CN105574610A - 一种风力发电机组优化启动控制方法 - Google Patents
一种风力发电机组优化启动控制方法 Download PDFInfo
- Publication number
- CN105574610A CN105574610A CN201510923735.6A CN201510923735A CN105574610A CN 105574610 A CN105574610 A CN 105574610A CN 201510923735 A CN201510923735 A CN 201510923735A CN 105574610 A CN105574610 A CN 105574610A
- Authority
- CN
- China
- Prior art keywords
- wind
- moment
- kalman filtering
- equation
- 10min
- 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 26
- 238000001914 filtration Methods 0.000 claims abstract description 26
- 238000012731 temporal analysis Methods 0.000 claims abstract description 5
- 238000000700 time series analysis Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000012546 transfer Methods 0.000 claims description 4
- 230000005284 excitation Effects 0.000 claims description 2
- 230000001932 seasonal effect Effects 0.000 claims description 2
- 230000009897 systematic effect Effects 0.000 claims description 2
- 238000010248 power generation Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 abstract 1
- 230000002035 prolonged effect Effects 0.000 abstract 1
- 238000012360 testing method Methods 0.000 description 8
- 230000007423 decrease Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H02J3/386—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
-
- 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
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开了一种风力发电机组优化启动控制方法,该方法利用时间序列分析法建立风速序列的AR(p)模型,利用卡尔曼滤波算法得到未来10min风速的预测值,再将前10min的平均风速与后10min预测风速相结合来作为执行风机启动动作的依据,充分保证了风机启动后的发电能力,减少了小风速季节风机的不合理启动,延长了设备寿命,提高了设备可用率,减少了自耗电,提高了发电量。
Description
技术领域:
本发明属于电力系统风力发电技术领域,具体涉及一种风力发电机组优化启动控制方法。
背景技术:
随着我国风电技术的发展和对开发利用可再生能源的重视,风力发电近几年在我国得到了飞速发展,其中2012年全国累计安装风电机组53764台,装机容量75324.2MW,2013年全国累计装机容量91412.89MW,截止2014年12月,全国累计安装风电机组76241台,累计装机容量114609MW。
风电装机容量的增大势必对风电机组的利用效率和可靠性提出更高的要求。由于风速、风向总是频繁变化的且具有随机性,风电机组长期工作在交变载荷的作用下,工作环境恶劣,从而使机组在运行过程中故障率增高,性能下降,发电量减少。为提高机组发电量、降低故障率,各种有效地风电机组控制策略、算法被提出,但多集中于风力机控制、发电机控制、并网控制和偏航控制,风力发电机的启动控制却未能取得有效发展。
现行的风力发电机组启动并网的控制策略为:首先,风电机组在自检正常的情况下,叶轮处于自由运动状态,当连续10min风速在风力发电机组运行风速的范围内(3m/s<v<25m/s)且叶轮正对风向时,桨距角控制器调节叶片桨距角,使风力发电机组启动,发电机开始加速,当发电机空载转速保持在切入转速时,变流器对励磁电流幅值、相位和频率进行控制,使得发电机定子空载电压和电网电压同频率、同相位、同幅值,此时闭合并网接触器实现并网。
上述的控制机组启动的依据是前10min的平均风速,并未考虑未来的风速。在小风速季节,有可能前10min的平均风速已经达到切入风速,在机组启动后又降到切入风速以下,从而出现机组没有并网就停机,或频繁启停、频繁并网脱网的情况。这类启动没有带来多少发电量,反而增加了机组的自耗电和设备疲劳损耗,使故障率升高。因此需合理规划小风期风机启动的时机,减少不合理启动,取得在发电量、设备寿命和自耗电三者之间的平衡。
发明内容:
本发明的目的在于针对上述风机启动控制策略在小风期的不足,提出了一种风力发电机组优化启动控制方法,该方法利用时间序列分析法建立风速序列的AR(p)模型,利用卡尔曼滤波算法得到未来10min风速的预测值,再将前10min的平均风速与后10min预测风速相结合来作为执行风机启动动作的依据,充分保证了风机启动后的发电能力,减少了小风速季节风机的不合理启动,延长了设备寿命,提高了设备可用率,减少了自耗电,提高了发电量。
为达到上述目的,本发明采用如下技术方案来实现的:
一种风力发电机组优化启动控制方法,用于小风速季节风电机组的优化启动控制,包括以下步骤:
1)采集风速历史数据库,每隔10min求一次风速平均值,将此平均值设为样本点,共取得N个样本点{x(k)},k=1,2,…,N.
