[发明专利]一种基于运行数据的风电利用率计算方法

权利要求书

1.一种基于运行数据的风电利用率计算方法，其特征在于，所述方法包括以下步骤：

1)基于风机运行原理对异常数据进行初步筛选剔除；

2)采用参数优化的四分位法进一步剔除异常数据；

3)采用聚类算法深入剔除异常数据；

4)采用分段Hermite插值进行缺失数据重构；

5)建立相关型号风电机组的理论功率计算模型及风电场理论功率恢复；

6)风电利用率指标计算；

所述步骤1)包括以下步骤：

S101：根据风机运行原理将其划分为5个运行区间：

区间1：0≤V<V_{cut_in},P＝0；

区间2：

区间3：

区间4：V_rated≤V<V_{cut_out},P＝P_rated<P_max；

区间5：V≥V_{cut_out},P＝0；

其中，V为测量风速，V_{cut_in}为切入风速，为额定风轮转速对应风速，V_rated为额定风速，V_{cut_out}为切出风速；ω_r为风轮转速，为最低风轮转速，为额定风轮转速，为最大风轮转速；P为有功功率，为额定风轮转速对应的有功功率，P_rated为额定有功功率，P_max为最大有功功率；

所述区间1风机处于启动阶段；区间2风机处于最大风能跟踪阶段；区间3风机处于额定转速到额定功率的过渡阶段；区间4风机处于额定风速以上阶段；区间5风速过大风机处于切出阶段；

S102：同一时间段下，基于相同采样周期获取V、ω_r和P的时间序列，定义数据点(V,ω_r,P)，基于风机运行原理得到如下数据初筛剔除原则：

a.当0≤V<V_{cut_in}时，机组空转未并网，P＝0；当V≥V_{cut_out}时，风轮叶片顺桨且风轮低速旋转或刹车，机组离网切机，P＝0；当V≠0，机组发生故障或人为干预时刹车，ω_r＝0，机组离网切机；根据以上三种情形剔除所有超限的异常数据点；

b.当时，风机并网发电，

根据风机运行特性，采用可变风速间隔ε_i将风速区间划分为k个间隔，则风速间隔可表示为V_i^min≤V_i<V_i^max；

其中V_i^min＝V_{cut_in}+∑ε_i-1，V_i^max＝V_{cut_in}+∑ε_i，i＝1,2,…k，ε₀＝0；

已知最优叶尖速比λ_opt时，风机的理论最优转速不同V_i^min≤V_i<V_i^max内，有最小理论最优转速则最小理论最优出力也即

其中为最优风轮转矩系数，为最大风能利用系数；

风机的最大理论最优转速则最大理论最优出力也即因此，V_i^min≤V_i<V_i^max时，实际操作过程中，时，其中ξ′、ξ″为计及波动性的风轮转速上下限缩放系数；相应地，风机有功功率输出为其中η′、η″为计及波动性的风机有功功率上下限缩放系数；对风速V进行合理划分并在不同V_i内，初筛剔除超限异常数据点；

c.当时，有实际操作时，其中，α′、α″和κ′、κ″分别为该区间内风轮转速和有功输出的计及波动性的上下限缩放系数；在该风速区间内，根据上述范围要求对超限数据点进行初筛剔除；

d.当V_rated≤V<V_{cut_out}时，P＝P_rated<P_max；实际操作时，P_rated-γ′≤P<P_rated+γ″<P_max，其中，β′、β″和γ′、γ″分别为该区间内风轮转速和有功输出的计及波动性的上下限缩放系数；在该风速区间内，根据此范围对超限数据点进行初筛剔除；

步骤2)中所述四分位法为：根据采集到的V、ω_r和P数据，建立三维散点图，对上述三维数据运用四分位法得到某维数据的有效取值范围[F₁,F_u]＝[Q₁-μI_qr,Q₃+μI_qr]，有效取值范围外的数据视为异常值进行剔除；其中,F₁、F_u为数据有效取值范围的上下界限；沿单维坐标方向对该维数据值排序，然后依据数据点个数将其均匀划分为四部分，由此得到三个四分位数Q₁、Q₂、Q₃；I_qr＝Q₃-Q₁是四分位距，μ为四分位系数，取1.5；

所述步骤2)中的参数优化为：为了保证四分位系数μ取值的合理性，采用粒子群算法对μ的取值进行寻优，寻优过程如下：

S201：在V、ω_r和P组成的三维数据空间中，在V、ω_r和P方向上分别设定μ_V、和μ_P，其取值范围均为[a,b]，组成三维空间中的点在三维空间中随机产生m个粒子，这些粒子代表μ的取值；

