CN114862022A - 海上风电场发电出力特性预测方法、装置、设备及介质 - Google Patents
海上风电场发电出力特性预测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114862022A CN114862022A CN202210499058.XA CN202210499058A CN114862022A CN 114862022 A CN114862022 A CN 114862022A CN 202210499058 A CN202210499058 A CN 202210499058A CN 114862022 A CN114862022 A CN 114862022A
- Authority
- CN
- China
- Prior art keywords
- output
- wind
- offshore wind
- characteristic
- offshore
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000010248 power generation Methods 0.000 title claims abstract description 41
- 238000009826 distribution Methods 0.000 claims abstract description 32
- 238000004088 simulation Methods 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000010168 coupling process Methods 0.000 claims description 12
- 230000008878 coupling Effects 0.000 claims description 11
- 238000005859 coupling reaction Methods 0.000 claims description 11
- 238000005311 autocorrelation function Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 230000029087 digestion Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000008030 elimination Effects 0.000 abstract description 2
- 238000003379 elimination reaction Methods 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 7
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000167857 Bourreria Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- 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
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种海上风电场发电出力特性预测方法、装置、设备及介质,该方法包括:根据近岸风电场发电出力数据,确定近岸风电出力的随机特性和波动特性,以获得近岸风电场出力分布的特征参数;基于所述特征参数,采用多风电场运行模拟模型对海上风电场进行运行模拟,得到海上风电场出力的时间序列;根据海上风电场出力的时间序列,获得海上风电场的出力特性;将海上风电场的出力特性与陆上风电出力特性进行比较,确定海上风电消纳方法。本发明提供的海上风电场发电出力特性预测方法,以近岸风电场出力分布特征为依据,从而获得了更准确的海上风电场出力特性,进一步确定了海上风电的消纳难点及消除方法,有利于提高海上风力发电的能效。
Description
技术领域
本发明涉及新能源发电技术领域,尤其涉及一种海上风电场发电出力特性预测方法、装置、设备及介质。
背景技术
风能作为一种可再生能源,无需燃料、不占用耕地、污染少、储量大,已经成为目前世界上最具大规模开发利用潜力的能源。由于风电出力具有随机性、间歇性、波动性及不确定性,因此也增加了电网计划和调度的难度。为了克服风力发电的缺点,需要加大供电***的旋转备用容量,这无疑会增加风力发电的运营成本。若能对风电场出力进行预测,则可以降低电网的旋转备用容量,进而降低电力***成本,也可为电网运行调度提供可靠的依据。
