CN111666458A - 风电机组功率曲线的拟合方法 - Google Patents
风电机组功率曲线的拟合方法 Download PDFInfo
- Publication number
- CN111666458A CN111666458A CN202010573402.6A CN202010573402A CN111666458A CN 111666458 A CN111666458 A CN 111666458A CN 202010573402 A CN202010573402 A CN 202010573402A CN 111666458 A CN111666458 A CN 111666458A
- Authority
- CN
- China
- Prior art keywords
- screening
- data
- power curve
- wind turbine
- turbine generator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9038—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种风电机组功率曲线的拟合方法,所述风电机组功率曲线的拟合方法包括:获得风电机组在预设周期内的运行数据;整理运行数据,以形成数据组;将数据组内的数据对应到标准功率曲线图中;设定筛选区域,并利用筛选区域筛选数据组中的数据;剔除数据组内处于筛选区域外的数据;处理数据组处于筛选区域内的数据;拟合处理后的数据,以形成当前功率曲线。该拟合方法实施过程简单,可以在无风电机组状态下,拟合出最接近风电机组实际运行的功率曲线。
Description
技术领域
本发明涉及风电控制技术领域,尤其涉及一种风电机组功率曲线的拟合方法。
背景技术
本部分提供的仅仅是与本公开相关的背景信息,其并不必然是现有技术。
风电机组的功率曲线是衡量机组设计及制造性能的关键指标之一。功率曲线是风力发电机组输出功率和风速的对应曲线,是描绘风电机组净电功率输出与风速的函数关系图。功率曲线中的横坐标是风电机组的运行风速,纵坐标是风电机组的运行功率。风速范围从风电机组的切入风速到风电机组的切出风速,功率范围从零到风电机组的额定功率。
目前,风电机组的功率曲线拟合的普遍方法是在有机组状态的条件下完成的。其方法为:收集风电机组至少半年的SCADA(SCADA,Supervisory Control And DataAcquisition,即数据采集与监视控制***)运行数据,数据至少包括风电机组的运行时间,风电机组的机组状态,风电机组的运行风速,风电机组的运行功率。将以上数据整理成一组10min平均风速和10min平均功率,根据风电机组的机组状态,将风电机组的机组状态与风电机组的10min平均风速、风电机组的10min平均功率进行时间轴同步,将风电机组的机组状态中,非正常发电状态下的运行数据全部剔除,用风电机组正常发电状态下的运行数据拟合出机组功率曲线。
但是,这种方法是依赖风电机组能够提供状态数据的条件才能完成的,当风电机组无法提供机组状态的时候,将会有大量的不合理数据参与到风电机组的功率曲线拟合中,导致拟合出来的风电机组功率曲线明显偏离真实的风电机组功率曲线。
发明内容
本发明的目的是至少解决如何保证无风电机组状态下的风电机组功率曲线的准确性的问题。该目的是通过以下技术方案实现的:
本发明提出了一种风电机组功率曲线的拟合方法,所述风电机组功率曲线的拟合方法包括如下步骤:
获得风电机组在预设周期内的运行数据;
整理运行数据,以形成数据组;
将数据组内的数据对应到标准功率曲线图中;
设定筛选区域,并利用筛选区域筛选数据组中的数据;
剔除数据组内处于筛选区域外的数据;
处理数据组处于筛选区域内的数据;
拟合处理后的数据,以形成当前功率曲线。
另外,根据本发明的风电机组功率曲线的拟合方法,还可具有如下附加的技术特征:
在本发明的一些实施例中,在获得风电机组在预设周期内的运行数据的步骤中,预设周期为六个月。
在本发明的一些实施例中,运行数据包括运行风速以及与运行风速相对应的运行功率。
在本发明的一些实施例中,在整理运行数据,以形成数据组的步骤中,还包括如下步骤:
等分预设周期,以形成多个时间区间;
对处于每个时间区间内的运行风速取平均值,以获得平均风速;
对处于每个时间区间内的运行功率取平均值,以获得平均功率;
将每个时间区间内的平均风速与平均功率相对应;
将多个时间区间依时间顺序排列,各时间区间内的平均风速以及平均功率形成数据组。
在本发明的一些实施例中,在等分预设周期,以形成多个时间区间的步骤中,时间区间的跨度为10分钟。
