本發(fā)明涉及風力發(fā)電，具體涉及一種電網(wǎng)新能源電能質(zhì)量檢測方法及系統(tǒng)。

背景技術：

1、在現(xiàn)代社會，新能源的廣泛應用可以減少對傳統(tǒng)化石能源的依賴，減少溫室氣體排放和空氣污染，有利于改善環(huán)境質(zhì)量，保護生態(tài)平衡，減緩氣候變化。然而，新能源往往受環(huán)境因素影響較大，在新能源接入電網(wǎng)時要考慮新能源的質(zhì)量是否符合標準，以此滿足電網(wǎng)供電的穩(wěn)定性?，F(xiàn)有技術對于新能源電能的質(zhì)量檢測過程中，往往通過分析新能源的各項電參數(shù)變化，以此判斷新能源的質(zhì)量。

2、現(xiàn)有技術對于風力發(fā)電電能的質(zhì)量檢測，往往通過分析新能源的各項電參數(shù)變化。當風能出現(xiàn)波動時，為了保證新能源供電的穩(wěn)定性，需要及時對風力發(fā)電進行補償，然而，現(xiàn)有技術往往難以對風力發(fā)電機的發(fā)電質(zhì)量波動進行預測，導致補償不及時，出現(xiàn)供電不穩(wěn)定的情況。本發(fā)明通過多臺風力發(fā)電機之間的發(fā)電質(zhì)量的相關性，預測風力發(fā)電機的電能質(zhì)量變化，從而及時使用動態(tài)電壓恢復器進行補償。

技術實現(xiàn)思路

1、本發(fā)明提供一種電網(wǎng)新能源電能質(zhì)量檢測方法及系統(tǒng)，以解決現(xiàn)有的問題。

2、本發(fā)明的一種電網(wǎng)新能源電能質(zhì)量檢測方法及系統(tǒng)采用如下技術方案：

3、本發(fā)明提出了一種電網(wǎng)新能源電能質(zhì)量檢測方法，該方法包括以下步驟：

4、采集每臺風力發(fā)電機的位置及輸出端的電壓與電流，得到每臺風力發(fā)電機的功率輸出曲線；

5、獲取每臺風力發(fā)電機的輸出功率序列；通過對不同風力發(fā)電機的輸出功率序列獲取差值矩陣并進行dtw匹配，得到任意兩臺風力發(fā)電機的輸出功率的關聯(lián)性；

6、獲取每臺風力發(fā)電機的若干關聯(lián)風力發(fā)電機并構建高關聯(lián)性集合；根據(jù)高關聯(lián)性集合中關聯(lián)風力發(fā)電機的位置分布，得到每個高關聯(lián)性集合中的所有關聯(lián)風力發(fā)電機處于同一條風向垂直方向的概率，進而得到風向的平行方向；

7、獲取在風向的平行方向上處于最外端的兩個邊緣風力發(fā)電機，根據(jù)每臺風力發(fā)電機的位置坐標，得到每個邊緣風力發(fā)電機與其余每個風力發(fā)電機的歐式距離以及連線與風向的平行方向的夾角，進而得到每臺邊緣風力發(fā)電機關聯(lián)性的平均遞減程度，判斷得到第一臺迎風的風力發(fā)電機；

8、基于第一臺迎風的風力發(fā)電機及其他風力發(fā)電機的輸出功率序列，通過dtw匹配獲取每臺風力發(fā)電機相對于第一臺迎風的風力發(fā)電機的滯后時間；結合第一臺迎風的風力發(fā)電機的功率輸出曲線、第一臺迎風的風力發(fā)電機關聯(lián)性的平均遞減程度、與每臺風力發(fā)電機的歐式距離以及連線與風向的平行方向的夾角，得到每臺風力發(fā)電機在當前時刻之后的滯后時間段內(nèi)的預測功率變化函數(shù)，進而實現(xiàn)風力發(fā)電機的電能補償。

9、進一步地，所述獲取每臺風力發(fā)電機的輸出功率序列，包括的具體步驟如下：

10、對于任意一臺風力發(fā)電機的功率輸出曲線，將其均分為若干段；計算每一小段的平均輸出功率，得到每臺風力發(fā)電機的輸出功率序列。

11、進一步地，所述通過對不同風力發(fā)電機的輸出功率序列獲取差值矩陣并進行dtw匹配，得到任意兩臺風力發(fā)電機的輸出功率的關聯(lián)性，包括的具體步驟如下：

12、計算每臺風力發(fā)電機的輸出功率序列中每段的平均輸出功率與其他風力發(fā)電機的輸出功率序列中每段的平均輸出功率之間的差值絕對值，構成每臺風力發(fā)電機與其他風力發(fā)電機的差值矩陣；

13、對于任意兩臺風力發(fā)電機輸出功率的關聯(lián)性，對應的具體計算公式為：

14、

15、其中，ei,j表示第i臺風力發(fā)電機與第j臺風力發(fā)電機的輸出功率的關聯(lián)性；li,j表示第i臺風力發(fā)電機與第j臺風力發(fā)電機的差值矩陣的dtw距離；norm()歸一化函數(shù)。

16、進一步地，所述根據(jù)高關聯(lián)性集合中關聯(lián)風力發(fā)電機的位置分布，得到每個高關聯(lián)性集合中的所有關聯(lián)風力發(fā)電機處于同一條風向垂直方向的概率，對應的具體計算公式為：

17、

18、其中，pi表示第i臺風力發(fā)電機的高關聯(lián)性集合中所有關聯(lián)風力發(fā)電機處于同一條風向垂直方向的概率；ni表示第i臺風力發(fā)電機的高關聯(lián)性集合中關聯(lián)風力發(fā)電機的數(shù)量；θi,n表示第i臺風力發(fā)電機的高關聯(lián)性集合中第n臺關聯(lián)風力發(fā)電機的夾角；norm()表示歸一化函數(shù)。

19、進一步地，所述得到風向的平行方向，包括的具體步驟如下：

20、將所有高關聯(lián)性集合中所有關聯(lián)風力發(fā)電機處于同一條風向垂直方向的概率中，概率最大的高關聯(lián)性集合中所有關聯(lián)風力發(fā)電機的位置坐標通過最小二乘法進行直線擬合，將得到的直線作為風向的垂直方向，進而得到風向的平行方向。

21、進一步地，所述得到每臺邊緣風力發(fā)電機關聯(lián)性的平均遞減程度，對應的具體計算公式為：

22、

23、其中，v表示風力發(fā)電機關聯(lián)性的平均遞減程度；h表示風力發(fā)電機的臺數(shù)；e1,h表示第一臺迎風的風力發(fā)電機與第h臺風力發(fā)電機的輸出功率的關聯(lián)性；l1,h表示第一臺迎風的風力發(fā)電機與第h臺風力發(fā)電機的歐式距離；α1,h表示第一臺迎風的風力發(fā)電機與第h臺風力發(fā)電機的連線與風向的平行方向的夾角；norm()表示歸一化函數(shù)。

24、進一步地，所述得到第一臺迎風的風力發(fā)電機，包括的具體步驟如下：

25、將得到的兩臺邊緣風力發(fā)電機關聯(lián)性的平均遞減程度中的最大值對應的邊緣風力發(fā)電機，記為第一臺迎風的風力發(fā)電機。

26、進一步地，所述基于第一臺迎風的風力發(fā)電機及其他風力發(fā)電機的輸出功率序列，通過dtw匹配獲取每臺風力發(fā)電機相對于第一臺迎風的風力發(fā)電機的滯后時間，包括的具體步驟如下：

