专利名称：一种风电电能质量趋势预测方法
技术领域：
本发明属于电能质量监控技术领域，涉及一种用于电力系统及电力用户的电能质量监控方法。
背景技术：
电能质量可以简单的定义为:关系到供电、用电系统及设备正常工作(或运行)的电压、电流的各指标偏离规定范围的程度。由此可以看出电能质量的重要性。目前，对电能质量的研究主要集中在数据采集方法或对采集后的数据的基本处理上，这些研究主要包括电能质量监测装置和方法，以及电能质量评估等方面，对电能质量监测点或电能质量干扰源并网点的电能质量趋势预测的研究欠缺。随着国家“十二五”规划的大力推进，可再生能源发电和轨道交通迎来新一轮大发展，非线性负荷、风电、电气化铁路等将在电网中大量接入，新型电力电子设备的广泛应用，必将加剧电网中的电能质量问题；而且伴随着智能电网的大力建设，电能质量作为其中的重要部分，必将得到更多的关注。为此，全国许多省份已经或者正在建设电能质量监控平台，并且某些省已经初步探索建立了电能质量预警平台，以更深入的掌握电能质量状况。电能质量趋势预测作为监控平台的重要功能之一，可根据历史或当前电能质量状况预测未来一段时间内的电能质量趋势，这对供用电双方均具有重要意义。对供电方而言，掌握电能质量状况，了解关键母线或线路的电能质量趋势，可以提前发现潜在的电能质量问题，并据此作出调整，改善电能质量状况，提高供电的可靠性，减少不必要的经济损失。对用户而言，尤其是敏感用户，了解自身未来一段时间内的电能质量趋势，适时调整自身生产计划，降低生产成本，为按质定价提供依据。由此可见，一种合理可行的电能质量趋势预测方法，可以提前发现电网中潜移恶化的电能质量问题，为电网的安全运行提供保障，充分发挥电能质量监控平台的作用。
发明内容
技术问题:本发明提供一种可使供用电双方提前了解所属区域电网未来一段时间内的母或线路的电能质量状况，提高电网运行可靠性和经济性的风电电能质量趋势预测方法。技术方案:本发明的一种风电电能质量趋势预测方法，包括下述步骤:I)建立风电电能质量趋势预测指标体系；2)数据采集:采集风电公共连接点的历史电能质量指标监测数据及历史数值气象工况数据，并将采集数据保存到数据库中；3)建立“对应工况关系表”:根据风电公共连接点的历史电能质量指标监测数据，建立电能质量趋势预测指标概率密度分布模型，然后基于聚类分析算法，建立电能质量趋势预测指标概率密度分布模型与数值气象工况数据的“对应工况关系表”;4)工况匹配分析:基于动态弯曲距离相似度算法，对未来时间段的数值气象工况与采集的历史数值气象工况进行匹配分析，得到最佳工况匹配结果，然后在步骤3)建立的“对应工况关系表”中提取最佳工况匹配结果对应的电能质量趋势预测指标概率密度分布模型；5)根据步骤4)中提取的电能质量趋势预测指标概率密度分布模型，采用蒙特卡罗模拟算法，对风电电能质量趋势预测指标进行电能质量趋势预测，得出电能质量预测结果，即各电能质量趋势预测指标在未来时间段内的电能质量数据，并将各电能质量指标预测结果保存到数据库；本发明步骤I)中建立风电电能质量趋势预测指标体系的具体步骤为:11)分析风电机组的运行特性及其运行工况变化引起的电能质量变化的特点，结合电能质量标准，筛选出能反映风电运行特性的电能质量指标；12)根据筛选出的反映风电运行特性的电能质量指标，构成电能质量趋势预测指标体系，指标体系包含以下电能质量指标中的一种或多种:电压波动、电压闪变、谐波、电压畸变率、电压偏差、电压三相不平衡；本发明方法的步骤2)中，采集风电公共连接点的历史电能质量指标监测数据的具体方法为:·
