一种基于可量测参数的风电机组动态尾流建模方法

    公开(公告)号:CN113283200B

    公开(公告)日:2023-10-31

    申请号:CN202110721721.1

    申请日:2021-06-28

    摘要: 本发明涉及一种基于可量测参数的风电机组动态尾流建模方法,包括:获取第一风电机组尾流数据集、第一尾流空间内多点采样数据集、第一确定性状态参数数据集、第二尾流空间内多点采样数据集和第二确定性状态参数数据集;利用特征值分解得到第一风电机组尾流数据集和第一尾流空间内多点采样数据集的左特征向量;进而对第一风电机组尾流数据集、第一尾流空间内多点采样数据集和第二尾流空间内多点采样数据集进行降维映射;再根据上述结果确定状态更新矩阵和降维重构矩阵,从而得到风电机组尾流降维模型,并对其进行升维映射得到全维风电机组尾流的估计。本发明构建动态模型的状态量为具有物理意义且可测量的尾流相关参数。

    基于历史运行数据的火电机组辨识数据的选取方法

    公开(公告)号:CN106683001B

    公开(公告)日:2020-12-15

    申请号:CN201611110708.8

    申请日:2016-12-06

    IPC分类号: G06F16/35

    摘要: 本发明公开了一种基于历史运行数据的火电机组辨识数据的选取方法,包括:从火电机组的历史数据库中获取目标回路的输入输出数据;从时域上对获取的数据进行是否处在同一工况下的检验;从频域上对获取的数据进行逐点计算功率谱,并且采用数值量化该功率谱对火电机组辨识适合与不适合的程度,挑出获取的数据中最适合的数据段,将最合适的数据段量化的数值与经验值进行比较,最终确定最合适的数据段是否适合于火电机组辨识;对选取的最合适的数据段进行辨识,并用同一工况下,不同时刻的数据进行交叉验证。该方法展现了使用历史运行数据帮助建模的过程,同时结合实际情况,改善了历史数据选择用于辨识的准确性,提高了基于历史数据下的辨识精度。

    基于Markov跳变规律的风力发电系统控制的方法

    公开(公告)号:CN107313898B

    公开(公告)日:2019-05-21

    申请号:CN201710696878.7

    申请日:2017-08-15

    IPC分类号: F03D7/00

    CPC分类号: Y02E10/723

    摘要: 本发明公开了基于Markov跳变规律的风力发电系统控制的方法,其特征是对作用在风力发电机上的风速进行滤波,提取低频风速;对整个风速区间按设定的间隔拆分为多个状态;对滤波后的低频风速建立Markov模型;对风力发电系统状态空间模型进行扩阶,将原有的风力发电系统描述为包含风速Markov增广模型的Markov跳变系统。本发明的优越效果是将风速的随机波动规律引入到风力发电系统模型中,实现了对风机的精准建模和有效控制以实现对风机的工况点切换控制效果的改进,同时有效降低了输出功率的波动频率,相比传统的现有的控制器有更强的稳定性。