2)基于时间序列分析法建立风速数据的AR(p)模型,AR(p)模型的表达式如下:
其中:
w(k)为零均值且方差为σ2的白噪声;为所建模型的待估系数;q-1、q-p分别为单位滞后算子和p阶滞后算子;利用AIC准则确定模型阶数p,利用矩估计法确定参数i=1,2,3,…,p;
3)基于AR(p)模型,建立卡尔曼滤波算法的状态方程和测量方程,如下:
其中,X(k+1)为k+1时刻的状态向量;F为系统状态转移矩阵;Γ为激励转移矩阵;Z(k+1)为k+1时刻的观测向量;H为测量系统的观测状态矩阵;w(k+1)和v(k+1)分别为过程白噪声向量和测量白噪声向量,协方差矩阵分别为Q和R;
根据式(1)和式(2)可得:
将式(4)变形为:
令x1(k)=x(k),x2(k)=x(k-1),…,xp(k)=x(k-p+1),则有
由于x2(k+1)=x1(k),x3(k+1)=x2(k),…,xp(k+1)=xp-1(k),因此可得:
根据上述状态方程,建立如下观测方程:
其中,v(k+1)为观测噪声;式(7)和式(8)即为卡尔曼滤波的状态方程和观测方程;
4)利用卡尔曼滤波算法对风速序列进行在线滤波,其中卡尔曼滤波的递推方程如下:
X(k+1|k)=F·X(k|k)(9)
P(k+1|k)=F·P(k|k)·FT+ΓQΓT(10)
K(k+1)=P(k+1|k)HT[H·P(k+1|k)·HT+R]-1(11)
X(k+1|k+1)=X(k+1|k)+K(k+1)[Z(k+1)-H·X(k+1|k)](12)
P(k+1|k+1)=[I-K(k+1)·H]·P(k+1|k)(13)
其中,X(k+1|k)表示在k时刻对k+1时刻的状态预测,P(k+1|k)表示预测值X(k+1|k)的预测误差协方差矩阵;K(k+1)为卡尔曼增益矩阵;X(k+1|k+1)为k+1时刻的测量值Z(k+1)对状态预测值X(k+1|k)的更新,为系统状态的最优估计;P(k+1|k+1)为X(k+1|k+1)的估计误差协方差矩阵;I为单位矩阵;
5)卡尔曼滤波中X(k+1|k)中的分量x1(k+1|k)即为下一个10min的平均风速预测值,将其与k时刻前10min的实际平均风速求平均值vave(k),若vave(k)>3m/s,风机在k时刻开桨启动;若vave(k)<3m/s,风机在k时刻不执行启动动作。
本发明进一步的改进在于:在步骤4)中,为了使卡尔曼滤波尽快收敛,取初值X[0|0]为滤波开始前p个采样点构成的向量,P[0|0]=10I,Q=I,R=I。
本发明进一步的改进在于:在步骤5)中,首先判断卡尔曼滤波是否收敛,判断方法为:若k>ks时,||X(k|k)-Z(k)||≤εm/s,则认为卡尔曼滤波已经收敛,ε表示状态估计值X(k|k)与实际测量值Z(k)的允许偏差范围,取值为(0,1]。
与现有技术比较,本发明根据风速序列的AR(p)模型建立卡尔曼滤波方程的状态方程和测量方程后,根据步骤4)和步骤5)判断风机在时刻k是否应该启动。经过测量和计算得到下一个10min的平均风速后,依据式(8)建立Z(k+1),通过式(11)~式(13)对X(k+1|k)和P(k+1|k)进行更新,得到第k+1个样本点的最优状态估计X(k+1|k+1)和协方差矩阵P(k+1|k+1),再根据式(9)和式(10)计算X(k+2|k+1)和协方差矩阵P(k+2|k+1),将X(k+2|k+1)中的分量x1(k+2|k+1)与k+1时刻前10min的实际平均风速求平均值vave(k+1),从而判断风机在第k+1时刻是否启动。依次递推,可在线判断风机在当前时刻是否应该启动。
因此,具有以下有益的技术效果:
1)在小风期可以保证机组启动后的发电能力,避免了机组启动后不发电或者频繁并网脱网的状态,减少了不合理启动;
2)大大减少设备的疲劳损耗,从而减少设备故障率,延长使用寿命,减少备品备件的消耗和检修维护工作量;
3)减少风力发电机组的自耗电量,为风电场节约成本;
4)提高机组可利用率,保证机组在大风时段的发电能力,从而提高机组的总体发电量。
附图说明:
图1为本发明基于风速预测的风力发电机组优化启动控制方法流程图。
具体实施方式:
如图1所示,下面结合某风电场2015年8月份小风期某机型风力发电机组的优化启动控制实例对本发明进一步进行详细说明。
1)选取3台启动次数高、耗电量高、故障率高的机组为试验机组。试验机组号:D-05、E-19、F-26。
2)采集试验机组8月份前5天的风速数据,每10min平均风速作为一个样本点,共720个样本点,利用时间序列分析法分别建立其风速序列的AR(p)模型。
D-05风速序列模型:
x(k+1)=0.548x(k)+0.169x(k-1)-0.0078x(k-2)+0.2487x(k-3)+w(k)
E-19风速序列模型:
x(k+1)=0.768x(k)-0.2453x(k-1)+0.0078x(k-2)+w(k)
F-26风速序列模型:
x(k+1)=0.698x(k)+0.3753x(k-1)+0.0102x(k-2)-0.1645x(k-3)+w(k)
3)利用试验机组风速序列的AR(p)模型,建立其卡尔曼滤波的状态方程和测量方程。
D-05的卡尔曼状态方程和测量方程:
E-19的卡尔曼状态方程和测量方程:
F-26的卡尔曼状态方程和测量方程:
4)取初值X[0|0]为滤波开始前p个采样点构成的向量,P[0|0]=10I,Q=I,R=I,根据式(9)~式(13)对三个试验机组的风速序列进行在线卡尔曼滤波。
5)设ε=0.1m/s,当||X(k|k)-Z(k)||≤0.1m/s时,即认为卡尔曼滤波已经收敛。取X(k+1|k)中的分量x1(k+1|k)与前10min的实际平均风速求平均值vave(k)。若vave(k)>3m/s,风机开桨启动;若vave(k)<3m/s,风机不执行启动动作。依次递推,在线判断风机在当前风况下是否启动。
6)统计试验机组在2015年8月的启动次数、故障指标、耗电量、发电量,并与2014年8月的数据进行对比,结果见表1和表2。
表1试验机组采用优化启动控制前后故障指标对比
表2试验机组采用优化启动控制前后耗电量和发电量对比
从表1和表2可以看出,进行启动控制优化调整后试验机组的启动次数、故障停机次数、故障停机时间、耗电量均有所减少,发电量有所增加。可见,进行优化启动控制后减少了风机的启机次数,从而减少了耗电量和设备损耗,降低了风机故障停机次数、故障停机时间,提高了设备可靠性,增加了发电量。
Claims (3)
1.一种风力发电机组优化启动控制方法,其特征在于,用于小风速季节风电机组的优化启动控制,包括以下步骤:
1)采集风速历史数据库,每隔10min求一次风速平均值,将此平均值设为样本点,共取得N个样本点{x(k)},k=1,2,…,N.
2)基于时间序列分析法建立风速数据的AR(p)模型,AR(p)模型的表达式如下:
其中:
w(k)为零均值且方差为σ2的白噪声;为所建模型的待估系数;q-1、q-p分别为单位滞后算子和p阶滞后算子;利用AIC准则确定模型阶数p,利用矩估计法确定参数i=1,2,3,…,p;
3)基于AR(p)模型,建立卡尔曼滤波算法的状态方程和测量方程,如下:
其中,X(k+1)为k+1时刻的状态向量;F为系统状态转移矩阵;Γ为激励转移矩阵;Z(k+1)为k+1时刻的观测向量;H为测量系统的观测状态矩阵;w(k+1)和v(k+1)分别为过程白噪声向量和测量白噪声向量,协方差矩阵分别为Q和R;
根据式(1)和式(2)可得:
将式(4)变形为:
令x1(k)=x(k),x2(k)=x(k-1),…,xp(k)=x(k-p+1),则有
由于x2(k+1)=x1(k),x3(k+1)=x2(k),…,xp(k+1)=xp-1(k),因此可得:
根据上述状态方程,建立如下观测方程:
其中,v(k+1)为观测噪声;式(7)和式(8)即为卡尔曼滤波的状态方程和观测方程;
4)利用卡尔曼滤波算法对风速序列进行在线滤波,其中卡尔曼滤波的递推方程如下:
X(k+1|k)=F·X(k|k)(9)
P(k+1|k)=F·P(k|k)·FT+ΓQΓT(10)
K(k+1)=P(k+1|k)HT[H·P(k+1|k)·HT+R]-1(11)
X(k+1|k+1)=X(k+1|k)+K(k+1)[Z(k+1)-H·X(k+1|k)](12)
P(k+1|k+1)=[I-K(k+1)·H]·P(k+1|k)(13)
其中,X(k+1|k)表示在k时刻对k+1时刻的状态预测,P(k+1|k)表示预测值X(k+1|k)的预测误差协方差矩阵;K(k+1)为卡尔曼增益矩阵;X(k+1|k+1)为k+1时刻的测量值Z(k+1)对状态预测值X(k+1|k)的更新,为系统状态的最优估计;P(k+1|k+1)为X(k+1|k+1)的估计误差协方差矩阵;I为单位矩阵;
5)卡尔曼滤波中X(k+1|k)中的分量x1(k+1|k)即为下一个10min的平均风速预测值,将其与k时刻前10min的实际平均风速求平均值vave(k),若vave(k)>3m/s,风机在k时刻开桨启动;若vave(k)<3m/s,风机在k时刻不执行启动动作。
2.根据权利要求1所述的风力发电机组优化启动控制方法,其特征在于:
在步骤4)中,为了使卡尔曼滤波尽快收敛,取初值X[0|0]为滤波开始前p个采样点构成的向量,P[0|0]=10I,Q=I,R=I。
3.根据权利要求1所述的风力发电机组优化启动控制方法,其特征在于:在步骤5)中,首先判断卡尔曼滤波是否收敛,判断方法为:若k>ks时,||X(k|k)-Z(k)||≤εm/s,则认为卡尔曼滤波已经收敛,ε表示状态估计值X(k|k)与实际测量值Z(k)的允许偏差范围,取值为(0,1]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510923735.6A CN105574610B (zh) | 2015-12-11 | 2015-12-11 | 一种风力发电机组优化启动控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510923735.6A CN105574610B (zh) | 2015-12-11 | 2015-12-11 | 一种风力发电机组优化启动控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105574610A true CN105574610A (zh) | 2016-05-11 |
CN105574610B CN105574610B (zh) | 2019-04-23 |
Family
