計及風電機組發(fā)電可靠度的風電場有功功率控制策略.pdf

1、隨著風電技術(shù)的不斷發(fā)展，風電裝機容量不斷增加，風電場內(nèi)各機組地理位置分布愈加廣泛，同一時刻不同位置的機組所處的環(huán)境狀態(tài)差異明顯，使不同風機的出力存在差異。風電場內(nèi)機組的健康狀況與其出力情況有密切關(guān)系，各機組的健康程度決定了整個風電場的運行可靠性。為提高風電場運行可靠性，并能更好地執(zhí)行電力系統(tǒng)調(diào)度部門下達的有功功率控制指令，在下一控制周期內(nèi)針對各機組發(fā)電可靠度進行風場內(nèi)各機組功率分配尤為重要。文章以提高風電場運行可靠性為目標，對風速與風功

2、率預測方法、風電場內(nèi)功率優(yōu)化調(diào)度策略進行了深入研究。首先，通過風速與風功率預測得到每臺機組在全功率運行狀態(tài)下的出力大?。黄浯胃鶕?jù)機組各狀態(tài)參數(shù)提出機組發(fā)電可靠度模型；最后根據(jù)電網(wǎng)的調(diào)度指標和機組的發(fā)電可靠度，以風電場總發(fā)出功率可靠性最大為目標，對風電場中各風電機組進行優(yōu)化調(diào)度，從而提高了風電場的運行可靠性。論文的主要內(nèi)容包括：
　?、俳L速預測模型?；赟CADA數(shù)據(jù)，建立組與組之間的數(shù)據(jù)相關(guān)性的訓練矩陣，利用BP神經(jīng)網(wǎng)絡(luò)法和基

3、于Adaboost_BP改進的神經(jīng)網(wǎng)絡(luò)法對風速進行預測。研究結(jié)果表明不同的樣本和時間尺度，風速預測的精確度與所采用的訓練模型有很大關(guān)系。通過對比發(fā)現(xiàn)，當時間尺度、訓練數(shù)據(jù)元素個數(shù)、單步多步、測試樣本等模型參數(shù)相同的情況下，Adaboost_BP預測模型的預測結(jié)果準確度高但預測時間較長。
　　②建立了風功率短期預測模型。通過 BP神經(jīng)網(wǎng)絡(luò)法將風速與其對應的風功率作為訓練輸入以得到其相互之間的關(guān)系。分析了預測風速與實際風速兩種風速作為

4、模型輸入對預測結(jié)果會的影響。研究結(jié)果表明，通過預測風速值替代實際風速值作為風功率預測模型的輸入可減少訓練數(shù)據(jù)帶來的誤差與抽樣過程和數(shù)據(jù)傳輸過程中產(chǎn)生的噪聲影響。
　?、劢C組發(fā)電可靠度模型。通過對狀態(tài)參數(shù)進行風速溫度相關(guān)的擬合與異常狀態(tài)修正，建立包含工況信息的風電機組狀態(tài)參數(shù)體系。定義參數(shù)異常指數(shù)PAI對狀態(tài)參數(shù)進行描述，并得到狀態(tài)參數(shù)異常程度與該參數(shù)對應的權(quán)重。將狀態(tài)參數(shù)的異常程度按照其權(quán)重組合，得到該機組的發(fā)電可靠度。