本发明涉及风电技术领域,尤其涉及一种风电场有功功率爬坡事件检测方法及装置。
背景技术:
随着风电在电网中的比重不断增大,风电的波动性和间歇性为电力装置的安全和稳定带来了严峻的挑战。特别是在风电的爬坡事件中,功率在短时间内大幅度波动,极易破坏电网的功率平衡和频率稳定,导致电网装置的崩溃,造成极大的经济损失。
对风电爬坡的合理预测,能够辅助电力装置的调度人员制定周密的调度计划,在爬坡发生前调整风电所占比例,防止爬坡造成的严重问题。爬坡事件检测是爬坡预测和评估的基础,一个合理的爬坡事件检测算法既能为爬坡预测提供准确的爬坡,便于其分析爬坡特征和统计爬坡指标,也能保证预测评估的准确性,具有很强的实用价值。
目前已有的爬坡检测算法包括:旋转门算法和基于其的改进算法、基于线性拟合的算法、基于统计的算法等,这些算法或者检测结果不完整,或者实现复杂效率低,或者抗波动性差,不能快速有效地检测出完整的爬坡事件。
技术实现要素:
本发明所要解决的技术问题是:目前现有的算法检测结果不完整,实现复杂效率低,抗波动性差,不能快速有效地检测出完整的爬坡事件。
为解决上面的技术问题,本发明提供了一种风电场有功功率爬坡事件检测方法,该方法包括如下步骤:
S1,读取风力电场中爬坡事件检测所需要的参数;
S2,读取和处理风力电场有功功率数据,形成风电功率每分钟变化率序列和特征值序列;
S3,将S2中的特征值序列由点序列处理为特征值段序列;
S4,在S3中所有的特征值段序列中获取满足爬坡核心长度的特征值段序列和相应的功率序列,并对该爬坡相应的功率序列进行扩展,形成新的爬坡;
S5,将S4中得到的新的爬坡进行合并以及过滤,形成最后的爬坡事件集合。
进一步地,所述S2中包括:
S21,读取原始的风电功率数据;
S22,将S21中的数据归一化,得到归一化后的有功功率序列;
S23,计算归一化后相邻两点的每分钟功率变化率;
S24,计算归一化后每分钟功率变化率的特征值。
进一步地,所述S3中包括:
S31,创建一个特征值段,该特征值段包含第一个特征值点;
S32,遍历S24中所有的特征值,判断每个特征值与前一个特征值是否相同,若相同,则这两个特征值属于同一特征值段;若不相同,则新创建一个特征值段;
S33,遍历S32中创建的所有特征值段组成的序列,设每个特征值段Si,特征值段Si的长度为Li,特征值为Fi,若1≤i≤n-1,且Li=1,且Fi-1=Fi+1,且|Fi-1|=2,且Li-1≥2,且Li+1≥2,则将Si-1,Si,Si+1三个特征值段合并成一个,其特征值为Fi-1;否则遍历直到结束,其中1≤i≤n-1。
进一步地,所述S4中包括:
S41,建立一个空的爬坡事件集合RS;
S42,遍历S32中创建的所有特征值段组成的序列,设每个特征值段Si,若特征值|Fi|=2,且长度Li≥β,则将该特征值段Si视为爬坡核心,然后执行S43;否则继续遍历下一个特征值段Si,其中β指的是爬坡核心长度阈值;
S43,找到与特征值段Si对应的归一化的功率序列{(Tm,Pm'),....,(Tn+1,Pn+1')},将该功率序列作为爬坡事件放入集合RS中,并计算其平均每分钟爬坡率R;
S44,根据S43中的平均每分钟爬坡率R计算功率点的波动幅度最大值A;
S45,如果m=0,则跳到S47;否则,从第m个点的左侧点开始,向左逐一考察归一化点(Ti,Pi'),计算该点沿爬坡率R在Ti时间点的理论功率Pξ;
S46,如果Pξ-A≤Pi'≤Pξ+A,则将点(Ti,Pi')纳入爬坡事件集合RS中,继续向左考察下一点,重复S45;否则向左扩展结束,继续S47;
S47,如果第n+1点是整个风电功率序列的最后一点,则结束S4;否则,从第n+1个点的右侧点开始,向右逐一考察归一化点(Ti,Pi'),计算该点沿爬坡率R在Ti时间点的理论功率Pξ';
S48,如果Pξ'-A≤Pi'≤Pξ'+A,则将点(Ti,Pi')纳入爬坡事件集合RS中,继续向右考察下一点,重复S47;否则向右扩展结束,回到S42中,考察下一个特征值段,直到所有特征值段都被考察完毕。
进一步地,所述S5中包括:
S51,遍历S41中爬坡事件集合RS,考察爬坡事件集合RS中相邻的两个爬坡的特征值;
S52,若S51中的两个爬坡特征值相同,并且两个爬坡的时间差小于爬坡合并时间阈值δ,则将两个爬坡合并为一个新的爬坡放入爬坡事件集合RS中,同时剔除两个旧爬坡;否则,回到S51继续遍历,直到爬坡事件集合RS中所有的爬坡被考察完,转到S53;
S53,遍历爬坡事件集合RS,考察每个爬坡,并且计算每个爬坡绝对幅值Amp以及爬坡率绝对值
S54,如果Amp<σ或者则从爬坡事件集合RS中剔除该爬坡,否则回到S53继续遍历,直到遍历结束,其中σ指的是爬坡过滤幅度阈值、γ指的是爬坡过滤变化率阈值。
本发明的有益效果:结合风电场历史运行数据,能快速有效地检测出风电功率数据中的爬坡事件,既能为爬坡预测提供准确的爬坡,便于其分析爬坡特征和统计爬坡指标,也能保证预测评估的准确性,同时还具有高效、准确、抗波动性强的特点,对风力电场有很强的实用价值,另外,方便技术人员在实际应用中根据风电场实际情况灵活调节,达到最优的效果。
本发明还涉及一种风电有功功率爬坡事件检测装置,该装置包括:初始化模块、数据读取模块、数据分段滤噪模块、爬坡优化模块、爬坡处理模块;
所述初始化模块,其用于获取爬坡事件检测所需参数;
所述数据读取模块,其用于读取风电功率原始数据,将风电功率原始数据归一化,计算归一化中的相邻两点的爬坡率序列和特征值序列;
所述数据分段滤噪模块,其用于将特征值序列中相邻且具有相同值的特征值划分到同一个特征值段中;
所述爬坡优化模块,其用于从归一化功率序列中选择爬坡核心,对爬坡核心的进行扩展;
所述爬坡处理模块,其用于将相邻的两个爬坡方向相同且时间距离符合参数要求的爬坡合并,并过滤不满足阈值要求的爬坡。
进一步,所述数据分段滤噪模块还用于过滤两个相同爬坡趋势的长段间夹有的长度为1的段。
进一步,所述爬坡优化模块,其用于根据爬坡核心长度阈值和特征值序列,从归一化功率序列中选择爬坡核心,根据爬坡扩展幅度阈值,从爬坡核心的左右两边进行扩展,将符合参数要求的功率点纳入爬坡中。
进一步,所述爬坡处理模块,其用于根据爬坡合并时间阈值,将相邻的两个爬坡方向相同且时间距离符合参数要求的爬坡合并,根据爬坡过滤幅度阈值和爬坡过滤变化率阈值,并过滤不满足阈值要求的爬坡。
本发明的有益效果:结合风电场历史运行数据,能快速有效地检测出风电功率数据中的爬坡事件,既能为爬坡预测提供准确的爬坡,便于其分析爬坡特征和统计爬坡指标,也能保证预测评估的准确性,同时还具有高效、准确、抗波动性强的特点,对风力电场有很强的实用价值,另外,方便技术人员在实际应用中根据风电场实际情况灵活调节,达到最优的效果。
附图说明
图1为本发明的一种风电场有功功率爬坡事件检测方法流程图;
图2为本发明的一种风电场有功功率爬坡事件检测方法局部流程图;
图3为本发明的一种风电场有功功率爬坡事件检测方法局部流程图;
图4为本发明的一种风电场有功功率爬坡事件检测装置示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,一种风电有功功率爬坡事件检测方法,其特征在于,该检测方法包括如下步骤:
S1,读取风力电场中爬坡事件检测所需要的参数;其中,检测所需参数包括:风电场的装机容量PCap,功率每分钟变化率阈值α,爬坡核心长度阈值β,爬坡扩展幅度阈值ε,爬坡合并时间阈值δ,爬坡过滤幅度阈值σ,爬坡过滤变化率阈值γ。
S2,读取和处理风力电场有功功率数据,形成风电功率每分钟变化率序列和特征值序列;其中S2中具体包括:
S21,读取原始的风电功率数据;
S22,将S21中的数据归一化;
S23,计算归一化后相邻两点的每分钟功率变化率;
S24,计算归一化后每分钟功率变化率的特征值。
S3,将S2中的特征值序列由点序列处理为特征值段序列;其中S3中具体包括:
S31,创建一个特征值段,该特征值段包含第一个特征值点;
S32,遍历S24中所有的特征值,判断每个特征值与前一个特征值是否相同,若相同,则这两个特征值属于同一特征值段;若不相同,则新创建一个特征值段;
S33,遍历S32中创建的所有特征值段组成的序列,设每个特征值段Si,特征值段Si的长度为Li,特征值为Fi,若1≤i≤n-1,且Li=1,且Fi-1=Fi+1,且|Fi-1|=2,且Li-1≥2,且Li+1≥2,则将Si-1,Si,Si+1三个特征值段合并成一个,其特征值为Fi-1;否则遍历直到结束,其中1≤i≤n-1。
S4,在S3中所有的特征值段序列中找到满足爬坡核心长度的特征值段序列和相应的功率序列,并对该爬坡相应的功率序列进行扩展,形成新的爬坡;其中S4中具体包括:
S41,建立一个空的爬坡事件集合RS;
S42,遍历S32中创建的所有特征值段组成的序列,设每个特征值段Si,若特征值|Fi|=2,且长度Li≥β,则将该特征值段Si视为爬坡核心,然后执行S43;否则继续遍历下一个特征值段Si;
S43,找到与特征值段Si对应的归一化的功率序列{(Tm,Pm'),....,(Tn+1,Pn+1')},将该功率序列作为爬坡事件放入集合RS中,并计算其平均每分钟爬坡率R;
S44,根据S43中的平均每分钟爬坡率R计算功率点的波动幅度最大值A;
S45,如果m=0,则跳到S47;否则,从第m个点的左侧点开始,向左逐一考察归一化点(Ti,Pi'),计算该点沿爬坡率R在Ti时间点的理论功率Pξ;
S46,如果Pξ-A≤Pi'≤Pξ+A,则将点(Ti,Pi')纳入爬坡事件集合RS中,继续向左考察下一点,重复S45;否则向左扩展结束,继续S47;
S47,如果第n+1点是整个风电功率序列的最后一点,则结束S4;否则,从第n+1个点的右侧点开始,向右逐一考察归一化点(Ti,Pi'),计算该点沿爬坡率R在Ti时间点的理论功率Pξ';
S48,如果Pξ'-A≤Pi'≤Pξ'+A,则将点(Ti,Pi')纳入爬坡事件集合RS中,继续向右考察下一点,重复S47;否则向右扩展结束,回到S42中,考察下一个特征值段,直到所有特征值段都被考察完毕。
S5,将S4中得到的新的爬坡进行合并以及过滤,形成最后的爬坡事件集合;其中S5中具体包括:
S51,遍历S41中爬坡事件集合RS,考察爬坡事件集合RS中相邻的两个爬坡的特征值;
S52,若S51中的两个爬坡特征值相同,并且两个爬坡的时间差小于爬坡合并时间阈值δ,则将两个爬坡合并为一个新的爬坡放入爬坡事件集合RS中,同时剔除两个旧爬坡;否则,回到S51继续遍历,直到爬坡事件集合RS中所有的爬坡被考察完,转到S53;
S53,遍历爬坡事件集合RS,考察每个爬坡,并且计算每个爬坡绝对幅值Amp以及爬坡率绝对值
S54,如果Amp<σ或者则从爬坡事件集合RS中剔除该爬坡,否则回到S53继续遍历,直到遍历结束。
如图4所示,一种风电有功功率爬坡事件检测装置,该装置包括:初始化模块、数据读取模块、数据分段滤噪模块、爬坡优化模块、爬坡处理模块;
初始化模块,用于获取爬坡事件检测所需参数;
数据读取模块,用于读取风电功率原始数据,将风电功率原始数据归一化,计算归一化中的相邻两点的爬坡率序列和特征值序列;
数据分段滤噪模块,用于将特征值序列中相邻且具有相同值的特征值划分到同一个特征值段中;
爬坡优化模块,用于从归一化功率序列中选择爬坡核心,对爬坡核心的进行扩展;
爬坡处理模块,用于将相邻的两个爬坡方向相同且时间距离符合参数要求的爬坡合并,并过滤不满足阈值要求的爬坡。
数据分段滤噪模块还用于过滤两个相同爬坡趋势的长段间夹有的长度为1的段。
爬坡优化模块,用于根据爬坡核心长度阈值和特征值序列,从归一化功率序列中选择爬坡核心,根据爬坡扩展幅度阈值,从爬坡核心的左右两边进行扩展,将符合参数要求的功率点纳入爬坡中。
爬坡处理模块,用于根据爬坡合并时间阈值,将相邻的两个爬坡方向相同且时间距离符合参数要求的爬坡合并,根据爬坡过滤幅度阈值和爬坡过滤变化率阈值,并过滤不满足阈值要求的爬坡。
具体实施例
如图1所示,一种风电有功功率爬坡事件检测方法,包括如下步骤:
S1,读取风力电场中爬坡事件检测所需要的参数,其中,检测所需参数包括:风电场的装机容量PCap,功率每分钟变化率阈值α,爬坡核心长度阈值β,爬坡扩展幅度阈值ε,爬坡合并时间阈值δ,爬坡过滤幅度阈值σ,爬坡过滤变化率阈值γ;
S2,读取和处理风力电场有功功率数据,形成风电功率每分钟变化率序列和特征值序列;
S3,将S2中的特征值序列由点序列处理为特征值段序列;
S4,在S3中所有的特征值段序列中找到满足爬坡核心长度的特征值段序列和相应的功率序列,并对该爬坡相应的功率序列进行扩展,形成新的爬坡;
S5,将S4中得到的新的爬坡进行合并以及过滤,形成最后的爬坡事件集合。
如图2所示,S2的具体步骤为:S21,读取原始的风电功率数据序列
{(T0,P0),(T1,P1)....,(Tn,Pn)},式中Ti(0≤i≤n)是第i个点的时间,单位为秒,Pi(0≤i≤n)是第i个点的功率;
S22,将原始风电功率归一化,计算公式如下:
Pi'=Pi/PCap
式中,Pi'为归一化后的有功功率、Pi为第i点的实际功率、PCap为风电场装机容量;
S23,计算相邻两点的每分钟功率变化率Vi,计算公式如下:
Vi=(Pi+1'-Pi')*60/(Ti+1-Ti)
S24,计算每分钟功率变化率的特征值Fi,计算规则如下:
①如果Vi≤-α,则Fi=-2
②如果-α<Vi<0,则Fi=-1
③如果Vi=0,则Fi=0
④如果0<Vi<α,则Fi=1
⑤如果Vi≥α,则Fi=2
式中,α是S1所述参数中的功率每分钟变化率阈值。
如图3所示,所述S3的具体步骤为:
S31,新建一个段S包含第一个特征值点,S0={F0}。
S32,遍历特征值序列{F1,...,Fn-1},判断每个特征值与前一个特征值是否属于同一个段,计算规则如下:
①若Fi=Fi-1,1≤i≤n-1,则Fi与Fi-1属于同一个段,Sj={...,Fi-1,Fi}。
②若Fi≠Fi-1,1≤i≤n-1,则Fi与Fi-1不属于同一个段,新建一个段Sj={Fi}。
S33,遍历所有段组成的序列{S0,...,Sk},对每个段Si,设其长度为Li,特征值为Fi,若1<i<k,且Li=1,且Fi-1=Fi+1,且|Fi-1|=2,且Li-1≥2,且Li+1≥2,则将Si-1,Si,Si+1三个段合并成一个,其特征值为Fi-1;否则遍历直到结束。S4的具体步骤为:
S41,建立一个空的爬坡事件集合RS。
S42,遍历特征值段序列{S0,...,Sk},对每个段Si,若其特征值|Fi|=2,且长度Li≥β,则将该段视为爬坡核心,进行S43,否则考察下一个段。其中,β是S1所述参数里的爬坡核心长度阈值。