目前对风电场出力预测方法的研究较多,按预测的数学模型不同可分为神经网络发、卡尔曼滤波法等;按预测模型的对象不同可分为基于风速的预测方法和基于功率的预测方法;按照预测时间可分为长期预测、中期预测、短期预测和超短期预测。然而,这些方法往往只是对风电出力的波动特点进行分析,既不能准确获得海上风电场的出力特性,也无法对海上风电消纳难点进行消除。
发明内容
本发明的目的在于提供一种海上风电场发电出力特性预测方法、装置、设备及介质,以解决现有技术无法准确获得海上风电场的出力特性以及无法消除海上风电消纳难点的问题。
为实现上述目的,本发明提供一种海上风电场发电出力特性预测方法,包括:
根据近岸风电场发电出力数据,确定近岸风电出力的随机特性和波动特性,以获得近岸风电场出力分布的特征参数;
基于所述特征参数,采用多风电场运行模拟模型对海上风电场进行运行模拟,得到海上风电场出力的时间序列;
根据海上风电场出力的时间序列,获得海上风电场的出力特性;
将海上风电场的出力特性与陆上风电出力特性进行比较,确定海上风电消纳方法。
进一步,作为优选地,所述获得近岸风电场出力分布的特征参数,包括:
获取近岸风电场的风电出力分布特征指数:
式中,β为风电出力分布特征指数,N为风电场出力的时段总数,Xi为状态变量,Pi为时段i的风电场出力,Pc为风电场装机容量;
确定容量因子:
式中,f为风电场的容量因子,T为时间长度,PR为风电机组额定输出功率,ETA为T时间段内风电机组实际发电量;
分析风速的波动性:
ρn=e-θn θ>0,n=1,2,...;
式中,ρn为风速序列的自相关函数,θ为风速自相关函数的衰减系数;
对风速的波动性进行置信度分析。
进一步,作为优选地,所述近岸风电场发电出力数据包括近岸风电场历史出力数据以及区域历史风能资源数据。
进一步,作为优选地,所述基于所述特征参数,采用多风电场运行模拟模型对海上风电场进行运行模拟,得到海上风电场出力的时间序列,包括:
根据海上风电场测风塔参考高度的预测风速数据,推算预装风电机组轮毂高度的风速数据;
基于所述风速数据,统计分析风速的随机分布特征以及各海上风电场之间风速的相关性,生成符合风速统计特征与相关性的风速时间序列;
基于符合风速统计特征与相关性的风速时间序列,根据海上风电场风电机组的出力特征曲线与可靠性模型,生成海上风电场风电机组出力的时间序列。
进一步,作为优选地,利用双参数威布尔分布来拟合风速的随机分布特征。
进一步,作为优选地,所述根据海上风电场出力的时间序列,获得海上风电场的出力特性,包括:
根据海上风电场出力的时间序列,通过确定风速的相关性和同时率以及进行风速的多时空分析、海上风速和海浪耦合分析,获得海上风电场的出力特性。
进一步,作为优选地,风速的同时率的计算公式为:
式中,s为风电的同时率,pn为第n个风电场的有功功率,cn为第n个风电场的额定容量。
本发明还提供了一种海上风电场发电出力特性预测装置,包括:
特征参数获取模块,用于根据近岸风电场发电出力数据,确定近岸风电出力的随机特性和波动特性,以获得近岸风电场出力分布的特征参数;
时间序列获取模块,用于基于所述特征参数,采用多风电场运行模拟模型对海上风电场进行运行模拟,得到海上风电场出力的时间序列;
出力特性获取模块,用于根据海上风电场出力的时间序列,获得海上风电场的出力特性;
消纳方法确定模块,用于将海上风电场的出力特性与陆上风电出力特性进行比较,确定海上风电消纳方法。
本发明还提供一种终端设备,包括:
一个或多个处理器;
存储器,与所述处理器耦接,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上任一项所述的海上风电场发电出力特性预测方法。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上任一项所述的海上风电场发电出力特性预测方法。
相对于现有技术,本发明的有益效果在于:
本发明公开了一种海上风电场发电出力特性预测方法、装置、设备及介质,该方法包括:根据近岸风电场发电出力数据,确定近岸风电出力的随机特性和波动特性,以获得近岸风电场出力分布的特征参数;基于所述特征参数,采用多风电场运行模拟模型对海上风电场进行运行模拟,得到海上风电场出力的时间序列;根据海上风电场出力的时间序列,获得海上风电场的出力特性;将海上风电场的出力特性与陆上风电出力特性进行比较,确定海上风电消纳方法。