27、將第一臺迎風發(fā)電機的輸出功率序列記為參考序列，將任意一臺其余風力發(fā)電機的輸出功率序列記為查詢序列；

28、通過dtw算法獲取查詢序列的任意一個元素與參考序列中對應的所有匹配元素中第一個元素的時間差；

29、將查詢序列中所有的時間差的均值，記為該查詢序列對應風力發(fā)電機相對于第一臺迎風的風力發(fā)電機的滯后時間。

30、進一步地，所述得到每臺風力發(fā)電機在當前時刻之后的滯后時間段內(nèi)的預測功率變化函數(shù)，對應的具體計算公式為：

31、f′(h,t)＝f(1,t)×(1-norm(vmax×l1,h×cosα1,h))

32、其中，f'(h,t)表示第h臺風力發(fā)電機在當前時刻之后的滯后時間段內(nèi)的預測功率變化函數(shù)；f(1,t)表示第一臺迎風的風力發(fā)電機在當前時刻之前的滯后時間的長度內(nèi)的輸出功率的功率變化函數(shù)；vmax表示第一臺迎風的風力發(fā)電機關聯(lián)性的平均遞減程度；l1,h表示第一臺迎風的風力發(fā)電機與第h臺風力發(fā)電機的歐式距離；α1,h表示第一臺迎風的風力發(fā)電機與第h臺風力發(fā)電機的連線與風向的平行方向的夾角；norm()表示歸一化函數(shù)。

33、本發(fā)明還提出了一種電網(wǎng)新能源電能質(zhì)量檢測系統(tǒng)，包括存儲器、處理器以及存儲在所述存儲器上并在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述存儲器存儲的計算機程序，以實現(xiàn)前述的一種電網(wǎng)新能源電能質(zhì)量檢測方法的步驟。

34、本發(fā)明的技術方案的有益效果是：

35、通過對風力發(fā)電機陣列的輸出功率進行分析，能夠有效預測電能質(zhì)量的變化，從而及時進行補償，保證新能源供電的穩(wěn)定性。具體的，通過采集每臺風力發(fā)電機的位置及輸出端的電壓與電流，得到了每臺風力發(fā)電機的功率輸出曲線，有助于全面了解各風力發(fā)電機的運行狀態(tài)和功率輸出情況；獲取每臺風力發(fā)電機的輸出功率序列，通過計算不同風力發(fā)電機的輸出功率差值矩陣并進行動態(tài)時間規(guī)整(dtw)匹配，得到任意兩臺風力發(fā)電機輸出功率的關聯(lián)性，從而有利于識別出風力發(fā)電機之間的功率輸出相關性，找出具有高關聯(lián)性的關聯(lián)風力發(fā)電機；根據(jù)高關聯(lián)性集合中風力發(fā)電機的位置分布，計算每個高關聯(lián)性集合中所有關聯(lián)風力發(fā)電機處于同一條風向垂直方向的概率，進而確定風向的平行方向，可以準確定位風力發(fā)電機陣列的風向分布，為后續(xù)的關聯(lián)性分析和電能質(zhì)量預測提供依據(jù)；獲取風向平行方向上處于最外端的兩個邊緣風力發(fā)電機，通過計算邊緣風力發(fā)電機與其余風力發(fā)電機的歐式距離及連線與風向平行方向的夾角，得到關聯(lián)性的平均遞減程度，判斷出第一臺迎風的風力發(fā)電機，從而識別出陣列中首個迎風的風力發(fā)電機以及關聯(lián)性遞減特性，提供了電能質(zhì)量變化的關鍵參考點。最后，基于第一臺迎風的風力發(fā)電機及其他風力發(fā)電機的輸出功率序列，通過dtw匹配獲取滯后時間，結合相關參數(shù)，預測每臺風力發(fā)電機在當前時刻之后的滯后時間段內(nèi)的功率變化函數(shù)，使得能夠準確預測后排風力發(fā)電機的電能質(zhì)量變化，提前進行電能補償，保障供電的穩(wěn)定性和可靠性。