技术新讯 > 发电变电,配电装置的制造技术 > 一种小型离网风力发电系统及风电功率预测方法与流程  >  正文

一种小型离网风力发电系统及风电功率预测方法与流程

  • 国知局
  • 2024-08-02 16:02:06

本发明属于风力发电,具体涉及一种小型离网风力发电系统及风电功率预测方法。

背景技术:

1、随着全球经济的持续增长,能源供需的不平衡问题也随之不断加剧。在社会经济发展的同时,各国对环境问题的关注度也在逐渐提高,绿色可持续发展成为时代的主题。其中,风电作为一种清洁能源,有着广阔的发展前景,因此近年来世界各国都在大力推进风电产业的发展。

2、随着新能源行业的快速发展,国家不断提倡绿色环保低碳生活,风电装机容量在我国不断上升,风力资源丰富的西北地区、内蒙古、东南沿海等地区逐渐被风力发电覆盖,风电机组的功率等级不断上升,从几百千瓦到几兆瓦。同时风力发电的应用范围越来越广,并且由广泛应用的并网型逐渐引申出了离网型机组。离网型机组在供暖、海水淡化、孤岛照明等领域有着很好的发展前景。离网型机组的应用可以针对不同的负载类型来匹配。但是,风电中存在的间歇性、波动性、随机性等特点,会对电力系统安全和电能质量产生严重影响。现有的离网型机组在功率较大,只适用于风能较为集中的地区,在风力和风向变化较多的地区,就不太适用了

3、因此,有必要提出一种小型离网风力发电系统及风电功率预测方法,以至少部分地解决现有技术中存在的问题。

4、本背景技术所公开的上述信息仅仅用于增加对本发明背景技术的理解,因此,其可能包括不构成本领域普通技术人员已知的现有技术。

技术实现思路

1、本发明的目的在于提供一种小型离网风力发电系统及风电功率预测方法,以解决上述背景技术中提出的问题。

2、为实现上述目的,本发明提供如下技术方案:

3、一种小型离网风力发电系统,包括:风力发电机、整流器、蓄电池、卸载控制器、逆变器,所述风力发电机由垂直定桨距风机与永磁同步发电机以直接耦合方式构成,所述整流器与风力发电机之间设置有耗能负载,所述逆变器与蓄电池之间设置有升压斩波电路,所述逆变器远离蓄电池的一侧设置有输出滤波电路。

4、优选的,所述发电系统在整流器和逆变器之间接入一个dc/dc变换器进行最大功率跟踪,然后通过控制器来控制其占空比的比例,使发电系统工作在最大功率状态,向用户输出稳定、高质量电能。

5、优选的,所述垂直定桨距风机在由风力带动桨叶转动后,其传动系统通过增速齿轮箱进行增速,将动力传递给永磁同步发电机,所述整流器为三相不可控整流器。

6、优选的,所述逆变器采用单相全桥逆变拓扑结构,所述蓄电池采用阀控式铅酸蓄电池。

7、风电功率预测方法,包括:

8、根据风力发电系统的环境信息来分析风电功率的影响因素,并对获得的数据进行归一化处理;

9、通过灰度关联分析对风电功率的影响因素进行筛选,得到关联度较高的影响因素作为模型输入;

10、利用麻雀算法优化支持向量回归模型的参数,使用数据进行训练和预测,得到风电功率初始预测值;

11、使用支持向量回归建立误差预测模型来修正回归模型预测误差,进一步提高回归模型的预测精度。

12、优选的,所述影响因素包括风速、空气密度、气压、温度、风向并且受季节变化的影响,所述在进行归一化之前,将获得的数据根据季节完成划分,剔除、填充异常数据,并将每个季节按照7:3的比例分别划分为训练集和测试集。

13、优选的,所述根据确定的影响因素使用灰度关联分析分别计算风电功率与其之间的关联度值ri,将各影响因素的关联度值ri从大到小进行排序,所述在麻雀算法中,采用自适应权重动态调节算法的不同搜索阶段,并且引入lévy飞行策略扩大算法的搜索范围。

14、优选的,所述灰度关联分析具体计算步骤如下:

15、①确定参考数列和比较数列;

16、②变量的归一化;

17、③计算关联系数:

18、关联系数ξi(k):

19、

20、其中,y(k)为影响因素数据数列,xi(k)为系统特征数列,ρ为分辨系数,ρ∈(0,∞),一般取ρ=0.5;

21、④计算关联度。

22、记ri为影响因素数据序列y(k)对系统特征数列xi(k)的关联度,满足:

23、

24、其中,关联度ri∈(0,1)。

25、优选的,所述优化支持向量回归模型的参数:

26、(1)初始化麻雀算法参数,包括麻雀种群数量、捕食者和加入者比例、最大迭代次数;

27、(2)将rmse作为适应度函数计算初始种群的适应度值、更新权重;

28、(3)以增强权重后的位置更新公式更新捕食者、加入者和警戒者的位置;

29、(4)计算惯性权重因子,利用轮盘选择对选择的麻雀个体进行lévy飞行;

