风电运行数据预处理技术及其应用研究

近年来,能源危机和环境问题严重制约传统化火力发电的发展,风电产业得到快速发展。由于风电随机波动性强、间歇性显著,大规模风电并网对整个电网系统安全、稳定运行构成严重威胁,亟需解决并网风电冲击电网稳定问题。改善风电质量等相关研究成为重点关注方法,而改善风力发电质量的基础性前提和关键性技术即为提高单机风速/风功率预测性能。因此,本文基于风电场数据采集与监视控制系统(Supervisory Control And Data Acquisition,SCADA)中风机数据,对风机数据预处理技术、风速/风功率不确定性预测技术以及风机发电特性不确定性分析技术等进行深入研究。主要研究内容可归纳为四个方面:异常越限数据识别剔除技术研究。深入分析风机风速、转速、风功率等数据,结合风机运行机理、数理统计及概率论知识,进行风机越限数据识别剔除相关技术的研究,主要包括:将风机转速作为辅助识别因子,设计三维空间下明显越限数据初筛剔除机制;采用Copula方法求得风机置信等效功率边界曲线,并且定义置信度带宽比数据质量评价指标,评价边界曲线异常数据识别剔除性能;设计数据驱动的边界曲线自适应更新机制;选择风电场中具有代表性两台风机进行实例仿真测试,验证方法机制科学合理性和有效性。风机功率曲线不确定性建模。主要内容如下:考虑风机发电特性建模数据敏感性,补充缺失数据插值重构方法研究,采用双向Markov链数据重构法填补缺失数据,且进行双向重构值权重系数优化训练,精准高效地重构缺失数据点;对不同缺失数据类型分析、设计数据插值重构混合策略;基于预处理后数据,综述多种风机功率曲线定值和概率建模方法,对比分析不确定性功率曲线模型性能。风速不确定性预测技术研究。基于风速时序数据的相空间重构和相似风速序列聚类,实施多结构模型的超短期风速预测相关技术研究,简述如下:实施风速片段序列特征提取和数据降维,提高相似样本聚类的准确性和运行效率;采用高斯过程过回归(Gaussian Process Regression,GPR)算法建立多结构单步风速预测模型,且实施影响GPR模型性能的超参数优化,创新性地结合k折交叉验证法定义综合评判准则函数,用作优化过程中个体适应度的计算;以滚动迭代思想为基础,设计最优模型结构选择机制,实现精准高效超短期风速多步预测;算例仿真验证所提方法策略有效性和优越性。综合不确定性风功率预测建模。在风功率预测间接分步实现方式下,设计考虑综合不确定性的风功率预测建模机制,在分步方式下,实施风功率预测不确定性的分析、评估及综合,构建不确定性风功率预测系统。具体内容如下:结合风速不确定性预测结果和不确定性风机功率曲线模型,实现超短期风功率预测;进行仿真测试,验证间接分步方式下风功率综合不确定性预测的实现方法科学合理性和先进性。