基于数据驱动方法的风电机组功率优化

摘要：

风电机组功率与风电产能息息相关，为提高风电产能及其收益，有必要对风电机组功率进行优化。应用前馈神经网络，从历史运行数据中挖掘风电机组功率与风速和控制量间的函数关系，进而提出逐点优化策略和聚类优化策略，用于实现风电机组功率优化，即在已知测量风速时，优化确定风电机组控制量，实现风电机组功率最大化。后者优化策略在前者优化策略基础上，应用K 均值聚类方法聚类风速，从而降低优化计算复杂度，利于风电机组功率的实时优化。定义平均功率增益、功率增益百分比和功率增益概率三种指标用于测度功率优化效果。将两种优化策略应用至H56-850型风电机组，将优化后的风电机组功率与历史运行记录进行对比，结果表明，两种优化策略均可有效提高风电机组功率输出。此外，聚类中心数为5的聚类优化策略，能以较低的优化计算复杂度，达到与逐点优化策略相近的优化效果。

关键词：风电机组、风电、神经网络、功率优化

所属期刊栏目：40

分类号：TP2;TP3

资助基金：国家自然科学基金资助项目51307185;国家电网公司科技项目SGCQDKOODJJS1500056。

在线出版日期：2016-12-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：7-14