本发明公开一种风力发电机组功率曲线自适应优化方法。本发明提出的风力发电机组自适应优化方法分为4个步骤，最终根据计算风力发电机组的动态容量系数实现自适应功率曲线优化。本发明的特点是提出了一种针对风电场内每台风力发电机组，通过动态辨识机组所在点的风频模型动态调节优化风力发电机组功率曲线，使风力发电机组出力与风力发电机组所在点风频的变化实现最优匹配。
1.风力发电机组功率曲线自适应优化方法，其特征是包括以下步骤：步骤1：动态统计风电场内每台风力发电机组所在点在过去确定时间周期内平均风速；
步骤2：定期依据各台机组所在点平均风速频率分布数据定期辨识更新各台机组所在点风频分布模型；
步骤3：依据各台机组更新的风频分布模型基于容量系数优化各台机组功率曲线；
2.根据权利要求1所述风力发电机组功率曲线自适应优化方法，其特征是步骤1中，风速统计采用平均风速作为统计数据，采用10分钟平均风速，根据风资源湍流强度选取其它的平均风速作为统计数据，当湍流强度较小时选择较小时间段的平均风速作为统计数据，当湍流强度较大时选择较大时间段的平均风速作为统计数据，但平均风速的平均时间段大于1分钟小于1小时。
3.根据权利要求1所述风力发电机组功率曲线自适应优化方法，其特征是步骤1中，风速统计时间周期采用1个月到1年之间的时间段作为统计时间周期。
4.根据权利要求1所述风力发电机组功率曲线自适应优化方法，其特征是步骤2中，风频分布描述辨识周期应至少小于风速统计时间周期。
5.根据权利要求1所述风力发电机组功率曲线自适应优化方法，其特征是步骤1中平均风速计算通过测量风机平均输出功率，依据平均输出功率根据风机所使用的功率曲线查表求取平均风速，风机输出平均功率求取公式为：式中：
6.根据权利要求1所述风力发电机组功率曲线自适应优化方法，其特征是针对风电场内每一台风力发电机组进行自适应功率曲线优化。
7.根据权利要求1所述风力发电机组功率曲线自适应优化方法，其特征是根据平均风速频率分布数据定期辨识更新风频分布模型，从而实现风力发电机组功率曲线自适应优化。
8.根据权利要求1所述风力发电机组功率曲线自适应优化方法，其特征是当获取的时间周期内平均风速为风电场区域范围内大尺度平均风速，功率曲线自适应优化方法实现针对风电场的风力发电机组统一功率曲线自适应优化。
风力发电机组功率曲线自适应优化方法
技术领域
[0001] 本发明属于风力发电技术领域，涉及基于风力发电机组功率曲线自适应优化方法。
背景技术
[0002] 风能是目前最具有经济价值的可再生能源，根据中国国家发改委能源研究所发布《中国风电发展路线图2050》，中国风电未来40年的发展目标：到2020年、2030年和2050年，风电装机容量将分别达到2亿、4亿和10亿千瓦，到2050年，风电将满足17%的国内电力需求。
[0003] 目前，风力发电机组已经成为风能利用的主要设备，风力发电成本仍然明显高于传统的火电、水电发电成本。
[0004] 风电场年发电量、并网电价、寿命周期、建设费用和运营维护成本直接决定着风能利用的经济效益，而对于已建成的风电场，提高容量系数是直接提高发电量提高风电经济效益的关键环节之一。
[0005] 在不同风资源条件下，由于风频分布的不同、空气密度不同以及湍流强度不同即使同种型号的风力发电机组年发电量也有可能存在较大的差异。
[0006] 中国幅员辽阔，各地区间风资源条件可能有明显的差异，即使同一风资源区域由于季节、气候、地理环节等自然条件的变化，风资源条件在不同时间段并不完全一致，甚至有较大差异。
[0007] 在风电场内由于各台风力发电机组的地理位置不同，同时风机之间受到相互影响导致各台风力发电机组所在点的风资源条件往往也不相同。
[0008] 风力发电机组由于控制工作点的不同，在不同风速下风能利用率也不同，对于确定的风资源和确定的风力发电机组存在最优控制方案，通过最优控制方案控制风力发电机组功率曲线与风资源条件最优匹配使风力发电机组理论年发电量最大。
[0009] 目前已经投入使用的风力发电机组，往往在同一风电场内所有风力发电机组的功率曲线完全一致，同时在风力发电机组寿命周期内往往一直采用初始设置的功率曲线。
发明内容
[0010] 本发明提出一种风力发电机组功率曲线自适应优化方法。
[0011] 本发明的技术方案是风力发电机组功率曲线自适应优化方法，其特征是针对风电场内每台风力发电机组进行动态功率曲线自适应优化，该方法包括以下步骤：
[0012] 步骤1：动态统计风电场内每台风力发电机组所在点在过去确定时间周期内平均风速；
[0013] 步骤2：定期依据各台机组所在点平均风速频率分布数据定期辨识更新各台机组所在点风频分布模型；
[0014] 步骤3：依据各台机组更新的风频分布模型基于容量系数优化各台机组功率曲线；
[0015] 步骤4：更新风力发电机组功率曲线。
[0016] 步骤1中，风速统计采用平均风速作为统计数据，一般采用10分钟平均风速，也可根据风资源湍流强度选取其它的平均风速作为统计数据，一般当湍流强度较小时选择较小时间段的平均风速作为统计数据，当湍流强度较大时选择较大时间段的平均风速作为统计数据，但一般平均风速的平均时间段大于1分钟小于1小时；
[0017] 步骤1中，风速统计时间周期一般可以采用1个月到1年之间的时间段作为统计时间周期；
[0018] 步骤2中，风频分布描述辨识周期应至少小于风速统计时间周期。
[0019] 步骤2中，风频分布辨识模型通常可以用威布尔来进行描述，其计算公式可以表述为：
[0020]
[0021] 式中
[0022] 为风频分布概率密度函数；
[0023] 表示平均风速；
[0024] 表示形状参数；
[0025] 表示尺度参数。
[0026] 威布尔分布模型辨识可以采用根据平均风速的累积频率进行估计，也可以采用根据平均风速均值和样本标准差估计。
[0027] 步骤3中，容量系数可以按照下式计算：
[0028]
[0029] 式中
[0030] 表示容量系数；
[0031] 表示功率曲线；
[0032] 表示功率曲线对应的额定功率。
[0033] 步骤3中，优化风力发电机组的功率曲线可以通过调整风力发电机组切入风速、额定风速、切出风速、启动转速、额定转速等相关控制参数实现风力发电机组功率曲线调节。
[0034] 本发明主要解决了以下实际问题：
[0035] 1.由于各台风力发电机组的地理位置并不相同，同时当风电场建成以后风电场内各台风机之间也会有相互影响，因此风电场内各台风机所处区域的风频分布往往是不同的，本发明通过辨识每台风机所处点的风频分布模型，对每台风力发电机组功率曲线进行优化，确保风电场内各台发电机组与其所处微观区域风资源条件最优匹配；
[0036] 2.由于风速的不确定性和随机性，风频分布往往会随着时间变化而改变，本发明通过动态自适应辨识风电场内各台风机所处地点的风频分布模型，通过基于动态更新的风频分布模型动态优化风力发电机组功率曲线，有效的提升了风力发电机组的动态容量系数。
[0037] 当获取的时间周期内平均风速为风电场区域范围内大尺度平均风速，依照本文介绍的功率曲线自适应优化方法可以实现针对风电场的风力发电机组统一功率曲线自适应优化。
附图说明
[0038] 图1风力发电机组功率曲线自适应优化流程图
具体实施方式
[0039] 步骤1中，风速的测量一般可以采用风力发电机组机舱自带的风速计进行测量，也可以通过有效瞬时风速估计的方法对瞬时风速进行估计，有效风速估计方法如下：
[0040]
[0041] 式中：
[0042] 表示有效瞬时估计风速；
[0043] 表示通过风轮气动特性，推导出的有效风速估计非线性模型，该模型可以通过非线性建模方法实现；
[0044] 表示风轮桨距角；
[0045] 表示风轮的气动力矩；
[0046] 表示风轮的转速。
[0047] 步骤1中平均风速计算可以通过对平均时间段内瞬时风速求平均值求取，求取公式为：
[0048]
[0049] 式中：
[0050] 表示平均风速；
[0051] ,表示平均时间段内采样点数；
[0052] 表示瞬时风速。
[0053] 步骤1中平均风速计算也可以通过测量风机平均输出功率，依据平均输出功率根据风机所使用的功率曲线查表求取平均风速，风机输出平均功率求取公式为：
[0054]
[0055] 式中：
[0056] 表示风机平均输出功率；
[0057] ,表示平均时间段内采样点数；
[0058] 表示瞬时测量风机输出功率；
[0059] 表示并网能量；
[0060] 表示平均功率周期。
[0061] 步骤2中，风频分布模型辨识采用根据平均风速的累积频率进行估计，首先将辨识平均风速数据按照风速出现范围划分为 个间隔： ， ， ，，统计每个风速间隔中平均风速出现的频率 ， , ， 和积累频率 ，
, , ,参数辨识可以根据最小二乘法按照下式计算：
[0062]
[0063] 步骤2中，风频分布模型辨识采用根据平均风速均值和样本标准差估计,参数辨识可以按照下式计算：
[0064]
[0065] 式中：
[0066] 表示辨识平均风速数据；
[0067] 表示辨识平均风速数据点数。
[0068] 本发明可以通过编写软件模块嵌入主控系统实现，也可以通过构建自适应功率曲线优化系统通过与主控的通讯实现。
[0069] 本发明提出了一种针对风电场内每台风力发电机组，通过动态辨识机组所在点的风频模型动态调节优化风力发电机组功率曲线，使风力发电机组出力与风力发电机组所在点风频的变化实现最优匹配。
