CN109488528B - 一种风机偏航***的调整方法及装置 - Google Patents
一种风机偏航***的调整方法及装置 Download PDFInfo
- Publication number
- CN109488528B CN109488528B CN201811406974.4A CN201811406974A CN109488528B CN 109488528 B CN109488528 B CN 109488528B CN 201811406974 A CN201811406974 A CN 201811406974A CN 109488528 B CN109488528 B CN 109488528B
- Authority
- CN
- China
- Prior art keywords
- wind
- speed range
- wind speed
- processed
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 9
- 230000006870 function Effects 0.000 description 9
- 238000010248 power generation Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/04—Automatic control; Regulation
- F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
- F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
- F03D7/045—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with model-based controls
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/0204—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor for orientation in relation to wind direction
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/32—Wind speeds
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
Abstract
一种风机偏航***的调整方法及装置，包括：获取风机运行状态的样本数据；根据样本数据和预设的风速范围分段，通过预设的人工智能拟合模型生成与每个风速范围分段对应的风向角‑功率曲线；根据与每个风速范围分段对应的风向角‑功率曲线，计算与该风速范围分段对应的最佳对风角度；根据所有风速范围分段的数值区间及与所有风速范围分段对应的最佳对风角度，计算整体最佳对风角度；根据整体最佳对风角度对风机进行偏航对风调整。实施风机偏航***的调整方法及装置，能够通过最佳的对风角度来对风机偏航进行对风调整，可以提高偏航对风调整的精准度，并且为现有风机偏航***的调整技术提供一种参考方案，从而降低局限性。
Description
技术领域
本发明涉及数据处理领域，具体而言，涉及一种风机偏航***的调整方法及装置。
背景技术
目前，风机偏航***的相关技术通常包括对偏航控制策略的优化技术以及基于校准风向仪的风向校准技术。然而，在实践中发现，着重于上述的两种技术的时候，会使得偏航对风的精准度较差，从而导致了偏航控制策略的优化效果欠佳，更是能直接影响了风机捕获风能的能力和发电量的大小，因此现有的风机偏航***的调整技术仍具有一定的局限性。
发明内容
鉴于上述问题，本发明提供了一种风机偏航***的调整方法及装置，能够通过最佳的对风角度来对风机偏航进行对风调整，可以提高偏航对风调整的精准度，并且为现有风机偏航***的调整技术提供一种参考方案，从而降低局限性。
为了实现上述目的，本发明采用如下的技术方案：
本发明第一方面公开了一种风机偏航***的调整方法，包括：
获取风机运行状态的样本数据；
根据所述样本数据和预设的风速范围分段，通过预设的人工智能拟合模型生成与每个所述风速范围分段对应的风向角-功率曲线；
根据与每个所述风速范围分段对应的风向角-功率曲线，计算与该风速范围分段对应的最佳对风角度；
根据所有所述风速范围分段的数值区间及与所有所述风速范围分段对应的最佳对风角度，计算整体最佳对风角度；
根据所述整体最佳对风角度对所述风机进行偏航对风调整。
作为一种可选的实施方式，在本发明第一方面中，所述获取风机运行状态的样本数据，包括：
获取风机运行状态的原始数据，并对所述原始数据进行完整性检测，以去除风机非正常运行的干扰数据，得到第一处理数据；
对所述第一处理数据进行过滤处理，以去除所述风机在异常状态下的运行数据，得到第二处理数据；
通过预设的叶片结冰分析模型对所述第二处理数据进行筛选处理，以剔除所述风机因叶片结冰导致的功率下降数据，得到第三处理数据；
采用基于密度的聚类算法对所述第三处理数据进行筛选处理，以剔除非所述风机偏航原因导致的噪声数据，得到样本数据。
作为一种可选的实施方式，在本发明第一方面中，所述风机在异常状态下的运行数据包括所述风机在限功率状态下的运行数据、所述风机在非法异常状态下的异常数据、以及因所述风机上传感装置故障导致的长时间保持不变的故障数据中的一种或者多种。
作为一种可选的实施方式，在本发明第一方面中，所述采用基于密度的聚类算法对所述第三处理数据进行筛选处理，以剔除非所述风机偏航原因导致的噪声数据，得到样本数据，包括：
根据所述样本数据生成所述风机的风速-功率曲线；
采用基于密度的聚类算法对所述风速-功率曲线进行聚类分析，提取所述风速-功率曲线中数据点密度高于预设阈值的散点数据；
依据所述散点数据对所述第三处理数据进行筛选处理，以剔除非所述风机偏航原因导致的噪声数据，得到样本数据。
作为一种可选的实施方式，在本发明第一方面中，根据所述样本数据和预设的风速范围分段，通过预设的人工智能拟合模型生成与每个所述风速范围分段对应的风向角-功率曲线，包括：
根据所述样本数据和预设的风速范围分段，计算与每个所述风速范围分段对应的功率数据的功率平均值；
根据每个所述风速范围分段对应的功率平均值，通过预设的人工智能拟合模型生成与各个所述风速范围分段对应的风向角-功率曲线。
作为一种可选的实施方式，在本发明第一方面中，所述根据与每个所述风速范围分段对应的风向角-功率曲线，计算与该风速范围分段对应的最佳对风角度，包括：
对所有的风向角-功率曲线进行剔除处理，以剔除弧度在预设弧度范围内的风向角-功率曲线，得到待处理的风向角-功率曲线；
获取每个所述待处理的风向角-功率曲线中最大功率对应的风向角，作为与该待处理的风向角-功率曲线对应风速范围分段的最佳对风角度。
作为一种可选的实施方式，在本发明第一方面中，所述根据所有所述风速范围分段的数值区间及与所有所述风速范围分段对应的最佳对风角度，计算整体最佳对风角度，包括：
根据所有所述风速范围分段对应的最佳对风角度，计算风向角候选区间，并从预设的所述风速范围分段中选取在所述风向角候选区间内的多个待处理的风速范围分段；
根据所述样本数据和多个所述待处理的风速范围分段，计算与每个所述待处理的风速范围分段对应的偏航对风偏差；
根据每个所述待处理的风速范围分段对应的偏航对风偏差和所述样本数据，通过所述人工智能拟合模型生成与每个所述待处理的风速范围分段对应的理想风向角-功率曲线；
根据每个所述待处理的风速范围分段对应的理想风向角-功率曲线和所述样本数据，计算与每个所述待处理的风速范围分段对应的发电量提升量；
根据与所有所述待处理的风速范围分段对应的发电量提升量，获取与数值最大的发电量提升量对应的待处理的风速范围分段，作为目标风速范围分段；
获取该目标风速范围分段对应的偏航对风偏差，作为整体最佳对风角度。
本发明第二方面公开一种风机偏航***的调整装置，包括：
获取模块，用于获取风机运行状态的样本数据；
生成模块，用于根据所述样本数据和预设的风速范围分段，通过预设的人工智能拟合模型生成与每个所述风速范围分段对应的风向角-功率曲线；
第一计算模块，用于根据与每个所述风速范围分段对应的风向角-功率曲线，计算与该风速范围分段对应的最佳对风角度；
第二计算模块，用于根据所有所述风速范围分段的数值区间及与所有所述风速范围分段对应的最佳对风角度，计算整体最佳对风角度；
调整模块，用于根据所述整体最佳对风角度对所述风机进行偏航对风调整。
本发明第三方面公开一种计算机设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述计算机设备执行第一方面公开的部分或者全部所述的风机偏航***的调整方法。
本发明第四方面公开一种计算机可读存储介质，其存储有第三方面所述的计算机设备中所使用的所述计算机程序。
根据本发明提供的风机偏航***的调整方法及装置，可以通过获取当前风运动的数据信息，并根据该数据信息分析出风能最佳的角度，确定该角度为最佳对风角度，最后根据该最佳对风角度对风机进行偏航对风调整。可见，实施这种实施方式，能够从风能的角度对风机进行偏航对风调整，从而可以提高偏航对风调整的精准度，并且可以在现有风机偏航***的调整技术中使用该种风机偏航***的调整方案，从而降低局限性。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明范围的限定。
图1是本发明实施例一提供的一种风机偏航***的调整方法的流程示意图；
图2是本发明实施例二提供的一种风机偏航***的调整方法的流程示意图；
图3是本发明实施例三提供的一种风机偏航***的调整装置的结构示意图。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
