风机风电功率预测
发表时间：2018-11-13 10:41 | 点击率：
风机随着风电功率预测精度的不断提高，其在控制 中所发挥的作用日益突出，尤其是单机的风速预测 和风功率预测将在未来的风电场有功控制和风机的 优化控制中发挥重要作用，风机使功率分配更加科学合 理，降低风机出力的不确定性。提出考虑 尾流效应的动态神经网络超短期风速预测，其预测 误差在０．７ｍ／ｓ之 内，精 度 较 高，已 能 满 足 实 际 应 用。该动态神经网络超短期预测模型由输入层、隐 含层和输出层构成，输入层由考虑时延的动态多层 前馈网络构成，隐含层由含５个神经元的前馈网络 构成， 所提出的动态神经网络超短 期风速预测建立风电功率预测模块，根据预测风速 曲线，计算风机的功率曲线，为在线优化奠定基础。出力在线优化 根据风电功率预测模块给出的超短期功率预测 信息，针对识别出的爬坡功率段，进行出力优化，给 出相应的参考功率。
对于非爬坡功率段，此时的优 化出力曲线即为最 大 功 率 点 跟 踪（ＭＰＰＴ）曲 线，风 机运行在 ＭＰＰＴ 的模式下。 当辨识出爬坡功率段时，在线优化模块建立以 爬坡率和弃风量最小为目标的出力优化模型，通过 优化给出风机的参考功率曲线。风速在秒级时间尺度上具有一定的波动，但考 虑风轮惯性的平滑作用，秒级以下时间尺度的波动 对风机出力的影响相对较 小。目 前 风 机 的 风 速 仪采样时间为０．２５ｓ，考虑测量过程中可能出现 的坏数据，可将多个采样数据取平均值后，作为最终得风机 出力能够实时精确跟踪在线优化模块制定的参考功 率，并保证转速具有一定的调节空间，使风机能更好 地响应电网的调频调峰要求。 反馈控制模块根据实时转速、风速以及参考功 率，确定桨距角参考值。以下是不同情形下的具体 计算方法。风电场的爬坡事件除了与风机本身的出力变化 有关，还与风电场内各处的风速条件和风机的地理 分布有关。为了综合考虑以上因素，本文引入风速 同时性系数，分析爬坡事件的发生机理，研究风机控 制策略对爬坡事件的影响。
