[发明专利]一种风电场样板机选择方法

说明书

本发明提出一种风电场样板机选择方法，属于风电场理论发电量计算领域。该方法包括：获取风电场中各风电机组的风速数据；计算每台风电机组的风速威布尔分布曲线参数；对每台风电机组的风速数据降维后进行归一化，对每台风电机组的风速威布尔分布曲线参数进行归一化，利用归一化后的结果构建风电场分组模型的输入变量矩阵；根据确定的风电场机组最佳分组个数对风电场分组模型的输入变量矩阵进行聚类，得到风电场中各风电机组的分组结果；利用相关性分析法选取每个分组的样板机，以得到风电场的样板机选择结果。本发明基聚类算法选取风电场样板机，可提高选取样板机的合理性和代表性，在保证计算效率的同时又能提高发电量计算的精度。

技术领域

本发明属于风电场理论发电量计算领域，具体涉及一种风电场样板机选择方法。

背景技术

针对弃风限电问题，需要科学、高效地评估其整场理论发电量和弃风电量水平，从而 准确掌握风电场的运行状况，并在此基础上采取相应的技术手段减少弃风现象，从而减少 风能资源的浪费。

2012年底，国家电力监管委员会发布了风电场弃风电量计算办法，在国内推广样板机 法来计算弃风电量。样板机法能准确统计弃风电量，但样板机能否合理选择是影响其计算 准确度的关键因素，研究场内样板机选择方法，提高样板机选择的合理性和代表性，对于 风电场理论发电量评估及电力系统运行调度具有重要意义。

常用的传统样板机选择方法规定样板机数量原则上不超过风电场机组总数的10％，并 且传统的样板机法没有固定的样板机选取方法，常常依据工作人员的经验和风电机组相关 数据来选取。而在计算风电场的理论发电量进而得到弃风电量时，分配系数也倾向于平均 分配。传统样板机法的理论发电量计算的相对误差较大，且存在较强的不确定性，在计算 风电场的理论发电量时，计算精度亦显著降低。

近年来，一种新的样板机选择方法通过应用双步K-means聚类算法可辨识不良数据和 剔除离群点，为后续划分机群、选择样板机来估算整场理论发电量提供依据。该方法既能 体现单机代表性，又避免了逐个计算的复杂性，但该方法无法使分类后的机群内部之间差 异性最小、不同类的机群之间差异性最大，因而无法更有效地选择出更具代表性的样板机 来计算风电场理论发电量及弃风电量。

发明内容

本发明的目的是为克服现有技术的不足之处，提出一种风电场样板机选择方法。本发 明基聚类算法选取风电场样板机，可提高选取样板机的合理性和代表性，在保证计算效率 的同时又能提高发电量计算的精度。

本发明实施例提出一种风电场样板机选择方法，包括：

获取风电场中每台风电机组的风速数据；

根据所述风速数据，计算所述每台风电机组的风速威布尔分布曲线参数；

对所述每台风电机组的风速数据降维后进行归一化，对所述每台风电机组的风速威布 尔分布曲线参数进行归一化，利用归一化后的结果构建风电场分组模型的输入变量矩阵；

确定所述风电场机组最佳分组个数，根据所述最佳分组个数对所述风电场分组模型的 输入变量矩阵进行聚类，得到所述风电场中各风电机组的分组结果；

根据所述分组结果，利用相关性分析法选取每个分组的样板机，以得到所述风电场的 样板机选择结果。

在本发明的一个具体实施例中，所述风速威布尔分布曲线参数包括形状参数和尺度参 数。

在本发明的一个具体实施例中，所述根据所述分组结果，利用相关性分析法选取每个 分组的样板机，以得到所述风电场的样板机选择结果，具体方法如下：

1)对于任一分组中第i台机组，计算该机组与该分组中其他机组相关系数的均值：