风电场能量管理系统
风电场能量管理系统运维服务的维护保养与质量控制策略
风电场能量管理系统运维服务的维护保养与质量控制策略在如今全球对可再生能源的追求下，风电场成为了一种重要的选择。
风能被认为是未来的能源之一，因为其无污染、取之不尽等特点。
然而，风电场的运维服务对于保证风能的持续供应至关重要。
本文将介绍风电场能量管理系统运维服务的维护保养与质量控制策略。
首先，维护保养是确保风电场能量管理系统正常运行的关键。
风电场能量管理系统包括多个关键组件，如风力发电机组、变频器、传感器、能量转换器等。
这些组件需要定期检查和维护，以确保其正常运行。
维护保养的关键任务包括：1. 定期巡检：定期巡检风力发电机组和各个关键组件，检查其运行状态和性能。
巡检过程中应注意观察设备是否存在异常噪音、温度过高等情况，并及时采取措施修复。
2. 清洁维护：风电场经常会遇到沙尘暴等恶劣天气条件，这些条件容易导致风电场设备受到灰尘、腐蚀等影响。
因此，定期对设备进行清洁维护是非常重要的，特别是对空气滤清器、风力发电机组叶片等进行清理。
3. 润滑保养：风力发电机组中的轴承、齿轮等运行部件需要经常进行润滑保养，以减少磨损，延长使用寿命。
因此，在维护保养计划中，必须包括对这些部件的润滑保养任务。
维护保养的同时，质量控制策略也是风电场能量管理系统运维服务的重要一环。
质量控制策略旨在确保风电场能量管理系统的性能和可靠性，以提高发电效率和减少故障。
下面是几种常见的质量控制策略：1. 故障检测与预防：建立完善的故障检测机制，通过实时监测各个关键组件的运行状态，及时发现故障迹象并采取相应措施修复。
此外，对于已经发生故障的组件，要进行彻底的分析和修复，以防止故障再次发生。
2. 数据采集与分析：建立高效的数据采集系统，实时监测风电场能量管理系统的运行数据，包括发电功率、振动、温度等参数。
通过对这些数据的分析，可以及时发现问题，采取相应调整措施。
3. 培训与培养人才：为了保证风电场能量管理系统运维服务的质量，培训和培养专业人才是非常重要的。
风电场能量管理系统运维服务的可靠性分析与提升措施
风电场能量管理系统运维服务的可靠性分析与提升措施随着可再生能源产业的飞速发展，风电场作为其中的重要组成部分，正得到日益广泛的应用。
风电场能量管理系统运维服务的可靠性对于保障风电场的顺利运营至关重要。
本文将对风电场能量管理系统运维服务的可靠性进行分析，并提出相应的提升措施。
一、可靠性分析1. 运维服务需求：风电场能量管理系统作为风电场运营的核心部分，负责对风电机组的运行状态、风能资源、停机维修等信息进行采集和处理。
可靠的运维服务能及时发现问题，并提供相应的解决方案，确保风电场的正常运营。
2. 运维服务现状：当前的风电场能量管理系统运维服务面临以下问题：(1) 人员不足：由于风电场分布广泛，对运维人员的要求很高。
但是，现实中运维人员供给不足，导致服务质量受到影响。
(2) 数据分析能力有限：风电场能量管理系统需要对大量的运行数据进行处理和分析，以便准确判断风机的健康状况和提前预警。
然而，当前的数据分析能力有限，无法满足实际需求。
(3) 故障排除时间较长：风电场能量管理系统故障排除时间较长，导致风电场停机时间增加，给风电场的经济效益带来影响。
3. 可靠性改进需求：根据以上分析，风电场能量管理系统运维服务的可靠性改进需求主要包括：(1) 提高运维人员的专业技术水平和服务意识，增加运维人员数量，确保运维人员到位。
(2) 提升数据分析能力，引进高效的数据处理和分析工具，提高数据分析的准确性和效率。
(3) 缩短故障排除时间，优化故障排查流程，提高风电场能量管理系统的稳定性和可用性。
二、提升措施1. 提高运维人员水平：加强对运维人员的培训和技术能力提升，增加运维人员的数量和专业化分工。
同时，建立健全的运维管理机制，确保运维人员的工作得到充分的支持和协调。
2. 引进先进的数据分析工具：借助人工智能和大数据技术，开发能够自动分析风电场运行数据并提供预警和优化建议的系统。
通过数据分析的智能化，能够更加精确地判断风机的健康状况，降低故障发生的概率。
风电场能量管理系统运维服务的智能化管理与决策支持
风电场能量管理系统运维服务的智能化管理与决策支持随着可再生能源领域的快速发展，风能资源被广泛应用于发电行业中。
风电场能量管理系统成为确保风能发电效率和稳定供电的关键环节。
在风电场的运维过程中，智能化的管理和决策支持系统起到至关重要的作用，本文将详细介绍风电场能量管理系统运维服务的智能化管理与决策支持。
一、智能化管理1. 数据采集与监控风电场能量管理系统通过各种传感器和监测设备采集实时数据，对风机、变频器、测风杆等关键设备进行监控。
这些数据包括温度、振动、电流、电压等参数，通过实时监测系统可以及时发现设备故障和异常，提前进行预警和维护。
2. 运维计划与调度通过智能化管理系统，运维人员可以制定合理的运维计划和调度方案。
根据风电场实际情况和设备状态，系统可以自动调整维护策略，优化设备维修和保养的时间和频率。
自动化的调度可以降低维护成本，提高设备利用率和运行效率。
3. 故障诊断和预测智能化管理系统通过机器学习和数据分析技术，可以对设备运行状态进行实时监测和分析。
系统可以识别和预测设备故障，提前采取措施进行维修，降低意外停机和维护成本。
同时，系统还可以为运维人员提供故障诊断的指导，提高维修效率和准确性。
二、决策支持1. 资源优化风电场能量管理系统的决策支持功能可以帮助管理人员优化资源调配和能量分配。
根据风能资源的变化和需求预测，系统可以动态调整风机的输出功率和运行模式，以实现最佳的能量利用效率。
同时，系统还可以根据实时数据和市场情况进行能源调度，最大限度地降低能源供给成本。
2. 运维成本控制通过智能化管理和决策支持系统的帮助，风电场运维人员可以合理控制维护成本。
系统可以分析和比较不同维护策略的成本和效益，并给出最优方案。
运维人员可以根据系统的建议，制定合理的维护计划和维修方案，降低设备故障和维修成本。
3. 健康与安全管理风电场能量管理系统的决策支持功能还可以帮助管理人员进行健康与安全管理。
系统可以通过对设备运行数据和环境参数的分析，提供预警和监测功能，预防事故和意外发生。
风电场能量管理系统
短期风功率预测的基本原理
短期风功率预测的常见方法
两类预测方法
统计方法
•非参数回归 •神经网络法 •多参数差值 •ARMA法 •时序分析法 •…
物理方法
• WASP的微观气象模型 • 中尺度MM5模式(美国) • 考虑风机尾流效应、地 表特征、边界层特性 • 相似模型原理考虑非建 模因素 • ...
功能需求与数据需求
结合内蒙古电网业务需求与气象 服务特点，明确系统功能如下： 短期风功率预测：提前24h-36h预测； 滚动预测：每日上午8:00，下午 5:00各预测一次 基本预测单元：风场
风电场子网
风电场子网
...
光线/载波
风电场子网
光线/载波 光线/载波
专线VPN
专线VPN
GIS服务子网
– “不可靠”：风速随机性一套在风电场综合数据采 – “不可调”：风机调节能力差 集系统的基础上，实现自动
闭环、协调控制风场内所有 • 可控性风场建设：优质电源 有功、无功调节设备以满足
– 可预测 – 可靠 – 可调度
-12-
风电场 常规电厂 风场并网综合需求的监控管 理系统。 能源供给稳定，有功出 能源供给不稳定，有
风电场预测系统
风场信息
6
四大技术特点
交互性：服从控制指令 协调性：协调内部多种设备 基于预测的控制 自动化、智能化的闭环控制
数据采集与监控系 统、风功率预测系 统是风电并网控制 平台的基础。
/储能
7
8
内容提要
1 2
电网友好型风电场
风电场功率预测预报系统 风电场自动有功/电压控制系统
3
4
33
• 预测曲线备份 • 当日精度分析 • 当日电量估计 • 系统运行日志
风电场能量管理系统运维服务的创新模式与运营策略
风电场能量管理系统运维服务的创新模式与运营策略近年来，随着可再生能源产业的蓬勃发展，风电场在全球范围内逐渐成为主要的清洁能源发电方式之一。
然而，由于风电场具有分散布局、复杂性高等特点，其运维服务面临着各种挑战。
为了提高风电场的效益和运行稳定性，创新的能量管理系统和运维服务策略势在必行。
一、风电场能量管理系统的创新模式1. 数据集成与分析风电场能量管理系统的创新模式应包括对分散布局的风电机组进行数据采集、集成和分析的能力。
通过物联网技术和传感器，可以实时监测风电机组的运行状态、功率输出和风速等关键参数。
通过高效的数据集成和分析，可以及时发现机组故障、预测发电量以及优化发电方案，从而提高风电场的可靠性和运行效率。
2. 智能运维决策风电场能量管理系统的创新模式还应具备智能运维决策的能力。
基于大数据分析和人工智能算法，可以对风电场的运行数据进行深度学习和模型建立，从而实现故障智能诊断、预测维护以及优化运行方案的能力。
智能运维决策模型可以帮助运维人员快速识别机组故障，并提供相应的维修方案，最大限度地减少故障对风电场产能的影响。
3. 远程监控和维护风电场能量管理系统的创新模式还应包括远程监控和维护的能力。
通过实时监测系统和遥控技术，运维人员可以远程监控风电机组的运行状态、故障信息，实时调节机组参数，提高机组运行的灵活性和稳定性。
同时，通过远程维护技术，可以快速响应故障，并组织人员进行维修，最大限度地减少停机时间和维护成本，提高风电场的运行效益。
二、风电场能量管理系统的运营策略1. 定期检修和维护风电场能量管理系统的运营策略必须包括定期检修和维护的计划。
风电机组是长期在高海拔环境中运行的，容易受到恶劣天气和自然灾害的影响，定期检修和维护可以有效预防机组故障并延长机组寿命。
运维人员需要根据风电机组的运行状况，制定科学的维修计划，定期检查机组设备，清理灰尘和积水，更换磨损的零部件，确保机组的安全和稳定运行。
2. 故障诊断和快速响应风电场能量管理系统的运营策略还应包括故障诊断和快速响应的措施。
风电场能量管理系统运维服务的可靠性评估与弹性配置策略
风电场能量管理系统运维服务的可靠性评估与弹性配置策略概述：风电场能量管理系统是指对风力发电场的风速、发电机的转速以及发电机的电压等参数进行监控、管理和运维的系统。
在大规模风力发电厂中，能量管理系统的可靠性和弹性配置策略对于确保风电场的稳定运行和发电效率至关重要。
本文将针对风电场能量管理系统运维服务的可靠性评估以及弹性配置策略，提出相应的解决方案。
一、可靠性评估可靠性评估是对风电场能量管理系统的运维服务进行全面分析，包括识别潜在的故障点和薄弱环节，并提供相应的改进措施。
以下是一些建议的可靠性评估方法：1. 故障模式与影响分析（FMEA）：通过对风电场能量管理系统各个组件的故障模式和可能的影响进行评估，确定可能出现的故障以及对系统运行的影响程度。
同时，对每个故障模式提供相应的修复方案和预防措施。
2. 可用性分析（Availability Analysis）：通过分析风电场能量管理系统的可用性指标，如MTBF（Mean Time Between Failures）和MTTR（Mean Time To Repair），来评估系统的可靠性。
基于这些指标，可以制定相应的运维计划和备件管理策略。
3. 备份与冗余设计：在设计风电场能量管理系统时，采用适当的备份和冗余措施来提高系统的可靠性。
例如，使用多个备用服务器，实现数据冗余和快速切换。
4. 完善的监控系统：建立实时监控系统，能够对风电场能量管理系统的各个关键参数进行监测和报警。
定期进行系统巡检，及时发现潜在的问题并采取措施解决。
二、弹性配置策略弹性配置策略是指根据风电场能量管理系统的实际需求和负载情况，合理调整系统的资源配置，提高系统的弹性和灵活性。
以下是一些常用的弹性配置策略：1. 自动扩展与缩减：通过自动化工具和算法，根据实际负载情况来动态扩展或缩减系统的资源，例如增加或减少服务器数量和存储容量。
这样可以确保系统在高负载情况下保持稳定运行，同时在低负载情况下减少资源的浪费。
风电场能量管理系统运维服务的安全性分析与风险评估
风电场能量管理系统运维服务的安全性分析与风险评估随着可再生能源的快速发展，风电已成为全球重要的能源来源之一。
然而，随之而来的风电场能量管理系统运维服务的安全性问题也日益凸显。
本文将对风电场能量管理系统运维服务的安全性进行分析与风险评估，帮助风电场运维人员和相关利益相关者更好地了解和管理风电场能量管理系统的安全风险。
首先，我们需要对风电场能量管理系统的运维服务进行整体分析。
风电场能量管理系统是一套包含数据采集、监测、控制和管理的系统，其功能涵盖了风电场内的各个环节，包括风力发电机组、变电站、配网系统等。
运维服务的安全性是指确保风电场能量管理系统在正常运行过程中不受到未授权的访问、篡改、中断或破坏。
因此，我们首先需要对系统的整体架构和安全机制进行分析，以便评估运维服务的安全性风险。
在分析风电场能量管理系统的安全性时，需要考虑以下几个关键方面：1. 身份验证和访问控制：确保只有授权人员能够访问系统，通过使用强密码、双因素身份验证等方式强化身份验证的安全性。
此外，还应制定严格的访问控制策略，限制各用户在系统中的权限，并定期审查和更新访问权限。
2. 数据安全：包括数据的采集、传输、存储和处理等方面的安全措施。
数据的加密传输、备份和恢复机制是确保数据安全的重要措施。
此外，需要建立存储和处理数据的安全策略，确保数据不被未授权人员获取或篡改。
3. 网络安全：包括防火墙、入侵检测系统和入侵防御系统等网络安全措施，用于保护系统不受到网络攻击。
网络安全策略还可以包括网络隔离、流量监测和恶意软件检测等措施，以保护系统的完整性和可用性。
4. 物理安全：确保风电场能量管理系统的物理设备和服务器得到妥善保护，防止未经授权的物理访问和破坏。
此外，还应制定适当的物理安全策略，包括视频监控、门禁系统和设备定期检查等。
综上所述，风电场能量管理系统运维服务的安全性分析与风险评估需要从多个方面综合考虑。
为了确保系统的安全性，风电场运维人员和相关利益相关者可以采取以下措施：1. 建立完善的安全策略和规程：制定详细的安全策略和规程，包括身份验证、访问控制、数据安全和网络安全等方面的规定。
风电场能量管理系统运维服务的关键问题与解决方案
风电场能量管理系统运维服务的关键问题与解决方案近年来，随着人们对环境保护意识的增强和对可再生能源需求的不断增加，风能发电作为一种清洁、可持续的能源形式获得了广泛关注。
风电场能量管理系统在风能发电过程中起着至关重要的作用，它可以监测和控制风电场的发电状况，保证系统的安全稳定运行。
然而，在风电场能量管理系统的运维服务过程中，也存在一些关键问题，本文将对这些问题进行分析，并提出相应的解决方案。
