CN116050201A - 基于智能传感器实时采集的三维风场建模方法及装置 - Google Patents
基于智能传感器实时采集的三维风场建模方法及装置 Download PDFInfo
- Publication number
- CN116050201A CN116050201A CN202211640366.6A CN202211640366A CN116050201A CN 116050201 A CN116050201 A CN 116050201A CN 202211640366 A CN202211640366 A CN 202211640366A CN 116050201 A CN116050201 A CN 116050201A
- Authority
- CN
- China
- Prior art keywords
- fan
- wind
- determining
- wind field
- wind speed
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000010586 diagram Methods 0.000 claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 37
- 230000008878 coupling Effects 0.000 claims abstract description 15
- 238000010168 coupling process Methods 0.000 claims abstract description 15
- 238000005859 coupling reaction Methods 0.000 claims abstract description 15
- 239000007787 solid Substances 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000011144 upstream manufacturing Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
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
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
Abstract
本申请关于一种基于智能传感器实时采集的三维风场建模方法及装置。具体方案为:获取整体风场气流图,基于整体风场气流图确定目标区域的风速数据;将风速数据输入预设模型,得到待修正的三维风场流量模型;基于风机信息和风速数据进行风机叶片复杂流固耦合分析;基于分析结果、风速数据和风机信息确定风机的机械转矩和电磁转矩;分别将多个风机各自的机械转矩和电磁转矩进行比对,基于比对结果输出风机的桨距角调整指令和偏航度调整指令;基于多个风机各自的桨距角调整指令和偏航度调整指令确定风机尾流模型;将尾流模型与待修正的三维风场流量模型进行叠加处理,以得到修正后的三维风场流量模型。本申请提高了建立三维风场流量模型的精确性。
Description
技术领域
本申请涉及风力发电技术领域,尤其涉及一种基于智能传感器实时采集的三维风场建模方法及装置。
背景技术
相关技术中,大型风电场建立与运行以后,无疑将改变原有的局地近地层大气运动特征,近地层大气运动的改变进而产生对整个大气边界层中动量、热量和水汽输送的影响。大规模发展近海风电对局地的风速、温度、降水和湍流强度等会有一定的影响。当前很多预测方法都只将风速或风电功率单一变量作为输入数据,但风能还受周围环境因素、物理因素、风机本体流固耦合等影响,给综合复杂风资源的准确建模造成难度。
发明内容
为此,本申请提供一种基于智能传感器实时采集的三维风场建模方法及装置。本申请的技术方案如下:
根据本申请实施例的第一方面,提供一种基于智能传感器实时采集的三维风场建模方法,其特征在于,所述方法包括:
获取整体风场气流图,基于所述整体风场气流图确定目标区域的风速数据;
将所述风速数据输入至预设模型中,得到待修正的三维风场流量模型;
获取风机信息,基于所述风机信息和所述风速数据进行风机叶片复杂流固耦合分析,得到分析结果;所述风机信息包括设置于所述目标区域的多个风机的风机子信息;
基于所述分析结果、所述风速数据和所述风机信息,确定所述多个风机各自的机械转矩和电磁转矩;
分别将多个风机各自的机械转矩和电磁转矩进行比对,基于比对结果输出所述多个风机各自的桨距角调整指令和偏航度调整指令;
基于所述多个风机各自的桨距角调整指令和偏航度调整指令,确定风机尾流模型;
将所述尾流模型与所述待修正的三维风场流量模型进行叠加处理,以得到修正后的三维风场流量模型。
根据本申请的一个实施例,所述分别将多个风机各自的机械转矩和电磁转矩进行比对,基于比对结果输出所述多个风机各自的桨距角调整指令和偏航度调整指令,包括:
针对每个风机,将所述风机的机械转矩和电磁转矩进行比对,得到比对结果;