为保证采集的数据能够全面反映风电引起的电能质量问题，根据所建立的电能质量趋势预测指标体系，至少连续12个月每天对各指标进行监测数据采集，并将各指标监测数据分类按照监测日存入“电能质量指标历史监测数据库”;步骤2)中，采集历史数值气象工况数据的具体方法为:采集与各电能质量指标数据监测日对应的风电数值气象工况数据并将气象监测数据按照与各电能质量指标的对应关系存入“风电影响因素数据库”，风电数值气象工况数据包括风速数据和风向数据；本发明步骤3)的具体方法为:31)选择电能质量趋势预测指标，包括电压波动、电压闪变、谐波、电压畸变率、电压偏差、电压三相不平衡；32)为了尽量找到各电能质量指标概率分布的统一规律性，，以电能质量趋势预测指标公共连接点的额定值或供用电双方协议值为基值，对所选电能质量趋势预测指标的每
日监测数据进行标准化处理，即得到归一化数据 其中X是指标监测值，Χ_Ν是该指标
A Λ
-
PCC点的额定值或供用电双方协议值；33)对所选电能质量趋势预测指标的监测数据做聚类分析，将满足相似度阀值的监测日数据归为一类，称为一个聚类集合，并将每个聚类集合对应的监测日的风速和风向在各个时刻的数据做求和平均，得到每个聚类集合对应的平均风速和风向，其中在对风向数据做求和平均之前要转换为正余弦坐标；34)对每个聚类集合中的电能质量趋势预测指标的监测数据计算其概率密度分布；35)根据电能质量趋势预测指标的每个聚类集合与其对应的监测日的风速和风向数据的对应关系，构成各电能质量趋势预测指标统计概率模型与数值气象工况数据的“对应工况关系表”。本发明步骤4)的具体方法为:
41)根据未来一段时间风电的数值气象工况数据，得到未来时间段内的风速和风向数据，并将各个时刻风向数据转为正弦与余弦坐标值；42 )设置各电能质量趋势预测指标历史风速和风向数据的时间窗长度Wl，提取电能质量趋势预测指标聚类集合对应的风速和风向数据的每个时间窗的特征量，分别构成每个样本聚类集合历史风速数据时间序列特征量集合Rl = lrn，r12，…，rlm}和风向数据时间序列特征量集合R2 = {r21, r22,…，r2J，称为样本特征量集合，m为总的时间窗个数、rlk为历史风速数据第k个时间窗的特征量是、r2k历史风向数据第k个时间窗的特征量，k=l，2，...，!!!，特征量是以下特征量中的一个或多个:最大值、最小值、平均值、方差、偏度和峰度；设置未来一段时间风电数值气象数据时间窗长度W2，提取每个时间窗的特征量，分别构成预测风速数据时间序列特征量时间序列集合Tl = {tn, t12,…，tln}和风向数据时间序列特征量时间序列集合T2 = {t21, t22,…，t2n}，称为预测特征量集合，η为时间窗个数、tlk为历史风速数据第k个时间窗的特征量是、t2k历史风向数据第k个时间窗的特征量，k=l，2，...，!!，特征量是以下特征量中的一个或多个:最大值、最小值、平均值、方差、偏度和峰度；43)采用动态弯曲距离相似度算法分别计算预测风速、风向特征量集合R与各样本风速、风向特征量集合T相似度，并将计算得到的不同特征量间的相似度从大到小进行排列，提取相似度最大时的历史数值气象工况，称为与预测日对应的最佳工况匹配结果；44)将预测预测风速、风向特征量集合与各样本风速、风向特征量集合的相似度从大到小进行排列，提取相似度最大时的历史数值气象工况，称为与预测日对应的最佳工况匹配结果；45)在步骤3)建立的“对应工况关系表”中，查询电能质量趋势预测指标工况匹配结果对应的历史电能质量指标监测数据聚类集合，以及该聚类集合的概率密度分布。本发明步骤5)的具体方法为:51)选择电能质量趋势预测指标，根据步骤4)得到该指标的最佳工况匹配结果，从步骤3)建立的“对应工况关系表”中提取该电能质量趋势预测指标的概率密度分布模型，同时提取该指标的概率密度分布模型对应的聚类集合的历史电能质量指标监测数据，作为该电能质量指标趋势预测的样本数据；52)根据该电能质量趋势预测指标的概率密度分布模型，生成一组随机数{X1、X2...xn}，其中η为总的监测采样时刻，X为电能质量指标；53)根据步骤52)中生成的随机数，采用蒙特卡罗模拟算法对该电能质量趋势预测指标未来一段时间的电能质量趋势做出预测，并将预测结果保存到数据库。有益效果:与现有技术相比，本发明具有以下优点:( I)有利于供用电双方掌握区域电网未来一段时间内电能质量状况。该电能质量趋势预测方法基于聚类分析算法和动态弯曲距离相似度算法，在建立各预测指标概率密度模型与其主要影响因素间的对应关系的基础上，采用蒙特卡罗模拟算法对区域电网关键母线或线路未来一段时 间内的电能质量趋势做出预测。这样供用电双方，尤其是敏感用户，可及时了解当前区域电网的电能质量状况，合理安排自身的运行/生产计划，减少不必要的经济损失。
(2)有利于提高区域电网运行的安全可靠性。根据该电能质量趋势预测结果，结合现有电能质量监控平台中的电能质量评估系统，评估未来一段时间区域电网的电能质量状况。对供用电双方而言户，评估结果较差，即电能质量趋坏，供用电双方，可以适时调整自身的运行/生产计划，避免电能质量进一步恶化，提高电网运行的安全可靠性。
图1为本发明的流程图。图2为本发明中建立“对应工况关系表”流程图。图3为本发明中基于最佳相似度分析算法的工况匹配流程图。图4为蒙特卡罗模拟仿真预测流程图。
具体实施例方式下面结合附图，对本发明的技术方案做进一步的说明。总体的风电电能质量趋势预测方法流程如图1所示。I)建立风电电能质量趋势预测指标体系。首先分析风电机组的运行特性及其运行工况的变化引起电能质量问题的特点，由于风速变化以及风电机组的固有特性(风剪切、塔影效应、叶片重力偏差和偏航误差等)导致风电公共连接点(Point of Common Coupling,公共连接点，即 并网点，简称PCC点)电压波动；同时风电机组中的电力电子装置在运行中会引起电网中产生大量的谐波。基于以上分析，结合我国电能质量标准，建立能够反映风电运行引起的电能质量本征问题的电能质量预测指标体系，该指标体系包含以下电能质量指标中的一种或多种:电压波动、电压闪变、谐波、电压畸变率、电压偏差、电压三相不平衡。我国电能质量标准体系:GB12326-2000《电能质量电压波动和闪变》GB/T 15945-1995《电能质量电力系统频率允许偏差》GB/T 14549-1993《电能质量公用电网谐波》GB/T 18481-2001《电能质量暂时过电压和瞬态过电压》GB/T 15543-1995《电能质量三相电压允许不平衡度》GB 12325-1990《电能质量供电电压允许偏差》2)采集已建立电能质量趋势预测指标体系中各电能质量指标的历史监测数据以及对应监测日的历史风电气象工况数据(风速和风向数据)。采集风电公共连接点的历史电能质量指标监测数据的具体方法为:为保证所采集的电能质量指 标监测数据能够全面反映风电引起的电能质量问题，对风电电能质量趋势预测指标体系中每个电能质量指标，至少连续12个月同步每天进行数据监测采集；由于不同类型的电能质量趋势预测指标的采样频率不同，要建立不同电能质量指标的历史数据库，将监测采集的各电能质量趋势预测指标监测数据按照监测日分类依次存入到相应的数据库，构成“电能质量趋势预测指标数据库”;采集历史数值气象工况数据的具体方法为:根据不同电能质量趋势预测指标采样频率的不同，采集与各电能质量指标数据监测日对应的风电数值气象数据(风速和风向数据)，同时建立与电能质量趋势预测指标监测数据相关联的风电数值气象数据数据库，并将风电数值气象数据按照与各电能质量指标的对应关系存入其对应的数据库，构成“风电影响因素数据库”；3)根据步骤2)中采集的数据，建立电能质量趋势预测指标统计概率模型与数值气象工况数据的“对应工况关系表”。31)选择电能质量趋势预测指标，包括电压波动、电压闪变、谐波、电压畸变率、电压偏差、电压三相不平衡中的一种或多种。32)为了尽量找到各电能质量指标概率分布的统一规律，先将所选电能质量指标每日监测数据以该指标PCC点的额定值或供用电双方的协议值为基准做标准化处理，即得
