免費下載！
[!--downpath--]風電并網裝機容量快速發展，規模化風電無法消納，風資源的間歇性和隨機性特征導致棄風限電現象嚴重。據悉，風電數據采集、傳輸及儲存過程中難免出現偏差，包含大量異常數據會使其機率分布失真，無法正確表征風機真實運行特點，將嚴重影響到基于風機運行數據的相關應用研究的確切性和可靠性。
為此，有必要通過技術手段預處理風機數據，采用一種科學、合理、嚴謹的方式對風電功率數據中異常數據進行辨識剔除，提升風機數據質量；對于基于數據的風電場理論功率恢復等應用研究，其精度及可靠性將會明顯改善；對合理評價風電場/群運行的安全性和經濟性、科學評判風電消納情況等具有重大理論和應用指導意義。而目前尚沒有合適的基于置信等效功率曲線帶的風機數據清洗模型構建及其性能評估方式。
問題分拆
包括：對異常數據樣本進行初篩剔除；將風速分為三個區域，采用核密度恐怕法統計每位區域內風速、功率機率分布情況，得到每位區域的函數；采用最大殘差恐怕法得到對應區域的置信等效功率邊界模型；采用分段三次配準法構建缺位數據，完成原始數據樣本的清洗；將置信度帶寬比的均值作為模型性能評價指標，采用d折交叉驗證的方式對不同區域上下邊界模型進行驗證，當指標基本穩定在某一定值時，確立不同區域的上下邊界模型；采用滾動時間窗方式更新數據，以置信度帶寬比的偏離度作為觸發條件，超出一定閥值時進行上下邊界模型更新。
問題解決
針對上述問題，本發明提出一種基于置信等效功率曲線帶的風電建模及性能評估方式，包括：
步驟1：按照風機運行機理將風機運行分為五個不同的階段，包括切入階段、最狂風能跟蹤階段、過渡階段、額定功率階段和切出階段，基于風機階段運行熱阻統計特點，對不同階段的異常數據樣本進行初篩剔除；
步驟2：按照風機運行階段，將風速分為三個區域，記為區域I、П、Ш，結合步驟1進行異常數據初篩后得到的數據，采用核密度恐怕法統計每位區域內風速、功率機率分布情況，得到風速-功率的聯合機率分布模型，剖析其聯合分布特點，得到每位區域對應的函數；
步驟3：結合步驟2所得到的每位區域對應的函數，采用半參數法，確定風速-功率聯合機率分布函數，給定風速累積機率分布取值，得到功率累積機率分布取值的條件機率分布函數，構建每位區域的理論等效功率曲線的置信水平，采用最大殘差恐怕法求出風速、功率的累積機率分布函數，從而得到對應區域的置信等效功率邊界模型；
步驟4：基于步驟3得到的風速-功率數據上下邊界模型對原始數據樣本進行數據剔除，之后，采用分段三次配準法構建缺位數據；
步驟5：采用置信度帶寬比作為數據清洗質量指標，對區域I、П、Ш，分別采用核密度恐怕法統計并對比其數據清洗前后的機率分布特點；
步驟6：采用3折交叉驗證的方式分別對區域I、П、Ш的上下邊界模型進行驗證，將3折驗證過程獲取的置信度帶寬比的均值作為模型性能評價指標，當指標穩定在某一定值附近時，確立區域I、П、Ш的上下邊界模型；
步驟7：采用滾動時間窗方式更新數據風電功率預測項目介紹，并估算區域I、П、Ш時間窗間隔對應的置信度帶寬比，以置信度帶寬比的偏離度作為觸發條件，超出一定閥值時進行區域I、П、Ш上下邊界模型更新，重復步驟1-7。
所述步驟1具體包括：風機的運行過程包括五個階段，分別是：
切入階段：0≤V
最狂風能跟蹤階段：
過渡階段：
額定功率階段：≤V切出階段：≤V，P＝0；
其中，V為風機當前運行風速；為運行風機的切入風速(即風機切入階段最大運行風速)；為運行風機的額定怠速對應風速(即風機最狂風能跟蹤階段最大運行風速)；為運行風機的額定功率對應風速(即風機過渡階段最大運行風速)；為運行風機的切出風速(即風機額定功率階段最大運行風速)；P為風機當前輸出功率；為運行風機的額定怠速對應輸出功率(即風機最狂風能跟蹤階段最大輸出功率)；為運行風機的額定功率；Pmax為運行風機的最大輸出功率，
分別采集相同時間段下相同取樣周期的V、P時間序列，
風機運行在切入、切出階段時，剔除風機輸出功率非零的異常數據點；