响应于比对结果为所述机械转矩小于所述电磁转矩,输出偏航度调整指令,以使所述风机叶片受风面积增大;
响应于比对结果为所述机械转矩大于所述电磁转矩,输出桨距角调整指令,以使所述风机停止运行。
根据本申请的一个实施例,所述基于所述多个风机各自的桨距角调整指令和偏航度调整指令,确定风机尾流模型,包括:
针对每个风机,基于所述风速数据、所述风机对应的所述桨距角调整指令和偏航度调整指令,确定风速矢量与所述风机的风轮转动切线方向的夹角,基于所述风轮转动切线方向的夹角,确定所述风机的风机尾迹信息;
基于每个风机的风机的风机尾迹信息,生成所述风机尾流模型。
根据本申请的一个实施例,所述获取整体风场气流图,所述基于所述整体风场气流图确定目标区域的风速数据,包括:
获取整体风场气流图;
对所述整体风场气流图进行分割解耦处理,得到中间数据;
基于所述中间数据,将整体风场中满足第一预设条件的区域确定为所述目标区域;基于所述目标区域确定所述目标区域的带有时间序列的风速数据。
根据本申请实施例的第二方面,提供一种基于智能传感器实时采集的三维风场建模装置,所述装置包括:
获取模块,用于获取整体风场气流图,基于所述整体风场气流图确定目标区域的风速数据;
输入模块,用于将所述风速数据输入至预设模型中,得到待修正的三维风场流量模型;
分析模块,用于获取风机信息,基于所述风机信息和所述风速数据进行风机叶片复杂流固耦合分析,得到分析结果;所述风机信息包括设置于所述目标区域的多个风机的风机子信息;
第一确定模块,用于基于所述分析结果、所述风速数据和所述风机信息,确定所述多个风机各自的机械转矩和电磁转矩;
输出模块,用于分别将多个风机各自的机械转矩和电磁转矩进行比对,基于比对结果输出所述多个风机各自的桨距角调整指令和偏航度调整指令;
第二确定模块,用于基于所述多个风机各自的桨距角调整指令和偏航度调整指令,确定风机尾流模型;
修正模块,用于将所述尾流模型与所述待修正的三维风场流量模型进行叠加处理,以得到修正后的三维风场流量模型。
根据本申请的一个实施例,所述输出模块包括:
比对子模块,用于针对每个风机,将所述风机的机械转矩和电磁转矩进行比对,得到比对结果;
第一输出子模块,用于响应于比对结果为所述机械转矩小于所述电磁转矩,输出偏航度调整指令,以使所述风机叶片受风面积增大;
第二输出子模块,用于响应于比对结果为所述机械转矩大于所述电磁转矩,输出桨距角调整指令,以使所述风机停止运行。
根据本申请的一个实施例,所述第二确定模块包括:
第一确定子模块,用于针对每个风机,基于所述风速数据、所述风机对应的所述桨距角调整指令和偏航度调整指令,确定风速矢量与所述风机的风轮转动切线方向的夹角,基于所述风轮转动切线方向的夹角,确定所述风机的风机尾迹信息;
生成子模块,用于基于每个风机的风机的风机尾迹信息,生成所述风机尾流模型。
根据本申请的一个实施例,所述获取模块,包括:
获取子模块,用于获取整体风场气流图;
处理子模块,用于对所述整体风场气流图进行分割解耦处理,得到中间数据;
第二确定子模块,用于基于所述中间数据,将整体风场中满足第一预设条件的区域确定为所述目标区域;基于所述目标区域确定所述目标区域的带有时间序列的风速数据。
根据本申请实施例的第三方面,提供一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如第一方面中任一项所述的方法。
根据本申请实施例的第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如第一方面中任一项所述的方法
本申请的实施例提供的技术方案至少带来以下有益效果:
通过获取整体风场气流图,基于整体风场气流图确定目标区域的风速数据;将风速数据输入至预设模型中,得到待修正的三维风场流量模型;获取风机信息,基于风机信息和风速数据进行风机叶片复杂流固耦合分析,得到分析结果;基于分析结果、风速数据和风机信息,确定多个风机各自的机械转矩和电磁转矩;分别将多个风机各自的机械转矩和电磁转矩进行比对,基于比对结果输出多个风机各自的桨距角调整指令和偏航度调整指令;基于多个风机各自的桨距角调整指令和偏航度调整指令,确定风机尾流模型;将尾流模型与待修正的三维风场流量模型进行叠加处理,以得到修正后的三维风场流量模型。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理,并不构成对本申请的不当限定。
图1为本申请实施例中的一种基于智能传感器实时采集的三维风场建模方法的流程图;
图2为本申请实施例中的一种基于智能传感器实时采集的三维风场建模装置的结构框图;
图3为本申请实施例中的一种电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本申请的技术方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
