隨著風電產(chǎn)業(yè)在全世界范圍內(nèi)的迅速增長,風力發(fā)電越來越滲透入電力系統(tǒng)當中。對風電機組運行狀態(tài)的準確預測及故障預警能夠有效提升風電機組運行的穩(wěn)定性。目前,風電機組大多配備了數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)(SCADA,Supervisory Control and Data Acquisition)系統(tǒng),其能夠采集并記錄機組全方位的運行狀態(tài)信息,為機組運行狀態(tài)評估提供了可靠的大數(shù)據(jù)來源,如何有效分析這些數(shù)據(jù),開展機組故障的預警,是風電場穩(wěn)定運行研究的熱點。為對風電機組運行狀態(tài)進行故障預警,本文利用歷史和實時SCADA系統(tǒng)數(shù)據(jù)、風電場運維數(shù)據(jù)、氣象數(shù)據(jù)作為測試數(shù)據(jù)和風電場地理信息系統(tǒng)(Geographic Information System,GIS)數(shù)據(jù)等信息作為樣本,開展風電機組的電量分析、全場功率預測、風機葉片結冰預測、風電機組機械狀態(tài)預測、單機功率曲線對標預測以及風機機艙風速預測準確性修正等六個方面的研究。首先對根據(jù)一定規(guī)則對上述數(shù)據(jù)進行清洗;其次利用SCADA數(shù)據(jù)并結合廣義線性回歸(GLM)算法構建線性模型對各風電機組的電量進行分析;基于ARIMA算法構建全場功率預測模型,利用歷史風速、風向...

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

圖3.3回歸模型(使用標記后）

圖3.3回歸模型(使用標記后）圖3.4擬合功率的結果通過分析圖3.4可知，上述中值密度點不屬于平滑曲線，所以有必要平滑處

圖3.4擬合功率的結果

21圖3.4擬合功率的結果通過分析圖3.4可知，上述中值密度點不屬于平滑曲線，所以有必要平滑處�；诖私Y合最小二乘法平滑函數(shù)線性化處理中值點功率，式（3.2），優(yōu)化01(y)ji=a+ax、yi、離差(yi-yj)的平方和Σ(yi-yj)2。2222....

圖3.5單風力發(fā)電機組分析結果

圖3.5單風力發(fā)電機組分析結果3.3功率預測模型除了風力發(fā)電機組的性能與其發(fā)電功率有關之外，風力大小等因素均會對發(fā)電功率產(chǎn)生一定影響。只要電網(wǎng)調(diào)度部門可預知風力發(fā)電機組未來一段時間的發(fā)電情況，即可提前做好調(diào)度各類資源的計劃，最大限度的降低限電所帶來的不利影響，更有利于高效的....

圖3.7基于時間序列的風速信息

圖3.7基于時間序列的風速信息圖3.8風速信息的差分處理結果

本文編號：4002364