[发明专利]一种高速阵风导致风电功率下爬坡事件的预测方法有效
申请号: | 201810894972.8 | 申请日: | 2018-08-08 |
公开(公告)号: | CN109033027B | 公开(公告)日: | 2022-07-29 |
发明(设计)人: | 孙宏彬;潘欣 | 申请(专利权)人: | 长春工程学院;国网吉林省电力有限公司白城供电公司 |
主分类号: | G06F17/15 | 分类号: | G06F17/15;G06Q10/04;G06Q50/06 |
代理公司: | 吉林长春新纪元专利代理有限责任公司 22100 | 代理人: | 陈宏伟 |
地址: | 130021 吉林*** | 国省代码: | 吉林;22 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提供一种高速阵风导致风电功率下爬坡事件的预测方法,通过该方法在输入一个风电场的风速历史数据的同时,输入距离风电场最近的2个风力数据采集点的数据,通过这些数据构建高速阵风属性列表,进而进行一个风电场是否存在高速阵风导致风电功率下爬坡事件的情况进行预测。本发明不单纯依赖于一个风电场的数据,而且将距离风电场最近的2个风力数据采集点的数据也作为判断的辅助数据,解决了数据量高速阵风导致风电功率下爬坡事件量较少的问题;在风电功率下爬坡事件的预测方面具有较高的实用意义。 | ||
搜索关键词: | 一种 高速 阵风 导致 电功率 爬坡 事件 预测 方法 | ||
【主权项】:
1.一种高速阵风导致风电功率下爬坡事件的预测方法,包括以下步骤:S1, 对于待预测风电场,输入其风电场风速历史数据H1,输入距离最近的2个风力数据采集点的风速历史数据D1,D2;分析起始时间点tstart,分析结束时间点tend;高速阵风导致风电功率下爬坡事件列表tlist;风电特征区间长度fdist;阵风预判区间长度zdist;计算采样间隔时间fgap;统计H1,获得H1的最大值H1Max,H1的最小值H1Min, H1的均值H1Mean,H1的标准差H1Stdv;H1为待预测风电场的风速历史数据,为一个以时间为索引的数组,如H1[t]表示一个风电场在时间点t的风速值;D1为风力数据采集点1的风速历史数据,风力数据采集点1为一个能够进行风力数据采集的地点,它距离待预测风电场直线距离最近,D1为一个以时间为索引的数组,如D1[t]表示一个在时间点t的风速值;D2为风力数据采集点2的风速历史数据,风力数据采集点2为一个能够进行风力数据采集的地点,它距离待预测风电场直线距离比风力数据采集点1远,但是比其它风力数据采集点近,D2为一个以时间为索引的数组,如D2[t]表示一个在时间点t的风速值;tlist为高速阵风导致风电功率下爬坡事件列表,tlist为一个列tlist={t1,t2,…,tn},列表中的每一个元素对应一个时间点;fdist为风电波动区间长度,该长度为描述和预测风电特征的时间长度值,其默认值为60,单位为分钟;zdist为阵风预判区间长度,该长度为算法预判可能导致风电功率下爬坡事件的高速阵风出现的时间长度值,默认值为30,单位为分钟;fgap为计算采样间隔时间,其默认值为10,单位为分钟;S2,构建高速阵风特征算子WindOperator,算子可以抽取一个风速历史数据在一个时间点上的高速阵风特征;S201,构建高速阵风特征算子WindOperator,该算子包含两个输入参数,第一个为一个以时间为索引的数组X1,第二个为特征抽取时间点tc;S202,计算起始时间OStart=tc‑fdist/2;计算结束时间OEnd=tc+fdist/2;S203,风速数组WW=(从X1中以时间点OStart为起始,以OEnd为结束,以fgap为间隔取出的数据构成一个数组);S204,参考数量值NWW=(OEnd‑OStart)/fgap+1;S205,统计WW,获得WW的最大值WWMax,最小值WWMin,均值WWMean,标准差WWStdv;S206,计算a1=(WWMean/H1Mean),a2= (WW中高于WWMean的元素个数/NWW), a3=(WW的WWMax/H1Max),a4=(WWStdv/H1Stdv),a5=(WW中高于(WWMax‑WWStdv/2)的元素个数/NWW),a6=(WW中高于(WWMean+WWStdv)的元素个数/NWW);S207, 构建高速阵风特征矢量v=(a1,a2,a3,a4,a5,a6);S208, 将高速阵风特征矢量v作为WindOperator的结果进行返回;S3,基于高速阵风特征算子WindOperator,构建阵风判别算子DecisonOperator,算子可以对一个风速历史数据的一个时间点是否属于高速阵风进行判断;S301, 构建阵风判别算子DecisonOperator,该算子包含两个输入参数,第一个为一个以时间为索引的数组DTX,第二个为特征抽取时间点dttc;S302,高速阵风列表dtlist=空,高速阵风计数器dtcounter=1;S303, dtnum=tlist的元素个数;S304,dtnode=取出tlist的第dtcounter个元素,该元素为一个时间点数据;S305,dtv=WindOperator(H1,dtnode),将H1和dtnode作为高速阵风特征算子WindOperator的输入,获得对应的高速阵风特征矢量;S306,将dtv加入到高速阵风列表dtlist之中;S307,dtcounter=dtcounter+1;S308,如果dtcounter>dtnum则转到S307,否则转到S304;S309,建立变量数组dty,dty包含dtnum个元素,dty每一个元素的初始值=1/dtnum;S310, currentv=WindOperator(DTX,dttc),将DTX和dttc作为高速阵风特征算子的输入,获得对应的高速阵风特征矢量;S310,将dty作为优化目标,优化求解以下公式的最小值,获得的结果存储到变量minvalue中;S311,如果minvalue<(H1Stdv/2)则转到S312,否则转到S313;S312,决策结果decision=TRUE,转到S314;S313,决策结果decision=FALSE;S314,将decision作DecisonOperator的结果返回;S4,构建风速计算属性算子FeatureOperator,算子可以获取一个风速历史数据在一个时间点上的风速计算属性;S401,构建风速计算属性算子FeatureOperator,该算子包含两个输入参数,第一个为一个以时间为索引的数组FX,第二个为特征抽取时间点ftc;S402,计算属性起始时间FStart=ftc‑fdist/2;计算属性结束时间FEnd=ftc+fdist/2;S403,属性风速数组FWW=(从FX中以时间点OStart为起始,以OEnd为结束,以fgap为间隔取出的数据构成一个数组);S404,[ta1,ta2,ta3,ta4,ta5]=对FWW进行点数为5的傅里叶变换,并存储到5个变量之中;计算ta1=abs(ta1)/fdist,ta2=abs(ta2)/fdist,ta3=abs(ta3)/fdist,ta4=abs(ta4)/fdist,ta5=abs(ta5)/fdist;其中abs表示计算对应数的绝对值;S405,对FWW进行统计获得FWW的均值为FWWMean,获得FWW最大值为FWWMax,获得FWW最小值FWMin;S406,计算ta6=tanh(FWWMean/H1Max), ta7=tanh(FWWMax/H1Max), ta8=tanh(FWMin/H1Max);S407,计算ta1=ta1,ta2=ta2‑ta1,ta3=ta3‑ta2,ta4=ta4‑ta3,ta5=ta5‑ta4;S408,构建风速计算属性矢量Fwv=[ ta1,ta2,ta3,ta4,ta5,ta6,ta7,ta8];S409,将Fwv作为算子的结果返回;S5,利用阵风判别算子DecisonOperator和风速计算属性算子FeatureOperator,从H1,D1,D2中抽取可用阵风特性,获得高速阵风属性列表highspeedlist;S501,抽取时间currenttime=tstart;S502,高速阵风属性列表highspeedlist=0;S503,如果DecisonOperator(H1,currenttime)的结果为FALSE那么转到S505,,否则转到S504;S504,计算FeatureOperator(H1,currenttime‑zdist)获得的结果加入到highspeedlist之中;S505,如果DecisonOperator(D1,currenttime)的结果为FALSE那么转到S507,否则转到S506;S506,计算FeatureOperator(D1,currenttime‑zdist)获得的结果加入到highspeedlist之中;S507,如果DecisonOperator(D2,currenttime)的结果为FALSE那么转到S509,否则转到S508;S508,计算FeatureOperator(D3,currenttime‑zdist)获得的结果加入到highspeedlist之中;S509,currenttime=currenttime+fgap;S510,如果currenttime>tend则转到S511,否则转到S503;S6,输入风电场新输入的风速数据数组FDCurrent,当前的时间点FDTime,利用风速计算属性算子FeatureOperator和高速阵风属性列表highspeedlist对当前时间点是否存在高速阵风导致风电功率下爬坡事件进行预测;FDCurrent为待预测风电场的当前的风速数据数组,为一个以时间为索引的数组,如FDCurrent[t]表示一个风电场在时间点t的风速值;S601,决策时间点DecisionPoint=FDTime‑fdist/2;S602, FDCV=计算FeatureOperator(FDCurrent,DecisionPoint);S603,FDCNum=highspeedlist中元素的个数;S604,建立变量数组fdcy, fdcy包含FDCNum个元素,fdcy每一个元素的初始值=1/FDCNum;S605,将fdcy作为优化目标,优化求解以下公式的最小值,获得的结果存储到变量fdcvalue中;S606,如果fdcvalue<(H1Stdv/2)则转到S607,否则转到S608;S607,预测当前风电场存在高速阵风导致风电功率下爬坡事件的风险,转到S609;S608,预测当前风电场不存在高速阵风导致风电功率下爬坡事件的风险;S609,预测过程结束。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于长春工程学院;国网吉林省电力有限公司白城供电公司,未经长春工程学院;国网吉林省电力有限公司白城供电公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201810894972.8/,转载请声明来源钻瓜专利网。
- 上一篇:一种大气密度探测数据的标校方法和设备
- 下一篇:一种点云主曲率计算方法