在本发明的一些实施例中,在设定筛选区域,并利用筛选区域筛选数据组中的数据的步骤中,还包括如下步骤:
对标准功率曲线图的横轴进行划分,以形成多个筛选区间;
在每个筛选区间内沿标准功率曲线图的纵轴设定筛选区域;
将处于每个筛选区间内的数据与该筛选区间内的筛选区域进行比较。
在本发明的一些实施例中,在等分标准功率曲线图的横轴,以形成多个筛选区间的步骤中,筛选区间的数量为四个,并且沿标准功率曲线图的横轴依次为第一筛选区间、第二筛选区间、第三筛选区间和第四筛选区间;
筛选区域的数量为四个,与第一筛选区间对应的筛选区域为第一筛选区域,与第二筛选区间对应的筛选区域为第二筛选区域,第三筛选区间对应的筛选区域为第三筛选区域,第四筛选区间对应的筛选区域为第四筛选区域。
在本发明的一些实施例中,第一筛选区域的范围为a±50%,其中,a为位于第一筛选区间内标准功率;
第二筛选区域的范围为b±30%,其中,b为位于第二筛选区间内标准功率;
第三筛选区域的范围为c±20%,其中,c为位于第三筛选区间内标准功率;
第四筛选区域的范围为d±10%,其中,d为位于第四筛选区间内标准功率。
在本发明的一些实施例中,在处理数据组处于筛选区域内的数据的步骤中,还包括如下步骤:
对标准功率曲线图的横轴进行划分,以形成多个处理区间;
对处于每个处理区间内数据组的数据进行加权平均,以获得每个处理区间内的平均功率。
在本发明的一些实施例中,在拟合处理后的数据,以形成当前功率曲线的步骤中,将每个处理区间内的平均功率依次连线,以形成当前功率曲线。
与现有技术相比,本发明所提供的风电机组功率曲线的拟合方法具有如下有益效果:
①实施过程简单,可以在无风电机组状态下,拟合出最接近风电机组实际运行的功率曲线。
②数据剔除综合考虑了风电机组在不同风速段功率的波动特点,精确的剔除不合理数据,保留合理数据来拟合风电机组的功率曲线。
③参考依据采用风电机组的标准功率曲线,以降低参考标准的误差,最大限度的保证拟合功率曲线的准确性。
④可以重复使用,尤其是在处理大面积风电场、多台风电机组的功率曲线拟合的情况下,可以反复调用,有效提高了运算效率。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的附图标记表示相同的部件。在附图中:
图1示意性地示出了根据本发明实施方式的风电机组功率曲线的拟合方法的流程图;
图2示意性地示出了根据本发明实施方式的功率曲线拟合图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
应理解的是,文中使用的术语仅出于描述特定示例实施方式的目的,而无意于进行限制。除非上下文另外明确地指出,否则如文中使用的单数形式“一”、“一个”以及“所述”也可以表示包括复数形式。术语“包括”、“包含”、“含有”以及“具有”是包含性的,并且因此指明所陈述的特征、步骤、操作、元件和/或部件的存在,但并不排除存在或者添加一个或多个其它特征、步骤、操作、元件、部件、和/或它们的组合。文中描述的方法步骤、过程、以及操作不解释为必须要求它们以所描述或说明的特定顺序执行,除非明确指出执行顺序。还应当理解,可以使用另外或者替代的步骤。
尽管可以在文中使用术语第一、第二、第三等来描述多个元件、部件、区域、层和/或部段,但是,这些元件、部件、区域、层和/或部段不应被这些术语所限制。这些术语可以仅用来将一个元件、部件、区域、层或部段与另一区域、层或部段区分开。除非上下文明确地指出,否则诸如“第一”、“第二”之类的术语以及其它数字术语在文中使用时并不暗示顺序或者次序。因此,以下讨论的第一元件、部件、区域、层或部段在不脱离示例实施方式的教导的情况下可以被称作第二元件、部件、区域、层或部段。
为了便于描述,可以在文中使用空间相对关系术语来描述如图中示出的一个元件或者特征相对于另一元件或者特征的关系,这些相对关系术语例如为“内部”、“外部”、“内侧”、“外侧”、“下面”、“下方”、“上面”、“上方”等。这种空间相对关系术语意于包括除图中描绘的方位之外的在使用或者操作中装置的不同方位。例如,如果在图中的装置翻转,那么描述为“在其它元件或者特征下面”或者“在其它元件或者特征下方”的元件将随后定向为“在其它元件或者特征上面”或者“在其它元件或者特征上方”。因此,示例术语“在……下方”可以包括在上和在下的方位。装置可以另外定向(旋转90度或者在其它方向)并且文中使用的空间相对关系描述符相应地进行解释。
如图1和图2所示,根据本发明的实施方式,提出了一种风电机组功率曲线的拟合方法,所述风电机组功率曲线的拟合方法包括如下步骤:
