CN105678386B - 用于确定风力发电机组的时间可利用率的方法 - Google Patents
用于确定风力发电机组的时间可利用率的方法 Download PDFInfo
- Publication number
- CN105678386B CN105678386B CN201511032750.8A CN201511032750A CN105678386B CN 105678386 B CN105678386 B CN 105678386B CN 201511032750 A CN201511032750 A CN 201511032750A CN 105678386 B CN105678386 B CN 105678386B
- Authority
- CN
- China
- Prior art keywords
- time
- coding
- classification
- state
- numerical value
- 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 30
- 238000013139 quantization Methods 0.000 claims abstract description 32
- 230000009471 action Effects 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 abstract description 21
- 238000005070 sampling Methods 0.000 description 16
- 230000001960 triggered effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000035508 accumulation Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 108700002783 roundabout Proteins 0.000 description 1
- 238000007619 statistical method 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Wind Motors (AREA)
- Control Of Eletrric Generators (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开一种用于确定风力发电机组的时间可利用率的方法,包括:对机组的运行状态信号进行编码;将状态编码进行分级;采集机组的运行状态信号,以确定状态编码以及相应的分级;确定一个时间段内的有效状态编码,其中,所述有效状态编码是根据该时间段内所采集到的运行状态信号所确定的分级级别最高的状态编码;统计所述时间段内对应于该有效状态编码的状态编码的出现次数,并将该次数量化为时间数值;根据多个时间段内分别确定的多个有效状态编码所对应的量化时间数值来确定风力发电机组的时间可利用率。本发明提供了一种计算准确度高,真实反映风力发电机组可利用率的计算方法,解决现有可利用率计算准确度不高,误差较大的问题。
Description
技术领域
本发明涉及风电技术领域,更具体涉及一种用于确定风力发电机组的时间可利用率的方法。
背景技术
风力发电机组的时间可利用率是反映风力发电机组性能的一个重要指标,也是衡量风电场发电机组运行质量水平高低的一个标准。常规的可利用率计算方法是:在一个统计时间周期内,减去风力发电机组因故障、维修、电网和自然环境引起的停机时间后余下的时间值与这个统计周期的时间比值,基本的计算方法为:A=(T1-T2)/T1×100%,其中A为机组可利用率,T1为统计时间,T2为统计周期内故障时间、维护时间、电网和自然环境引起的停机时间之和。这类传统的计算方法,没有对风力发电机组实际运行的各状态进行分析,只是对风力发电机组几种停机的时间值进行了统计计算,上述的算法中,停机时间不含风力发电机组待机的时间,也不含机组数据丢失等状态下的机组实际不可利用的时间。由此方式计算出的风力发电机组的可利用率数值准确度低,并且与风机实际的可利用率值误差较大,并不能真实反映风力发电机组实际的可利用率状况。
