基于智慧电厂风力发电评估系统技术方案

本发明专利技术公开了智慧电厂风力发电评估系统，包括风力发电系统

【技术实现步骤摘要】
基于智慧电厂风力发电评估系统


[0001]本专利技术涉及电厂风力发电领域，尤其是涉及基于智慧电厂风力发电评估系统
。

技术介绍

[0002]随着化石能源的日益减少，可再生能源变得越来越重要
。
风能作为可再生能源重要的一种形式具有巨大的开发潜力，但风能自身具有的随机性
、
间歇性的特点给风电并网带来诸多问题
。
当在风功率预测和电力系统平滑调控这两个方面技术发展的不完善，导致风电利用率不高与风力资源的浪费
。
因此，对风功率预测以及电力系统的平滑调控方面的研究显得尤为重要；与传统的发电方式相比，风能发电无法直接控制和调整输出功率，这是由于风速是不断变化的，风力发电系统的输出功率也会随之波动，造成风力发电系统的风功率预测存在一定的误差，这使得电网运营者难以准确预测和调整电力系统的负荷；当风速低于一定阈值或高于一定阈值时，风力发电机无法正常运行或需要停机，导致电力供应的不可靠性，因此，需要配备储能设施或与其他可调节性能源相结合，以平衡电力系统的供需，突破风能发电的波动性和不稳定性给储能带来了挑战
。
目前，由于风能的产生和消耗是不同步的，需要电厂风力发电评估系统调节储能设备来平衡供需差异，储能技术的成本较高，限制了风能发电系统的规模和经济性
。

技术实现思路

[0003]本专利技术提供基于智慧电厂风力发电评估系统
。
[0004]为解决上述技术问题，本专利技术采用的技术方案是，所述智慧电厂风力发电评估系统包括风力发电系统
、
人工神经网络监测系统和人机界面；
[0005]所述风力发电系统，通过风力发电功率平滑调控策略，使超级电容储能装置根据风电功率和电力负荷变化，确保风力发电系统的性能稳定；智慧电厂风力发电评估系统根据人工神经网络监测系统评估数据控制储能装置对风力发电系统的风电功率进行补偿调整，以优化电网负荷平衡，降低电网负荷的波动性；
[0006]所述人工神经网络监测系统，用于风力发电系统故障评估诊断，对发电机端电压和无功功率的控制，励磁实现电力系统的稳定性，通过神经网络对风力发电系统的风速和电功率进行预测，优化风力发电系统中的不确定和间歇性的问题；
[0007]所述人机界面，为运维人员提供系统操作界面，监控和评估智慧电厂风力发电评估系统的运行状态
。
[0008]进一步地，所述风力发电系统包括变磁链异步发电机
、
超级电容储能
、
双向
DC/DC
变换器
、
滤波器；
[0009]所述变磁链异步发电机，是一种新型的电机技术，通过改变电磁场的磁链来实现电机的控制；
[0010]所述超级电容储能即
Supercapacitorenergystorage
，也称为超级电容器或超级电池，是一种高容量
、
高功率密度的电子元件，具有存储和释放大量电荷的能力；
[0011]所述双向
DC/DC
变换器，是一种用于直流电能转换的电子器件，实现两个不同电压之间的能量转换和传递；
[0012]所述滤波器：滤波器是一种用于滤除电路中某些频率成分的电子设备
。
[0013]进一步地，所述变磁链异步发电机系统包括风力机
、
齿轮箱
、
变磁链异步发电机
、
机侧变流器
、
网侧变流器和变压器：
[0014]所述风力机能通过捕获风能旋转并驱动齿轮箱；所述齿轮箱将风力机的低速转动转换为高速转动，高速转动的轴与变磁链异步发电机相连，将机械能传递给发电机；所述变磁链异步发电机是采用了变磁链技术，通过改变磁链使得发电机能够在不同的风速下保持发电机调速和功率的效率；所述机侧变流器连接在变磁链异步发电机的输出端，将发电机产生的交流电转换为直流电，并调节输出电压和频率；所述网侧变流器连接在机侧变流器的输出端，将直流电转换为交流电；所述变压器则用于调节电网的电压级别，以便与超级电容储能连接
。
[0015]进一步地，所述人工神经网络监测系统包括：数据采集单元
、
控制单元
、
监测与报警单元
、
算法模型单元；
[0016]所述数据采集单元，用于收集和记录风力发电机
、
超级电容储能
、
变换器各个系统单元的数据，为系统分析和评估提供依据；
[0017]所述算法模型单元，对采集到的智慧风力发电系统中人工神经网络进的算法模型数据，对其数据分析和建立电力通信匹配，通过匹配后的数据对智能风力发电系统的性能进行评估；
[0018]所述控制单元，根据实时监测的数据，对风力发电机系统进行控制和调节，让其在最佳工作状态下运行；
[0019]所述监测与报警单元，用于监测各个风力发电系统单元的运行状态，并在出现异常情况时发出警报，将数据发送至智慧电厂风力发电评估系统中的人机界面进行展示
。
[0020]进一步地，所述算法模型单元，在
RBF
神经网络中，所述输入层接收输入数据，并将其传递给隐含层；所述隐含层由一系列径向基函数组成，这些函数根据输入数据与各自的中心点之间的距离来计算输出；每个基函数对应着一个中心点和一个偏差参数，通过调整这些参数，使得基函数能够适应输入数据的特征；
[0021]所述输出层根据隐含层的输出计算最终的预测结果；通常情况下，输出层使用线性激活函数来得到连续的预测值
。
[0022]进一步地，所述控制单元用于风力发电机系统安全检测，用于判定风力发电系统安全状态并输出判定结果；所述风力发电系统安全检测状态判定采用的公式为：
D
＝
Y+L+f
，式中，
Y
＝
P/Q
，
Q
为数据采集系统中的风力发电系统请求总数，
P
为风力发电系统请求故障次数；
L
＝
M/K
，
M
为设定风力发电故障次数，
K
为实际风力发电故障次数；
f
为用于判风力发电系统资源利用率的参数
。
[0023]进一步地，所述控制单元的判定结果，包括：系统安全
、
低风险
、
中风险及高风险；
[0024]所述当
D
在第一预设范围内，则判定风力发电系统为安全；
[0025]所述当
D
在第二预设范围内，则判定风力发电系统为低风险；
[0026]所述当
D
在第三预设范围内，则判定风力发电系统为中风险；
[0027]所述当
D
在第四预设范围内，则判定风力发电系统为高风险
。
[0028]进一步地，所述控本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于智慧电厂风力发电评估系统，其特征在于，所述智慧电厂风力发电评估系统包括风力发电系统
、
人工神经网络监测系统和人机界面；所述风力发电系统，通过风力发电功率平滑调控策略，使超级电容储能装置根据风电功率和电力负荷变化，确保风力发电系统的性能稳定，智慧电厂风力发电评估系统根据人工神经网络监测系统评估数据控制储能装置对风力发电系统的风电功率进行补偿调整，以优化电网负荷平衡，降低电网负荷的波动性；所述人工神经网络监测系统，用于风力发电系统故障评估诊断，对发电机端电压和无功功率的控制，励磁实现电力系统的稳定性，通过神经网络对风力发电系统的风速和电功率进行预测，优化风力发电系统中的不确定和间歇性的问题；所述人机界面，为运维人员提供系统操作界面，监控和评估智慧电厂风力发电评估系统的运行状态
。2.
根据权利要求1所述的基于智慧电厂风力发电评估系统，其特征在于，所述风力发电系统包括变磁链异步发电机
、
超级电容储能
、
双向
DC/DC
变换器
、
滤波器；所述变磁链异步发电机，是一种新型的电机技术，通过改变电磁场的磁链来实现电机的控制；所述超级电容储能即
Supercapacitorenergystorage
，也称为超级电容器或超级电池，是一种高容量
、
高功率密度的电子元件，具有存储和释放大量电荷的能力；所述双向
DC/DC
变换器，是一种用于直流电能转换的电子器件，实现两个不同电压之间的能量转换和传递；所述滤波器是一种用于滤除电路中某些频率成分的电子设备
。3.
根据权利要求2所述的基于智慧电厂风力发电评估系统，其特征在于，所述变磁链异步发电机系统包括风力机
、
齿轮箱
、
变磁链异步发电机
、
机侧变流器
、
网侧变流器和变压器；所述风力机能通过捕获风能旋转并驱动齿轮箱；所述齿轮箱将风力机的低速转动转换为高速转动，高速转动的轴与变磁链异步发电机相连，将机械能传递给发电机；所述变磁链异步发电机是采用了变磁链技术，通过改变磁链使得发电机能够在不同的风速下保持发电机调速和功率的效率；所述机侧变流器连接在变磁链异步发电机的输出端，将发电机产生的交流电转换为直流电，并调节输出电压和频率；所述网侧变流器连接在机侧变流器的输出端，将直流电转换为交流电；所述变压器则用于调节电网的电压级别，以便与超级电容储能连接
。4.
根据权利要求1所述的基于智慧电厂风力发电评估系统，其特征在于，所述人工神经网络监测系统包括：数据采集单元
、
控制单元
、
监测与报警单元
、
算法模型单元；所述数据采集单元，用于收集和记录风力发电机
、
超级电容储能
、
变换器各个系统单元的数据，为系统分析和评估提供依据；所述算法模型单元，对采集到的智慧风力发电系统中人工神经网络进的算法模型数据，对其数据分析和建立电力通信匹配，通过匹配后的数据对智能风力发电系统的性能进行评估；所述控制单元，根据实时监测的数据，对风力发电机系统进行控制和调节，让其在控制单元判定结果状态下运行；所述监测与报警单元，用于监测各个风力发电系统...

【专利技术属性】
技术研发人员：董超，王海，王斌，翟化欣，王杨，曹俊磊，李旭，张志伟，
申请(专利权)人：国网冀北张家口风光储输新能源有限公司，
类型：发明
国别省市：