CN109977436B - 湍流强度估算方法及装置 - Google Patents
湍流强度估算方法及装置 Download PDFInfo
- Publication number
- CN109977436B CN109977436B CN201711447530.0A CN201711447530A CN109977436B CN 109977436 B CN109977436 B CN 109977436B CN 201711447530 A CN201711447530 A CN 201711447530A CN 109977436 B CN109977436 B CN 109977436B
- Authority
- CN
- China
- Prior art keywords
- turbulence
- turbulence intensity
- acceleration
- wind speed
- current
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Wind Motors (AREA)
Abstract
本申请提供一种湍流强度估算方法及装置。所述湍流强度估算方法包括:以预定的采样间隔,获取风力发电机组的历史数据,并对历史数据进行预处理;基于风力发电机组机舱前后方向的加速度与湍流强度之间的正相关关系,使用预处理后的数据,建立湍流强度估算模型;基于建立的湍流强度估算模型,来估算当前的湍流强度。根据本发明构思的湍流强度估算方法和湍流强度估算装置能够实现对湍流强度的实时且准确的估算,从而时刻保证风力发电机组的安全工作,并且通过在湍流强度过大时降低整机载荷,避免大偏航下风力发电机组停机问题,提高机组可利用率。
Description
技术领域
以下描述涉及风电领域,具体地说,涉及一种湍流强度估算方法及装置。
背景技术
湍流强度是度量气流速度脉动程度的一种标准,通常使用脉动速度均方根与平均风速之比来表示湍流强度,即,I=u'/U,其中,I是湍流强度,u'是脉动速度的均方根(即,风速的标准差),U是平均风速。
在风电领域中,当现场风速发生较大变化(即,湍流强度)较大时,风力发电机组会受到较强的载荷冲击,因此需要时刻关注湍流强度,以在必要时实施相应的控制措施保证风力发电机组的安全。然而,目前的湍流强度的估算方法需要10分钟内风速的平均值和标准差,这使得湍流强度难以实时计算。此外,由于风速测量的不准确(机舱风速仪安装在叶轮之后,测得风速受到机组尾流影响大)、计算量过大等原因,在风力发电机组运行时无法对湍流强度进行准确估计。
发明内容
为了解决上述难以实施计算湍流强度以及难以准确估计湍流强度的问题,本发明提供一种湍流强度估算方法及装置。
根据本发明构思的一个方面,提供一种湍流强度估算方法。所述湍流强度估算方法可包括:以预定的采样间隔,获取风力发电机组的历史数据,并对历史数据进行预处理,所述历史数据至少包括风力发电机组机舱前后方向的加速度以及湍流强度;基于风力发电机组机舱前后方向的加速度与湍流强度之间的正相关关系,使用预处理后的数据,建立湍流强度估算模型;基于建立的湍流强度估算模型,来估算当前的湍流强度。
优选地,对历史数据进行预处理的步骤可包括:将历史数据中的湍流强度按照大小进行分类,并且基于每一类中的所有湍流强度分别确定与每一类对应的风力发电机组机舱前后方向的加速度绝对值、风速和功率值。
优选地,建立湍流强度估算模型的步骤可包括:以与每一类对应的风力发电机组机舱前后方向的加速度绝对值、功率值和风速作为输入,以湍流强度的类别作为输出,通过神经网络训练,建立湍流强度估算模型。
优选地,对历史数据进行预处理的步骤可包括:将湍流强度划分为常规湍流工况和极限湍流工况;针对每个功率值,在常规湍流工况,获得在每个特定风速的风力发电机组机舱前后方向的加速度绝对值的平均值作为第一加速度绝对值;针对每个功率值,在极限湍流工况,获得在每个特定风速的风力发电机组机舱前后方向的加速度绝对值的平均值作为第二加速度绝对值。
优选地,建立湍流强度估算模型的步骤可包括:针对每个功率值,以风速为自变量,以第一加速度绝对值为因变量,计算常规湍流工况下的第一函数,并且以风速为自变量,以第二加速度绝对值为因变量,计算极限湍流工况下的第二函数;根据所述第一函数和所述第二函数,在每个风速计算所述第一函数在该风速的第一加速度绝对值与所述第二函数在该风速的第二加速度绝对值之间的加权平均值,获得各个风速与计算的加速度绝对值的加权平均值的对应关系作为湍流强度估算模型。
优选地,估算当前的湍流强度的步骤可包括:根据当前的功率值,确定对应的湍流强度估算模型;如果在当前的风速,当前的风力发电机组机舱前后方向的加速度绝对值小于对应的湍流强度估算模型中的加速度绝对值的加权平均值,则当前的湍流强度为常规湍流工况;如果在当前的风速,当前的风力发电机组机舱前后方向的加速度绝对值大于对应的湍流强度估算模型中的加速度绝对值的加权平均值,则当前的湍流强度为极限湍流工况。
优选地,建立湍流强度估算模型的步骤可包括:针对每个功率值,以风速为横坐标,以第一加速度绝对值为纵坐标,计算风速-加速度的上包络线作为湍流强度估算模型。