到归一化数据
权利要求
1.一种风电电能质量趋势预测方法，其特征在于，该方法包括以下步骤: 1)建立风电电能质量趋势预测指标体系； 2)数据采集:采集风电公共连接点的历史电能质量指标监测数据及历史数值气象工况数据，并将采集数据保存到数据库中； 3)建立“对应工况关系表”:根据风电公共连接点的历史电能质量指标监测数据，建立电能质量趋势预测指标概率密度分布模型，然后基于聚类分析算法，建立电能质量趋势预测指标概率密度分布模型与数值气象工况数据的“对应工况关系表”； 4)工况匹配分析:基于动态弯曲距离相似度算法，对未来时间段的数值气象工况与采集的历史数值气象工况进行匹配分析，得到最佳工况匹配结果，然后在步骤3)建立的“对应工况关系表”中提取所述最佳工况匹配结果对应的电能质量趋势预测指标概率密度分布模型； 5)根据所述步骤4)中提取的电能质量趋势预测指标概率密度分布模型，采用蒙特卡罗模拟算法，对风电电能质量趋势预测指标进行电能质量趋势预测，得出电能质量预测结果，即各电能质量趋势预测指标在未来时间段内的电能质量数据，并将各电能质量指标预测结果保存到数据库。
2.根据权利要求1中所述的一种风电电能质量趋势预测方法，其特征在于，所述步骤O中建立风电电能质量趋势预测指标体系的具体步骤为: 11)分析风电机组的运行特性及其运行工况变化引起的电能质量变化的特点，结合电能质量标准，筛选出能反映风电运行特性的电能质量指标； 12)根据筛选出的反映风电运行特性的电能质量指标，构成电能质量趋势预测指标体系，所述指标体系包含以下电能 质量指标中的一种或多种:电压波动、电压闪变、谐波、电压畸变率、电压偏差、电压三相不平衡。
3.根据权利要求1中所述的一种风电电能质量趋势预测方法，其特征在于，所述步骤2)中，采集风电公共连接点的历史电能质量指标监测数据的具体方法为: 为保证采集的数据能够全面反映风电引起的电能质量问题，根据所建立的电能质量趋势预测指标体系，至少连续12个月每天对各指标进行监测数据采集，并将各指标监测数据分类按照监测日存入“电能质量指标历史监测数据库”； 所述步骤2)中，采集历史数值气象工况数据的具体方法为: 采集与各电能质量指标数据监测日对应的风电数值气象工况数据并将气象监测数据按照与各电能质量指标的对应关系存入“风电影响因素数据库”，所述风电数值气象工况数据包括风速数据和风向数据。
4.根据权利要求1中所述的一种风电电能质量趋势预测方法，其特征在于，所述步骤3)具体包括以下步骤: 31)选择电能质量趋势预测指标，包括电压波动、电压闪变、谐波、电压畸变率、电压偏差、电压三相不平衡； 32)为了尽量找到各电能质量指标概率分布的统一规律性，，以电能质量趋势预测指标公共连接点的额定值或供用电双方协议值为基值，对所选电能质量趋势预测指标的每日监测数据进行标准化处理，即得到归一化数据5其中X是指标监测值，x_N是该指标PCC- 点的额定值或供用电双方协议值； 33)对所选电能质量趋势预测指标的监测数据做聚类分析，将满足相似度阀值的监测日数据归为一类，称为一个聚类集合，并将每个聚类集合对应的监测日的风速和风向在各个时刻的数据做求和平均，得到每个聚类集合对应的平均风速和风向，其中在对风向数据做求和平均之前要转换为正余弦坐标； 34)对每个聚类集合中的电能质量趋势预测指标的监测数据计算其概率密度分布； 35)根据电能质量趋势预测指标的每个聚类集合与其对应的监测日的风速和风向数据的对应关系，构成各电能质量趋势预测指标统计概率模型与数值气象工况数据的“对应工况关系表”。
5.根据权利要求1中所述的一种电能质量趋势预测方法，其特征在于，所述步骤4)具体包括以下步骤: 41)根据未来一段时间风电的数值气象工况数据，得到未来时间段内的风速和风向数据，并将各个时刻风向数据转为正弦与余弦坐标值； 42)设置各电能质量趋势预测指标历史风速和风向数据的时间窗长度W1，提取电能质量趋势预测指标聚类集合对应的风速和风向数据的每个时间窗的特征量，分别构成每个样本聚类集合历史风速数据时间序列特征量集合Rl = lrn，r12，…，rlm}和风向数据时间序列特征量集合R2 = Ir21, r22,…，r2m},称为样本特征量集合，m为总的时间窗个数、rlk为历史风速数据第k个时间窗的特征量是、r2k历史风向数据第k个时间窗的特征量，k=l, 2，…，m,特征量是以下特征量中的一个或多个:最大值、最小值、平均值、方差、偏度和峰度； 设置未来一段时间风电数值气象数据时间窗长度W2，提取每个时间窗的特征量，分别构成预测风速数 据时间序列特征量时间序列集合Tl = {tn，t12，…，tln}和风向数据时间序列特征量时间序列集合T2 = {t21，t22，…，t2n}，称为预测特征量集合，η为时间窗个数、tlk为历史风速数据第k个时间窗的特征量是、t2k历史风向数据第k个时间窗的特征量，k=l，2，...，!!，特征量是以下特征量中的一个或多个:最大值、最小值、平均值、方差、偏度和峰度； 43)采用动态弯曲距离相似度算法分别计算预测风速、风向特征量集合R与各样本风速、风向特征量集合T相似度，并将计算得到的不同特征量间的相似度从大到小进行排列，提取相似度最大时的历史数值气象工况，称为与预测日对应的最佳工况匹配结果； 44)将预测预测风速、风向特征量集合与各样本风速、风向特征量集合的相似度从大到小进行排列，提取相似度最大时的历史数值气象工况，称为与预测日对应的最佳工况匹配结果; 45 )在所述步骤3 )建立的“对应工况关系表”中，查询电能质量趋势预测指标工况匹配结果对应的历史电能质量指标监测数据聚类集合，以及该聚类集合的概率密度分布。
6.根据权利要求1中所述的一种风电电能质量趋势预测方法，其特征在于，所述步骤5)包括以下步骤: 51)选择电能质量趋势预测指标，根据步骤4)得到该指标的最佳工况匹配结果，从所述步骤3)建立的“对应工况关系表”中提取该电能质量趋势预测指标的概率密度分布模型，同时提取该指标的概率密度分布模型对应的聚类集合的历史电能质量指标监测数据，作为该电能质量指标趋势预测的样本数据；52)根据该电能质量趋势预测指标的概率密度分布模型，生成一组随机数{Xl、Xf.xn}，其中η为总的监测采样时刻，X为电能质量指标； 53)根据所述步骤52)中生成的随机数，采用蒙特卡罗模拟算法对该电能质量趋势预测指标未来一段时间的 电能质量趋势做出预测，并将预测结果保存到数据库。
全文摘要
本发明公开了一种风电电能质量趋势预测方法，包括以下步骤1)建立电能质量趋势预测指标体系；2)数据采集；3)建立电能质量趋势预测指标历史监测数据的概率密度分布模型与其对应的风速/风向数据的“对应工况关系表”；4)工况匹配分析；5)对风电公共连接点电能质量趋势预测指标未来一段时间的电能质量趋势做出预测，并将各预测指标电能质量预测结果存入数据库。本发明方法利用历史电能质量监测数据，对风电公共连接点的关键电能质量指标的电能质量做出趋势预测。
文档编号G06Q10/04GK103235981SQ201310122440
公开日2013年8月7日 申请日期2013年4月10日 优先权日2013年4月10日
发明者顾伟, 张帅, 袁晓冬, 李群, 王元凯 申请人:东南大学