專利名稱：一種風電電能質量趨勢預測方法
技術領域：
本發明屬于電能質量監控技術領域，涉及一種用于電力系統及電力用戶的電能質量監控方法。
背景技術：
電能質量可以簡單的定義為:關系到供電、用電系統及設備正常工作(或運行)的電壓、電流的各指標偏離規定范圍的程度。由此可以看出電能質量的重要性。目前，對電能質量的研究主要集中在數據采集方法或對采集后的數據的基本處理上，這些研究主要包括電能質量監測裝置和方法，以及電能質量評估等方面，對電能質量監測點或電能質量干擾源并網點的電能質量趨勢預測的研究欠缺。隨著國家“十二五”規劃的大力推進，可再生能源發電和軌道交通迎來新一輪大發展，非線性負荷、風電、電氣化鐵路等將在電網中大量接入，新型電力電子設備的廣泛應用，必將加劇電網中的電能質量問題；而且伴隨著智能電網的大力建設，電能質量作為其中的重要部分，必將得到更多的關注。為此，全國許多省份已經或者正在建設電能質量監控平臺，并且某些省已經初步探索建立了電能質量預警平臺，以更深入的掌握電能質量狀況。電能質量趨勢預測作為監控平臺的重要功能之一，可根據歷史或當前電能質量狀況預測未來一段時間內的電能質量趨勢，這對供用電雙方均具有重要意義。對供電方而言，掌握電能質量狀況，了解關鍵母線或線路的電能質量趨勢，可以提前發現潛在的電能質量問題，并據此作出調整，改善電能質量狀況，提高供電的可靠性，減少不必要的經濟損失。對用戶而言，尤其是敏感用戶，了解自身未來一段時間內的電能質量趨勢，適時調整自身生產計劃，降低生產成本，為按質定價提供依據。由此可見，一種合理可行的電能質量趨勢預測方法，可以提前發現電網中潛移惡化的電能質量問題，為電網的安全運行提供保障，充分發揮電能質量監控平臺的作用。
發明內容
技術問題:本發明提供一種可使供用電雙方提前了解所屬區域電網未來一段時間內的母或線路的電能質量狀況，提高電網運行可靠性和經濟性的風電電能質量趨勢預測方法。技術方案:本發明的一種風電電能質量趨勢預測方法，包括下述步驟:I)建立風電電能質量趨勢預測指標體系；2)數據采集:采集風電公共連接點的歷史電能質量指標監測數據及歷史數值氣象工況數據，并將采集數據保存到數據庫中；3)建立“對應工況關系表”:根據風電公共連接點的歷史電能質量指標監測數據，建立電能質量趨勢預測指標概率密度分布模型，然后基于聚類分析算法，建立電能質量趨勢預測指標概率密度分布模型與數值氣象工況數據的“對應工況關系表”;4)工況匹配分析:基于動態彎曲距離相似度算法，對未來時間段的數值氣象工況與采集的歷史數值氣象工況進行匹配分析，得到最佳工況匹配結果，然后在步驟3)建立的“對應工況關系表”中提取最佳工況匹配結果對應的電能質量趨勢預測指標概率密度分布模型；5)根據步驟4)中提取的電能質量趨勢預測指標概率密度分布模型，采用蒙特卡羅模擬算法，對風電電能質量趨勢預測指標進行電能質量趨勢預測，得出電能質量預測結果，即各電能質量趨勢預測指標在未來時間段內的電能質量數據，并將各電能質量指標預測結果保存到數據庫；本發明步驟I)中建立風電電能質量趨勢預測指標體系的具體步驟為:11)分析風電機組的運行特性及其運行工況變化引起的電能質量變化的特點，結合電能質量標準，篩選出能反映風電運行特性的電能質量指標；12)根據篩選出的反映風電運行特性的電能質量指標，構成電能質量趨勢預測指標體系，指標體系包含以下電能質量指標中的一種或多種:電壓波動、電壓閃變、諧波、電壓畸變率、電壓偏差、電壓三相不平衡；本發明方法的步驟2)中，采集風電公共連接點的歷史電能質量指標監測數據的具體方法為:·
為保證采集的數據能夠全面反映風電引起的電能質量問題，根據所建立的電能質量趨勢預測指標體系，至少連續12個月每天對各指標進行監測數據采集，并將各指標監測數據分類按照監測日存入“電能質量指標歷史監測數據庫”;步驟2)中，采集歷史數值氣象工況數據的具體方法為:采集與各電能質量指標數據監測日對應的風電數值氣象工況數據并將氣象監測數據按照與各電能質量指標的對應關系存入“風電影響因素數據庫”，風電數值氣象工況數據包括風速數據和風向數據；本發明步驟3)的具體方法為:31)選擇電能質量趨勢預測指標，包括電壓波動、電壓閃變、諧波、電壓畸變率、電壓偏差、電壓三相不平衡；32)為了盡量找到各電能質量指標概率分布的統一規律性，，以電能質量趨勢預測指標公共連接點的額定值或供用電雙方協議值為基值，對所選電能質量趨勢預測指標的每
日監測數據進行標準化處理，即得到歸一化數據 其中X是指標監測值，Χ_Ν是該指標
A Λ
-
PCC點的額定值或供用電雙方協議值；33)對所選電能質量趨勢預測指標的監測數據做聚類分析，將滿足相似度閥值的監測日數據歸為一類，稱為一個聚類集合，并將每個聚類集合對應的監測日的風速和風向在各個時刻的數據做求和平均，得到每個聚類集合對應的平均風速和風向，其中在對風向數據做求和平均之前要轉換為正余弦坐標；34)對每個聚類集合中的電能質量趨勢預測指標的監測數據計算其概率密度分布；35)根據電能質量趨勢預測指標的每個聚類集合與其對應的監測日的風速和風向數據的對應關系，構成各電能質量趨勢預測指標統計概率模型與數值氣象工況數據的“對應工況關系表”。本發明步驟4)的具體方法為:
41)根據未來一段時間風電的數值氣象工況數據，得到未來時間段內的風速和風向數據，并將各個時刻風向數據轉為正弦與余弦坐標值；42 )設置各電能質量趨勢預測指標歷史風速和風向數據的時間窗長度Wl，提取電能質量趨勢預測指標聚類集合對應的風速和風向數據的每個時間窗的特征量，分別構成每個樣本聚類集合歷史風速數據時間序列特征量集合Rl = lrn，r12，…，rlm}和風向數據時間序列特征量集合R2 = {r21, r22,…，r2J，稱為樣本特征量集合，m為總的時間窗個數、rlk為歷史風速數據第k個時間窗的特征量是、r2k歷史風向數據第k個時間窗的特征量，k=l，2，...，!!!，特征量是以下特征量中的一個或多個:最大值、最小值、平均值、方差、偏度和峰度；設置未來一段時間風電數值氣象數據時間窗長度W2，提取每個時間窗的特征量，分別構成預測風速數據時間序列特征量時間序列集合Tl = {tn, t12,…，tln}和風向數據時間序列特征量時間序列集合T2 = {t21, t22,…，t2n}，稱為預測特征量集合，η為時間窗個數、tlk為歷史風速數據第k個時間窗的特征量是、t2k歷史風向數據第k個時間窗的特征量，k=l，2，...，!!，特征量是以下特征量中的一個或多個:最大值、最小值、平均值、方差、偏度和峰度；43)采用動態彎曲距離相似度算法分別計算預測風速、風向特征量集合R與各樣本風速、風向特征量集合T相似度，并將計算得到的不同特征量間的相似度從大到小進行排列，提取相似度最大時的歷史數值氣象工況，稱為與預測日對應的最佳工況匹配結果；44)將預測預測風速、風向特征量集合與各樣本風速、風向特征量集合的相似度從大到小進行排列，提取相似度最大時的歷史數值氣象工況，稱為與預測日對應的最佳工況匹配結果；45)在步驟3)建立的“對應工況關系表”中，查詢電能質量趨勢預測指標工況匹配結果對應的歷史電能質量指標監測數據聚類集合，以及該聚類集合的概率密度分布。本發明步驟5)的具體方法為:51)選擇電能質量趨勢預測指標，根據步驟4)得到該指標的最佳工況匹配結果，從步驟3)建立的“對應工況關系表”中提取該電能質量趨勢預測指標的概率密度分布模型，同時提取該指標的概率密度分布模型對應的聚類集合的歷史電能質量指標監測數據，作為該電能質量指標趨勢預測的樣本數據；52)根據該電能質量趨勢預測指標的概率密度分布模型，生成一組隨機數{X1、X2...xn}，其中η為總的監測采樣時刻，X為電能質量指標；53)根據步驟52)中生成的隨機數，采用蒙特卡羅模擬算法對該電能質量趨勢預測指標未來一段時間的電能質量趨勢做出預測，并將預測結果保存到數據庫。有益效果:與現有技術相比，本發明具有以下優點:( I)有利于供用電雙方掌握區域電網未來一段時間內電能質量狀況。該電能質量趨勢預測方法基于聚類分析算法和動態彎曲距離相似度算法，在建立各預測指標概率密度模型與其主要影響因素間的對應關系的基礎上，采用蒙特卡羅模擬算法對區域電網關鍵母線或線路未來一段時 間內的電能質量趨勢做出預測。這樣供用電雙方，尤其是敏感用戶，可及時了解當前區域電網的電能質量狀況，合理安排自身的運行/生產計劃，減少不必要的經濟損失。
(2)有利于提高區域電網運行的安全可靠性。根據該電能質量趨勢預測結果，結合現有電能質量監控平臺中的電能質量評估系統，評估未來一段時間區域電網的電能質量狀況。對供用電雙方而言戶，評估結果較差，即電能質量趨壞，供用電雙方，可以適時調整自身的運行/生產計劃，避免電能質量進一步惡化，提高電網運行的安全可靠性。
圖1為本發明的流程圖。圖2為本發明中建立“對應工況關系表”流程圖。圖3為本發明中基于最佳相似度分析算法的工況匹配流程圖。圖4為蒙特卡羅模擬仿真預測流程圖。
具體實施例方式下面結合附圖，對本發明的技術方案做進一步的說明。總體的風電電能質量趨勢預測方法流程如圖1所示。I)建立風電電能質量趨勢預測指標體系。首先分析風電機組的運行特性及其運行工況的變化引起電能質量問題的特點，由于風速變化以及風電機組的固有特性(風剪切、塔影效應、葉片重力偏差和偏航誤差等)導致風電公共連接點(Point of Common Coupling,公共連接點，即 并網點，簡稱PCC點)電壓波動；同時風電機組中的電力電子裝置在運行中會引起電網中產生大量的諧波。基于以上分析，結合我國電能質量標準，建立能夠反映風電運行引起的電能質量本征問題的電能質量預測指標體系，該指標體系包含以下電能質量指標中的一種或多種:電壓波動、電壓閃變、諧波、電壓畸變率、電壓偏差、電壓三相不平衡。我國電能質量標準體系:GB12326-2000《電能質量電壓波動和閃變》GB/T 15945-1995《電能質量電力系統頻率允許偏差》GB/T 14549-1993《電能質量公用電網諧波》GB/T 18481-2001《電能質量暫時過電壓和瞬態過電壓》GB/T 15543-1995《電能質量三相電壓允許不平衡度》GB 12325-1990《電能質量供電電壓允許偏差》2)采集已建立電能質量趨勢預測指標體系中各電能質量指標的歷史監測數據以及對應監測日的歷史風電氣象工況數據(風速和風向數據)。采集風電公共連接點的歷史電能質量指標監測數據的具體方法為:為保證所采集的電能質量指 標監測數據能夠全面反映風電引起的電能質量問題，對風電電能質量趨勢預測指標體系中每個電能質量指標，至少連續12個月同步每天進行數據監測采集；由于不同類型的電能質量趨勢預測指標的采樣頻率不同，要建立不同電能質量指標的歷史數據庫，將監測采集的各電能質量趨勢預測指標監測數據按照監測日分類依次存入到相應的數據庫，構成“電能質量趨勢預測指標數據庫”;采集歷史數值氣象工況數據的具體方法為:根據不同電能質量趨勢預測指標采樣頻率的不同，采集與各電能質量指標數據監測日對應的風電數值氣象數據(風速和風向數據)，同時建立與電能質量趨勢預測指標監測數據相關聯的風電數值氣象數據數據庫，并將風電數值氣象數據按照與各電能質量指標的對應關系存入其對應的數據庫，構成“風電影響因素數據庫”；3)根據步驟2)中采集的數據，建立電能質量趨勢預測指標統計概率模型與數值氣象工況數據的“對應工況關系表”。31)選擇電能質量趨勢預測指標，包括電壓波動、電壓閃變、諧波、電壓畸變率、電壓偏差、電壓三相不平衡中的一種或多種。32)為了盡量找到各電能質量指標概率分布的統一規律，先將所選電能質量指標每日監測數據以該指標PCC點的額定值或供用電雙方的協議值為基準做標準化處理，即得
到歸一化數據
權利要求
1.一種風電電能質量趨勢預測方法，其特征在于，該方法包括以下步驟: 1)建立風電電能質量趨勢預測指標體系； 2)數據采集:采集風電公共連接點的歷史電能質量指標監測數據及歷史數值氣象工況數據，并將采集數據保存到數據庫中； 3)建立“對應工況關系表”:根據風電公共連接點的歷史電能質量指標監測數據，建立電能質量趨勢預測指標概率密度分布模型，然后基于聚類分析算法，建立電能質量趨勢預測指標概率密度分布模型與數值氣象工況數據的“對應工況關系表”； 4)工況匹配分析:基于動態彎曲距離相似度算法，對未來時間段的數值氣象工況與采集的歷史數值氣象工況進行匹配分析，得到最佳工況匹配結果，然后在步驟3)建立的“對應工況關系表”中提取所述最佳工況匹配結果對應的電能質量趨勢預測指標概率密度分布模型； 5)根據所述步驟4)中提取的電能質量趨勢預測指標概率密度分布模型，采用蒙特卡羅模擬算法，對風電電能質量趨勢預測指標進行電能質量趨勢預測，得出電能質量預測結果，即各電能質量趨勢預測指標在未來時間段內的電能質量數據，并將各電能質量指標預測結果保存到數據庫。
2.根據權利要求1中所述的一種風電電能質量趨勢預測方法，其特征在于，所述步驟O中建立風電電能質量趨勢預測指標體系的具體步驟為: 11)分析風電機組的運行特性及其運行工況變化引起的電能質量變化的特點，結合電能質量標準，篩選出能反映風電運行特性的電能質量指標； 12)根據篩選出的反映風電運行特性的電能質量指標，構成電能質量趨勢預測指標體系，所述指標體系包含以下電能 質量指標中的一種或多種:電壓波動、電壓閃變、諧波、電壓畸變率、電壓偏差、電壓三相不平衡。
3.根據權利要求1中所述的一種風電電能質量趨勢預測方法，其特征在于，所述步驟2)中，采集風電公共連接點的歷史電能質量指標監測數據的具體方法為: 為保證采集的數據能夠全面反映風電引起的電能質量問題，根據所建立的電能質量趨勢預測指標體系，至少連續12個月每天對各指標進行監測數據采集，并將各指標監測數據分類按照監測日存入“電能質量指標歷史監測數據庫”； 所述步驟2)中，采集歷史數值氣象工況數據的具體方法為: 采集與各電能質量指標數據監測日對應的風電數值氣象工況數據并將氣象監測數據按照與各電能質量指標的對應關系存入“風電影響因素數據庫”，所述風電數值氣象工況數據包括風速數據和風向數據。
4.根據權利要求1中所述的一種風電電能質量趨勢預測方法，其特征在于，所述步驟3)具體包括以下步驟: 31)選擇電能質量趨勢預測指標，包括電壓波動、電壓閃變、諧波、電壓畸變率、電壓偏差、電壓三相不平衡； 32)為了盡量找到各電能質量指標概率分布的統一規律性，，以電能質量趨勢預測指標公共連接點的額定值或供用電雙方協議值為基值，對所選電能質量趨勢預測指標的每日監測數據進行標準化處理，即得到歸一化數據5其中X是指標監測值，x_N是該指標PCC- 點的額定值或供用電雙方協議值； 33)對所選電能質量趨勢預測指標的監測數據做聚類分析，將滿足相似度閥值的監測日數據歸為一類，稱為一個聚類集合，并將每個聚類集合對應的監測日的風速和風向在各個時刻的數據做求和平均，得到每個聚類集合對應的平均風速和風向，其中在對風向數據做求和平均之前要轉換為正余弦坐標； 34)對每個聚類集合中的電能質量趨勢預測指標的監測數據計算其概率密度分布； 35)根據電能質量趨勢預測指標的每個聚類集合與其對應的監測日的風速和風向數據的對應關系，構成各電能質量趨勢預測指標統計概率模型與數值氣象工況數據的“對應工況關系表”。
5.根據權利要求1中所述的一種電能質量趨勢預測方法，其特征在于，所述步驟4)具體包括以下步驟: 41)根據未來一段時間風電的數值氣象工況數據，得到未來時間段內的風速和風向數據，并將各個時刻風向數據轉為正弦與余弦坐標值； 42)設置各電能質量趨勢預測指標歷史風速和風向數據的時間窗長度W1，提取電能質量趨勢預測指標聚類集合對應的風速和風向數據的每個時間窗的特征量，分別構成每個樣本聚類集合歷史風速數據時間序列特征量集合Rl = lrn，r12，…，rlm}和風向數據時間序列特征量集合R2 = Ir21, r22,…，r2m},稱為樣本特征量集合，m為總的時間窗個數、rlk為歷史風速數據第k個時間窗的特征量是、r2k歷史風向數據第k個時間窗的特征量，k=l, 2，…，m,特征量是以下特征量中的一個或多個:最大值、最小值、平均值、方差、偏度和峰度； 設置未來一段時間風電數值氣象數據時間窗長度W2，提取每個時間窗的特征量，分別構成預測風速數 據時間序列特征量時間序列集合Tl = {tn，t12，…，tln}和風向數據時間序列特征量時間序列集合T2 = {t21，t22，…，t2n}，稱為預測特征量集合，η為時間窗個數、tlk為歷史風速數據第k個時間窗的特征量是、t2k歷史風向數據第k個時間窗的特征量，k=l，2，...，!!，特征量是以下特征量中的一個或多個:最大值、最小值、平均值、方差、偏度和峰度； 43)采用動態彎曲距離相似度算法分別計算預測風速、風向特征量集合R與各樣本風速、風向特征量集合T相似度，并將計算得到的不同特征量間的相似度從大到小進行排列，提取相似度最大時的歷史數值氣象工況，稱為與預測日對應的最佳工況匹配結果； 44)將預測預測風速、風向特征量集合與各樣本風速、風向特征量集合的相似度從大到小進行排列，提取相似度最大時的歷史數值氣象工況，稱為與預測日對應的最佳工況匹配結果; 45 )在所述步驟3 )建立的“對應工況關系表”中，查詢電能質量趨勢預測指標工況匹配結果對應的歷史電能質量指標監測數據聚類集合，以及該聚類集合的概率密度分布。
6.根據權利要求1中所述的一種風電電能質量趨勢預測方法，其特征在于，所述步驟5)包括以下步驟: 51)選擇電能質量趨勢預測指標，根據步驟4)得到該指標的最佳工況匹配結果，從所述步驟3)建立的“對應工況關系表”中提取該電能質量趨勢預測指標的概率密度分布模型，同時提取該指標的概率密度分布模型對應的聚類集合的歷史電能質量指標監測數據，作為該電能質量指標趨勢預測的樣本數據；52)根據該電能質量趨勢預測指標的概率密度分布模型，生成一組隨機數{Xl、Xf.xn}，其中η為總的監測采樣時刻，X為電能質量指標； 53)根據所述步驟52)中生成的隨機數，采用蒙特卡羅模擬算法對該電能質量趨勢預測指標未來一段時間的 電能質量趨勢做出預測，并將預測結果保存到數據庫。
全文摘要
本發明公開了一種風電電能質量趨勢預測方法，包括以下步驟1)建立電能質量趨勢預測指標體系；2)數據采集；3)建立電能質量趨勢預測指標歷史監測數據的概率密度分布模型與其對應的風速/風向數據的“對應工況關系表”；4)工況匹配分析；5)對風電公共連接點電能質量趨勢預測指標未來一段時間的電能質量趨勢做出預測，并將各預測指標電能質量預測結果存入數據庫。本發明方法利用歷史電能質量監測數據，對風電公共連接點的關鍵電能質量指標的電能質量做出趨勢預測。
文檔編號G06Q10/04GK103235981SQ201310122440
公開日2013年8月7日 申請日期2013年4月10日 優先權日2013年4月10日
發明者顧偉, 張帥, 袁曉冬, 李群, 王元凱 申請人:東南大學