CN113309661B - 一种提升风力发电机组发电量的方法 - Google Patents
一种提升风力发电机组发电量的方法 Download PDFInfo
- Publication number
- CN113309661B CN113309661B CN202110253733.6A CN202110253733A CN113309661B CN 113309661 B CN113309661 B CN 113309661B CN 202110253733 A CN202110253733 A CN 202110253733A CN 113309661 B CN113309661 B CN 113309661B
- Authority
- CN
- China
- Prior art keywords
- wind
- power
- wind speed
- interval
- contract
- 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 29
- 238000012937 correction Methods 0.000 claims abstract description 11
- 238000010248 power generation Methods 0.000 claims description 25
- 238000004519 manufacturing process Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 238000010977 unit operation Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000009434 installation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 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
-
- 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
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- 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
- F03D9/00—Adaptations of wind motors for special use; Combinations of wind motors with apparatus driven thereby; Wind motors specially adapted for installation in particular locations
- F03D9/20—Wind motors characterised by the driven apparatus
- F03D9/25—Wind motors characterised by the driven apparatus the apparatus being an electrical generator
-
- 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
-
- 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
-
- 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
- F05B2270/321—Wind directions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- 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)
- General Engineering & Computer Science (AREA)
- Sustainable Energy (AREA)
- Sustainable Development (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种提升风力发电机组发电量的方法,通过数据分析得到机组最优功率曲线所处于的对风偏差区间,选取该区间中间值作为机舱风向标在初始校零基础上的重新校正角度,以此来重新校正机舱风向标,从而优化机组功率曲线,进而提升单台乃至全场机组的发电量,增加风电场的直接经济效益。
Description
技术领域
本发明涉及大型半直驱风机的技术领域,尤其是指一种提升风力发电机组发电量的方法。
背景技术
功率曲线用于描绘风电发电机组功率输出与风速的关系,功率曲线越好代表机组性能越好,相应的发电量也就越多。
影响机组功率曲线的因素有多种,其中一个非常重要的因素就是来流风向与机头朝向的偏差(对风偏差)的影响。如图1所示,为风能损失随对风偏差变化示意图。理论上,当对风偏差为0°时,机组功率曲线最优,偏差越大,机组功率曲线越差。
目前,风电场机组在实际对风时存在一些不足和问题。
一般情况,风电场机组的风向标安装在机舱机尾处,并且部分机组的风向标并未安装在机舱中轴线上,而是偏左或者偏右。由于风向标受到机组尾流的影响以及安装位置的影响,当风向标校零后风向读数为0°时,风轮并未正对风而是与来流风向存在一定的偏差,即对风偏差不为0°,从而影响机组发电量。如图2所示,为同一时间段内不同对风偏差对机组功率曲线影响的示意图。
发明内容
本发明的目的在于克服现有技术的不足,提供一种提升风力发电机组发电量的方法,解决了由于风向标受到机组尾流的影响或安装位置的影响,风机在实际运行过程中的发电量低于理论设计的问题。
为实现上述目的,本发明所提供的技术方案为:一种提升风力发电机组发电量的方法,包括以下步骤,
1)当机舱风向标初步校零后,通过风电场SCADA***或大数据平台集控***采集风机的秒级数据,数据标签点包括风速、风向、对北风向、空气密度、电网有功功率、机组运行模式和限功率类别;
2)将连续的秒级数据分割为多个连续且相等时间的分割样本,对每个分割样本进行风速标准化,即将实际空气密度下的风速转化到合同空气密度的风速,筛选出机组在并网且不限功率状态下的样本,根据筛选后的样本绘制机组功率曲线,并且与合同功率曲线对比计算发电量考核值;
3)将筛选后的样本按照标签点风向即对风偏差区间进行归类和统计,每一个对风偏差区间以整数为中心,区间宽度为设定宽度;对风偏差区间的平均值是所有落入该对风偏差区间的分割样本的平均值,每个对风偏差区间的分割样本归类完成后,绘制各个对风偏差区间数据对应的功率曲线,并且与合同功率曲线对比计算功率曲线拟合度,从而找到最优功率曲线拟合度对应的对风偏差区间,记录区间平均值即为风向需要重新校正的角度;
4)在机组控制面板的风向校正界面,以风向初步校零后的角度为基础,风向重新校正步骤3)记录的角度,并且记录风向重新校正时间;
5)通过风电场SCADA***或大数据平台集控***采集风机的风向重新校正后的秒级数据,数据标签点包括风速、风向、对北风向、空气密度、电网有功功率、机组运行模式和限功率类别;
6)将连续的秒级数据分割为多个连续且相等时间的分割样本,对每个分割样本进行风速标准化,即将实际空气密度下的风速转化到合同空气密度的风速,筛选出机组在并网且不限功率状态下的样本,根据筛选后的样本绘制机组功率曲线,并且与合同功率曲线对比计算发电量考核值,对比风向重新校正角度前后的发电量考核值,进而得出发电量的提升。
进一步,在步骤2)和步骤6)中,所筛选样本数据库覆盖扩展的风速范围,即从比机组切入风速低1m/s开始到额定功率85%对应风速的1.5倍;每个0.5m/s风速的bin区间至少包含3个分割样本的采集数据,即至少包含30分钟的采集数据,数据库包含至少180小时的采集数据。
进一步,在步骤2)、步骤3)和步骤6)中,每个分割样本的时间均为10分钟,且所有分割样本按照不同的风速区间,即bin区间进行归类和统计,每一个bin区间以0.5m/s的整数倍为中心,区间宽度为0.5m/s;bin区间的平均值是所有落入该bin区间的样本的平均值,机组功率曲线由bin区间的平均值表示。
进一步,在步骤2)和步骤6)中,对每个分割样本的平均风速按照如下公式进行标准化:
其中,Vref表示标准化的风速;Vave表示样本风速的平均值;ρave表示样本空气密度的平均值;ρref表示参考的空气密度。
进一步,在步骤2)和步骤6)中,发电量考核值的计算过程为:
首先计算出风速瑞利累计概率分布函数F(Vi):
其中,Vave表示年平均风速;Vi表示第i个区间的平均风速;
根据实测推算年发电量公式求出AEP实测值:
其中,AEP实测表示实测推算年发电量;Nh表示年小时数,约为8760h;N表示风速区间的数量;Vi表示第i个区间的平均风速;P实测i表示第i个区间的实测平均功率;P实测i-1表示第i-1个区间的实测平均功率;
根据合同推算年发电量公式求出AEP合同值:
其中,AEP合同表示合同推算年发电量;Nh表示年小时数,约为8760h;N表示风速区间的数量;Vi表示第i个区间的平均风速;P合同i表示第i个区间的合同平均功率;P合同i-1表示第i-1个区间的合同平均功率;
最后,发电量考核值=(实测推算年发电量/合同推算年发电量)×100%。
进一步,在步骤3)中,每一个对风偏差区间以偶数为中心,区间宽度为2°。
进一步,在步骤3)中,功率曲线拟合度的计算过程为:
各风速段功率拟合度=(实测功率÷合同功率)×100%
功率曲线平均拟合度=∑各风速段功率拟合度÷风速段总个数。
本发明与现有技术相比,具有如下优点与有益效果:
1、本发明的提升机组发电量的方法,通过数据分析得到机组最优功率曲线所处于的对风偏差区间(采用了功率曲线拟合度指标计算),选取该区间中间值作为机舱风向标在初始校零基础上的重新校正角度,以此来重新校正机舱风向标,从而优化机组功率曲线,进而提升单台乃至全场机组的发电量(采用了发电量考核值指标计算),增加风电场的直接经济效益。
2、本发明的提升机组发电量的方法简单易行,数据经过分析后,只需要在风机控制面板的风向校正界面输入需要校正的角度,无需更多的程序优化方法或者模型仿真手段即可实现提升发电量的目的。
附图说明
图1为现有技术中风能损失随对风偏差变化示意图。
图2为现有技术中同一时间段内不同对风偏差对机组功率曲线影响的示意图。
图3为本发明的流程图。
图4为风向初步校零与风向重新校正后机组功率曲线对比示意图。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
本实施例所述的提升风力发电机组发电量的方法,具体流程图如图3所示,包括以下步骤,
1)当机舱风向标初步校零后,通过风电场SCADA***或大数据平台集控***采集风机的秒级数据,数据标签点包括风速、风向、对北风向、空气密度、电网有功功率、机组运行模式和限功率类别。
2)将连续的秒级数据分割为多个连续且相等时间的分割样本,每个分割样本的时间均为10分钟,对每个分割样本进行风速标准化,即将实际空气密度下的风速转化到合同空气密度的风速,筛选出机组在并网且不限功率状态下的样本,根据筛选后的样本绘制机组功率曲线,并且与合同功率曲线对比计算发电量考核值。
3)将筛选后的样本按照标签点风向即对风偏差区间进行归类和统计,每一个对风偏差区间以偶数为中心,区间宽度为2°,例如,风向为0°的对风偏差区间包括-1°至+1°的数据。对风偏差区间的平均值是所有落入该对风偏差区间的分割样本的平均值,每个对风偏差区间的分割样本归类完成后,绘制各个对风偏差区间数据对应的功率曲线,并且与合同功率曲线对比计算功率曲线拟合度,从而找到最优功率曲线拟合度对应的对风偏差区间,记录区间平均值即为风向需要重新校正的角度。
其中,功率曲线拟合度的计算过程为:
各风速段功率拟合度=(实测功率÷合同功率)×100%
功率曲线平均拟合度=∑各风速段功率拟合度÷风速段总个数。
4)在机组控制面板的风向校正界面,以风向初步校零后的角度为基础,风向重新校正步骤3)记录的角度,并且记录风向重新校正时间。
5)通过风电场SCADA***或大数据平台集控***采集风机的风向重新校正后的秒级数据,数据标签点包括风速、风向、对北风向、空气密度、电网有功功率、机组运行模式和限功率类别。
6)将连续的秒级数据分割为多个连续且相等时间的分割样本,每个分割样本的时间均为10分钟,对每个分割样本进行风速标准化,即将实际空气密度下的风速转化到合同空气密度的风速,筛选出机组在并网且不限功率状态下的样本,根据筛选后的样本绘制机组功率曲线,并且与合同功率曲线对比计算发电量考核值,对比风向重新校正角度前后的发电量考核值,进而得出发电量的提升。
其中,本实施例的方法所涉及的数据处理原则如下:
1、数据量完整性
在步骤2)和步骤6)中,所筛选样本数据库尽量覆盖扩展的风速范围,即从比机组切入风速低1m/s开始到额定功率85%对应风速的1.5倍。每个0.5m/s风速的bin区间至少包含3个分割样本的采集数据,即至少包含30分钟的采集数据,数据库包含至少180小时的采集数据。本实施例所选数据覆盖范围可酌情减小,即从机组切入风速到额定功率对应风速以上1m/s。
2、bin区间划分
在步骤2)、步骤3)和步骤6)的计算过程中,所有分割样本按照不同的风速区间,即bin区间进行归类和统计,每一个bin区间以0.5m/s的整数倍为中心,区间宽度为0.5m/s。例如,风速为5m/s的bin区间包括4.75m/s至5.25m/s的数据。bin区间的平均值是所有落入该bin区间的样本的平均值,机组功率曲线由bin区间的平均值表示。
3、风速标准化
在步骤2)和步骤6)中,对每个分割样本的平均风速按照如下公式进行标准化:
其中,Vref表示标准化的风速;Vave表示样本风速的平均值;ρave表示样本空气密度的平均值;ρref表示参考的空气密度。
4、发电量考核值计算:
在步骤2)和步骤6)中,首先计算出风速瑞利累计概率分布函数F(Vi):
其中,Vave表示年平均风速;Vi表示第i个区间的平均风速;
根据实测推算年发电量公式求出AEP实测值:
其中,AEP实测表示实测推算年发电量;Nh表示年小时数,约为8760h;N表示风速区间的数量;Vi表示第i个区间的平均风速;P实测i表示第i个区间的实测平均功率;P实测i-1表示第i-1个区间的实测平均功率;
根据合同推算年发电量公式求出AEP合同值:
其中,AEP合同表示合同推算年发电量;Nh表示年小时数,约为8760h;N表示风速区间的数量;Vi表示第i个区间的平均风速;P合同i表示第i个区间的合同平均功率;P合同i-1表示第i-1个区间的合同平均功率;
最后,发电量考核值=(实测推算年发电量/合同推算年发电量)×100%。
采用本实施例的方法选取某风场3台风机作为试验机组,风向初步校零后,采集足够数据,经过数据分析得到3台风机的最佳风向重新校正角度为-8°、-4°、-6°,在风机控制面板的风向校正界面输入需要校正的风向角度,再次采集足够数据,经过数据分析后得到结果如下:
1号风机风向初步校零后的发电量考核值100.82%,风向重新校正后的发电量考核值105.45%,提升了4.63%。
2号风机风向初步校零后的发电量考核值100.03%,风向重新校正后的发电量考核值105.42%,提升了5.39%。如图4所示,为风向初步校零与风向重新校正后机组功率曲线对比示意图。
3号风机风向初步校零后的发电量考核值100.43%,风向重新校正后的发电量考核值103.04%,提升了2.61%。
以上所述之实施例子只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (7)
1.一种提升风力发电机组发电量的方法,其特征在于,包括以下步骤,
1)当机舱风向标初步校零后,通过风电场SCADA***或大数据平台集控***采集风机的秒级数据,数据标签点包括风速、风向、对北风向、空气密度、电网有功功率、机组运行模式和限功率类别;
2)将连续的秒级数据分割为多个连续且相等时间的分割样本,对每个分割样本进行风速标准化,即将实际空气密度下的风速转化到合同空气密度的风速,筛选出机组在并网且不限功率状态下的样本,根据筛选后的样本绘制机组功率曲线,并且与合同功率曲线对比计算发电量考核值;
3)将筛选后的样本按照标签点风向即对风偏差区间进行归类和统计,每一个对风偏差区间以整数为中心,区间宽度为设定宽度;对风偏差区间的平均值是所有落入该对风偏差区间的分割样本的平均值,每个对风偏差区间的分割样本归类完成后,绘制各个对风偏差区间数据对应的功率曲线,并且与合同功率曲线对比计算功率曲线拟合度,从而找到最优功率曲线拟合度对应的对风偏差区间,记录区间平均值即为风向需要重新校正的角度;
4)在机组控制面板的风向校正界面,以风向初步校零后的角度为基础,风向重新校正步骤3)记录的角度,并且记录风向重新校正时间;
5)通过风电场SCADA***或大数据平台集控***采集风机的风向重新校正后的秒级数据,数据标签点包括风速、风向、对北风向、空气密度、电网有功功率、机组运行模式和限功率类别;
6)将连续的秒级数据分割为多个连续且相等时间的分割样本,对每个分割样本进行风速标准化,即将实际空气密度下的风速转化到合同空气密度的风速,筛选出机组在并网且不限功率状态下的样本,根据筛选后的样本绘制机组功率曲线,并且与合同功率曲线对比计算发电量考核值,对比风向重新校正角度前后的发电量考核值,进而得出发电量的提升。
2.根据权利要求1所述的一种提升风力发电机组发电量的方法,其特征在于,在步骤2)和步骤6)中,所筛选样本数据库覆盖扩展的风速范围,即从比机组切入风速低1m/s开始到额定功率85%对应风速的1.5倍;每个0.5m/s风速的bin区间至少包含3个分割样本的采集数据,即至少包含30分钟的采集数据,数据库包含至少180小时的采集数据。
3.根据权利要求1所述的一种提升风力发电机组发电量的方法,其特征在于,在步骤2)、步骤3)和步骤6)中,每个分割样本的时间均为10分钟,且所有分割样本按照不同的风速区间,即bin区间进行归类和统计,每一个bin区间以0.5m/s的整数倍为中心,区间宽度为0.5m/s;bin区间的平均值是所有落入该bin区间的样本的平均值,机组功率曲线由bin区间的平均值表示。
5.根据权利要求1所述的一种提升风力发电机组发电量的方法,其特征在于,在步骤2)和步骤6)中,发电量考核值的计算过程为:
首先计算出风速瑞利累计概率分布函数F(Vi):
其中,Vave表示年平均风速;Vi表示第i个区间的平均风速;
根据实测推算年发电量公式求出AEP实测值:
其中,AEP实测表示实测推算年发电量;Nh表示年小时数,约为8760h;N表示风速区间的数量;Vi表示第i个区间的平均风速;P实测i表示第i个区间的实测平均功率;P实测i-1表示第i-1个区间的实测平均功率;
根据合同推算年发电量公式求出AEP合同值:
其中,AEP合同表示合同推算年发电量;Nh表示年小时数,约为8760h;N表示风速区间的数量;Vi表示第i个区间的平均风速;P合同i表示第i个区间的合同平均功率;P合同i-1表示第i-1个区间的合同平均功率;
最后,发电量考核值=(实测推算年发电量/合同推算年发电量)×100%。
6.根据权利要求1所述的一种提升风力发电机组发电量的方法,其特征在于,在步骤3)中,每一个对风偏差区间以偶数为中心,区间宽度为2°。
7.根据权利要求1所述的一种提升风力发电机组发电量的方法,其特征在于,在步骤3)中,功率曲线拟合度的计算过程为:
各风速段功率拟合度=(实测功率÷合同功率)×100%
功率曲线平均拟合度=∑各风速段功率拟合度÷风速段总个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110253733.6A CN113309661B (zh) | 2021-03-09 | 2021-03-09 | 一种提升风力发电机组发电量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110253733.6A CN113309661B (zh) | 2021-03-09 | 2021-03-09 | 一种提升风力发电机组发电量的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113309661A CN113309661A (zh) | 2021-08-27 |
CN113309661B true CN113309661B (zh) | 2022-04-26 |
Family
ID=77371859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110253733.6A Active CN113309661B (zh) | 2021-03-09 | 2021-03-09 | 一种提升风力发电机组发电量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113309661B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105370495B (zh) * | 2015-12-04 | 2018-06-26 | 明阳智慧能源集团股份公司 | 一种采用动态查表控制算法提高风力发电机组出力的方法 |
CN106014858B (zh) * | 2016-07-21 | 2019-11-22 | 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 |
KR102221576B1 (ko) * | 2019-12-05 | 2021-03-02 | 한국에너지기술연구원 | 풍력 발전기의 출력증가 및 하중감소를 위한 나셀 라이다를 이용한 풍력발전기 제어시스템 및 이를 이용한 풍력발전기 제어방법 |
CN111881568A (zh) * | 2020-07-22 | 2020-11-03 | 旻投(上海)数据科技有限公司 | 一种提高风功率预测精度的方法及*** |
CN112380699B (zh) * | 2020-11-13 | 2024-05-17 | 龙源(北京)风电工程技术有限公司 | 一种基于多维分析的风电机组偏航误差预警分析方法 |
-
2021
- 2021-03-09 CN CN202110253733.6A patent/CN113309661B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113309661A (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110761947B (zh) | 一种风电机组偏航校准方法及*** | |
CN111091298B (zh) | 一种风电场流场耦合特性评估与智能分群方法及*** | |
CN106570790B (zh) | 一种计及风速数据分段特性的风电场出力数据修复方法 | |
CN110263998B (zh) | 多源数值天气预报集合双层修正方法 | |
CN109167387A (zh) | 风场风电功率预测方法 | |
CN113205210B (zh) | 复杂地形风电场风速与功率预测方法、***、设备及存储介质 | |
CN112267972B (zh) | 一种风电机组功率曲线异常智能判定方法 | |
CN115358606B (zh) | 一种平缓地形下在役风电场能效评估方法及*** | |
CN115013258B (zh) | 一种风电机组机前风速智能软测量方法 | |
CN114021483A (zh) | 基于时域特征与XGBoost的超短期风电功率预测方法 | |
CN110991701A (zh) | 一种基于数据融合的风电场风机风速预测方法及*** | |
CN117592799A (zh) | 一种在役风电项目资源后评估*** | |
CN113343562B (zh) | 一种基于混合建模策略的风机功率预测方法及*** | |
CN113610285A (zh) | 一种分散式风电的功率预测方法 | |
CN113309661B (zh) | 一种提升风力发电机组发电量的方法 | |
CN113344252A (zh) | 一种基于虚拟气象技术的风功率预测方法 | |
CN110296055B (zh) | 一种风向预测关联种子机组筛选方法 | |
CN117060407A (zh) | 一种基于相似日划分的风电集群功率预测方法及*** | |
CN110273818B (zh) | 一种基于轴变换粗细度分类的风机叶片结冰故障监测方法 | |
CN115898787A (zh) | 一种风电机组静态偏航误差动态识别方法及装置 | |
CN108197843B (zh) | 一种平坦地形风电出力特性评估方法 | |
CN114912807A (zh) | 一种风电机组技改后发电量提升效果评估方法和评估*** | |
CN115271423A (zh) | 基于混合相似度的风力发电机组运行状态评估方法 | |
Bao et al. | Iterative modeling of wind turbine power curve based on least‐square B‐spline approximation | |
CN114298512A (zh) | 风电机组功率特性分析方法 |
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 |