[发明专利]一种基于信息物理系统的风电场有功备用量化方法

说明书

一种基于信息物理系统的风电场有功备用量化方法，该方法步骤如下：（1）、采集风电场内部物理系统的所有关键有效实际数据；（2）、将（1）步骤中采集的数据输入至信息系统的基于深度学习的转速预测模型中，输出机组的超短期预测转速；（3）、利用（2）步骤中的预测转速通过有功备用方法计算得出机组储存于转子动能的有功备用。本发明能够准确量化风电场有功备用，可以很好的实现有效有功调节参与电网调频，为风电场业主及电力系统调度部门解决了一系列难题。

技术领域

本发明属于风电场技术领域，具体涉及一种基于信息物理系统的风电场有功备用量化方法。

背景技术

目前风电场内都设有风功率预测系统，然而由于风能的不稳定性，导致风功率预测系统准确率较低，风电场并入电网时功率波动极大，对电网频率影响较大。风电场具有较齐全的检测设备、通讯网络及监控设备，具有大量较完整的风电场历史运行数据，但是没有对大量历史相关数据充分利用，导致风电场感知能力较弱。同时，风电场并网导则中明确要求风电场具备调频功能，然而目前风电场普遍不具备此功能，其中一个重要原因就是不能够准确快速量化风电场的有功备用指标。因此，研究基于信息物理系统的风电场有功备用量化方法对提高风电场感知能力、有功调控与调频能力具有重要意义。

现有基于历史信息数据增强风电场感知能力的方法主要侧重于对风电场监控系统及风电场发电量的预测的研究。具体介绍如下：

目前的某些技术中，整个系统是双网结构，数据库服务器、SCADA服务器和数据采集服务器则是双机冗余配置，面向各个风电场的通道也采用一个以太网为主通道，另外一个以太网为备通道的双通道模式。将多个分散风电场信息集中收集，与电网运行信息进行互动，据电网实时运行条件。该发明专利增强了风电场物理系统与信息系统的通讯能力与互动能力，其不足在于没有进一步利用历史数据与数据的相关性，以提高风电场的感知能力与预测能力。

还有一些技术中，根据混合神经网络预测模型进行风速预测和反归一化处理，得到相应的风速预测值，并预测风电场的出力能力。可以使电网调度运行部门加强并网电厂发电能力管理，合理安排运行方式，增加可再生能源出力和减少污染物排放。该发明利用历史信息数据建立了机器学习模型，预测了风速与风电场出力，但没有对风电场有功备用进行量化。

随着风电场的发展及电网友好型风电场建设需求，急需一种控制简单、运行可靠的风电场有功备用量化方法。

发明内容

发明目的：

本发明的目的在于解决风电场有功备用的量化问题。

技术方案：

一种基于信息物理系统的风电场有功备用量化方法，该方法步骤如下：

(1)、采集风电场内部物理系统的所有关键有效实际数据；

(2)、将(1)步骤中采集的数据输入至信息系统的基于深度学习的转速预测模型中，输出机组的超短期预测转速；

(3)、利用(2)步骤中的预测转速通过有功备用方法计算得出机组储存于转子动能的有功备用。

(1)步骤中的有效数据包括天气、风电场超短期风功率预测系统预测功率、实际输出功率、转速、风速和桨距角；

之后对上述的数据使用均值填充缺失值。

(2)步骤中的转速预测模型为量化模型，是采集物理系统提供的天气、风速、风电场超短期风功率预测系统预测功率、实际输出功率、转速和桨距角大量历史数据，在信息系统利用大量历史数据建立基于深度学习的量化模型。

所述在转速预测模型根据风电机组运行方式中满载与降载的不同，分别建立两套量化模型，量化模型的结构一致，不同运行方式下建立的量化模型参数不同，在机组不同的运行方式下分别采用相应的量化模型。