CN114113683A - 风电场中风机风向仪的监测方法及其***及计算机可读存储介质 - Google Patents
风电场中风机风向仪的监测方法及其***及计算机可读存储介质 Download PDFInfo
- Publication number
- CN114113683A CN114113683A CN202111289692.2A CN202111289692A CN114113683A CN 114113683 A CN114113683 A CN 114113683A CN 202111289692 A CN202111289692 A CN 202111289692A CN 114113683 A CN114113683 A CN 114113683A
- Authority
- CN
- China
- Prior art keywords
- fan
- sector
- wind
- target
- target fan
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 title claims abstract description 48
- 230000002159 abnormal effect Effects 0.000 claims abstract description 75
- 230000005856 abnormality Effects 0.000 claims abstract description 63
- 230000005611 electricity Effects 0.000 claims 1
- 230000015654 memory Effects 0.000 description 10
- 101100182247 Caenorhabditis elegans lat-1 gene Proteins 0.000 description 4
- 101100182248 Caenorhabditis elegans lat-2 gene Proteins 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 101150061388 LON1 gene Proteins 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 101150004293 lon2 gene Proteins 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P21/00—Testing or calibrating of apparatus or devices covered by the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P13/00—Indicating or recording presence, absence, or direction, of movement
- G01P13/02—Indicating direction only, e.g. by weather vane
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Wind Motors (AREA)
Abstract
本发明实施例提供一种风电场中风机风向仪的监测方法及其***及计算机可读存储介质。该监测方法包括:获取风电场中各个风机的空间位置信息和各个风机的风向仪测得的风向角度,风向角度包括各个风机实际运行状态下的当前风向角度;选定目标风机;基于风电场中两两风机的空间位置信息来确定目标风机的各个参考风机;基于目标风机和各个参考风机的空间位置信息来确定目标风机的各个异常判断扇区;基于目标风机的当前风向角度来确定目标风机当前所处的异常判断扇区;及基于目标风机和落入当前所处的异常判断扇区中的参考风机的当前风向角度来对目标风机和落入当前所处的异常判断扇区中的参考风机所组成的机组对中的风向仪进行异常监测。
Description
技术领域
本发明实施例涉及风力发电技术领域,尤其涉及一种风电场中风机风向仪的监测方法及其***及计算机可读存储介质。
背景技术
随着煤炭、石油等能源的逐渐枯竭,人类越来越重视可再生能源的利用。风能作为一种清洁的可再生能源越来越受到世界各国的重视。伴随着风电技术的不断发展,风机在电力***中的应用日益增加。风机是将风能转化为电能的大型设备,通常设置于风能资源丰富的地区。
风向仪是风机的重要部件,风向仪可以用来实时测量风向,及时了解风向的变化情况,完成风机的准确对风。风向仪测量的风向信息的准确性对于风机的实际运行至关重要。因此,如何对风机的风向仪进行异常监测以确保测得的风向信息的准确性是目前面临的一大技术挑战。
发明内容
本发明实施例的目的在于提供一种风电场中风机风向仪的监测方法及其***及计算机可读存储介质,能够有效地解决风机的风向仪故障诊断问题。
本发明实施例的一个方面提供一种风电场中风机风向仪的监测方法。所述方法包括:获取风电场中各个风机的空间位置信息和各个风机的风向仪测得的风向角度,所述风向角度包括所述各个风机实际运行状态下的当前风向角度;选定目标风机;基于所述风电场中两两风机的空间位置信息来确定所述目标风机的各个参考风机;基于所述目标风机和所述各个参考风机的空间位置信息来确定所述目标风机的各个异常判断扇区;基于所述目标风机的当前风向角度来确定所述目标风机当前所处的异常判断扇区;及基于所述目标风机和落入当前所处的异常判断扇区中的参考风机的当前风向角度来对所述目标风机和落入当前所处的异常判断扇区中的参考风机所组成的机组对中的风向仪进行异常监测。
本发明实施例的另一个方面还提供一种风电场中风机风向仪的监测***。所述***包括一个或多个处理器,用于实现如上所述的风电场中风机风向仪的监测方法。
本发明实施例的又一个方面还提供一种计算机可读存储介质。所述计算机可读存储介质上存储有程序,所述程序被处理器执行时,实现如上所述的风电场中风机风向仪的监测方法。
本发明实施例的风电场中风机风向仪的监测方法及其***及计算机可读存储介质能够基于风机的空间位置信息来确定目标风机的参考风机,参考风机的选择简单、方便,大大降低了参考风机的选择难度。
本发明实施例的风电场中风机风向仪的监测方法及其***及计算机可读存储介质能够针对目标风机的实时风向角度确定目标风机所处的实时异常判断扇区,并选择落入实时异常判断扇区中的相应参考风机,并且,能够根据目标风机和选择出的相应参考风机的实时风向角度来对目标风机和该参考风机所组成的机组对进行风向仪异常监测,有效地解决了目标风机和相应异常判断扇区中的参考风机的风向角度的偏差异常诊断问题。
本发明实施例的风电场中风机风向仪的监测方法及其***及计算机可读存储介质能够在线实时识别和监测出风电场中风机风向仪是否发生异常,从而,确保了风机能够准确对风,实现了风机发电量的最大化。
附图说明
图1为本发明一个实施例的风电场中风机风向仪的监测方法的流程图;
图2为本发明一个实施例的基于风电场中两两风机的空间位置信息来确定目标风机的各个参考风机的具体步骤;
图3为本发明一个实施例的确定目标风机的各个参考风机的示意图;
图4为本发明一个实施例的基于目标风机和各个参考风机的空间位置信息来确定目标风机的各个异常判断扇区的具体步骤;
图5为本发明一个实施例的确定目标风机的各个异常判断扇区的示意图;
图6为本发明一个实施例的确定目标风机和落入当前所处的异常判断扇区中的参考风机所组成的机组对中的风向仪是否存在异常的具体步骤;
图7为本发明一个实施例的获得各个异常判断扇区的设定阈值的具体步骤;
图8为本发明另一个实施例的风电场中风机风向仪的监测方法的流程图;
图9为本发明一个实施例的机组对中的目标风机和参考风机的功率曲线的示意图;
图10为本发明一个实施例的风电场中风机风向仪的监测***的示意性框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施例并不代表与本发明相一致的所有实施例。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置的例子。
在本发明实施例使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。除非另作定义,本发明实施例使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。同样,“一个”或者“一”等类似词语也不表示数量限制,而是表示存在至少一个。“多个”或者“若干”表示两个及两个以上。除非另行指出,“前部”、“后部”、“下部”和/或“上部”等类似词语只是为了便于说明,而并非限于一个位置或者一种空间定向。“包括”或者“包含”等类似词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的元件或者物件及其等同,并不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而且可以包括电性的连接,不管是直接的还是间接的。在本发明说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
本发明实施例提供了一种风电场中风机风向仪的监测方法。图1揭示了本发明一个实施例的风电场中风机风向仪的监测方法的流程图。如图1所示,本发明一个实施例的风电场中风机风向仪的监测方法可以包括步骤S1至步骤S6。
在步骤S1中,获取风电场1中各个风机10(如图3所示)的空间位置信息和各个风机10的风向仪测得的风向角度,其中,各个风机10的风向角度包括各个风机10实际运行状态下的当前风向角度。
如图3所示,风电场1中包括多个风机10。风机10在运行过程中会产生大量的状态数据,风电场1的SCADA(Supervisory Control And Data Acquisition,监视控制及数据采集)***(未图示)会采集这些数据并进行存储,例如:风机10的风速计测得的风速数据、风机10的风向仪测得的风向角度、功率数据等,以便开展智能运维数据挖掘工作。风机10的空间位置信息、叶轮直径、业主信息等通常也会录入风机10的配置信息表里面,并存入到SCADA***的数据库中,以作为风电场1的记录信息。
目前,随着智能运维的快速发展,SCADA***的数据库数据会通过云端传入风机制造商的远程监控中心。因此,可以从风电场1的SCADA***中获取风电场1中各个风机10的空间位置信息和各个风机10的风向仪测得的风向角度。利用这些数据,可以有效地开展本发明实施例下面将要描述的风电场中风机风向仪的异常监测工作。
在步骤S2中,在风电场1中选定需要待监测的目标风机11,如图3所示。
在步骤S3中,可以基于风电场1中两两风机10的空间位置信息来确定目标风机11的各个参考风机12。
在一些实施例中,风机10的空间位置信息可以包括风机10的经纬度坐标。如图2所示,步骤S3中的基于风电场1中两两风机10的空间位置信息来确定目标风机11的各个参考风机12可以进一步包括步骤S31和步骤S32。
在步骤S31中,可以基于风电场1中两两风机10的经纬度坐标来计算两两风机10之间的距离。
如图3所示,对于风电场1中的任意两个风机10,其中一个风机10的经纬度坐标为(lat1,lon1),另一个风机10的经纬度坐标为(lat2,lon2),则两两风机10之间的距离(Distance,简称D)的计算公式例如以下公式所示:
D=Re×(x+Ob/8×(C1-C2))
其中,Ob为地球扁率,地球扁率Ob的计算公式如下所示:
Ob=(Re-Rb)/Re
其中,Re为地球的赤道半径,其值为6378137m;Rb为地球的极半径,其值为6356752m;
x=arccos(sin(Pa)×sin(Pb)+cos(Pa)×cos(Pb)×cos(lon1–lon2))
C1=(sin(x)-x)×(sin(Pa)+sin(Pb))^2/cos(x/2)^2
C2=(sin(x)+x)×(sin(Pa)-sin(Pb))^2/sin(x/2)^2
Pa=arctan(Rb/Re×tan(lat1))
Pb=arctan(Rb/Re×tan(lat2))
因此,在获知任意两个风机10的经纬度坐标,通过上述公式即可计算出任意两个风机10之间的距离D。以此类推,可以根据风电场1中两两风机10之间的经纬度坐标,将风电场1中两两风机10之间的距离D都计算出来。
返回参照图2,在步骤S32中,可以基于步骤S31中计算出的两两风机10之间的距离D来确定目标风机11的各个参考风机12。
以下将继续结合图3来详细介绍如何基于两两风机10之间的距离D来确定目标风机11的各个参考风机12。
参照图3,在计算出风电场1中两两风机10之间的距离D之后,从计算出的风电场1中两两风机10之间的距离D中,提取出目标风机11与风电场1中其他风机10之间的距离D,可以基于目标风机11与风电场1中其他风机10之间的距离D来确定出目标风机11的各个参考风机12。
在一些实施例中,在目标风机11与风电场1中任一其他风机10之间的距离D小于或等于预定的距离阈值时,则将该风机10确定为目标风机11的参考风机12。
在一个实施例中,可以风机10的叶轮直径的预定倍数来确定距离阈值。采用叶轮直径的预定倍数作为距离阈值,是基于风机10之间的位置关系和地形、气候因素等考虑,为消除风机10之间的尾流影响,通常风机10之间的距离要大于叶轮直径的预定倍数;另外,如果距离太远,则容易受地形和气候因素的干扰,造成风向数据差别太大,不易建模。因此,例如,可以5倍叶轮直径来确定该距离阈值,从而,既可以降低风机10之间的尾流影响,又方便建模。具体地,如图3所示,可以目标风机11为中心,以5倍叶轮直径的大小为半径划一个圆,划在圆内的所有风机10可以被视为目标风机11的参考风机12。在图3中,在目标风机11的前后左右四个方向的四个风机与目标风机11之间的距离D均小于该距离阈值,因此,可以将目标风机11的前后左右四个方向的这四个风机分别确定为目标风机11的各个参考风机12。
在另一个实施例中,可以依据风电场1中风机10之间的布局,例如对于矩阵式排布的风电场1来说,可以风电场1中风机10的行间距和列间距中的最大值来确定该距离阈值。
本发明实施例的风电场中风机风向仪的监测方法可以依据风机10之间的空间位置信息来确定目标风机11的各个参考风机12,参考风机12的确定方式简单、方便,降低了参考风机12选择的难度。
继续参照图1,在步骤S4中,在步骤S3中确定出目标风机11的各个参考风机12之后,可以基于目标风机11和各个参考风机12的空间位置信息来确定目标风机11的各个异常判断扇区。
如图4所示,步骤S4中的基于目标风机11和各个参考风机12的空间位置信息来确定目标风机11的各个异常判断扇区可以进一步包括步骤S41和步骤S42。
在步骤S41中,可以基于目标风机11和各个参考风机12的经纬度坐标来计算目标风机11和各个参考风机12之间连线的方位角。
在本发明的实施例中,目标风机11和各个参考风机12之间连线的方位角是指目标风机11和各个参考风机12之间的连线与对北的夹角。
结合参照图5所示,例如,目标风机11的经纬度坐标为(lat1,lon1),某参考风机12的经纬度坐标为(lat2,lon2),则目标风机11和该参考风机12之间连线的夹角的计算公式例如以下公式所示:
angle=(atan2(y,x))×180/π
其中,angle为目标风机11和该参考风机12之间连线的夹角,
y=sin(dLon)×cos(radLatB)
x=cos(radLatA)×sin(radLatB)-sin(radLatA)×cos(radLatB)×cos(dLon)
dLon=radLonB–radLonA
radLatA=π×lat1/180
radLonA=π×lon1/180
radLatB=π×lat2/180
radLonB=π×lon2/180
考虑到目标风机11和该参考风机12之间连线的夹角angle可能会不在0~360度范围内,而目标风机11和该参考风机12之间连线的方位角是在0~360度,因此,目标风机11和该参考风机12之间连线的方位角需要将上面公式得到的目标风机11和该参考风机12之间连线的夹角angle进行范围处理,例如以下公式所示的余数计算:
angle1=(angle+360)mod 360
其中,angle1为目标风机11和该参考风机12之间连线的方位角。
因此,将目标风机11和该参考风机12之间连线的夹角angle与360°之和除以360°之后得到的余数即为目标风机11和该参考风机12之间连线的方位角angle1。
因此,以此类推,在获知目标风机11和每一个参考风机12的经纬度坐标之后,可以根据目标风机11和每一个参考风机12之间的经纬度坐标,通过上面的公式即可将目标风机11和每一个参考风机12之间连线的方位角angle1都计算出来。
在图4所示的步骤S42中,可以基于目标风机11和各个参考风机12之间连线的方位角来确定各个异常判断扇区。
如图5所示,在一些实施例中,可以在目标风机11和各个参考风机12之间连线的方位角上分别加减预定阈值角度来得到各个异常判断扇区。例如,在图5中,对于参考风机12A来说,目标风机11和参考风机12A之间连线的方位角为45度,预定阈值角度设定为15度,则目标风机11的异常判断扇区为30度~60度之间;对于参考风机12B来说,目标风机11和参考风机12B之间连线的方位角为310度,预定阈值角度设定为15度,则目标风机11的异常判断扇区为295度~325度之间。
返回参照图1所示,在步骤S15中,可以基于步骤S1中获取到的目标风机11的当前风向角度来确定目标风机11当前所处的异常判断扇区。
如图5所示,例如,当目标风机11的当前风向角度为35度,则可以确定目标风机11当前所处的异常判断扇区为30度~60度之间。
在图1所示的步骤S6中,可以基于目标风机11和落入当前所处的异常判断扇区中的参考风机12的当前风向角度来对目标风机11和落入当前所处的异常判断扇区中的参考风机12所组成的机组对中的风向仪进行异常监测。
继续参照图5所示,假如目标风机11的当前风向角度为35度,则目标风机11当前所处的异常判断扇区确定为30度~60度之间,因此,落入当前所处的异常判断扇区30度~60度之间中的参考风机12为参考风机12A(以下将以参考风机12A来作为当前所处的异常判断扇区中的参考风机为例来进行示意性说明)。可以根据目标风机11和参考风机12A的当前风向角度来对目标风机11和参考风机12A所组成的机组对中的风向仪进行异常监测。
在一些实施例中,可以基于目标风机11和落入当前所处的异常判断扇区中的参考风机12A之间的当前风向角度差异来确定目标风机11和落入当前所处的异常判断扇区中的参考风机12A所组成的机组对中的风向仪是否存在异常。
在一个实施例中,基于目标风机11和落入当前所处的异常判断扇区中的参考风机12A之间的当前风向角度差异来确定目标风机11和落入当前所处的异常判断扇区中的参考风机12A所组成的机组对中的风向仪是否存在异常可以进一步包括步骤S61和步骤S62。
在步骤S61中,获得各个异常判断扇区的设定阈值。
下面将结合图7来详细介绍如何来获得各个异常判断扇区的设定阈值。
在步骤S1中获取到的各个风机10的风向角度还可以包括在各个风机10正常运行状态下的预定时间段内的历史风向角度。如图7所示,在一些实施例中,步骤S61中的获得各个异常判断扇区的设定阈值可以进一步包括步骤S611和步骤S612。
在步骤S611中,确定目标风机11在预定时间段内的历史风向角度分别落入各个异常判断扇区所对应的历史时刻。
在步骤S612中,可以基于落入各个异常判断扇区所对应的历史时刻,目标风机11和落入各个异常判断扇区中的参考风机12的历史风向角度来确定各个异常判断扇区的设定阈值。
例如,以图5为例,在某历史时刻,目标风机11的历史风向角度为40度,则目标风机11的异常判断扇区为30度~60度之间,因此,此刻落入该异常判断扇区30度~60度之间的参考风机为12A,故,可以根据目标风机11和参考风机12A此刻的历史风向角度来确定该异常判断扇区30度~60度之间的设定阈值。类似地,在另一历史时刻,目标风机11的历史风向角度为305度,则目标风机11的异常判断扇区为295度~325度之间,因此,此刻落入该异常判断扇区295度~325度之间的参考风机为12B,故,可以根据目标风机11和参考风机12B此刻的历史风向角度来确定该异常判断扇区295度~325度之间的设定阈值。以此类推,确定出各个异常判断扇区的设定阈值。
继续参考图7,在一个实施例中,步骤S612可以进一步包括步骤S6121至步骤S6123。在步骤S6121中,计算在落入各个异常判断扇区所对应的历史时刻,目标风机11和落入各个异常判断扇区中的参考风机12的历史风向角度差值。
在步骤S6122中,进一步计算步骤S6121中得到的历史风向角度差值的均值μ和方差σ。
在步骤S6123中,可以基于步骤S6122中计算出的落入各个异常判断扇区所对应的历史时刻,目标风机11和落入各个异常判断扇区中的参考风机12的历史风向角度差值的均值μ和方差σ来确定各个异常判断扇区的设定阈值。
例如,各个异常判断扇区的设定阈值可以设定为μ±3×σ。但本发明实施例的各个异常判断扇区的设定阈值并不局限于设定为μ±3×σ,也可以根据实际需要设定为其他的值。
返回参照图6,在步骤S62中,可以基于目标风机11和落入当前所处的异常判断扇区中的参考风机12A之间的当前风向角度差值及步骤S61获得的当前所处的异常判断扇区的设定阈值来确定目标风机11和落入当前所处的异常判断扇区中的参考风机12所组成的机组对中的风向仪是否存在异常。
当目标风机11和落入当前所处的异常判断扇区中的参考风机12A之间的当前风向角度差值超过当前所处的异常判断扇区的设定阈值时,则可以将异常次数加1,若连续出现异常次数超过预定次数(依据经验设定,例如5次),则确定目标风机11和落入当前所处的异常判断扇区中的参考风机12所组成的机组对中的风向仪存在异常;若在超过预定次数前,出现不连续现象,则将异常次数清零,重新进行计次。
因此,在目标风机11和落入当前所处的异常判断扇区中的参考风机12之间的当前风向角度差值超过当前所处的异常判断扇区的设定阈值连续达预定次数时,则可以确定目标风机11和落入当前所处的异常判断扇区中的参考风机12所组成的机组对中的风向仪存在异常。
图8揭示了本发明另一个实施例的风电场中风机风向仪的监测方法的流程图。如图8所示,在本发明的另一些实施例中,在监测到目标风机11和落入当前所处的异常判断扇区中的参考风机12所组成的机组对中的风向仪存在异常时,风电场中风机风向仪的监测方法还可以进一步包括步骤S7和步骤S8。
在步骤S7中,获取目标风机11和落入当前所处的异常判断扇区中的参考风机12A所组成的机组对中的目标风机11和参考风机12A的功率曲线。
在步骤S8中,可以基于步骤S8中获取到的该机组对中的目标风机11和参考风机12A的功率曲线,来进一步确定该机组对中是目标风机11还是参考风机12A的风向仪存在异常。
由于风向仪异常时通常会导致风机10对风不准,从而会造成风机10的发电功率下降,因此,在确定机组对中的风机10的风向仪出现异常时,可以通过分析机组对中的目标风机11和参考风机12A的功率曲线来进一步判断是目标风机11还是参考风机12A的风向仪发生异常。
图9揭示了本发明一个实施例的目标风机11和落入当前所处的异常判断扇区中的参考风机12A所组成的机组对中的目标风机11和参考风机12A的功率曲线的示意图。如图9所示,P1代表机组对中的目标风机11的功率曲线,P2代表机组对中的参考风机12A的功率曲线。由于机组对中的目标风机11和参考风机12A通常被视为具有很高的相关性,当出现目标风机11的功率曲线P1和参考风机12A的功率曲线P2之间的偏差超过预定功率阈值时,则可以确定较差功率曲线所对应的风机10的风向仪存在异常。例如,在图9中可以看出,参考风机12的功率曲线P2相对于目标风机11的功率曲线P1明显向右偏移很多,因此,对于具有较差功率曲线P2的参考风机12可以被确认为风向仪出现异常。
当然,在其他实施例中,也可以将目标风机11的功率曲线P1和参考风机12A的功率曲线P2分别与设定的功率曲线进行对比,当与设定的功率曲线偏移超过预定功率阈值时,则可以确定较差功率曲线所对应的风机10的风向仪存在异常。
继续参考图8所示,在一些实施例中,本发明实施例的风电场中风机风向仪的监测方法还可以进一步包括步骤S9。在步骤S9中,在监测到机组对中的风机10的风向仪发生异常时,则可以触发该风向仪故障报警。
本发明实施例的风电场中风机风向仪的监测方法能够基于风机10的空间位置信息来确定目标风机11的参考风机12,参考风机12的选择简单,大大降低了参考风机12的选择难度。
本发明实施例的风电场中风机风向仪的监测方法能够针对目标风机11的实时风向角度确定目标风机11所处的实时异常判断扇区,并选择落入实时异常判断扇区中的相应参考风机12,并且,能够根据目标风机11和选择出的相应参考风机12的实时风向角度来对目标风机11和该参考风机12所组成的机组对进行风向仪异常监测,有效地解决了目标风机11和相应异常判断扇区中的参考风机12的风向角度的偏差异常诊断问题。
而且,本发明实施例的风电场中风机风向仪的监测方法能够进一步根据功率曲线,确定出机组对中到底是目标风机11还是参考风机12的风向仪出现异常,从而精确地判断出风向仪发生异常的风机10,并进而可以进行相应风向仪的故障预警,有效地解决了风机10的风向仪故障诊断问题。
本发明实施例还提供了一种风电场中风机风向仪的监测***200。图10揭示了本发明一个实施例的风电场中风机风向仪的监测***200的示意性框图。如图10所示,风电场中风机风向仪的监测***200可以包括一个或多个处理器201,用于实现上面任一实施例所述的风电场中风机风向仪的监测方法。在一些实施例中,风电场中风机风向仪的监测***200可以包括计算机可读存储介质202,计算机可读存储介质202可以存储有可被处理器201调用的程序,可以包括非易失性存储介质。在一些实施例中,风电场中风机风向仪的监测***200可以包括内存203和接口204。在一些实施例中,本发明实施例的风电场中风机风向仪的监测***200还可以根据实际应用包括其他硬件。
本发明实施例的风电场中风机风向仪的监测***200具有与上面所述的风电场中风机风向仪的监测方法相类似的有益技术效果,故,在此不再赘述。
本发明实施例还提供了一种计算机可读存储介质。计算机可读存储介质上存储有程序,该程序被处理器执行时,实现上面任一实施例所述的风电场中风机风向仪的监测方法。
本发明实施例可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机可读存储介质的例子包括但不限于:相变存储器/阻变存储器/磁存储器/铁电存储器(PRAM/RRAM/MRAM/FeRAM)等新型存储器、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
本发明一个或多个实施例的风电场中风机风向仪的监测方法及其***及计算机可读存储介质能够在线实时识别和监测出风电场中风机风向仪是否发生异常,从而,确保了风机10能够准确对风,实现了风机10发电量的最大化。
以上对本发明实施例所提供的风电场中风机风向仪的监测方法及其***及计算机可读存储介质进行了详细的介绍。本文中应用了具体个例对本发明实施例的风电场中风机风向仪的监测方法及其***及计算机可读存储介质进行了阐述,以上实施例的说明只是用于帮助理解本发明的核心思想,并不用以限制本发明。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明的精神和原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也均应落入本发明所附权利要求书的保护范围内。
Claims (17)
1.一种风电场中风机风向仪的监测方法,其特征在于:其包括:
获取风电场中各个风机的空间位置信息和各个风机的风向仪测得的风向角度,所述风向角度包括所述各个风机实际运行状态下的当前风向角度;
选定目标风机;
基于所述风电场中两两风机的空间位置信息来确定所述目标风机的各个参考风机;
基于所述目标风机和所述各个参考风机的空间位置信息来确定所述目标风机的各个异常判断扇区;
基于所述目标风机的当前风向角度来确定所述目标风机当前所处的异常判断扇区;及
基于所述目标风机和落入当前所处的异常判断扇区中的参考风机的当前风向角度来对所述目标风机和落入当前所处的异常判断扇区中的参考风机所组成的机组对中的风向仪进行异常监测。
2.如权利要求1所述的方法,其特征在于:所述获取风电场中各个风机的空间位置信息和各个风机的风向仪测得的风向角度包括:
从所述风电场的SCADA***中获取所述风电场中各个风机的空间位置信息和各个风机的风向仪测得的风向角度。
3.如权利要求1所述的方法,其特征在于:所述风机的空间位置信息包括风机的经纬度坐标,所述基于所述风电场中两两风机的空间位置信息来确定所述目标风机的各个参考风机包括:
基于所述风电场中两两风机的经纬度坐标来计算两两风机之间的距离;及
基于两两风机之间的距离来确定所述目标风机的各个参考风机。
4.如权利要求3所述的方法,其特征在于:所述基于两两风机之间的距离来确定所述目标风机的各个参考风机包括:
确定所述目标风机与所述风电场中其他风机之间的距离;及
在所述目标风机与所述风电场中任一其他风机之间的距离小于或等于预定的距离阈值时,则确定该风机为所述目标风机的参考风机。
5.如权利要求4所述的方法,其特征在于:以风机的叶轮直径的预定倍数来确定所述距离阈值,或者,以所述风电场中风机的行间距和列间距中的最大值来确定所述距离阈值。
6.如权利要求3所述的方法,其特征在于:所述基于所述目标风机和所述各个参考风机的空间位置信息来确定各个异常判断扇区包括:
基于所述目标风机和所述各个参考风机的经纬度坐标来计算所述目标风机和所述各个参考风机之间连线的方位角;及
基于所述目标风机和所述各个参考风机之间连线的所述方位角来确定所述各个异常判断扇区。
7.如权利要求6所述的方法,其特征在于:所述基于所述目标风机和所述各个参考风机之间连线的所述方位角来确定所述各个异常判断扇区包括:
在所述目标风机和所述各个参考风机之间连线的所述方位角上分别加减预定阈值角度来得到所述各个异常判断扇区。
8.如权利要求1所述的方法,其特征在于:所述基于所述目标风机和落入当前所处的异常判断扇区中的参考风机的当前风向角度来对所述目标风机和落入当前所处的异常判断扇区中的参考风机所组成的机组对中的风向仪进行异常监测包括:
基于所述目标风机和落入当前所处的异常判断扇区中的参考风机之间的当前风向角度差异来确定所述目标风机和落入当前所处的异常判断扇区中的参考风机所组成的机组对中的风向仪是否存在异常。
9.如权利要求8所述的方法,其特征在于:所述基于所述目标风机和落入当前所处的异常判断扇区中的参考风机之间的当前风向角度差异来确定所述目标风机和落入当前所处的异常判断扇区中的参考风机所组成的机组对中的风向仪是否存在异常包括:
获得所述各个异常判断扇区的设定阈值;及
基于所述目标风机和落入当前所处的异常判断扇区中的参考风机之间的当前风向角度差值及当前所处的异常判断扇区的所述设定阈值来确定所述目标风机和落入当前所处的异常判断扇区中的参考风机所组成的机组对中的风向仪是否存在异常。
10.如权利要求9所述的方法,其特征在于:所述风向角度还包括在所述各个风机正常运行状态下的预定时间段内的历史风向角度,所述获得所述各个异常判断扇区的设定阈值包括:
确定所述目标风机在所述预定时间段内的历史风向角度分别落入所述各个异常判断扇区所对应的历史时刻;
基于落入所述各个异常判断扇区所对应的历史时刻所述目标风机和落入所述各个异常判断扇区中的参考风机的历史风向角度来确定所述各个异常判断扇区的所述设定阈值。
11.如权利要求10所述的方法,其特征在于:所述基于落入所述各个异常判断扇区所对应的历史时刻所述目标风机和落入所述各个异常判断扇区中的参考风机的历史风向角度来确定所述各个异常判断扇区的所述设定阈值包括:
计算落入所述各个异常判断扇区所对应的历史时刻所述目标风机和落入所述各个异常判断扇区中的参考风机的历史风向角度差值的均值和方差;及
基于落入所述各个异常判断扇区所对应的历史时刻所述目标风机和落入所述各个异常判断扇区中的参考风机的历史风向角度差值的所述均值和所述方差来确定所述各个异常判断扇区的所述设定阈值。
12.如权利要求9所述的方法,其特征在于:在所述目标风机和落入当前所处的异常判断扇区中的参考风机之间的当前风向角度差值超过当前所处的异常判断扇区的所述设定阈值连续达预定次数时,则确定所述目标风机和落入当前所处的异常判断扇区中的参考风机所组成的机组对中的风向仪存在异常。
13.如权利要求1所述的方法,其特征在于:在监测到所述机组对中的风机的风向仪存在异常时,则所述方法还包括:
获取所述机组对中的目标风机和参考风机的功率曲线;及
基于所述机组对中的所述目标风机和所述参考风机的功率曲线,来进一步确定所述机组对中是所述目标风机还是所述参考风机的风向仪存在异常。
14.如权利要求13所述的方法,其特征在于:在所述目标风机和所述参考风机的功率曲线之间的偏差超过预定功率阈值时,则确定较差功率曲线所对应的风机的风向仪存在异常。
15.如权利要求13所述的方法,其特征在于:其还包括:
在监测到所述机组对中的风机的风向仪发生异常时,则触发该风向仪故障报警。
16.一种风电场中风机风向仪的监测***,其特征在于:包括一个或多个处理器,用于实现如权利要求1-15中任一项所述的风电场中风机风向仪的监测方法。
17.一种计算机可读存储介质,其特征在于,其上存储有程序,所述程序被处理器执行时,实现如权利要求1-15中任一项所述的风电场中风机风向仪的监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111289692.2A CN114113683A (zh) | 2021-11-02 | 2021-11-02 | 风电场中风机风向仪的监测方法及其***及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111289692.2A CN114113683A (zh) | 2021-11-02 | 2021-11-02 | 风电场中风机风向仪的监测方法及其***及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114113683A true CN114113683A (zh) | 2022-03-01 |
Family
ID=80380220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111289692.2A Pending CN114113683A (zh) | 2021-11-02 | 2021-11-02 | 风电场中风机风向仪的监测方法及其***及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114113683A (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102619687A (zh) * | 2012-04-18 | 2012-08-01 | 北车风电有限公司 | 风力发电机组风速风向仪失效时应急控制方法 |
CN105065201A (zh) * | 2015-07-22 | 2015-11-18 | 天津瑞源电气有限公司 | 一种风电机组风向仪损坏后仍正常运行的控制方法 |
CN105863970A (zh) * | 2016-05-06 | 2016-08-17 | 华北电力大学(保定) | 一种风机故障识别方法及装置 |
CN105891546A (zh) * | 2016-01-26 | 2016-08-24 | 沈阳工业大学 | 基于大数据的风电机组偏航***中风向标故障诊断的方法 |
CN106246465A (zh) * | 2016-08-16 | 2016-12-21 | 中车株洲电力机车研究所有限公司 | 一种风电机组风速风向获取方法及风电机组*** |
CN106321368A (zh) * | 2016-08-12 | 2017-01-11 | 峰能斯格尔(北京)可再生能源科技有限公司 | 基于运营风机scada数据的海上风电场尾流损失测量方法 |
CN106922162A (zh) * | 2014-09-29 | 2017-07-04 | 维斯塔斯风力***有限公司 | 风力涡轮机机舱偏航位置传感器的验证 |
US20170352010A1 (en) * | 2016-06-02 | 2017-12-07 | Doosan Heavy Industries & Construction Co., Ltd. | Wind farm supervision monitoring system |
CN108035853A (zh) * | 2017-12-01 | 2018-05-15 | 北京金风科创风电设备有限公司 | 确定风力发电机组的对风角度的方法及装置 |
CN108533452A (zh) * | 2018-04-09 | 2018-09-14 | 北京金风慧能技术有限公司 | 风力发电机组的解缆控制方法和解缆控制装置 |
CN109752566A (zh) * | 2017-11-03 | 2019-05-14 | 北京金风科创风电设备有限公司 | 风向方位角的检测方法、装置及风力发电机组 |
CN110110439A (zh) * | 2019-05-08 | 2019-08-09 | 固安华电天仁控制设备有限公司 | 一种基于三维模型的风电场scada*** |
CN110985309A (zh) * | 2019-12-09 | 2020-04-10 | 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 |
CN111794909A (zh) * | 2020-06-23 | 2020-10-20 | 国电新能源技术研究院有限公司 | 面向扇区调控的风电场级偏航动态优化方法和*** |
DE102019117985A1 (de) * | 2019-07-03 | 2021-01-07 | ENERTRAG Windstrom GmbH | Verfahren zur Optimierung der technischen Betriebsführung einzelner Windenergieanlagen eines Windparks |
CN112348244A (zh) * | 2020-10-31 | 2021-02-09 | 华能新能源上海发电有限公司 | 一种基于风资源评估的风电场发电机组检修方法 |
CN113030516A (zh) * | 2019-12-24 | 2021-06-25 | 华能如东八仙角海上风力发电有限责任公司 | 风速仪故障检测方法、装置、设备和存储介质 |
CN113530769A (zh) * | 2021-08-30 | 2021-10-22 | 上海电气风电集团股份有限公司 | 风力发电机组防甩冰控制方法及其***及计算机可读存储介质 |
-
2021
- 2021-11-02 CN CN202111289692.2A patent/CN114113683A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102619687A (zh) * | 2012-04-18 | 2012-08-01 | 北车风电有限公司 | 风力发电机组风速风向仪失效时应急控制方法 |
CN106922162A (zh) * | 2014-09-29 | 2017-07-04 | 维斯塔斯风力***有限公司 | 风力涡轮机机舱偏航位置传感器的验证 |
CN105065201A (zh) * | 2015-07-22 | 2015-11-18 | 天津瑞源电气有限公司 | 一种风电机组风向仪损坏后仍正常运行的控制方法 |
CN105891546A (zh) * | 2016-01-26 | 2016-08-24 | 沈阳工业大学 | 基于大数据的风电机组偏航***中风向标故障诊断的方法 |
CN105863970A (zh) * | 2016-05-06 | 2016-08-17 | 华北电力大学(保定) | 一种风机故障识别方法及装置 |
US20170352010A1 (en) * | 2016-06-02 | 2017-12-07 | Doosan Heavy Industries & Construction Co., Ltd. | Wind farm supervision monitoring system |
CN106321368A (zh) * | 2016-08-12 | 2017-01-11 | 峰能斯格尔(北京)可再生能源科技有限公司 | 基于运营风机scada数据的海上风电场尾流损失测量方法 |
CN106246465A (zh) * | 2016-08-16 | 2016-12-21 | 中车株洲电力机车研究所有限公司 | 一种风电机组风速风向获取方法及风电机组*** |
CN109752566A (zh) * | 2017-11-03 | 2019-05-14 | 北京金风科创风电设备有限公司 | 风向方位角的检测方法、装置及风力发电机组 |
CN108035853A (zh) * | 2017-12-01 | 2018-05-15 | 北京金风科创风电设备有限公司 | 确定风力发电机组的对风角度的方法及装置 |
CN108533452A (zh) * | 2018-04-09 | 2018-09-14 | 北京金风慧能技术有限公司 | 风力发电机组的解缆控制方法和解缆控制装置 |
CN110110439A (zh) * | 2019-05-08 | 2019-08-09 | 固安华电天仁控制设备有限公司 | 一种基于三维模型的风电场scada*** |
DE102019117985A1 (de) * | 2019-07-03 | 2021-01-07 | ENERTRAG Windstrom GmbH | Verfahren zur Optimierung der technischen Betriebsführung einzelner Windenergieanlagen eines Windparks |
CN110985309A (zh) * | 2019-12-09 | 2020-04-10 | 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 |
CN113030516A (zh) * | 2019-12-24 | 2021-06-25 | 华能如东八仙角海上风力发电有限责任公司 | 风速仪故障检测方法、装置、设备和存储介质 |
CN111794909A (zh) * | 2020-06-23 | 2020-10-20 | 国电新能源技术研究院有限公司 | 面向扇区调控的风电场级偏航动态优化方法和*** |
CN112348244A (zh) * | 2020-10-31 | 2021-02-09 | 华能新能源上海发电有限公司 | 一种基于风资源评估的风电场发电机组检修方法 |
CN113530769A (zh) * | 2021-08-30 | 2021-10-22 | 上海电气风电集团股份有限公司 | 风力发电机组防甩冰控制方法及其***及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Short-term wind power prediction based on extreme learning machine with error correction | |
CA2892898C (en) | Systems and methods for wind turbine nacelle-position recalibration and wind direction estimation | |
CA2997644C (en) | Simulation method and system | |
CN105205569B (zh) | 风机齿轮箱状态在线评估模型建立方法及在线评估方法 | |
Yoder et al. | Short‐term forecasting of categorical changes in wind power with Markov chain models | |
JP6054998B2 (ja) | 逸失エネルギの決定方法 | |
CN113530769B (zh) | 风力发电机组防甩冰控制方法及其***及计算机可读存储介质 | |
CN110457821A (zh) | 风功率曲线多目标综合评价方法、装置及服务器 | |
CN113586336B (zh) | 风力发电机组的控制方法及其控制装置及计算机可读存储介质 | |
CN112345250B (zh) | 轴承振动监控方法及其***及计算机可读存储介质 | |
CN114113683A (zh) | 风电场中风机风向仪的监测方法及其***及计算机可读存储介质 | |
CN113884705A (zh) | 簇群风机风速计的监测方法及其***及计算机可读存储介质 | |
CN114862043A (zh) | 风电场发电功率预测方法及其***及计算机可读存储介质 | |
Wang et al. | Reliability assessment of wind farm active power based on sequential monte-carlo method | |
CN113283035B (zh) | 双参数风力机机舱传递函数构建方法、***、设备及存储介质 | |
CN113449985B (zh) | 齿轮箱监测方法及其***及计算机可读存储介质 | |
Martin et al. | New Wake Effects Identified Using SCADA Data Analysis and Visualization. | |
CN114781711A (zh) | 旋转部件剩余寿命的预测方法及其装置及计算机可读存储介质 | |
ES2963166T3 (es) | Método de determinación de la velocidad del viento en el plano del rotor de un aerogenerador | |
CN117349573B (zh) | 一种风电场风速的预测方法、电子设备及存储介质 | |
CN113775481A (zh) | Cms振动保护方法及其装置及计算机可读存储介质 | |
CN115855500A (zh) | 轴承监测方法及其***及计算机可读存储介质 | |
CN113435705A (zh) | 轴承监测方法及其***及计算机可读存储介质 | |
Chen et al. | Automated wind turbine pitch fault prognosis using ANFIS | |
Lawan et al. | ANN, GPS AND GIS APPLICATIONS METHODOLOGY FOR WIND ENERGY MAPPING IN KANO STATE, NIGERIA |
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 |