一、关键问题1. 故障检测和维修难题风电设备的故障检测和维修是风电场能量管理系统运维服务的核心问题之一。
由于风电场一般分布在偏远的地区，许多风电设备处于高海拔、恶劣天气等环境中，增加了故障检测和维修的难度。
特别是对于大型风机的故障，需要专业的技术人员操作，并可能涉及到高空作业和大型设备的拆卸，增加了工作的风险和难度。
2. 数据采集和分析挑战风电场能量管理系统需要大量的数据采集和分析来监测风机的运行状态、风资源情况等信息，以便进行合理的调度和优化。
然而，数据采集和分析的过程中存在一些挑战，如数据传输的稳定性、数据的质量和准确性等。
另外，对于大规模的风电场，海量的数据需要进行实时监测和分析，对于数据处理的效率也提出了很高的要求。
3. 安全与可靠性问题风电场能量管理系统是一个重要的能源系统，需要保证其安全和可靠性。
然而，由于风电场分布广泛，存在恶劣的自然环境和人为破坏等因素，安全与可靠性问题成为制约运维服务的关键问题。
风电场应建立完善的安全管理制度，加强设备的监测和维护，提高系统的稳定性。
二、解决方案1. 故障检测和维修方案针对故障检测和维修难题，可以采用以下解决方案：建立完善的监测系统，实时监测风电设备的运行状态，提前发现潜在的故障；培训专业的技术人员，提高其故障检测和维修能力；合理规划故障排除流程，减少维修时间；建立紧急救援机制，及时处理紧急情况。
2. 数据采集和分析方案为了解决数据采集和分析挑战，可以采取以下措施：优化数据采集设备，提高数据传输的稳定性；建立高效的数据处理平台，实现海量数据的实时监测和分析；引入人工智能和大数据分析技术，提高数据分析的精度和准确性；加强对数据质量的监控和维护，确保数据的可靠性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
预测程序的一般流程
① 初始化：数据准备 ② 建模：利用历史数据建 立风电场输出功率模型 ③ ； ④ 预测：利用NWP、风电场 发电计划进行预测 ⑤ 可视化：展示预测结果 ⑥ 评价：评价预测效果， 对比预测方案
2009年投运至今 数十家风电场实 施运行
2007年启动研发至今 国家级项目7项，国家重 点实验室项目3项，其中重 点/重大类项目5项； 省部企业项目30余项。
– “不可靠”：风速随机性一套在风电场综合数据采 – “不可调”：风机调节能力差 集系统的基础上，实现自动
闭环、协调控制风场内所有 • 可控性风场建设：优质电源 有功、无功调节设备以满足
– 可预测 – 可靠 – 可调度
-12-
风电场 常规电厂 风场并网综合需求的监控管 理系统。 能源供给稳定，有功出 能源供给不稳定，有
功出力不稳定
有功/无功主动调节困 难 风电预测难度大，精 度低
力稳定
有功/无功可在大范围内 灵活调节 负荷预测精度高，发电 计划定制相对容易
并网点
DFIG
数据 指令
储能
数据 指令 变电站SCADA 电量管理
测风塔
风机SCADA
指令
数据
SVC 数据 指令 能量管理系统
控制指令
运行调度
气象服务
风场AGC 风场AVC 储能控制
产品业绩与服务
电网对风功率预测系统的要求
用途 调频 阻塞管理 调峰/发电 计划 类型 功率 功率 功率 预测时长 分辨率 预测 范围 全网 区域 全网/ 区域 精度 要求 很高 很高 高 1~6h(超短期) 15min 1~6h(超短期) 15min 24~48h(短期) 1h(15mi n)
调度
短期风功率预测的基本原理
短期风功率预测的常见方法
两类预测方法
统计方法
•非参数回归 •神经网络法 •多参数差值 •ARMA法 •时序分析法 •…
物理方法
• WASP的微观气象模型 • 中尺度MM5模式(美国) • 考虑风机尾流效应、地 表特征、边界层特性 • 相似模型原理考虑非建 模因素 • ...
38
• 试运行以来，风功率综合预测系统误差
– 风场功率模型误差
红色：实测 绿色：经误差校正后的结果 蓝色：未经误差校正后的结果
风场功率模型建模效果(方均根误差<3%),达到国际先进水平
– 数值天气预报误差
数值天气预报误差(15-22%),随着运行时间的积累，还在不断提高
风功率预测系统不是即买即用的常规软件，它的持续、高效运行依赖于 产品优质的后续服务。
30
1. 显示实际曲线与预测曲线的对比 2. 可自定义查看区间并导出
31
数据分析子系统 提供实时气象资 源监视功能 综合数据分析功 能，帮助用户进行 系统评价与性能优 化
32
电量估计 • 预报 次日 电量 • 评估 可发 电量
精度统计 • 均方 根误 差 • 平均 误差 统计
限电筛选 • 智能 限电 筛选 • 人工 限制 设定
计划
运行方式/ 检修计划
规划
功率(峰 1年(中长期) 谷值)
电量 数年~数十年
全网
全网
较高
较高
电网规划
电网对风功率预测要求体现在 电力系统运营的各个方面。
-16-
风功率预测系统的综合价值
电网
解决风电大规模并 网问题的有效手段
•制定发电计划 •优化电源组合 •电网阻塞管理 •在线电网调度
风场
满足风电并网要求， 配合电网调度 •提高上网小时数 •争取上网优先权 •降低弃风损失 •安排检修时间 •风电场并网控制
270
90
240 210 180 150
120
风场不同风向、 风速下的效率
4
6
8 10 12 14 16 18 20 22 24 26
风速（m/s）
风场不同空气密度下的 效率
风机实测功 率曲线
风速预测误差：10-15%(欧洲); >20%(国内) 风电场建模误差：2-5%, 国内外水平相近 风功率预测的精度瓶颈在于边界层(近地层) 数值天气预报
确保系统随着数据积累，提供精 度越来越高预测模型 提供以可视化的方式完成算法训 练的功能，让客户快速上手，完 成专家级别的算法维护工作
36
37
项目 PC工作站 服务器
要求 操作系统Windows 2003中文企业版，硬盘尽量大 内存尽量大，硬盘尽量大 操作系统Windows 2003中文企业版
整场预测
预测模型A类 子类A.1 子类A.n
预测模型B类 子类B.1 子类B.n
预测模型N类 子类N.1 子类N.n
公共气象 服务
区域预测 系统预测
综合
综合
综合
Σ
全网级：电力平衡， 发电计划与机组组合 优化
GIS服务
预测主站
分层、分级风功率预测体系 适应内蒙古风电开发特点与 电网调度体系需求
GUI终端 GUI终端2
• 实测数据修正及时
– 依据风机起停信号实时修正模型 – 依据实测数据及时修正预测输入 – 6h滚动预测
预测精度具有个性化特 点：不同季节、不同地 区、不同地势等因素都 对最终精度有影响 -7-
• 极端天气特殊对待
– 极端天气独立建模
数值天气预报及边界层微气象模型
准
Step 1.全球气象预报 (2000km)
功能需求与数据需求
结合内蒙古电网业务需求与气象 服务特点，明确系统功能如下： 短期风功率预测：提前24h-36h预测； 滚动预测：每日上午8:00，下午 5:00各预测一次 基本预测单元：风场
风电场子网
风电场子网
...
光线/载波
风电场子网
光线/载波 光线/载波
专线VPN
专线VPN
GIS服务子网
国内风功率预测的研究历程 研究主要集中在算法探讨，数值天气 预报研究刚起步 积累不够，缺乏对预测效果的长期统 计分析 中国电科院WPFS系统，欧洲中尺度模 式，自行生产NWP
国内外风功率预测系统精度水平
– 均方根误差(RMSE)
– 1-2h小时超短期预测5-7% – 日前预测10-20%
空间平滑效应对风功率预测 精度的影响
– 规范化、电子化风电场生产管理
1 2 3 4
严格的数据预处理功能，适应不同质量 的现场数据 满足限电、检修等多种工况运行要求 清华大学提供定期数据分析、反馈最 新研究进展 多预测方案并行，滚动预测
28
用户角色
•预报员：风功率曲 线预报、模型训练 •调度员：监视风电 运行 •管理员：程序模块 监视、日志管理
天气预报
建模服务
软件升级
内蒙气象局数值 天气预报业务流 程，人工订正、 模式优化、预测 模型反算等一系 列专业服务。
清华大学电机系风 电预测技术团队拥 有扎实的理论基础 与创新意识，提供 不断改进的建模服 务、模型训练、算 法升级、预测效果 评估等服务。
清华大学与专业软件公 司合作确保产品升级、 售后服务。与调度系统 的融合，新预测模型能 够最快程度的应用于您 的系统。
风电场预测系统
风场信息
6
四大技术特点
交互性：服从控制指令 协调性：协调内部多种设备 基于预测的控制 自动化、智能化的闭环控制
数据采集与监控系 统、风功率预测系 统是风电并网控制 平台的基础。
/储能
7
8
内容提要
1 2
电网友好型风电场
风电场功率预测预报系统 风电场自动有功/电压控制系统
3
4
公共气象服务子网
风功率预测系统依赖庞大的数 据库，单个风场年数据记录就超过 2500万条，集中维护与应用开发技 术难度很大。 分布式系统结构
预测主站网络
多层分布式风功率预测系统
...
风电场1 风电场n 风电场1
...
风电场n
...
风电场n
...
区域A 区域B 区域N
风场级：基本预测 单元风电场控制、独 立结算 区域级：在线调度， 联络线潮流控制
3
大电网
风电场
并网导则/ 准入制度
有功功率 无功功率 电压 电压调节 低电压穿越 频率 电能质量 通信与信号 入网检测 ……
并网
融 合
风电 场
刚柔并济 灵活性 兼容性 大电网：
大电网
刚性
融合/互动
风电场： 可观性 可控性 可预测 可调度
4
建设电网友好型风场
• 传统观点：“随机”电源 风电场能量管理系统
内容提要
1 2
电网友好型风电场
风电场功率预测预报系统 风电场自动有功/电压控制系统
3
4
产品业绩与服务
<1%
小扰动因素，电网运行控制中忽略，由系统自身能力耐受
~5%
影响不可忽略，在风场密集地区尤甚，运行中考虑不利因 素，制定应对措施
影响较大，必须参与电网发电计划，对风电进行控制
~10%
>15%
影响很大，纳入常规调度体系， 融入电网发电计划、在线调度、 实时控制的各个环节
+-
ref Pwf
+-
P
其他AGC调节措施
Pwf
电网调度
Pwf
Σ
风电场
风电场AGC
系统AGC模式：跟踪调度AGC 指令 单场AGC模式：确保风场满足 并网标准
初始化
风机实测模型与风场实测模型(续)
输入层 风速 隐含层 风向
求隐含层、输出层各节点输出
前馈激活
计算反向误差
. . .
权值学习
. . .
输出层
温度
学习结束
湿度
结束
风电场功率输出模型建模可以达到 很高的精度(2-5%) 建模方法(BP神经网络、非参数回 归等)对精度影响不大 迭代次数对精度影响很小