考虑时段划分的高风电渗透率系统储能配置

随着风电渗透率不断升高,其波动性、随机性的特点使得电力系统出现严重的弃风及调峰困难问题。为此,提出一种考虑时段划分的高风电渗透率系统储能优化配置模型。首先,在净负荷的基础上计算峰谷隶属度,综合考虑风电消纳、峰谷差和用户满意度,采用量子粒子群算法寻优;其次,在最优时段的基础上综合考虑火电机组和储能的成本及收益,以净成本最小为目标函数优化出最优储能配置方案;最后,通过不同风电渗透率的算例分析验证所提优化模型的合理性和有效性。

探展CWP2024:风电征途走向“更深更远”

2024年10月16日,备受瞩目的2024北京国际风能大会暨展览会(CWP 2024)在北京中国国际展览中心(顺义馆)隆重开幕。作为中国风电发展的“风向标”与“晴雨表”,今年大会以“构筑发展新格局·践行时代新使命”为主题,汇聚全球最新风电技术成果,聚焦产业发展重点和未来,展会面积达10万m2,参展企业近1000家,全面呈现风电行业最新发展动态,引领风电产业高质量发展。

考虑极端天气冲击过程的风电机组竞争失效可靠性评估

针对风电机组的运行可靠性易受极端天气影响的问题,提出了一种考虑极端天气冲击过程的风电机组竞争失效可靠性评估方法。同时考虑风电机组自然退化、极端天气冲击导致的瞬时退化以及极端天气持续过程产生的加速退化,构建极端天气下的风电机组综合退化模型;考虑风电机组退化过程对其耐冲击性能的影响,建立风电机组竞争失效可靠度模型以评估风电机组可靠性;基于我国北方某风电场工程数据和极端天气历史数据评估了某2 MW风电机组的可靠性并进行了参数灵敏度分析。结果显示,到第5年时,仅考虑自然退化的方法评估风电机组可靠度为0.84,而考虑极端天气冲击过程的方法评估风电机组可靠度为0.178,后者更加符合工程实际。通过模型参数的灵敏度分析发现,运行时间超过3年后,退化失效开始逐渐影响风电机组的可靠性。

全球高海拔地区风电利用现状综述

目前全球高海拔地区的风能资源利用率仍较低,随着陆上风电在平原等中低海拔区域的装机容量逐渐饱和,高海拔风电将是未来陆上风力发电的发展方向。为促进高海拔地区的风电发展,本文从可再生能源角度回顾了全球当前风电等清洁能源的利用概况,简述了全球能源需求及高海拔地区的能源需求,表明目前在部分高海拔国家仍存在电力不足的现象。并从全球高海拔国家的风资源潜力、装机容量等方面阐述了高海拔风电的利用现状,最后简介了我国高海拔风电的发展现状,并讨论了高海拔风电发展面临的挑战。

融合迁移学习与CGAN的风电集群功率超短期预测

针对可再生能源不确定性导致电力系统消纳能力不足的问题,提出一种基于条件生成对抗网络与迁移学习融合的风电集群功率超短期预测方法。首先,分析了风电集群功率预测样本模式的不均衡性以及导致的神经网络预测误差偏移现象;其次,构建了条件生成对抗网络修复不均衡问题;最后,采用迁移学习结合时间卷积网络构建了风电集群功率超短期预测模型。测试结果表明,所提方法能够显著提高风电集群功率超短期预测精度。

基于BP-AHP风机状态评估的超短期风电功率动态预测研究

针对传统风电功率预测仅考虑气象因素,且无法计及风电机组真实出力状态导致预测精度较差问题,本文提出一种计及风机状态的超短期风电功率动态预测方法。首先,为能够精确评估风机状态,将BP(error back propagation, BP)算法引入层次分析法(analytic hierarchy process, AHP)的评估结构中,构建BP-AHP风机状态评估模型,实现单台风机状态评估;然后,综合考虑地形及机组排布等因素,将风电场所有风机的状态取均值作为风电场状态,利用皮尔逊相关系数衡量所评估状态与功率之间的相关性以验证评估模型合理性,并采用XGBoost构建计及风机状态的动态预测模型;最后,以陕西地区某风电场实测数据进行算例分析,验证了所提方法的可行性及有效性。

风电和光伏发电功率联合预测与预调度框架

随着多区域互联电力系统的发展,风电、光伏等新能源发电大规模并网,风电-光伏功率的联合预测和协调调度是必然趋势和迫切需求。为此,从风电-光伏发电的时空相关性分析出发,对风电-光伏功率时空耦合、风电光伏联合预测建模、风电光伏联合预测模型参数优化、考虑风电-光伏联合预测的电力系统预调度等方面进行了分析讨论。首先,研究揭示风电-光伏功率在时间-空间上的交互影响机理,提出面向多时间尺度的风电-光伏功率时间互补性分析方法,建立风电-光伏发电空间相关性量化模型,构建基于多阶图卷积神经网络风电-光伏发电时空耦合模型;基于此,研究提出了融合异构图神经网络的风电-光伏联合预测方法,建立了风电-光伏联合预测模型参数优化模型,构建了新能源有功功率预测误差矢量评价体系,为风电-光伏联合发电系统的协调调度和控制提供决策支撑;在风电-光伏联合发电预测的基础上,采用风电、光伏发电时间互补、空间互济的思路探讨了风电-光伏联合的电力系统预调度策略和方法,对不同时间尺度风电-光伏的协调调度策略进行了剖析,建立了电网-区域-集群-场站空间递阶的风电-光伏联合发电系统分层调度框架。最后,展望了未来风电-光伏联合预测与预调度方面应研究的方向。

海上风电机组吊装技术研究

在海上风电产业大力发展的过程中,风电机组吊装作业成为制约海上风电场建设施工的关键环节之一,其中海域环境的复杂多变性、选用船舶设备的适应性、安装工艺流程的科学性等因素均决定着风电机组安装的成败。基于江苏启东某海上风电工程,充分考虑了工程海域的潮位、潮流特征等海洋气象环境的影响,选择并校核了风电安装船等船舶设备的性能适应性。同时在开阔海域下,探讨了施工前的准备作业以及风机吊装施工流程的优化,包括对塔筒、机舱、轮毂和叶片等附件预拼接作业进行了阐述,其中重点分析了塔筒吊装、机舱-轮毂组合体吊装以及风机叶片吊装的安装精度控制措施。该工艺流程有效保证了风机吊装作业满足设计和规范的要求,同时也提高了风机安装的施工精度与效率,旨在为后续海上风电工程的发展提供参考。

保持主导振荡模态的双馈风电场动态聚合等值方法

针对风电场详细建模出现的“维数灾”问题,计及双馈风电机组各控制环节与系统振荡模态的关系,以保持等值前后主导振荡模态一致为目标,提出考虑风电机组多时间尺度级联特性的风电场站等值聚合方法。首先考虑风电机组多控制环节级联建立风电场状态空间模型;其次,利用振荡能量级判别系统主导振荡模态,并基于参与因子分析不同模态的关键影响因素;在此基础上,以主导振荡模态的关键影响因素为分群指标,结合自编码器进行数据降维处理,经改进聚合算法聚类和拓扑变换获取等值参数等环节后得到等值模型。最后,在Matlab平台分别搭建单机模型和含24台双馈风电机组的风电场模型,验证了所提等值方法的有效性。

单叶片吊装型风电机组安装技术研究与应用

随着全球能源需求的日益增长和对环境保护的关注度不断提高,风能作为一种清洁环保的可再生能源,逐渐得到了广泛关注和应用。风力发电机组的安装是风电项目建设过程中不可或缺的环节,而单叶片吊装型风电机组则是一种新型的安装方式。文章从行业专业角度出发,对单叶片吊装型风电机组安装技术进行详细研究。

基于CNN–LSTM的风电场发电功率迁移预测方法

随着能源消耗的持续增长和全球气候问题的日趋严峻,以风能为代表的清洁能源装机容量正在稳步提升。为更好地消纳风电,需要准确的风电场发电功率预测为配套设施建设和未来规划制定提供有效依据。针对在缺少风电历史运行数据时预测精度较低的问题,提出一种基于卷积神经网络–长短期记忆神经网络(CNN–LSTM)的规划阶段风电场发电功率预测模型。首先,基于参考电站历史数据提取风速–风电功率实测数据点,采用3次样条插值进行风电功率曲线建模。然后,采用K–means聚类算法,根据风速–风电功率的特性关系划分参考风电场的区域类别。综合考虑风电功率与多维气象因素的特征关系和功率的时序特性,构建CNN–LSTM预测模型,提出基于功率曲线的预测结果修正方法。最后,基于某地风电场实际数据进行算例分析,并与使用标准功率曲线和未进行修正时的预测结果进行对比分析。结果表明:基于风速–风电功率特性的风电场聚类可以实现参考风电场的优化识别;所提模型预测结果优于传统标准功率曲线预测方法,基于功率曲线的修正方法进一步提升了预测效果。基于深度学习算法的规划阶段风电场发电功率迁移预测模型综合考虑了风力发电特性和多维环境因素,其有效性得到了验证,可以为提高规划阶段风电场发电功率的预测精度提供新思路。

考虑时空相关性的风电机组风速清洗方法

为获得完整可靠的风速数据,提出一种考虑时空相关性的风电机组机舱风速清洗方法。利用图卷积神经网络(GCN)提取风速的空间相关信息、利用双向长短期记忆神经网络(Bi-LSTM)提取时间相关信息,建立GCN-LSTM模型重构各机组风速序列,实现对异常风速数据的识别和清洗。分析风速的时空特性及其对模型清洗精度的影响,确定最优时间尺度和机组节点数量2个重要的建模参数;以中国4个不同地形风电场为例对GCN-LSTM模型进行验证,结果表明考虑时空相关性可有效提高风速清洗精度,风速的时空相关性越高风速清洗误差越小,且该模型在不同地形风电场的风速清洗中表现出良好的鲁棒性。

基于风电-负荷匹配度的风电消纳能力自动评估方法

风力发电是一种绿色清洁发电技术,风能分布不均,存在着弃风问题,基于此,研究基于风电-负荷匹配度的风电消纳能力自动评估方法。创建风电-负荷场景,获取真实风电-负荷数据,计算风电-负荷匹配度,选取风电消纳能力自动评估指标,构建风电消纳能力自动评估模型,明确构建模型的约束条件,基于粒子群优化算法获取评估数值,根据评估规则确定风电消纳能力,实现风电消纳能力的自动评估。实验数据显示:应用提出方法获得的风电消纳能力自动评估时延最小值为11.4 s,评估结果误差最小值为2%,风电消纳能力评估效果更佳。

海上风电装备产业基地生产设施设计

以某大型海上风电智能化装备产业园为例,概述风电产品的主要参数、风电机组和叶片的生产能力规划与特点,并据此分析其工艺流程和生产设施,拟定机组总装车间和叶片制作车间的工艺区划方案。在此基础上,基于工时计算确定工序工位数,结合工位尺寸形成车间的工艺布置,完成生产设施设计,为我国海上风电装备产业基地的规划建设提供参考。

风电消纳能力须进一步提升

我国风力资源丰富,有较好的发展风力发电的资源优势。目前我国已经成为全球风力发电规模最大、增长最快的市场。随着我国经济建设不断深入发展,“双碳”目标的进一步落实推进,对风力等能源需求不断增加。此外国家政策的扶持,也让风电行业快速发展。随着风电装机规模持续增长,局部地区消纳问题逐渐显现。能否有效解决风电消纳问题,将是风电行业能否实现快速、健康发展的关键。

基于IWOA-SA-Elman神经网络的短期风电功率预测

由于风力发电的随机性和不确定性使其短期功率的预测工作十分困难,而神经网络模型依靠其强大的自学习能力在风电功率预测领域有着广泛的应用。但神经网络预测精度受初始权重影响较大,且易出现过拟合的问题。为此构建一种基于改进鲸鱼算法和模拟退火组合优化的Elman神经网络短期风电功率预测模型,模型首先利用改进鲸鱼算法结合模拟退火策略获得高质量神经网络初始权值,接着引入正则化损失函数防止其过拟合,最后以西班牙瓦伦西亚某风电场陆上短期风电功率为研究对象,将该算法与BP、LSTM、Elman、WOA-Elman、IWOA-Elman 5种神经网络算法进行算法性能测试对比,结果表明IWOA-SA-Elman神经网络模型预测误差最小,验证了该算法的合理性和有效性。

再破纪录!禾望电气助力世界首例主力电源型风电场整场投运

近日,世界首例主力电源型风电场——甘肃瓜州干河口南北风电场,在圆满完成全场黑启动、孤网带负荷、场内人工短路等场站级关键测试后,实现了整场投运!该风电场总装机容量为100MW,包含32台主力电源型风电机组,全部采用禾望电气提供的3.2MW新型风电变流器。

再破纪录!禾望电气助力世界首例主力电源型风电场整场投运

近日,世界首例主力电源型风电场——甘肃瓜州干河口南北风电场,在圆满完成全场黑启动、孤网带负荷、场内人工短路等场站级关键测试后,实现了整场投运!该风电场总装机容量为100MW,包含32台主力电源型风电机组,全部采用禾望电气提供的3.2MW新型风电变流器。

风电虚拟惯量延时的影响机理模型解析及替代性研究

风电机组采用虚拟惯量参与电网调频时,其本质是带延时的快速功率响应,但虚拟惯量延时对频率控制的非线性影响尚不清晰。同时,虚拟惯量存在测频精度要求高、延时大、频率微分环节放大量测误差等固有缺陷。为此,提出了风电机组虚拟惯量延时的影响机理模型解析及替代性研究的思路。首先,通过将风电机组虚拟惯量和下垂控制的延时特性近似等效为一阶惯性环节,建立风电调频使用虚拟惯量和下垂控制的系统频率响应模型;其次,基于劳斯近似法对高阶模型进行降阶解析,求得系统频率最低点的解析表达式;然后,解析求解风电调频仅使用下垂控制的系统频率响应模型,并在频率最低点指标下给出与虚拟惯量和下垂控制相同调频效果的下垂控制系数设定方法。进一步,在设定下垂控制参数下,对比两种控制方式下的最大频率变化率、稳态频率等关键指标关系,得出结论:适当改变下垂系数可替代带延时虚拟惯量,并能取得比虚拟惯量和下垂控制更佳的调频效果。最后,建立仿真模型,并从系统频率响应动态、调频能量需求、风电机组响应功率等方面验证了分析的正确性。

风电企业内部控制缺陷及改进研究——以华锐风电为例

从2005年至2010年,我国风电行业飞速发展,但从2011年我国政府开始收紧了对风电行业的政策力度,使近百家风电企业大规模亏损。在风电行业经历飞速发展后,慢慢浮现出很多问题,例如内部控制环境薄弱、风险评估能力不足、监督职能匮乏、信息沟通不及时等,解决现有的问题是保障风电行业发展的关键。事实上,随着世界经济的快速发展,是否有效执行内部控制制度也是判断企业进行良好发展的重要前提。本文以华锐风电为例,从多个方面探讨风电企业实施内部控制的现状,以及改进措施,以期对风电行业的良好发展提供借鉴。