CN116707035A - 一种依赖低风速动态规划的有功功率控制方法 - Google Patents
一种依赖低风速动态规划的有功功率控制方法 Download PDFInfo
- Publication number
- CN116707035A CN116707035A CN202310985122.XA CN202310985122A CN116707035A CN 116707035 A CN116707035 A CN 116707035A CN 202310985122 A CN202310985122 A CN 202310985122A CN 116707035 A CN116707035 A CN 116707035A
- Authority
- CN
- China
- Prior art keywords
- wind speed
- duration
- executable
- fluctuation
- time length
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 54
- 238000011156 evaluation Methods 0.000 claims description 35
- 238000005070 sampling Methods 0.000 claims description 28
- 238000013210 evaluation model Methods 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 24
- 238000005457 optimization Methods 0.000 claims description 21
- 230000011218 segmentation Effects 0.000 claims description 20
- 238000013145 classification model Methods 0.000 claims description 13
- 230000015654 memory Effects 0.000 claims description 11
- 230000001052 transient effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000010248 power generation Methods 0.000 abstract description 21
- 238000006243 chemical reaction Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 6
- 238000009423 ventilation Methods 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Wind Motors (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明属于风力发电技术领域，具体涉及一种依赖低风速动态规划的有功功率控制方法。该发明能够对多个监测时段下的历史风速参数进行评估分析，以此来得到一级风速波动节点，并通过判断一级风速波动节点的持续时长来确定二级风速波动节点，再以二级风速波动节点为基础来确定可执行时长和非可执行时长，之后通过评价非可执行时长的集中偏度来确定风能捕获模型的选择，从而便可在不通风速环境下选择不同的风能捕获模型，使得风力发电过程中风能的转化效率能够得到保证，同时也能够保证用户的用电情况不会受到影响。
Description
技术领域
本发明属于风力发电技术领域，具体涉及一种依赖低风速动态规划的有功功率控制方法。
背景技术
风力发电在电力系统中的渗透率不断提高，无论使用何种能量进行发电，都希望发电机能在最大功率点附近稳定工作，对风力发电系统也有同样的要求，风力机的一个重要设计就是最大限度地吸收和转化风能。对风力机来说，１％的效率提升便己非常难得，能够带来很大的经济效益。变速风力机的出现为实现最大化风能捕获提供了技术途径。与定速风力机相比，变速风力机能够根据实时风速变化调整自身运行转速，从而提高风能捕获效率并降低结构载荷，因此被广泛应用，特别是发电效率相对较低的低风速风力发电机组。但风力发电系统的输出功率不仅受系统负荷的影响，还受外部环境风力强度和变化的影响。为了提高风力发电系统的发电效率，需要在考虑负载和外部环境的情况下跟踪最大功率点。
现有技术中，用以控制有功功率的方法有很多，如叶尖速比法、最优转矩法以及爬山搜索法等，其适配的场景也有所不同，实际生活中，风速也属于不可控因素，而一贯的采用单一的控制方法就可能会使得风能转化效率阶段性的降低，不仅达不到用户需求，还可能导致风力发电带来的收益受到影响，基于此，本方案提供了一种根据风速的波动来实现风能捕获模型切换的控制方法。
发明内容
本发明的目的是提供一种依赖低风速动态规划的有功功率控制方法，能够根据风速的波动来确定其集中偏度，再根据其集中偏度来实现风能捕获模型切换。
本发明采取的技术方案具体如下：
一种依赖低风速动态规划的有功功率控制方法，包括：
获取低风风速信息，其中，所述低风风速信息包括历史风速参数以及当前风速参数；
构建多个监测时段，并分别在多个所述监测时段内设置多个采样节点，且将这些采样节点下的历史风速参数汇总为多个待评估数据集；
将多个所述监测时段内的历史风速参数分别输入至评估模型中，得到多个一级风速波动节点；
获取相邻所述一级风速波动节点之间的持续时长，并将其标定为待校验时长；
获取额定时长，并与所述待校验时长进行比较；
若所述待校验时长小于额定时长，则表明位次靠后的一级风速波动节点为瞬时节点，并继续与下一位次的一级风速波动波动节点进行比较；
若所述待校验时长大于或等于额定时长，则表明该所述一级风速波动节点为非瞬时节点，并将其标定为二级风速波动节点；
以相邻三个所述二级风速波动节点为一组，输入至优化模型中，得到分段时长；
获取每个所述监测时段下的分段时长，并将其输入至分类模型中，得到可执行时长以及非可执行时长；
获取所述非可执行时长下的历史风速参数，并测算其平均值，得到平均风速，再将所述平均风速输入至规划模型中，匹配出对应的风能捕获模型。
在一种优选方案中，所述历史风速参数以及当前风速参数均包括恒风、阵风以及渐变风。
在一种优选方案中，所述将多个所述监测时段内的历史风速参数分别输入至评估模型中，得到多个一级风速波动节点的步骤，包括：
从所述待评估数据集中获取相邻采样节点下历史风速参数的波动量，并将其标定为待校验参数；
从所述评估模型中调用评估函数；
获取额定风速波动量，并与所述待校验参数一同输入至评估函数中，得到风速波动偏差量；
获取容许浮动阈值，并与所述风速波动偏差量进行比较；
若所述风速波动偏差量小于容许浮动阈值，则判定所述历史风速参数未波动，且继续比对下一位次的历史风速参数；
若所述风速波动偏差量大于或等于容许浮动阈值，则判定所述历史风速参数波动，并将其对应的采样节点标定为一级风速波动节点。
在一种优选方案中，所述以相邻三个所述二级风速波动节点为一组，输入至优化模型中，得到分段时长的步骤，包括：
获取相邻三个所述二级风速波动节点，并分别标定为第一波动节点、第二波动节点以及第三波动节点；
获取第一波动节点与第二波动节点之间的时长，以及第二波动节点与第三波动节点之间的时长，且分别标定为第一待优化时长和第二待优化时长；
从所述优化模型中调用优化函数，并将所述第一待优化时长和第二代优化时长输入至优化函数中，得到分段节点；
将相邻所述分段节点之间的时段确定分段时长。
在一种优选方案中，所述获取每个所述监测时段下的分段时长，并将其输入至分类模型中，得到可执行时长以及非可执行时长的步骤，包括：
获取所述监测时段下的分段时长；
从所述分类模型中调用分类区间，并分别与分段时长进行比较，判断所述分段时长是否属于分类区间内；
若是，则判定所述分段时长为非可执行时长；
若否，则判定所述分段时长为可执行时长。
在一种优选方案中，所述得到可执行时长以及非可执行时长之后的步骤，包括：
获取所有非可执行时长的数量，并将其标定为待比对参数；
测算所述待比对参数在可执行时长以及非可执行时长总量中的占比率；
获取评价阈值，并与待比对参数的占比率进行比较；
若所述待比对参数的占比率大于或等于评价阈值，则将所述监测时段内的非可执行时长输入至偏度评价模型中，得到非可执行时长的变化趋势；
若所述待比对参数的占比率小于评价阈值，则表明所述监测时段内的非可执行时长为瞬时现象，且不将其输入偏度评价模型中。
在一种优选方案中，将所述监测时段内的非可执行时长输入至偏度评价模型中，得到非可执行时长的变化趋势的步骤，包括：
获取每个所述监测时段中非可执行时长的数量，并标定为待评价参数；
从所述偏度评价模型中调用评价函数；
将所述待评价参数输入至评价函数中，且将其输出结果标定为集中偏度；
若所述集中偏度的取值大于零，则表明所述非可执行时长逐渐减少；
若所述集中偏度的取值等于零，则表明所述非可执行时长平均分布在多个监测时段内；
若所述集中偏度的取值小于零，则表明所述非可执行时长逐渐增加。
本发明还提供了，一种依赖低风速动态规划的有功功率控制系统，应用于上述的依赖低风速动态规划的有功功率控制方法，包括：
第一获取模块，所述第一获取模块用于获取低风风速信息，其中，所述低风风速信息包括历史风速参数以及当前风速参数；
采样模块，所述采样模块用于构建多个监测时段，并分别在多个所述监测时段内设置多个采样节点，且将这些采样节点下的历史风速参数汇总为多个待评估数据集；
评估模块，所述评估模块用于将多个所述监测时段内的历史风速参数分别输入至评估模型中，得到多个一级风速波动节点；
第二获取模块，所述第二获取模块用于获取相邻所述一级风速波动节点之间的持续时长，并将其标定为待校验时长；
比对模块，所述比对模块用于获取额定时长，并与所述待校验时长进行比较；
若所述待校验时长小于额定时长，则表明位次靠后的一级风速波动节点为瞬时节点，并继续与下一位次的一级风速波动波动节点进行比较；
若所述待校验时长大于或等于额定时长，则表明该所述一级风速波动节点为非瞬时节点，并将其标定为二级风速波动节点；
优化模块，所述优化模块用于以相邻三个所述二级风速波动节点为一组，输入至优化模型中，得到分段时长；
分类模块，所述分类模块用于获取每个所述监测时段下的分段时长，并将其输入至分类模型中，得到可执行时长以及非可执行时长；
规划模块，所述规划模块用于获取所述非可执行时长下的历史风速参数，并测算其平均值，得到平均风速，再根据所述平均风速规划出对应的风能捕获模型。
在一种优选方案中，所述风能捕获模型包括第一测算单元、第二测算单元以及第三测算单元，所述第一测算单元、第二测算单元以及第三测算单元分别对应一个平均风速下限值。
以及，一种依赖低风速动态规划的有功功率控制终端，包括：
至少一个处理器；
以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的依赖低风速动态规划的有功功率控制方法。
本发明取得的技术效果为：
本发明能够对多个监测时段下的历史风速参数进行评估分析，以此来得到一级风速波动节点，并通过判断一级风速波动节点的持续时长来确定二级风速波动节点，再以二级风速波动节点为基础来确定可执行时长和非可执行时长，之后通过评价非可执行时长的集中偏度来确定风能捕获模型的选择，从而便可在不通风速环境下选择不同的风能捕获模型，使得风力发电过程中风能的转化效率能够得到保证，同时也能够保证用户的用电情况不会受到影响。
附图说明
图1是本发明所提供的方法流程图；
图2是本发明所提供的系统模块图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个较佳的实施方式中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
请参阅图1和图2所示，本发明提供了一种依赖低风速动态规划的有功功率控制方法，包括：
S1、获取低风风速信息，其中，低风风速信息包括历史风速参数以及当前风速参数，历史风速参数以及当前风速参数均包括恒风、阵风以及渐变风；
S2、构建多个监测时段，并分别在多个监测时段内设置多个采样节点，且将这些采样节点下的历史风速参数汇总为多个待评估数据集；
S3、将多个监测时段内的历史风速参数分别输入至评估模型中，得到多个一级风速波动节点；
S4、获取相邻一级风速波动节点之间的持续时长，并将其标定为待校验时长；
S5、获取额定时长，并与待校验时长进行比较；
若待校验时长小于额定时长，则表明位次靠后的一级风速波动节点为瞬时节点，并继续与下一位次的一级风速波动波动节点进行比较；
若待校验时长大于或等于额定时长，则表明该一级风速波动节点为非瞬时节点，并将其标定为二级风速波动节点；
S6、以相邻三个二级风速波动节点为一组，输入至优化模型中，得到分段时长；
S7、获取每个监测时段下的分段时长，并将其输入至分类模型中，得到可执行时长以及非可执行时长；
S8、获取非可执行时长下的历史风速参数，并测算其平均值，得到平均风速，再将平均风速输入至规划模型中，匹配出对应的风能捕获模型。
如上述步骤S1-S8所述，随着人们环保意识的增加，传统发电行业也已经不局限于火力发电，更多的是太阳能发电和风力发电，对于风力而言，其是自然界中取之不尽，用之不竭的能源之一，为保证风力发电过程中风能的转化效率，均会配置相应的风力机来最大限度的吸收和转换风能，但是，风速的变化是非人力可控制的，故而，针对不同的情况，便衍生出多种风力发电机组的最大功率点跟踪策略，即使在同一地区，不同时段下也会有不同的风速，但常规应用中，多只会采用一种跟踪策略来控制发电机组的输出功率，本实施例中，首先获取低风风速信息，再构建多个监测时段，并在监测时段内设置多个采样节点，并统计这些采样节点下的历史风速参数，而后将这些历史风速参数输入至评估模型中，便可得到一级风速波动节点，再根据一级风速波动节点确定待校验时长，之后再将这些待校验时长与额定时长进行比较即可，因为风力发电的效果还与风场规模、风机机型以及塔轮轮毂高度等相关，故而额定时长便需要根据实际需求进行设置，文中对其就不加以明确的限定和赘述，而后根据比对结果确定二级风速波动节点，并将二级风速波动节点输入至优化模型中，得到分段时长，并将分段时长输入至分类模型中，由此即可确定可执行时长和非可执行时长，可执行时长下，按照原定的跟踪策略控制发电机组，而非可执行时长则被输入至规划模型中，并匹配出对应的风能捕获模型，实施跟踪策略的调整，进而便能够相应的提高风能转化效率。
在一个较佳的实施方式中，将多个监测时段内的历史风速参数分别输入至评估模型中，得到多个一级风速波动节点的步骤，包括：
S301、从待评估数据集中获取相邻采样节点下历史风速参数的波动量，并将其标定为待校验参数；
S302、从评估模型中调用评估函数；
S303、获取额定风速波动量，并与待校验参数一同输入至评估函数中，得到风速波动偏差量；
S304、获取容许浮动阈值，并与风速波动偏差量进行比较；
若风速波动偏差量小于容许浮动阈值，则判定历史风速参数未波动，且继续比对下一位次的历史风速参数；
若风速波动偏差量大于或等于容许浮动阈值，则判定历史风速参数波动，并将其对应的采样节点标定为一级风速波动节点。
如上述步骤S301-S304所述，在待评估数据集确定之后，将其中相邻采样节点下历史风速参数的波动量确定为待校验参数，将其输入至评估模型中，而后再从评估模型中调用评估函数，其中，评估函数为：，式中，/>表示风速波动偏差量，/>表示额定风速波动量，/>表示待校验参数，而后根据评估函数的测算结果来与容许浮动阈值进行比较，以此来判断历史风速参数是否发生波动，并且在其被确定为波动之后，将其对应的采样节点标定为一级风速波动节点，为后续优化模型的执行提供相应的数据支持。
在一个较佳的实施方式中，以相邻三个二级风速波动节点为一组，输入至优化模型中，得到分段时长的步骤，包括：
S601、获取相邻三个二级风速波动节点，并分别标定为第一波动节点、第二波动节点以及第三波动节点；
S602、获取第一波动节点与第二波动节点之间的时长，以及第二波动节点与第三波动节点之间的时长，且分别标定为第一待优化时长和第二待优化时长；
S603、从优化模型中调用优化函数，并将第一待优化时长和第二代优化时长输入至优化函数中，得到分段节点；
S604、将相邻分段节点之间的时段确定分段时长。
如上述步骤S601-S604所述，在所有的一级风速波动节点被确定之后，会统计相邻一级风速波动节点之间的时长，并确定为待校验时长，再将待校验时长与额定时长进行比较，该额定时长的设置目的是为了判断待校验时长的持续时间是否能满足切换跟踪策略的需求，例如，待校验时长仅持续5min，其持续时间非常短暂，那么其对风力发电便无明显的影响，而若是待校验时长持续时间为1h，那么此时其对风力发电的效率便会造成明显的影响，这里，额定时长的设置需要根据具体情况进行设置，在此就不加以明确的限制，则在待校验时长小于额定时长的情况下，会将其对应的位次靠后的一级风速波动节点确定为瞬时节点，反之，则就将其标定为二级风速波动节点，且在二级风速波动节点被确定之后，首先将其按照发生时间的顺序进行排列，并且以相邻三个二级风速波动节点为一组执行优化操作，为方便区分，该实施方式按照其位次依次将其标定为第一波动节点、第二波动节点以及第三波动节点，并将三者之间的时间间隔分别标定为第一待优化时长和第二代优化时长，再将第一待优化时长和第二代待优化时长以及其对应的历史风速参数输入至优化函数中，其中，优化函数的表达式为：，式中，/>和/>分别表示第一待优化时长和第二待优化时长，/>表示第一波动节点与第二波动节点之间的历史风速参数的数量，表示第二波动节点与第三波动节点之间的历史风速参数的数量，/>表示第一波动节点与第二波动节点之间的历史风速参数，/>分别表示第二波动节点与第三波动节点之间的历史风速参数，/>表示风速偏量评价区间，具体取值可根据实际需求进行设置，用于判断第二待优化时长下的历史风速参数是否接近第一待优化时长下的历史风速参数，若满足上式，则就将第二波动节点筛除，再将第一波动节点和第三波动节点确定为分段节点，反之，则将第一波动节点、第二波动节点以及第三波动节点均确定为分段节点，最后以相邻的分段节点确定分段时长即可。
在一个较佳的实施方式中，获取每个监测时段下的分段时长，并将其输入至分类模型中，得到可执行时长以及非可执行时长的步骤，包括：
S701、获取监测时段下的分段时长；
S702、从分类模型中调用分类区间，并分别与分段时长进行比较，判断分段时长是否属于分类区间内；
若是，则判定分段时长为非可执行时长；
若否，则判定分段时长为可执行时长。
如上述步骤S701-S702所述，在分段时长确定之后，将其与分类区间进行比较，分类区间包括可执行区间以及非可执行区间，是依据各个分段时长下实行不同跟踪策略的历史收益进行确定的，对于历史收益为正的则对应可执行区间，对于历史收益为负的则对应非可执行区间，基于此，便可确定后续各个分段时长的可执行性，从而确保风速波动的情况下，风力发电的收益不会受到影响。
在一个较佳的实施方式中，得到可执行时长以及非可执行时长之后的步骤，包括：
Stp1、获取所有非可执行时长的数量，并将其标定为待比对参数；
Stp2、测算待比对参数在可执行时长以及非可执行时长总量中的占比率；
Stp3、获取评价阈值，并与待比对参数的占比率进行比较；
若待比对参数的占比率大于或等于评价阈值，则将监测时段内的非可执行时长输入至偏度评价模型中，得到非可执行时长的变化趋势；
若待比对参数的占比率小于评价阈值，则表明监测时段内的非可执行时长为瞬时现象，且不将其输入偏度评价模型中。
如上述步骤Stp1-Stp3所述，由于不同地区气候的不一致性，其非可执行时长的数量可能会占比较大，不调整跟踪策略不仅会使得风能转化率降低，还会进一步扩大收益负增长的趋势，本实施方式通过测算非可执行时长的占比率来确定其是否为瞬时现象，并在其占比率高于评价阈值时输入至偏度评价模型中，以此来评估其变化趋势，再根据其变化来实施跟踪策略的调整，从而降低非可执行时长下收益负增长的趋势，并相应的提高风能转化率，满足用电用户的需求。
在一个较佳的实施方式中，将监测时段内的非可执行时长输入至偏度评价模型中，得到非可执行时长的变化趋势的步骤，包括：
Stp301、获取每个监测时段中非可执行时长的数量，并标定为待评价参数；
Stp302、从偏度评价模型中调用评价函数；
Stp303、将待评价参数输入至评价函数中，且将其输出结果标定为集中偏度；
若集中偏度的取值大于零，则表明非可执行时长逐渐减少；
若集中偏度的取值等于零，则表明非可执行时长平均分布在多个监测时段内；
若集中偏度的取值小于零，则表明非可执行时长逐渐增加。
如上述步骤Stp301-Stp303所述，在非可执行时长的占比率高于评价阈值时，将其输入值评价函数中，评价函数为：，式中，/>表示，待评价参数的集中偏度，/>表示待评价参数的数量，/>表示待评价参数，/>表示待评价参数的均值，以此便可对待评价参数的集中偏度进行评估，并根据评估结果确定其集中分布的区域，之后根据其分布区域内的风速参数来调整跟踪策略即可。
本发明还提供了，一种依赖低风速动态规划的有功功率控制系统，应用于上述的依赖低风速动态规划的有功功率控制方法，包括：
第一获取模块，第一获取模块用于获取低风风速信息，其中，低风风速信息包括历史风速参数以及当前风速参数；
采样模块，采样模块用于构建多个监测时段，并分别在多个监测时段内设置多个采样节点，且将这些采样节点下的历史风速参数汇总为多个待评估数据集；
评估模块，评估模块用于将多个监测时段内的历史风速参数分别输入至评估模型中，得到多个一级风速波动节点；
第二获取模块，第二获取模块用于获取相邻一级风速波动节点之间的持续时长，并将其标定为待校验时长；
比对模块，比对模块用于获取额定时长，并与待校验时长进行比较；
若待校验时长小于额定时长，则表明位次靠后的一级风速波动节点为瞬时节点，并继续与下一位次的一级风速波动波动节点进行比较；
若待校验时长大于或等于额定时长，则表明该一级风速波动节点为非瞬时节点，并将其标定为二级风速波动节点；
优化模块，优化模块用于以相邻三个二级风速波动节点为一组，输入至优化模型中，得到分段时长；
分类模块，分类模块用于获取每个监测时段下的分段时长，并将其输入至分类模型中，得到可执行时长以及非可执行时长；
规划模块，规划模块用于获取非可执行时长下的历史风速参数，并测算其平均值，得到平均风速，再根据平均风速规划出对应的风能捕获模型。
上述中，在该系统执行时，第一获取模块首先会采集低风风速信息，该低风风速信息包括历史风速参数和当前风速参数，历史风速参数的获取是为对当前风速参数提供参考依据，以此来规划跟踪策略（风能捕获模型），在历史风速参数确定之后，通过采样模块构建监测时段，并采集监测时段内各个采样节点下的历史风速参数，并将其汇总为待评估数据集，之后结合评估模块，确定多个一级风速波动节点，再通过第二获取模块获取相邻一级风速波动节点之间的持续时长，并将其标定为待校验时长，并通过比对模块将额定时长与待校验时长进行比较，以此来判断一级风速节点是否为瞬时节点，并在其为非瞬时节点时，将其标定为二级风速波动节点，之后以三个相邻的二级风速波动节点为一组，并输入至优化模块中，得到分段时长，之后结合分类模块来标定可执行时长和非可执行时长，并且对非可执行时长的集中偏度进行评价，并结合规划模块来规划非可执行时长下的风能捕获模型。
在一个较佳的实施方式中，风能捕获模型包括第一测算单元、第二测算单元以及第三测算单元，第一测算单元、第二测算单元以及第三测算单元分别对应一个平均风速下限值。
上述中，第一测算单元、第二测算单元以及第三测算单元分别为叶尖速比法、最优转矩法以及爬山搜索法，均为现有技术中常用的技术手段，在此就不加以详细的赘述。
以及，一种依赖低风速动态规划的有功功率控制终端，包括：
至少一个处理器；
以及与至少一个处理器通信连接的存储器；
其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行上述的依赖低风速动态规划的有功功率控制方法。
本领域技术人员可以理解，本发明所述的控制终端可以为所需的目的而专门设计和制造，或者也可以包括通用计算机中的已知设备。这些设备具有存储在其内的计算机程序或应用程序，这些计算机程序选择性地激活或重构。这样的计算机程序可以被存储在设备（例如，计算机）可读介质中或者存储在适于存储电子指令并分别耦联到总线的任何类型的介质中，所述计算机可读介质包括但不限于任何类型的盘（包括软盘、硬盘、光盘、CD-ROM、和磁光盘）、ROM（Read-Only Memory，只读存储器）、RAM（Random AccessMemory，随机存储器）、EPROM（Erasable Programmable Read-Only Memory，可擦写可编程只读存储器）、EEPROM（Electrically Erasable Programmable Read-Only Memory，电可擦可编程只读存储器）、闪存、磁性卡片或光线卡片。也就是，可读介质包括由设备（例如，计算机）以能够读的形式存储或传输信息的任何介质
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本发明中未具体描述和解释说明的结构、装置以及操作方法，如无特别说明和限定，均按照本领域的常规手段进行实施。
Claims (10)
1.一种依赖低风速动态规划的有功功率控制方法，其特征在于：包括：
获取低风风速信息，其中，所述低风风速信息包括历史风速参数以及当前风速参数；
构建多个监测时段，并分别在多个所述监测时段内设置多个采样节点，且将这些采样节点下的历史风速参数汇总为多个待评估数据集；
将多个所述监测时段内的历史风速参数分别输入至评估模型中，得到多个一级风速波动节点；
获取相邻所述一级风速波动节点之间的持续时长，并将其标定为待校验时长；
获取额定时长，并与所述待校验时长进行比较；
若所述待校验时长小于额定时长，则表明位次靠后的一级风速波动节点为瞬时节点，并继续与下一位次的一级风速波动波动节点进行比较；
若所述待校验时长大于或等于额定时长，则表明该所述一级风速波动节点为非瞬时节点，并将其标定为二级风速波动节点；
以相邻三个所述二级风速波动节点为一组，输入至优化模型中，得到分段时长；
获取每个所述监测时段下的分段时长，并将其输入至分类模型中，得到可执行时长以及非可执行时长；
获取所述非可执行时长下的历史风速参数，并测算其平均值，得到平均风速，再将所述平均风速输入至规划模型中，匹配出对应的风能捕获模型。
2.根据权利要求1所述的一种依赖低风速动态规划的有功功率控制方法，其特征在于：所述历史风速参数以及当前风速参数均包括恒风、阵风以及渐变风。
3.根据权利要求1所述的一种依赖低风速动态规划的有功功率控制方法，其特征在于：所述将多个所述监测时段内的历史风速参数分别输入至评估模型中，得到多个一级风速波动节点的步骤，包括：
从所述待评估数据集中获取相邻采样节点下历史风速参数的波动量，并将其标定为待校验参数；
从所述评估模型中调用评估函数；
获取额定风速波动量，并与所述待校验参数一同输入至评估函数中，得到风速波动偏差量；
获取容许浮动阈值，并与所述风速波动偏差量进行比较；
若所述风速波动偏差量小于容许浮动阈值，则判定所述历史风速参数未波动，且继续比对下一位次的历史风速参数；
若所述风速波动偏差量大于或等于容许浮动阈值，则判定所述历史风速参数波动，并将其对应的采样节点标定为一级风速波动节点。
4.根据权利要求1所述的一种依赖低风速动态规划的有功功率控制方法，其特征在于：所述以相邻三个所述二级风速波动节点为一组，输入至优化模型中，得到分段时长的步骤，包括：
获取相邻三个所述二级风速波动节点，并分别标定为第一波动节点、第二波动节点以及第三波动节点；
获取第一波动节点与第二波动节点之间的时长，以及第二波动节点与第三波动节点之间的时长，且分别标定为第一待优化时长和第二待优化时长；
从所述优化模型中调用优化函数，并将所述第一待优化时长和第二代优化时长输入至优化函数中，得到分段节点；
将相邻所述分段节点之间的时段确定分段时长。
5.根据权利要求1所述的一种依赖低风速动态规划的有功功率控制方法，其特征在于：所述获取每个所述监测时段下的分段时长，并将其输入至分类模型中，得到可执行时长以及非可执行时长的步骤，包括：
获取所述监测时段下的分段时长；
从所述分类模型中调用分类区间，并分别与分段时长进行比较，判断所述分段时长是否属于分类区间内；
若是，则判定所述分段时长为非可执行时长；
若否，则判定所述分段时长为可执行时长。
6.根据权利要求1所述的一种依赖低风速动态规划的有功功率控制方法，其特征在于：所述得到可执行时长以及非可执行时长之后的步骤，包括：
获取所有非可执行时长的数量，并将其标定为待比对参数；
测算所述待比对参数在可执行时长以及非可执行时长总量中的占比率；
获取评价阈值，并与待比对参数的占比率进行比较；
若所述待比对参数的占比率大于或等于评价阈值，则将所述监测时段内的非可执行时长输入至偏度评价模型中，得到非可执行时长的变化趋势；
若所述待比对参数的占比率小于评价阈值，则表明所述监测时段内的非可执行时长为瞬时现象，且不将其输入偏度评价模型中。
7.根据权利要求1所述的一种依赖低风速动态规划的有功功率控制方法，其特征在于：将所述监测时段内的非可执行时长输入至偏度评价模型中，得到非可执行时长的变化趋势的步骤，包括：
获取每个所述监测时段中非可执行时长的数量，并标定为待评价参数；
从所述偏度评价模型中调用评价函数；
将所述待评价参数输入至评价函数中，且将其输出结果标定为集中偏度；
若所述集中偏度的取值大于零，则表明所述非可执行时长逐渐减少；
若所述集中偏度的取值等于零，则表明所述非可执行时长平均分布在多个监测时段内；
若所述集中偏度的取值小于零，则表明所述非可执行时长逐渐增加。
8.一种依赖低风速动态规划的有功功率控制系统，应用于权利要求1至7中任意一项所述的依赖低风速动态规划的有功功率控制方法，其特征在于：包括：
第一获取模块，所述第一获取模块用于获取低风风速信息，其中，所述低风风速信息包括历史风速参数以及当前风速参数；
采样模块，所述采样模块用于构建多个监测时段，并分别在多个所述监测时段内设置多个采样节点，且将这些采样节点下的历史风速参数汇总为多个待评估数据集；
评估模块，所述评估模块用于将多个所述监测时段内的历史风速参数分别输入至评估模型中，得到多个一级风速波动节点；
第二获取模块，所述第二获取模块用于获取相邻所述一级风速波动节点之间的持续时长，并将其标定为待校验时长；
比对模块，所述比对模块用于获取额定时长，并与所述待校验时长进行比较；
若所述待校验时长小于额定时长，则表明位次靠后的一级风速波动节点为瞬时节点，并继续与下一位次的一级风速波动波动节点进行比较；
若所述待校验时长大于或等于额定时长，则表明该所述一级风速波动节点为非瞬时节点，并将其标定为二级风速波动节点；
优化模块，所述优化模块用于以相邻三个所述二级风速波动节点为一组，输入至优化模型中，得到分段时长；
分类模块，所述分类模块用于获取每个所述监测时段下的分段时长，并将其输入至分类模型中，得到可执行时长以及非可执行时长；
规划模块，所述规划模块用于获取所述非可执行时长下的历史风速参数，并测算其平均值，得到平均风速，再根据所述平均风速规划出对应的风能捕获模型。
9.根据权利要求8所述的一种依赖低风速动态规划的有功功率控制系统，其特征在于：所述风能捕获模型包括第一测算单元、第二测算单元以及第三测算单元，所述第一测算单元、第二测算单元以及第三测算单元分别对应一个平均风速下限值。
10.一种依赖低风速动态规划的有功功率控制终端，其特征在于：包括：
至少一个处理器；
以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7中任意一项所述的依赖低风速动态规划的有功功率控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310985122.XA CN116707035B (zh) | 2023-08-07 | 2023-08-07 | 一种依赖低风速动态规划的有功功率控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310985122.XA CN116707035B (zh) | 2023-08-07 | 2023-08-07 | 一种依赖低风速动态规划的有功功率控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116707035A true CN116707035A (zh) | 2023-09-05 |
| CN116707035B CN116707035B (zh) | 2023-09-29 |
Family
ID=87837871
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310985122.XA Active CN116707035B (zh) | 2023-08-07 | 2023-08-07 | 一种依赖低风速动态规划的有功功率控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116707035B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116770395A (zh) * | 2023-08-22 | 2023-09-19 | 深圳市互成自动化设备有限公司 | 一种电泳喷粉涂装质量监测方法及系统 |
| CN117097677A (zh) * | 2023-10-19 | 2023-11-21 | 南京风船云聚信息技术有限公司 | 一种基于大数据的流量管理分配系统及分析方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070035135A1 (en) * | 2004-05-07 | 2007-02-15 | Mitsubishi Denki Kabushiki Kaisha | Wind power generation evaluation system and predictive control service system for use with wind power generator |
| US20130184838A1 (en) * | 2012-01-06 | 2013-07-18 | Michigan Aerospace Corporation | Resource optimization using environmental and condition-based monitoring |
| WO2014201849A1 (zh) * | 2013-06-18 | 2014-12-24 | 国网辽宁省电力有限公司电力科学研究院 | 配有储能电站的分散式风电场有功优化调控方法 |
| CN109980700A (zh) * | 2019-04-09 | 2019-07-05 | 广东电网有限责任公司 | 一种分布式电源多目标优化规划方法、装置和设备 |
| CN111336062A (zh) * | 2020-03-05 | 2020-06-26 | 中国大唐集团科学技术研究院有限公司华中电力试验研究院 | 一种基于测量风速的风力发电机组最大风能捕获方法 |
| US20200309090A1 (en) * | 2019-03-28 | 2020-10-01 | Yingtang Li | Dynamic matching method and system for improving wind power generation efficiency at medium and low wind speeds |
| CN114117887A (zh) * | 2021-10-28 | 2022-03-01 | 华能利津风力发电有限公司 | 风电机组的在线发电性能的实时评估方法、系统及介质 |
| WO2023036344A1 (zh) * | 2021-09-13 | 2023-03-16 | 中国电力科学研究院有限公司 | 风储系统一次调频协调控制方法、系统、设备及存储介质 |
| CN115936180A (zh) * | 2022-11-02 | 2023-04-07 | 国网北京市电力公司 | 光伏发电功率预测方法、装置和计算机设备 |
| WO2023063887A2 (en) * | 2021-10-14 | 2023-04-20 | Envision Digital International Pte. Ltd. | Method and apparatus for predicting state of wind turbine blade, and device and storage medium therefor |
| WO2023123685A1 (zh) * | 2021-12-27 | 2023-07-06 | 北京金风科创风电设备有限公司 | 风力发电机组的寿命评估方法和装置 |
-
2023
- 2023-08-07 CN CN202310985122.XA patent/CN116707035B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070035135A1 (en) * | 2004-05-07 | 2007-02-15 | Mitsubishi Denki Kabushiki Kaisha | Wind power generation evaluation system and predictive control service system for use with wind power generator |
| US20130184838A1 (en) * | 2012-01-06 | 2013-07-18 | Michigan Aerospace Corporation | Resource optimization using environmental and condition-based monitoring |
| WO2014201849A1 (zh) * | 2013-06-18 | 2014-12-24 | 国网辽宁省电力有限公司电力科学研究院 | 配有储能电站的分散式风电场有功优化调控方法 |
| US20200309090A1 (en) * | 2019-03-28 | 2020-10-01 | Yingtang Li | Dynamic matching method and system for improving wind power generation efficiency at medium and low wind speeds |
| CN109980700A (zh) * | 2019-04-09 | 2019-07-05 | 广东电网有限责任公司 | 一种分布式电源多目标优化规划方法、装置和设备 |
| CN111336062A (zh) * | 2020-03-05 | 2020-06-26 | 中国大唐集团科学技术研究院有限公司华中电力试验研究院 | 一种基于测量风速的风力发电机组最大风能捕获方法 |
| WO2023036344A1 (zh) * | 2021-09-13 | 2023-03-16 | 中国电力科学研究院有限公司 | 风储系统一次调频协调控制方法、系统、设备及存储介质 |
| WO2023063887A2 (en) * | 2021-10-14 | 2023-04-20 | Envision Digital International Pte. Ltd. | Method and apparatus for predicting state of wind turbine blade, and device and storage medium therefor |
| CN114117887A (zh) * | 2021-10-28 | 2022-03-01 | 华能利津风力发电有限公司 | 风电机组的在线发电性能的实时评估方法、系统及介质 |
| WO2023123685A1 (zh) * | 2021-12-27 | 2023-07-06 | 北京金风科创风电设备有限公司 | 风力发电机组的寿命评估方法和装置 |
| CN115936180A (zh) * | 2022-11-02 | 2023-04-07 | 国网北京市电力公司 | 光伏发电功率预测方法、装置和计算机设备 |
Non-Patent Citations (3)
| Title |
|---|
| 姚万业;贾昭鑫;黄璞;: "基于风速预测的改进爬山法最大功率追踪策略", 电力科学与工程, no. 02, pages 48 - 53 * |
| 艾青;: "变速恒频风力发电机组最大能量捕获策略研究", 湖北民族学院学报(自然科学版), no. 02, pages 91 - 94 * |
| 陈炜;吴军;刘涤尘;陈懿;陈柏森;: "计及有功备用的双馈感应发电机组功率优化控制", 电力系统及其自动化学报, no. 07, pages 55 - 62 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116770395A (zh) * | 2023-08-22 | 2023-09-19 | 深圳市互成自动化设备有限公司 | 一种电泳喷粉涂装质量监测方法及系统 |
| CN117097677A (zh) * | 2023-10-19 | 2023-11-21 | 南京风船云聚信息技术有限公司 | 一种基于大数据的流量管理分配系统及分析方法 |
| CN117097677B (zh) * | 2023-10-19 | 2023-12-19 | 南京风船云聚信息技术有限公司 | 一种基于大数据的流量管理分配系统及分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116707035B (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116707035B (zh) | 一种依赖低风速动态规划的有功功率控制方法 | |
| Hemanth Kumar et al. | Review on control techniques and methodologies for maximum power extraction from wind energy systems | |
| CN101919134B (zh) | 用于风力涡轮发电机的基于事件的控制系统及控制方法 | |
| US9886417B2 (en) | Method and apparatus for controlling voltage in wind farm | |
| US11486357B2 (en) | Method and apparatus for self-adaption of a cut-out strategy | |
| US20130300115A1 (en) | Systems and methods for optimizing power generation in a wind farm turbine array | |
| US9719494B2 (en) | Methods of operating a wind turbine, wind turbines and wind parks | |
| CN102269124A (zh) | 超短期风电场发电功率预测系统 | |
| CN110460038A (zh) | 一种涉及新能源并网的多场景输电网扩展规划方法 | |
| CN111064190B (zh) | 一种基于维纳随机过程的风电场储能系统配置方法 | |
| Anand et al. | FPGA based substantial power evolution controlling strategy for solar and wind forecasting grid connected system | |
| CN111178601B (zh) | 一种基于气象数据后处理的风电机组功率预测方法 | |
| CN117878958A (zh) | 水光互补光伏电站夜间无功补偿分析方法及系统 | |
| KR102403508B1 (ko) | 독립형 마이크로그리드 운영 방법 및 장치 | |
| Ma et al. | Optimal power dispatch and control of a wind turbine and battery hybrid system | |
| CN115085262A (zh) | 基于时空不确定性的风电场调频控制方法及装置 | |
| Fruh | Evaluation of simple wind power forecasting methods applied to a long-term wind record from Scotland | |
| CN107919685A (zh) | 一种风电场agc指令寻优整定方法 | |
| Pintea et al. | Modelling and control of wind turbines | |
| Ma et al. | A robust interval economic dispatch method accommodating significant wind power integration | |
| Wang et al. | Generating adversarial deep reinforcement learning-based frequency control of Island City microgrid considering generalization of scenarios | |
| CN118278783B (zh) | 梯级水光互补发电系统优化调度方法、装置、设备及介质 | |
| CN112906928B (zh) | 一种风电场集群有功功率预测方法及系统 | |
| CN118734113B (zh) | 一种计及常规和极端出力的风光功率场景生成方法和系统 | |
| Hao et al. | A Method for Modeling the Output Power of Photovoltaic Power Supplies Based on Non-parametric Kernel Density Estimation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |