【摘要】：為解決化石能源短缺以及環(huán)境污染問題,世界各國都在大力發(fā)展新能源發(fā)電產(chǎn)業(yè),風力發(fā)電由于清潔可再生等優(yōu)勢,其開發(fā)和利用得到了廣泛關(guān)注。如何有效的利用風能以及保證風力發(fā)電機組的安全穩(wěn)定高效運行是風力發(fā)電的核心研究問題,而解決這一問題需要對風電場的風能特性進入深入的研究。研究風能特性需要對風電場龐大的運行數(shù)據(jù)進行梳理分析,傳統(tǒng)的統(tǒng)計分析很難實現(xiàn)對風能特性的深入研究,作為智能化方法的典型代表機器學習具有強大的數(shù)據(jù)分析能力和計算能力,為風能特性的研究提供了新思路和方法。合適的風速概率模型能較精確的對風速分布特性和波動進情況進行描述,對風能特性評估和風電機組并網(wǎng)穩(wěn)定運行有重要意義。本文采用威布爾分布概率模型對所研究的風電場進行風速概率擬合。本文利用智能算法中的粒子群算法對威布爾模型的形狀參數(shù)和尺度參數(shù)進行估計,并與數(shù)值法參數(shù)估計進行擬合優(yōu)度比較,結(jié)果表明粒子群算法參數(shù)估計的模型擬合優(yōu)度在判定系數(shù)、相關(guān)系數(shù)、卡方檢驗方面明顯優(yōu)于數(shù)值法。目前專家和學者對于風速研究主要側(cè)重于風速校正和風速預測,關(guān)于風速的測量裝置少有人研究。風電場的風速的獲得僅靠機艙尾部的風速儀,風速儀對于風電機組安全穩(wěn)定運行至關(guān)重要,而風速儀的工作狀態(tài)無法通過運行數(shù)據(jù)準確獲取,本文在特征工程的基礎(chǔ)上提出一種基于遺傳算法優(yōu)化支持向量機的風速識別模型,利用風電機組運行大數(shù)據(jù)對模型性能進行了檢驗,驗證結(jié)果表明該模型相較于神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)支持向量機有較大的優(yōu)勢,對風速的識別率為92.15%,該模型可以實現(xiàn)對風速儀的工作狀態(tài)的實時檢測和校正。針對風電場存在部分機組發(fā)電異常的問題,本文通過分析異常機組偏航誤差角度與功率關(guān)系,得出機械式風速儀由于存在對風誤差使機組不能精確的完成偏航調(diào)節(jié),導致輸出功率異常。本文利用隨機森林算法構(gòu)建了風機偏航校正模型,基于偏航工作原理對偏航誤差區(qū)間進行劃分,依據(jù)裝備有激光雷達測風裝置的風機運行數(shù)據(jù)對模型進行了驗證,結(jié)果表明該模型的預測精確度為95.2%,能夠有效的實現(xiàn)風電機組的偏航校正。
【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TM614
【圖文】：

華北電力大學碩士學位論文第 2 章 風電場風能基本特性分析2.1 引言風能是指風所具有的動能，風能特性分析主要就是對風能相關(guān)參數(shù)進行分析研究。對風能特性的良好掌握對于風電場的正確選址、電力系統(tǒng)的穩(wěn)定以及風能的有效利用等有重要的意義[19]。2.2 風能特性的基本參數(shù)風力發(fā)電機組通過風輪吸收風的動能并轉(zhuǎn)化為風輪的旋轉(zhuǎn)機械能，帶動發(fā)電機發(fā)電，從而實現(xiàn)能量之間的轉(zhuǎn)換。

華北電力大學碩士學位論文向是指風吹來的方向，統(tǒng)計分析風場的風向以及變化情況，對于排列極為重要。在盛行風向變化不大的情況下，一般采用梅向變化較大的情況下，一般采用隊行排列進行風電機組的布實踐中常用的風向玫瑰圖能很好的反映風向及風頻的情況。圖指從外部吹向測風位置的方向，各個方向上通過統(tǒng)計風向的數(shù)小的線段，線段越短則反映此風向出現(xiàn)的次數(shù)越少。通過風向的確定風場的主導風向，風電機組的排列應垂直于主導風向

風能的時空地貌特性1 風能的時間特性1）風速時間特性對于風電場的風速特性，一般從三種時間尺度來考察：長期特性、中期特性。幾年來風電場風速的特性為長期特性，中期特性為一年或者期特性和中期特性對于風電場的選址有極高的參考價值。短期特性是、甚至分秒為單位考察風速特性，主要用來進行風機的控制。各地風不盡相同，所以整體統(tǒng)計性的經(jīng)驗結(jié)論不能用于具體風電場的機組只有通過對具體的風場風資源特性的分析，才能夠了解該風場的風況對風力機的運行特性進行準確的分析判斷[23]。1）超短期風速變化情況

【參考文獻】

相關(guān)期刊論文 前10條

1 蘭杰;林淑;宋聚眾;;基于偏航誤差停機邏輯的風力機控制算法設(shè)計[J];東方電氣評論;2015年04期

2 段學偉;王瑞琪;王昭鑫;郎澄宇;孫樹敏;趙鵬;鄭偉;;風速及風電功率預測研究綜述[J];山東電力技術(shù);2015年07期

3 沈小軍;杜萬里;;大型風力發(fā)電機偏航系統(tǒng)控制策略研究現(xiàn)狀及展望[J];電工技術(shù)學報;2015年10期

4 姚旭;王曉丹;張玉璽;權(quán)文;;特征選擇方法綜述[J];控制與決策;2012年02期

5 姜海波;曹樹良;陽平;;水平軸風力機的功率極限[J];機械工程學報;2011年10期

6 樸海國;王志新;;基于CPSO的PID神經(jīng)網(wǎng)絡(luò)及偏航電機控制策略[J];電機與控制學報;2010年09期

7 吳曉婷;閆德勤;;數(shù)據(jù)降維方法分析與研究[J];計算機應用研究;2009年08期

8 李凱;崔麗娟;;集成學習算法的差異性及性能比較[J];計算機工程;2008年06期

9 王曰芬;章成志;張蓓蓓;吳婷婷;;數(shù)據(jù)清洗研究綜述[J];現(xiàn)代圖書情報技術(shù);2007年12期

10 丁明,吳義純,張立軍;風電場風速概率分布參數(shù)計算方法的研究[J];中國電機工程學報;2005年10期

本文編號：2751705