如何用數(shù)據(jù)挖掘方法提高風(fēng)電機(jī)組功率輸出

2017-09-26 20:00:22 電力科學(xué)觀察與寫作　點(diǎn)擊量：評論 (0)

存在的問題及解決方法風(fēng)電機(jī)組的原動(dòng)力不可控，受風(fēng)速、風(fēng)向等因素影響，其功率輸出具有較高不確定性，這為風(fēng)電機(jī)組的功率輸出提升及優(yōu)化帶來了較大挑戰(zhàn)。另一方面，在線監(jiān)測技術(shù)和數(shù)據(jù)庫技術(shù)不斷成熟的今天，風(fēng)

存在的問題及解決方法

風(fēng)電機(jī)組的原動(dòng)力不可控，受風(fēng)速、風(fēng)向等因素影響，其功率輸出具有較高不確定性，這為風(fēng)電機(jī)組的功率輸出提升及優(yōu)化帶來了較大挑戰(zhàn)。

另一方面，在線監(jiān)測技術(shù)和數(shù)據(jù)庫技術(shù)不斷成熟的今天，風(fēng)電機(jī)組的長時(shí)段實(shí)際運(yùn)行數(shù)據(jù)已可較容易的獲取并研究。

那問題來了？何不從風(fēng)電機(jī)組的實(shí)際運(yùn)行數(shù)據(jù)中挖掘其功率輸出特性及規(guī)律，據(jù)此優(yōu)化提升風(fēng)電機(jī)組功率輸出。小編博士研究期間，對該問題進(jìn)行了深入研究，下面將為各位讀者詳細(xì)介紹之。

基于數(shù)據(jù)驅(qū)動(dòng)方法的風(fēng)電機(jī)組功率優(yōu)化

已知數(shù)據(jù)及條件0

本研究中已收集到H56-850型風(fēng)電機(jī)組的每10分鐘運(yùn)行數(shù)據(jù)，并掌握其運(yùn)行控制流程，其示意圖如下。圖中，風(fēng)電機(jī)組控制系統(tǒng)根據(jù)當(dāng)前風(fēng)向和風(fēng)速，查找最優(yōu)轉(zhuǎn)矩函數(shù)，調(diào)整輪軸旋轉(zhuǎn)加速度和機(jī)艙位置，從而實(shí)現(xiàn)功率優(yōu)化。

圖1中不同風(fēng)速下的最優(yōu)轉(zhuǎn)矩函數(shù)是由試驗(yàn)或模擬得到，而風(fēng)電機(jī)組的實(shí)際運(yùn)行工況可能與風(fēng)電機(jī)組試驗(yàn)或模擬環(huán)境存在較大差異，因而，該最優(yōu)轉(zhuǎn)矩函數(shù)在實(shí)際工況中不一定最優(yōu)。基于數(shù)據(jù)驅(qū)動(dòng)思想的風(fēng)電機(jī)組功率優(yōu)化方法從實(shí)際運(yùn)行數(shù)據(jù)中挖掘風(fēng)電機(jī)組功率輸出與各控制參數(shù)間的復(fù)雜關(guān)系，因而，可避免以上不足。

基于神經(jīng)網(wǎng)絡(luò)技術(shù)的數(shù)據(jù)挖掘1

神經(jīng)網(wǎng)絡(luò)技術(shù)可用于刻畫輸入和輸出間的復(fù)雜非線性關(guān)系，即函數(shù)學(xué)習(xí)。特別地，神經(jīng)網(wǎng)絡(luò)技術(shù)將風(fēng)電機(jī)組視為“黑箱”，從該“黑箱”的實(shí)際輸入數(shù)據(jù)（控制參數(shù)）和輸出數(shù)據(jù)（功率輸出）中挖掘兩者的非線性關(guān)系。因而，該技術(shù)無需對風(fēng)電機(jī)組做出任何簡化假設(shè)，且風(fēng)電機(jī)組實(shí)際運(yùn)行數(shù)據(jù)可客觀反映風(fēng)電機(jī)組功率輸出與多種不確定因素的復(fù)雜關(guān)系。

由此，以均方誤差最小為目標(biāo)，建立基于神經(jīng)網(wǎng)絡(luò)技術(shù)的風(fēng)電機(jī)組功率函數(shù)，其示意圖如下。圖中，藍(lán)色（輸入層）、綠色（隱藏層）和黃色（輸出層）神經(jīng)元構(gòu)成該前饋神經(jīng)網(wǎng)絡(luò)，根據(jù)輸入層中的風(fēng)電機(jī)組控制參數(shù)和當(dāng)前風(fēng)速，經(jīng)過各類判斷與學(xué)習(xí)，給出當(dāng)前風(fēng)電機(jī)組功率輸出。（注：圖中神經(jīng)網(wǎng)絡(luò)參數(shù)的確定可以誤差最小為目標(biāo)，通過各類學(xué)習(xí)算法確定神經(jīng)網(wǎng)絡(luò)的各類參數(shù)。）

基于遺傳算法的風(fēng)電機(jī)組功率優(yōu)化2

遺傳算法分別將生物個(gè)體和生物適應(yīng)度抽象為優(yōu)化問題的解和目標(biāo)函數(shù)，借鑒生物進(jìn)化中的自然現(xiàn)象（選擇、變異和雜交），使一定數(shù)量的生物個(gè)體（優(yōu)化問題的解）適應(yīng)度（目標(biāo)函數(shù)）不斷增強(qiáng)，從而進(jìn)化得到最優(yōu)個(gè)體（最優(yōu)解）。該算法具有良好的魯棒性、并行性和高效性，已廣泛應(yīng)用于電力系統(tǒng)的多個(gè)領(lǐng)域。

本研究中風(fēng)電機(jī)組功率優(yōu)化的目的在于選取最優(yōu)風(fēng)電機(jī)組控制參數(shù)，最大化風(fēng)電機(jī)組功率。經(jīng)典遺傳算法已具有強(qiáng)大的全局尋優(yōu)能力，所以本文應(yīng)用該算法進(jìn)行風(fēng)電機(jī)組功率優(yōu)化。

基于遺傳算法的風(fēng)電機(jī)組功率優(yōu)化的數(shù)學(xué)表達(dá)式如下圖所示。

責(zé)任編輯：lixin

免責(zé)聲明：本文僅代表作者個(gè)人觀點(diǎn)，與本站無關(guān)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實(shí)，對本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、及時(shí)性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實(shí)相關(guān)內(nèi)容。

我要收藏

個(gè)贊