风电场运行状况分析及优化

《风电场运行状况分析及优化》由会员分享，可在线阅读，更多相关《风电场运行状况分析及优化（9页珍藏版）》请在装配图网上搜索。

1、风电场运行状况分析及优化摘要随着现代化建设的推进，社会对电力的需求愈发庞大。本文着力研究了风电场运 行状况的分析和优化问题。首先，利用已知风电场发电数据对不同风机全年的经济效 益的经济效益进行了估计，其次根据两种风机的不同规格制定维修人员的排班方案与 风机维护计划，使各组维修人员的工作任务相对均衡，且风电场具有较好的经济效、人 益。对于问题一，本文先运用曲线拟合的方法，对不同风机风速与输出功率之间的关 系进行了近似，后尝试了运用分段线性插值与三次样条插值的方法对观测数据构造函 数进行了近似。但通过图像，可以看出分段线性插值的光滑性较差，不能很好地表示 风速与功率的变化情况，因此选择三次样条插值

2、的方法，计算出各风机型号全年功率 总和。4#16#24#33#49#57#合计 2548473.802 2507716.597 2234826.9371755215.516 2001868.784 2009736.848对于问题二，本文运用 0-1 型整数规划，在排班方案中，维修人员工作班次的方 差为衡量合理性的标准，求出工作任务相对均衡，具有较好的经济效益的排班方案。关键词：曲线拟合；三次样条插值；Mat lab； 0-1型整数规划一、问题重述风能是一种最具活力的可再生能源，风力发电是风能最主要的应用形式。我国某 风电场已先后进行了一、二期建设，现有风机 124 台，总装机容量约20 万千瓦

3、。为安全生产需要，风机每年需进行两次停机维护，两次维护之间的连续工作时间 不超过 270天，每次维护需一组维修人员连续工作 2 天。同时风电场每天需有一组维 修人员值班以应对突发情况。风电场现有 4 组维修人员可从事值班或维护工作，每组 维修人员连续工作时间（值班或维护）不超过 6 天。请建立模型回答以下问题：1、估计不同风机全年的经济效益；2、制定维修人员的排班方案与风机维护计划，使各组维修人员的工作任务相对均衡， 且风电场具有较好的经济效益，试给出你的方法和结果。二、基本假设1、附件中所给出的数据真实可靠。2、在计算风机全年经济效益时不考虑维护时间。3、风机在运行过程中不会发生停机或损坏的

4、状况。4、风电场全年运行，不因节假日而停止运转。5、维修人员按时接受完成工作，不缺席。三、符号说明符号意义P风机功率T风机运行时间A一千瓦时电的价格G班次方差B最大连续工作时间T每月最少工作班次四、问题分析五、模型的建立与求解5.1 问题一模型建立与求解5.1.1 问题一模型的建立5.1.1.2 多项式拟合根据已知数据，运用 Matlab 拟合工具箱，分别对型号 I 与型号 II 的风机风速与 功率之间的关系进行了拟合。其中三次多项式拟合效果最好。SSE2.185e+04R-square:0.9976Adjusted R-square0.9971型号I拟合效果型号 II 风速与功率的关系SSE

5、941.5R-square:0.9996Adjusted R-square0.9994型号II拟合效果可以看出，两次拟合结果的 R 平方值都超过了 0.99，具有良好的拟合结果。由此 可得两种风机风速与功率之间的函数关系:y = 1.046x3 + 7.745x2 - 34.73x + 38.71(0 x 12)y = -1.324x3 + 47.71x2 - 263.7x + 444.3(0 x 11.0)5.1.1.2 样条插值因附件中功率数据为若干个已知点，又功率计算问题对插值函数的光滑性有较高 要求，不仅需要连续，而且要有连续的曲率，这就需要运用样条插值的知识。数学上 将具有一定光滑性

6、的分段多项式称为样条函数。具体地说，给定区间a,b 的一个分划亦= X0Xl Xn-lXn=b如果函数S(x)满足：在每个小区间xi,xi-1(i=0,1,.,n-1)上S(x)是k次多项式；(ii)S(x)在a,b上具有k-1阶连续导数。则称S(x)为关于分划的k次样条函数。这里，我们使用分段线性插值与三次样条 插值两种方法来估计功率。分段线性插值简单地说，就是将每两个相领的节点用直线连接起来，如此形成一 条折线。此函数记为In(x)，它满足1 =冶，且在每个区间上是线性函数。in(x)可以表示为 In(x) = Si=0yiii(x)，其中x-x,x e x. 1,x.,i0 口-i-1

7、1li(x) = x_,x e x x ,iH n,xi - xi+ii i+10，其他三次样条插值，即已知函数y = f(x)在区间a,b上的n+1个节点a = x0 xi xn-1 xn = b上的值片=f(xi)(i = 0,1,，n)，插值函数S(x)，使得(i) S(xi) = yi； (i = 0,1, ,n);(ii) 在每个小区间仪八曲上S(x)是三次多项式，记为S(xi)；(iii) S(x)在a,b上二阶连续可微；不妨记S(x) = si(x),x e xi,xi+1,i = 0,1,，n- 1Si(x)=aix3+bix2+cix+di其中:abiCrdi为待定系数，共4

