一種海上風電場發電功率的計算方法、裝置及存儲介質與流程

本發明涉及風電，尤其是涉及一種海上風電場發電功率的計算方法、裝置及存儲介質。

背景技術：

1、隨著風電產業的不斷發展，人們已經不再滿足于僅在陸地上建立風力發電站，而將目光投向了廣闊的海洋。風電具有間歇性、隨機性和波動性。風電場出力不穩，給電網調度、調峰、安全等帶來一系列問題。發電功率預測主要在于提高海上風電場發電效率，以及配合電網公司調度需求滿足電網并網技術標準發展要求。

2、現有的海上風電場發電功率的計算方法通常僅采用k-means聚類方法進行聚類處理，難以適應復雜分布的海上風電場數據，導致海上風電場發電功率的計算精度較低。

技術實現思路

1、本發明提供了一種海上風電場發電功率的計算方法、裝置及存儲介質，以解決現有的海上風電場發電功率的計算方法通常僅采用k-means聚類方法進行聚類處理，難以適應復雜分布的海上風電場數據，導致海上風電場發電功率的計算精度較低的技術問題。

2、本發明提供了一種海上風電場發電功率的計算方法，包括：

3、構建包含若干個子風力發電場的海上風電發電場；

4、根據安裝在所述子風力發電場上的風速檢測裝置檢測得到所述子風力發電場的風速數據，采用風速矩陣表示所述風速數據；

5、采用奇異譜分析法對所述風速矩陣中的風速時間序列進行降噪處理后，構建得到風速時間序列矩陣；

6、根據風速檢測裝置所在的經度、緯度和所述風速時間序列中的元素構成三維空間，其中將所述風速時間序列中的各個元素作為所述三維空間中的一個散點，根據所有散點構成散點圖；

7、采用dbscan聚類算法將所述散點圖中的散點進行聚類處理，得到所述散點圖的聚類數目，基于所述聚類數目采用k-means聚類算法確定每一散點簇的聚類中心；

8、基于所述每一聚類中心的經度、緯度和風速數據，計算得到每一風力發電場的發電功率，根據每一風電發電場的功率計算得到海上風電發電場的發電功率。

9、進一步的，所述采用奇異譜分析法對所述風速矩陣中的風速時間序列進行降噪處理后，構建得到風速時間序列矩陣，包括：

10、根據所述風速矩陣構建軌跡矩陣；

11、對所述軌跡矩陣進行奇異值分解，得到若干個子軌跡矩陣；

12、將若干個子軌跡矩陣分為若干個不相關子矩陣；

13、通過對所述不相關子矩陣的反對角線均值化處理得到均值化風速時間序列；

14、根據所述均值化風速時間序列計算得到降噪后的風速時間序列；

15、根據所述降噪后的風速時間序列構建風速時間序列矩陣。

16、進一步的，在采用dbscan聚類算法將所述散點圖中的散點進行聚類處理之前，還包括：

17、基于局部方向密度方法去除所述散點圖中的孤立點。

18、進一步的，所述基于局部方向密度方法去除所述散點圖中的孤立點，包括：

19、定義所述散點圖中任意兩個點zn(i)、zn(j)與原點構成的向量的夾角為φnnij；

20、將局部方向密度定義為：

21、

22、其中，為扇形范圍內的散點，所述扇形范圍為以zn(i)為中心軸，以角度ψ為圓心角的扇形范圍；為散點個數，n為總散點個數；

23、在所述局部方向密度小于預設閾值時，將當前散點判斷為孤立點。

24、進一步的，所述采用dbscan聚類算法將所述散點圖中的散點進行聚類處理，得到所述散點圖的聚類數目，包括：

25、從所述散點圖中任意選取一個散點作為起點散點，若選取的散點為邊緣點，則重新選取起點散點；

26、根據所述起點散點設定散點密度條件；

27、根據所述散點圖中滿足所述散點密度條件的散點形成一個散點簇，得到每一起點散點對應的散點簇；

28、將所有散點簇的個數作為所述散點圖的聚類數目。

29、進一步的，所述根據所述起點散點設定散點密度條件，包括：

30、根據所述起點散點設定所述起點散點的鄰域半徑，以及在所述鄰域半徑的范圍內的散點個數閾值。

31、進一步的，所述基于所述聚類數目采用k-means聚類算法確定每一散點簇的聚類中心，包括：

32、在所述散點圖中選取k個散點，將k個散點分別作為k個聚類的聚類中心；

33、計算散點圖中每一散點到聚類中心的歐式距離，根據所述歐式距離將每一散點分到距離最近的散點簇中；

34、根據每一散點簇內散點的均值更新k個聚類的聚類中心，直至所述聚類中心不再發生變化。

35、本發明還提供了一種海上風電場發電功率的計算裝置，包括：

36、海上風電發電場構建模塊，用于構建包含若干個子風力發電場的海上風電發電場；

37、風速數據監測模塊，用于根據安裝在所述子風力發電場上的風速檢測裝置檢測得到所述子風力發電場的風速數據，采用風速矩陣表示所述風速數據；

38、風速時間序列矩陣構建模塊，用于采用奇異譜分析法對所述風速矩陣中的風速時間序列進行降噪處理后，構建得到風速時間序列矩陣；

39、散點圖構建模塊，用于根據風速檢測裝置所在的經度、緯度和所述風速時間序列中的元素構成三維空間，其中將所述風速時間序列中的各個元素作為所述三維空間中的一個散點，根據所有散點構成散點圖；

40、聚類中心確定模塊，用于采用dbscan聚類算法將所述散點圖中的散點進行聚類處理，得到所述散點圖的聚類數目，基于所述聚類數目采用k-means聚類算法確定每一散點簇的聚類中心；

41、發電功率計算模塊，用于基于所述每一聚類中心的經度、緯度和風速數據，計算得到每一風力發電場的發電功率，根據每一風電發電場的功率計算得到海上風電發電場的發電功率。

42、本發明還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質包括存儲的計算機程序；其中，在所述計算機程序運行時控制所述計算機可讀存儲介質所在設備執行如上述的海上風電場發電功率的計算方法。

43、本發明結合使用dbscan聚類算法和k-means聚類算法確定散點簇的聚類中心，能夠適應風電場數據的復雜性，且能夠全面地理解風電場在不同運行狀態下的發電特性，從而能夠有效提高海上風電場發電功率的計算精度。

44、進一步的，本發明根據局部方向密度方法識別并去除散點圖中的離群點或噪聲數據，即孤立點，通過清除這些獨立點，能夠有效提高用于發電功率計算的數據集的質量，從而能夠進一步提高海上風電場發電功率的計算精度。

技術特征：

1.一種海上風電場發電功率的計算方法，其特征在于，包括：

2.如權利要求1所述的海上風電場發電功率的計算方法，其特征在于，所述采用奇異譜分析法對所述風速矩陣中的風速時間序列進行降噪處理后，構建得到風速時間序列矩陣，包括：

3.如權利要求1所述的海上風電場發電功率的計算方法，其特征在于，在采用dbscan聚類算法將所述散點圖中的散點進行聚類處理之前，還包括：

4.如權利要求3所述的海上風電場發電功率的計算方法，其特征在于，所述基于局部方向密度方法去除所述散點圖中的孤立點，包括：

5.如權利要求1所述的海上風電場發電功率的計算方法，其特征在于，所述采用dbscan聚類算法將所述散點圖中的散點進行聚類處理，得到所述散點圖的聚類數目，包括：

6.如權利要求5所述的海上風電場發電功率的計算方法，其特征在于，所述根據所述起點散點設定散點密度條件，包括：

7.如權利要求5所述的海上風電場發電功率的計算方法，其特征在于，所述基于所述聚類數目采用k-means聚類算法確定每一散點簇的聚類中心，包括：

8.一種海上風電場發電功率的計算裝置，其特征在于，包括：

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質包括存儲的計算機程序；其中，在所述計算機程序運行時控制所述計算機可讀存儲介質所在設備執行如權利要求1-7任一項所述的海上風電場發電功率的計算方法。

技術總結
本發明公開了一種海上風電場發電功率的計算方法、裝置及存儲介質，其中方法包括：構建包含若干個子風力發電場的海上風電發電場并采集風速數據；基于風速數據構成三維空間的散點圖；采用DBSCAN聚類算法將所述散點圖中的散點進行聚類處理，得到所述散點圖的聚類數目，基于所述聚類數目采用K?means聚類算法確定每一散點簇的聚類中心；基于所述每一聚類中心的經度、緯度和風速數據，計算得到每一風力發電場的發電功率。本發明結合使用DBSCAN聚類算法和K?means聚類算法確定散點簇的聚類中心，能適應風電場數據的復雜性，且全面地理解風電場在不同運行狀態下的發電特性，從而能夠有效提高海上風電場發電功率的計算精度。

技術研發人員：李力,林旭,劉洋,陸秋瑜,朱譽,陳玥
受保護的技術使用者：廣東電網有限責任公司
技術研發日：
技術公布日：2024/10/21