风速-功率曲线广泛应用于风电机组的功率预测、状态监测和故障诊断,其主要构建方法是使用风电场SCADA(supervisory control and data acquisition)数据进行拟合。然而由于弃风限电、仪表故障等因素,SCADA数据中存在部分功率异常数据。...风速-功率曲线广泛应用于风电机组的功率预测、状态监测和故障诊断,其主要构建方法是使用风电场SCADA(supervisory control and data acquisition)数据进行拟合。然而由于弃风限电、仪表故障等因素,SCADA数据中存在部分功率异常数据。为保证拟合结果的准确可靠,应首先剔除这些异常数据。文中提出了一种风电机组功率异常数据剔除方法:首先使用分位数方法剔除距离正常数据较远的离散点,而后结合K-means聚类方法和改进时序方法剔除中部堆积点,最后使用分位数方法和DBSCAN(density-based spatial clustering of applications with noise)聚类方法的组合方法剔除距离正常数据较近的离散点。文中分别使用仿真数据集和实测数据集对分位数方法、基本时序方法及文中方法进行对比测试,结果表明,文中方法最优,对中部堆积点和离散点均有良好剔除效果。展开更多
为解决风电机组由于风电不确定性带来的调频功率偏差问题,提出一种基于数据分解的“飞轮+锂电”混合储能系统辅助风电调频容量配置方法。首先,以最小平均包络熵为优化目标,利用粒子群算法优化变分模态分解参数,并分解风电调频偏差功率,...为解决风电机组由于风电不确定性带来的调频功率偏差问题,提出一种基于数据分解的“飞轮+锂电”混合储能系统辅助风电调频容量配置方法。首先,以最小平均包络熵为优化目标,利用粒子群算法优化变分模态分解参数,并分解风电调频偏差功率,得到k个包含不同数据特征的本征模态函数(intrinsic mode function,IMF)。其次,根据信号过零率将所有IMF分为低频和高频信号,并建立经济评估模型,旨在优化混合储能系统容量配置方案。最后,基于典型风电场区域控制误差(area control error,ACE)数据,构建仿真模型,并在多种扰动工况下对混合储能系统进行性能测试。结果表明,所提出的配置方法在经济性与调频性能方面均优于等容量的单一储能方案。展开更多
文摘风速-功率曲线广泛应用于风电机组的功率预测、状态监测和故障诊断,其主要构建方法是使用风电场SCADA(supervisory control and data acquisition)数据进行拟合。然而由于弃风限电、仪表故障等因素,SCADA数据中存在部分功率异常数据。为保证拟合结果的准确可靠,应首先剔除这些异常数据。文中提出了一种风电机组功率异常数据剔除方法:首先使用分位数方法剔除距离正常数据较远的离散点,而后结合K-means聚类方法和改进时序方法剔除中部堆积点,最后使用分位数方法和DBSCAN(density-based spatial clustering of applications with noise)聚类方法的组合方法剔除距离正常数据较近的离散点。文中分别使用仿真数据集和实测数据集对分位数方法、基本时序方法及文中方法进行对比测试,结果表明,文中方法最优,对中部堆积点和离散点均有良好剔除效果。
文摘为解决风电机组由于风电不确定性带来的调频功率偏差问题,提出一种基于数据分解的“飞轮+锂电”混合储能系统辅助风电调频容量配置方法。首先,以最小平均包络熵为优化目标,利用粒子群算法优化变分模态分解参数,并分解风电调频偏差功率,得到k个包含不同数据特征的本征模态函数(intrinsic mode function,IMF)。其次,根据信号过零率将所有IMF分为低频和高频信号,并建立经济评估模型,旨在优化混合储能系统容量配置方案。最后,基于典型风电场区域控制误差(area control error,ACE)数据,构建仿真模型,并在多种扰动工况下对混合储能系统进行性能测试。结果表明,所提出的配置方法在经济性与调频性能方面均优于等容量的单一储能方案。
