[发明专利]一种考虑限电因素的风电场出力等值聚合模型构建方法

说明书

本发明公开了一种考虑限电因素的风电场出力等值聚合模型构建方法，该方法包含四种等值聚合方法的建立方法和辨识风电机组运行状态的方法，该方法包括以下步骤：(1)收集风电场运行数据，对数据进行预处理；(2)依据风电场的数据特征和风电机组排布特征，选择对应方法，建立风电场的正常出力等值聚合模型；(3)以风电场的正常出力等值聚合模型为基础，建立考虑限电因素的风电场出力等值聚合模型。本方法完全由数据驱动，只需要风电场的运行数据；能够快速准确地辨识出风电场的任意时刻的出力状态；相较其它方法，本方法考虑了风电场弃风限电的情况；本发明能够对风电场全部运行状态建立具有较好的稳定性、可信度和等值精度的等值聚合模型。

技术领域

本发明涉及电力技术领域，具体涉及一种考虑限电因素的风电场出力等值聚合模型构建方法。

背景技术

近年来，我国能源消费结构中，清洁能源所占比例越来越高。风能因其无污染，建设周期短，蕴藏量大的特点，成为重要的清洁能源。风电场的建设也日趋规模化、大型化。随之而来的是，大型风电场内的风电机组的大量增加和内部连接的复杂化，风电场等值方法变得计算复杂，且受到地理位置分布、限制出力等因素的影响，风电场的总风电功率不能简单地认为是单台风电机组的倍数。风电场等值聚合方法及其参数的准确性将直接影响电网调度计划的制定和仿真分析中方法的计算精度、复杂程度。

外特性建模方法是风电场等值聚合方法主要的建模方式之一。外特性建模方法是忽略风电场内部各个对象的差异，将风电场从外部视作为一个黑箱，采用统计分析风电场实测数据的方法，研究风电场输入风速与风电功率的关系。该方法所建立的方法较为简单，仿真速度快，但方法的精度受数据质量影响，其中风电机组所记录的实际运行的风速和风电功率数据至关重要。由于目前电力系统对风电消纳能力有限，造成弃风限电的现象，这就导致实际运行数据集中有大量异常数据。能够判断风电机组的运行状态，并能够得到弃风限电时风电机组的风速-风电功率关系，也是提高风电场等值方法精度的重要方法。

发明内容

发明目的：为了克服现有风电场等值聚合方法的不足，本发明提供一种考虑限电因素的风电场出力等值聚合模型构建方法，该方法可以解决传统风电场等值聚合方法在弃风限电情况下精度低的问题，且具有较强的通用性。

技术方案：本发明提出一种考虑限电因素的风电场出力等值聚合模型构建方法，该方法建立包括以下步骤：

(1)收集风电场运行数据，对数据进行预处理；

(2)依据风电场的数据特征和风电机组排布特征，选择对应方法，建立风电场的正常出力等值聚合模型；

(3)以风电场的正常出力等值聚合方法为基础，建立考虑限电因素的风电场出力等值聚合模型。

进一步的，步骤(1)中，所述数据预处理包括：

(11)识别弃风限电情况下，风电机组被限制出力时的功率值上限，并根据不同的上限将风电机组划分为不同的限制出力运行状态；

(12)识别并剔除异常数据；

(13)对新数据集使用过度删除数据补偿算法和剔除不充分修正算法进行修正。

进一步的，步骤(11)中，所述的识别弃风限电情况下的限功率值的方法采用基于k-means聚类的数据挖掘方法，对运行数据进行辨识聚类，识别出风电机组处于弃风限电状态下的功率值上限，称为限功率值，具体方法如下：首先将风电场所记录的风速和风电功率数据以数据对的形式组成为一个数据集，每一个时刻下的风速数据和功率数据一一对应，再将数据集内风速大于风电机组额定风速的数据对，按照功率值的大小划分为多个区间，其中每个区间的长度为额定功率值10％，对每个区间的数据对，应用k值设为4的k-means聚类方法，输出得到4个聚类。4个聚类中，只有所包含的数据量占区间内总数据量的30％以上的聚类，会被选取聚类内的数据求平均值计算风电机组限制出力时的功率值上限，每个功率值上限对应一种运行状态，功率值上限的表达式为：