本发明提供的海上风电场发电出力特性预测方法,以近岸风电场出力分布特征为依据,从而获得了更准确的海上风电场出力特性,进一步确定了海上风电的消纳难点及消除方法,有利于提高海上风力发电的能效
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明某一实施例提供的海上风电场发电出力特性预测方法的流程示意图;
图2是图1中步骤S20的子步骤的流程示意图;
图3是本发明某一实施例提供的风能-海浪能量动力耦合的原理示意图;
图4是本发明某一实施例提供的海上风电场发电出力特性预测装置的结构示意图;
图5是本发明某一实施例提供的终端设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,文中所使用的步骤编号仅是为了方便描述,不对作为对步骤执行先后顺序的限定。
应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1,本发明某一实施例提供一种海上风电场发电出力特性预测方法。如图1所示,该海上风电场发电出力特性预测方法包括步骤S10至步骤S40。各步骤具体如下:
S10、根据近岸风电场发电出力数据,确定近岸风电出力的随机特性和波动特性,以获得近岸风电场出力分布的特征参数;
S20、基于所述特征参数,采用多风电场运行模拟模型对海上风电场进行运行模拟,得到海上风电场出力的时间序列;
S30、根据海上风电场出力的时间序列,获得海上风电场的出力特性;
S40、将海上风电场的出力特性与陆上风电出力特性进行比较,确定海上风电消纳方法。
需要说明的是,与单个风电场相比,集中开发规模大的风电场群出力特性呈现明显差异性:
1)风电出力具有间歇性、波动性,风电场(群)规模越大,其出力波动量对电网的冲击也越大。
2)由于地理分散效应,随着风电场(群)规模的增加,其出力波动量与装机容量之比反而呈下降趋势。
3)由于风速变化的时空差异性,风电场群出力的时空关系更为复杂。
通常,海上风电场根据建立位置的不同,分为以下三种:
表1 海上风电场分类
名称 | 最低潮位下水深 | 备注 |
滩涂风电场 | 5m | 无 |
近海风电场 | 5m-50m | 包括无居民海岛和海礁 |
深海风电场 | 50m | 包括无居民海岛和海礁 |
本实施例中,主要根据海上风电场不同的位置,采用实际数据与数值天气预报模拟分析相结合的方法,对海上风电场的出力特性进行研究。
具体地,在步骤S10中,首先获取近岸风电场发电出力数据。其中,上述三种风电场中,深海风电场不属于近岸风电场范畴,而滩涂风电场全部属于近岸风电场,近海风电场中则有部分属于近岸风电场,例如可以设定最低潮位下水深在5-15m的为近岸风电场,而大于15m小于50m的则不属于近岸风电场,具体设定可根据实际环境适当调整,在此不作限定。作为一具体地实施例,该近岸风电场发电出力数据包括近岸风电场历史出力数据以及区域历史风能资源数据。
在某一个具体实施例中,所述获得近岸风电场出力分布的特征参数,包括:
1)获取近岸风电场的风电出力分布特征指数:
风电场出力分布特征指数用β表示,用数学表达式来描述该指标的计算方法如下:
式中,β为风电出力分布特征指数,N为风电场出力的时段总数,Xi为状态变量,Pi为时段i的风电场出力,Pc为风电场装机容量。
2)确定容量因子:
容量因子指风电场平均出力占风电场装机容量的比例。通过容量因子可推算风电场的年利用小时数。其计算方法如下:
式中,f为风电场的容量因子,T为时间长度,PR为风电机组额定输出功率,ETA为T时间段内风电机组实际发电量;
3)分析风速的波动性:
风电出力波动性指风电:功率的时间序列中,逐电功率值呈现一定的差异与随机性的特性。海上风电出力期间会有较大的波动情况,无明显的变化规律可循,且出力波动通常在0%~100%。因此海上风电会发生连续数日大出力、小出力情况。其中,风电出力的快速、大幅度波动对电网安全影响较大,因此要对风电出力的波动性进行多时间尺度下风电出力的波动性分析和多空间尺度下风电出力的波动性分析。
具体地,风速的波动性由风速序列的自相关函数表征,其定义为一个序列预期滞后n期的序列的自相关系数。本实施例中,风速序列的自相关函数是由负指数控制下的单调衰减函数:
ρn=e-θn θ>0,n=1,2,...;
式中,ρn为风速序列的自相关函数,θ为风速自相关函数的衰减系数;其中,θ大小与风速序列变化的剧烈程度有关,风速变化越剧烈,其自相关函数衰减越快,θ越大。
需要说明的是,由于大型风电基地的风电出力波动性随时间尺度的增加而增大,随空间尺度的增加而减小。内陆地区风电出力的波动性一般高于沿海地区,随着风机数量和空间尺度的增加,该差异逐渐缩小。风电出力波动性的海陆差异是导致内陆区域风电功率预测精度普遍低于沿海地区的重要原因之一。
4)对风速的波动性进行置信度分析:
对于风电场或调度中心,需要对风电出力的波动性有一个概率估计,可采用置信度与置信区间进行评估。置信度指总体参数落在样本统计值某一区间内的概率,该区间即为置信区间。根据特定空间对象的置信度、置信区间的估算结果,调度可预估未来某时段的出力变化范围及出现概率,用于指导有功平衡、配置备用、修正预测结果等。
请参阅图2,在某一个实施例中,步骤S20又包括以下子步骤:
S201、根据海上风电场测风塔参考高度的预测风速数据,推算预装风电机组轮毂高度的风速数据;
S202、基于所述风速数据,统计分析风速的随机分布特征以及各海上风电场之间风速的相关性,生成符合风速统计特征与相关性的风速时间序列;
S203、基于符合风速统计特征与相关性的风速时间序列,根据海上风电场风电机组的出力特征曲线与可靠性模型,生成海上风电场风电机组出力的时间序列。
作为优选地,在步骤S202中,利用双参数威布尔分布来拟合风速的随机分布特征。其中,双参数威布尔分布的分布函数与概率密度函数分别如下:
式中,x∈[0,+∞),c和k分别为威布尔分布的标度参数和形状参数。
在某一个实施例中,步骤S30包括:
根据海上风电场出力的时间序列,通过确定风速的相关性和同时率以及进行风速的多时空分析、海上风速和海浪耦合分析,获得海上风电场的出力特性,具体包括以下内容:
1)分析风速的相关性(多空间尺度风电出力相关性):
风电波动给电网安全、有功平衡造成一定压力,风机或风电场之间如果同步波动,将增加这一压力,如果峰谷互补将缓解这一压力。可针对不同空间尺度,统计风机之间、电场之间、场群之间出力的相关性系数,以及该系数与研究单元之间距离的关系。
风电场间风速相关性主要与风电场地理距离有关:相距较近的风电场由于受到同一天气状况的影响,其风速将会表现出较强的相关性;相距较远的风电场,其遇到同一天气状况的概率较小,因此风速相关性较弱。在地形简单且范围小的区域内,风电出力的相关性与距离呈近似线性减小关系。求解线性方程时,首先要考虑地形、局地环流等因素划分区域,再针对不同区域分别求解。此外,由于区域平滑效应,相同距离条件下,出力单元越大,风机台数越多,其出力相关性越高。
海上多风电场整体出力分布特征以及波动特征在较大程度上取决于各风电场风速相关性的大小。而各海上风电场风速相关性取决于海上风电场的地理位置以及该地区的气候特征。对风速相关性的分析需要同步的海上风速时序数据。
2)计算风速的同时率:
风电出力同时率是指统计时间段内多个风电场有功功率和总额定容量之比:
式中,s为风电的同时率,pn为第n个风电场的有功功率,cn为第n个风电场的额定容量。风电出力同时率反映风场之间的出力是否同步增加/减小,同时率越高,风电对输电线路及调度的压力越大。
3)风速的多时空分析:
基于具体实施例的数字气象预报,可对风电出力的日变化,季节性变化进行分析,来平衡风电场出力波动性大的特性。由于海上风电出力与内陆在季节性和昼夜性方面相反的特征,并考虑反调峰特性,可为调度计划、风场生产管理提供参考依据。
4)海上风速和海浪耦合分析:
需要说明的是,能量耦合,一般是指两种或者多种能量在输入端经彼此之间的一系列作用后共同传递至输出端的现象。根据能量守恒定律,在理想状态下,一个***的总能量的改变只能等于传入或者传出该***的能量的多少,在能量耦合过程中,***的输入总能量与输出总能量的数值相等。因此,能量耦合并不会导致能量的损失,只是一个对能量的特性进行调整与叠加的过程。一般来说,能量在经过耦合后,可以减弱或者消除输入能量之间的相互影响,减少能量波动,起到一个将分散的能量汇集的作用,从而使最终输出的能量效率更高、稳定性更好。从本质上讲,风能-海浪互补发电技术也是一个能量相互耦合作用的过程,可根据互补发电技术的发展现状的类型与发电原理进行分析。
一般来说,近海风速梯度比较平稳,因此海上风速梯度通常来说对风电出力影响较小。但海上10m以下的风速变化速度很快,而且规律性较弱,并会产生尾流效应,因此重点使用实际数据和预测数据对10m风速对风电出力的影响进行研究。基于海浪、潮汐的变化的分析可进行风能-海浪能量动力耦合发电,其中,耦合流程图如图3(a)和图3(b)耦合流程图所示。
最后,执行步骤S40,包括:
1)电力消纳分析:
在大型风电基地内,由于地形等因素的差异,局地大气环流的成因及变化规律的不同,造成基地内不同区域的风电出力宏观变化呈不同特征。在风场规划、调度决策及相关研究中作为重要参考。由于风电机组可能出现反调峰特性,因此海上风电出现强烈反调峰的程度和概率将强于陆上风电,对于***负荷峰谷差较大的地区,海上风电的接入将加大***的调峰难度以及局部电网潮流的多样性。另外,海上风电出力的季特性为冬季比夏季高,而***负荷季特性一般为夏季高、冬季低,因此冬季的海上风电消纳难度将高于夏季。由于海面风速相对于陆地更为平稳,海上风速的自相关函数衰减系数小于陆上风速,海上风电出力的波动性要低于陆上风电,因此海上风电的接入对***调频的影响以及***调频能力的要求要低于陆上风电。
2)确定电力消纳方法:
本实施例中具体为将海上风电场的出力特性与陆上风电出力特性进行比较,确定海上风电消纳方法。根据以上的分析可以获知,不同的风电机组,海上风场位置,季节,风速对于电力消纳的方法存在影响,因此根据不同的风电机组,海上风场位置,季节,风速确定就近接入陆上电网,同时确定接入陆上电网的位置。在地理分布和电网规划上,陆上风电场开发相对集中,而海上风电场则是沿海岸线分布、分区开发,各海上风电场可就近接入陆上电网,沿海岸带状分散的海上风电场降低了对输电通道的要求,降低了消纳难度。
本发明实施例提供的海上风电场发电出力特性预测方法,以近岸风电场出力分布特征为依据,从而获得了更准确的海上风电场出力特性,进一步确定了海上风电的消纳难点及消除方法,有利于提高海上风力发电的能效。
请参阅图4,本发明某一实施例还提供了一种海上风电场发电出力特性预测装置,包括:
特征参数获取模块01,用于根据近岸风电场发电出力数据,确定近岸风电出力的随机特性和波动特性,以获得近岸风电场出力分布的特征参数;
时间序列获取模块02,用于基于所述特征参数,采用多风电场运行模拟模型对海上风电场进行运行模拟,得到海上风电场出力的时间序列;
出力特性获取模块03,用于根据海上风电场出力的时间序列,获得海上风电场的出力特性;
消纳方法确定模块04,用于将海上风电场的出力特性与陆上风电出力特性进行比较,确定海上风电消纳方法。
可以理解的是,本发明实施例提供的海上风电场发电出力特性预测装置用于执行如上述实施例所述的海上风电场发电出力特性预测方法,并实现与其相同的技术效果,在此不再进一步赘述。
请参阅图5,本发明某一实施例还提供一种终端设备,包括:
一个或多个处理器;
存储器,与所述处理器耦接,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上所述的海上风电场发电出力特性预测方法。
处理器用于控制该终端设备的整体操作,以完成上述的海上风电场发电出力特性预测方法的全部或部分步骤。存储器用于存储各种类型的数据以支持在该终端设备的操作,这些数据例如可以包括用于在该终端设备上操作的任何应用程序或方法的指令,以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
在一示例性实施例中,终端设备可以被一个或多个应用专用集成电路(Application Specific 1ntegrated Circuit,简称AS1C)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行如上述任一项实施例所述的海上风电场发电出力特性预测方法,并达到如上述方法一致的技术效果。
在另一示例性实施例中,还提供一种包括计算机程序的计算机可读存储介质,该计算机程序被处理器执行时实现如上述任一项实施例所述的海上风电场发电出力特性预测方法的步骤。例如,该计算机可读存储介质可以为上述包括计算机程序的存储器,上述计算机程序可由终端设备的处理器执行以完成如上述任一项实施例所述的海上风电场发电出力特性预测方法,并达到如上述方法一致的技术效果。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种海上风电场发电出力特性预测方法,其特征在于,包括:
根据近岸风电场发电出力数据,确定近岸风电出力的随机特性和波动特性,以获得近岸风电场出力分布的特征参数;
基于所述特征参数,采用多风电场运行模拟模型对海上风电场进行运行模拟,得到海上风电场出力的时间序列;
根据海上风电场出力的时间序列,获得海上风电场的出力特性;
将海上风电场的出力特性与陆上风电出力特性进行比较,确定海上风电消纳方法。
3.根据权利要求1所述的海上风电场发电出力特性预测方法,其特征在于,所述近岸风电场发电出力数据包括近岸风电场历史出力数据以及区域历史风能资源数据。
4.根据权利要求1所述的海上风电场发电出力特性预测方法,其特征在于,所述基于所述特征参数,采用多风电场运行模拟模型对海上风电场进行运行模拟,得到海上风电场出力的时间序列,包括:
根据海上风电场测风塔参考高度的预测风速数据,推算预装风电机组轮毂高度的风速数据;
基于所述风速数据,统计分析风速的随机分布特征以及各海上风电场之间风速的相关性,生成符合风速统计特征与相关性的风速时间序列;
基于符合风速统计特征与相关性的风速时间序列,根据海上风电场风电机组的出力特征曲线与可靠性模型,生成海上风电场风电机组出力的时间序列。
5.根据权利要求4所述的海上风电场发电出力特性预测方法,其特征在于,利用双参数威布尔分布来拟合风速的随机分布特征。
6.根据权利要求1所述的海上风电场发电出力特性预测方法,其特征在于,所述根据海上风电场出力的时间序列,获得海上风电场的出力特性,包括:
根据海上风电场出力的时间序列,通过确定风速的相关性和同时率以及进行风速的多时空分析、海上风速和海浪耦合分析,获得海上风电场的出力特性。
8.一种海上风电场发电出力特性预测装置,其特征在于,包括:
特征参数获取模块,用于根据近岸风电场发电出力数据,确定近岸风电出力的随机特性和波动特性,以获得近岸风电场出力分布的特征参数;
时间序列获取模块,用于基于所述特征参数,采用多风电场运行模拟模型对海上风电场进行运行模拟,得到海上风电场出力的时间序列;
出力特性获取模块,用于根据海上风电场出力的时间序列,获得海上风电场的出力特性;
消纳方法确定模块,用于将海上风电场的出力特性与陆上风电出力特性进行比较,确定海上风电消纳方法。
9.一种终端设备,其特征在于,包括:
一个或多个处理器;
存储器,与所述处理器耦接,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7任一项所述的海上风电场发电出力特性预测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的海上风电场发电出力特性预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210499058.XA CN114862022A (zh) | 2022-05-09 | 2022-05-09 | 海上风电场发电出力特性预测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210499058.XA CN114862022A (zh) | 2022-05-09 | 2022-05-09 | 海上风电场发电出力特性预测方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114862022A true CN114862022A (zh) | 2022-08-05 |
Family
ID=82637797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210499058.XA Pending CN114862022A (zh) | 2022-05-09 | 2022-05-09 | 海上风电场发电出力特性预测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114862022A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117810960A (zh) * | 2023-11-16 | 2024-04-02 | 国家电网有限公司华东分部 | 一种电力***状态的预测方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709112A (zh) * | 2020-04-30 | 2020-09-25 | 广东电网有限责任公司电网规划研究中心 | 一种海上风电运行模拟方法、装置及存储介质 |
-
2022
- 2022-05-09 CN CN202210499058.XA patent/CN114862022A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709112A (zh) * | 2020-04-30 | 2020-09-25 | 广东电网有限责任公司电网规划研究中心 | 一种海上风电运行模拟方法、装置及存储介质 |
Non-Patent Citations (2)
Title |
---|
姜文玲 等: ""多时空尺度下大型风电基地出力特性研究"", 《电网技术》, vol. 41, no. 02, 28 February 2017 (2017-02-28), pages 493 - 499 * |
徐乾耀 等: ""海上风电出力特性及其消纳问题探讨"", 《电力***自动化》, vol. 35, no. 22, 25 November 2011 (2011-11-25), pages 54 - 59 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117810960A (zh) * | 2023-11-16 | 2024-04-02 | 国家电网有限公司华东分部 | 一种电力***状态的预测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102663513B (zh) | 利用灰色关联度分析的风电场功率组合预测建模方法 | |
CN102269124B (zh) | 超短期风电场发电功率预测*** | |
CN107394809B (zh) | 基于风速时间周期特征的风电并网***风险评估方法 | |
CN103268366A (zh) | 一种适用于分散式风电场的组合风电功率预测方法 | |
CN106505631B (zh) | 智能风电风功率预测*** | |
CN113496311A (zh) | 光伏电站发电功率预测方法及*** | |
CN104319807B (zh) | 一种基于Copula函数获取多风电场容量可信度的方法 | |
CN102478584B (zh) | 基于小波分析的风电场风速预测方法及*** | |
CN104135036B (zh) | 一种基于时域和集群效应分析间歇性能源出力的方法 | |
CN102509027B (zh) | 一种基于交叉熵理论的风电功率组合预测方法 | |
CN105281362A (zh) | 电力***消纳风电能力的评估方法 | |
CN110112779B (zh) | 基于多状态概率分布的电采暖消纳风电测算模型 | |
CN106712081A (zh) | 一种具有一体化功能的风电场监控*** | |
CN114862022A (zh) | 海上风电场发电出力特性预测方法、装置、设备及介质 | |
Amarasinghe et al. | Kernel density estimation based time-dependent approach for analyzing the impact of increasing renewables on generation system adequacy | |
Margaret et al. | Exponential smoothing models for prediction of solar irradiance | |
Zhao et al. | Modeling and simulation of large-scale wind power base output considering the clustering characteristics and correlation of wind farms | |
CN111786391A (zh) | 一种计及能源不确定性的概率潮流分析方法及*** | |
CN116826726A (zh) | 一种微电网发电量预测方法、装置及存储介质 | |
CN110544958B (zh) | 一种电力***消纳随机出力电源能力的确定方法及装置 | |
CN106651163A (zh) | 基于Copula函数的多风电场容量可信度评估方法 | |
Zhongping et al. | Integrated wind and solar power forecasting in China | |
Wu et al. | Short-term wind power prediction based on time series analysis model | |
CN110874611B (zh) | 风电集群功率超短期预测误差等级分级补偿方法 | |
Wan et al. | Multi-energy Complementarity Evaluation and Its Interaction with Wind and Photovoltaic Capacity optimization |
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 |