免费下载!
[!--downpath--]2019第七届杯物理模型竞赛题目银奖论文风电波动效应第1部分:风电波动特性分析杯银奖答卷编号:论文题目:风电波动分析指导老师班主任:**参赛中班学校:**交通学院证书邮寄地址及寄件人:东北交通大学犀浦分院物理模型商会5401实验室答案编号:风电波动特征分析总结本文采用-尺度概率分布、回归拟合、描述统计、自回归基于时间序列的移动平均预测方法,利用时间序列特征来分析风电波动特征。 第一题a,对于时间间隔为5秒的风电波动序列,以第五组风机为例,采用几种常见的概率分布模型来分析风电波动,用软件模拟最优度发现-尺度概率分布最适合描述风电波动,得到三个特征值μ=-0.0449、σ=4.0952、ν=1.3881和拟合指数I=0.0220。 因此,采用-尺度概率分布模型来估计五组粉丝的特征值,并分析其优缺点。 在问题b中,利用-scale模型,以日为时间窗宽度,估算了每个风电30个时间段的概率分布参数。 并利用描述性统计模型勾勒出不同机组、不同时期风电功率波动的概率参数折线图。
对于第二个问题,对于时间间隔为1分钟的风电波动序列,采用与第一问题a相同的模型重新估计分析,发现-尺度概率分布最适合描述风电功率波动。 第三个问题是用Pim(tk)序列替换Pi5s(tk)序列,发现会丢失一些信息。 因此,根据风场的实际情况,本文定义了波动信息丢失的衡量指标,即波动信息丢失率=?100%。 根据前两题的数据计算出γ=14.611%。 对于第四个问题,利用-尺度概率分布模型分析时间间隔为分钟、5分钟和15分钟的总幂级数PΣm(tk)、PΣ5m(tk)、PΣ15m(tk)以及相应的特征值与得到的拟合指数进行比较,时间间隔为1分钟时拟合效果最好,拟合指数I=0.04918。 如果用PΣ5m(tk)代替PΣm(tk)来表示全场风电波动,则利用第三个问题中已经定义和构建的波动信息丢失率模型来分析其后果和影响其后果和影响。 第五个问题,由于风电场的发电数据具有时序性、离散性,因此采用时间序列分析来预测风电场的发电量。 本文通过模型参数和模型阶数的确定,改进了自回归移动平均模型ARMA(n,m)。 时间序列分析方法可以更好地捕捉风电功率的变化规律,预测疗效是否理想。
第六个问题,为了分析单台风机功率Pim(tk)与风电场总功率PΣm(tk)在时间序列上的主要差异,构建了时间序列特征模型。 使用EXCEL绘制相应单元的Pim(tk)和PΣm(tk)的时变曲线,发现Pim(tk)和PΣm(tk)之间存在时间滞后,尤其是从900分钟开始的观测时间到1300分钟时,Pim(tk)曲线的曲率变化明显慢于PΣm(tk),但两者的变化规律基本相同。 最后利用-尺度分布的概率分布特征值来分析两者的波动性。 第十题写了对风电波动特性的认识以及如何克服风电波动对电网运行的不利影响。 关键词:风电,风电波动,概率分布,时间序列预测,时间序列分析 1.提出的问题 近年来,可再生能源的发展遍及世界各地。 我国已规划8000万千瓦大型风电基地,预计2020年全省风电装机容量将突破2亿千瓦。风电机组发电量主要与风速。 由于风的不确定性和间歇性以及风电场各机组之间尾流的影响,风力发电机无法像常规发电机组一样根据电能需求确定发电量。 一个风电场一般有几十台、上百台风力发电机,但一个小型风电基地则由几十甚至上百台风电场组成。 因此,风电功率波动具有较强的时空差异。 大型风电基地一般需要并网,实现风电的输送和消纳。
风电的随机波动被认为是对电网产生不利影响的主要原因。 本文需要解决以下七个问题: 1. 选择5台风机: a) 在30天内,分析第i台机组的风电功率Pi5s(tk)波动符合哪种概率分布? 分别估计和测试数值属性,推荐最佳分布并给出理由。 比较五种单位分布的优缺点。 b) 利用上述确定的最佳概率分布,以日为时间窗宽度,分别估计并检验5种电量的30个时间段的概率分布参数; 尝试比较不同单位(空间)和不同时段(时间)的风电功率波动的概率分布及其与整体30天分布的关系告诉我们什么? 2、尝试从上述5台机组的风电数据中提取间隔为1分钟的数据序列Pim(tk)。 对于这5个序列,做问题1a)的分析。 3.尝试分析当使用Pim(tk)代替Pi5s(tk)时这些风电波动信息的损失? 如何测量? 有什么影响? 从上述所有估计中,您可以得出什么一般推论? 4.尝试估计时间间隔为1分钟、5分钟和15分钟的总功率序列Pm(tk)、PΣ5m(tk)、PΣ15m(tk),并分析波动概率分布的数值特征。 如果用PΣ5m(tk)代替PΣm(tk)来表示全场风电波动,会丢失哪些信息? 如何测量? 有什么影响? 5、如果以PΣ5m(tk)和PΣ15m(tk)为样本,预测风电场未来4小时的总功率(每15分钟一个点),请设计合适的预测模型,并滚动预测为不超过7天,对两种方法的预测偏差进行分析比较。
6、尝试分析单台台风电机功率Pim(tk)与风电场总功率PΣm(tk)在时间序列上的主要差异; 上述得到的概率分布的数值特征对于分析时间序列波动的特征起什么作用? 有什么限制? 7、通过以上对机组和全场风电波动的分析,您对风电波动的特点了解了哪些? 如何运用这一认识来克服风电波动对电网运行的不利影响? 请创建一个例子来说明。 2. 基本假设 1. 假设所有记录的数据都是准确的; 2、假设风速均匀变化,且为连续函数; 3、假设所有风机均能正常运转,且工作中途无故障修复; 4、假设风电数据存储和管理设备正常; 5. 假设预测过程不考虑外界一些随机风浪的影响。 3、符号说明 4、问题分析 由于风力和风电场各机组尾流的不确定性和间歇性,导致风力发电机组无法像常规发电机组一样根据电能的需求来确定发电量。 风电的随机波动被认为是对电网产生不利影响的主要原因。 而且风电的波动具有较强的时空差异。 研究风电的波动特性,无论是提高风电功率预测的准确性,还是克服风电接入对电网的不利影响都具有重要意义。 而且风电的波动具有较强的时空差异。 第一题a,对于时间间隔为5秒的风电波动序列,以第五组风机为例,采用几种常见的概率分布模型来分析风电波动,用软件模拟最佳程度组合。
然后利用最优概率分布模型来估计五组粉丝的特征值,并分析优缺点。 对于问题b,使用最优模型估计5个风源30个时间段的概率分布参数,以日为时间窗宽度。 并利用描述性统计模型绘制了不同机组、不同时期风电功率波动概率参数折线图。 第二题中,对于时间间隔为1分钟的风电波动序列,采用与第一题a相同的模型进行重新估计分析。 第三个问题是用Pim(tk)序列替换Pi5s(tk)序列,发现会丢失一些信息。 因此,根据风场的实际情况,定义了波动信息损失的衡量指标,即波动信息损失率的第四个问题,并利用最优概率分布模型对总功率序列进行分析以时间间隔1分钟、5分钟和15分钟PΣm(tk)、PΣ5m(tk)、PΣ15m(tk),得到相应的特征值和拟合指标,并进行比较。 如果用PΣ5m(tk)代替Pm(tk)来表示全场的风电波动,则利用第三个问题中定义和构建的波动信息丢失率模型来分析其后果和影响。结果。 第五个问题是利用时间序列分析方法来预测风电场的发电量。 本文针对风电机组输出功率数据确定了模型参数和模型阶数,并对自回归移动平均模型ARMA(n,m)进行了改进。 第六个问题,为了分析单台风机功率Pim(tk)与风电场总功率PΣm(tk)在时间序列上的主要差异,构建了时间序列特征模型。
使用EXCEL绘制相应单元的Pim(tk)和PΣm(tk)随时间变化的曲线。 最后利用-尺度分布的概率分布特征值来分析三者的波动性。 第十题,写对风电波动特性的认识以及如何克服风电波动对电网运行的不利影响。 第二部分:第七届 Cup物理模型(DEMO)A题:风电波动特征分析——从风电场开始 以化石能源为主的能源发展模式必须从根本上改变。 近年来,可再生能源发展的潮流席卷全球。 我国已规划8个千万千瓦级小型风电基地。 截至20XX年底风电功率预测品牌,我国风电装机容量已突破7000万千瓦,位居世界第一。 预计2020年全省风电装机容量将突破2亿千瓦。风力发电不消耗任何燃料,堪称清洁能源; 风能来自大气运动,不会因风能的发展而枯竭,因此是一种可再生能源。 风力发电机产生的功率主要与风速有关。 由于风的不确定性和间歇性以及风电场内各机组之间尾流的影响,风力发电机组无法像常规发电机组一样根据电能的需求来确定发电量。 大型风电基地一般需要并网,实现风电的输送和消纳。 风电的随机波动被认为是对电网产生不利影响的主要原因。
研究风电的波动特性,无论是提高风电功率预测的准确性风电功率预测品牌,还是克服风电接入对电网的不利影响都具有重要意义。 风电场一般有数十或数百台台风电机。 一个小型风电基地由数十个甚至数百个风电场组成。 因此,风电功率波动具有较强的时空差异。 附录给出了某风电场20台1.5MW风电机组30天的风电数据(单位为kW,间隔为5s),请进行如下分析。 1. 选择 5 台风机: a) 在 30 天范围内,分析第 i 台机组的风电 Pi5s(tk) 波动符合哪种概率分布? 分别估计和测试数值属性,推荐最佳分布并给出理由。 比较五种单位分布的优缺点。 b) 利用上述确定的最佳概率分布,以日为时间窗宽度,分别估计并检验5种电量的30个时间段的概率分布参数; 尝试比较不同单位(空间)和不同时段(时间)的风电功率波动的概率分布及其与整体30天分布的关系告诉我们什么? 2、风电场实际运行中,由于数据存储和管理的限制,难以集中记录所有风机功率的二级数据。 一般采用分钟甚至更长间隔的数据来描述风电波动。 尝试从上述5台机组的风电数据中提取间隔为1分钟的数据序列Pim(tk)。 对于这5个序列,做问题1a)的分析。
3.尝试分析当使用Pim(tk)代替Pi5s(tk)时这些风电波动信息的损失? 如何测量呢? 有什么影响? 从上述所有估计中,您可以得出什么一般推论? 4、设定全场20台台风电机的总功率PΣmin、5min和15min总功率序列PΣm(tk)、PΣ5m(tk)、15m(tk),分析波动概率分布的数值特性。 如果用PΣ5m(tk)代替m(tk)来表示全场风电波动,会丢失哪些信息? 如何测量呢? 有什么影响? 5、如果以PΣ5m(tk)和PΣ15m(tk)为样本,预测风电场未来4小时的总功率(每15分钟一个点),请设计合适的预测模型(合适的数据)期间可作为历史数据建模,后续数据作为实际风电来检验预测偏差),并分别给出不超过7天的滚动预测结果,以及两者的预测偏差方法进行了分析和比较。 6、风电变化对电网运行的影响主要与其时序特征有关,如风电急剧波动引起的调频机组爬坡速度分析。 尝试分析单台台风电机功率Pim(tk)与风电场总功率PΣm(tk)在时间序列上的主要差异; 上述得到的概率分布的数值特征对于分析时间序列波动的特征起什么作用? 有什么限制? 7、通过以上对机组和全场风电波动的分析,您对风电波动的特点了解了哪些? 如何运用这一认识来克服风电波动对电网运行的不利影响? 请创建一个例子来说明。
第三部分:第七届钳工杯问题B:窑炉的优化运行窑炉是火电厂的关键设备之一,其效率直接影响电厂的经济性。 在现代发电厂中,反映窑炉运行质量的主要性能指标是窑炉效率。 根据中华人民共和国国家标准《电厂性能试验规程》(GBPTC),采用平衡法估算电厂窑炉炉效率,即:?gl?q1? 其中qi?Q1?100?100-(q2?q3?q4?q5?q6),%(1) QrQi?100(i?1,2,?,6)分别表示有效热量q1、排烟热损失q2 、化学非Qr(或可燃二氧化碳)完全燃烧热损失q3、机械(或固体)不完全燃烧热损失q4、热损失q5和煤灰化学热损失q6。 促进窑炉节能减排的重要手段之一是对窑炉机组热系统进行在线检测分析,优化其运行参数。 窑炉的运行是一个涉及物理反应和传热紊流的复杂过程,影响参数较多,主要包括煤质参数、运行参数、设备状态和运行环境等。 目前,在国外,常采用在线检测数据来分析误差(或消耗差异),以提高炉子运行的经济性。 但由于无法在线分析煤质和煤灰中的碳含量,仍然无法在线检测炉子效率,这给炉子的运行优化带来很大困难。 在窑炉的实际运行中,为了燃尽燃料,实际供给的空气量总是小于理论空气量,超出的部分称为过剩空气量,过剩空气系数是指实际空气量风量Vk与理论风量V0之比。
过量空气系数直接影响排气热损失q2、化学不完全(或可燃二氧化碳不完全)燃烧热损失q3、机械(或固体)不完全燃烧热损失q4(如图1所示)。 可以看出,当汽包出口处的过量空气系数δl≤1时。 减小,q2≤q3≤q4先减小再减小,并且存在最小值。 该最小值对应的空气系数称为最佳过量空气系数。 以300MW炉为例进行分析(锅炉参数见附表1)。 由于过量空气比对物理不完全燃烧的热损失影响不大,因此可以视为恒定处理。 附表2给出了实测飞灰碳含量Cfh与过量空气系数之间的关系。 过量空气系数与热损失的关系曲线,请研究以下问题: 1、确定窑炉运行的最佳过量空气系数; 2.给出窑效率与过量空气系数的关系; 3、研究窑炉运行参数对窑炉效率的影响; 4、讨论窑炉的最佳运行方式。附表1:窑炉运行主要参数附表2:实验得到的汽包出口飞灰中碳含量Cfh和过量空气系数数据