针对现有技术中的问题，本发明提供了一种风机偏航***的调整方法及装置，可以通过获取当前风运动的数据信息，并根据该数据信息分析出风能最佳的角度，确定该角度为最佳对风角度，最后根据该最佳对风角度对风机进行偏航对风调整。可见，实施这种实施方式，能够从风能的角度对风机进行偏航对风调整，从而可以提高偏航对风调整的精准度，并且可以在现有风机偏航***的调整技术中使用该种风机偏航***的调整方案，从而降低局限性。并且，该技术可以采用相关的软件或硬件实现，下面通过实施例进行描述。
实施例1
请参阅图1，图1是本发明实施例提供的一种风机偏航***的调整方法的流程示意图。其中，如图1所示，该风机偏航***的调整方法可以包括以下步骤：
S101、获取风机运行状态的样本数据。
本实施例中，风机即为风力发电机，主要包括风轮和发电机。其中，风轮包括风机叶片、轮毂、加固件等；主要有风机叶片受风力旋转发电、发电机机头转动等功能。风机的风力发电电源由包括风力发电机组、支撑发电机组的塔架、蓄电池充电控制器、逆变器、卸荷器、并网控制器、蓄电池组等。在实际使用中，通常由多个风机构成风力发电机组进行发电，本发明所提供的用于评估风机叶片除冰投资方案的方法适用于风力发电机组中的每个风机。
本实施例中，可以通过数据采集与监视控制***(Supervisory Control AndData Acquisition，SCADA)获取风机运行的样本数据。SCADA***是以计算机为基础的生产过程控制与调度自动化***，可以对现场的运行设备进行监视和控制，是电力***自动化的实时数据源。具体可以应用于电力、冶金、石油、化工、燃气、铁路等领域的数据采集与监视控制以及过程控制等诸多领域。
本实施例中，该样本数据包括预设时间段内所有的风机运行数据，具体地，包括记录数据的时间信息、与时间信息对应的风机的运行数据，其中，运行数据包括风机所处环境的环境温度、风机所处环境的环境风速、风机的风向角、风机的实际运行功率等，对此本实施例不作限定。
S102、根据样本数据和预设的风速范围分段，通过预设的人工智能拟合模型生成与每个风速范围分段对应的风向角-功率曲线。
本实施例中，人工智能拟合模型可以为卷积神经网络模型、BP神经网络模型等，对此本实施例不作限定。将样本数据和预设的风速范围分段输入至人工智能拟合模型中，经过该人工智能拟合模型的处理，可以输出各个风速范围分段对应的风向角-功率曲线。
本实施例中，预设的风速范围分段可以为2m/s～3m/s、3m/s～4m/s、4m/s～5m/s、5m/s～6m/s，进而可以将2m/s～6m/s的风速范围分为4段，对此本实施例不作限定。
S103、根据与每个风速范围分段对应的风向角-功率曲线，计算与该风速范围分段对应的最佳对风角度。
S104、根据所有风速范围分段的数值区间及与所有风速范围分段对应的最佳对风角度，计算整体最佳对风角度。
S105、根据整体最佳对风角度对风机进行偏航对风调整。
本实施例中，根据整体最佳对风角度对风机进行偏航对风调整，包括以下步骤：
判断整体最佳对风角度是否为零度；
若否，则根据最佳对风角度对风机进行偏航对风调整。
本实施例中，判断优化得到的最佳对风角度是否与零度度有偏差，如果没有偏差，表明风机目前对风精准，能够捕获最大风能，无须调整偏航对风角度。如果存在偏差，表明风机没有精准对风，已造成了发电量损失，需要对风向仪进行校正以实现精准对风。
本实施例中，根据最佳对风角度对风机进行偏航对风调整，具体可以为调整风机风向仪的风向标初始零度位的安装方位，或者更换风机的风向仪，最终实现风机正向对风时风向仪测量的风向角为零度，从而保证风机达到精准对风。
在图1所描述的风机偏航***的调整方法中，可以通过获取当前风运动的数据信息，并根据该数据信息分析出风能最佳的角度，确定该角度为最佳对风角度，最后根据该最佳对风角度对风机进行偏航对风调整。可见，实施图1所描述的风机偏航***的调整方法，能够从风能的角度对风机进行偏航对风调整，从而可以提高偏航对风调整的精准度，并且可以在现有风机偏航***的调整技术中使用该种风机偏航***的调整方案，从而降低局限性。
实施例2
请参阅图2，图2是本发明实施例提供的一种风机偏航***的调整方法的流程示意图。其中，如图2所示，该风机偏航***的调整方法可以包括以下步骤：
S201、获取风机运行状态的原始数据，并对原始数据进行完整性检测，以去除风机非正常运行的干扰数据，得到第一处理数据。
S202、对第一处理数据进行过滤处理，以去除风机在异常状态下的运行数据，得到第二处理数据。
在本实施例中，风机在异常状态下的运行数据包括风机在限功率状态下的运行数据、风机在非法异常状态下的异常数据、以及因风机上传感装置故障导致的长时间保持不变的故障数据中的一种或者多种，对此本实施例不作限定。
本实施例中，当所需的发电量小于当前风机发电组的总发电功率时，则需要对风机发电组中每个风机的发电功率进行限功率运行，此时的风机的运行数据为风机在限功率状态下的运行数据。
S203、通过预设的叶片结冰分析模型对第二处理数据进行筛选处理，以剔除风机因叶片结冰导致的功率下降数据，得到第三处理数据。
S204、采用基于密度的聚类算法对第三处理数据进行筛选处理，以剔除非风机偏航原因导致的噪声数据，得到样本数据。
