登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 文献综述 > 物流管理与工程类 > 物流工程 > 正文

基于遗传算法的智能型大型风电场控制技术研究文献综述

 2020-04-29 15:18:15  

1.目的及意义

1.1研究背景

风能是一种对环境无污染的可再生能源,作为未来能源的主要形式,对今后人类的生活方式、生存和发展都具有重要意义。20世纪70年代,世界各主要国家相继出现了各种类型的能源紧张态势,使人们清醒地认识到,要生存就要寻找和开发新能源。目前国内外正致力于能源结构的调整、温室气体排放的减少、环境污染的缓解和能源安全的加强,可再生能源特别是风能的开发利用得到了高度重视。风力发电的置信度和传统能源有很大不同,因为风力发电在很大程度上依赖于气象条件,风向和风速的变化会导致风力发电量上下波动。如果能对风速和风力发电功率进行比较准确的预测,则有利于电力系统调度部门及时调整调度计划,合理制定风电场控制策略,使风电成为可调度的电源[1]。

我国大型并网风电场均建在偏远地区,容量比较集中,我国受内陆气候影响,和国外气候特征不一样,地形地貌也不同,从国外引进的风力发电功率预测软件不适用于我国的实际情况[2],且价格昂贵。我国近年来在风力发电领域有了很大发展,都是风力发电预测技术还处于起步阶段。随着风电规模化发展以及并网风电场的增多,迫切需要研究和建设适应我国风电状况的风力发电功率预测系统[3]。

1.2国内外研究现状

从2000年开始,我国的风电装机规模大幅增加,但是由于风能资源的不确定性,我国现有风电场普遍经济效益不高,并不是因为风力发电系统的技术不过关,相反由于电网调度的限制,风电场运行过程中弃风要求比较常见,甚至在风能资源比较好的时段被拉闸限电,这样就大大限制了风电场产能的发挥,使得风电场年发电时数远远低于设计水平[1]。我国对风力发电功率预测的研究可以分为以下两个阶段。

第一阶段是从2000年开始的近10年里,由于没有用于风电场发电功率预测的专用NWP,所以研究工作集中在风力发电功率的超短期预测上,主要是理论探索,建模时主要采用时间序列法[4,5]、神经网络法[6]、支持向量机[7]等方法。提高预测准确度的研究主要集中在模型输入量的优化和模型自身的优化两方面。

第二阶段是NWP数据加入模型后的预测研究。我国首个风力发电功率预测系统—WPFS可提供15min和1h两种精度,可分别提供0~4h的超短期预测和0~48h的短期预测。该系统在2008年12月开始投入运行,已经在全国多个风电场实施应用[8,9]。

国外研究风力发电功率预测的方法主要集中于气象信息的应用方法,也就是利用NWP作为风力发电预测的基础。国外从事风力发电功率预测的研究工作起步较早,1990年,Landberg就开发了一套预测系统[10]。风力发电预测工具(WPPT)由丹麦科技大学开发[11],并在丹麦电力系统运行。Previento是德国奥尔登堡大学开发的预测系统,可以对一个较大的区域给出2d内的功率预测结果[12]。AWPT是德国太阳能研究所开发的风力发电功率管理系统,包括在线监视系统、超短期预测系统和短期预测系统[13]。eWind是美国公司开发的风力发电功率预测系统[14],主要包括适应性统计模型、风电场输出模型和预测系统。进入21世纪之后,随着风电产业的规模化发展以及并网需求的增长,风力发电功率预测技术也进入了快速发展。

1.3研究的目的与意义

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

微信号:bysjorg

Copyright © 2010-2022 毕业论文网 站点地图