基于风电场风机片区的风速插补方法研究

选取内蒙古某一风电场为研究区,在对本场风机、测风塔测风数据进行质控后,按照不同月、风向对风机风速进行相关性分析,划分出风机轮毂高度风速高相关片区16类.以片区的某一台风机为例,统计该风机一年逐时数据的缺失、异常情况,并选用自回归差分移动平均法(ARIMA)、风机片区时空插补法进行风机风速异常及缺失值插补.检验结果表明:插补后风机风速与实际值非常接近,基于风机片区的时空插补平均偏差约为0.68m/s,ARIMA方法的平均偏差约为0.82m/s,两种方法的插补结果7月优于1月;ARIMA插补适用于0~6h短时插补,而基于风机片区的时空插补适合于任意时长的插补,但是对片区风机的风速完整性有要求.总之,ARIMA与基于风机片区的时空插补方法均有较好的效果,且可根据实际情况具体选择.

风电机组异常风速的识别和修正方法研究

有效的数据清洗手段可提高风电机组测风资料的质量,而风机数据质量对风资源评估、风功率发电有重要意义。本文提出了风功率区间识别风速、功率的异常值,再基于风机高相关片区修正风速的方法。资料选用2020—2022年内蒙古乌兰察布市北部某风电场的风机测风数据进行分析。结果表明:风功率区间修正后的风机数据完整率提高至90%以上,利用风机高相关片区,修正了部分异常风速。该方法提高了风电场风电机组测风风速的数据质量,实现了风速和功率互相校准,为风电场发电量预测、调控提供基础性支撑数据。

基于风速高相关分区的风电场风速预报订正

为了提高风电场风速预报和功率预测的精度和准确率,并考虑风机测风数据的不稳定因素,以多年服务的内蒙古中部某风力发电场A为研究区,在勘察风电场地形及风机布局后,按照季节、风向进行风机间风速时空相关性分析,划分出风机轮毂高度风速高相关为典型特征的风机网格分类片区,采用卡尔曼滤波方法,通过直接和间接两种订正方案,分别进行风机片区风速订正。结果表明:风速高相关风机片区的划分,对于提高风电场风速预报及功率预测精度和准确率具有一定作用,利用风电场区测风塔梯度观测风速,对风机片区进行间接订正,可有效改善数值模式预报风速,15个片区类型下相关系数由0.18~0.72提高至0.67~0.91,误差绝对值由1.6~2.9 m·s^(-1)降低至1.0~1.5 m·s^(-1)。