30、(5)判断是否满足结束条件,若是,训练结束,输出最优解,即支持向量回归模型中最优的惩罚参数c、高斯核函数宽度g;若否,返回步骤(2);

31、(6)将支持向量回归模型的参数c、g设置为最优参数。

32、优选的,所述误差预测模型通过支持向量回归模型对训练集进行预测,训练集的预测值与真实值之差即为训练集预测误差etrain(t),将etrain(t)作为误差预测模型的输出变量,并将训练集作为误差预测模型的输入变量,使用支持向量回归进行训练得到误差预测模型。

33、优选的,所述用误差预测模型对测试集进行预测,将得到误差的预测值yerror(t)与初始测试集预测结果yinitial(t)用加法器合并,得到最终测试集预测结果yfinal(t),

34、etrain(t)=yreal(t)-ytrain(t)

35、yfinal(t)=yinitial(t)+yerror(t)

36、其中,yreal(t)为训练集真实值,ytrain(t)为训练集预测值,采用风电功率预测评价指标来衡量模型的预测效果,包括确定系数、平均绝对误差、平均绝对百分比误差、均方根误差。

37、与现有技术相比,本发明的有益效果是:

38、本发明基于小型离网风力发电系统进行数据统计,通过灰度关联分析进行特征选择,得出与风电功率关联度较高的影响因素,可以有效提升预测的精度,使用麻雀算法的搜索过程中加入了惯性权重因子,提高了其收敛性能;加入lévy飞行策略,扩大了算法的搜索范围、提升了算法的搜索能力,建立了误差预测模型,能大幅提升模型的预测精度。

39、上述概述仅仅是为了说明书的目的,并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外,通过参考附图和以下的详细描述,本发明进一步的方面、实施方式和特征将会是容易明白的。

技术特征:

1.一种小型离网风力发电系统,其特征在于,包括:风力发电机、整流器、蓄电池、卸载控制器、逆变器,所述风力发电机由垂直定桨距风机与永磁同步发电机以直接耦合方式构成,所述整流器与风力发电机之间设置有耗能负载,所述逆变器与蓄电池之间设置有升压斩波电路,所述逆变器远离蓄电池的一侧设置有输出滤波电路。

2.根据权利要求1所述的一种小型离网风力发电系统,其特征在于:所述发电系统在整流器和逆变器之间接入一个dc/dc变换器进行最大功率跟踪,然后通过控制器来控制其占空比的比例,使发电系统工作在最大功率状态,向用户输出稳定、高质量电能。

3.根据权利要求1所述的一种小型离网风力发电系统,其特征在于:所述垂直定桨距风机在由风力带动桨叶转动后,其传动系统通过增速齿轮箱进行增速,将动力传递给永磁同步发电机,所述整流器为三相不可控整流器。

4.根据权利要求1所述的一种小型离网风力发电系统,其特征在于:所述逆变器采用单相全桥逆变拓扑结构,所述蓄电池采用阀控式铅酸蓄电池。

5.一种使用如权利要求1所述的系统进行风电功率预测方法,其特征在于,包括:

6.根据权利要求5所述的风电功率预测方法,其特征在于:所述影响因素包括风速、空气密度、气压、温度、风向并且受季节变化的影响,所述在进行归一化之前,将获得的数据根据季节完成划分,剔除、填充异常数据,并将每个季节按照7:3的比例分别划分为训练集和测试集。

7.根据权利要求6所述的风电功率预测方法,其特征在于:所述根据确定的影响因素使用灰度关联分析分别计算风电功率与其之间的关联度值,将各影响因素的关联度值从大到小进行排序,所述在麻雀算法中,采用自适应权重动态调节算法的不同搜索阶段,并且引入lévy飞行策略扩大算法的搜索范围。

8.根据权利要求7所述的风电功率预测方法,其特征在于:所述用误差预测模型对测试集进行预测,将得到误差的预测值与初始测试集预测结果用加法器合并,得到最终测试集预测结果,采用风电功率预测评价指标来衡量模型的预测效果。

技术总结本发明涉及风力发电技术领域,具体公开了一种小型离网风力发电系统及风电功率预测方法,包括:风力发电机、整流器、蓄电池、卸载控制器、逆变器,风力发电机由垂直定桨距风机与永磁同步发电机以直接耦合方式构成,整流器与风力发电机之间设置有耗能负载,逆变器与蓄电池之间设置有升压斩波电路,逆变器远离蓄电池的一侧设置有输出滤波电路;本发明基于小型离网风力发电系统进行数据统计,通过灰度关联分析进行特征选择,得出与风电功率关联度较高的影响因素,可以有效提升预测的精度,使用麻雀算法的搜索过程中加入了惯性权重因子、Lévy飞行策略,扩大了算法的搜索范围、提升了算法的搜索能力,建立了误差预测模型,能大幅提升模型的预测精度。技术研发人员:李国华受保护的技术使用者:李国华技术研发日:技术公布日:2024/7/23

本文地址:https://www.jishuxx.com/zhuanli/20240801/249050.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。