8、n个。Si(xi+1) = Si+1(xi+1)Si-(xi+1) = Si-+1(xi+1)Si(xi+1)= S；+1(xi+1)针对2015年1月1日四号机组全天数据报表，通过分段线性插值与三次样条插值 两种方法，其中三次样条插值的边界条件采用了非扭结条件与二阶导数，得到了以下 三种插值结果。可以看出，分段线性插值的光滑性较差，出现了多处不可导点，不能反映地预测 功率的变化情况，非扭结条件约束下的三次样条插值振动较大，与风速变化情况不相 符合，因此选择二阶导数为约束条件的三次样条插值。5.1.2 问题一模型的求解根据得到的三次样条函数，得到功率p = p(t)与时间的关系，然后进行积分，

9、就可 以得到总的功率P=m=1 t0p(t) dt则全年的经济效益为W=PT最后求得不同风机各月及全年的发电量为，单位kWh4#16#24#33#49#57#一月208665.192154543.856147971.977179777.166166557.610154238.912二月326042.635354231.295349618.423213317.22329588.534272960.236三月245719.737265646.519226266.490154284.858198387.598176989.580四月167114.591187009.490179386.0421069

10、13.403142222.194140639.55五月162358.684150824.333118589.927104114.333153302.621152054.656六月300380.109305295.555327062.077228308.635232005.545222710.687七月208863.477201426.029174110.911137580.196155591.346183788.671八月138914.682146281.010118004.293101134.822104559.795112587.660九月276548.393223417.82618467

11、3.581166739.563155300.717183407.891十月133348.029104276.211110073.96094788.143110123.615103884.350154815.939185825.872107113.56283554.986120338.091154510.071十二月225702.334228938.599191955.694182002.186167591.121151964.584合计2548473.8022507716.5972234826.9371755215.5162001868.7842009736.8485.2 问题二模型建立与求解

12、5.2.1 问题二模型的建立风电场值班与维修排班问题具有复杂性，必须考虑到多个约束条件限制，找到 “合理、令人满意的方法”，并且也要使风电场项目获得最大的利益。为了使计算简 单，记每两天为一个班次。首先，在Matlab中运用随机均匀函数产生出排班矩阵C。其次根据条件（1）连续 工作不超过B天，（2）每台风机维护时间均两天，（3）每个工作组只能干一项任务， （4）保证一组值班,（5）两次维护之间的连续工作时间不超过270天，及135个班 次。其次，为使各组维修人员的工作任务相对均衡，即各组维修人员工作班次的方差 最小。因此在排班方案中，维修人员工作班次的方差为衡量合理性的标准，即目标函 数。为了

13、求解需要的司机数及排班方案，我们建立如下模型：=1，第i组维修人员上第j月的第k个班次Xijk = 0，第i组维修人员不上第j月第k个班次目标函数为1min / =爲（-3爲）23 1X、+x., “ +x B约束条件：ijkijk+1ijk+21足2k=1xijkM在 Lingo 中编程得出结果。5.2.2 问题二模型的求解由于每组维修人员连续工作不超过6天，即3个班次；维修人员需要在270天内 完成124座风机的检修工作，即124个班次，则每个月至少需要完成的班次数T=14。 则min a =Xijk + Xijk+1 + Xijk+2 v(v12)=12; y0=1.046*v人3+7.

14、745*v人2-34.73*v+38.71; a=size(y0,2) x0=1:a; x=1:0.01:a; pp1=csape(x0,y0,second); y1=ppval(pp1,x); x,y1 plot(x0,y0,+,x,y1) title(splinel) pp=csape(x0,y0) format long g xishu=pp.coefs s=quadl(t)ppval(pp,t),1,a) v(v11)=11; y0=-1.324*v.A3+47.71*v.A2-263.7*v+444.3; a= size(y0,2); x0=1:a; x=1:0.01:a; pp1=

15、csape(x0,y0,second); y1=ppval(pp1,x); x,y1 plot(x0,y0,+,x,y1) title(splinel) pp=csape(x0,y0) format long g xishu=pp.coefs s=quadl(t)ppval(pp,t),1,a)lingo 程序：model:sets:group/1.3/;month/1.12/;schedule/1.15/;links(group,month,schedule):x;endsetsmin= for(group(i):sum(x(i,j,k)-1/3*(for(group(i):sum(x(i,j,k);)for(month(j):sum(group(i):sum(schedule(k):x(i,j,k)14;)for(links(i,j,k):x(i,j,k)+x(i,j,k+1)+x(i,k,j+2)3;)for(links:bin(x););end