需要说明的是,风能资源评估是分析待评估区域长期的风能资源气象参数的过程。通过对当地的风速、风向、气温、气压、空气密度等观测参数分析处理,估算出风功率密度和有效年小时数等量化参数。通过风能资源评估可以确定区域的风能资源储量,为风电场选址、风力发电机组选型,机组排布方案的确定和电量计算提供参考依据。相比于陆上风电,海上水文气象观测数据缺失以及海上观测成本高、难度大等因素进一步提高了海上风能资源评估的技术难度。海上恶劣的开发环境极大地增加了风电项目开发的成本和风险,对海上风电的发展提出了更加严苛的技术要求。围绕海上风电开发过程中风能资源与海洋环境进行科学评估和准确预测是保障海上风电业务高质量发展的必由之路。
现有智能传感器如激光雷达等的采样频率和通信传输速度已经能够达到与高频的实时仿真器进行匹配,但目前激光雷达仅用于为控制***提供实测参数,数据无法直接接入实验室仿真***,导致采用平均理想风速得出的仿真结果与复杂多变的实际环境不符,实际控制***在复杂风况下只能采取最简单但最不经济的停机处理,仿真环境下又无法准确拟合实际复杂多变的风资源情况。气象站及传感器采集的风资源数据含有众多扰流影响,且海上风场各区域风况不同导致各区域间的风机出力情况不同,现有的风场建模无法准确对多分区多尺度风场模型进行详细建模。大型风电场建立与运行以后,无疑将改变原有的局地近地层大气运动特征,近地层大气运动的改变进而产生对整个大气边界层中动量、热量和水汽输送的影响。大规模发展近海风电对局地的风速、温度、降水和湍流强度等会有一定的影响。当前很多预测方法都只将风速或风电功率单一变量作为输入数据,但风能还受周围环境因素、物理因素、风机本体流固耦合等影响,给综合复杂风资源的准确建模造成难度。
基于上述问题,本申请提出了一种基于智能传感器实时采集的三维风场建模方法及装置,可以实现通过获取整体风场气流图,基于整体风场气流图确定目标区域的风速数据;将风速数据输入至预设模型中,得到待修正的三维风场流量模型;获取风机信息,基于风机信息和风速数据进行风机叶片复杂流固耦合分析,得到分析结果;基于分析结果、风速数据和风机信息,确定多个风机各自的机械转矩和电磁转矩;分别将多个风机各自的机械转矩和电磁转矩进行比对,基于比对结果输出多个风机各自的桨距角调整指令和偏航度调整指令;基于多个风机各自的桨距角调整指令和偏航度调整指令,确定风机尾流模型;将尾流模型与待修正的三维风场流量模型进行叠加处理,以得到修正后的三维风场流量模型。
图1为本申请实施例中的一种基于智能传感器实时采集的三维风场建模方法的流程图。
如图1所示,该基于智能传感器实时采集的三维风场建模方法包括:
步骤101,获取整体风场气流图,基于整体风场气流图确定目标区域的风速数据。
在本申请一些实施例中,步骤101包括:
步骤a1,获取整体风场气流图。
可选的,整体风场气流图可以是通过整体风场内的智能传感器对风场气流数据进行采集得到的。
步骤a2,对整体风场气流图进行分割解耦处理,得到中间数据。
步骤a3,基于中间数据,将整体风场中满足第一预设条件的区域确定为目标区域;基于目标区域确定目标区域的带有时间序列的风速数据。
可以理解的是,上述整体风场气流图中包括整体风场的带有时间序列的风速数据。
作为一种可能实施方式的示例,对整体风场气流图进行分割解耦处理得到中间数据,在中间数据中,获取满足第一预设条件的区域确定为目标区域,基于目标区域确定目标区域的带有时间序列的风速数据。
可选的,上述第一预设条件可以是目标区域为一定风场范围内含有风速叠加效应的区域。
步骤102,将风速数据输入至预设模型中,得到待修正的三维风场流量模型。
作为一种可能实施方式的示例,上述预设模型可以通过以下方式得到:根据代表年数据中的海面各区域平均风速及平均风功率密度,将海上风场中的不同风速区域进行划分。在任意一区域中设定固定的风场规模包括区域面积、风机数量、预测输出功率及风机排布点位。根据有限元建模方法将该区域以风量分辨率要求为基准进行抛分,划分为一定密度和数量的网格,并且指定该区域中风的入口及正风向。
步骤103,获取风机信息,基于风机信息和风速数据进行风机叶片复杂流固耦合分析,得到分析结果。
其中,在本申请实施例中,风机信息包括设置于目标区域的多个风机的风机子信息。
作为一种可能实施方式的示例,基于风机信息,获取风机机位及风机本体各高度层,在风速数据中分解出与风机机位及风机本体各高度层对应的带有时间序列的风速矢量。基于上述带有时间序列的风速矢量进行风机叶片复杂流固耦合分析计算。
步骤104,基于分析结果、风速数据和风机信息,确定多个风机各自的机械转矩和电磁转矩。
其中,在本申请实施例中,机械转矩Topt可以通过以下公式计算得到:
其中,ωg为风力发电机的旋转角速度,R为叶轮半径,n为齿轮箱传动比,Kopt为转矩的最佳控制系数,CPmax为最大风能利用系数。
其中,在本申请实施例中,电磁转矩为将风力发电机本体在叶轮及传动轴带动下以一定转速切割磁力线产生的电磁转矩。
步骤105,分别将多个风机各自的机械转矩和电磁转矩进行比对,基于比对结果输出多个风机各自的桨距角调整指令和偏航度调整指令。
在本申请一些实施例中,步骤105包括:
步骤b1,针对每个风机,将风机的机械转矩和电磁转矩进行比对,得到比对结果。
步骤b2,响应于比对结果为机械转矩小于电磁转矩,输出偏航度调整指令,以使风机叶片受风面积增大。
作为一种可能实施方式的示例,响应于比对结果为机械转矩大于电磁转矩,说明风能太小带不动风机转动或能带动但发电量太少,发电机一方面主动励磁调整电机运行工作点保持最佳叶尖速比以获得最大风能,另一方面,风机主控发偏航指令,根据风向仪采集的风向进行偏航操作,增大叶片受风面积。
步骤b3,响应于比对结果为机械转矩大于电磁转矩,输出桨距角调整指令,以使风机停止运行。
作为一种可能实施方式的示例,响应于比对结果为机械转矩大于电磁转矩,风能太大导致风机时速或超过额定转速造成发电频率升高,发电机达到功率极限或载荷极限时,发送变桨指令,调整桨距角至90°顺桨,叶片不再捕获风能,转速降为0,避免强风损坏风机,风力机将被锁定进入停机模式。
步骤106,基于多个风机各自的桨距角调整指令和偏航度调整指令,确定风机尾流模型。
在本申请一些实施例中,步骤106包括:
步骤c1,针对每个风机,基于风速数据、风机对应的桨距角调整指令和偏航度调整指令,确定风速矢量与风机的风轮转动切线方向的夹角,基于风轮转动切线方向的夹角,确定风机的风机尾迹信息。
作为一种可能实施方式的示例,针对每个风机,基于风速数据、风机对应的桨距角调整指令和偏航度调整指令,确定风速矢量与风机的风轮转动切线方向的夹角θ,并通过以下公式计算涡丝流速vθ:
其中,其中Γ为涡丝环量,α表示速度矢量与该点切线方向的夹角,J为流体的涡通量,r为叶片半径,l为距叶根处距离,v为距叶根l处风速,根据Stokes定理,在涡流场中,沿任意封闭周线的速度环量等于通过该周线所包围曲面面积的漩涡强度。涡丝流速即为风机尾迹信息,可以基于风机尾迹信息生成风机尾流模型。
步骤c2,基于每个风机的风机的风机尾迹信息,生成风机尾流模型。
作为一种可能实施的示例,基于每个风机的风机的风机尾迹信息,生成每个风机各自的微观尺度的风机尾流模型采用控制体积法的非线性尾流模型。对单机尾流场进行分析,假设u0、u分别为风机前、风机后距离风机x处的风速,D0为风轮直径;Da、D分别为风机后、机理风机x处的尾流直径。根据欧拉输送公式以及动能定理:
其中,CT为推力系数,A0、A为风机下游尾流面积,
单台风机尾流影响直径选取非线性扩张模型:
D(x)=(b+tx)1/nD0
其中,非线性方程组算子b=[(2-a)/(2-2a)]3/2;t={[CT/(2c-2c2)]3/2-b}/(mD0)。
综上,风机尾流影响直径选取非线性扩张模型:
对于任意选定的风机,其推力系数CT与工作风速u的关系可设为CT=f(u),该函数即为单台风机非线性扩张尾流模型的数学表达式。
作为一种可能实施的示例,可以根据风机的位置对每个风机各自的风机尾流模型进行叠加,以得到整体的风机尾流模型。
举例来说,响应于第n太风机处于目标区域的边缘位置,则第n台风机处轴向排布的尾流风速un通过以下公式计算得到:
u13(u1-u13)A13+…+un-1,n(un-1-un-1,n)An-1,n=un(un-u1)An即第n台风机的尾流风速主要受上游第n-1台风机的影响,上游的n-2台风机只影响该风机尾流边界的尾流恢复速度不直接影响其风速。其中,u13为上游风机1在风机3处的尾流风速,A13为上游风机1在风机3处的尾流影响面积。
响应于第n太风机处于目标区域的非边缘位置,则第n台风机处轴向排布的尾流风速un通过以下公式计算得到:
即对于第n台风机,上游n-1台风机的尾流影响对其造成的影响均是直接的,对风速的影响起着相同的作用。式中为平均风速,为第n-2台风机与第n-1台风机的重叠面积
步骤107,将尾流模型与待修正的三维风场流量模型进行叠加处理,以得到修正后的三维风场流量模型。采用结合了有限元多体动力学计算的风资源建模,将风机空气动力学与结构动力学的复杂流固耦合特性对风流场产生的影响因素作为修正量计入了宏观尺度下整体风流场的三维建模。
根据本申请实施例的基于智能传感器实时采集的三维风场建模方法,通过获取整体风场气流图,基于整体风场气流图确定目标区域的风速数据;将风速数据输入至预设模型中,得到待修正的三维风场流量模型;获取风机信息,基于风机信息和风速数据进行风机叶片复杂流固耦合分析,得到分析结果;基于分析结果、风速数据和风机信息,确定多个风机各自的机械转矩和电磁转矩;分别将多个风机各自的机械转矩和电磁转矩进行比对,基于比对结果输出多个风机各自的桨距角调整指令和偏航度调整指令;基于多个风机各自的桨距角调整指令和偏航度调整指令,确定风机尾流模型;将尾流模型与待修正的三维风场流量模型进行叠加处理,以得到修正后的三维风场流量模型。采用目标风机实测数据与气象站观测数据结合的实际风况输入更能够反应风机和风场真实的受风情况,特别是数值计算无法拟合的复杂自由涡、机组间尾流的精确建模,从而提高了建立三维风场流量模型的精确性。
图2为本申请实施例中的一种基于智能传感器实时采集的三维风场建模装置的结构框图。
如图2所示,该基于智能传感器实时采集的三维风场建模装置包括:
获取模块201,用于获取整体风场气流图,基于整体风场气流图确定目标区域的风速数据;
输入模块202,用于将风速数据输入至预设模型中,得到待修正的三维风场流量模型;
分析模块203,用于获取风机信息,基于风机信息和风速数据进行风机叶片复杂流固耦合分析,得到分析结果;风机信息包括设置于目标区域的多个风机的风机子信息;
第一确定模块204,用于基于分析结果、风速数据和风机信息,确定多个风机各自的机械转矩和电磁转矩;
输出模块205,用于分别将多个风机各自的机械转矩和电磁转矩进行比对,基于比对结果输出多个风机各自的桨距角调整指令和偏航度调整指令;
第二确定模块206,用于基于多个风机各自的桨距角调整指令和偏航度调整指令,确定风机尾流模型;
修正模块207,用于将尾流模型与待修正的三维风场流量模型进行叠加处理,以得到修正后的三维风场流量模型。
在本申请一些实施例中,输出模块包括:
比对子模块,用于针对每个风机,将风机的机械转矩和电磁转矩进行比对,得到比对结果;
第一输出子模块,用于响应于比对结果为机械转矩小于电磁转矩,输出偏航度调整指令,以使风机叶片受风面积增大;
第二输出子模块,用于响应于比对结果为机械转矩大于电磁转矩,输出桨距角调整指令,以使风机停止运行。
在本申请一些实施例中,第二确定模块包括:
第一确定子模块,用于针对每个风机,基于风速数据、风机对应的桨距角调整指令和偏航度调整指令,确定风速矢量与风机的风轮转动切线方向的夹角,基于风轮转动切线方向的夹角,确定风机的风机尾迹信息;
生成子模块,用于基于每个风机的风机的风机尾迹信息,生成风机尾流模型。
在本申请一些实施例中,获取模块,包括:
获取子模块,用于获取整体风场气流图;
处理子模块,用于对整体风场气流图进行分割解耦处理,得到中间数据;
第二确定子模块,用于基于中间数据,将整体风场中满足第一预设条件的区域确定为目标区域;基于目标区域确定目标区域的带有时间序列的风速数据。
根据本申请实施例的基于智能传感器实时采集的三维风场建模装置,通过获取整体风场气流图,基于整体风场气流图确定目标区域的风速数据;将风速数据输入至预设模型中,得到待修正的三维风场流量模型;获取风机信息,基于风机信息和风速数据进行风机叶片复杂流固耦合分析,得到分析结果;基于分析结果、风速数据和风机信息,确定多个风机各自的机械转矩和电磁转矩;分别将多个风机各自的机械转矩和电磁转矩进行比对,基于比对结果输出多个风机各自的桨距角调整指令和偏航度调整指令;基于多个风机各自的桨距角调整指令和偏航度调整指令,确定风机尾流模型;将尾流模型与待修正的三维风场流量模型进行叠加处理,以得到修正后的三维风场流量模型。采用目标风机实测数据与气象站观测数据结合的实际风况输入更能够反应风机和风场真实的受风情况,特别是数值计算无法拟合的复杂自由涡、机组间尾流的精确建模,从而提高了建立三维风场流量模型的精确性。
图3为本申请实施例中的一种电子设备的框图。如图3所示,该电子设备可以包括:收发器31、处理器32、存储器33。
处理器32执行存储器存储的计算机执行指令,使得处理器32执行上述实施例中的方案。处理器32可以是通用处理器,包括中央处理器CPU、网络处理器(network processor,NP)等;还可以是数字信号处理器DSP、专用集成电路ASIC、现场可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器33通过***总线与处理器32连接并完成相互间的通信,存储器33用于存储计算机程序指令。
收发器31可以用于获取待运行任务和待运行任务的配置信息。
***总线可以是外设部件互连标准(peripheral component interconnect,PCI)总线或扩展工业标准结构(extended industry standard architecture,EISA)总线等。***总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。收发器用于实现数据库访问装置与其他计算机(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(randomaccess memory,RAM),也可能还包括非易失性存储器(non-volatile memory)。
本申请实施例提供的电子设备,可以是上述实施例的终端设备。
本申请实施例还提供一种运行指令的芯片,该芯片用于执行上述实施例中消息处理方法的技术方案。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机指令,当该计算机指令在计算机上运行时,使得计算机执行上述实施例消息处理方法的技术方案。
本申请实施例还提供一种计算机程序产品,该计算机程序产品包括计算机程序,其存储在计算机可读存储介质中,至少一个处理器可以从计算机可读存储介质读取计算机程序,至少一个处理器执行计算机程序时可实现上述实施例中消息处理方法的技术方案。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (10)
1.一种基于智能传感器实时采集的三维风场建模方法,其特征在于,所述方法包括:
获取整体风场气流图,基于所述整体风场气流图确定目标区域的风速数据;
将所述风速数据输入至预设模型中,得到待修正的三维风场流量模型;
获取风机信息,基于所述风机信息和所述风速数据进行风机叶片复杂流固耦合分析,得到分析结果;所述风机信息包括设置于所述目标区域的多个风机的风机子信息;
基于所述分析结果、所述风速数据和所述风机信息,确定所述多个风机各自的机械转矩和电磁转矩;
分别将多个风机各自的机械转矩和电磁转矩进行比对,基于比对结果输出所述多个风机各自的桨距角调整指令和偏航度调整指令;
基于所述多个风机各自的桨距角调整指令和偏航度调整指令,确定风机尾流模型;
将所述尾流模型与所述待修正的三维风场流量模型进行叠加处理,以得到修正后的三维风场流量模型。
2.根据权利要求1所述的方法,其特征在于,所述分别将多个风机各自的机械转矩和电磁转矩进行比对,基于比对结果输出所述多个风机各自的桨距角调整指令和偏航度调整指令,包括:
针对每个风机,将所述风机的机械转矩和电磁转矩进行比对,得到比对结果;
响应于比对结果为所述机械转矩小于所述电磁转矩,输出偏航度调整指令,以使所述风机叶片受风面积增大;
响应于比对结果为所述机械转矩大于所述电磁转矩,输出桨距角调整指令,以使所述风机停止运行。
3.根据权利要求1所述的方法,其特征在于,所述基于所述多个风机各自的桨距角调整指令和偏航度调整指令,确定风机尾流模型,包括:
针对每个风机,基于所述风速数据、所述风机对应的所述桨距角调整指令和偏航度调整指令,确定风速矢量与所述风机的风轮转动切线方向的夹角,基于所述风轮转动切线方向的夹角,确定所述风机的风机尾迹信息;
基于每个风机的风机的风机尾迹信息,生成所述风机尾流模型。
4.根据权利要求1所述的方法,其特征在于,所述获取整体风场气流图,所述基于所述整体风场气流图确定目标区域的风速数据,包括:
获取整体风场气流图;
对所述整体风场气流图进行分割解耦处理,得到中间数据;
基于所述中间数据,将整体风场中满足第一预设条件的区域确定为所述目标区域;基于所述目标区域确定所述目标区域的带有时间序列的风速数据。
5.一种基于智能传感器实时采集的三维风场建模装置,其特征在于,所述装置包括:
获取模块,用于获取整体风场气流图,基于所述整体风场气流图确定目标区域的风速数据;
输入模块,用于将所述风速数据输入至预设模型中,得到待修正的三维风场流量模型;
分析模块,用于获取风机信息,基于所述风机信息和所述风速数据进行风机叶片复杂流固耦合分析,得到分析结果;所述风机信息包括设置于所述目标区域的多个风机的风机子信息;
第一确定模块,用于基于所述分析结果、所述风速数据和所述风机信息,确定所述多个风机各自的机械转矩和电磁转矩;
输出模块,用于分别将多个风机各自的机械转矩和电磁转矩进行比对,基于比对结果输出所述多个风机各自的桨距角调整指令和偏航度调整指令;
第二确定模块,用于基于所述多个风机各自的桨距角调整指令和偏航度调整指令,确定风机尾流模型;
修正模块,用于将所述尾流模型与所述待修正的三维风场流量模型进行叠加处理,以得到修正后的三维风场流量模型。
6.根据权利要求5所述的装置,其特征在于,所述输出模块包括:
比对子模块,用于针对每个风机,将所述风机的机械转矩和电磁转矩进行比对,得到比对结果;
第一输出子模块,用于响应于比对结果为所述机械转矩小于所述电磁转矩,输出偏航度调整指令,以使所述风机叶片受风面积增大;
第二输出子模块,用于响应于比对结果为所述机械转矩大于所述电磁转矩,输出桨距角调整指令,以使所述风机停止运行。
7.根据权利要求5所述的装置,其特征在于,所述第二确定模块包括:
第一确定子模块,用于针对每个风机,基于所述风速数据、所述风机对应的所述桨距角调整指令和偏航度调整指令,确定风速矢量与所述风机的风轮转动切线方向的夹角,基于所述风轮转动切线方向的夹角,确定所述风机的风机尾迹信息;
生成子模块,用于基于每个风机的风机的风机尾迹信息,生成所述风机尾流模型。
8.根据权利要求5所述的装置,其特征在于,所述获取模块,包括:
获取子模块,用于获取整体风场气流图;
处理子模块,用于对所述整体风场气流图进行分割解耦处理,得到中间数据;
第二确定子模块,用于基于所述中间数据,将整体风场中满足第一预设条件的区域确定为所述目标区域;基于所述目标区域确定所述目标区域的带有时间序列的风速数据。
9.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1-4中任一项所述的方法。
10.一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中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211640366.6A CN116050201B (zh) | 2022-12-20 | 2022-12-20 | 基于智能传感器实时采集的三维风场建模方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211640366.6A CN116050201B (zh) | 2022-12-20 | 2022-12-20 | 基于智能传感器实时采集的三维风场建模方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116050201A true CN116050201A (zh) | 2023-05-02 |
CN116050201B CN116050201B (zh) | 2024-05-31 |
Family
ID=86121471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211640366.6A Active CN116050201B (zh) | 2022-12-20 | 2022-12-20 | 基于智能传感器实时采集的三维风场建模方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116050201B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222938A (zh) * | 2011-06-22 | 2011-10-19 | 中国农业大学 | 直驱风电机组电压-频率综合控制方法 |
CN102797629A (zh) * | 2012-08-03 | 2012-11-28 | 国电联合动力技术有限公司 | 一种风电机组的控制方法、控制器及其控制*** |
US20160285252A1 (en) * | 2013-10-31 | 2016-09-29 | General Electric Company | System and method for controlling wind power generation systems |
CN108167120A (zh) * | 2017-12-11 | 2018-06-15 | 浙江大学 | 一种变速风力发电机组的变桨变矩联合控制方法 |
CN115186861A (zh) * | 2022-05-09 | 2022-10-14 | 中国海洋大学 | 基于数字孪生的风电场动态扇区管理优化方法及*** |
-
2022
- 2022-12-20 CN CN202211640366.6A patent/CN116050201B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222938A (zh) * | 2011-06-22 | 2011-10-19 | 中国农业大学 | 直驱风电机组电压-频率综合控制方法 |
CN102797629A (zh) * | 2012-08-03 | 2012-11-28 | 国电联合动力技术有限公司 | 一种风电机组的控制方法、控制器及其控制*** |
US20160285252A1 (en) * | 2013-10-31 | 2016-09-29 | General Electric Company | System and method for controlling wind power generation systems |
CN108167120A (zh) * | 2017-12-11 | 2018-06-15 | 浙江大学 | 一种变速风力发电机组的变桨变矩联合控制方法 |
CN115186861A (zh) * | 2022-05-09 | 2022-10-14 | 中国海洋大学 | 基于数字孪生的风电场动态扇区管理优化方法及*** |
Non-Patent Citations (5)
Title |
---|
XIANZHENG LIU 等: ""Aerodynamic model of wind turbine considering yaw error"", 《2015 IEEE INTERNATIONAL CONFERENCE ON INFORMATION AND AUTOMATION》, 1 October 2015 (2015-10-01), pages 2621 - 2625 * |
吴昊 等: ""偏航与变桨工况对风力机尾流特性影响研究"", 《能源研究与利用》, vol. 1, 31 January 2022 (2022-01-31), pages 14 - 18 * |
季虹达: ""基于激光测风雷达的风电机舱前馈控制与风功率性能研究"", 《中国优秀硕士学位论文全文数据库(信息科技辑)》, 15 February 2022 (2022-02-15), pages 1 - 74 * |
李冰: ""风电场精细化实时仿真技术研究"", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, 15 December 2021 (2021-12-15), pages 1 - 83 * |
杨鑫: ""大型风电机组偏航运行机制数值仿真与现场数据分析"", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, 15 February 2021 (2021-02-15), pages 1 - 88 * |
Also Published As
Publication number | Publication date |
---|---|
CN116050201B (zh) | 2024-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Larsen et al. | Validation of the dynamic wake meander model for loads and power production in the Egmond aan Zee wind farm | |
Mo et al. | CFD Investigation on the aerodynamic characteristics of a small-sized wind turbine of NREL PHASE VI operating with a stall-regulated method | |
CN105844361B (zh) | 风电机组风功率预测方法、解缆方法和装置 | |
Creech et al. | Simulations of an offshore wind farm using large-eddy simulation and a torque-controlled actuator disc model | |
CN111120205B (zh) | 基于激光雷达的风电场区域化控制方法 | |
Foti et al. | Wake meandering of a model wind turbine operating in two different regimes | |
Mo et al. | Numerical simulation for prediction of aerodynamic noise characteristics on a HAWT of NREL phase VI | |
CN103061980A (zh) | 基于激光测风雷达的风力发电机组的前馈控制***及其控制方法 | |
CN107045574B (zh) | 基于svr的风力发电机组低风速段有效风速估计方法 | |
CN109992889B (zh) | 风电场模型的建立方法及***、尾流值计算方法及*** | |
CN110761958B (zh) | 风力发电机组的叶片失速诊断方法及装置 | |
Krüger et al. | Validation of a coupled atmospheric-aeroelastic model system for wind turbine power and load calculations | |
CN111472930B (zh) | 演化风速计算方法及基于该方法的前馈统一变桨控制方法 | |
CN106951977B (zh) | 一种基于尾流效应的风速预测模型的构建方法 | |
Neunaber et al. | Leading effect for wind turbine wake models | |
Melani et al. | A robust procedure to implement dynamic stall models into actuator line methods for the simulation of vertical-axis wind turbines | |
Campagnolo et al. | Wind tunnel testing of yaw by individual pitch control applied to wake steering | |
CN116050201B (zh) | 基于智能传感器实时采集的三维风场建模方法及装置 | |
Astolfi et al. | Data-driven methods for the analysis of wind turbine yaw control optimization | |
CN116306337A (zh) | 基于泛在电力物联网的风力发电实时功率预测方法及装置 | |
Dallas et al. | Control-oriented modelling of wind direction variability | |
Mahmoodi et al. | A new correlation on the MEXICO experiment using a 3D enhanced blade element momentum technique | |
CN110008583B (zh) | 风电场中风资源情况的预测方法及*** | |
Cavazzini et al. | Machine learning-aided assessment of wind turbine energy losses due to blade leading edge damage | |
CN117272869B (zh) | 一种兼顾风力机近尾流和远尾流特性的全尾流解析方法 |
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 |