作为一种可选的实施方式，采用基于密度的聚类算法对第三处理数据进行筛选处理，以剔除非风机偏航原因导致的噪声数据，得到样本数据，包括：
根据样本数据生成风机的风速-功率曲线；
采用基于密度的聚类算法对风速-功率曲线进行聚类分析，提取风速-功率曲线中数据点密度高于预设阈值的散点数据；
依据散点数据对第三处理数据进行筛选处理，以剔除非风机偏航原因导致的噪声数据，得到样本数据。
本实施例中，实施上述步骤S201～步骤S204，能够获取风机运行状态的样本数据。
作为进一步可选的实施方式，依据散点数据对第三处理数据进行筛选处理，以剔除非风机偏航原因导致的噪声数据，得到样本数据，可以包括以下步骤：
依据散点数据对第三处理数据进行筛选处理，以剔除非风机偏航原因导致的噪声数据，得到去噪数据；
对去噪数据进行数据清洗处理，从去噪数据中筛选出风向角在预设的可信区间内对应的数据，作为最终的样本数据。
S205、根据样本数据和预设的风速范围分段，计算与每个风速范围分段对应的功率数据的功率平均值。
S206、根据每个风速范围分段对应的功率平均值，通过预设的人工智能拟合模型生成与各个风速范围分段对应的风向角-功率曲线。
本实施例中，实施上述步骤S205～步骤S206，能够根据样本数据和预设的风速范围分段，通过预设的人工智能拟合模型生成与每个风速范围分段对应的风向角-功率曲线。
S207、根据每个风速范围分段对应的风向角-功率曲线，计算该风速范围分段对应的最佳对风角度。
作为一种可选的实施方式，根据与每个风速范围分段对应的风向角-功率曲线，计算与该风速范围分段对应的最佳对风角度，可以包括以下步骤：
对所有的风向角-功率曲线进行剔除处理，以剔除弧度在预设弧度范围内的风向角-功率曲线，得到待处理的风向角-功率曲线；
获取每个待处理的风向角-功率曲线中最大功率对应的风向角，作为与该待处理的风向角-功率曲线对应风速范围分段的最佳对风角度。
本实施例中，根据任一风速范围分段的风向角-功率曲线进行判别和计算，如果风向角-功率曲线平直，即不同风向角对应的功率相同，那么不再考虑该风速范围分段的最佳对风角度；如果风向角-功率曲线呈现为两端低、中间高，那么计算出在该风速范围分段下风机获得最大功率对应的风向角，即该风速范围分段的最佳对风角度。
S208、根据所有风速范围分段对应的最佳对风角度，计算整体最佳对风角度。
作为一种可选的实施方式，根据所有风速范围分段的数值区间及与所有风速范围分段对应的最佳对风角度，计算整体最佳对风角度，包括：
根据所有风速范围分段对应的最佳对风角度，计算风向角候选区间，并从预设的风速范围分段中选取在风向角候选区间内的多个待处理的风速范围分段；
根据样本数据和多个待处理的风速范围分段，计算与每个待处理的风速范围分段对应的偏航对风偏差；
根据每个待处理的风速范围分段对应的偏航对风偏差和样本数据，通过人工智能拟合模型生成与每个待处理的风速范围分段对应的理想风向角-功率曲线；
根据每个待处理的风速范围分段对应的理想风向角-功率曲线和样本数据，计算与每个待处理的风速范围分段对应的发电量提升量；
根据与所有待处理的风速范围分段对应的发电量提升量，获取与数值最大的发电量提升量对应的待处理的风速范围分段，作为目标风速范围分段；
获取该目标风速范围分段对应的偏航对风偏差，作为整体最佳对风角度。
作为进一步可选的实施方式，根据每个待处理的风速范围分段对应的偏航对风偏差和样本数据，通过人工智能拟合模型生成与每个待处理的风速范围分段对应的理想风向角-功率曲线，还可以包括以下步骤：
获取在风向角候选区间内的每个风速范围分段对应的风向角-功率散点集合；
按照每个待处理的风速范围分段对应的偏航对风偏差对该待处理的风速范围分段对应的风向角-功率散点集合进行调整，得到每个待处理的风速范围分段对应的理想风向角-功率散点集合；
根据每个待处理的风速范围分段对应的理想风向角-功率散点集合，通过人工智能拟合模型生成每个待处理的风速范围分段对应的理想风向角-功率曲线。
作为进一步可选的实施方式，根据每个待处理的风速范围分段对应的理想风向角-功率曲线和样本数据，计算与每个待处理的风速范围分段对应的发电量提升量，还可以包括以下步骤：
根据每个待处理的风速范围分段对应的理想风向角-功率曲线和样本数据中的该待处理的风速范围分段对应的实际风向角，计算每个待处理的风速范围分段对应的理想功率值；
对每个待处理的风速范围分段对应的理想功率和样本数据中的每个待处理的风速范围分段对应的实际功率进行差值统计处理，得到每个待处理的风速范围分段对应的发电量提升量。
本实施例中，首先按照每个待处理的风速范围分段对应的偏航对风偏差对该待处理的风速范围分段对应的风向角-功率散点集合进行调整，得到每个待处理的风速范围分段对应的理想风向角-功率散点集合，并对其采用人工智能拟合模型训练拟合得到理想状态下的理想风向角-功率曲线；然后，对根据每个待处理的风速范围分段对应的理想风向角-功率曲线和样本数据中的该待处理的风速范围分段对应的实际风向角，计算每个待处理的风速范围分段对应的理想功率值；接着，对于任一个待处理的风速范围分段，将其对应的理想功率值和其对应的实际功率进行差值统计处理，得到该待处理的风速范围分段偏航对风角度优化后发电量提升量，并将所有待处理的风速范围分段对应的发电量提升量进行汇总得到当前模拟偏航对风偏差的整体发电量提升量。最后，对所有模拟得到的整体发电量提升量进行排序，输出整体发电量提升量最大值对应的模拟对风偏差，即为寻求的整体最佳对风角度。
S209、根据最佳对风角度对风机进行偏航对风调整。
可见，实施图2所描述的风机偏航***的调整方法，可以通过获取当前风运动的数据信息，并根据该数据信息分析出风能最佳的角度，确定该角度为最佳对风角度，最后根据该最佳对风角度对风机进行偏航对风调整。可见，实施这种实施方式，能够从风能的角度对风机进行偏航对风调整，从而可以提高偏航对风调整的精准度，并且可以在现有风机偏航***的调整技术中使用该种风机偏航***的调整方案，从而降低局限性。
实施例3
请参阅图3，图3是本发明实施例提供的一种风机偏航***的调整装置的结构示意图。其中，如图3所示，该风机偏航***的调整装置包括：
获取模块301，用于获取风机运行状态的样本数据。
生成模块302，用于根据样本数据和预设的风速范围分段，通过预设的人工智能拟合模型生成与每个风速范围分段对应的风向角-功率曲线。
第一计算模块303，用于根据与每个风速范围分段对应的风向角-功率曲线，计算与该风速范围分段对应的最佳对风角度。
第二计算模块304，用于根据所有风速范围分段的数值区间及与所有风速范围分段对应的最佳对风角度，计算整体最佳对风角度。
调整模块305，用于根据整体最佳对风角度对风机进行偏航对风调整。
可见，实施图3所描述的风机偏航***的调整装置，能够从风能的角度对风机进行偏航对风调整，从而可以提高偏航对风调整的精准度，并且可以在现有风机偏航***的调整技术中使用该种风机偏航***的调整方案，从而降低局限性。
此外，本发明还提供了一种计算机设备。该计算机设备包括存储器和处理器，存储器可用于存储计算机程序，处理器通过运行计算机程序，从而使该计算机设备执行上述方法或者上述风机偏航***的调整装置中的各个模块的功能。
存储器可包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据移动终端的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本实施例还提供了一种计算机存储介质，用于储存上述计算机设备中使用的计算机程序。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (9)
1.一种风机偏航***的调整方法，其特征在于，包括：
获取风机运行状态的样本数据；
根据所述样本数据和预设的风速范围分段，通过预设的人工智能拟合模型生成与每个所述风速范围分段对应的风向角-功率曲线；
根据与每个所述风速范围分段对应的风向角-功率曲线，计算与该风速范围分段对应的最佳对风角度；
根据所有所述风速范围分段对应的最佳对风角度，计算风向角候选区间，并从预设的所述风速范围分段中选取在所述风向角候选区间内的多个待处理的风速范围分段；
根据所述样本数据和多个所述待处理的风速范围分段，计算与每个所述待处理的风速范围分段对应的偏航对风偏差；
根据每个所述待处理的风速范围分段对应的偏航对风偏差和所述样本数据，通过所述人工智能拟合模型生成与每个所述待处理的风速范围分段对应的理想风向角-功率曲线；
根据每个所述待处理的风速范围分段对应的理想风向角-功率曲线和所述样本数据，计算与每个所述待处理的风速范围分段对应的发电量提升量；
根据与所有所述待处理的风速范围分段对应的发电量提升量，获取与数值最大的发电量提升量对应的待处理的风速范围分段，作为目标风速范围分段；
获取该目标风速范围分段对应的偏航对风偏差，作为整体调整角度；
根据所述整体调整角度对所述风机进行偏航对风调整。
2.根据权利要求1所述的风机偏航***的调整方法，其特征在于，所述获取风机运行状态的样本数据，包括：
获取风机运行状态的原始数据，并对所述原始数据进行完整性检测，以去除风机非正常运行的干扰数据，得到第一处理数据；
对所述第一处理数据进行过滤处理，以去除所述风机在异常状态下的运行数据，得到第二处理数据；
通过预设的叶片结冰分析模型对所述第二处理数据进行筛选处理，以剔除所述风机因叶片结冰导致的功率下降数据，得到第三处理数据；
采用基于密度的聚类算法对所述第三处理数据进行筛选处理，以剔除非所述风机偏航原因导致的噪声数据，得到样本数据。
3.根据权利要求2所述的风机偏航***的调整方法，其特征在于，所述风机在异常状态下的运行数据包括所述风机在限功率状态下的运行数据、所述风机在非法异常状态下的异常数据、以及因所述风机上传感装置故障导致的长时间保持不变的故障数据中的一种或者多种。
4.根据权利要求2所述的风机偏航***的调整方法，其特征在于，所述采用基于密度的聚类算法对所述第三处理数据进行筛选处理，以剔除非所述风机偏航原因导致的噪声数据，得到样本数据，包括：
根据所述样本数据生成所述风机的风速-功率曲线；
采用基于密度的聚类算法对所述风速-功率曲线进行聚类分析，提取所述风速-功率曲线中数据点密度高于预设阈值的散点数据；
依据所述散点数据对所述第三处理数据进行筛选处理，以剔除非所述风机偏航原因导致的噪声数据，得到样本数据。
5.根据权利要求1所述的风机偏航***的调整方法，其特征在于，根据所述样本数据和预设的风速范围分段，通过预设的人工智能拟合模型生成与每个所述风速范围分段对应的风向角-功率曲线，包括：
根据所述样本数据和预设的风速范围分段，计算与每个所述风速范围分段中各个风向角对应的功率平均值；
根据每个所述风速范围分段中各个风向角对应的功率平均值，通过预设的人工智能拟合模型生成与各个所述风速范围分段对应的风向角-功率曲线。
6.根据权利要求1所述的风机偏航***的调整方法，其特征在于，所述根据与每个所述风速范围分段对应的风向角-功率曲线，计算与该风速范围分段对应的最佳对风角度，包括：
对所有的风向角-功率曲线进行剔除处理，以剔除弧度在预设弧度范围内的风向角-功率曲线，得到待处理的风向角-功率曲线；
获取每个所述待处理的风向角-功率曲线中最大功率对应的风向角，作为与该待处理的风向角-功率曲线对应风速范围分段的最佳对风角度。
7.一种风机偏航***的调整装置，其特征在于，包括：
获取模块，用于获取风机运行状态的样本数据；
生成模块，用于根据所述样本数据和预设的风速范围分段，通过预设的人工智能拟合模型生成与每个所述风速范围分段对应的风向角-功率曲线；
第一计算模块，用于根据与每个所述风速范围分段对应的风向角-功率曲线，计算与该风速范围分段对应的最佳对风角度；
分段模块，用于根据所有所述风速范围分段对应的最佳对风角度，计算风向角候选区间，并从预设的所述风速范围分段中选取在所述风向角候选区间内的多个待处理的风速范围分段；
第二计算模块，用于根据所述样本数据和多个所述待处理的风速范围分段，计算与每个所述待处理的风速范围分段对应的偏航对风偏差；
曲线生成模块，用于根据每个所述待处理的风速范围分段对应的偏航对风偏差和所述样本数据，通过所述人工智能拟合模型生成与每个所述待处理的风速范围分段对应的理想风向角-功率曲线；
所述第二计算模块，还用于根据每个所述待处理的风速范围分段对应的理想风向角-功率曲线和所述样本数据，计算与每个所述待处理的风速范围分段对应的发电量提升量；
获取模块，用于根据与所有所述待处理的风速范围分段对应的发电量提升量，获取与数值最大的发电量提升量对应的待处理的风速范围分段，作为目标风速范围分段；以及获取该目标风速范围分段对应的偏航对风偏差，作为整体调整角度；
调整模块，用于根据所述整体调整角度对所述风机进行偏航对风调整。
8.一种计算机设备，其特征在于，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述计算机设备执行权利要求1至6中任一项所述的风机偏航***的调整方法。
9.一种计算机可读存储介质，其特征在于，其存储有权利要求8所述的计算机设备中所使用的所述计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811406974.4A CN109488528B (zh) | 2018-11-23 | 2018-11-23 | 一种风机偏航***的调整方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811406974.4A CN109488528B (zh) | 2018-11-23 | 2018-11-23 | 一种风机偏航***的调整方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109488528A CN109488528A (zh) | 2019-03-19 |
| CN109488528B true CN109488528B (zh) | 2020-03-17 |
Family
ID=65696506
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811406974.4A Active CN109488528B (zh) | 2018-11-23 | 2018-11-23 | 一种风机偏航***的调整方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109488528B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110067708B (zh) * | 2019-05-13 | 2020-08-25 | 北京天泽智云科技有限公司 | 一种使用功率曲线识别偏航对风不正的方法 |
| CN110985309B (zh) * | 2019-12-09 | 2022-03-11 | 远景智能国际私人投资有限公司 | 偏航对风异常检测方法、装置、设备和存储介质 |
| CN113027680B (zh) * | 2019-12-25 | 2024-02-06 | 金风科技股份有限公司 | 风力发电机组的偏航对风控制方法和装置 |
| CN113048016B (zh) * | 2019-12-27 | 2024-06-21 | 金风科技股份有限公司 | 在线修正风力发电机组的对风偏差的方法和装置 |
| CN112648139B (zh) * | 2020-11-12 | 2022-03-04 | 北京金风慧能技术有限公司 | 风力发电机组对风不正校正方法、装置及控制器 |
| CN112963303B (zh) * | 2021-02-22 | 2022-12-23 | 上海电气风电集团股份有限公司 | 一种用于风电机组的偏航载荷监测控制方法及*** |
| CN113236507B (zh) * | 2021-05-28 | 2022-08-19 | 中南大学 | 一种风电机组偏航静态误差诊断方法和*** |
| CN113323818B (zh) * | 2021-06-10 | 2024-01-19 | 北京国电思达科技有限公司 | 多类型风机的偏航误差测量方法及装置 |
| CN113883009A (zh) * | 2021-09-27 | 2022-01-04 | 太原重工股份有限公司 | 一种风力发电机组测风仪角度自优化方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5289041A (en) * | 1991-09-19 | 1994-02-22 | U.S. Windpower, Inc. | Speed control system for a variable speed wind turbine |
| US8890349B1 (en) * | 2012-01-19 | 2014-11-18 | Northern Power Systems, Inc. | Load reduction system and method for a wind power unit |
| CN104481804A (zh) * | 2014-12-05 | 2015-04-01 | 北京金风科创风电设备有限公司 | 风力发电机组对风矫正控制方法、装置和*** |
| CN105512416A (zh) * | 2015-12-16 | 2016-04-20 | 大连尚能科技发展有限公司 | 一种风机尾流对角度测量误差影响关系的获取方法 |
| CN105569922A (zh) * | 2015-12-16 | 2016-05-11 | 大连尚能科技发展有限公司 | 一种基于风速影响的风速风向仪的角度测量误差补偿方法 |
| CN106014858A (zh) * | 2016-07-21 | 2016-10-12 | 浙江运达风电股份有限公司 | 一种风电机组对风误差自动校准方法及装置 |
| WO2017148485A1 (en) * | 2016-03-03 | 2017-09-08 | Vestas Wind Systems A/S | A method for determining a yaw position offset of a wind turbine |
| CN108496000A (zh) * | 2015-12-23 | 2018-09-04 | 维斯塔斯风力***集团公司 | 用于风力涡轮机的控制方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150086357A1 (en) * | 2013-09-24 | 2015-03-26 | General Electric Company | Wind turbine and method for adjusting yaw bias in wind turbine |
-
2018
- 2018-11-23 CN CN201811406974.4A patent/CN109488528B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5289041A (en) * | 1991-09-19 | 1994-02-22 | U.S. Windpower, Inc. | Speed control system for a variable speed wind turbine |
| US8890349B1 (en) * | 2012-01-19 | 2014-11-18 | Northern Power Systems, Inc. | Load reduction system and method for a wind power unit |
| CN104481804A (zh) * | 2014-12-05 | 2015-04-01 | 北京金风科创风电设备有限公司 | 风力发电机组对风矫正控制方法、装置和*** |
| CN105512416A (zh) * | 2015-12-16 | 2016-04-20 | 大连尚能科技发展有限公司 | 一种风机尾流对角度测量误差影响关系的获取方法 |
| CN105569922A (zh) * | 2015-12-16 | 2016-05-11 | 大连尚能科技发展有限公司 | 一种基于风速影响的风速风向仪的角度测量误差补偿方法 |
| CN108496000A (zh) * | 2015-12-23 | 2018-09-04 | 维斯塔斯风力***集团公司 | 用于风力涡轮机的控制方法 |
| WO2017148485A1 (en) * | 2016-03-03 | 2017-09-08 | Vestas Wind Systems A/S | A method for determining a yaw position offset of a wind turbine |
| CN106014858A (zh) * | 2016-07-21 | 2016-10-12 | 浙江运达风电股份有限公司 | 一种风电机组对风误差自动校准方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109488528A (zh) | 2019-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109488528B (zh) | 一种风机偏航***的调整方法及装置 | |
| EP2940296B1 (en) | Systems and methods for optimizing operation of a wind farm | |
| CN112459965B (zh) | 考虑风电场尾流的偏航优化控制方法、装置、设备及介质 | |
| CN113591359B (zh) | 一种风电机组切入/切出风速调优方法、***及设备介质 | |
| EP2520794B1 (en) | Monitoring apparatus for checking a wind turbine in a wind farm for a yaw misalignment | |
| CN110985309B (zh) | 偏航对风异常检测方法、装置、设备和存储介质 | |
| US20170022974A1 (en) | Operating wind turbines | |
| BR102015029351B1 (pt) | Método e sistema para otimizar operação de um parque eólico | |
| WO2019127975A1 (zh) | 在极端湍流风况下控制风力发电机组变桨的方法和装置 | |
| WO2019165752A1 (zh) | 动态确定偏航控制精度的方法和装置 | |
| CN106704103B (zh) | 一种基于叶片参数自学习的风电机组功率曲线获取方法 | |
| CN107045574B (zh) | 基于svr的风力发电机组低风速段有效风速估计方法 | |
| CN109723609B (zh) | 一种风电机组变桨***的故障预警方法及*** | |
| WO2022048228A1 (zh) | 风电机组的载荷控制方法和装置 | |
| CN106959652A (zh) | 智能监控方法和装置 | |
| CN103925155A (zh) | 一种风电机组输出功率异常的自适应检测方法 | |
| CN115081346B (zh) | 一种风电机组尾流效应下的健康度判断方法、装置及介质 | |
| WO2018059259A1 (en) | Method and system of yaw control of wind turbines in a wind turbine farm | |
| CN109236589B (zh) | 一种用于评估风机叶片除冰投资方案的方法及装置 | |
| CN110991701A (zh) | 一种基于数据融合的风电场风机风速预测方法及*** | |
| CN111340307A (zh) | 预测风机风力发电功率的方法以及相关装置 | |
| CN114444291B (zh) | 一种风机发电量损失精细化测算方法、***、设备和介质 | |
| Pandit et al. | Comparison of binned and Gaussian Process based wind turbine power curves for condition monitoring purposes | |
| Bao et al. | Iterative modeling of wind turbine power curve based on least‐square B‐spline approximation | |
| CN111794921B (zh) | 一种基于迁移成分分析的陆上风电机组叶片结冰诊断方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |