电力供求市场信息    
毕水兴能源通道
大云网 发电企业风力发电 正文

如何用数据挖掘方法提高风电机组功率输出

2017-09-26 20:00:22 电力科学观察与写作 　 点击量： 评论 (0)
存在的问题及解决方法风电机组的原动力不可控，受风速、风向等因素影响，其功率输出具有较高不确定性，这为风电机组的功率输出提升及优化带来了较大挑战。另一方面，在线监测技术和数据库技术不断成熟的今天，风

逐点优化策略与聚类优化策略3
 
根据前述分析，本文提出一种逐点优化策略，用于优化风电机组功率，其流程图如图4所示，该策略的主要思想是在每运行时刻点调用遗传算法，优化搜索风电机组最优控制参数。
 
 
逐点优化策略要求每10分钟进行一次优化，显然该策略所需计算量较大，不利于在线优化风电机组功率。本研究引入K均值聚类方法，可对风速数据进行聚类，通过采用K组风速聚类下最优控制量，实现对风电机组功率的在线优化，降低优化计算量，其流程图如图5所示。
 
 
算例分析4
 
采用某风电场内H56-850型风电机组2012/06/01至2012/06/30间每10分钟风电机组运行数据验证本文风电机组功率优化策略。
 
图6所示为采用两种优化策略前后的2012/06/13中风电机组功率曲线。可以看到，采用本研究中功率优化策略后，风电机组功率输出曲线高于历史功率输出曲线。
 
 
两优化策略的仿真平台为台式电脑(Intel-i3 3.60 GHz, 4 GB RAM)和MATLAB R2015a，两优化策略的优化计算时间如图7所示。可以看到，聚类优化策略仅需在风电机组投运前(00 : 00时刻)优化计算各风速聚类中心下的优化控制策略，而在风电机组投运后，仅需根据当前测量风速，选择对应聚类中心的优化控制策略，该过程仅涉及选择判断操作，因此可快速实现。逐点优化策略则需在每时刻点进行半分钟左右的优化计算。两者相比，聚类优化策略更适用于风电机组功率的实时优化。
 
 
结论5
 
本文提出两种基于数据驱动方法的风电机组功率优化策略：逐点优化策略和聚类优化策略，其中，后者策略在前者策略基础上成功应用聚类方法，有效降低优化计算复杂度。通过对比2012/06/13当天风电机组优化功率与历史运行记录，结果表明，本文优化策略可有效提高风电机组功率输出，并且聚类中心数为5的聚类优化策略，能以较低的优化计算复杂度，达到逐点优化策略的相近优化效果。更高的风电机组功率意味着更高的风能利用率，对于提高风电场收益具有重要意义。
 
研究成果6
 
本研究发表在《电力系统自动化》2016年第40卷第22期，欢迎品读。
 
 
原标题:【研究成果】如何用数据挖掘方法提高风电机组功率输出

上一页 1 2 下一页
大云网官方微信售电那点事儿

责任编辑：lixin

免责声明：本文仅代表作者个人观点，与本站无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
分享到微博分享到微信
我要收藏
个赞
风电机组 风电功率 风电
评论
条
发表
点击加载更多