基于支持向量机和微分进化算法的风电机优化运行

被引:12
作者
彭春华 [1 ]
相龙阳 [1 ]
刘刚 [1 ]
易洪京 [2 ]
机构
[1] 华东交通大学电气与电子工程学院
[2] 江西中电投新能源发电有限公司
关键词
风电机; 支持向量机; 微分进化; 桨距角;
D O I
10.13335/j.1000-3673.pst.2012.04.032
中图分类号
TM614 [风能发电];
学科分类号
0807 ;
摘要
风电机出力控制是风电场运行过程中的一个关键问题。针对风电机出力与风速和桨距角之间存在非常复杂的关系,很难建立通用准确的数学模型,提出了一种新的风电机出力优化模式,即首先通过支持向量机算法建立风电机出力与运行参数之间的非线性拟合模型,并基于此模型和风速的变化,采用高效的微分进化算法对风力机桨距角进行快速动态优化,从而实现风电机出力最大化。以鄱阳湖长岭风电场风电机组实际运行数据进行了仿真应用与分析。结果表明通过优化风力机桨距角可有效地提高风电机出力,验证了文中方法的可行性和优越性。采用文中方法可准确建立风速与最优桨距角的动态对应关系,为风电机的优化运行提供了科学的指导。
引用
收藏
页码:57 / 62
页数:6
相关论文
共 9 条
[1]   基于微分进化算法的发电商机组出力综合性优化策略 [J].
彭春华 ;
孙惠娟 ;
李海山 .
电网技术, 2010, 34 (01) :129-133
[2]   变桨距风力机分区段模拟方法及其控制策略 [J].
叶远茂 ;
吴捷 ;
张先亮 ;
邱晓欢 .
电网技术, 2010, 34 (01) :159-163
[3]   风力机参数的可辨识分析 [J].
张仰飞 ;
袁越 ;
陈小虎 ;
胡建 ;
吴博文 .
电力系统自动化, 2009, 33 (06) :86-89
[4]   基于风速和空气密度估计的最大风能捕获 [J].
柳明 ;
柳文 .
电网技术, 2009, 33 (01) :56-60
[5]   基于支持向量机与遗传算法的灰熔点预测 [J].
王春林 ;
周昊 ;
李国能 ;
邱坤赞 ;
岑可法 .
中国电机工程学报, 2007, (08) :11-15
[6]   基于最佳功率给定的最大风能追踪控制策略 [J].
胡家兵 ;
贺益康 ;
刘其辉 .
电力系统自动化, 2005, (24) :32-38
[7]   变速恒频风力发电系统最大风能追踪控制 [J].
刘其辉 ;
贺益康 ;
赵仁德 .
电力系统自动化, 2003, (20) :62-67
[8]   A particle swarm optimization for wind energy control problem [J].
Kongnam, C. ;
Nuchprayoon, S. .
RENEWABLE ENERGY, 2010, 35 (11) :2431-2438
[9]   SUPPORT-VECTOR NETWORKS [J].
CORTES, C ;
VAPNIK, V .
MACHINE LEARNING, 1995, 20 (03) :273-297