CN104819107B - 一种风电机组功率曲线异常漂移的诊断方法及*** - Google Patents
一种风电机组功率曲线异常漂移的诊断方法及*** Download PDFInfo
- Publication number
- CN104819107B CN104819107B CN201510243013.6A CN201510243013A CN104819107B CN 104819107 B CN104819107 B CN 104819107B CN 201510243013 A CN201510243013 A CN 201510243013A CN 104819107 B CN104819107 B CN 104819107B
- Authority
- CN
- China
- Prior art keywords
- power
- wind
- diagnostic
- wind speed
- wind turbines
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Wind Motors (AREA)
Abstract
本发明是有关于一种风电机组功率曲线异常漂移的诊断方法,包括:采集不同风速下的机组功率数据;将采集的数据按风速大小排序,计算单位精确度下的功率漂移面积;建立诊断模型,确定诊断参数,并根据诊断参数确定正负警示线和正常区间;诊断,将所述计算结果与所述正负警示线进行比较,越正警示线则诊断为风速测量有问题,越负警示线则诊断为叶片气动性能出现异常。本发明将数据差分积分原理引入到风电场或大规模风电场集群监控预警***中,可判断功率曲线的“越境”程度,对于风电机组的风功率匹配性和稳定性问题、风速测量问题、风电机组控制问题、风电机组叶片结冰、风向标对风以及侧风异常等功率输出问题均可根据功率曲线漂移诊断进行告警。
Description
技术领域
本发明涉及风电技术领域,特别是涉及一种风电机组功率曲线异常漂移的诊断方法及***。
背景技术
风电机组功率曲线出现异常时往往比较隐蔽,在远程监控***中,除非有专业分析人员对风电机组的功率曲线进行分析或由经验丰富的人员对风电场进行监控,常规的功率曲线自动识别及比较方法较难及时发现风电机组输出功率出现的漂移问题。而在技术改造、技术调试中风电机组的初始化参数设置错误、测风仪器漂移、叶片结冻、污染等情形都可致使风电机组功率曲线发生扭曲或漂移,并直接影响风电机组的发电量和输出功率。
现有的功率曲线异常判断是通过计算功率曲线的符合度实现的,将担保功率曲线通过折算空气密度得到标准功率曲线来与实际功率曲线进行比对,这种符合度算法是按风速点来进行计算,没有考虑权重,因而存在不够严谨的缺陷,而对整个风速段计算得到结果后进行曲线各风速点符合度的平均,也不能够反应功率曲线的问题。另外,这种算法针对平均功率曲线虽然有一定效果,但效率较低且需要收集较多诸如地理环境等基础信息,因此需要考虑的因素很多且有一定的误差,虽可用于风电场评估的指标对标活动,但当功率曲线出现左右漂移时,其平均值就很容易造成判断错误,因此,上述指标比对算法存在一定的漏洞,且仅属于指标评估类方法,而给出在风电场中对于风电机组功率曲线异常的诊断和告警的具体优化方案。
由此可见,上述现有的风电机组功率曲线异常诊断方法在方法与使用上,显然存在有不便与缺陷,而亟待加以进一步改进。如何能创设一种针对输出功率曲线不稳定的风电机组,可有效识别并判断该风电机组输出功率异常漂移的新的风电机组功率曲线异常漂移的诊断方法及***,实属当前重要研发课题之一。
发明内容
本发明要解决的技术问题是提供一种风电机组功率曲线异常漂移的诊断方法及***,使其能够有效识别并判断风电机组输出功率异常情况,从而克服现有技术的不足。
为解决上述技术问题,本发明一种风电机组功率曲线异常漂移的诊断方法,包括以下步骤:采集不同风速下的机组功率数据;将采集的数据按风速大小排序,计算单位精确度下的功率漂移面积,计算公式为其中,Δw为排序后的相邻风速差分,Δw=wi+1-wi,Δp为排序后相邻风速点的功率差分,Δp=pi+1-pi,i为排序后风速以及对应功率的数据索引号,i=1、2、3……n;建立诊断模型,确定诊断参数,并根据诊断参数确定正负警示线和正常区间;诊断,将所述计算结果与所述正负警示线进行比较,越正警示线则诊断为风速测量有问题,越负警示线则诊断为叶片气动性能出现异常。
作为本发明的一种改进,所述采集步骤中,单台风电机组数据采集样本总量不低于200个。
所述诊断参数的计算公式为:[b*(1+a%)-b*(1-a%)]*c,其中,a为允许的功率偏移比例,b为风电机组的正常运行功率,c为精确度。
所述a的取值范围为5~15,所述c取0.1~0.0001。
所述a取10,c取0.01。
所述诊断模型为静态诊断模型,所述b为风电机组的额定功率或满发功率。
所述的诊断模型为动态诊断模型,所述b为风电机组的标准功率曲线上各个风速点对应的功率值。
所述数据采集步骤采用一般SCADA***的十分钟功率曲线数据采集模式。
此外,本发明还提供了一种应用上述方法的风电机组功率曲线异常漂移的诊断***,包括:采集模块,用于采集不同风速下的机组功率数据;计算模块,用于将采集的数据按风速大小排序,并计算单位精确度下的功率漂移面积;模型计算模块,用于建立诊断模型,确定诊断参数,并根据诊断参数确定正负警示线和正常区间;诊断模块,用于将所述计算结果与所述正负警示线进行比较,越正警示线则诊断为风速测量有问题,越负警示线则诊断为叶片气动性能出现异常。
采用这样的设计后,本发明将数据差分积分原理引入到风电场或大规模风电场集群监控预警***中,对功率曲线数据进行实时计算,计算相邻风速点的功率差异性的分布区域边界进而判断功率曲线的“越境”程度,既可以设定功率曲线异常告警的静态诊断参数,也可以利用风电机组设计标准功率曲线的动态诊断参数进行功率曲线诊断,对于风电机组的风功率匹配性和稳定性问题、风速测量问题、风电机组控制问题、风电机组叶片结冰、风向标对风以及侧风异常等功率输出问题均可根据功率曲线漂移诊断进行告警,并对报出输出功率漂移的风电机组及时进行控制优化或调整运维策略,保障风电机组安全、健康、稳定、可靠运行。
附图说明
上述仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,以下结合附图与具体实施方式对本发明作进一步的详细说明。
图1是本发明一种风电机组功率曲线异常漂移的诊断方法的静态参数诊断结果绘图案例。
图2是本发明一种风电机组功率曲线异常漂移的诊断方法的差分曲线的动态诊断功率漂移区域案例。
图3是本发明一种风电机组功率曲线异常漂移的诊断方法的差分曲线动态参数包络越线诊断输出案例。
具体实施方式
一种风电机组功率曲线异常漂移的诊断方法,包括以下步骤:采集不同风速下的机组功率数据;将采集的数据按风速大小排序,计算单位精确度下的功率漂移面积,计算公式为其中,Δw为排序后的相邻风速差分,Δw=wi+1-wi,Δp为排序后相邻风速点的功率差分,Δp=pi+1-pi,i为排序后风速以及对应功率的数据索引号,i=1、2、3……n;建立诊断模型,确定诊断参数,并根据诊断参数确定正负警示线和正常区间;诊断,将所述计算结果与所述正负警示线进行比较,越正警示线则诊断为风速测量有问题,越负警示线则诊断为叶片气动性能出现异常。
进一步具体来讲,本发明对与风电机组功率曲线相关的数据质量有一定的要求,这里的数据主要涉及到风场号(数字量或字符)、机组号(字符)、日期时间(时间量)、机位点风速(数字量)、机组功率(数字量)以及实时环境温度(数字量)等信息。
在数据采集步骤中,可采用一般SCADA***的十分钟功率曲线数据采集模式,单台风电机组数据采集样本总量不低于200个。
通常设定数据采集条件为风速点数不少于2个,数据量不低于200个,数据采集条件中的风速点数不少于2个指的是将风速精确到整数部分,所采集的样本涉及的对应风速值点应在两个以上,数据量不低于200个指的是单台风电机组数据采集样本总量在200个以上。
在功率漂移量计算步骤中,因为风速是随机性波动的,要计算风电机组的风功率特性,就是要在不同风速点计算风电机组的功率波动范围,因此在计算前对风速数据和对应风速下的功率按风速从低到高进行排序,以满足相邻风速点的功率波动即差分计算的要求。具体方法如下:
首先将风速以及对应风速下的功率按风速升序排列,然后利用风速差分与功率差分的积的公式计算单位精确度下功率漂移面积ΔSp,其中,Δw为相邻风速差,Δw=wi+1-wi,Δp为相邻风速点的功率差,Δp=pi+1-pi,i是风速升序排序下的数据索引号,i=1、2、3……n。
在计算功率曲线漂移量时会遇到风速点缺失或风速点分布差异性较大时,会影响功率差分值积分结果而造成误判,因此当数据量不足时,需要对功率差分值进行精确度补偿。精确度补偿的方法是通过曲线插值运算把风速点精确到小数点后两位,然后进行积分面积分割,得到每0.01m/s单位风速下的功率漂移量,具体为在以上公式中增加分母部分(1+|Δw|*100),得到每0.01m/s单位风速下的平均功率漂移量。加入(1+|Δw|*100)的原因是实际相邻风速点存在不同的差分值,乘以100是因为精确到百分位的风速点数,加1是考虑到风速取整的点和分母为0的情况。因实际数据为矩阵数据,积分可以采用风功率矩阵数组相乘来实现,实际计算时,差分量为单一数组,直接将数组变量带入公式计算即可。
在建立诊断模型步骤中,先采用R语言进行计算和建模,确定诊断参数,并根据诊断参数确定正负警示线和正常区间,然后将该模型引入到风电场预警***平台中,在风电场监控***中进行应用。
诊断参数的计算公式为:[b*(1+a%)-b*(1-a%)]*c,其中,a为允许的功率偏移比例,b为风电机组的正常运行功率,c为精确度。a的取值范围为5~15,c取0.1~0.0001。A优选为10,c优选为0.01。诊断模型为静态诊断模型时,b为风电机组的额定功率或满发功率;诊断模型为动态诊断模型时,b为风电机组的标准功率曲线上各个风速点对应的功率值。
诊断参数可以为静态诊断参数或动态诊断参数,***工作时把功率漂移量和诊断参数进行比较,出现大于或等于设置的诊断参数时即可判断风电机组功率曲线出现的异常,异常风速区间对应的坐标位置为[(最小报警风速点,最小报警风速点对应的最大功率波动值),(最大报警风速点,最大报警风速点对应的最大功率波动值)],这个坐标所形成的矩形区域即为风电机组功率曲线出现异常漂移的区域。诊断模型可采用静态诊断模型和动态诊断模型两种方案,并根据相应的诊断参数划定正常区间和正负警示线,两种方案均可判断风电机组功率曲线发生异常漂移的情况,可以根据需要选用任意一种方案。
①静态诊断参数模型只计算额定功率下的最大功率波动值。静态诊断参数根据风电机组额定容量或满发等级进行设定,通常设定波动范围在10%以内均为正常,以1500kw风电机组为例,在0.01m/s的精确度范围内通过计算(1500*1.1-1500*0.9)*0.01得到额定波动值为3,这里的3kw即为该静态诊断参数,当静态诊断参数模型计算出的功率漂移量的绝对值不低于3时,则风电机组存在严重的功率曲线异常漂移问题。
采用静态诊断参数模型诊断结果如图1所示,同时可以在预警平台输出如下表所示的模型诊断结果:
②动态诊断参数模型在静态诊断参数模型中添加了根据标准功率曲线的分布特性在不同风速点设置不同的动态诊断参数,动态诊断参数为按标准功率曲线的各个风速点逐个计算各个风速点的最大功率波动值范围,如图2所示。不同机型按照不同的功率曲线进行计算,计算方法和静态诊断参数相似,不同的是将每个风速点的最大波动值范围都计算出来。动态诊断参数的分布可以用来评估标准功率曲线的分布,也可以反映风电机组阶段性运行的输出功率稳定性。
动态诊断参数可根据空气密度和风速段功率波动的关系进行自动修正,动态诊断参数修正时涉及的标准功率曲线为担保功率曲线在现场空气密度下实时折算的功率曲线,其中担保功率曲线在现场空气密度下实时折算方法参考IEC-61400-12。
当风电机组某风速点对应的功率出现在动态诊断参数的边界包络线以外时,则可判断发生了功率曲线异常漂移并发出报警,动态诊断参数的边界包络线为动态诊断参数在不同风速点许可的最大功率波动值范围界线。如图3所示,图中散点即为发生漂移的点。
另外,采用诊断参数判断异常时,可加入不同比例的告警范围,以在告警***中报出偏移比例。本次所采用的计算偏移比例按10%的功率漂移量进行计算,在实际应用中根据需要可以设定为5%、8%、10%、15%等不同严重等级进行功率漂移量的告警,以1500kw机型为例,对应的静态诊断参数分别为1.5、2.4、3、5。
本发明还包括一种风电机组功率曲线异常漂移的诊断***,包括:采集模块,用于采集不同风速下的机组功率数据;计算模块,用于将采集的数据按风速大小排序,并计算单位精确度下的功率漂移面积;模型计算模块,用于建立诊断模型,确定诊断参数,并根据诊断参数确定正负警示线和正常区间;诊断模块,用于将所述计算结果与所述正负警示线进行比较,越正警示线则诊断为风速测量有问题,越负警示线则诊断为叶片气动性能出现异常。
这种风电机组功率曲线异常漂移的诊断方法可更具体地分解为采集数据样本,数据清洗,风速排序,取满足数据量条件的样本,相邻风速和相邻风速下的功率的差分计算,差分计算后按面积进行积分并计算漂移量,诊断参数计算,比较,输出比较结果。
本发明利用大数据条件,对大范围风电场进行功率曲线异常漂移预警,只需要连接现场风电机组运行数据库或给定运行功率曲线数据即可得到功率曲线的漂移程度。另外,可以通过修改诊断参数构建适应在不同地区运行的不同风电场、不同机型的风电机组输出功率性能的告警***,避免风电场因风功率***异常带来的发电量损失和异常环境带来的机组性能影响。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,本领域技术人员利用上述揭示的技术内容做出些许简单修改、等同变化或修饰,均落在本发明的保护范围内。
Claims (9)
1.一种风电机组功率曲线异常漂移的诊断方法,其特征在于包括以下步骤:
采集不同风速下的机组功率数据;
将采集的数据按风速大小排序,计算单位精确度下的功率漂移面积,计算公式为
其中,Δw为排序后的相邻风速差分,Δw=wi+1 -wi,
Δp为排序后相邻风速点的功率差分,Δp=pi+1-pi,
i为排序后风速以及对应功率的数据索引号,i=1、2、3……n;
建立诊断模型,确定诊断参数,并根据诊断参数确定正负警示线和正常区间;
诊断,将计算得到的所述单位精确度下的功率漂移面积结果与所述正负警示线进行比较,越正警示线则诊断为风速测量有问题,越负警示线则诊断为叶片气动性能出现异常。
2.根据权利要求1所述的一种风电机组功率曲线异常漂移的诊断方法,其特征在于所述采集步骤中,单台风电机组数据采集样本总量不低于200个。
3.根据权利要求1所述的一种风电机组功率曲线异常漂移的诊断方法,其特征在于所述诊断参数的计算公式为:
[b*(1+a%)-b*(1-a%)]*c
其中,a为允许的功率偏移比例,b为风电机组的正常运行功率,c为精确度。
4.根据权利要求3所述的一种风电机组功率曲线异常漂移的诊断方法,其特征在于所述a的取值范围为5~15,所述c取0.1~0.0001。
5.根据权利要求3所述的一种风电机组功率曲线异常漂移的诊断方法,其特征在于所述a取10,c取0.01。
6.根据权利要求3所述的一种风电机组功率曲线异常漂移的诊断方法,其特征在于所述诊断模型为静态诊断模型,所述b为风电机组的额定功率或满发功率。
7.根据权利要求3所述的一种风电机组功率曲线异常漂移的诊断方法,其特征在于所述的诊断模型为动态诊断模型,所述b为风电机组的标准功率曲线上各个风速点对应的功率值。
8.根据权利要求1所述的一种风电机组功率曲线异常漂移的诊断方法,其特征在于所述数据采集步骤采用一般SCADA***的十分钟功率曲线数据采集模式。
9.一种应用权利要求1-8中任一项所述方法的风电机组功率曲线异常漂移的诊断***,其特征在于包括:
采集模块,用于采集不同风速下的机组功率数据;
计算模块,用于将采集的数据按风速大小排序,并计算单位精确度下的功率漂移面积;
模型计算模块,用于建立诊断模型,确定诊断参数,并根据诊断参数确定正负警示线和正常区间;
诊断模块,用于将计算得到的所述单位精确度下的功率漂移面积结果与所述正负警示线进行比较,越正警示线则诊断为风速测量有问题,越负警示线则诊断为叶片气动性能出现异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510243013.6A CN104819107B (zh) | 2015-05-13 | 2015-05-13 | 一种风电机组功率曲线异常漂移的诊断方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510243013.6A CN104819107B (zh) | 2015-05-13 | 2015-05-13 | 一种风电机组功率曲线异常漂移的诊断方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104819107A CN104819107A (zh) | 2015-08-05 |
CN104819107B true CN104819107B (zh) | 2017-07-28 |
Family
ID=53729534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510243013.6A Active CN104819107B (zh) | 2015-05-13 | 2015-05-13 | 一种风电机组功率曲线异常漂移的诊断方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104819107B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111207044B (zh) * | 2018-11-22 | 2021-04-27 | 北京金风科创风电设备有限公司 | 风力发电机组的输出功率异常诊断的方法及其装置 |
CN109889121A (zh) * | 2019-03-11 | 2019-06-14 | 江苏罗宾康自动化科技有限公司 | 一种电机参数在线识别方法 |
CN110219776B (zh) * | 2019-06-12 | 2020-08-28 | 风脉能源(武汉)股份有限公司 | 一种风力发电机组动态额定功率区间的搜索方法 |
CN112240267B (zh) * | 2019-07-17 | 2021-11-19 | 成都信息工程大学 | 基于风速相关性与风功率曲线的风机监测方法 |
CN112696324B (zh) * | 2019-10-22 | 2022-08-23 | 北京金风科创风电设备有限公司 | 风力发电机组数据处理方法、装置及其*** |
CN111291032A (zh) * | 2020-01-23 | 2020-06-16 | 福州大学 | 一种组合型风电场数据清洗方法 |
CN111521866B (zh) * | 2020-05-15 | 2022-02-11 | 湖南银河电气有限公司 | 陀螺电机输出功率稳定度监测方法和装置 |
CN112065668A (zh) * | 2020-09-08 | 2020-12-11 | 沈阳工业大学 | 一种风电机组状态异常评估方法及*** |
CN112267972B (zh) * | 2020-10-22 | 2023-05-05 | 华能国际电力股份有限公司 | 一种风电机组功率曲线异常智能判定方法 |
CN113239956B (zh) * | 2021-04-08 | 2024-01-19 | 深圳市银宝山新科技股份有限公司 | 注塑模具状态诊断方法、装置、计算机设备及存储介质 |
CN117869207A (zh) * | 2023-12-01 | 2024-04-12 | 太极计算机股份有限公司 | 一种风电机组发电性能检测方法、装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2071691A2 (en) * | 2006-07-31 | 2009-06-17 | Juan José Rodríguez Tornell | Reactive energy compensator |
CN101476541A (zh) * | 2008-12-26 | 2009-07-08 | 华锐风电科技有限公司 | 用于风力发电机组的独立变桨控制***及控制方法 |
EP2067989A3 (en) * | 2007-12-06 | 2011-12-07 | General Electric Company | System and method for controlling a wind power plant |
CN103150473A (zh) * | 2013-03-01 | 2013-06-12 | 风脉(武汉)可再生能源技术有限责任公司 | 一种风电机组发电效率实时监控诊断方法及装置 |
CN103323772A (zh) * | 2012-03-21 | 2013-09-25 | 北京光耀能源技术股份有限公司 | 基于神经网络模型的风力发电机运行状态分析方法 |
CN103699804A (zh) * | 2013-12-31 | 2014-04-02 | 西安热工研究院有限公司 | 一种实时监测风电机组运行时的功率出力偏差的方法 |
CN103912448A (zh) * | 2014-04-25 | 2014-07-09 | 江苏龙源风力发电有限公司 | 一种区域风电场机组功率特性监测方法 |
CN104198138A (zh) * | 2014-08-28 | 2014-12-10 | 北京天源科创风电技术有限责任公司 | 一种风力发电机组异常振动的预警方法及*** |
-
2015
- 2015-05-13 CN CN201510243013.6A patent/CN104819107B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2071691A2 (en) * | 2006-07-31 | 2009-06-17 | Juan José Rodríguez Tornell | Reactive energy compensator |
EP2067989A3 (en) * | 2007-12-06 | 2011-12-07 | General Electric Company | System and method for controlling a wind power plant |
CN101476541A (zh) * | 2008-12-26 | 2009-07-08 | 华锐风电科技有限公司 | 用于风力发电机组的独立变桨控制***及控制方法 |
CN103323772A (zh) * | 2012-03-21 | 2013-09-25 | 北京光耀能源技术股份有限公司 | 基于神经网络模型的风力发电机运行状态分析方法 |
CN103150473A (zh) * | 2013-03-01 | 2013-06-12 | 风脉(武汉)可再生能源技术有限责任公司 | 一种风电机组发电效率实时监控诊断方法及装置 |
CN103699804A (zh) * | 2013-12-31 | 2014-04-02 | 西安热工研究院有限公司 | 一种实时监测风电机组运行时的功率出力偏差的方法 |
CN103912448A (zh) * | 2014-04-25 | 2014-07-09 | 江苏龙源风力发电有限公司 | 一种区域风电场机组功率特性监测方法 |
CN104198138A (zh) * | 2014-08-28 | 2014-12-10 | 北京天源科创风电技术有限责任公司 | 一种风力发电机组异常振动的预警方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN104819107A (zh) | 2015-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104819107B (zh) | 一种风电机组功率曲线异常漂移的诊断方法及*** | |
CN102934312B (zh) | 能量产生***及其控制 | |
CN107732970B (zh) | 一种新能源并网电力***的静态安全概率评估方法 | |
CN106777984A (zh) | 一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法 | |
CN107846014B (zh) | 一种基于随机特征和级数计算的电网概率脆弱性评估方法 | |
CN103912448B (zh) | 一种区域风电场机组功率特性监测方法 | |
CN105760617A (zh) | 一种应用于风力发电机组的多参量故障预测判定指标的计算方法 | |
CN105846780A (zh) | 一种基于决策树模型的光伏组件故障诊断方法 | |
CN108443088A (zh) | 一种基于累计概率分布的风电机组状态判定方法 | |
CN107728059B (zh) | 一种变桨***状态评估方法 | |
CN103679298A (zh) | 风电场短期功率预测精度的评价方法 | |
CN107395121A (zh) | 基于格拉布斯准则及离群点检测光伏阵列故障检测方法 | |
CN107742053A (zh) | 风电机组异常识别方法及装置 | |
CN105275742A (zh) | 一种风电机组自适应环境的控制方法 | |
CN108629520B (zh) | 一种微气象环境下的高压输电线路运行状态评估方法 | |
CN106815771A (zh) | 一种风电场载荷的长期评估方法 | |
CN105956785A (zh) | 一种风力发电机组运行状态评判方法 | |
CN103925155A (zh) | 一种风电机组输出功率异常的自适应检测方法 | |
CN108119318A (zh) | 基于机组测风***的风机技改优化效果评估方法及其*** | |
CN112836941A (zh) | 一种煤电机组汽轮机高加***在线健康状况评估方法 | |
CN106410862B (zh) | 基于有功恢复斜率校正的风电场单机等值方法 | |
CN116956047B (zh) | 一种基于风力发电数据的风电机组性能评估*** | |
Frandsen et al. | Accuracy of estimation of energy production from wind power plants | |
CN114595989A (zh) | 一种风电机组性能评估方法及装置 | |
CN106021798B (zh) | 基于分位数功率曲线的风力发电机组控制性能评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |