基于相關性分析的風力發電機組性能評估方法技術

本發明專利技術涉及一種基于相關性分析的風力發電機組性能評估方法，包括以下步驟：S1.通過大數據平臺收集數據；S2.確定待分析發電機組；S3.利用以時間為序的不同機組風速對需要確定相關性的機組進行相關性分析；S4.選取修正機組，并求得修正機組的相對發電量；S5.求相對發電量的平均值，當待分析的發電機組相對發電量低于平均發電量(k*100)％時，則待分析發電機組性能欠佳，急需整改，其中k為常數。本發明專利技術利用多層次的相關性、一致性分析方法，確定了相關機組，排除了復雜風況對性能評估的影響，直接應用相關機組的相對發電量作為評估標準，排除了風資源優劣對發電的影響，評估結果更可靠。

【技術實現步驟摘要】

本專利技術涉及一種風力發電機組性能評估方法，特別是一種基于相關性分析的風力發電機組性能評估方法。
技術介紹
風力發電近年來快速發展并得到了廣泛關注與支持。“十二五”規劃中明確提出，到2015年，風電裝機容量達到1.04億千瓦，到2020年這一數字提升到2億千瓦。從實際情況看，2014年新增裝機容量2335.05萬千瓦，比2013年增長45.1％，累計裝機容量1.1476339億千瓦，比2013年新增25.5.％。2014年風電發電量初步統計為1500多億千瓦時，然而在并網裝機容量達到預期標準的前提下并沒有達到預期的1800億千瓦時。風力發電電場發電量的高低取決于風力發電機組的性能好壞，其也是風場盈利能力強弱的關鍵。準確可靠地評估風力發電機組性能可以幫助風電場制定運維策略，有目的地安排檢修。風力發電機組性能好壞雖然從直觀上取決于其發電量的高低，然而實際評估過程中，存在著風力發電機組間風況不相同且缺乏對比手段、風力發電機組結構及控制系統復雜等種種難題，很難單一的依靠風力發電機發電量的高低去評估其性能，目前并沒有一種很好的能綜合考慮多種因素的方式去評估風力發電機組，這使得無法分析風力發電發電量欠佳的原因進而加以整改。因此，需要提供一種通過數據統計、分析的方法去評估不同發電機組間性能優劣的方法，并提供相應算法找到性能較差的風力發電機組，為風場的高質量運行、發電量提升提供參考。
技術實現思路
本專利技術所要解決的技術問題是提供一種能綜合考慮多種因素的基于相關性分析的風力發電機組性能評估方法。本專利技術解決上述技術問題所采用的技術方案如下：基于相關性分析的風力發電機組性能評估方法，包括以下步驟：S1.通過大數據平臺收集數據，數據為不同型號的風力發電機組的以時間為序的風速、功率、實際發電量、湍流強度、風向和平均風速；S2.確定待分析發電機組，從大數據平臺中提取所有型號為待分析發電機組的風速、功率、實際發電量、湍流強度、風向和平均風速；S3.利用以時間為序的不同機組風速對需要確定相關性的機組進行相關性分析：S31.設待分析的發電機組以時間為序的風速序列為xi，需要確定相關性的機組以時間為序的風速序列為yi，則二者間的相關系數R1為：R1=Σ(xi-x‾)(yi-y‾)Σ(xi-x‾)2(yi-y‾)2]]>S32.R1的值越高，表示二者的相關性越高，當時表示二者相關，為相關性關系機組，其中，S33.重復S31與S32，得到所有需要確定相關性的機組與待分析的發電機組的相關系數，以及相關性關系機組；S4.選取修正機組，并求得修正機組的相對發電量：S41.從相關性機組中選取主風向一致，且整個風向頻率分布相關系數的機組，其中，風向頻率分布相關系數R2的計算方法如下：R2=Σ(f1(i)-f2(i)‾)(f2(i)-f2(i)‾)Σ(f1(i)-f1(i)‾)2(f2(i)-f2(i)‾)2]]>其中，i為風向區間的序號，i＝1，2，3……，f(i)為機組落在i區間內的風向概率；S42.從S41篩選出來的機組中再選擇湍流強度相近的機組，篩選方法如下：湍流強度區間為(C-c,C+c)，其中C為中心湍流強度，c為區間范圍，當從S41篩選出來的機組與待分析發電機組在同一時間段內的湍流落在相同區間內時，則二者湍流相近；S43.計算相對發電量，方法如下：其中，W實際為待分析發電機組的實際發電量，W相對為待分析發電機組的相對發電量，為S42篩選出來的機組的平均風速；S5.求相對發電量的平均值，當待分析的發電機組相對發電量低于平均發電量(k*100)％時，則待分析發電機組性能欠佳，急需整改，其中k為常數。本專利技術利用多層次的相關性、一致性分析方法，確定了相關機組，排除了
復雜風況對性能評估的影響，直接應用相關機組的相對發電量作為評估標準，排除了風資源優劣對發電的影響，評估結果更可靠。作為優選，S1中，通過大數據平臺收集的數據，時間間隔一致，且時間范圍一致。作為優選，S41中，主風向一致的確定方法如下：風向區間為(A-a,A+a),其中A為中心風向角，a為區間范圍，待分析發電機組落在風向區間內的風向數據占總體數據的比例為P1，待確定關系的機組相應的比例為P2，二者差值的絕對值為PP：PP＝|P1-P2|當PP≤5％時，二者主風向一致。作為優選，S41中，A為待分析發電機組以1°為間隔時風頻分布最高的角度，a為5°。作為優選，風向區間為，在一年的風向數據中，相比同等大小的區間，且所有機組的風向落在風向區間內的比例最大。作為優選，S41中，風向區間為(B(i)-b,B(i)+b)，其中i為風向區間的序號，i＝1，2，3……，B(i)為該區間的中心風向，b為區間范圍，i個區間為大小相同、相互沒有交集且覆蓋0-360°范圍。作為優選，B和b的取值為，B＝0.25+0.5i，b＝0.25。作為優選，S5中，相對發電量的平均值的計算方法如下：其中，n為經S4篩選后的發電機組數量，k為常數，且0.8≤k＜1，當待分析機組的時，則待分析機組性能欠佳。k值越大，對機組的評估越嚴格。本專利技術同現有技術相比具有以下優點及效果：1、由于本專利技術利用大數據平臺收集足夠多的數據，使得評估結果更可靠，更接近實際。2、由于本專利技術利用多層次的相關性、一致性分析方法，使得評估結果更可靠，更接近實際。3、由于本專利技術通過確定相關機組，排除了復雜風況對性能評估的影響，直接應用相關機組的相對發電量作為評估標準，排除了風資源優劣對發電的影響，
使得評估結果具有更高的準確性。4、由于本專利技術使用大數據的發電量作為評估標準，將風機的復雜結構作為操作黑箱處理，簡化了評估流程，更具工程意義。具體實施方式下面結合實施例對本專利技術做進一步的詳細說明，以下實施例是對本專利技術的解釋而本專利技術并不局限于以下實施例。實施例1：在本實施例中，基于相關性分析的風力發電機組性能評估方法，包括以下步驟：S1.通過大數據平臺收集數據，數據為不同型號的風力發電機組的以時間為序的風速、功率、實際發電量、湍流強度、風向和平均風速；S2.確定待分析發電機組，從大數據平臺中提取所有型號為待分析發電機組的風速、功率、實際發電量、湍流強度、風向和平均風速；S3.利用以時間為序的不同機組風速對需要確定相關性的機組進行相關性分析：S31.設待分析的發電機組以時間為序的風速序列為xi，需要確定相關性的機組以時間為序的風速序列為yi，則二者間的相關系數R1為：R1=Σ(xi-x‾)(yi-y‾)Σ(xi-x‾)2(yi-y‾)2]]>S32.R1的值越高，表示二者的相關性越高，當時表示二者相關，為相關性關系機組，其中，S33.重復S31與S32，得到所有需要確定相關性的機組與待分析的發電機組的相關系數，以及相關性關系機組；S4.選取修正機組，并求得修正機組的相對發電量：S41.從相關性機組中選取主風向一致，且整個風向頻率分布相關系數的機組，其中，風向頻率分布相關系數R2的計本文檔來自技高網...

【技術保護點】
一種基于相關性分析的風力發電機組性能評估方法，其特征是：包括以下步驟：S1.通過大數據平臺收集數據，所述數據為不同型號的風力發電機組的以時間為序的風速、功率、實際發電量、湍流強度、風向和平均風速；S2.確定待分析發電機組，從大數據平臺中提取所有型號為待分析發電機組的風速、功率、實際發電量、湍流強度、風向和平均風速；S3.利用以時間為序的不同機組風速對需要確定相關性的機組進行相關性分析：S31.設待分析的發電機組以時間為序的風速序列為xi，需要確定相關性的機組以時間為序的風速序列為yi，則二者間的相關系數R1為：R1=Σ(xi-x‾)(yi-y‾)Σ(xi-x‾)2(yi-y‾)2]]>S32.R1的值越高，表示二者的相關性越高，當時表示二者相關，為相關性關系機組，其中，S33.重復S31與S32，得到所有需要確定相關性的機組與待分析的發電機組的相關系數，以及相關性關系機組；S4.選取修正機組，并求得修正機組的相對發電量：S41.從相關性機組中選取主風向一致，且整個風向頻率分布相關系數的機組，其中，風向頻率分布相關系數R2的計算方法如下：R2=Σ(f1(i)-f2(i)‾)(f2(i)-f2(i)‾)Σ(f1(i)-f1(i)‾)2(f2(i)-f2(i)‾)2]]>其中，i為風向區間的序號，i＝1，2，3……，f(i)為機組落在i區間內的風向概率；S42.從S41篩選出來的機組中再選擇湍流強度相近的機組，篩選方法如下：湍流強度區間為(C?c,C+c)，其中C為中心湍流強度，c為區間范圍，當從S41篩選出來的機組與待分析發電機組在同一時間段內的湍流落在相同區間內時，則二者湍流相近；S43.計算相對發電量，方法如下：其中，W實際為待分析發電機組的實際發電量，W相對為待分析發電機組的相對發電量，為S42篩選出來的機組的平均風速；S5.求相對發電量的平均值，當待分析的發電機組相對發電量低于平均發電量(k*100)％時，則待分析發電機組性能欠佳，急需整改，其中k為常數。...

【技術特征摘要】
1.一種基于相關性分析的風力發電機組性能評估方法，其特征是：包括以下步驟：S1.通過大數據平臺收集數據，所述數據為不同型號的風力發電機組的以時間為序的風速、功率、實際發電量、湍流強度、風向和平均風速；S2.確定待分析發電機組，從大數據平臺中提取所有型號為待分析發電機組的風速、功率、實際發電量、湍流強度、風向和平均風速；S3.利用以時間為序的不同機組風速對需要確定相關性的機組進行相關性分析：S31.設待分析的發電機組以時間為序的風速序列為xi，需要確定相關性的機組以時間為序的風速序列為yi，則二者間的相關系數R1為：R1=Σ(xi-x‾)(yi-y‾)Σ(xi-x‾)2(yi-y‾)2]]>S32.R1的值越高，表示二者的相關性越高，當時表示二者相關，為相關性關系機組，其中，S33.重復S31與S32，得到所有需要確定相關性的機組與待分析的發電機組的相關系數，以及相關性關系機組；S4.選取修正機組，并求得修正機組的相對發電量：S41.從相關性機組中選取主風向一致，且整個風向頻率分布相關系數的機組，其中，風向頻率分布相關系數R2的計算方法如下：R2=Σ(f1(i)-f2(i)‾)(f2(i)-f2(i)‾)Σ(f1(i)-f1(i)‾)2(f2(i)-f2(i)‾)2]]>其中，i為風向區間的序號，i＝1，2，3……，f(i)為機組落在i區間內的風向概率；S42.從S41篩選出來的機組中再選擇湍流強度相近的機組，篩選方法如下：湍流強度區間為(C-c,C+c)，其中C為中心湍流強度，c為區間范圍，當從S41篩選出來的機組與待分析發電機組在同一時間段內的湍流落在相同區間內時，則二者湍流相近；S43.計算相對發電量，方法如下：其中，W實際為待分析發電機組的實際發電量，W相對為待分析發電機組...

【專利技術屬性】
技術研發人員：葉小廣，劉慶超，孔德同，孫昊，于文革，王志，雷陽，付立，
申請(專利權)人：華電電力科學研究院，
類型：發明
國別省市：浙江;33