北极星

搜索历史清空

  • 水处理
您的位置:电力风电风电运维技术正文

Daniel W. Bernadett:风电功率曲线研究及应用

2017-10-18 16:47来源:能见关键词:2017北京国际风能大会风电运维风电智能收藏点赞

投稿

我要投稿

2017年10月16日-19日,2017北京国际风能大会(CWP2017)在北京隆重召开。在中国国际展览中心(新馆)“风电场智能运维”专场,UL可再生能源功率曲线测试总监/专业工程师介绍了功率曲线的作用,功率曲线被当作衡量和考核风电机组性能重要技术指标。DanielW.Bernadett提出UL现在正在开发一项技术,这不是用的REC的标准,可以用到的在全世界的用户的风电场功率曲线方面。

以下为演讲内容:

DanielW.Bernadett:好,我会讲英文,我是来自功率和测试部门的。首先谈一下什么是风电场功率曲线,包括了电力损失等等,这些都是在功率曲线里面,而不是在功率曲线外面的风机曲线。

因为我们把它放到内部,所以风电场的功率曲线会有相应的函数,有三个方式,首先去预测一下自发的瞬时的曲线,可以输出多少功率,就会有这样曲线告诉我们,现在电场输出什么样的功率,然后可以去把尾部损失,尾风损失等等的,还有电网损失都包括在里面。

那么还有就是在过去,如果考虑到现在这种时刻风电的一些湍流会是怎么样,或者风电机运行是怎么样。

那么可以用它去预测未来,对于我们风电场未来会有怎么样能源的产出?这和预见的报告是相似的,就是我们要测量一下风速,还有预测功率输出,基于功率曲线,或者基于尾风损失,那现在我们知道它的损失量是多少,还有就是工厂的情况,这样我就可以准确去预测尾流。

那么谁会使用这个功率曲线呢?制造商会使用它来提供质保,像风机的质保,风电场会包括尾流损失,可用率,相应的风机的补偿损失。

那么这个业主也会使用这个电场的功率,来知道他的资产,优化资产。同时还了解一下他的营收的曲线,这样可以用它来追测未来的收入,通过过去的一些运行。

那么在这儿我们可以看一下整个电场的功率曲线,这是一个很小的电场,看到它这个产出是随着时间推移会有变化,那作为这种零散的可用率,如果有9台机组运行,产出会受到这个量的限制。

那么同时你也可以看到,运行在这里会下降,在高风速情况下,哪个风机会出现这样的下降?当整个风场态势有高的风速之后。

所以我们可以看一下更加乐观的视角,就是当整个风机在运行的时候,最佳的运行案例是怎么样的?就是它有百分之百的功率曲线,那么这就意味着这个风电场在运行情况下可以发多少电。

还有另外一个不同的审视的视角,就是每个用的电量,风速平均值,还有月度平均的产出水平,这样的功率曲线就变成线性的了。

因为我们知道一个月以来风速和风向,这样我们就可以建立他们之间的函数,这可以表明我们参照风和我们的风场,以及可利用率,并没有特别好的关联系数。

那么在这个例子当中,我们可以看到它的相关联会比较好,值为0.9,让我们知道这个风速和最终的发电量,之间有比较好的关联。

我们再看一下可利用率,可利用率这是一个重点,那如果说我们看到所有的数据,我们大约对于百分之百BOP可用率进行筛选,然后我们再把一些不可利用的数据筛除掉,然后我们把风电机组调整到百分之百的可利用率,我们用可利用率来除。

对于不确定对,我们需要有一个从上到下的方式,我们所做的事情是我们计算预测和序列数据的均方跟误差,如果我们做风电机组的数列统计的话,我们是自下而上的方式,然后得到是整个风机的不确定度,这个对于风电机组来说是非常适合,因为都是非常标准的数据,但是把每个分量的不确定性分别除去的话,我们进行非常好的校准,可以量化,可以分析,然后来通过校准的方式来减少它的不确定度。

那么因为自下而上的理论设计是各个环节当中最大的不确定度,所以通常会得出比较保守的结论。但是通过应用最优方法能产生比理论计算更低的不确定度,那我们对于均方均值误差,我们做了一个定义,我们可以这样来认为,它是预测与观察值之间一个差异的一个标准差。

我们用K层交叉检验不确定度,它听上去很复杂,其实没有那么复杂,它是保留五分之一的数据,依据剩余五分之四的数据开发模型,与保留数据比较模型预测,重复5次,每次保留不同数据,5次运转之间很好的一致显示,模型不是过拟合。

那我们应该有一个非常好的模型,这样的话,它可以适用于所有数据,而不是单组数据。

那我们看一下风电场功率曲线和风机功率曲线它有什么比较,风电场功率曲线需要更多的数据,有可能达到一年,因为我们需要评估风向对尾流的影响数据。

用风电的数据,我们也可以用十分钟的数据,它用风机的功率一样,但是如果用月季度计算的话,不会受短时影响。

那我们如果用到风电场功率曲线预测瞬时功率输出或预估电网中断的损失,作为输入量的风数据需要在现场获得。

我要是对于未来的能量作一个预测,我需要这种长期的这种数据,那这时候我们可以用非现场的数据,或者说模拟的风数据,我们在这儿也非常重要地记住,模型的均方根差不能量化输入风速数据,我们应该用蒙特卡伦模拟来量化处理。

最后总结一下,我们可以采用各类的输入,包括风速、风向等等。然后模型的复杂性是由输入量的多少确定,最低不确定度的模型是最好的模型,我们所说的风电场的功率模型采用的是自上而下来计算不确定度,这个跟风机是不一样的,它是自下而上的方式,通过这个方法,我们可以不同模型之间,可以进行比较。

那未来是什么样子的?UL现在正在领导着一项技术,这不是用的REC的标准,他用到的在全世界的用户,他们都可以来用风电场功率曲线,当然这个UL正在领导着这一项研究,我现在恐怕需要停到这儿了,不知道对于我的PPT大家有没有什么问题?

(发言为现场速记整理,未经本人审核)

投稿与新闻线索:陈女士 微信/手机:13693626116 邮箱:chenchen#bjxmail.com(请将#改成@)

特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明北极星*网的内容为北极星原创,转载需获授权。

2017北京国际风能大会查看更多>风电运维查看更多>风电智能查看更多>