S1:获得风电机组在预设周期内的运行数据。
具体地,预设周期为六个月,即收集风电机组六个月的SCADA运行数据,以六个月为预设周期,能够使得所获得的运行数据更加全面,从而提高了风电机组的功率曲线的拟合精度。运行数据包括风电机组的运行风速,以及在对应运行风速条件下风电机组对应的运行功率,由于风电机组的运行功率受到运行风速的影响,故此,将运行风速和运行功率作为运行数据,实现了在无风电机组状态下,拟合出最接近风电机组实际运行的功率曲线。
S2:整理运行数据,以形成数据组。
具体地,先以固定的时间跨度对预设周期进行划分,从而将预设周期分割为多个时间区间,风电机组在运行周期内的运行数据分布在多个时间区间内,每一个时间区间内均分布有多个运行数据。在一个时间区间内,运行数据中包括运行风速和运行功率,对多个运行风速取平均值,从而得到平均风速,并且对多个运行功率取平均值,从而得到平均功率,将平均风速和平均风速对应设置,从而形成功率风速坐标系中的坐标点(横坐标为平均风速,纵坐标为平均风速),多个时间区间形成多个坐标点,多个坐标点按照时间顺序排列,从而形成数据组。
通过将预设周期划分为时间跨度一致的时间区间,并且对每一个时间区间内的运行数据取平均值,从而消除了跳跃性较大的运行数据对功率曲线拟合的影响,进而提高了功率曲线的拟合精度。
S3:将数据组内的数据对应到标准功率曲线图(如图2所示,图2中的f曲线)中。
具体地,标准功率曲线图中,横轴为运行风速,纵轴为运行功率,整理后的运行数据形成数据组,该数据组中包括了多个坐标点,将每一个坐标点(横坐标为平均风速,纵坐标为平均风速)对应在标准功率曲线图中,从而便于功率拟合曲线的进一步操作,提高了功率曲线的拟合效率。
S4:设定筛选区域,并利用筛选区域筛选数据组中的数据。
具体地,在标准功率曲线图中,横轴为运行风速,纵轴为运行功率,将标准功率曲线的横轴(表示运行风速的轴线)进行分隔,以形成第一筛选区间、第二筛选区间、第三筛选区间和第四筛选区间,其中,第一筛选区间、第二筛选区间、第三筛选区间和第四筛选区间按照运行风速递增的顺序依次排列,筛筛选区域的数量为四个,第一筛选区域与第一筛选区间对应设置,第二筛选区域与第二筛选区间对应设置,第三筛选区域与第三筛选区间对应设置,第四筛选区域与第四筛选区间对应设置,第一筛选区域和第一筛选区间形成第一图斑,第二筛选区域和第二筛选区间形成第二图斑,第三筛选区域和第三筛选区间形成第三图斑,第四筛选区域和第四筛选区间形成第四图斑,第一图斑、第二图斑、第三图斑和第四图斑分布在标准功率曲线图中,在对数据组的数据进行筛选时,以数据组内的数据是否处于四个图斑内为依据,当数据组内的数据处于四个图斑中时,该数据为可用数据,当数据组内的数据处于四个图斑之外时,该数据为不可用数据。
通过形成的第一图斑、第二图斑、第三图斑和第四图斑实现对数据组内的数据进行筛选,一方面能够提高筛选的效率,提高了功率曲线的拟合效率,另一方面保证了功率曲线拟合的准确性。
更具体地是,在对标准功率曲线的横轴进行划分时,以风电机组处于启动的临界点时的运行风速为分隔的起点,第一筛选区间、第二筛选区间、第三筛选区间和第四筛选区间自该分隔的起点依次设置,由于第一筛选区间处于风电机组的启动状态,通过将第一筛选区域的范围设置为a±50%,其中,a为位于第一筛选区间内标准功率,从而有效保证了对数据组的数据筛选的准确性,由于第二筛选区间处于风电机组的提速状态,通过将第二筛选区域的范围设置为b±30%,其中,b为位于第一筛选区间内标准功率,进一步保证了对数据组的数据筛选的准确性,由于第三筛选区间处于风电机组的爬升状态,通过将第三筛选区域的范围设置为c±20%,其中,c为位于第一筛选区间内标准功率,进一步保证了对数据组的数据筛选的准确性,由于第四筛选区间处于风电机组的趋于稳定状态,通过将第四筛选区域的范围设置为d±10%,其中,d为位于第一筛选区间内标准功率,进一步保证了对数据组的数据筛选的准确性。
S5:剔除数据组内处于筛选区域外的数据。
具体地,第一筛选区域和第一筛选区间形成第一图斑,第二筛选区域和第二筛选区间形成第二图斑,第三筛选区域和第三筛选区间形成第三图斑,第四筛选区域和第四筛选区间形成第四图斑,第一图斑、第二图斑、第三图斑和第四图斑分布在标准功率曲线图中,在对数据组的数据进行筛选时,以数据组内的数据是否处于四个图斑内为依据,当数据组内的数据处于四个图斑之外时,该数据为不可用数据,将不可用数据剔除,从而降低了不可用数据对功率曲线拟合的影响,进而提高了功率曲线拟合的精度。
S6:处理数据组处于筛选区域内的数据。
具体地,在标准功率曲线图中,横轴为运行风速,纵轴为运行功率,再次将标准功率曲线的横轴(表示运行风速的轴线)进行分隔,从而形成多个处理区间,筛选操作后被保留的数据组的数据分布在各个处理区间内,保留的数据组的数据中包括运行功率和运行风速,其中,超过功率标准曲线的数据拟合为风电机组的上限功率曲线(如图2所示,图2中的e曲线),低于功率标准曲线的数据拟合为风电机组的下限曲线(如图2所示,图2中的g曲线),将位于同一横坐标上的上限功率曲线上的功率值与下限功率曲线上的值取平均值,以得到该处理区间内的平均功率,并且结合当前的横坐标形成新坐标点,多个处理区间形成多个新坐标点。
通过对划分处理区间以及对处理区间数据进行处理,从而进一步提高了数据的精度,进而提高了功率曲线拟合的准确性。
S7:拟合处理后的数据,以形成当前功率曲线。
具体地,在拟合处理后的数据,以形成当前功率曲线的步骤中,将每个处理区间内的平均功率依次连线,以形成当前功率曲线。
如图1和图2所示,下面结合具体数据进行说明:
获得风电机组六个月的SCADA运行数据。
以10min为固定时间跨度,在收集到的风电机组运行数据中选择风速的10min平均值,功率的10min平均值两组数据。
收集一条风电机组的标准功率曲线,功率曲线的风速从3m/s到25m/s,以0.1m/s为间隔,每个风速点都对应一个功率值,功率值从0kW到1500kW。
参考风电机组的标准功率曲线,将收集到的风电机组SCADA运行数据中的10min平均风速和10min平均功率数据,按照风电机组的标准功率曲线进行剔除。具体地:风速段3m/s至5.9m/s对应的功率值,按照风电机组的标准功率曲线中功率值的±50%剔除,即在3m/s至5.9m/s风速区间,如果每个风速点对应的功率值大于1.5倍的标准功率曲线的功率值,或者小于0.5倍的标准功率曲线的功率值,就将这些数据剔除;风速段6m/s至7.9m/s对应的功率值,按照风电机组的标准功率曲线中功率值的±30%剔除,即在6m/s至7.9m/s风速区间,如果每个风速点对应的功率值大于1.3倍的标准功率曲线的功率值,或者小于0.7倍的标准功率曲线的功率值,就将这些数据剔除;风速段8m/s至9.9m/s对应的功率值,按照风电机组的标准功率曲线中功率值的±20%剔除,即在8m/s至9.9m/s风速区间,如果每个风速点对应的功率值大于1.2倍的标准功率曲线的功率值,或者小于0.8倍的标准功率曲线的功率值,就将这些数据剔除;风速段10m/s至25m/s对应的功率值,按照风电机组的标准功率曲线中功率值的±10%剔除,即在10m/s至25m/s风速区间,如果每个风速点对应的功率值大于1.1倍的标准功率曲线的功率值,或者小于0.9倍的标准功率曲线的功率值,就将这些数据剔除。
运用以上处理后的SACDA数据结果,以0.5m/s为风速区间划分,计算每0.5m/s风速区间的功率平均值,即可拟合出基于SCADA运行数据的风电机组的功率曲线。
与现有技术相比,本发明所提供的风电机组功率曲线的拟合方法具有如下有益效果:
①实施过程简单,可以在无风电机组状态下,拟合出最接近风电机组实际运行的功率曲线。
②数据剔除综合考虑了风电机组在不同风速段功率的波动特点,精确的剔除不合理数据,保留合理数据来拟合风电机组的功率曲线。
③参考依据采用风电机组的标准功率曲线,以降低参考标准的误差,最大限度的保证拟合功率曲线的准确性。
④可以重复使用,尤其是在处理大面积风电场、多台风电机组的功率曲线拟合的情况下,可以反复调用,有效提高了运算效率。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种风电机组功率曲线的拟合方法,其特征在于,所述风电机组功率曲线的拟合方法包括如下步骤:
获得风电机组在预设周期内的运行数据;
整理运行数据,以形成数据组;
将数据组内的数据对应到标准功率曲线图中;
设定筛选区域,并利用筛选区域筛选数据组中的数据;
剔除数据组内处于筛选区域外的数据;
处理数据组处于筛选区域内的数据;
拟合处理后的数据,以形成当前功率曲线。
2.根据权利要求1所述的风电机组功率曲线的拟合方法,其特征在于,在获得风电机组在预设周期内的运行数据的步骤中,预设周期为六个月。
3.根据权利要求2所述的风电机组功率曲线的拟合方法,其特征在于,运行数据包括运行风速以及与运行风速相对应的运行功率。
4.根据权利要求3所述的风电机组功率曲线的拟合方法,其特征在于,在整理运行数据,以形成数据组的步骤中,还包括如下步骤:
等分预设周期,以形成多个时间区间;
对处于每个时间区间内的运行风速取平均值,以获得平均风速;
对处于每个时间区间内的运行功率取平均值,以获得平均功率;
将每个时间区间内的平均风速与平均功率相对应;
将多个时间区间依时间顺序排列,各时间区间内的平均风速以及平均功率形成数据组。
5.根据权利要求4所述的风电机组功率曲线的拟合方法,其特征在于,在等分预设周期,以形成多个时间区间的步骤中,时间区间的跨度为10分钟。
6.根据权利要求1所述的风电机组功率曲线的拟合方法,其特征在于,在设定筛选区域,并利用筛选区域筛选数据组中的数据的步骤中,还包括如下步骤:
对标准功率曲线图的横轴进行划分,以形成多个筛选区间;
在每个筛选区间内沿标准功率曲线图的纵轴设定筛选区域;
将处于每个筛选区间内的数据与该筛选区间内的筛选区域进行比较。
7.根据权利要求6所述的风电机组功率曲线的拟合方法,其特征在于,在等分标准功率曲线图的横轴,以形成多个筛选区间的步骤中,筛选区间的数量为四个,并且沿标准功率曲线图的横轴依次为第一筛选区间、第二筛选区间、第三筛选区间和第四筛选区间;
筛选区域的数量为四个,与第一筛选区间对应的筛选区域为第一筛选区域,与第二筛选区间对应的筛选区域为第二筛选区域,第三筛选区间对应的筛选区域为第三筛选区域,第四筛选区间对应的筛选区域为第四筛选区域。
8.根据权利要求7所述的风电机组功率曲线的拟合方法,其特征在于,第一筛选区域的范围为a±50%,其中,a为位于第一筛选区间内标准功率;
第二筛选区域的范围为b±30%,其中,b为位于第二筛选区间内标准功率;
第三筛选区域的范围为c±20%,其中,c为位于第三筛选区间内标准功率;
第四筛选区域的范围为d±10%,其中,d为位于第四筛选区间内标准功率。
9.根据权利要求8所述的风电机组功率曲线的拟合方法,其特征在于,在处理数据组处于筛选区域内的数据的步骤中,还包括如下步骤:
对标准功率曲线图的横轴进行划分,以形成多个处理区间;
对处于每个处理区间内数据组的数据进行加权平均,以获得每个处理区间内的平均功率。
10.根据权利要求9所述的风电机组功率曲线的拟合方法,其特征在于,在拟合处理后的数据,以形成当前功率曲线的步骤中,将每个处理区间内的平均功率依次连线,以形成当前功率曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010573402.6A CN111666458B (zh) | 2020-06-22 | 2020-06-22 | 风电机组功率曲线的拟合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010573402.6A CN111666458B (zh) | 2020-06-22 | 2020-06-22 | 风电机组功率曲线的拟合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111666458A true CN111666458A (zh) | 2020-09-15 |
CN111666458B CN111666458B (zh) | 2023-04-18 |
Family
ID=72389350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010573402.6A Active CN111666458B (zh) | 2020-06-22 | 2020-06-22 | 风电机组功率曲线的拟合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111666458B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112699566A (zh) * | 2021-01-08 | 2021-04-23 | 深圳市佳士科技股份有限公司 | 一种基于焊机静外特性曲线的分析方法及装置 |
CN113075565A (zh) * | 2021-03-29 | 2021-07-06 | 潍柴动力股份有限公司 | 电池耐久测试工况设计方法、装置及电池耐久测试方法 |
CN114165382A (zh) * | 2021-11-24 | 2022-03-11 | 华电电力科学研究院有限公司 | 水电机组绝对效率测试方法和*** |
CN115478991A (zh) * | 2022-09-21 | 2022-12-16 | 中节能风力发电股份有限公司 | 风电机组功率曲线形态异常的检测方法、设备及介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0867808A2 (en) * | 1997-03-28 | 1998-09-30 | IMEC vzw | Method and apparatus for size optimisation of storage units |
