基于实测运行数据的风电场建模方法

摘要

本发明涉及一种基于实测运行数据的风电场建模方法，该方法以风电场实测运行数据为准则，对风电场内机组进行机群划分，将具有相近运行点的机组划分为同一机群，对每一个机群采用一台风电机组对其进行等值，进而建立风电场的多机表征模型。本发明在机群划分时先借用信息论中熵的定义和性质对风电机组实测运行数据中的噪声数据进行离群数据处理，减小噪声数据的干扰。另一方面，本发明在机群划分的过程中，优化了聚类中心初始化过程，提高了机群聚类质量，采用本发明提出的方法建立的风电场模型精确性有了较大提高。

主权项

一种基于实测运行数据的风电场建模方法，其特征是包括以下步骤：S1：风电场实测运行数据的噪声数据处理；S2：聚类中心初始化优化过程；S3：机群划分；S4：建立风电场的多机表征模型；所述的步骤S1中，风电场实测运行数据的噪声数据处理过程为：假设风电场中风电机组共有n台，选取风电场在某时段内并网运行的风电机组的实测运行数据作为样本，实测运行数据包括：风速、有功功率和无功功率；在该时段内实测运行数据的采样点数为t个，以n台风电机组的实测运行数据建立样本矩阵：其中v_i,j表示第i台风电机组在第j个时刻的实测运行数据；把向量V_j看作空间V的一个时间样本组，则V中样本组数量为t，维数为n，V_j表示第j个时刻所有风电机组实测运行数据向量；对于某一时刻的实测运行数据V_j(j＝1,2,…,t)，计算该时刻实测运行数据的信息熵：$H\left(V_j\right)=-\underset{i=1}{\overset{n}{\Sigma }}{p}_{i,j}{\log }_2{p}_{i,j}---\left(2\right);$其中，p_i,j表示v_i,j在第j列出现的概率，设从V_j中剔除对象v_i,j后得到新的数据集V_j(‑υ_i,j)，则定义对象v_i,j在V_j中的相对离群系数为：$\theta \left(v_{i,j}\right)=\frac{H\left(V_j\right)-H\left(V_j\right(-v_{i,j}))}{H\left(V_j\right)}---\left(3\right);$θ(v_i,j)越大，表明数据υ_i,j的离群程度越强；计算V中每个数据对象v_i,j(i＝1,2,…,n；j＝1,2,…,t)的相对离群系数，并将其降序排列θ₁≥θ₂≥…≥θ_n+t≥0，定义该排列中相邻的相对离群系数的差值称为离群系数间隙δ_e；δ_e＝θ_e‑θ_e+1(e＝1,2,…,n+t‑1)   (4)；若δ_k最大，则确定相对离群系数阈值为θ_k，即当θ(v_i,j)≥θ_k(i＝1,2,…,n；j＝1,2,…,t)时，确定υ_i,j为离群数据；将V中υ_i,j所在整列数据剔除，表明在此时刻测得的数据存在异常数据，不可取用；设经过离群数据处理后的风电场实测运行数据为：t′表示经过离群数据处理后的风电场实测运行数据时间点的个数，把向量V′_s看作空间V′的一个风电机组样本组，则V′中样本组数量为n，维数为t′，V′_s表示经过离群数据处理后第s台风电机组的所有实测风速向量。