智能算法的風(fēng)電場風(fēng)速－功率特性建模

2017-10-04 14:37:11 賢集網(wǎng)　點擊量：評論 (0)

基于統(tǒng)計方法的風(fēng)電場風(fēng)速－功率特性建模，并沒有將風(fēng)電場完全看為黑箱，對風(fēng)電機組本身的風(fēng)速－功率特性依然有較大依賴。基于智能算法的風(fēng)電場風(fēng)速－功率特性建模則完全將風(fēng)電場視為黑箱，以風(fēng)電場實測數(shù)

基于統(tǒng)計方法的風(fēng)電場風(fēng)速－功率特性建模，并沒有將風(fēng)電場完全看為黑箱，對風(fēng)電機組本身的風(fēng)速－功率特性依然有較大依賴。基于智能算法的風(fēng)電場風(fēng)速－功率特性建模則完全將風(fēng)電場視為“黑箱”，以風(fēng)電場實測數(shù)據(jù)為基礎(chǔ)，通過大量的樣本訓(xùn)練或多次的迭代修正來獲取風(fēng)電場風(fēng)速－功率特性。

　　風(fēng)電場風(fēng)速－功率特性本質(zhì)上是非線性輸入與非線性輸出之間的關(guān)系。據(jù)此，很多學(xué)者提出了利用BP神經(jīng)網(wǎng)絡(luò)、Elman神經(jīng)網(wǎng)絡(luò)等智能算法并根據(jù)風(fēng)電場實測數(shù)據(jù)進行辨識，進而獲取風(fēng)電場風(fēng)速－功率特性的思路。

　　以風(fēng)速和風(fēng)向作為神經(jīng)網(wǎng)絡(luò)的輸入量，經(jīng)過實測數(shù)據(jù)的樣本訓(xùn)練，建立風(fēng)電場風(fēng)速－功率模型。風(fēng)機捕獲功率的大小既與風(fēng)速有關(guān)，又與槳矩角有關(guān)，因此文中選取實測風(fēng)速和槳矩角作為BP神經(jīng)網(wǎng)絡(luò)的輸入量，以風(fēng)電場輸出功率為輸出量進行樣本訓(xùn)練，最終得到風(fēng)電場風(fēng)速－功率模型。

　　BP網(wǎng)絡(luò)建立的模型由輸入輸出歷史數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，具有局限性，所建立模型只能作為靜態(tài)模型使用，而風(fēng)電場具有動態(tài)變化的特點，為此提出了能夠適應(yīng)時變特性的Elman神經(jīng)網(wǎng)絡(luò)來構(gòu)建風(fēng)電場的風(fēng)速－功率模型。

　　風(fēng)電場輸出功率受眾多因素影響，雖然計及機組工況的風(fēng)電場風(fēng)速－功率建模能較好地考慮到場內(nèi)各機組工況的差異性，但場內(nèi)機組數(shù)量大，完全計及所有機組工況并不現(xiàn)實，也不具有操作性；另外尾流效應(yīng)和時滯效應(yīng)受氣溫、風(fēng)向等因素影響，建模困難、量化計算難度大。

　　采用統(tǒng)計方法和智能方法的風(fēng)電場風(fēng)速－功率建模是以實測數(shù)據(jù)分析為基礎(chǔ)的，兩者有效地規(guī)避了上述問題，但實測數(shù)據(jù)只能表征風(fēng)電場在某一時間區(qū)間、某一運行方式下的特性，盡管可通過大量的數(shù)據(jù)分析消除時間因素對所構(gòu)建模型的影響，但得到的模型不能囊括風(fēng)電場的所有運行方式；而且風(fēng)電場輸出功率不僅與當(dāng)前風(fēng)速有關(guān)，還與風(fēng)速過程有關(guān)，因此進一步研究還需深入展開。

責(zé)任編輯：lixin

免責(zé)聲明：本文僅代表作者個人觀點，與本站無關(guān)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實，對本文以及其中全部或者部分內(nèi)容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關(guān)內(nèi)容。

我要收藏

個贊