CN101858311A (zh) * | 2010-05-10 | 2010-10-13 | 三一电气有限责任公司 | 获得风电设备功率曲线以及风电设备控制的方法和装置 |
CN102567813A (zh) * | 2012-01-20 | 2012-07-11 | 江苏省电力设计院 | 风电场风电机组优化选型方法 |
CN102831475A (zh) * | 2012-08-01 | 2012-12-19 | 华北电力大学 | 用于风电场功率预测模型的正弦归一化方法 |
CN103324863A (zh) * | 2013-07-11 | 2013-09-25 | 北京金风科创风电设备有限公司 | 使用实测湍流强度修正风力发电机的测量功率曲线的方法 |
CN103927597A (zh) * | 2014-04-22 | 2014-07-16 | 国家电网公司 | 基于自回归滑动平均模型的风电功率超短期预测方法 |
US20150106071A1 (en) * | 2011-08-12 | 2015-04-16 | California Institute Of Technology | Methods and systems for comparing vertical axis turbine arrays and providing configurations thereof |
CN104794347A (zh) * | 2015-04-22 | 2015-07-22 | 中国大唐集团新能源股份有限公司 | 一种风电机组机舱传递函数分区拟合方法 |
US20160025070A1 (en) * | 2014-07-28 | 2016-01-28 | State Grid Corporation Of China | Method for calculating theoretical power of a wind farm based on extrapolation of anemometer tower data |
CN106321368A (zh) * | 2016-08-12 | 2017-01-11 | 峰能斯格尔(北京)可再生能源科技有限公司 | 基于运营风机scada数据的海上风电场尾流损失测量方法 |
CN106355512A (zh) * | 2016-08-26 | 2017-01-25 | 华北电力大学 | 一种基于概率密度极大值优化的风电机组功率曲线拟合方法 |
CN107507097A (zh) * | 2017-07-03 | 2017-12-22 | 上海电力学院 | 一种风电功率短期预测方法 |
WO2018132840A1 (en) * | 2017-01-13 | 2018-07-19 | TruValue Labs, Inc. | Methods of assessing long-term indicators of sentiment |
CN109256814A (zh) * | 2018-11-30 | 2019-01-22 | 国网江苏省电力有限公司南通供电分公司 | 一种风电机组功率曲线的智能修正方法 |
CN109740175A (zh) * | 2018-11-18 | 2019-05-10 | 浙江大学 | 一种面向风电机组功率曲线数据的离群点判别方法 |
CN110083896A (zh) * | 2019-04-12 | 2019-08-02 | 沈阳工业大学 | 风电机组运行功率曲线达标符合度评价方法 |
-
2020
- 2020-06-22 CN CN202010573402.6A patent/CN111666458B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0867808A2 (en) * | 1997-03-28 | 1998-09-30 | IMEC vzw | Method and apparatus for size optimisation of storage units |
CN101858311A (zh) * | 2010-05-10 | 2010-10-13 | 三一电气有限责任公司 | 获得风电设备功率曲线以及风电设备控制的方法和装置 |