优选地,估算当前的湍流强度的步骤可包括:根据当前的功率值,确定对应的湍流强度估算模型;如果在当前的风速,当前的风力发电机组机舱前后方向的加速度绝对值位于对应的湍流强度估算模型中的上包络线的下方,则当前的湍流强度为常规湍流工况;如果在当前的风速,当前的风力发电机组机舱前后方向的加速度绝对值位于对应的湍流强度估算模型中的上包络线的上方,则当前的湍流强度为极限湍流工况。
优选地,建立湍流强度估算模型的步骤包括:针对每个功率值,以风速为横坐标,以第二加速度绝对值为纵坐标,计算风速-加速度的下包络线作为湍流强度估算模型。
优选地,估算当前的湍流强度的步骤包括:根据当前的功率值,确定对应的湍流强度估算模型;如果在当前的风速,当前的风力发电机组机舱前后方向的加速度绝对值位于对应的湍流强度估算模型中的下包络线的下方,则当前的湍流强度为常规湍流工况;如果在当前的风速,当前的风力发电机组机舱前后方向的加速度绝对值位于对应的湍流强度估算模型中的下包络线的上方,则当前的湍流强度为极限湍流工况。
根据本发明构思的另一方面,提供一种湍流强度估算装置。所述湍流强度估算装置可包括:预处理模块,被配置为:以预定的采样间隔,获取风力发电机组的历史数据,并对历史数据进行预处理,所述历史数据至少包括风力发电机组机舱前后方向的加速度以及湍流强度;模型建立模块,被配置为:基于风力发电机组机舱前后方向的加速度与湍流强度之间的正相关关系,使用预处理后的数据,建立湍流强度估算模型;以及估算模块,被配置为:基于建立的湍流强度估算模型,来估算当前的湍流强度。
根据本发明构思的另一方面,提供一种计算机可读存储介质,所述计算机可读存储介质存储有当被处理器执行时使得处理器执行如上所述的方法的程序指令。
根据本发明构思的另一方面,提供一种计算装置。所述计算装置可包括处理器;以及存储器,存储有当被处理器执行时使得处理器执行如上所述的方法的程序指令。
根据本发明构思的湍流强度估算方法和湍流强度估算装置,能够基于风力发电机组机舱X方向加速度与湍流强度之间的正相关关系建立湍流强度估算模型,以估计当前的湍流强度,实现对湍流强度的实时且准确的估算,从而时刻保证风力发电机组的安全工作,并且通过在湍流强度过大时降低整机载荷,避免了由于测风不准确造成的湍流强度估计不准确以及大偏航下风力发电机组停机问题,提高机组可利用率。
附图说明
以下将参照附图对本发明的示例实施例进行详细描述,其中,
图1a示出在不同的平均风速和湍流强度下X方向加速度随时间变化的曲线图;
图1b示出风力发电机组在某功率值下运行时X方向加速度随风速变化的曲线图;
图2是示出根据本发明实施例的湍流强度估算方法的流程图;
图3是示出根据本发明实施例的湍流强度估算方法的流程图;
图4示出针对某功率值利用X方向加速度绝对值的均值建立的湍流估算模型的示图;
图5示出针对某功率值利用X方向加速度绝对值的上包络线建立的湍流估算模型的示图;
图6示出针对某功率值利用X方向加速度绝对值的下包络线建立的湍流估算模型的示图;
图7示出根据本发明的示例实施例的湍流强度估算装置的框图。
具体实施方式
本发明可具有各种变形和各种实施例,应理解,本发明不限于这些实施例,而是包括本发明的精神和范围内的所有变形、等同物和替换。此外,在本发明的示例实施例中使用的术语仅用于描述特定实施例,而不是为了限制示例实施例。
在本发明的各个示例实施例中,风力发电机组机舱前后方向的加速度可以与风力发电机组机舱的X方向的加速度(以下简称为X方向加速度)互换使用。
图1a示出在不同的平均风速和湍流强度下X方向加速度随时间变化的曲线图。图1b示出风力发电机组在某功率值下运行时X方向加速度随风速变化的曲线图。
图1a和图1b表明:随着风速增大,X方向加速度绝对值逐渐增大,同时随着湍流强度的增加,X方向加速度也随之增加,即,X方向加速度绝对值与湍流强度存在正相关关系。此外,X方向加速度绝对值与风力发电机组的功率值(例如,输出功率值)也存在正相关关系。同一风力发电机组在相同风速、湍流强度下,如果功率值不同,则X方向加速度的幅值也会不同,通常功率值越低,X方向加速度的幅值越小。
因此,根据本发明的实施例,可通过多种维度更准确地基于X方向加速度来估算湍流强度。
图2是示出根据本发明实施例的湍流强度估算方法的流程图。
参照图2,根据本发明实施例的湍流强度估算方法可包括:以预定的采样间隔,获取风力发电机组的历史数据,并对历史数据进行预处理,历史数据至少包括风力发电机组机舱前后方向的加速度以及湍流强度(步骤S110);基于风力发电机组机舱前后方向的加速度与湍流强度之间的正相关关系,使用预处理后的数据,建立湍流强度估算模型(步骤S130);基于建立的湍流强度估算模型,来估算当前的湍流强度(步骤S150)。
在步骤S110中获取的风力发电机组的历史数据还可包括功率值和风速。其中,功率值表示风力发电机组的输出功率的值。
如上述参照图1a和图1b所描述的X方向加速度绝对值与湍流强度存在正相关关系。因此,根据本发明的示例实施例的湍流强度估算方法可基于风力发电机组机舱前后方向的加速度与湍流强度之间的正相关关系,利用各种方法使用预处理后的数据,建立湍流强度估算模型。
根据本发明的示例实施例,可采用神经网络算法来建立湍流强度估算模型。在此情况下,在步骤S110中,将历史数据中的湍流强度按照大小进行分类,并且基于每一类中的所有湍流强度分别确定与每一类对应的风力发电机组机舱前后方向的加速度绝对值、风速和功率值。
具体地说,在步骤S110中,将历史数据中的湍流强度从小到大进行排序,然后进行顺序地分类。例如,当湍流强度从小到大进行排序时,可将湍流强度在[0,A]区间的湍流强度分为一类,将湍流强度在(A,B]区间的湍流强度分为一类。其中,B>A,并且[0,A]区间的间隔和(A,B]区间的间隔可根据工程实践而相同或者不同。在历史数据中可存在与每一个区间(即,每一类)的所有湍流强度对应的X方向加速度、风速和功率值。例如,当[0,A]区间的湍流强度被分为一类时,与属于[0,A]区间的所有湍流强度中的每个湍流强度对应的X方向加速度绝对值、风速和功率值可被确定,从而可针对[0,A]中的所有湍流强度确定对应的X方向加速度绝对值、风速和功率值。
在步骤S110完成数据的预处理之后,在步骤S130中,以与每一类对应的风力发电机组机舱前后方向的加速度绝对值、功率值和风速作为输入,以将湍流强度的类别作为输出,通过神经网络训练,建立湍流强度估算模型。根据本发明的示例实施例,可使用各种类型的神经网络,例如,卷积神经网络、深度神经网络等。
步骤S150可基于通过神经网络训练建立的湍流强度估算模型来估算当前的湍流强度。例如,可将当前的X方向加速度绝对值、风速和功率值输入到湍流强度估算模型,则湍流强度估算模型输出当前的湍流强度的类别,即,当前的湍流强度位于哪个区间,从而可判断当前的湍流强度是否过大。当在步骤S150估算的湍流强度超过预定阈值时,可采取相应的控制措施(例如,降低整机载荷)来保证风力发电机组的安全工作。
在上述通过神经网络建立湍流强度估算模型的示例实施例中,由于神经网络方法运算较为复杂,估算的湍流强度精度相对较高,而在工程实践中可能不需要估算的湍流强度具有特别高的精确度。因此,可通过减少湍流强度分类的区间个数,并且将功率值划分区间,来减小运算量。
以下,参照图3来描述根据本发明的示例实施例的根据X方向加速度绝对值的加权平均来建立湍流强度估算模型并估算湍流强度的方法。
图3中的步骤S310可对应于图2的步骤S110,图3中的步骤S330和步骤S350可对于与图2中的步骤S130,图3中的步骤S370可对于与图2中的步骤S150。
在参照图3,在步骤S310的预处理中,将湍流强度划分为常规湍流工况和极限湍流工况;针对每个功率值,在常规湍流工况,获得在每个特定风速的X方向加速度绝对值的平均值作为第一加速度绝对值(即,常规湍流工况下的加速度绝对值);针对每个功率值,在极限湍流工况,获得在每个特定风速的X方向加速度绝对值的平均值作为第二加速度绝对值(即,极端湍流工况下的加速度绝对值)。这里,每个功率值可代表单个功率值,也可代表工况相近的多个功率值构成的一个功率值区间。
与上述神经网络的示例实施例相比,在预处理时,可以适当减小湍流强度划分区间的个数,最简化的情况为仅划分为两类。
根据本发明的示例实施例,假设将小于或等于0.13的湍流强度设为常规湍流工况,将大于0.13的湍流强度设为极限湍流工况,因此,针对常规湍流工况和极限湍流工况,可具有多组数据。根据常规湍流工况的多组数据,获得在每个风速的X方向加速度绝对值的平均值(即,第一加速度绝对值)。换言之,在以预定的采样间隔获取风力发电机组的历史数据时,可通过滑动平均的方法来获取X方向加速度绝对值的平均值。例如,可在平均风速为13m/s时计算常规湍流工况的多组数据中的X方向加速度绝对值的平均值,相当于针对平均风速为13m/s获得了较为准确的X方向加速度绝对值。照此,可在常规湍流工况下,针对每个功率值,将历史数据中的各个不同风速与X方向加速度绝对值的平均值(即,第一加速度绝对值)相对应;并且在极限湍流工况下,针对每个功率值,将历史数据中的各个不同风速与X方向加速度绝对值的平均值(即,第二加速度绝对值)相对应。
在步骤S330中,针对每个功率值,以风速为自变量,以常规湍流工况的X方向加速度绝对值的平均值为因变量(即,以第一加速度绝对值为因变量),计算常规湍流工况下的第一函数,并且以风速为自变量,以极限湍流工况的风力发电机组机舱的前后方向的加速度绝对值的平均值为因变量(即,以第二加速度绝对值为因变量),计算极限湍流工况下的第二函数。
以计算常规湍流工况下的第一函数为例来详细描述步骤S330。具体地说,针对每个功率值,在常规湍流工况下选取数据量连续集中的一些点(v,m)作为特征点,其中,v为风速,m为步骤S310中针对风速v获得的X方向加速度绝对值的平均值(即,第一加速度绝对值)。然后通过对选取的特征点进行拟合计算得到各个风速与X方向加速度绝对值的平均值(即,第一加速度绝对值)的对应关系,即,常规湍流工况下的第一函数。可选地,根据本发明的示例实施例,可通过对特征点进行线性插值,得到风速与X方向加速度绝对值的分段函数,即,第一函数为分段函数的形式。然而,本发明构思不限于此,可根据各种拟合方法来得到各种形式的第一函数。
与上述描述相似地计算极限湍流工况下的第二函数,在此为了简明,省略其相同的描述。
在步骤S350中,根据第一函数和第二函数,在每个风速计算第一函数在该风速的第一加速度绝对值与第二函数在该风速的第二加速度绝对值之间的加权平均值,获得各个风速与计算的加速度绝对值的加权平均值的对应关系作为湍流强度估算模型。
例如,在第一函数和第二函数为分段函数的可选示例实施例中,可计算两个分段函数的纵坐标的加权平均。然而,本发明构思不限于此,例如,也可直接求取两个分段函数的纵坐标的均值。
图4示出针对某功率值利用X方向加速度绝对值的均值建立的湍流估算模型的示图。
参照图4,横坐标为风速c,纵坐标为通过平均计算的加速度绝对值的均值b。
在步骤S370中,可利用建立的湍流强度估算模型来估算湍流强度,具体地说,根据当前的功率值,确定对应的湍流强度估算模型;如果在当前的风速,当前的X方向加速度绝对值小于对应的湍流强度估算模型中的纵坐标(即,湍流强度估算模型中的加速度绝对值的加权平均值),则当前的湍流强度为常规湍流工况;如果在当前的风速,当前的X方向加速度绝对值大于对应的湍流强度估算模型中的纵坐标(即,湍流强度估算模型中的加速度绝对值的加权平均值),则当前的湍流强度为极限湍流工况。
如果当前的功率值与图4的功率值相同或相近,则图4可被确定为与当前的功率值对应的湍流强度估算模型。参照图4,斜线阴影部分为常规湍流工况的湍流强度,未标记阴影部分为极端湍流工况的湍流强度。例如,如果当前风速为c1并且当前的X方向加速度绝对值小于b0,则可确定当前的湍流强度为常规湍流工况;如果当前风速为c1并且当前的X方向加速度绝对值大于或等于b0,则可确定当前的湍流强度为极限湍流工况。
在确定当前的湍流强度为极限湍流工况时,可采用相应的控制措施(例如,降低整机载荷)来保证风力发电机组的安全工作。
在确定当前的湍流强度为常规湍流工况时,可返回步骤S310,在下一时刻之前的预定时间段之内提取历史数据并进行随后的步骤。
可在参照图3和图4描述的湍流强度估算方法的基础上进一步简化湍流强度估算模型的建立。
根据本发明的示例实施例,可根据X方向加速度绝对值的上包络线以及X方向加速度绝对值的下包络线来建立湍流强度估算模型。
与参照图3描述的方法相比,在根据X方向加速度绝对值的上包络线建立湍流强度估算模型的示例实施例中,当执行预处理的步骤时,针对每个功率值,仅在常规湍流工况,获得在每个特定风速的X方向加速度绝对值的平均值(即,第一加速度绝对值)。也就是说,在根据X方向加速度绝对值的上包络线建立湍流强度估算模型的示例实施例中,仅利用常规湍流工况的历史数据就可建立湍流强度模型。
然后,在建立湍流强度估算模型的步骤时,针对每个功率值,以风速为横坐标,以常规湍流工况的X方向加速度绝对值的平均值为纵坐标(即,以第一加速度绝对值为纵坐标),计算风速-加速度的上包络线作为湍流强度估算模型。根据本发明构思,可根据各种方法来计算上包络线,在此不做具体限定。
图5示出针对某功率值利用X方向加速度绝对值的上包络线建立的湍流估算模型的示图。
在图5中,横坐标表示风速c,纵坐标表示加速度绝对值b(例如,第一加速度绝对值),虚线和细实线分别为在第一采样间隔和第二采样间隔获取的常规湍流工况的预处理后的第一历史数据和预处理后的第二历史数据;粗实线为建立的湍流强度估算模型。
参照图5来描述估算当前的湍流强度的步骤。如果当前的功率值与图5的功率值相同或相近,则图5可被确定为与当前的功率值对应的湍流强度估算模型。
如果在当前的风速,当前的X方向加速度绝对值位于图5的上包络线的下方,则当前的湍流强度为常规湍流工况;如果在当前的风速,当前的X方向加速度绝对值位于图5的上包络线的上方,则当前的湍流强度为极限湍流工况。
与参照图3描述的方法相比,在根据X方向加速度绝对值的下包络线建立湍流强度估算模型的示例实施例中,当执行预处理的步骤时,针对每个功率值,仅在极限湍流工况,获得在每个特定风速的X方向加速度绝对值的平均值(即,第二加速度绝对值)。在根据X方向加速度绝对值的下包络线建立湍流强度估算模型的示例实施例中,仅利用极限湍流工况的历史数据就可建立湍流强度模型。
然后,在建立湍流强度估算模型的步骤时,针对每个功率值,以风速为横坐标,以极限湍流工况的风力发电机组机舱的前后方向的加速度绝对值的平均值为纵坐标(即,以第二加速度绝对值为纵坐标),计算风速-加速度的下包络线作为湍流强度估算模型。根据本发明构思,可根据各种方法来计算下包络线,在此不做具体限定。
图6示出针对某功率值利用X方向加速度绝对值的下包络线建立的湍流估算模型的示图。
在图6中,横坐标表示风速c,纵坐标表示加速度绝对值b(例如,第二加速度绝对值),虚线和细实线分别为在第一采样间隔和第二采样间隔获取的极限湍流工况的预处理后的第一历史数据和预处理后的第二历史数据;粗实线为建立的湍流强度估算模型。
参照图6来描述估算当前的湍流强度的步骤。如果当前的功率值与图6的功率值相同或相近,则图6可被确定为与当前的功率值对应的湍流强度估算模型。
如果在当前的风速,当前的X方向加速度绝对值位于图6的下包络线的下方,则当前的湍流强度为常规湍流工况;如果在当前的风速,当前的X方向加速度绝对值位于图6的下包络线的上方,则当前的湍流强度为极限湍流工况。
在确定当前的湍流强度为极限湍流工况时,可采用相应的控制措施(例如,降低整机载荷)来保证风力发电机组的安全工作。
在确定当前的湍流强度为常规湍流工况时,可返回预处理步骤,在下一时刻之前的预定时间段之内提取历史数据并进行随后的步骤。
通过上述方法,可实现湍流强度的事实时且准确的估算,从而保证风力发电机组的安全运行。
图7示出根据本发明的示例实施例的湍流强度估算装置的框图。
参照图7,根据示例实施例的湍流强度估算装置700可包括预处理模块710、模型建立模块730和估算模块750。
预处理模块710被配置为:以预定的采样间隔,获取风力发电机组的历史数据,并对历史数据进行预处理,其中,历史数据至少包括风力发电机组机舱前后方向的加速度以及湍流强度。具体地说,预处理模块710可执行如上操作图2至图6描述的预处理操作,在此为了简明,省略其详细的描述。
模型建立模块730被配置为:基于风力发电机组机舱前后方向的加速度与湍流强度之间的正相关关系,使用预处理后的数据,建立湍流强度估算模型。具体地说,模型建立模块730可执行如上操作图2至图6描述的建立湍流强度估算模型的操作,在此为了简明,省略其详细的描述。
估算模块750可被配置为:基于建立的湍流强度估算模型,来估算当前的湍流强度。具体地说,模型建立模块750可执行如上操作图2至图6描述的估算当前的湍流强度的操作,在此为了简明,省略其详细的描述。
虽然图7的示例实施例仅描述了湍流强度估算装置700可包括预处理模块710、模型建立模块730和估算模块750,然而本发明构思不限于此。例如,湍流强度估算装置700还可包括控制模块(未示出)。如果在估算模块750估算的湍流强度超过特定阈值(即,当前湍流强度为极限湍流工况),则控制模块采用相应的控制措施(例如,降低整机载荷)来保证风力发电机组的安全工作。
根据本发明构思的湍流强度估算方法和湍流强度估算装置,能够基于风力发电机组X方向加速度与湍流强度之间的正相关关系建立湍流强度估算模型,以估计当前的湍流强度,实现对湍流强度的实时且准确的估算,从而时刻保证风力发电机组的安全工作,通过在湍流强度过大时降低整机载荷,避免大偏航下风力发电机组停机问题,提高机组可利用率。
根据本发明构思的示例实施例,图1a至图7描述的湍流强度估算方法的各个步骤以及湍流强度估算装置中的各个模块可被编写为程序或软件。可基于附图中示出的框图和流程图以及说明书中的对应描述,使用任何编程语言来编写程序或软件。在一个示例中,程序或软件可包括被一个或多个处理器或计算机直接执行的机器代码,诸如,由编译器产生的机器代码。在另一个示例中,程序或软件包括被一个或多个处理器或计算机使用解释器执行的更高级代码。程序或软件可被记录、存储或固定在一个或多个非暂时性计算机可读存储介质中。在一个示例中,程序或软件或一个或多个非暂时性计算机可读存储介质可被分布在计算机***上。
根据本发明构思的示例实施例,图1a至图7描述的湍流强度估算方法的各个步骤以及湍流强度估算装置中的各个模块可被实现在包括处理器和存储器的计算装置上。存储器存储有用于控制处理器实现如上所述的各个单元的操作的程序指令。
虽然上面参照图1a至图7已经详细描述了本发明的特定示例实施例,但是在不脱离本发明构思的精神和范围的情况下,可以以各种形式对本发明进行修改。在此描述的示例实施例被认为仅是描述性的,而非为了限制的目的。每一示例实施例中的特征或方面的描述将被认为适用于其他示例实施例中的相似特征或方面。如果描述的技术以不同的顺序被执行,和/或如果描述的***、架构、或装置中的组件以不同的方式组合,和/或被其他组件或它们的等同物代替或补充,则可实现合适的结果。因此,本公开的范围不是通过具体实施方式所限定,而是由权利要求和它们的等同物限定,并且在权利要求和它们的等同物的范围内的所有变化将被解释为被包括在本公开中。
Claims (10)
1.一种湍流强度估算方法,其特征在于,包括:
以预定的采样间隔,获取风力发电机组的历史数据,并对历史数据进行预处理,所述历史数据至少包括风力发电机组机舱前后方向的加速度以及湍流强度;
基于所述风力发电机组机舱前后方向的加速度与湍流强度之间的正相关关系,使用预处理后的数据,建立湍流强度估算模型;
基于建立的湍流强度估算模型,来估算当前的湍流强度,
其中,对历史数据进行预处理的步骤包括:将历史数据中的湍流强度按照大小进行分类,并且基于每一类中的所有湍流强度分别确定与每一类对应的风力发电机组机舱前后方向的加速度绝对值、风速和功率值,其中,功率值表示风力发电机组的输出功率的值,以及
其中,建立湍流强度估算模型的步骤包括:针对每个功率值,以风速为自变量,以第一加速度绝对值为因变量,计算常规湍流工况下的第一函数,并且以风速为自变量,以第二加速度绝对值为因变量,计算极限湍流工况下的第二函数;根据所述第一函数和所述第二函数,在每个风速计算所述第一函数在该风速的第一加速度绝对值与所述第二函数在该风速的第二加速度绝对值之间的加权平均值,获得各个风速与计算的加速度绝对值的加权平均值的对应关系作为湍流强度估算模型,其中,对历史数据进行预处理的步骤包括:将湍流强度划分为常规湍流工况和极限湍流工况,针对每个功率值,在常规湍流工况,获得在每个特定风速的风力发电机组机舱前后方向的加速度绝对值的平均值作为第一加速度绝对值,针对每个功率值,在极限湍流工况,获得在每个特定风速的风力发电机组机舱前后方向的加速度绝对值的平均值作为第二加速度绝对值;
或者,建立湍流强度估算模型的步骤包括:针对每个功率值,以风速为横坐标,以第一加速度绝对值为纵坐标,计算风速-加速度的上包络线作为湍流强度估算模型,其中,对历史数据进行预处理的步骤包括:将湍流强度划分为常规湍流工况和极限湍流工况,针对每个功率值,在常规湍流工况,获得在每个特定风速的风力发电机组机舱前后方向的加速度绝对值的平均值作为第一加速度绝对值,针对每个功率值,在极限湍流工况,获得在每个特定风速的风力发电机组机舱前后方向的加速度绝对值的平均值作为第二加速度绝对值;
或者,建立湍流强度估算模型的步骤包括:针对每个功率值,以风速为横坐标,以第二加速度绝对值为纵坐标,计算风速-加速度的下包络线作为湍流强度估算模型,其中,对历史数据进行预处理的步骤包括:将湍流强度划分为常规湍流工况和极限湍流工况,针对每个功率值,在常规湍流工况,获得在每个特定风速的风力发电机组机舱前后方向的加速度绝对值的平均值作为第一加速度绝对值,针对每个功率值,在极限湍流工况,获得在每个特定风速的风力发电机组机舱前后方向的加速度绝对值的平均值作为第二加速度绝对值。
2.如权利要求1所述的湍流强度估算方法,其特征在于,当将各个风速与计算的加速度绝对值的加权平均值的对应关系作为湍流强度估算模型时,估算当前的湍流强度的步骤包括:
根据当前的功率值,确定对应的湍流强度估算模型;
如果在当前的风速,当前的风力发电机组机舱前后方向的加速度绝对值小于对应的湍流强度估算模型中的加速度绝对值的加权平均值,则当前的湍流强度为常规湍流工况;
如果在当前的风速,当前的风力发电机组机舱前后方向的加速度绝对值大于对应的湍流强度估算模型中的加速度绝对值的加权平均值,则当前的湍流强度为极限湍流工况。
3.如权利要求1所述的湍流强度估算方法,其特征在于,当将风速-加速度的上包络线作为湍流强度估算模型时,估算当前的湍流强度的步骤包括:
根据当前的功率值,确定对应的湍流强度估算模型;
如果在当前的风速,当前的风力发电机组机舱前后方向的加速度绝对值位于对应的湍流强度估算模型中的上包络线的下方,则当前的湍流强度为常规湍流工况;
如果在当前的风速,当前的风力发电机组机舱前后方向的加速度绝对值位于对应的湍流强度估算模型中的上包络线的上方,则当前的湍流强度为极限湍流工况。
4.如权利要求1所述的湍流强度估算方法,其特征在于,当将风速-加速度的下包络线作为湍流强度估算模型时,估算当前的湍流强度的步骤包括:
根据当前的功率值,确定对应的湍流强度估算模型;
如果在当前的风速,当前的风力发电机组机舱前后方向的加速度绝对值位于对应的湍流强度估算模型中的下包络线的下方,则当前的湍流强度为常规湍流工况;
如果在当前的风速,当前的风力发电机组机舱前后方向的加速度绝对值位于对应的湍流强度估算模型中的下包络线的上方,则当前的湍流强度为极限湍流工况。
5.一种湍流强度估算装置,其特征在于,包括:
预处理模块,被配置为:以预定的采样间隔,获取风力发电机组的历史数据,并对历史数据进行预处理,所述历史数据至少包括风力发电机组机舱前后方向的加速度以及湍流强度;
模型建立模块,被配置为:基于所述风力发电机组机舱前后方向的加速度与湍流强度之间的正相关关系,使用预处理后的数据,建立湍流强度估算模型;
估算模块,被配置为:基于建立的湍流强度估算模型,来估算当前的湍流强度,
其中,所述预处理模块还被配置为:将历史数据中的湍流强度按照大小进行分类,并且基于每一类中的所有湍流强度分别确定与每一类对应的风力发电机组机舱前后方向的加速度绝对值、风速和功率值,其中,功率值表示风力发电机组的输出功率的值,以及
其中,所述模型建立模块还被配置为:针对每个功率值,以风速为自变量以第一加速度绝对值为因变量,计算常规湍流工况下的第一函数,并且以风速为自变量,以第二加速度绝对值为因变量,计算极限湍流工况下的第二函数;根据所述第一函数和所述第二函数,在每个风速计算所述第一函数在该风速的第一加速度绝对值与所述第二函数在该风速的第二加速度绝对值之间的加权平均值,获得各个风速与计算的加速度绝对值的加权平均值的对应关系作为湍流强度估算模型,其中,所述预处理模块还被配置为:将湍流强度划分为常规湍流工况和极限湍流工况,针对每个功率值,在常规湍流工况,获得在每个特定风速的风力发电机组机舱前后方向的加速度绝对值的平均值作为第一加速度绝对值,针对每个功率值,在极限湍流工况,获得在每个特定风速的风力发电机组机舱前后方向的加速度绝对值的平均值作为第二加速度绝对值;
或者,所述模型建立模块还被配置为:针对每个功率值,以风速为横坐标,以第一加速度绝对值为纵坐标,计算风速-加速度的上包络线作为湍流强度估算模型,其中,所述预处理模块还被配置为:将湍流强度划分为常规湍流工况和极限湍流工况,针对每个功率值,在常规湍流工况,获得在每个特定风速的风力发电机组机舱前后方向的加速度绝对值的平均值作为第一加速度绝对值,针对每个功率值,在极限湍流工况,获得在每个特定风速的风力发电机组机舱前后方向的加速度绝对值的平均值作为第二加速度绝对值;
或者,所述模型建立模块还被配置为:针对每个功率值,以风速为横坐标,以第二加速度绝对值为纵坐标,计算风速-加速度的下包络线作为湍流强度估算模型,其中,所述预处理模块还被配置为:将湍流强度划分为常规湍流工况和极限湍流工况,针对每个功率值,在常规湍流工况,获得在每个特定风速的风力发电机组机舱前后方向的加速度绝对值的平均值作为第一加速度绝对值,针对每个功率值,在极限湍流工况,获得在每个特定风速的风力发电机组机舱前后方向的加速度绝对值的平均值作为第二加速度绝对值。
6.如权利要求5所述的湍流强度估算装置,其特征在于,当将各个风速与计算的加速度绝对值的加权平均值的对应关系作为湍流强度估算模型时,所述估算模块还被配置为:
根据当前的功率值,确定对应的湍流强度估算模型;
如果在当前的风速,当前的风力发电机组机舱前后方向的加速度绝对值小于对应的湍流强度估算模型中的加速度绝对值的加权平均值,则当前的湍流强度为常规湍流工况;
如果在当前的风速,当前的风力发电机组机舱前后方向的加速度绝对值大于对应的湍流强度估算模型中的加速度绝对值的加权平均值,则当前的湍流强度为极限湍流工况。
7.如权利要求5所述的湍流强度估算装置,其特征在于,当将风速-加速度的上包络线作为湍流强度估算模型时,所述估算模块还被配置为:
根据当前的功率值,确定对应的湍流强度估算模型;
如果在当前的风速,当前的风力发电机组机舱前后方向的加速度绝对值位于对应的湍流强度估算模型中的上包络线的下方,则当前的湍流强度为常规湍流工况;
如果在当前的风速,当前的风力发电机组机舱前后方向的加速度绝对值位于对应的湍流强度估算模型中的上包络线的上方,则当前的湍流强度为极限湍流工况。
8.如权利要求5所述的湍流强度估算装置,其特征在于,当将风速-加速度的下包络线作为湍流强度估算模型时,所述估算模块还被配置为:
根据当前的功率值,确定对应的湍流强度估算模型;
如果在当前的风速,当前的风力发电机组机舱前后方向的加速度绝对值位于对应的湍流强度估算模型中的下包络线的下方,则当前的湍流强度为常规湍流工况;
如果在当前的风速,当前的风力发电机组机舱前后方向的加速度绝对值位于对应的湍流强度估算模型中的下包络线的上方,则当前的湍流强度为极限湍流工况。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有当被处理器执行时使得处理器执行权利要求1至4中的任一项所述的方法的程序指令。
10.一种计算装置,其特征在于,包括:
处理器;
存储器,存储有当被处理器执行时使得处理器执行权利要求1至4中的任一项所述的方法的程序指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711447530.0A CN109977436B (zh) | 2017-12-27 | 2017-12-27 | 湍流强度估算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711447530.0A CN109977436B (zh) | 2017-12-27 | 2017-12-27 | 湍流强度估算方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109977436A CN109977436A (zh) | 2019-07-05 |
CN109977436B true CN109977436B (zh) | 2023-05-02 |
Family
ID=67071174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711447530.0A Active CN109977436B (zh) | 2017-12-27 | 2017-12-27 | 湍流强度估算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109977436B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104457782A (zh) * | 2013-09-24 | 2015-03-25 | 霍尼韦尔国际公司 | 用于处理和显示尾流湍流的***和方法 |
CN107392397A (zh) * | 2017-08-25 | 2017-11-24 | 广东工业大学 | 一种短期风速预测方法、装置及*** |
CN107408194A (zh) * | 2015-02-05 | 2017-11-28 | 雅玛西有限公司 | 经由位于飞机上的通信装置获取和呈现湍流数据的方法和*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8447129B2 (en) * | 2009-03-18 | 2013-05-21 | Florida Institute Of Technology | High-speed diversity-based imaging method for parallel atmospheric turbulence compensation |
CN103244349B (zh) * | 2013-04-24 | 2015-04-01 | 北京金风科创风电设备有限公司 | 风机塔架振动抑制***和提高风机切出风速的控制*** |
CN106812658B (zh) * | 2015-11-27 | 2019-09-06 | 中国船舶重工集团海装风电股份有限公司 | 一种风力发电机组的控制方法及装置 |
-
2017
- 2017-12-27 CN CN201711447530.0A patent/CN109977436B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104457782A (zh) * | 2013-09-24 | 2015-03-25 | 霍尼韦尔国际公司 | 用于处理和显示尾流湍流的***和方法 |
CN107408194A (zh) * | 2015-02-05 | 2017-11-28 | 雅玛西有限公司 | 经由位于飞机上的通信装置获取和呈现湍流数据的方法和*** |
CN107392397A (zh) * | 2017-08-25 | 2017-11-24 | 广东工业大学 | 一种短期风速预测方法、装置及*** |
Also Published As
Publication number | Publication date |
---|---|
CN109977436A (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107941537B (zh) | 一种机械设备健康状态评估方法 | |
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 | |
CN105844361B (zh) | 风电机组风功率预测方法、解缆方法和装置 | |
EP3364324B1 (en) | Method and device for detecting equivalent load of wind turbine generator system | |
EP2110551B1 (en) | Method and apparatus for prediction-based wind turbine control | |
CN106979126B (zh) | 基于svr的风力发电机组高风速段有效风速估计方法 | |
EP2583125B1 (en) | Estimation of wind conditions at a wind turbine | |
US11585323B2 (en) | Method and apparatus for cooperative controlling wind turbines of a wind farm | |
CN106529719B (zh) | 基于粒子群优化算法风速融合的风电功率预测的方法 | |
CN108708824B (zh) | 风力发电机组的偏航控制方法及装置 | |
WO2022048228A1 (zh) | 风电机组的载荷控制方法和装置 | |
CN110365053B (zh) | 基于延迟优化策略的短期风电功率预测方法 | |
CN109973301A (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 | |
CN111079343A (zh) | 一种基于宽度学习的风电机组有效风速估计方法 | |
Simani et al. | Wind turbine simulator fault diagnosis via fuzzy modelling and identification techniques | |
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 | |
CN110688806B (zh) | 水工隧洞风险评估方法、装置及终端设备 | |
CN115038863A (zh) | 尾流监测、尾流管理以及针对这样的尾流监测、尾流管理的传感装置 | |
Branlard et al. | A digital twin solution for floating offshore wind turbines validated using a full-scale prototype | |
CN112052551A (zh) | 一种风机喘振运行故障识别方法及*** | |
CN109977436B (zh) | 湍流强度估算方法及装置 | |
CN117784832A (zh) | 一种测试车辆测试车速的控制方法、装置及电子设备 | |
CN113627268A (zh) | 模型训练方法、矿井提升机用减速器故障检测方法和装置 | |
WO2019066934A1 (en) | WIND YIELD MONITORING | |
CN113906353A (zh) | 用于对风力涡轮机的阻力系数进行计算机实现确定的方法 |
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 |