風機運行在最狂風能跟蹤階段時，采用風速間隔ε將此風速區間均勻界定為k個間隔，間隔風速區間表示為Vsmin
Vsmax＝+s·ε(2)
其中，Vs為第s個風速間隔內的當前風速；Vsmin為第s個風速間隔的最小風速；Vsmax為第s個風速間隔的最大風速；s＝1,2,…,k，k為自然數；
根據生物質能最大借助率理論，理論最優怠速和理論最優輸出功率分別為：
其中，因而，
針對不同Vsmin
其中，為第s個風速間隔的風機最小理論最優怠速；為第s個風速間隔的風機最大理論最優怠速；為第s個風速間隔的風機最小理論最優輸出功率；為第s個風速間隔的風機最大理論最優輸出功率，
根據以上風速間隔界定機制，對不同風速間隔內的異常數據點初篩剔除；
風機運行在過渡階段時，輸出功率滿足采用風速分段實現精確化剔除，
其中，κ′為過渡階段計及波動性的風機輸出功率縮放系數的上限；κ″為過渡階段計及波動性的風機輸出功率縮放系數的下限，
風機運行在額定功率階段時，輸出功率滿足-γ′≤P≤+γ″≤Pmax，依據此范圍區間對超限數據點進行初篩剔除，
其中，γ′為額定功率階段計及波動性的風機輸出功率縮放系數的上限；γ″為額定功率階段計及波動性的風機輸出功率縮放系數的下限。
所述步驟1還具體包括：
風機運行在最狂風能跟蹤階段時，考慮一定紊流硬度下風輪怠速及功率值的波動性，對得到各區間段內風輪怠速和輸出功率理論最優值進行縮放：
當風機輸出功率
其中，ξ′為計及波動性的風輪怠速縮放系數的上限；ξ″為計及波動性的風輪怠速縮放系數的下限；η′為計及波動性的風機輸出功率縮放系數的上限；η″為計及波動性的風機輸出功率縮放系數的下限。
所述步驟2具體包括：
當風機運行于最狂風能跟蹤階段時，將此風速段記為區域I，此時，運行風機采用最狂風能追蹤的控制策略，保持槳距角為0，根據實時風速數據，不斷地調整風輪怠速，以保證軸套最佳葉尖比，實現生物質能最大借助；
當風機運行于過渡階段時，將此風速段記為區域П，此時，運行風機采用恒怠速控制策略，通過調節發電機力矩，使風機怠速保持基本穩定，實現風機從最狂風能跟蹤運行狀態平穩過渡到額定功率運行狀態；
當風機運行于額定功率階段時風電功率預測項目介紹，將此風速段記為區域Ш，此時，運行風機采用定速變槳控制策略，此過程腦炎功率遭到風輪、發電機及電氣轉換裝置各組件最大負載限制，輸出功率被嚴格限制在機組最大輸出功率Pmax；
設x1，x2，…，xn是取自一元連續總體的樣本，在任意點x處的總體密度函數f(x)的核密度恐怕定義為：
其中，K(·)為核函數；h為窗寬；n為樣本總量；xq為第q個樣本值，
采用上述核密度恐怕算法分別估算每位運行區域下風速、功率的經驗機率分布，在此基礎上得到風速-功率的聯合機率分布模型，從而根據聯合機率分布特點分別判定區域I、П、Ш內風速-功率的聯合相關結構，選定每位區域對應的函數。
所述步驟3具體包括：
步驟31：基于理論分別構造風速-功率聯合機率分布函數C(FP(p)，FV(v))，采用半參數法擬合未知參數ψ，確定風速-功率聯合分布函數C(FP(p)，FV(v))，給定風速累積機率分布取值，得到功率累積機率分布取值的條件機率分布函數F(FP(p)|FV(v))為：
其中，v、p為區域I、П、Ш風速、功率的取值；FV(v)、FP(p)分別為區域I、П、Ш上整體風速、功率的累積機率分布函數；C表示由惟一函數聯接上去的V-P聯合分布函數；F表示風速累積機率分布取值條件下的功率累積機率分布；
步驟32：依次設區域I、П、Ш的理論等效功率曲線的置信水平1-βi，i＝1,2,3，在確定輸出功率置信區間上下界時采用非對稱機率區間，而且在各個區域段內采用均勻界定m個間隔來實現風功率異常數據的精細化剔除，當第i區域的明顯性水平為βi時，第i區域第j段的置信區間上下界的分位機率β′ij、β″ij，以及置信區間不對稱系數為κij分別為：
κij＝κi-min+li(κi-min-κi-max)(8)
β′ij＝κijβi(9)
