基于L2范数组合云的风电场短期风速–功率拟合方法

为解决大型风电场运行分散性引起的风速–功率拟合误差较大的问题,提出一种基于L2范数组合云的风电场短期风速–功率拟合方法。首先,针对不同风速下风电场功率概率密度曲线峰值特性不同问题,以其概率密度曲线峰值点为边界点,建立组合云拟合模型;其次,为了避免样本峰值扰动引起的组合云模型拟合误差升高,基于L2范数理论对风电场特定风速下的功率离散点进行多项式拟合,以该多项式的峰值点作为边界,对上述组合云拟合模型进行修正;最后,采用贝叶斯法对上述组合云拟合模型参数进行计算。经仿真验证:对具有不确定性的不规则单峰或多峰风速–功率概率分布,所提组合云拟合方法均能获得较高的拟合精度,拟合误差较小。

基于云分段最优熵算法的风电机组异常数据识别研究

风电场的历史运行数据尤其是风速和功率数据是研究风电功率波动特性、风电功率预测、风电功率曲线计算和测试的重要基础。但风电场实际采集到的数据中通常会出现大量异常数据,而这些异常数据是由各机组的异常数据构成,故对风电机组进行异常数据识别具有重要意义。该文以风电机组的风速–功率曲线为研究基础,提出了用于机组异常数据识别的云分段最优熵算法,该算法基于云模型的熵识别机组发电异常的数据集,对数据进行分离。结果表明,该算法可以有效地识别出机组异常数据,提高异常数据的正确识别率,保证数据的准确性。

Direct Power Control of Variable Wind Speed Based on the Doubly Fed Asynchronous Machine

In this work, the authors propose the study of a wind speed variable based on the DFAM （double fed asynchronous machine）. The model of the turbine is drawn from the classical equations describing the operation of a variable wind speed. The torque generated by the turbine is applied to the DFAM directly connected on the network side and the stator via a bidirectional converter side rotor. This configuration allows velocity variations of ±30% around the synchronous speed and the converter is then sized to one third of the rated power of the machine. The DFAM is controlled by a control vector ensuring operation of the wind turbine power coefficient maximum.