ID=55884714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510923735.6A Active CN105574610B (zh) | 2015-12-11 | 2015-12-11 | 一种风力发电机组优化启动控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105574610B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106337778A (zh) * | 2016-10-31 | 2017-01-18 | 湘电风能有限公司 | 一种风力发电机组提前启动的控制方法 |
CN106815478A (zh) * | 2017-01-17 | 2017-06-09 | 辽宁工程技术大学 | 一种基于自适应卡尔曼滤波的高铁沉降观测数据预测方法 |
CN107045548A (zh) * | 2017-04-13 | 2017-08-15 | 南京南瑞继保电气有限公司 | 一种计算风电能量利用率的系统及方法 |
CN107832259A (zh) * | 2017-11-02 | 2018-03-23 | 国网四川雅安电力(集团)股份有限公司 | 一种基于时间序列和卡尔曼滤波的负荷预测方法 |
CN112901415A (zh) * | 2021-03-06 | 2021-06-04 | 湘电风能有限公司 | 风力发电机组的启动控制方法、装置、控制器及系统 |
CN114856939A (zh) * | 2022-05-13 | 2022-08-05 | 中国华能集团清洁能源技术研究院有限公司 | 一种海上风机的降疲劳载荷控制方法、装置和主控制器 |
CN116066293A (zh) * | 2023-04-06 | 2023-05-05 | 深圳市拓普泰克技术股份有限公司 | 一种风能plc控制系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184337A (zh) * | 2011-06-07 | 2011-09-14 | 中国电力科学研究院 | 一种受气象信息影响的新能源发电能力动态组合分析方法 |
CN104533716A (zh) * | 2014-11-27 | 2015-04-22 | 江苏科技大学 | 一种基于卡尔曼滤波的独立变桨载荷控制方法 |
CN104806448A (zh) * | 2015-05-15 | 2015-07-29 | 长沙理工大学 | 基于风速预测的风力发电机再切入控制方法 |
-
2015
- 2015-12-11 CN CN201510923735.6A patent/CN105574610B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184337A (zh) * | 2011-06-07 | 2011-09-14 | 中国电力科学研究院 | 一种受气象信息影响的新能源发电能力动态组合分析方法 |
CN104533716A (zh) * | 2014-11-27 | 2015-04-22 | 江苏科技大学 | 一种基于卡尔曼滤波的独立变桨载荷控制方法 |
CN104806448A (zh) * | 2015-05-15 | 2015-07-29 | 长沙理工大学 | 基于风速预测的风力发电机再切入控制方法 |
Non-Patent Citations (1)
Title |
---|
潘迪夫等: "基于时间序列分析和卡尔曼滤波算法的风电场风速预测优化模型", 《电网技术》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106337778A (zh) * | 2016-10-31 | 2017-01-18 | 湘电风能有限公司 | 一种风力发电机组提前启动的控制方法 |
CN106337778B (zh) * | 2016-10-31 | 2018-12-28 | 湘电风能有限公司 | 一种风力发电机组提前启动的控制方法 |
CN106815478A (zh) * | 2017-01-17 | 2017-06-09 | 辽宁工程技术大学 | 一种基于自适应卡尔曼滤波的高铁沉降观测数据预测方法 |
CN106815478B (zh) * | 2017-01-17 | 2019-03-08 | 辽宁工程技术大学 | 一种基于自适应卡尔曼滤波的高铁沉降观测数据预测方法 |
CN107045548A (zh) * | 2017-04-13 | 2017-08-15 | 南京南瑞继保电气有限公司 | 一种计算风电能量利用率的系统及方法 |
CN107832259A (zh) * | 2017-11-02 | 2018-03-23 | 国网四川雅安电力(集团)股份有限公司 | 一种基于时间序列和卡尔曼滤波的负荷预测方法 |
CN112901415A (zh) * | 2021-03-06 | 2021-06-04 | 湘电风能有限公司 | 风力发电机组的启动控制方法、装置、控制器及系统 |
CN114856939A (zh) * | 2022-05-13 | 2022-08-05 | 中国华能集团清洁能源技术研究院有限公司 | 一种海上风机的降疲劳载荷控制方法、装置和主控制器 |
CN116066293A (zh) * | 2023-04-06 | 2023-05-05 | 深圳市拓普泰克技术股份有限公司 | 一种风能plc控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105574610B (zh) | 2019-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105574610A (zh) | 一种风力发电机组优化启动控制方法 | |
Dai et al. | Research on power coefficient of wind turbines based on SCADA data | |
US10731630B2 (en) | Extended reaction power for wind farms | |
Herbert et al. | A review of wind energy technologies | |
EP3317519B1 (en) | Control method and system for wind turbines | |
US8249852B2 (en) | Condition monitoring of windturbines | |
EP2110549A2 (en) | Wind farm with battery storage | |
US10578080B2 (en) | Initialisation of wind turbine control functions | |
WO2013167141A1 (en) | A power system and method for operating a wind power system with a dispatching algorithm | |
EP2673501A2 (en) | System and method for controlling a wind turbine including controlling yaw or other parameters | |
CN107709765B (zh) | 用于生成风力涡轮机控制时间表的方法和系统 | |
Wu et al. | Development of an equivalent wind farm model for frequency regulation | |
CN114033617B (zh) | 一种控制参量自适应调整的可控风力发电方法及系统 | |
JP2021161932A (ja) | 風力発電装置の発電量予測装置 | |
CN102156044B (zh) | 适用于直驱型风电机组测试的风力机模拟器选型方法 | |
CN112739904A (zh) | 操作混合动力发电厂以优化pv功率输出的方法 | |
Miryousefi Aval et al. | A novel method for reliability and risk evaluation of wind energy conversion systems considering wind speed correlation | |
CN104564519B (zh) | 桨距角控制与超级电容相结合的风电入网功率控制方法 | |
Vasko et al. | Dynamics and energy efficiency of the process of energy storage from wind turbine installation at the pumped hydro storage station | |
Khani et al. | A comparsion of different structures in wind energy conversion systems | |
CN115268559B (zh) | 用于永磁同步风力发电机的最大功率点跟踪鲁棒控制方法 | |
US20210115901A1 (en) | Systems and methods for optimizing scheduling of health checks for wind turbines during periods of low wind speeds | |
Sudharsan et al. | Wind Turbine Instrumentation System using Labview | |
Kumar et al. | Modeling and Simulation of a 12kW Direct Driven PM Synchronous Generator of Wind Power | |
Wu | Provision of power system frequency response in the context of high wind penetration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |