CN110083896B - 风电机组运行功率曲线达标符合度评价方法 - Google Patents
风电机组运行功率曲线达标符合度评价方法 Download PDFInfo
- Publication number
- CN110083896B CN110083896B CN201910295089.1A CN201910295089A CN110083896B CN 110083896 B CN110083896 B CN 110083896B CN 201910295089 A CN201910295089 A CN 201910295089A CN 110083896 B CN110083896 B CN 110083896B
- Authority
- CN
- China
- Prior art keywords
- power curve
- data
- turbine generator
- wind turbine
- standard
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000004140 cleaning Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims description 42
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 6
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 6
- 238000003064 k means clustering Methods 0.000 claims description 5
- 238000005192 partition Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 5
- 238000004088 simulation Methods 0.000 abstract 1
- 238000012795 verification Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 34
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 125000001153 fluoro group Chemical group F* 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Wind Motors (AREA)
Abstract
风电机组运行功率曲线达标符合度评价方法，步骤如下：第一步：针对待评价的风电机组的机型的风速及功率数据表建立标准功率曲线函数；第二步：针对待评价的风电机组的机型的历史运行秒级风速及功率数据进行清洗处理，建立运行功率曲线函数；第三步：对第一步中的标准功率曲线函数模型和第二步中的运行功率曲线函数模型进行符合系数计算。其将整条功率曲线的主体结构分为风机启动阶段、功率系数恒定阶段、功率恒定阶段、转速恒定阶段四个区域，在明确风电机组各个区域关系的前提下，分别提出上述区域的设计评价方法，同时设计出整个风电机组的设计计算流程图，从而实现了风电机组的初步评价设计，为后续的数值模拟和实验验证提供依据。
Description
技术领域
本发明内容涉及一种用于风电机组运行功率曲线达标符合度评价的方法，可实现风电机组整体的初步设计评估，可用于风电系统的性能评价。
背景技术
风电机组良好的发电性能是保证风力发电企业生产运行管理和发展战略规划的决定因素。而功率曲线是描述风电机组运行性能的一个重要指标，但由于受到温度、气压、叶片污染及机组自身特性等因素的影响，不同风场、不同机组、不同时间所形成的功率曲线具有差异性。所以，分析实际运行功率曲线与标准功率曲线之间的差异，了解影响风电机组功率特性的因素，有利于掌握风电机组的运行状态，为故障诊断做前期工作。目前还未见报道。
发明内容
发明目的：
本发明提供了一种风电机组运行功率曲线达标符合度评价方法，其目的是解决以往所存在的不能更好的分析实际运行功率曲线与标准功率曲线之间的差异的问题。
技术方案：
风电机组运行功率曲线达标符合度评价方法，其特征在于：
该方法步骤如下：
第一步：针对待评价的风电机组的机型的风速及功率数据表建立标准功率曲线函数；
第二步：针对待评价的风电机组的机型的历史运行秒级风速及功率数据进行清洗处理，建立运行功率曲线函数；
第三步：对第一步中的标准功率曲线函数模型和第二步中的运行功率曲线函数模型进行符合系数计算，得出最终评价结果。
第一步中的建立标准功率曲线数学模型和第二步中的建立待评价功率曲线数学模型均采用最小二乘法。
第二步中的清洗处理包括历史数据标准化处理方法和数据清洗处理方法。
历史数据标准化处理方法如下：
折算回归到参考空气密度，气体常数R为287.05J/(kg·K)，测得的10min中的平均绝对气温为T10min，测得的10min平均气压为B10min，测得的10min平均风速值为V10min，标准空气密度为ρ0，则折算后的风速Vn为：
数据清洗处理方法如下：
将功率和标准化后的风速数据分成以风速区间为0.5m/s的片段，将每一个数据片段分别采用基于Spark优化K-means聚类算法的数据清洗算法形成多个微簇，微簇的数据简要结构定义为：C＝[N,Ls,Ss,Cs,Bs,p,p1]，其中N为该微簇中包含的数据点个数，Ls为数据元素属性线性和，Ss为数据元素平方和，Cs为数据元素立方和，Bs为数据元素四次方和，p为微簇生成初始位置，p1为微簇最后更新位置；随着位置的变更，微簇的个数N越来越多，需要定期维护，即首先按公式(2)计算每两个微簇的间距D，如果D小于设置的阈值则按公式(3)合并，反之则进行数据剔除；
C1+C2＝[N1+N2,Ls1+Ls2,Ss1+Ss2,Cs1+Cs2,Bs1+Bs2] (3)
其中C1,C2为两个微簇；xi、xi分别为两微簇内的第i个和第j个数据值；N1,N2分别为两个微簇中包含的数据点个数，Ls1,Ls2为两个微簇内数据元素属性线性和，Ss1,Ss1为两个微簇内数据元素平方和，Cs1,Cs2为两个微簇内数据元素立方和，Bs1,Bs2为两个微簇内数据元素四次方和；
根据微簇间的间距D与设定阈值的大小即可实现数据清洗，设定阈值一般选择μ±3σ，其中，μ为均值，σ标准差。
第三步中的符合系数计算方法如下：
同风速下，标准功率曲线函数a和运行功率曲线函数b的对应的两个功率序列分别为xa和xb，a,b，两曲线功率序列xa和xb的互相关系数Rab的计算公式为式(4)，偏差系数公式dab为式(5)；基于相关性分析的符合系数计算过程为：
其中N为数据个数，xa(n)为a曲线功率序列中第n个数据对应的功率值，xb(n)为b曲线功率序列中第n个数据对应的功率值；
风电机组为M台，风电机组号为i，则符合系数Con表示为式6)；
其中
为i号风电机组运行功率曲线与标准功率曲线的互相关系数，
为i号风电机组运行功率曲线与标准功率曲线的偏差系数。
符合系数计算之后对多台风力发电机的符合系数进行排名评价。
排名评价采用整体运行功率曲线符合系数排名和分区运行功率曲线符合系数排名，两个二选一或者同时使用；
整体运行功率曲线符合系数排名就是在有多台风力发电机的时候，将每台风力发电机的整体运行功率曲线符合系数进行排名；
分区运行功率曲线符合系数排名，就是有多台风力发电机的时候，将每台风力发电机的运行功率曲线进行区域划分，再将每台风力发电机的对应区域运行功率曲线符合系数排名。
区域划分方式有如下两种方式，二选一或者都采用：
根据厂家提供的风机机型的待评估的风速与功率数据划分将运行功率曲线分为切入段风速曲线、满发状态段风速曲线和切出段风速曲线三部分；
根据风机运行状态划分，运行功率曲线分为风机启动区曲线、功率系数恒定区曲线、功率恒定区曲线和转速恒定区曲线。(解释：在分区域符合度计算时，将标准功率曲线也划分为相应区域，并将运行功率曲线的相应区域与标准功率曲线上对应的区域进行符合度计算，然后再对计算结果进行排名)
该系统包括标准功率曲线函数构建模块、运行功率曲线函数构建模块和符合系数计算模块；
标准功率曲线函数构建模块针对待评价的风电机组的机型的风速及功率数据表建立标准功率曲线函数；
运行功率曲线函数构建模块针对待评价的风电机组的机型的历史运行秒级数据进行清洗处理，建立运行功率曲线函数；
符合系数计算模块对标准功率曲线函数构建模块中构建的标准功率曲线函数模型和运行功率曲线函数构建模块构建的运行功率曲线函数模型进行符合系数计算，得出最终评价结果。
优点效果：
本发明提供一种风电机组运行功率曲线达标符合度评价方法，其将整条功率曲线的主体结构分为风机启动阶段、功率系数恒定阶段、功率恒定阶段、转速恒定阶段四个区域，在明确风电机组各个区域关系的前提下，分别提出上述区域的设计评价方法，同时设计出整个风电机组的设计计算流程图，从而实现了风电机组的初步评价设计，为后续的数值模拟和实验验证提供依据。
附图说明
图1：标准功率特性曲线图
图2：基于Spark优化K-means聚类算法的数据清洗算法框架
图3：基于相关性分析的符合系数计算流程图
图4：风电机组的功率曲线符合系数计算流程图
图5：某风场指定机型33台机组的排名情况
具体实施方式：
功率曲线能够直接地反映风电机组运行状态。根据厂家提供的某风机机型的待评估的风速与功率数据中的切入风速、满发状态风速、切出风速，可以将功率曲线大致分为三部分。而根据风机运行状态划分，功率曲线主要由风机启动区、功率系数恒定区、功率恒定区、转速恒定区四个子区组成，如图1所示。不同的区域的曲线形状受相应的主要控制组件影响。所以，应该对功率曲线的达标符合度实行分区和整体计算。
1)历史数据标准化计算方法
本发明中功率曲线的设计计算主要是风速-功率的计算，在功率曲线的绘制中，由于风机的运行环境是多变的，为保证运行状态下的整个功率曲线能够直接与厂家提供的标准功率曲线进行对比分析，需要对数据中的风速进行标准化计算。
由风电机组的发电功率公式可知，影响功率曲线的主要参数是空气密度。所以需要折算回归到参考空气密度。根据GBT 18451.2-2003，若风力机组为功率自动控制，气体常数R为287.05J/(kg·K)，测得的10min中的平均绝对气温为T10min，测得的10min平均气压为B10min，测得的10min平均风速值为V10min，标准空气密度为ρ0，则折算后的风速Vn为：
2)数据清洗计算方法
功率曲线绘制中风速和功率作为研究的主体，风速-功率数据的数量和质量反映了风电机组的性能的优劣、运行状态的稳定性等。所以，本发明采用Spark技术优化数据分布，并应用K-means聚类算法进行数据清洗。
将功率和标准化后的风速数据分成以风速区间为0.5m/s的片段，将每一个数据片段分别采用K-means形成多个微簇，微簇的数据简要结构定义为：C＝[N,Ls,Ss,Cs,Bs,p,p1]，其中其中N为该微簇中包含的数据点个数，Ls为数据元素属性线性和，Ss为数据元素平方和，Cs为数据元素立方和，Bs为数据元素四次方和，p为微簇生成初始位置，p1为微簇最后更新位置。随着位置的变更，微簇的个数N越来越多，需要定期维护，即首先按公式(2)计算每两个微簇的间距D，如果D小于设置的阈值则按公式(3)合并，反之则进行数据剔除。基于Spark优化K-means聚类算法的数据清洗算法框架如图2。
C1+C2＝[N1+N2,Ls1+Ls2,Ss1+Ss2,Cs1+Cs2,Bs1+Bs2] (3)
其中C1,C2为两个微簇；N1,N2分别为两个微簇中包含的数据点个数，Ls1,Ls2为两个微簇内数据元素属性线性和，Ss1,Ss1为两个微簇内数据元素平方和，Cs1,Cs2为两个微簇内数据元素立方和，Bs1,Bs2为两个微簇内数据元素四次方和。
根据微簇间的间距D与设定阈值的大小即可实现数据清洗，设定阈值一般选择μ±3σ，其中，μ为均值，σ标准差。最后利用清洗后的风速-功率数据对功率曲线的散点进行曲线化分析。
3)功率曲线的绘制
根据厂家提供的某风机机型的待评估的风速与功率数据见表1。
表1：风机标准功率曲线表
由表可知，厂家设定的切入风速是3m/s，当风速达到12m/s进入满发状态，切出风速为25m/s。在风速区间为3m/s～12m/s时，相应的风速呈现的增长趋势是非线性的。可以采用最小二乘法建立功率曲线的数学模型1，绘制标准功率曲线图，如图1所示。基于历史数据可采用最小二乘法建立数学模型2，后面称为运行功率曲线。功率曲线的绘制也可采取其他方法，但本专利要求功率曲线可用函数表示，所以采用最小二乘法构造功率曲线。
4)达标符合度计算方法
相关性分析是比较两个函数相似程度的基本方法，其基本思想是利用两个相关函数来估计功率偏移量。相比其他算法，互相关匹配算法实现简单，计算复杂度低，鲁棒性强，因而应用于很多场合。根据功率曲线的分区将风电机组的功率曲线达标符合度计算分为4个子计算分析区。本发明应用互相关的无偏估计对机组功率曲线和标准曲线进行达标符合度计算，并完成机组性能排名。
同风速下，标准功率曲线函数和运行功率曲线函数的对应的两个功率序列分别为xa和xb，a,b两曲线功率序列的互相关系数Rab的计算公式为式(4)，偏差系数公式dab为式(5)；基于相关性分析的符合系数计算过程为：基于相关性分析的符合系数计算流程如图3。
其中N为数据个数，x(n)为第n个数据对应的功率值。
风电机组为M台，风电机组号为i，则符合系数Con表示为式(6)。
其中
为i号风电机组与标准功率曲线的互相关系数，
为i号风电机组与标准功率曲线的偏差系数
某同机型的多台机组的功率曲线与标准功率曲线的符合系数可以采用先分区再整体的方式进行排名(以风速为参考进行分区)。分区排名反映各部分组件的状态，整体排名反映整机的符合复情况，更适合做达标判断。分区和整体，相辅相成，更能准确地进行达标符合度评价。单台风机的功率曲线整体符合系数计算流程图如图4。
5)排名
根据符合度的计算数值对多台风力发电机进行排名，便于理解分析，将符合系数的数值进行归一处理，均属于区间(0,1]。以风机号为代表，用折线图的形式呈现排名情况。符合系数的数值越大说明机组排名越高。以某风场指定机型的33台风电机组为例，进行机组的整体排名，排名情况如图5。
风电机组运行功率曲线达标符合度评价系统，其特征在于：该系统包括标准功率曲线函数构建模块、运行功率曲线函数构建模块和符合系数计算模块；
标准功率曲线函数构建模块针对待评价的风电机组的机型的风速及功率数据表建立标准功率曲线函数；
运行功率曲线函数构建模块针对待评价的风电机组的机型的历史运行秒级数据进行清洗处理，建立运行功率曲线函数；
符合系数计算模块对标准功率曲线函数构建模块中构建的标准功率曲线函数模型和运行功率曲线函数构建模块构建的运行功率曲线函数模型进行符合系数计算，得出最终评价结果。
本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
Claims (9)
1.风电机组运行功率曲线达标符合度评价方法，其特征在于：
该方法步骤如下：
第一步：针对待评价的风电机组的机型的风速及功率数据表建立标准功率曲线函数；
第二步：针对待评价的风电机组的机型的历史运行秒级风速及功率数据进行清洗处理，建立运行功率曲线函数；
第三步：对第一步中的标准功率曲线函数模型和第二步中的运行功率曲线函数模型进行符合系数计算，得出最终评价结果；
第三步中的符合系数计算方法如下：
同风速下，标准功率曲线函数a和运行功率曲线函数b的对应的两个功率序列分别为xa和xb，a,b，两曲线功率序列xa和xb的互相关系数
的计算公式为式(4)，偏差系数公式dab为式(5)；基于相关性分析的符合系数计算过程为：
其中N为数据个数，xa(n)为a曲线功率序列中第n个数据对应的功率值，xb(n)为b曲线功率序列中第n个数据对应的功率值；
风电机组为M台，风电机组号为i，则符合系数Con表示为式6)；
其中
为i号风电机组运行功率曲线与标准功率曲线的互相关系数，
为i号风电机组运行功率曲线与标准功率曲线的偏差系数。
2.根据权利要求1所述的风电机组运行功率曲线达标符合度评价方法，其特征在于：第一步中的建立标准功率曲线数学模型和第二步中的建立待评价功率曲线数学模型均采用最小二乘法。
3.根据权利要求1所述的风电机组运行功率曲线达标符合度评价方法，其特征在于：第二步中的清洗处理包括历史数据标准化处理方法和数据清洗处理方法。
4.根据权利要求3所述的风电机组运行功率曲线达标符合度评价方法，其特征在于：
历史数据标准化处理方法如下：
折算回归到参考空气密度，气体常数R为287.05J/(kg·K)，测得的10min中的平均绝对气温为T10min，测得的10min平均气压为B10min，测得的10min平均风速值为V10min，标准空气密度为ρ0，则折算后的风速Vn为：
5.根据权利要求4所述的风电机组运行功率曲线达标符合度评价方法，其特征在于：
数据清洗处理方法如下：
将功率和标准化后的风速数据分成以风速区间为0.5m/s的片段，将每一个数据片段分别采用基于Spark优化K-means聚类算法的数据清洗算法形成多个微簇，微簇的数据简要结构定义为：C＝[N,Ls,Ss,Cs,Bs,p,p1]，其中N为该微簇中包含的数据点个数，Ls为数据元素属性线性和，Ss为数据元素平方和，Cs为数据元素立方和，Bs为数据元素四次方和，p为微簇生成初始位置，p1为微簇最后更新位置；随着位置的变更，微簇的个数N越来越多，需要定期维护，即首先按公式(2)计算每两个微簇的间距D，如果D小于设置的阈值则按公式(3)合并，反之则进行数据剔除；
C1+C2＝[N1+N2,Ls1+Ls2,Ss1+Ss2,Cs1+Cs2,Bs1+Bs2] (3)
其中C1,C2为两个微簇；xi、xi分别为两微簇内的第i个和第j个数据值；N1,N2分别为两个微簇中包含的数据点个数，Ls1,Ls2为两个微簇内数据元素属性线性和，Ss1,Ss1为两个微簇内数据元素平方和，Cs1,Cs2为两个微簇内数据元素立方和，Bs1,Bs2为两个微簇内数据元素四次方和；
根据微簇间的间距D与设定阈值的大小即可实现数据清洗，设定阈值选择μ±3σ，其中，μ为均值，σ标准差。
6.根据权利要求1所述的风电机组运行功率曲线达标符合度评价方法，其特征在于：
符合系数计算之后对多台风力发电机的符合系数进行排名评价。
7.根据权利要求6所述的风电机组运行功率曲线达标符合度评价方法，其特征在于：排名评价采用整体运行功率曲线符合系数排名和分区运行功率曲线符合系数排名，两个二选一或者同时使用；
整体运行功率曲线符合系数排名就是在有多台风力发电机的时候，将每台风力发电机的整体运行功率曲线符合系数进行排名；
分区运行功率曲线符合系数排名，就是有多台风力发电机的时候，将每台风力发电机的运行功率曲线进行区域划分，再将每台风力发电机的对应区域运行功率曲线符合系数排名。
8.根据权利要求7所述的风电机组运行功率曲线达标符合度评价方法，其特征在于：区域划分方式有如下两种方式，二选一或者都采用：
根据厂家提供的风机机型的待评估的风速与功率数据划分将运行功率曲线分为切入段风速曲线、满发状态段风速曲线和切出段风速曲线三部分；
根据风机运行状态划分，运行功率曲线分为风机启动区曲线、功率系数恒定区曲线、功率恒定区曲线和转速恒定区曲线。
9.风电机组运行功率曲线达标符合度评价系统，其特征在于：该系统包括标准功率曲线函数构建模块、运行功率曲线函数构建模块和符合系数计算模块；
标准功率曲线函数构建模块针对待评价的风电机组的机型的风速及功率数据表建立标准功率曲线函数；
运行功率曲线函数构建模块针对待评价的风电机组的机型的历史运行秒级数据进行清洗处理，建立运行功率曲线函数；
符合系数计算模块对标准功率曲线函数构建模块中构建的标准功率曲线函数模型和运行功率曲线函数构建模块构建的运行功率曲线函数模型进行符合系数计算，得出最终评价结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910295089.1A CN110083896B (zh) | 2019-04-12 | 2019-04-12 | 风电机组运行功率曲线达标符合度评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910295089.1A CN110083896B (zh) | 2019-04-12 | 2019-04-12 | 风电机组运行功率曲线达标符合度评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110083896A CN110083896A (zh) | 2019-08-02 |
| CN110083896B true CN110083896B (zh) | 2023-03-24 |
Family
ID=67414878
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910295089.1A Active CN110083896B (zh) | 2019-04-12 | 2019-04-12 | 风电机组运行功率曲线达标符合度评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110083896B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111242411B (zh) * | 2019-12-27 | 2022-08-19 | 中国电力科学研究院有限公司 | 一种风电机组功率特性评价方法及系统 |
| CN112598207A (zh) * | 2020-06-12 | 2021-04-02 | 河北新天科创新能源技术有限公司 | 一种基于多重清洗的风电机组运行功率曲线评估方法 |
| CN111666458B (zh) * | 2020-06-22 | 2023-04-18 | 中国船级社质量认证有限公司 | 风电机组功率曲线的拟合方法 |
| CN114065464A (zh) * | 2020-08-07 | 2022-02-18 | 中国电力科学研究院有限公司 | 一种风电机组功率特性曲线的构建方法和系统 |
| CN112632749B (zh) * | 2020-11-24 | 2023-08-15 | 华能国际电力股份有限公司 | 一种风力发电机发电性能的评价方法及装置 |
| CN113431800A (zh) * | 2021-07-16 | 2021-09-24 | 西安热工研究院有限公司 | 一种实时判别风机运行状态的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103758696A (zh) * | 2014-01-09 | 2014-04-30 | 华北电力大学 | 基于scada温度参数的风电机组安全状况评价方法 |
| CN108536958A (zh) * | 2018-04-09 | 2018-09-14 | 中能电力科技开发有限公司 | 一种基于功率曲线健康状态分级的风机实时评价方法 |
| CN109118057A (zh) * | 2018-07-20 | 2019-01-01 | 西安西热电站信息技术有限公司 | 一种基于实时功率曲线的风电机组出力评价方法 |
| CN109345113A (zh) * | 2018-09-29 | 2019-02-15 | 北京拾易技术有限公司 | 风电机组性能评估方法及介质 |
-
2019
- 2019-04-12 CN CN201910295089.1A patent/CN110083896B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103758696A (zh) * | 2014-01-09 | 2014-04-30 | 华北电力大学 | 基于scada温度参数的风电机组安全状况评价方法 |
| CN108536958A (zh) * | 2018-04-09 | 2018-09-14 | 中能电力科技开发有限公司 | 一种基于功率曲线健康状态分级的风机实时评价方法 |
| CN109118057A (zh) * | 2018-07-20 | 2019-01-01 | 西安西热电站信息技术有限公司 | 一种基于实时功率曲线的风电机组出力评价方法 |
| CN109345113A (zh) * | 2018-09-29 | 2019-02-15 | 北京拾易技术有限公司 | 风电机组性能评估方法及介质 |
Non-Patent Citations (3)
| Title |
|---|
| Abnormal State Analysis of Wind Turbines;huang qiujuan;《2018 International Conferrece on Power System Technology》;20181231;全文 * |
| 基于运行数据的风电机组功率曲线可靠性评估;袁红亮等;《西北水电》;20181031;第0-4节 * |
| 计及信息不确定性的风电机组健康状态实时评估方法;李刚等;《电力系统自动化》;20170925;第1.2节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110083896A (zh) | 2019-08-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110083896B (zh) | 风电机组运行功率曲线达标符合度评价方法 | |
| US20200184131A1 (en) | A method for prediction of key performance parameter of an aero-engine transition state acceleration process based on space reconstruction | |
| CN110659693B (zh) | 基于k近邻分类的配电网快速拓扑识别方法、系统及介质 | |
| CN108153998B (zh) | 离心鼓风机叶轮的全三维气动优化设计方法 | |
| CN107909211B (zh) | 基于模糊c均值聚类算法的风场等值建模及优化控制方法 | |
| CN112018758A (zh) | 基于数字孪生的含高比例新能源交直流混联系统建模方法 | |
| CN109684597A (zh) | 一种用于压气机全工况特性拓展的方法 | |
| CN111190349A (zh) | 船舶机舱设备状态监测及故障诊断方法、系统及介质 | |
| CN110276966B (zh) | 交叉口信号控制时段划分方法 | |
| CN111898212B (zh) | 基于BezierGAN和贝叶斯优化的叶轮机械型线设计优化方法 | |
| CN112700085B (zh) | 基于关联规则的复杂系统稳态运行参数优化方法、系统和介质 | |
| CN116089777B (zh) | 一种基于信息智能匹配的新能源智能结算方法及系统 | |
| CN105956318A (zh) | 基于改进分裂 h-k 聚类方法的风电场机群划分方法 | |
| CN116204779A (zh) | 一种判断储能盐穴运行状态的方法、系统及可读存储介质 | |
| CN113359435B (zh) | 用于火电机组动态工况数据的修正方法 | |
| CN110737975A (zh) | 基于经验模态分解与自回归模型的风电场风速、功率预测和异常修正方法 | |
| CN117454721B (zh) | 基于数字仿真实验的风电场尾流叠加效应评估方法和介质 | |
| CN116915122B (zh) | 一种煤矿变频设备的自适应控制方法及系统 | |
| LU501554B1 (en) | Evaluation method of compliance of wind turbine operation power curve | |
| CN117540875A (zh) | 基于粒子群优化算法的电力企业碳足迹测算模型 | |
| CN106251238B (zh) | 风电场建模序列离散化步长的选取及模型误差分析方法 | |
| CN115423149A (zh) | 一种能源互联网负荷预测和噪声等级估计的增量迭代聚类方法 | |
| CN115062560A (zh) | 一种基于机器学习的涡轮多尺度流动降阶耦合方法 | |
| CN111077799B (zh) | 一种空调水泵仿真方法及系统 | |
| CN118410284B (zh) | 一种电机数据清洗方法及系统 |
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 |