CN104632521B - 一种基于偏航校正的风电功率优化***及其方法 - Google Patents

Abstract

本发明涉及一种基于偏航校正的风电功率优化***，***包括：数据采集模块、功率模拟模块、风向偏移量诊断模块和控制模块；数据采集模块用于采集风机运行的实时数据、储存实时数据从而形成历史数据；功率模拟模块用于读取历史数据、对历史数据进行筛选并根据筛选后的数据建立均衡数据集，然后根据均衡数据集建立功率模型；风向偏移量诊断模块根据接收到的功率模型和实时数据生成控制信息并将控制信息发送给控制模块；控制模块根据接收到的控制信息调整风机的偏航角度。此外，本发明还提供了一种基于偏航校正的风电功率优化方法。本发明能通过实时诊断和调整偏航角度，延长风电机组寿命、提高运行安全系数。

Description

一种基于偏航校正的风电功率优化***及其方法

技术领域

本发明涉及风电控制领域，尤其涉及一种基于偏航校正的风电功率优化***及其方法。

背景技术

由于风能具有能量密度低、随机性和不稳定性等特点,偏航轴承要承受不特定风力所产生的冲击载荷，具有间歇工作，启停较为频繁，传递扭矩较大，传动比高的特点。在高风速下，不合适的偏航角对叶片乃至整个机组的使用寿命影响很大，受不确定的外部环境因素影响下，风力发电机组偏航控制***是一个复杂多变量非线性不确定***,因此,偏航的诊断策略是机组安全高效运行的关键。

风力发电作为一种可持续发展的新能源,不仅可以节约常规能源,而且减少环境污染,具有较好的经济效益和社会效益,越来越受到各国的重视。伴随着风电装机容量不断增长的同时，风电场精细化运营的要求也在不断提高，而风力发电机组研究的关键部分在于偏航变桨***及其控制技术，目前国内对大型风力发电机组的控制***已有研究,但是对于在线诊断和纠正偏航***的研究很少。

针对以上问题，如何能实时有效的诊断和调整偏航***，使其能够兼顾风力发电机组使用寿命和安全运行以及风能利用率等问题。相比传统的仪器检测策略,将大数据分析智能检测技术运用于风电***则能够得到比较满意的效果。

发明内容

本发明所要解决的技术问题是提供一种能延长风电机组寿命、提高运行安全系数的基于偏航校正的风电功率优化***及其方法。

本发明解决上述技术问题的技术方案如下：一种基于偏航校正的风电功率优化***，所述***包括：数据采集模块、功率模拟模块、风向偏移量诊断模块和控制模块；

所述数据采集模块用于采集风机运行的实时数据，储存所述实时数据从而形成历史数据，并将所述实时数据和历史数据发送给所述功率模拟模块和所述风向偏移量诊断模块；

所述功率模拟模块用于读取所述历史数据，对所述历史数据进行筛选并根据筛选后的数据建立均衡数据集，根据所述均衡数据集建立功率模型，并将所述功率模型发送给所述风向偏移量诊断模块；

所述风向偏移量诊断模块根据接收到的所述功率模型和所述实时数据生成控制信息并将所述控制信息发送给所述控制模块；

所述控制模块根据接收到的控制信息调整风机的偏航角度。

本发明的有益效果是：通过将实时数据和历史数据相结合得出功率模型，该功率模型具有更好的准确性、合理性和适用性；通过功率模型计算出实时最佳偏航角度，通过将实时数据和最佳偏航角度对比得出偏移角，最后按照偏移角调控偏航角度，这种方式可以实现实时诊断和实时偏航调整，减少偏航电机的误动作或多于的动作。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述数据采集模块包括采集单元和存储单元，所述采集单元用于采集实时数据，所述存储单元用于储存历史数据。

采用上述进一步方案的有益效果是，采集单元只负责采集风机运行时的实时数据，这样可以减小采集单元所需的内存空间，同时提高采集数据的效率；存储单元只储存数据，提高了数据储存的稳定性。

进一步，所述功率模拟模块包括：用于筛选历史数据的数据前处理单元、用于根据筛选后的数据建立均衡数据集的数据重采样单元和用于根据所述均衡数据集建立功率模型的功率建模单元。

采用上述进一步方案的有益效果是，数据前处理单元用于剔除传感器故障，通讯故障和各种子***故障数据，这样能更好地提高数据驱动模型的精度，避免了由于超出物理限制或者数据丢失导致的各种异常。

进一步，所述风向偏移量诊断模块周期地对***进行自动诊断，所述自动诊断是指将所述实时数据中的实时偏航角度与根据所述功率模型计算出的实时最佳偏航角度对比，得到偏移角δ。

采用上述进一步方案的有益效果是，将所述实时数据中的实时偏航角度与所述实时最佳偏航角度对比，得到偏移角δ，这样能提高偏航调整的精准度。周期性地对偏航***进行自动诊断，可以提高偏航调整的稳定性。

作为本发明的另一个方面，提供一种基于偏航校正的风电功率优化方法，它包括如下步骤：

S201、采集风机运行的实时数据，储存所述实时数据得到历史数据；

S202、读取所述历史数据，对所述历史数据进行处理，利用处理后的数据建立功率模型；

S203、通过功率模型计算出实时最佳偏航角度，根据所述实时最佳偏航角度和实时数据生成控制信息；

S204、根据所述控制信息调整风机的偏航角度。

进一步，所述历史数据储存在基于Hadoop的分布式数据库。

采用上述进一步方案的有益效果是，采用基于hadoop的分布式数据库可以提供一种可靠、高效、可伸缩的数据处理方式，这样可以符合风机运行数据量较大且不断增长的特点，以便***快速的进行动态分析。

进一步，对所述历史数据进行处理是指：对所述历史数据进行筛选、剔除故障数据；对筛选后的数据进行重采样并建立均衡数据集。

采用上述进一步方案的有益效果是，采用刀切法随机划分模型的数据训练集和测试集，这样既保留了原始数据能够覆盖所有可能的点，又减少了数据的体积。对原始非平衡数据采用重采样，提高功率优化准确度，减小了计算负荷，加速计算。

进一步，根据所述处理后的数据建立功率模型是指：采用数据挖掘预测类算法对风机功率建模，所述功率模型为动态功率模拟模型所述功率模型的通用公式为：

P(t)＝f[v(t),σ(t),p(t),T(t),d(t),τ(t)]

其中，t为当前时间，v为当前风速，σ为风速标准差，p为变桨角度，T为温度，d为风向角度，τ为风机电磁转矩。

采用上述进一步方案的有益效果是，风力发电机组偏航控制***是一个复杂多变量非线性不确定***，通过采集更多元的数据建立动态功率模型，达到动态预测的目的。

附图说明

图1为本发明实施例1一种基于偏航校正的风电功率优化***的结构示意图；

图2为本发明实施例2一种基于偏航校正的风电功率优化方法的流程图。

附图中，各标号所代表的部件列表如下：

1、数据采集模块，11、采集单元，12、存储单元，2、功率模拟模块，21、数据前处理单元，22、数据重采样单元，23、功率建模单元，3、风向偏移量诊断模块，4、控制模块。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

实施例1

一种基于偏航校正的风电功率优化***，下面结合附图1对本***进行详细说明。

图1中，本发明提供一种基于偏航校正的风电功率优化***，所述***包括：数据采集模块1、功率模拟模块2、风向偏移量诊断模块3和控制模块4；

所述数据采集模块1用于采集风机运行的实时数据，储存所述实时数据从而形成历史数据，并将所述实时数据和历史数据发送给所述功率模拟模块2和所述风向偏移量诊断模块3；

所述功率模拟模块2用于读取所述历史数据，对所述历史数据进行筛选并根据筛选后的数据建立均衡数据集，，根据所述均衡数据集建立功率模型，并将所述功率模型发送给所述风向偏移量诊断模块3；

所述风向偏移量诊断模块3根据接收到的所述功率模型和所述实时数据生成控制信息并将所述控制信息发送给所述控制模块4；

所述控制模块4根据接收到的控制信息调整风机的偏航角度。

所述数据采集模块1包括采集单元11和存储单元12，所述采集单元11用于采集实时数据，所述存储单元12用于储存历史数据。

所述功率模拟模块1包括：用于筛选历史数据的数据前处理单元21、用于根据筛选后的数据建立均衡数据集的数据重采样单元22和用于根据所述均衡数据集建立功率模型的功率建模单元23。

所述风向偏移量诊断模块3周期地对***进行自动诊断，所述自动诊断是指将所述实时数据中的实时偏航角度与根据所述功率模型计算出的实时最佳偏航角度对比，得到偏移角δ。

实施例2

一种基于偏航校正的风电功率优化方法，下面结合附图2对本方法进行详细说明。

图2中，一种基于偏航校正的风电功率优化方法，所述方法包括如下步骤：

S201、采集风机运行的实时数据，储存所述实时数据得到历史数据；

S202、读取所述历史数据，对所述历史数据进行处理，利用处理后的数据建立功率模型；

S203、通过功率模型计算出实时最佳偏航角度，根据所述实时最佳偏航角度和实时数据生成控制信息；

S204、根据所述控制信息调整风机的偏航角度。

所述历史数据储存在基于Hadoop的分布式数据库。

对所述历史数据进行处理是指：对所述历史数据进行筛选、剔除故障数据；对筛选后的数据进行重采样并建立均衡数据集。

根据所述处理后的数据建立功率模型是指：采用数据挖掘预测类算法对风机功率建模，所述功率模型为动态功率模拟模型。

具体的，建立风电机组动态功率模拟模型的算法有多种，包括SVM(支持向量机)，ANN(人工神经网络)，KNN(k临近回归)，RFT(随机森林)等。考察各个算法在预测集中的平均绝对误差(MAE)和平均百分比误差(MAPE)，通过上述指标自动选择最优算法模拟。