S202：初始化一组μ值的位置和速度，在第t次寻优迭代的过程中，μ的位置表示为：速度表示

S203：得到一组μ值后，就可以确定各维坐标方向有效数据的取值范围；然后，对未更新前的某型号风机理论功率计算模型进行检测，将三维有效数据中的风速值带入模型,得到该模型下的理论功率，计算该模型下的理论功率与三维有效数据中实测功率值的相关性r；

定义相关性系数

其中，P_mk为第k个样本的实际功率；P_pk为第k个样本的理论恢复功率；和分别为实际功率P_mk和理论功率P_pk的期望值；N为样本个数；

S204：在每一次迭代中，μ通过跟踪两个极值来更新本身的速度和位置，一个极值是μ本身迄今为止搜索到的最优解，称为个体极值，表示为：另一个极值是到目前为止找到的最优解，称为全局极值，表示为：

在第t+1次迭代计算时，μ_{i_lab}根据以下规则来更新自己的速度和位置：

v_{i_lab}(t+1)＝αv_{i_lab}(t)+c₁r₁(μ_{i_lab}(t)-x_{i_lab}(t))+c₂r₂(μ_{g_lab}(t)-x_{i_lab}(t))

x_{i_lab}(t+1)＝x_{i_lab}(t)+v_{i_lab}(t+1)

其中，i＝1,2,…,m；下标lab可分别代表V、ω_r和P；α为惯性权重，其作用是为了权衡全局搜索和局部搜索的能力，α较小时，即，α<0.8，其局部搜索能力较强，而α较大时，即，α>1.2，其全局搜索能力较强，且总是搜寻新的区域；c₁，c₂是两个学习因子，二者均取为2；r₁，r₂是两个均匀分布在[0,1]之间的随机数；

S205：μ每更新一次，即依据S203得到一个r值，当r值达到最大值或满足要求时，迭代达到最优，迭代结束；

所述步骤5)中：根据风机型号建立相应理论功率计算模型，通过累计得到风电场理论功率；风机理论功率计算模型的建立按如下步骤进行：

S501：采用Bin方法将处理过的数据按风速间隔τm/s得到N_Bin个区间划分；

S502：求出各个小区间内风速和功率的平均值，得到对应的点(V_i,P_i)，i＝1,2,…,N_Bin；

S503：采用最小二乘法对所有点(V_i,P_i)进行曲线拟合，得到某种型号风机的单机理论功率计算模型为

其中，P_rated为常数，是风机的理论功率最大值；P为功率；V为风速；a_j为多项式系数；其中j＝0,1,…,6

采用滑动窗口法更新数据；记窗口长度即模型所用的数据长度为L，上一模型建模点为x_t-T，模型更新周期为T，则当前建模点为x_t,建模数据为从建模点x_t开始至向后长度为L的数据；

采用相关性系数、理论功率恢复准确率和理论功率恢复均方根误差作为衡量理论功率恢复精度的指标；相关性系数的定义参考S203中相关性系数的定义，它反映了两个变量之间的相关性；理论功率恢复准确率和理论功率恢复均方根误差能够反映理论功率恢复情况；

定义功率恢复准确率为

定义功率恢复均方根误差为

其中，P_mk为第k个样本的实际功率，P_pk为第k个样本的理论功率，N为样本个数，P_cap为风电场额定装机容量；

步骤6)中：对风电场的实测功率进行积分可以得到风电场实际发电量；根据各风机实测风速值和不同型号风机理论功率计算模型得到的各风机的理论功率并累加得到风电场的理论功率，然后，通过积分得到相应的风电场理论发电量；上述内容用公式表达如下

其中，G_prac为风电场实际发电量，t₀为初始时刻，t_inte为积分时间，P_prac(V(t))为风电场实际功率，G_theo为风电场理论发电量，P_theo(V(t))为风电场理论功率；

定义弃风率ρ为

其中，G_theo为理论发电量，G_prac为实际发电量；

定义最优风电利用率η为

其中，G′_theo为每月理论发电量，G′_full为每月满发电量；

定义统计时间段内的最大极限风电利用率为

η_max＝max(η)

定义统计时间段内的最小极限风电利用率为

η_max＝min(η)

根据定义，利用上述计算得到的风电场理论发电量、实际发电量和额定装机容量，分析并评价风电场的风电利用情况。