基于湍流的双NTF方法应用于机舱风速计测量功率曲线

机舱风速计测量功率曲线的误差较大,造成风电功率预测结果的不确定性。文章依托某风电场现场实验,研究了机舱风速-自由流风速的关系,探讨了大气湍流强度对机舱传递函数(NTF)的影响,提出了基于湍流的双NTF方法,并应用于机舱风速计测量功率曲线。在不同年平均风速情况下,采用未修正的机舱风速功率曲线、国际电工委员会(IEC)提出的单NTF方法修正后的机舱风速功率曲线和文章所提出的双NTF方法修正后的机舱风速功率曲线,分别评估年发电量,其误差范围分别为-8.8%^-0.5%,-2.4%^-0.2%和-0.2%~0.2%。研究结果表明,文章所提出的基于湍流的双NTF方法是可行的,其应用效果优于IEC提出的单NTF方法。

基于卷积神经网络的机舱风速修正

风电机组机舱风速计受到风机尾流和叶片扰动影响,国际电工委员会(IEC)提出的机舱传递函数无法准确描述机舱实测风速与来流风速的复杂关系。提出一种基于卷积神经网络的机舱风速修正模型,该模型采用多层卷积池化,可有效过滤风机尾流和叶片扰动的影响,高度抽象特征变量,提高修正风速的精度。工程实例表明:平原风电场中基于卷积神经网络法的计算风速与实测风速拟合精度R2达到0.8447,平均绝对误差(MAE)仅为0.071,该方法计算的功率曲线与实测功率曲线评估电量差异仅为4.07%,各项偏差指标均优于IEC机舱传递函数,充分反映出该模型在机舱风速修正方面的优越性。