-
针对风电功率输出的随机性与间歇性严重威胁电网调度稳定性与经济性的问题,提出了一种基于人工智能的高精度风电发电量预测方法.首先,在深入分析风电功率影响因素的基础上,引入人工智能技术构建预测模型;其次,结合工业化与信息化融合的应用背景,设计了一套适用于大规模风电场的预测框架.对比实验表明,该人工智能方法在预测精度与鲁棒性上均显著优于传统方法,能够有效支撑电网的安全运行与智能调度.
风电发电量预测人工智能两化融合长短期记忆网络智能电网
-
风速的动态特性导致预测误差随时间尺度而增加.故研究提出基于激光测风雷达的风速短期预测与风机发电量提升技术.利用激光测风雷达获取风电场的实时风速,结合核密度估计,建立风速变化量的概率密度分布函数,并输入至麻雀搜索算法(Sparrow Search Algorithm,SSA)优化后的极限学习机(Extreme Learning Machine,ELM)模型,结合历史风速计算残差修正量,输出准确的风速值.调整桨距角、转速等风机参数,以提升风机发电量.实验表明,该方法得到的预测结果与实际结果的最大误差值仅为0.02 m/s,风速漂移率为3.65%,说明该方法具有较高的预测准确性.
激光测风雷达风速预测短期预测发电量提升风机发电量
-
1背景
在"双碳"战略推进下,以风电、光伏为代表的新能源发电装机规模快速增长,带来了集电线路的急剧延伸.35kV架空集电方式是当前主流方案,其广泛分布于东部沿海、中部丘陵及西部高海拔山区.这些线路的雷击跳闸率普遍较常规110kV 及以上输电线路高30％～50％,部分多雷区场站跳闸次数可达6～12次/百公里·年,直接导致发电量损失与设备损坏,严重时可引发电网脱网事故,影响发电厂收益,同时还要接受电网两个细则及非计划停运的考核.
-
为了防止风电功率波动对电网的影响,在风电并网前根据混合储能系统控制策略使储能单元对风电功率进行吸收和补偿,保证风电平稳并网,并确保整体系统长期高效稳定运行.利用抗脉冲平均滤波法对原始风电功率进行调节,通过对比参数计算的并网参考功率得到混合储能系统吸收和补偿的总功率.基于高通滤波法和滑动平均滤波法对总功率根据频率进行分配,利用超级电容、飞轮和锂电池储能进行动态吸收和补偿,在 Simulink 软件中搭建风电场、混合储能系统和风电并网模型并进行仿真实验.结果表明,该策略可以将风电功率平抑到并网参考功率1 MW,且储能方式的实际功率与分配的参考功率的相似度均在误差允许的范围内,充分验证了该策略的合理性和可行性.
混合储能系统平抑风电功率波动抗脉冲平均滤波法滑动平均滤波法
-
目的 为了提高风电功率预测精度,保证电网调度及其安稳运行,提出一种基于二次分解协同TCNN-GRU的短期风电功率预测模型.方法 首先,使用自适应噪声的完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和变分模态分解(variational mode decomposition,VMD)构建二次分解模块对原始风电信号进行分解,降低原始风电信号的复杂性;其次,对分解后的所有分量用双路卷积神经网络(two-way convolutional neural network,TCNN)进行特征提取,挖掘各分量间的特征关系;最后,引入门控循环单元(gate recurrent unit,GRU)对所有风电功率子分量进行时序建模,累加重组后得到预测结果.结果 以风电场采集间隔为15 min的实测数据进行实验,结果表明,与GA-BP,PSO-ELM和 CNN-GRU相比,TCNN-GRU模型在不同样本量的数据集上表现均为最优.对本文模型做消融实验可知,与单次分解相比,经二次分解后预测结果的 RMSE 和 MAE 分别下降了16.49%和5.22%,R2 提升了0.02;与没有结合双路卷积神经网络的CEEMDAN-VMD-GRU模型相比,预测结果的RMSE和MAE分别下降了44.59%和62.17%,R2 提升了0.03.为验证本文模型在不同季节情况下的适用性与准确性,将风电场全年数据划分为四季做对比实验,误差计算结果表明,本文模型在不同季节的表现均最优.结论 本文模型设计合理,采用的二次分解方法和TCNN-GRU能有效提升预测精度,且在不同气候条件下表现良好,具有较强的适用性.
二次分解双路卷积神经网络门控循环单元短期风电功率预测
-
为解决山地风电场集电线路 OPGW 光缆频发断线并损伤风机叶片的问题,文章以华东某山地风电项目故障为例,开展故障机理与防控措施研究.通过现场复测塔位坐标与风机基础沉降、验算风速与光缆张力弧垂以及风机扫线仿真,系统重构了故障发生的链式过程.结果表明:故障的核心机理在于 G17 侧 OPGW 光缆耐张串外预绞丝松股,其主因是长期微风振动引发的金属疲劳与防振锤抑振功能失效,导致光缆下垂并与导线短路;线路跳闸后,断裂光缆在风机收桨过程中受风激励甩动,与叶片缠绕致其损伤.据此,从运维、施工与设计 3 个层面提出系统性防控措施,包括加强防振金具巡检与更换、规范线夹安装工艺、大风季前专项特巡及优化风机-线路间距安全裕度,以期为提升同类山地风电集电线路的安全可靠性提供理论依据与实践指导.
山地风电场集电线路OPGW光缆断线故障故障机理风机叶片扫掠防控措施
-
针对35 kV 风电场升压站因风电功率波动导致的无功补偿不足、电压稳定性差等问题,开展基于多目标分层协调控制的风电场升压站无功补偿装置优化配置研究.通过建立包含无功补偿点选择、容量优化及动态响应特性的多目标分层协调控制模型,实现风电场群无功功率的高效分配与电压精准调节.分析风电机组类型对无功需求的影响,提出差异化补偿策略.构建电压/无功灵敏度模型,优化补偿点布局.设计"电压整定-场群分配-机组优化"三层控制架构,协调静态补偿与动态补偿装置的运行.通过实例应用证明,该优化方案能显著改善风电场无功自平衡能力,有效抑制并网点电压波动,提升电网运行稳定性,为高比例新能源接入下的电压控制提供技术支撑.
风电场无功补偿配置装置升压站
-
海上风电功率受复杂气象因素与非线性动态特征影响,对其预测精度不足将严重制约电网调度与新能源消纳.为此,本文提出了一种基于深度学习的海上风电功率预测方法.构建特征耦合模型,综合考虑风速、风向、气压、温度等多维特征间的非线性关系;采用 CNN-LSTM深度学习架构实现空间特征提取与时间依赖建模,并引入功率平滑修正机制以增强预测稳定性.最后对某海上风电场测试工区进行测试,研究表明该方法在多风况条件下能够有效降低平均预测误差,显著提升了预测精度与鲁棒性.
海上风电功率预测深度学习特征提取时序建模
-
针对变速恒频风力发电机组在运行过程中易产生谐波扰动、造成电流畸变的问题,设计了一种风电场变速恒频风力发电机谐波扰动闭环反馈控制系统.系统以可编程逻辑控制器(programmable logic controller,PLC)与监控与数据采集系统(supervisory control and data acquisition,SCADA)为核心硬件组件,实时监测并采集风力发电机组的运行状态数据,采用傅里叶变换实现谐波检测与总谐波畸变率计算.进而采用比例-积分(proportional-integral,PI)控制结合复系数滤波器构建闭环反馈控制器,通过离散化处理实现数字谐波补偿.测试结果表明,设计系统可显著改善三相电流波形畸变,将各次谐波含量控制在 2%以内,有效提升了风力发电机组的运行稳定性.
风电场变速恒频风力发电机主控 PLC闭环反馈控制复系数滤波器
-
基于风机直流端口串联的全直流海上风电系统能够有效降低海上平台体积和线路损耗,具有广阔的应用前景,然而目前针对海上风电系统的启动控制策略研究大多集中于传统交流汇集系统,针对串联型海上风电系统的启动控制策略研究尚存在空白.为此提出一种适用于该系统的"分阶段-逐台启动"控制策略,将全系统启动过程划分为陆上换流站、海上直流-直流(direct current to direct current,DC/DC)变换器和直流风电场 3 个阶段.为抑制风电机组启动过程中面临的转矩和功率冲击,同时考虑到风机直流端口绝缘耐压水平,在风电机组启动初期由风速差异确定最低功率给定值,以减小风机端口电压的不均衡.在 Matlab/Simulink 搭建全系统仿真模型,验证了所提策略的有效性,实现了直流风电场的逐台启动.
全直流海上风电串联型陆上换流站机侧换流器逐台启动