具体的，所述风机运行的实时数据的采集周期为10秒，所述历史数据为近一年的风机运行数据。

具体的，所述功率模型的通用公式为：

P(t)＝f[v(t),σ(t),p(t),T(t),d(t),τ(t)]

其中，t为当前时间，v为当前风速，σ为风速标准差，p为变桨角度，T为温度，d为风向角度，τ为风机电磁转矩。

其中变桨角度p，风向角度d和电磁转矩τ为相对独立可控制的参数。其他参数为和环境因子，属于不可控参数。下面是一个基于RFT模型的功率预测值和实际观测值时间序列对比结果。

根据对比结果，对函数进行优化。所述优化是指，通过不断的与实际数据进行对比，对动态功率模型进行优化。优化函数的搭建可根据优化目标来决定，优化目标可以分解为振动优化和功率优化，并注意可变参数应采用受控优化，以确保优化的结果具有一定的真实物理意义。

以可变参数为变桨的功率优化为例，优化目标可以分解为振动优化和功率优化，注意可变参数应采用受控优化，以确保优化的结果具有一定的真实物理意义。同样，可以搭建振动优化的优化函数并同时优化功率和振动的优化函数，可变参数为变桨角度。

具体的，所述根据实时最佳偏航角度和实时数据生成控制信息是指，将所述实时数据中的实时偏航角度与所述实时最佳偏航角度对比，从而得出偏移角δ，当偏移角δ>5°时，则需要调整控制参数，即将所述偏移角δ写入控制信息。当偏移角δ≤5°时，根据工程经验不需要对偏航角度进行调整，即在控制信息中写入偏移角δ＝0°，这样可以避免偏航电机由于频繁动作导致风机震动。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于偏航校正的风电功率优化***，其特征在于，所述***包括：数据采集模块、功率模拟模块、风向偏移量诊断模块和控制模块；

所述数据采集模块用于采集风机运行的实时数据，储存所述实时数据从而形成历史数据，并将所述实时数据和历史数据发送给所述功率模拟模块和所述风向偏移量诊断模块；

所述功率模拟模块用于读取所述历史数据，对所述历史数据进行筛选并根据筛选后的数据建立均衡数据集，根据所述均衡数据集建立功率模型，并将所述功率模型发送给所述风向偏移量诊断模块；

所述功率模拟模块包括：用于筛选历史数据的数据前处理单元、用于根据筛选后的数据建立均衡数据集的数据重采样单元和用于根据所述均衡数据集建立功率模型的功率建模单元；

所述风向偏移量诊断模块根据接收到的所述功率模型和所述实时数据生成控制信息并将所述控制信息发送给所述控制模块；

所述控制模块根据接收到的控制信息调整风机的偏航角度。

2.根据权利要求1所述一种基于偏航校正的风电功率优化***，其特征在于，所述数据采集模块包括采集单元和存储单元，所述采集单元用于采集实时数据，所述存储单元用于储存历史数据。

3.根据权利要求1所述一种基于偏航校正的风电功率优化***，其特征在于，所述风向偏移量诊断模块周期地对***进行自动诊断，所述自动诊断是指将所述实时数据中的实时偏航角度与根据所述功率模型计算出的实时最佳偏航角度对比，得到偏移角δ。

4.一种基于偏航校正的风电功率优化方法，其特征在于，所述方法包括如下步骤：

S201、采集风机运行的实时数据，储存所述实时数据得到历史数据；

S202、读取所述历史数据，对所述历史数据进行处理，利用处理后的数据建立功率模型，对所述历史数据进行处理是指：对所述历史数据进行筛选、剔除故障数据；对筛选后的数据进行重采样并建立均衡数据集；

S203、通过功率模型计算出实时最佳偏航角度，根据所述实时最佳偏航角度和实时数据生成控制信息；

S204、根据所述控制信息调整风机的偏航角度。

5.根据权利要求4所述一种基于偏航校正的风电功率优化方法，其特征在于，所述历史数据储存在基于Hadoop的分布式数据库。

6.根据权利要求4所述一种基于偏航校正的风电功率优化方法，其特征在于，根据所述处理后的数据建立功率模型是指：采用数据挖掘预测类算法对风机功率建模，所述功率模型为动态功率模拟模型。

7.根据权利要求6所述一种基于偏航校正的风电功率优化方法，其特征在于，所述功率模型的通用公式为：

P(t)＝f[v(t),σ(t),p(t),T(t),d(t),τ(t)]

其中，t为当前时间，v为当前风速，σ为风速标准差，p为变桨角度，T为温度，d为风向角度，τ为风机电磁转矩。

8.根据权利要求4所述一种基于偏航校正的风电功率优化方法，其特征在于，所述步骤S203中生成控制信息是指，将所述实时数据中的实时偏航角度与所述实时最佳偏航角度对比，从而得出偏移角δ。