[发明专利]一种基于聚类分析和神经网络的风电噪声评价方法

说明书

本发明涉及一种基于聚类分析和神经网络的风电噪声评价方法，所述方法包括下述步骤：风电机组噪声测试；风电机组主控制系统数据收集和验证；数据聚类分析；BP神经网络模型训练；得出噪声评价结果。本发明所采用的风电噪声评价方法简化测试流程，充分利用风电机组SCADA系统运行数据，采用神经网络模型对噪声进行预测，实现经济高效的风电场噪声评价。

技术领域

本发明涉及新能源发电领域的风电噪声评价方法，具体涉及一种基于聚类分析和神经网络的风电噪声评价方法。

背景技术

风能虽然对大多数国家而言还不是主要的能源，但从发展上来看大有与其他发电行业相媲美的趋势。目前风电的发电成本已接近常规发电方式，风电规模也受国家政策及能源发展趋势的影响高速扩大，风电技术得到明显提高。但风电也有着其本身难以克服的缺陷，微词最多的是风电机组噪声问题。风电噪声大小随着相对风电机组的距离增大而逐渐减小，仅就单台风电机组直接辐射的噪声来讲，风电噪声与其他工业噪声和交通噪声相比并不算大，但由于风电机组夜间运行时间长、风电场所处地区背景噪声水平低、风电噪声频率分布等原因，风电噪声对附近居民有着明显的影响。

1996年，IEC(国际电工委员会)颁布了正式的风电机组噪声测试标准IEC61400-11,ed.1，成为国际通用标准。目前该标准的最新版本是2012年颁布的IEC61400-11,ed.3，规定了对单台并网风电机组视在声功率级、音值、1/3倍频程的测试及分析方法。但风电机组运行状态较为复杂，不同风速、风向、变桨角度，以及不同的功率控制策略均会对辐射噪声产生影响。依据该标准只能得到风电机组在6m/s-10m/s风速(规格化到10m高度的标准风速)范围内，单一运行状态下的等效声功率级，无法针对风电机组不同运行状态得到即时数据。

目前也有一些风电场噪声预测与建模方法，但都需要建立长期测试数据库，收集大量气象信息及周边环境信息，考虑大气、地表及天气因素对噪声传播的影响，其预测精度也依赖于理论模型的选择，往往与实际测试结果差异较大。

发明内容

为解决上述现有技术中的不足，本发明的目的是提供一种基于聚类分析和神经网络的风电噪声评价方法，所采用的风电噪声评价方法简化测试流程，充分利用风电机组SCADA系统运行数据，采用神经网络模型对噪声进行预测，实现经济高效的风电场噪声评价。

本发明的目的是采用下述技术方案实现的：

本发明提供一种基于聚类分析和神经网络的风电噪声评价方法，其改进之处在于，所述方法包括下述步骤：

步骤1：风电机组噪声测试；

步骤2：风电机组主控制系统数据收集和验证；

步骤3：数据聚类分析；

步骤4：BP神经网络模型训练；

步骤5：得出噪声评价结果。

进一步地，所述步骤1包括：

麦克风放在基准位置进行测量，定义下风向测量位置为基准位置；在测量中基准位置相对于风向的偏差应在±15°以内，从风电机组塔架垂直中心到麦克风位置的水平距离为R₀，允许偏差为20％；

水平轴风电机组基准距离R₀由式(1)计算：

式中：

H——从地面到风轮中心的垂直距离，单位为m；

D——风轮直径，单位为m；