US20150106071A1 (en) * | 2011-08-12 | 2015-04-16 | California Institute Of Technology | Methods and systems for comparing vertical axis turbine arrays and providing configurations thereof |
CN102567813A (zh) * | 2012-01-20 | 2012-07-11 | 江苏省电力设计院 | 风电场风电机组优化选型方法 |
CN102831475A (zh) * | 2012-08-01 | 2012-12-19 | 华北电力大学 | 用于风电场功率预测模型的正弦归一化方法 |
CN103324863A (zh) * | 2013-07-11 | 2013-09-25 | 北京金风科创风电设备有限公司 | 使用实测湍流强度修正风力发电机的测量功率曲线的方法 |
CN103927597A (zh) * | 2014-04-22 | 2014-07-16 | 国家电网公司 | 基于自回归滑动平均模型的风电功率超短期预测方法 |
US20160025070A1 (en) * | 2014-07-28 | 2016-01-28 | State Grid Corporation Of China | Method for calculating theoretical power of a wind farm based on extrapolation of anemometer tower data |
CN104794347A (zh) * | 2015-04-22 | 2015-07-22 | 中国大唐集团新能源股份有限公司 | 一种风电机组机舱传递函数分区拟合方法 |
CN106321368A (zh) * | 2016-08-12 | 2017-01-11 | 峰能斯格尔(北京)可再生能源科技有限公司 | 基于运营风机scada数据的海上风电场尾流损失测量方法 |
CN106355512A (zh) * | 2016-08-26 | 2017-01-25 | 华北电力大学 | 一种基于概率密度极大值优化的风电机组功率曲线拟合方法 |
WO2018132840A1 (en) * | 2017-01-13 | 2018-07-19 | TruValue Labs, Inc. | Methods of assessing long-term indicators of sentiment |
CN107507097A (zh) * | 2017-07-03 | 2017-12-22 | 上海电力学院 | 一种风电功率短期预测方法 |
CN109740175A (zh) * | 2018-11-18 | 2019-05-10 | 浙江大学 | 一种面向风电机组功率曲线数据的离群点判别方法 |
CN109256814A (zh) * | 2018-11-30 | 2019-01-22 | 国网江苏省电力有限公司南通供电分公司 | 一种风电机组功率曲线的智能修正方法 |
CN110083896A (zh) * | 2019-04-12 | 2019-08-02 | 沈阳工业大学 | 风电机组运行功率曲线达标符合度评价方法 |
Non-Patent Citations (1)
Title |
---|
范奇: ""基于实时功率曲线的风电机组出力特性研究"", 《节能技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112699566A (zh) * | 2021-01-08 | 2021-04-23 | 深圳市佳士科技股份有限公司 | 一种基于焊机静外特性曲线的分析方法及装置 |
CN112699566B (zh) * | 2021-01-08 | 2023-06-02 | 深圳市佳士科技股份有限公司 | 一种基于焊机静外特性曲线的分析方法及装置 |
CN113075565A (zh) * | 2021-03-29 | 2021-07-06 | 潍柴动力股份有限公司 | 电池耐久测试工况设计方法、装置及电池耐久测试方法 |
CN114165382A (zh) * | 2021-11-24 | 2022-03-11 | 华电电力科学研究院有限公司 | 水电机组绝对效率测试方法和*** |
CN114165382B (zh) * | 2021-11-24 | 2023-06-20 | 华电电力科学研究院有限公司 | 水电机组绝对效率测试方法和*** |
CN115478991A (zh) * | 2022-09-21 | 2022-12-16 | 中节能风力发电股份有限公司 | 风电机组功率曲线形态异常的检测方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111666458B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111666458B (zh) | 风电机组功率曲线的拟合方法 | |
Larsson | Flicker emission of wind turbines during continuous operation | |
Jin et al. | Modeling of wind speeds inside a wind farm with application to wind farm aggregate modeling considering LVRT characteristic | |
CN108072524B (zh) | 一种风电机组齿轮箱轴承故障预警方法 | |
EP2865063A2 (de) | Netzplanerstellung und betriebsführung | |
CN104794535B (zh) | 一种基于主导行业的电力需求预测及预警的方法 | |
Ali et al. | Probabilistic clustering of wind generators | |
CN104392056A (zh) | 一种直驱风电机组建模方法及装置 | |
CN115453356B (zh) | 一种动力设备运行状态监测分析方法、***、终端及介质 | |
CN111522808A (zh) | 一种风电机组异常运行数据处理方法 | |
CN112990445B (zh) | 一种配电网监控信息智能分析机器学习方法 | |
Aboshady et al. | Fault detection and classification scheme for PV system using array power and cross-strings differential currents | |
Yao et al. | Power curve modeling for wind turbine using hybrid-driven outlier detection method | |
CN105701265A (zh) | 一种双馈风电机组建模方法及装置 | |
CN116780557A (zh) | 一种基于聚类分区算法的配电网电压控制方法及*** | |
CN114912807A (zh) | 一种风电机组技改后发电量提升效果评估方法和评估*** | |
Shalalfeh et al. | Modeling of PMU data using ARFIMA models | |
CN113721094B (zh) | 低压台区用采***的误差分析方法及***、设备、存储介质 | |
CN106326982B (zh) | 一种基于神经网络和模式搜索优化的多气象风速融合方法 | |
CN110661261B (zh) | 一种用于低频振荡在线分析的pmu数据处理方法及装置 | |
CN114518536A (zh) | 一种高压电动机状态监测方法 | |
CN109507628B (zh) | 基于三相四线表计设备的反极性故障监测方法和装置 | |
CN109038555B (zh) | 一种风力发电出力分布特性计算方法和*** | |
CN110957723A (zh) | 一种数据驱动的在线快速评估电网暂态电压安全性的方法 | |
CN105489520B (zh) | 一种基于小采样***的晶圆量测采样方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100006 Beijing city Dongcheng District Street South East Yellow No. 40 Applicant after: China Classification Society Quality Certification Co.,Ltd. Address before: 100006 Beijing city Dongcheng District Street South East Yellow No. 40 Applicant before: China Classification Society Quality Certification Co. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |