从而使得机组在运行过程中难免发生故障，导致机组的性能下降，发电量减少。并且，随着运行时间的增长，风电机组的可靠性也在不断下降，从而增加了故障发生的可能性，提高了运行、维护费用，降低了风电机组的经济性，甚至对于其安全性也有一定影响。开展对风电机组的性能评估，了解风电场风电机组的运行特性是十分必要的，这项工作的意义如下：(1)风电场的运行特性直接决定了其对电力系统的贡献和影响，通过对反映风电机组特性的实际运行参数进行分析，可判断风电机组在长期运行过程中机组性能的本文档来自技高网...

【技术保护点】
1.一种基于云模型和最优组合赋权的风电机组功率特性评估方法，其特征在于，包括以下步骤：/n步骤1：获取正常的风速-功率数据集；/n步骤2：根据风速-功率正常数据集，确定风电机组功率特性的评估因素集：机组的年发电量、额定风速以下的功率标准差平均值、额定风速以上的功率标准差平均值、额定风速以下的功率系数最大值；/n步骤3：获得综合评价结果；/n(1)计算因素集中各个指标对应的劣化度，利用正态隶属云生成算法和相对劣化度确定风电机组各项指标相对于各状态等级的隶属度，得到隶属度矩阵；/n(2)采用熵权法和对比打分法分别确定状态评估指标的客观和主观权重，所采用的组合赋权法引入灰色关联度和偏好值的概念，使得...

【技术特征摘要】
1.一种基于云模型和最优组合赋权的风电机组功率特性评估方法，其特征在于，包括以下步骤：
步骤1：获取正常的风速-功率数据集；
步骤2：根据风速-功率正常数据集，确定风电机组功率特性的评估因素集：机组的年发电量、额定风速以下的功率标准差平均值、额定风速以上的功率标准差平均值、额定风速以下的功率系数最大值；
步骤3：获得综合评价结果；
(1)计算因素集中各个指标对应的劣化度，利用正态隶属云生成算法和相对劣化度确定风电机组各项指标相对于各状态等级的隶属度，得到隶属度矩阵；
(2)采用熵权法和对比打分法分别确定状态评估指标的客观和主观权重，所采用的组合赋权法引入灰色关联度和偏好值的概念，使得尽量满足决策的主观与客观总偏好最大，得到组合权重；
(3)将组合权重和隶属度矩阵相乘，得到综合评价结果。


2.根据权利要求1所述的基于云模型和最优组合赋权的风电机组功率特性评估方法，其特征在于，步骤1中，采用Thompsontau-四分位法对风电机组风速-功率异常运行数据进行识别清洗，而后基于正常运行数据，利用四点插值算法对误删、缺失数据进行重构，得到完整的风速-功率数据集。


3.根据权利要求1所述的基于云模型和最优组合赋权的风电机组功率特性评估方法，其特征在于，步骤2中的各参数的具体计算方法为：
(1)机组的年发电量



式中，AEP为机组的年发电量；Nh为全年小时数8760小时；N为bin区间总数；Vi为bin区间i内的平均风速；Pi为bin区间i内的平均输出功率；
另有



式中，F(V)为风速瑞利分布的概率分布函数；Vave为轮毂高度处的年平均风速；V为当前bin区间内的平均风速；
(2)额定风速以下的功率标准差平均值
设bin区间内功率数据个数为m，额定风速以下的bin区间个数为N1，额定风速以上的bin区间个数为N2，数据集合为{p1，p2，p3，...pm}，样本平均值为/p，残差定义为样本值与平均值之差，k1＝p1-/p，k2＝p2-/p，k3＝p3-/p，...，km＝Pm-/p，则残差集合为{k1，k2，k3，...，km}，额定风速以下的功率标准差平均值为



其中，
式中，t为bin区间内的功率数据个数；ki为残差；σ1，j为额定风速以下第j个bin区间的功率标准差；j＝1，2，...N1，N1为额定风速以下bin区间的个数；
(3)额定风速以上的功率标准差平均值计算式为：



其中，
式中，t为bin区间内的功率数据个数；ki为残差；σ2，j为额定风速以上各bin区间的功率标准差；j＝1，2，...N2，N2为额定风速以上bin区间的个数；
(4)额定风速以下的功率系数最大值；
对筛选后的数据采用bin方法，风速每0.5m/s为一个bin区间，计算每个bin区间内的风速平均值Vi和输出功率的平均值Pi，计算公式如下：






功率系数的表达式为：



式中，Vi和Pi为bin区间i内的平均风速和平均输出功率值；Vn，i，j和Pn，i，j为bin区间i内数据点j的风速值和功率值；Ni为bin区间i内的数据点数；ρ为空气密度，A为机组风轮的扫掠面积；
额定风速以下功率系数最大值的计算式为：



式中，CPi为各bin区间内的功率系数；N1为额定风速以下的bin区间个数。


4.根据权利要求3所述的基于云模型和最优组合赋权的风电机组功率特性评估方法，其特征在于，步骤3中，
隶...

【专利技术属性】
技术研发人员：高云鹏，邹同华，伊慧娟，吴聪，夏睿，曹一家，滕召胜，黎灿兵，朱彦卿，王娜，
申请(专利权)人：湖南大学，
类型：发明
国别省市：湖南;43