中国专利申请CN 103390106A(申请号为201310309563.4,申请日为2013年07月22日)公开了一种风电设备可利用率的计算方法。这种方法与传统的计算方法相比,区别是用间接的方法计算了停机时间,主要通过获取风机统计时间段的有功功率,计算有功功率转移值,从而得到目标函数值,转换为机组停机时间。这种算法没有细分机组运行时间类型,没有从改变机组自身统计时间的精确度出发,只是利用外部算法来弥补传统方法的计算精度,无法摆脱传统计算方法的束缚,准确性和精度仍存在很多的局限性。
因此,需要一种计算准确度高,真实反映风力发电机组可利用率的计算方法,解决现有可利用率计算准确度不高,误差较大的问题。
发明内容
针对现有计算方法存在的问题,本发明通过采用一种划分风力发电机组运行状态的方式,将机组的所有状态划分到与机组时间可利用率计算相关的包括并网、待机、停机、维护等多个等级内,通过多等级计算完成可利用率的精细化计算,提供一种计算准确度高,真实反映风力发电机组可利用率的计算方法,解决现有可利用率计算准确度不高,误差较大的问题。
根据本发明,提供了一种用于确定风力发电机组的时间可利用率的方法,包括:对机组的运行状态信号进行编码;将状态编码进行分级;采集机组的运行状态信号,以确定状态编码以及相应的分级;确定一个时间段内的有效状态编码,其中,所述有效状态编码是根据该时间段内所采集到的运行状态信号所确定的分级级别最高的状态编码;统计所述时间段内对应于该有效状态编码的状态编码的出现次数,并将该次数量化为时间数值;根据多个时间段内分别确定的多个有效状态编码所对应的量化时间数值来确定风力发电机组的时间可利用率。
优选地,将对应于停机的分级的有效状态编码的量化时间数值进行累加;将对应于可利用时间的分级的有效状态编码的量化时间数值进行累加;通过将上述两个累加值进行比较得到比值;通过用1减去这个比值得到风力发电机组的时间可利用率。
优选地,将对应于不属于停机的分级的有效状态编码的量化时间数值进行累加;将对应于可利用时间的分级的有效状态编码的量化时间数值进行累加;通过将上述两个累加值进行比较得到风力发电机组的时间可利用率。
优选地,将对应于计划纠正措施、故障停机的分级的有效状态编码的量化时间数值进行累加;将对应于正常并网发电、欠功率运行、待机、超出环境规格、非故障停机、超出电气规格、计划纠正措施、故障停机的分级的有效状态编码的量化时间数值进行累加;通过将上述两个累加值进行比较得到比值;通过用1减去这个比值得到风力发电机组的时间可利用率。
在本发明中,按照级别从低到高,将状态编码分级为:正常并网发电、欠功率运行、待机、超出环境规格、非故障停机、超出电气规格、计划内维护、计划纠正措施、故障停机、暂停作业、不可抗力、无数据。
优选地,根据采集到的一个或多个运行状态信号,周期性地确定状态编码以及相应的分级。
优选地,在所述时间段内,周期性地确定是否更新有效状态编码,其中,当新采集而确定的状态编码具有比当前有效状态编码更高的分级级别时,以新状态编码更新当前有效状态编码,否则保留当前有效状态编码。
优选地,根据确定状态编码的频率,将对应于有效状态编码的状态编码的出现次数量化为时间数值。
优选地,在统计所述时间段内对应于该有效状态编码的状态编码的出现次数时,所述的对应于该有效状态编码的状态编码包括该有效状态编码所直接对应的状态编码以及与该有效状态编码属于同一分级级别的其他状态编码。
优选地,根据多个时间段内分别确定的多个有效状态编码所对应的量化时间数值来统计各个分级的时间;根据各个分级的时间来计算风力发电机组的时间可利用率。
将计算时间可利用率的因子划分成多级别,考虑各种影响可利用率计算的因素,这样就实现了计算的全面化。对机组进行全状态监控,并将各种状态量参与到可利用率计算过程中,对维护人员的维护行为以电子表单的方式掌控,这样就实现了计算的精细化,有益于对风电场运营状况进行合理评估。从数据采集到分析各个环节优化,全面提升计算质量。
附图说明
下面参考附图结合实施例说明本发明。在附图中:
图1是根据本发明的实施例的用于确定风力发电机组的时间可利用率的方法的流程图;以及
图2是图1中用于确定一个时间段内的有效状态编码的步骤的进一步的方法的流程图。
具体实施方式
在本发明中,风力发电机组有时被简称为“风电机组”或“机组”。
本发明提出的风力发电机组时间可利用率的计算方法,简略地说,可以包括以下步骤:
1、将风力发电机组的全生命周期运行状态以编码的方式标记。
2、将与计算风力发电机组时间可利用率的不可或缺的因素划分为若干个级别,并将风力发电机组的全生命周期所有运行状态编码归类到这若干个级别中。
3、通过风力发电机组控制器采集机组运行状态信号。
4、对于所列若干个级别,设定在同一采样周期内,只能有一个计算等级占据唯一的有效状态编码,值越大的,占用状态编码的级别越高;同一级别的状态出现多个时,只选取一个编码作为有效编码。
