[发明专利]一种风电场流场耦合特性评估与智能分群方法及系统

说明书

本发明公开了一种风电场流场耦合特性评估与智能分群方法及系统。所述方法首先获取风电场的历史运行数据并进行数据清洗；根据清洗后目标数据中的风向测量数据确定主要入流风向，根据主要入流风向及机组结构运行参数确定风轮面实时有效风速，根据实时有效风速进行尾流影响评估；根据风向测量数据进行流场耦合特性评估，生成流场耦合特性评估结果；根据尾流影响评估结果及流场耦合特性评估结果对风电场中的机组进行聚类分群。本发明方法充分利用风电场的历史运行数据，深度挖掘场内机组间的耦合关系，实现对风电场的初步尾流评估；随着风电场的规模的增大，本发明通过智能分群算法实现了场级的聚类分群，提高了机组分群的效率和准确性。

技术领域

本发明涉及风电场技术领域，特别是涉及一种风电场流场耦合特性评估与智能分群方法及系统。

背景技术

21世纪以来，风电发展迅速，风能作为一次能源不可储存，其产生的电能具有随机性、间歇性和反调峰特性，其规模化并入电网将会导致电力系统的运行调度控制变得困难，并网和消纳正逐步成为制约风电开发的主要问题。随着新能源电力所占比重的逐渐增加，其随机波动性对系统的影响将发生质变，电力系统需要在随机波动的负荷需求与随机波动的电源之间实现能量的供需平衡。

风力发电技术的发展带来的一个特点就是不断增大的并网风电场规模。在对风场进行建模过程中，一般情况下由于风场规模较大，如果对每一台机组进行详细建模，不仅会增大模型的规模，还会增加计算及分析与仿真的复杂度，十分繁琐。

对风电场流场进行有效评估，是流场建模的重要前提。实际风电场已存有海量的历史运行数据，目前业界基于数据分析和智能算法多聚焦于风电机组的运行效率评估、故障检测及预警等方面，旨在提高风电机组可靠性和经济性。风电场受到主导风向、地形、机位分布等因素影响，可能同时有多台上游机组对同一机组存在尾流影响，这些相关性均隐藏在各台机组的历史运行数据内，有待进一步发掘。

发明内容

本发明的目的是提供一种风电场流场耦合特性评估与智能分群方法及系统，能够充分利用风电场的历史数据库，深度挖掘场内机组间的耦合关系，实现对风电场的初步尾流评估；并随着风电场的规模的增大，通过智能分群方法实现场级的聚类分群。

为实现上述目的，本发明提供了如下方案：

一种风电场流场耦合特性评估与智能分群方法，所述方法包括：

获取风电场的历史运行数据；所述历史运行数据包括环境测量数据、机组结构运行参数以及状态标志位数据；所述环境测量数据包括风速测量数据、风向测量数据；所述机组结构运行参数包括机组的偏航角、叶尖速比、叶根弯矩；所述状态标志位数据包括叶片动作角度参数、齿轮箱速度参数、偏航动作角度参数以及解缆情况参数；

对所述历史运行数据进行数据清洗，生成清洗后目标数据；

根据所述风向测量数据确定主要入流风向；

根据所述主要入流风向及所述机组结构运行参数确定风轮面实时有效风速；

根据所述风轮面实时有效风速进行尾流影响评估，生成尾流影响评估结果；

根据所述风向测量数据进行流场耦合特性评估，生成流场耦合特性评估结果；

根据所述尾流影响评估结果及所述流场耦合特性评估结果对所述风电场中的机组进行聚类分群，生成聚类分群结果。

可选的，所述对所述历史运行数据进行数据清洗，生成清洗后目标数据，具体包括：

将所述环境测量数据以及所述机组结构运行参数中的无效数据和错误数据进行剔除；

将所述风速测量数据中风速在切入风速以下和切出风速以上的数据点进行剔除；

根据所述状态标志位数据将异常工作工况所对应的数据点进行剔除，生成清洗后目标数据。