β″ij＝1-(1-κij)βi(10)
其中，κi-min為第i區域的不對稱系數的最小值；κi-max為第i區域的不對稱系數的最大值；li為第i區域的不對稱系數的變化率；j＝1,2,…,m；
步驟33：分別在風速區域I、П、Ш上，借助最大殘差恐怕法分別求出風速整體累積機率分布函數FV(v,θ1)中的參數θ1和第j段上功率累積機率分布函數中的參數當檢測風速v取值已知時，設條件機率分布F(FP(p)|FV(v))的β′ij、β″ij對應分位點分別為p1、p2，即p1、p2分別對應第j段輸出功率累積機率分布的取值，分別對p1、p2求逆，得到在該風速條件下，置信等效功率上下邊界值：
下邊界值
上邊界值
在不同風速區間段內追隨風速值的變化，根據式(11)、(12)依次估算相應取值條件下對應的置信功率上下邊界值，分別得到對應于區域I、П、Ш上的置信等效功率邊界線。
所述步驟4具體包括：
步驟41：采用分段三次配準進行缺位數據構建，缺位數據分為兩種情況：非連續缺位點和連續缺位點，對于非連續缺位點，直接運用缺位點兩端的節點，構建三次配準方程，彌補缺位值；對于連續缺位點，采用分段三次配準法，由缺位數據段兩端節點彌補中間的缺位值，將缺位數據分成兩段依次彌補缺位數據；
步驟42：單維度上彌補數據所構造配準方程的方式，對于時間序列x1，x2，…，xn中互異的節點xk，xk+1，給定的函數值f(xg)＝yg，f′(xg)＝y′g，g＝k,k+1，則其存在惟一的配準方程H3(x)滿足：
H3(xg)＝yg＝f(xg)
H′3(xg)＝y′g＝f′(xg)，g＝k,k+1(13)
采用基函數法解得：
采用上述方式構造的三次配準方程在單維度上分別對異常數據剔除后的風速、功率數據進行插補構建。
所述步驟5具體包括：分別對區域I、П、Ш采用核密度恐怕法統計并對比其處理前后的風速、功率機率分布特點，并估算置信度帶寬比χ、偏度ξ、峰度γ性能指標，
明顯性水平α條件下，對應的置信水平與變量的帶寬即置信度帶寬比χ為：
其中，ΔP為變量的帶寬；α為明顯性水平，
偏度ξ為：
峰度γ為：
其中，B2、B3、B4分別為樣本數據的2階、3階、4階中心矩，
置信度帶寬比反映數據樣本的有效性，其值越大，有效數據占比越大；偏度反映數據樣本分布對稱特點，其值越接近0，分布越對稱；峰度反映數據樣本在其峰值附近的集中程度，其值越大，峰值附近越集中。
所述步驟6具體包括：將原始數據樣本隨機d等分，得到樣本量相同的d子集樣本，每一個子集均作為1次校準集，剩余d-1個子集作為訓練集，進行d次訓練，并分別對應三個校準集求取處理后的置信度帶寬比χ1、χ2、…、χd，其均值χaver為：
其中，d為不大于3的自然數。
多次隨機等分樣本，當χaver穩定在某一定值附近時，確立不同區間的上下邊界模型。
所述步驟7具體包括：在線實時處理風機數據時，設定時間間隔T，根據步驟5所述方法估算該時間間隔對應的數據處理后的置信度帶寬比χk，將其與前一時間間隔的置信度帶寬比χk-1進行比較，并估算基于k-1段的置信度帶寬比的偏離度ηΔχ為：
其中，k為根據一定時間間隔界定的第k個間隔；k-1為根據一定時間間隔界定的第k-1個間隔，按照風機實際運行情況及歷史異常數據形成量，時間間隔T的范圍在1個月到3個月之間，確保數據清洗質量和效率均達到最佳，
以置信度帶寬比的偏離度作為觸發條件，超出一定閥值時進行上下邊界模型更新，重復步驟1-7。
有益療效
(1)本發明針對不同機型風機的實際記錄輸出功率，首先剖析其運行特點及進行機率統計剖析，定義置信度帶寬比等相關性能指標對數據清洗質量進行綜合評價，之后采用d折交叉驗證方式對數據清洗模型進行校準，最終得到確切、可靠的等效功率邊界線模型。
(2)本發明在構建置信等效功率邊界線模型的基礎上，針對某一機型風機制訂模型評估方式、更新準則及機制，實現風速-功率異常數據實時在線的辨識剔除，明顯提升實時在線風功率預測等相關剖析研究確切度和可靠性。
