Page 50 - 电力与能源2023年第三期

244 苏智超：基于深度学习的风电机组风向预测方法研究

i
i
值两项数据可以求得某一时刻的偏航事件。我们 （4）判断风机偏航情况，即：当 Δd n ≥ J n 时，风
i
i
i
认为同一风电场各风机偏航事件存在一定的关 机 发 生 顺 时 针 偏 转 ， P n = 1， D n = d ( zd ) n；当
i
i
i
联性。 Δd n ≤ -J n 时 ，风 机 发 生 逆 时 针 偏 转 ，P n = -1，
i
i
i
i
i
3.4.1 风机偏航事件相关性概述 D n = d ( zd ) n；当-J n < Δd n < J n 时，风机不偏转，
某风电场采用偏航系统优化控制策略，即某 P n = 0，D n = D n 。
i
i
i - 1
一时刻风机是否偏航不仅与该时刻的风向及当前 风机偏航事件建模流程如图 9 所示，其中 k 为
风机位置角度有关，还与该时刻的风速有关。在 风电场风机总数，本文中 k=24。
风机运行过程中，风向也不是在各风速区间内平
均匀变化的，而是各有差异，并且一般小风时刻风
向变化频繁，大风时刻风向变化则相对较慢，因此
考虑偏航系统动作的经济性，设定偏航启动角度，
只有当风向变化值大于偏航启动角度时，才发出
偏航指令。某风电场的偏航启动角度设定为风速
8 m·s 以上时为 8°，风速 8 m·s 以下时为 16°。
−1
−1
本文提出根据风机偏航的事件相关性来选取
关联种子。风机在某时刻的偏航事件情况有且只
有 3 种：顺时针偏航、逆时针偏航、不偏航。在某
一时间段内，偏航事件相同次数越多的风机的偏
航事件相关性越好，选取偏航事件相关性较好的

风机作为关联种子风机有助于获得更好的预测
结果。
3.4.2 风机偏航事件的数学建模
风机偏航事件可以根据风机的风速、风向数
据 和 风 电 场 的 偏 航 启 动 角 度 来 表 示 。 记
i
i
D n ( D n ∈ N )为第 i 个有效时刻 n 号风机的风机位
i
i
置角度； J n ( J n ={8°，16°} ) 为第 i 个有效时刻 n 号
i
i
风机的风机偏航启动角度 ； Δd n (-180° < Δd n ≤
i
180°，Δd n ∈ N )为第 i 个有效时刻 n 号风机的风机
偏航角； P n ( P n ={ - 1，0，1} ) 为第 i 个有效时刻 n
i
i
i
号风机的风机偏航事件标识， P n = -1 为发生逆 图 9 风机偏航事件建模流程
i
i
时针偏航， P n = 1 为发生顺时针偏航，P n = 0 为不 3.4.3 风机偏航事件相关性求取方法
偏 航 。 n 号 风 机 偏 航 事 件 的 数 学 建 模 主 要 步 骤 由于偏航事件标识为离散定类变量，每个值
如下。 代表一个类别，这些值之间没有大小、次序之分，
（1）设定第一个有效时刻的风向为风机位置 因此 Pearson 公式对其不再适用，需要用其他的相
初始角度，即 D n = d ( zd ) n。 关性分析方法。
1
1
（2）求 当 前 时 刻 风 机 偏 航 启 动 角 度 ，即 ：当 列联表是一种将样本按照两个或两个以上的
J
i i i
−1
v ( qx ) n ≥ 8 m·s 时， n = 8°；当 v ( qx ) n < 8 m·s −1 特征分类后的交叉频数表，可以简明扼要地体现
J
i
时， n = 16°。 出两个样本在不同特征情况下的样本频数。构造
i
i
（3）求偏航角，即 Δd n = d ( zd ) n - D n 。 风机 n 1 和风机 n 2 的偏航事件 2 × 2 列联表，如表 1
i - 1