S43,对特征值段Si={Fm,....,Fn},找到其对应的归一化功率序列为{(Tm,Pm'),....,(Tn+1,Pn+1')},将其作为爬坡事件放入集合RS中,并计算其平均每分钟爬坡率R,计算公式为:
R=(Pn+1'-Pm')*60/(Tn+1-Tm)。
S44,计算功率点的波动幅度最大值,计算公式为:
式中,A为波动幅度最大值,ε是S1所述参数里的爬坡扩展幅度阈值。
S45,如果m=0,则跳到S47;否则,从第m个点的左侧点开始,向左逐一考察归一化点(Ti,Pi'),计算其沿爬坡率R在Ti时间点的理论功率,计算公式为:
Pξ=Pm'-(Tm-Ti)*R
S46,如果Pξ-A≤Pi'≤Pξ+A,则将点(Ti,Pi')纳入RS中(Tm,Pm')所处的爬坡,继续向左考察下一点,重复S45;否则向左扩展结束,继续S47。
S47,如果第n+1点是整个风电功率序列的最后一点,则结束S4;否则,从第n+1个点的右侧点开始,向右逐一考察归一化点(Ti,Pi'),计算其沿爬坡率R在Ti时间点的理论功率,计算公式为:
Pξ'=Pn+1'+(Ti-Tn+1)*R
S48,如果Pξ'-A≤Pi'≤Pξ'+A,则将点(Ti,Pi')纳入RS中(Tn+1,Pn+1')所处的爬坡,继续向右考察下一点,重复S47;否则向右扩展结束,回到S42中,考察下一个段,直到所有段都被考察。
S5的具体步骤为:
S51,遍历S41中爬坡事件集合RS,考察其相邻的两个爬坡{(Ti,Pi'),....,(Tj,Pj')}和{(Tk,Pk'),....,(Tm,Pm')}。
S52,如果两者的特征值相同,而且时间间隔很近,满足Tk-Tj≤δ,则将两者合并为一个新的爬坡{(Ti,Pi'),....,(Tm,Pm')},放入RS中,同时剔除两个旧爬坡;否则回到S51继续遍历,直到RS中所有的爬坡被考察完,转到S53。其中δ是S1所述参数里的爬坡合并时间阈值。
S53,遍历爬坡事件集合RS,考察每个爬坡{(Ti,Pi'),....,(Tj,Pj')},计算爬坡绝对幅值Amp=Max(Pi',...,Pj')-Min(Pi',...,Pj'),以及爬坡率绝对值进行S54。
S54,如果Amp<σ或者R<γ,则从RS中剔除该爬坡,否则回到S53继续遍历,直到遍历结束。其中σ是S1所述参数里的爬坡过滤幅度阈值,γ是S1中的参数里的爬坡过滤变化率阈值,直到RS中所有的爬坡被处理完,RS就是最后检测出的爬坡事件集合。
如图4所示,一种风电有功功率爬坡事件检测装置,该装置包括:初始化模块、数据读取模块、数据分段滤噪模块、爬坡优化模块、爬坡处理模块;
初始化模块,用于获取爬坡事件检测所需参数;
数据读取模块,用于读取风电功率原始数据,将风电功率原始数据归一化,计算归一化中的相邻两点的爬坡率序列,并根据爬坡率阈值参数计算出其特征值序列;
数据分段滤噪模块,用于将特征值序列中相邻且具有相同值的特征值划分到同一个特征值段中,并过滤两个相同爬坡的特征值段长段间夹有的长度为1的段;
爬坡优化模块,用于根据爬坡核心长度阈值和特征值序列,从归一化功率序列中选择爬坡核心,根据爬坡扩展幅度阈值,从爬坡核心的左右两边扩展,将符合参数要求的功率点纳入爬坡;
爬坡处理模块,用于根据爬坡合并时间阈值,将相邻的两个爬坡方向相同且时间距离符合参数要求的爬坡合并,根据爬坡过滤幅度阈值和爬坡过滤变化率阈值,并过滤不满足阈值要求的爬坡。
在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。