5、周期性获取当前机组的有效编码,并发送给中央控制器。
6、中央控制器实时获取状态编码,并将其量化为时间值。
完成每个状态等级的数据计算,将所有单个状态编码时间数据累加。
7、满足计算时间可利用率的统计周期(周、月、年)后,中央控制器根据下面的算法计算时间可利用率,对于非风力发电机组自身原因导致的无法正常工作时间,计算过程中将这段时间从总的统计中去除。根据状态编码细分故障原因,将因为环境因素、电网因素、非故障停机等认为是机组可利用时间。从而得出具体的计算公式。
下面将结合附图来具体地说明本发明的实施例。
实施例一
图1是根据本发明的实施例的用于确定风力发电机组的时间可利用率的方法的流程图。
如图1所示,本发明提出的风力发电机组时间可利用率的计算方法,按如下步骤实施,其中步骤S101-S107是由单台机组控制器实现运行状态数据的采集、归类及分析,获取关键的有效编码,步骤S109和步骤S111由中央控制器实现多台机组的有效编码采集及量化的时间计算,统计不同状态级别的时间,并最终完成机组时间可利用率计算。
图1的方法100开始于步骤S101,在此步骤,对机组的运行状态信号进行编码。具体地说,将风力发电机组的全生命周期运行状态数据以编码的方式标记。例如,典型的编码包括:编码S0:通信中断信号触发;编码S1:故障停机信号触发;编码S2:塔底停机信号触发;编码S3:机舱停机信号触发;编码S13:大风停机信号触发;编码S17:环境温度高停机信号触发;编码S20:电网故障停机信号触发;编码S81:正常并网发电信号触发;编码S82:限功率运行信号触发;编号S85:风力发电机组启动过程触发等等。
在步骤S103,将状态编码进行分级。根据本发明的实施例,将与计算风力发电机组时间可利用率的不可或缺的因素划分为12个级别,分别为:1.正常并网发电;2.欠功率运行;3.待机;4.超出环境规格;5.停机;6.超出电气规格;7.计划内维护;8.计划纠正措施;9.故障停机;10.暂停作业;11.不可抗力;12.无数据。将风力发电机组的全生命周期所有运行状态编码归类到上述12个分级中。这12个分级的级别是从低到高排列的。
在步骤S105,采集机组的运行状态信号,以确定状态编码以及相应的分级。通过机组控制器,以例如50Hz的频率对风力发电机组全生命周期的运行状态数据进行采集,存储于控制器的内存空间内。运行状态数据都为数字量信号,每个数据只有0或1两种存在方式,从而形成具有一定模式的运行状态信号。通过采样得到一串0或1组成的数字序列,其中1表示该状态被触发,将被触发的状态按照级别排序,得出唯一的有效编码S0、S81等,以及这些状态编码各自所对应的分级。也就是说,根据采集到的一个或多个运行状态信号,周期性地确定状态编码以及相应的分级。
在步骤S107,确定一个时间段内的有效状态编码,其中,所述有效状态编码是根据该时间段内所采集到的运行状态信号所确定的分级级别最高的状态编码。
设定在同一采样周期内,只能有一个状态等级占据唯一的有效状态编码。分析采集到的所有被触发的运行状态,通过上述归类的方式,获取当前被触发的所有分级级别,在所有级别中,等级最高的分级作为有效分级,归属于最高分级(有效分级)的被触发的运行状态编码作为当前时刻唯一的有效编码发送给中央控制器。也就是说,同一级别如果有多个不同状态被同时触发时(这多个状态可以是相同的多个状态,也可以是不同的多个状态),只选取任一个状态编码作为有效编码,而不影响时间可利用率的计算。
由风电机组的控制器确定一个时间段内的有效状态编码,以固定的采样周期循环上述步骤,从而周期性发送有效编码到中央控制器。在本发明的实施例一中,采样周期为1分钟,即每分钟发送一次有效编码到中央控制器。
图2是图1中用于确定一个时间段内的有效状态编码的步骤S107的进一步的方法的流程图。
在图2所示的方法200中,在所述时间段内,周期性地确定是否更新有效状态编码。在步骤S201,判断新采集而确定的状态编码是否具有比当前有效状态编码更高的分级级别。当步骤S201的判断结果为是,即新采集而确定的状态编码具有比当前有效状态编码更高的分级级别时,在步骤S203,以新状态编码更新当前有效状态编码。否则,当步骤S201的判断结果为否,即新采集而确定的状态编码不具有比当前有效状态编码更高的分级级别时,例如,分级级别相同时,在步骤S205,保留当前有效状态编码。
返回图1,在步骤S109,统计所述时间段内对应于该有效状态编码的状态编码的出现次数,并将该次数量化为时间数值。这里,对应于该有效状态编码的状态编码包括该有效状态编码所直接对应的状态编码以及与该有效状态编码属于同一分级级别的其他状态编码。
中央控制器实时获取有效状态编码,记录其所有的变化过程,并将状态编码的采样点量化为时间值。
