为探究风波浪耦合作用下张力腿浮式平台(tension leg platform,TLP)动力学特性,提出适用于我国东海平均水深的系泊最优线径。该文以美国可再生能源实验室(national renewable energy laboratory,NREL)5 MW海上风力机和TLP浮式平台为研...为探究风波浪耦合作用下张力腿浮式平台(tension leg platform,TLP)动力学特性,提出适用于我国东海平均水深的系泊最优线径。该文以美国可再生能源实验室(national renewable energy laboratory,NREL)5 MW海上风力机和TLP浮式平台为研究对象,根据IEC 61400-3标准生成Kaimal湍流风谱和P-M不规则波浪谱,参考中国船级社海上浮式风机平台指南较系统地研究系泊线径、风浪错位角及海水深度对TLP浮式平台的影响,并通过高斯混合模型(Gaussian mixture model,GMM)和期望最大(expectation maximization,EM)迭代法优化系泊线径。研究发现,增大缆绳直径会使浮式平台在纵荡和横荡方向的初始位置与位移幅值减小,风浪失调时平台运动分量同纵荡方向一致与横荡方向相反;风浪错位角度增大致使平台横荡响应更加敏感,横摇呈现先增大后减小的趋势;海洋深度增加浮式平台纵荡位移峰值随之增加,但平台艏摇方向运动响应无明显变化;300~370 m深度海域系泊线径最优值为0.134 m。结果可为我国近海张力腿浮式平台及系泊系统的优化设计、性能评估及规模化开发提供理论指导。展开更多
风电出力与运行条件密切相关,寒潮作为一种极端天气事件,往往会导致电力负荷激增。该场景下的风电功率预测结果与实际出力存在较大偏差,从而对电力系统的安全稳定运行带来了挑战。文章提出了一种基于现实时间序列生成对抗网络(real-worl...风电出力与运行条件密切相关,寒潮作为一种极端天气事件,往往会导致电力负荷激增。该场景下的风电功率预测结果与实际出力存在较大偏差,从而对电力系统的安全稳定运行带来了挑战。文章提出了一种基于现实时间序列生成对抗网络(real-world time series generative adversarial network,RTSGAN)样本扩充和注意力动态权重集成的寒潮极端天气条件风电功率预测方法。首先针对寒潮天气下风电样本稀缺的问题,采用RTSGAN对寒潮事件原始数据进行样本扩充;然后基于扩充得到的样本数据集分别构建基础预测模型和注意力网络;最后通过注意力动态权重集成方法进行风电功率预测。算例结果表明,所提方法能够解决寒潮极端天气风电样本稀缺的问题,可有效提升寒潮极端天气条件下的风电功率预测精度。展开更多
文摘风电出力与运行条件密切相关,寒潮作为一种极端天气事件,往往会导致电力负荷激增。该场景下的风电功率预测结果与实际出力存在较大偏差,从而对电力系统的安全稳定运行带来了挑战。文章提出了一种基于现实时间序列生成对抗网络(real-world time series generative adversarial network,RTSGAN)样本扩充和注意力动态权重集成的寒潮极端天气条件风电功率预测方法。首先针对寒潮天气下风电样本稀缺的问题,采用RTSGAN对寒潮事件原始数据进行样本扩充;然后基于扩充得到的样本数据集分别构建基础预测模型和注意力网络;最后通过注意力动态权重集成方法进行风电功率预测。算例结果表明,所提方法能够解决寒潮极端天气风电样本稀缺的问题,可有效提升寒潮极端天气条件下的风电功率预测精度。