在此步骤,根据确定状态编码的频率,将对应于有效状态编码的状态编码的出现次数量化为时间数值。在本发明的实施例一中,采样周期为1分钟,也就是说,1小时内采样了60次,因此单个状态编码时间统计计算公式为:T=C/60,其中T为某个状态编码时间数据小时数;C为对应于该有效状态编码的状态编码在统计时间内出现的次数。例如,在一个时间段(例如1小时)内,出现了30次对应于该有效状态编码的状态编码,则该有效状态编码被量化的时间值为:T=30/60=0.5小时。
在步骤S111,根据多个时间段内分别确定的多个有效状态编码所对应的量化时间数值来确定风力发电机组的时间可利用率。也就是说,根据多个时间段内分别确定的多个有效状态编码所对应的量化时间数值来统计各个分级的时间。然后根据各个分级的时间来计算风力发电机组的时间可利用率。
例如,在完整的统计时间内(包括多个时间段),一共记录了若干个等级的有效状态编码,则针对这若干个等级的每个等级来统计累加时间,即将属于该等级的有效状态编码的量化时间值进行累加,从而得到该等级的时间。例如,针对等级9所累加的时间可被记为TN9。
在满足计算时间可利用率的统计周期(周、月、年)后,中央控制器根据下面的算法计算时间可利用率。其中,对于非风力发电机组自身原因导致的无法正常工作时间(TN7、TN10、TN11、TN12),计算过程中将这段时间从总的统计中去除。根据状态编码细分故障原因,将因为环境因素(TN4)、电网因素(TN6)、非故障停机(TN5)等认为是机组可利用时间参与运算。具体的计算公式如下:
A=1-(TN8+TN9)/(TN1+TN2+TN3+TN4+TN5+TN6+TN8+TN9)
也就是说,将对应于停机的分级的有效状态编码的量化时间数值进行累加,将对应于可利用时间的分级的有效状态编码的量化时间数值进行累加,通过将上述两个累加值进行比较得到比值,通过用1减去这个比值得到风力发电机组的时间可利用率。
更具体地说,将对应于计划纠正措施、故障停机的分级的有效状态编码的量化时间数值进行累加,将对应于正常并网发电、欠功率运行、待机、超出环境规格、非故障停机、超出电气规格、计划纠正措施、故障停机的分级的有效状态编码的量化时间数值进行累加,通过将上述两个累加值进行比较得到比值,通过用1减去这个比值得到风力发电机组的时间可利用率。
可替换地,计算公式可以是:
A=(TN1+TN2+TN3+TN4+TN5+TN6)/
(TN1+TN2+TN3+TN4+TN5+TN6+TN8+TN9)
也就是说,将对应于不属于停机的分级的有效状态编码的量化时间数值进行累加,将对应于可利用时间的分级的有效状态编码的量化时间数值进行累加,通过将上述两个累加值进行比较得到风力发电机组的时间可利用率。
实施例二
仍以图1为例说明。
在图1的步骤S107中,以固定的采样周期循环该步骤,从而周期性发送有效编码到中央控制器。在本发明的实施例二中,采样周期为10秒钟,即每10秒钟发送一次有效编码到中央控制器。
由此,在图1的步骤S109中,由于在本发明的实施例二中,采样周期为10秒钟,也就是说,1小时内采样了360次,因此单个状态编码时间统计计算公式为:T=C/360,其中T为某个状态编码时间数据小时数;C为对应于该有效状态编码的状态编码在统计时间内出现的次数。例如,在一个时间段(例如1小时)内,出现了36次对应于该有效状态编码的状态编码,则该有效状态编码被量化的时间值为:T=36/360=0.1小时(6分钟)。
其他步骤均与实施例一相同。
实施例三
仍以图1为例说明。
在图1的步骤S107中,以固定的采样周期循环该步骤,从而周期性发送有效编码到中央控制器。在本发明的实施例三中,采样周期为1秒钟,即每1秒钟发送一次有效编码到中央控制器。
由此,在图1的步骤S109中,由于在本发明的实施例三中,采样周期为1秒钟,也就是说,1小时内采样了3600次,因此单个状态编码时间统计计算公式为:T=C/3600,其中T为某个状态编码时间数据小时数;C为对应于该有效状态编码的状态编码在统计时间内出现的次数。例如,在一个时间段(例如1小时)内,出现了720次对应于该有效状态编码的状态编码,则该有效状态编码被量化的时间值为:T=720/3600=0.2小时(12分钟)。
其他步骤均与实施例一相同。
具体应用
可以通过以下的具体应用实例来进一步解释本发明的方法。
在以下的应用中,统计某台机组在一周时间内的时间可利用率。
表1可利用率各时间段计算实例
如表1所示,根据不同的有效状态编码。在一周时间内连续记录了9个时间段。其中,T1+T2+T3+T4+T5+T6+T7+T8+T9=168小时(一周即7天)。
在一周过程中共触发了S81等多个状态编号。经过计算后将有效状态编码发送给中央控制器计算。
一周时间内出现的状态等级有TN1、TN2、TN3、TN4和TN9。分别计算其累加时间(单位为小时):
TN1=18.42+8.18+39.37+45.73=111.7
TN2=38.08
TN3=0.05+0.05=0.1
TN4=16.04
TN9=2.08
根据时间可利用率公式,计算如下:
A=1-TN9/(TN1+TN2+TN3+TN4+TN9)=1-(2.08/168)=0.9876
折算为百分比为98.76%。也就是说,最后得到的时间可利用率就是98.76%。
综上所述,本方法涉及将机组的全生命周期运行状态以编码的方式标记,并将其按照不同等级、不同优先级归类。本方法涉及将风机状态编码量的有效采样点量化为时间值,在风力发电机组一个统计时间周期内并对相应状态编码下的时间数据进行求和计算,计算值直接参与风力发电机组可利用率计算。
此外,系统中任意一个时间段内只能有一个等级的状态码起作用,对于多个风机状态编码同时出现的情况,本计算方法按照优先级等级高低来决定哪个状态码生效;对于同一等级的多个状态码,可以同时生效,但只有一个可以参与可利用率计算。同时可以容许风电场中央控制器对状态码进行监测和统计。
文中所述实例并不用于限制本发明,凡是采用本发明的相似计算结构、方法及其相似变化,均应列入本发明的保护范围。
在以上的描述中,机组状态编码的监测、统计分析及机组时间可利用率计算功能,是由中央控制器来完成的。但是,这些步骤也可以通过功能强大的机组控制器来完成,而且也可以通过远程服务器、云端等终端实现。
此外,机组状态编码的采样周期不限定,在技术发展的情况下可以实现秒级的监测,现有技术10秒级,分钟级监测采样都认为属于本发明的范围内。
另外,在本发明的描述中,虽然将机组的状态编码分为了12个具体等级,但是分级的数量、等级的高低、以及等级的顺序都可以根据实际需要来变化。因此,本发明的范围不限于这12个具体分级,而是可以扩展到任何数量的分级。
上面已经描述了本发明的实施方式及其具体应用和优选实施例。但是本发明的精神和范围不限于这里所公开的具体内容。本领域技术人员将能够根据本发明的教导而做出更多的实施方式和应用,这些实施方式和应用都在本发明的精神和范围内。本发明的精神和范围不由具体实施例来限定,而由权利要求来限定。
Claims (9)
1.一种用于确定风力发电机组的时间可利用率的方法,包括:
对机组的运行状态信号进行编码;
将状态编码进行分级;
采集机组的运行状态信号,以确定状态编码以及相应的分级;
确定一个时间段内的有效状态编码,其中,所述有效状态编码是根据该时间段内所采集到的运行状态信号所确定的分级级别最高的状态编码;
在所述时间段内,周期性地确定是否更新有效状态编码,其中,当新采集而确定的状态编码具有比当前有效状态编码更高的分级级别时,以新状态编码更新当前有效状态编码,否则保留当前有效状态编码;
统计所述时间段内对应于该有效状态编码的状态编码的出现次数,并将该次数量化为时间数值;
根据多个时间段内分别确定的多个有效状态编码所对应的量化时间数值来确定风力发电机组的时间可利用率。
2.如权利要求1所述的方法,其中,所述的根据多个时间段内分别确定的多个有效状态编码所对应的量化时间数值来确定风力发电机组的时间可利用率包括:
将对应于停机的分级的有效状态编码的量化时间数值进行累加;
将对应于可利用时间的分级的有效状态编码的量化时间数值进行累加;
通过将两个累加值进行比较得到比值;
通过用1减去这个比值得到风力发电机组的时间可利用率。
3.如权利要求1所述的方法,其中,所述的根据多个时间段内分别确定的多个有效状态编码所对应的量化时间数值来确定风力发电机组的时间可利用率包括:
将对应于不属于停机的分级的有效状态编码的量化时间数值进行累加;
将对应于可利用时间的分级的有效状态编码的量化时间数值进行累加;
通过将两个累加值进行比较得到风力发电机组的时间可利用率。
4.如权利要求1所述的方法,其中,所述的根据多个时间段内分别确定的多个有效状态编码所对应的量化时间数值来确定风力发电机组的时间可利用率包括:
将对应于计划纠正措施、故障停机的分级的有效状态编码的量化时间数值进行累加;
将对应于正常并网发电、欠功率运行、待机、超出环境规格、非故障停机、超出电气规格、计划纠正措施、故障停机的分级的有效状态编码的量化时间数值进行累加;
通过将两个累加值进行比较得到比值;
通过用1减去这个比值得到风力发电机组的时间可利用率。
5.如权利要求1-4中任意一项所述的方法,其中,所述的将状态编码进行分级包括:
按照级别从低到高,将状态编码分级为:正常并网发电、欠功率运行、待机、超出环境规格、非故障停机、超出电气规格、计划内维护、计划纠正措施、故障停机、暂停作业、不可抗力、无数据。
6.如权利要求1所述的方法,其中,所述的采集机组的运行状态信号,以确定状态编码以及相应的分级包括:
根据采集到的一个或多个运行状态信号,周期性地确定状态编码以及相应的分级。
7.如权利要求1所述的方法,其中,所述的统计所述时间段内对应于该有效状态编码的状态编码的出现次数,并将该次数量化为时间数值包括:
根据确定状态编码的频率,将对应于有效状态编码的状态编码的出现次数量化为时间数值。
8.如权利要求1所述的方法,其中,在所述的统计所述时间段内对应于该有效状态编码的状态编码的出现次数中,所述的对应于该有效状态编码的状态编码包括该有效状态编码所直接对应的状态编码以及与该有效状态编码属于同一分级级别的其他状态编码。
9.如权利要求1所述的方法,其中,所述的根据多个时间段内分别确定的多个有效状态编码所对应的量化时间数值来确定风力发电机组的时间可利用率包括:
根据多个时间段内分别确定的多个有效状态编码所对应的量化时间数值来统计各个分级的时间;
根据各个分级的时间来计算风力发电机组的时间可利用率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511032750.8A CN105678386B (zh) | 2015-12-31 | 2015-12-31 | 用于确定风力发电机组的时间可利用率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511032750.8A CN105678386B (zh) | 2015-12-31 | 2015-12-31 | 用于确定风力发电机组的时间可利用率的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105678386A CN105678386A (zh) | 2016-06-15 |
CN105678386B true CN105678386B (zh) | 2019-04-30 |
Family
ID=56298583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511032750.8A Active CN105678386B (zh) | 2015-12-31 | 2015-12-31 | 用于确定风力发电机组的时间可利用率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105678386B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355307A (zh) * | 2016-08-19 | 2017-01-25 | 许继集团有限公司 | 一种scada系统风电机组可利用率的计算方法 |
CN112085408A (zh) * | 2020-09-18 | 2020-12-15 | 中国船舶重工集团海装风电股份有限公司 | 一种风力发电机组时间可利用率的实现方法及实现装置 |
CN112396450A (zh) * | 2020-09-27 | 2021-02-23 | 国电南瑞南京控制系统有限公司 | 一种电力现货市场的特殊机组标签信息处理方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202178613U (zh) * | 2011-05-19 | 2012-03-28 | 北京能源投资(集团)有限公司 | 一种风能电场通信控制器、系统 |
CN105137350A (zh) * | 2015-07-24 | 2015-12-09 | 南京华盾电力信息安全测评有限公司 | 一种基于八个状态的风力发电机组性能监测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020029097A1 (en) * | 2000-04-07 | 2002-03-07 | Pionzio Dino J. | Wind farm control system |
-
2015
- 2015-12-31 CN CN201511032750.8A patent/CN105678386B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202178613U (zh) * | 2011-05-19 | 2012-03-28 | 北京能源投资(集团)有限公司 | 一种风能电场通信控制器、系统 |
CN105137350A (zh) * | 2015-07-24 | 2015-12-09 | 南京华盾电力信息安全测评有限公司 | 一种基于八个状态的风力发电机组性能监测方法 |
Non-Patent Citations (3)
Title |
---|
"基于风机状态细分的风机运营可靠性考核算法";秦冠军等;《可再生能源》;20140531;第32卷(第5期);第668-672页 * |
《以可靠性为中心的风电机组运维管理》;张晓艳;《特别报道》;20110228;第36-39页 * |
《风力发电机组主控系统状态码设计与应用》;徐卫峰等;《风机技术节能与环保》;20130228;第59-63页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105678386A (zh) | 2016-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110927654B (zh) | 一种智能电能表批次运行状态评价方法 | |
BR102016016424B1 (pt) | Sistema e método de geração de potência eólica | |
CN110648249B (zh) | 年度电力平衡测算方法、装置及设备 | |
CN105678386B (zh) | 用于确定风力发电机组的时间可利用率的方法 | |
CN113792939B (zh) | 基于混合威布尔分布的电能表可靠性预测方法及装置 | |
CN103197138A (zh) | 一种具有供电可靠率和电压合格率监测功能的智能电表及监测方法 | |
Wang | Risk assessment of stochastic spinning reserve of a wind‐integrated multi‐state generating system based on a cross‐entropy method | |
CN112884601A (zh) | 一种基于天气区划策略的电力系统运行风险评估方法 | |
CN115600722A (zh) | 企业电碳因子长期预测方法 | |
CN114153826B (zh) | 基于增强卷积去噪算法的风电机组数据清洗方法及装置 | |
CN117851908B (zh) | 一种改进的在线低压台区电能表失准监测方法及装置 | |
CN113657786B (zh) | 基于风电机组运行性能评估指标体系的机群划分方法 | |
CN112398165B (zh) | 一种基于极限场景分析的新能源消纳能力评估方法 | |
CN114048434A (zh) | 清洗光伏组件的决策方法、评价方法、装置及清洗系统 | |
CN114049033B (zh) | 一种基于用电数据分布的排污企业监测方法 | |
CN105024379B (zh) | 一种风机检修管理调度系统 | |
KR102276600B1 (ko) | 열처리 공정의 전력 빅데이터 분석을 위한 데이터 분산처리 관리방법 및 시스템 | |
CN112396303A (zh) | 发电调度评价方法、装置及设备 | |
CN101609258B (zh) | 光刻机曝光强度与均匀度的管理方法 | |
Ye et al. | The maintenance strategy for optimizing distribution transformer life cycle cost | |
Goretti et al. | Evaluation of wind energy forecasts: The undervalued importance of data preparation | |
CN118134465B (zh) | 一种基于bim技术的建筑数据要素分类分级管理方法 | |
CN112465305B (zh) | 清洁能源优化调度评价方法、装置及设备 | |
CN113780689B (zh) | 一种基于人工智能的能量路由器寿命预测方法和装置 | |
Selak et al. | Assessing feasibility of operations and maintenance automation–a case of small hydropower plants |
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 |