CN107798462A - 一种风电场风力发电机组运行异常监测与性能评估系统 - Google Patents
一种风电场风力发电机组运行异常监测与性能评估系统 Download PDFInfo
- Publication number
- CN107798462A CN107798462A CN201710845592.0A CN201710845592A CN107798462A CN 107798462 A CN107798462 A CN 107798462A CN 201710845592 A CN201710845592 A CN 201710845592A CN 107798462 A CN107798462 A CN 107798462A
- Authority
- CN
- China
- Prior art keywords
- data
- mrow
- unit
- power
- wind power
- 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
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
Abstract
一种风电场风力发电机组运行异常监测与性能评估系统,其数据采集子系统通过以太网与全场各台机组连接,采集秒级数据和毫秒级数据并以文本文件形式存储。数据处理与存储子系统通过文件传输协议下载数据,采集子系统存储的数据文件并进行清洗、集成、变换、归约的预处理后,将结果存入数据库。数据挖掘与展示子系统挖掘数据库数据,并将全风电场机组运行异常判断、发电性能及机组控制性能评估的结果向客户展示。
Description
技术领域
本发明涉及一种风电场风力发电机组运行监测与性能评估系统。
背景技术
风力发电机组通常运行在恶劣环境,部件易老化、损坏,为确保风电机组安全,业主大多采用被动的定期维护方式,然而该方式针对性差效率低,造成大量人力物力资源浪费,并且运行隐患也难以及时发现。
针对这一问题,国内外风电整机企业和科研机构开展了深入的机组运行状态监测研究并形成一批实用产品,例如通用BentlyNevada、东方振动和噪声技术研究所的DASP等。然而这些产品通常都需要在机组安装传感器和前置机,虽然技术成熟且故障定位准确,但成本高,安装工艺难,不利于已投运风场后期部署,况且该类状态监测系统多局限传动链关联部件,难以发现叶片、塔筒、发电机早期故障。近年来随着大数据技术发展,一些学者提出基于数据挖掘技术利用已有SCADA历史数据进行风电机组故障预警,并通过实验数据验证了这类方法的有效性,然而限于SCADA采样率小于1Hz,很难从频域上分析机组特性。
另外在风电场电量生产上,当前业主只能从功率曲线、日发电量等维度查看和分析全场机组发电效率,并不能结合全场风资源特性、机组状态、控制曲线等因素综合分析电量生产性能和机组控制性能,以致无法满足精细化生产和机组运行参数定制化、最优化的需求。
针对这一问题,市场上出现了集中监控系统,对某特定区域内所有风电场机组运行数据进行在线收集,并按照一定方法对各风场机组运行性能进行评价。
中国专利201310471096.5公开了一种风电场集中监控系统平台,将目前多个分散风电场信息集中收集,与电网运行信息进行互动,据电网实时运行条件,在满足电网安全约束条件下,最大限度挖掘电网裕度,优化风电场有功出力,提高电网风电接纳能力。
然而限于该特定区域机组数量庞大和机型不统一,集中监控系统只能采集少量运行特征数据,且采样周期很多是分钟级,因此难以支撑对机组进行全面的发电性能、控制性能分析和评价。
发明内容
鉴于上述问题,本发明提出一种风电场风力发电机组运行异常监测与性能评估系统,本发明可以在不增加机组传感器和前置机的情况下,进行风电场风力发电机组运行异常状态监测,通过数据挖掘方法对风场机组发电性能和控制性能进行分析评价。
本发明在不增加风电场风力发电机组传感器和前置机的情况下,实现秒级数据和毫秒级数据采集,并通过数据挖掘,辨识不同风力发电机组自身特性,建立自适应风力发电机组工况变化的、精细的机组运行状态特征模型,对全场风力发电机组进行响应时间不超过24小时的异常状态检测,进行机组早期潜在异常报警。另外,本发明利用历史数据从多维度对风场发电性能和分析发电机组控制性能进行评估,分析不同机位的风力发电机组的电量生产条件和特点,以及控制特征曲线,为风电场制定合理的生产维护计划和机组控制优化方案提供有力支持。
本发明通过以下技术方案实现:
本发明风电场风力发电机组运行异常监测与性能评估系统,包括数据采集子系统、数据处理与存储子系统,以及数据挖掘与展示子系统。其中,所述的数据采集子系统,通过以太网分别与风电场各台风力发电机组连接,采集秒级数据和毫秒级数据并以文本文件形式存储;所述的数据处理与存储子系统,通过文件传输协议(File Transfer Protocol,FTP)下载数据,收集数据采集子系统存储的数据文件,进行清洗、集成、变换、归约的预处理过程后将结果存入数据库;所述的数据挖掘与展示子系统,利用数据库数据进行挖掘,并将全风电场机组运行异常判断、发电性能以及机组控制性能评估的结果以友好方式向客户展示警报、评价、建议等信息。
所述的数据采集子系统,由场级PLC采集器和数据采集服务器组成。
所述的数据处理与存储子系统,安装运行在数据运算存储工作站上。
所述的数据挖掘与展示子系统的服务器端安装运行在数据运算存储工作站,客户端安装运行在监控电脑上。
本发明风电场风力发电机组运行异常监测与性能评估系统具体工作步骤如下:
步骤1-1:所述数据采集子系统的场级PLC采集器轮流采集全风电场各台机组毫秒级数据并整理,每次只采集一台机组120秒时长的数据,并经过PLC采集器筛选,合格的数据保存成CSV文件存入PLC采集器中形成该机组的一次运行样本,不合格的数据则直接舍弃并进行下一次样本采集;
步骤1-2:所述数据采集子系统的数据采集服务器下载场级PLC采集器生成的毫秒级数据样本文件,将样本文件存入本地硬盘,并实时采集全风电场所有机组秒级数据,以文本文件形式保存。每天每台机组的运行数据存放到一个CSV文件中;
步骤1-3:每日凌晨1时,所述的数据处理与存储子系统首先从数据采集服务器下载前一日生成的数据文件,包括秒级数据文件和毫秒级数据文件,然后对秒级数据文件和毫秒级数据文件中的数据进行预处理,包括清洗、集成、变换、归约,最后将结果存入数据库,供数据挖掘与展示子系统使用;
步骤1-4:所述的数据挖掘与展示子系统访问数据库,并利用数据挖掘方法对机组运行异常进行监测,以及对机组发电性能和控制性能进行评估,将结果以友好方式呈现在人机操作界面上。
所述步骤1-1中,场级PLC采集器利用与主控PLC通信协议采集机组运行毫秒级数据,包括机组状态、风速、风向、偏航角、电机转矩、变桨角度、电机转速、网侧功率、机侧功率、叶轮转速、机舱前后方向振动加速度、机舱左右方向振动加速度。在数据筛选时,只选择发电状态下电机转速2分钟均值在机组最小运行转速正负3%范围内以及额定转速正负1%范围内两种样本数据。前者定义为类别I,后者定义为类别II。
所述步骤1-2中,数据采集系统利用与主控PLC通信协议采集机组运行秒级数据,包括风速风向、轴系转速、温度、振动、机组状态、压力、电网、电流电压、功率转矩、辅助机构动作状态、偏航及调桨相关信息量。
所述的数据处理与存储子系统对数据处理步骤如下:
步骤2-1:每日凌晨1点,数据处理与存储子系统从数据采集服务器下载前一日秒级数据文件和毫秒级数据文件;
步骤2-2:然后对秒级数据进行清洗、标准化操作以剔除异常点、统一数据格式和单位,生成标准化数据;
步骤2-3:对标准化数据进行电能生产指标计算,并将结果存入数据库,其中电能生产指标包括机组每小时设计应发电量、理论应发电量、实际生产电量、限功率损失电量、停机损失电量。
所述的设计应发电量(Wind speed can Absorb Energy by Designed,WAED)是指机组测量风速对应的设计功率曲线上的功率在1小时内积分得到的能量,计算公式为:
其中P(υi)表示在时刻i实测风速υi对应的设计应发功率。
所述的理论应发电量(Wind speed can Absorb Energy by Theory,WAET)是指机组测量风速对应的实测功率曲线上的功率积分得到的能量,计算公式为:
其中P'(υi)表示在时刻i实测风速υi对应的理论应发功率。
所述的实际生产电量指机组电表测量到的生产度电。
所述的限功率时损失电量(Lose Energy by Limit power,LELP)是指机组由于限功率而造成的能量损失,计算公式为:
其中,P”i表示i时刻功率限定值,求和计算条件为桨角β大于阈值θ。
所述的停机时损失电量(Lose Energy by Stop,LES)是指机组在维护时测量风速对应的理论功率积分得到的能量。它表示机组停机时造成的能量损失,计算公式为:
其中当机组在停机状态时,P”'(υi)=P'(υi),当机组在非停机状态则P”'(υi)=P'(υi);
步骤2-4:对标准化数据进行变换,生成N分钟测量数据计算值,N取值范围为1-10,再经整合形成每日风速-功率、风速-振动、功率-温度等拟合曲线并存入数据库;
步骤2-5:对毫秒级数据中的电机转速进行滤波提取和傅里叶变换,生成波形的峰峰值、有效值以及频谱并存入数据库;
所述步骤1-4中,数据挖掘与展示子系统利用数据库存储的每日处理后的电能生产指标、风速-功率、风速-振动、功率-温度等拟合曲线、电机转速波形峰峰值有效值及频谱信息对风电场所有机组日运行状态是否异常进行监测,并对全场发电性能和机组控制性能进行评估,将结果以友好方式展示给用户,并自动生成报表和报告。
附图说明
图1风电场运行异常监测与性能评估系统部件组成示意图;
图2风电场运行异常监测与性能评估系统网络拓扑图;
图3风电场运行异常监测与性能评估系统结构框图;
图4场级PLC采集器工作流程图;
图5数据处理与存储子系统工作流程图;
图6数据挖掘与展示子系统功能示意图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步说明。
如图1所示,风电场风力发电机组运行异常监测与性能评估系统包括数据采集子系统、数据处理与存储子系统、数据挖掘与展示子系统。
数据采集子系统利用以太网与全场各台机组连接,由场级PLC采集器和数据采集服务器组成,其中场级PLC采集器组装在低压电气柜中,包括PLC、交换机、开关电源,加热器、散热风扇、UPS以及低压电气元件。数据采集服务器是一台高性能计算机。
数据处理与存储子系统安装运行在数据运算存储工作站上,其中数据运算存储工作站是一台高性能计算机。
数据挖掘与展示子系统的服务器端安装运行在数据运算存储工作站,客户端安装运行在监控电脑上。其中监控电脑是一台普通台式机。
风电场运行异常监测与性能评估系统网络拓扑如图2所示,数据采集子系统中场级PLC采集器、数据采集服务器与全场各台机组利用以太网连接,其中场级PLC采集器和数据采集服务器之间为双向连接,它们与机组间为单向连接,数据处理与存储子系统的数据运算存储工作站通过FTP下载数据采集服务器文件,并与数据挖掘与展示子系统的监控电脑双向连接。
如图3所示,数据采集子系统采集秒级数据和毫秒级数据并以文本文件形式存储,其中秒级数据信息包括风速、风向、轴系转速、温度、振动、机组状态、压力、电网信息、电压、电流、功率、电机转矩、辅助机构动作标志、偏航调桨信息,毫秒级数据包括机组状态、风速、风向、偏航角、电机转矩、变桨角度、电机转速、网侧功率、机侧功率、叶轮转速、机舱前后方向振动加速度、机舱左右方向振动加速度。数据处理与存储子系统通过FTP下载数据采集子系统存储的数据文件并按照算法进行处理,数据挖掘与展示子系统利用数据库数据进行挖掘并将全场机组运行异常判断、发电性能以及机组控制性能评估的结果以友好方式向客户展示警报、评价、建议等信息,异常检测包括塔筒异常、桨角异常、电机异常、转矩异常、叶片异常、风速异常、对风异常、转动异常,发电性能包括机组出力特性、全场停机损失电量、限功率损失电量、机组自耗电、风况特性,控制性能评估包括机组转速转矩曲线、功率桨角曲线、风速桨角功率曲面。
机组运行异常监测与性能评估系统具体工作步骤如下:
步骤1-1:数据采集子系统的场级PLC采集器轮流采集全风电场各台机组毫秒级数据并整理,每次只采集一台机组120秒时长的数据,并经过PLC采集器筛选,合格的数据保存成CSV文件存入PLC采集器中形成该机组的一次运行样本,不合格的数据则直接舍弃并进行下一次样本采集;
具体方法如图4所示,首先初始化N为1,以100ms采样率采集N号机组运行数据,当计时器T大于120秒时,判断120秒数据中电机转速均值,当其介于97%Wn~103%Wn时,缓存内120秒数据存入毫秒级数据文本文件I并对N加1,当其介于99%Wp~101%Wp时,缓存内120秒数据存入毫秒级数据文本文件II并对N加1,其中Wn为风力发电机组发电时最小电机转速,Wp为电机额定转速。然后判断N是否大于风电场机组台数,如果成立则初始化N为1。最后清零计时器T,重新继续采集N号机组运行数据。
步骤1-2:数据采集子系统的数据采集服务器下载场级PLC采集器生成的毫秒级数据样本文件,将样本文件存入本地硬盘,并实时采集全风电场所有机组秒级数据,并以文本文件形式保存。每天每台机组的运行数据存放到一个CSV文件中;
步骤1-3:每日凌晨1时,所述的数据处理与存储子系统首先从数据采集服务器下载前一日生成的数据文件,包括秒级数据文件和毫秒级数据文件,然后对秒级数据文件和毫秒级数据文件中的数据进行预处理,包括清洗、集成、变换、归约,最后将结果存入数据库,供数据挖掘与展示子系统使用;
步骤1-4:所述的数据挖掘与展示子系统访问数据库,并利用数据挖掘方法对机组运行异常进行监测以及对机组发电性能和控制性能进行评估,并将结果以友好方式呈现在人机操作界面上。
如图5所示,所述的数据处理与存储子系统对数据处理步骤如下:
步骤2-1:每日凌晨1点,数据处理与存储子系统从数据采集服务器下载前一日秒级数据文件和毫秒级数据文件;
步骤2-2:然后对秒级数据进行清洗、标准化操作以剔除异常点、统一数据格式和单位,生成标准化数据;
步骤2-3:利用算法对标准化数据进行电能生产指标计算并将结果存入数据库,其中电能生产指标包括机组每小时设计应发电量、理论应发电量、实际生产电量、限功率损失电量、停机损失电量;
所述的设计应发电量(Wind speed can Absorb Energy by Designed,WAED)是指机组测量风速对应的设计功率曲线上的功率在1小时内积分得到的能量,计算公式为:
其中P(υi)表示在时刻i实测风速υi对应的设计应发功率;
所述的理论应发电量(Wind speed can Absorb Energy by Theory,WAET)是指机组测量风速对应的实测功率曲线上的功率积分得到的能量,计算公式为:
其中P'(υi)表示在时刻i实测风速υi对应的理论应发功率;
所述的实际生产电量指机组电表测量到的生产度电;
所述的限功率时损失电量(Lose Energy by Limit power,LELP)是指机组由于限功率而造成的能量损失,计算公式为:
其中,P”i表示i时刻功率限定值,求和计算条件为桨角β大于阈值θ;
停机时损失电量(Lose Energy by Stop,LES)是指机组在维护时测量风速对应的理论功率积分得到的能量。它表示机组停机时造成的能量损失,计算公式为:
其中当机组在停机状态时,P”'(υi)=P'(υi),当机组在非停机状态则P”'(υi)=P'(υi);
步骤2-4:对标准化数据进行变换,生成N分钟测量数据计算值,再经整合形成每日风速-功率、风速-振动、功率-温度等拟合曲线并存入数据库;
步骤2-5:对毫秒级数据中的电机转速进行滤波提取和傅里叶变换,生成波形的峰峰值、有效值以及频谱并存入数据库;
如图6所示,数据挖掘与展示子系统,利用数据库存储的每日处理后的电能生产指标、风速-功率、风速-振动、功率-温度等拟合曲线、电机转速波形峰峰值有效值及频谱信息对风电场所有机组日运行状态是否异常进行监测,并对全场发电性能和机组控制性能进行评估,将结果以友好方式展示给用户,并自动生成报表和报告。
Claims (7)
1.一种风电场风力发电机组运行异常监测与性能评估系统,其特征在于:所述的风电场风力发电机组运行异常监测与性能评估系统,包括数据采集子系统、数据处理与存储子系统、数据挖掘与展示子系统;所述的数据采集子系统,通过以太网分别与风电场各台风力发电机组连接,采集秒级数据和毫秒级数据并以文本文件形式存储;所述的数据处理与存储子系统,通过文件传输协议下载数据,收集数据采集子系统存储的数据文件,进行清洗、集成、变换、归约的预处理过程后将结果存入数据库;所述的数据挖掘与展示子系统,利用数据库数据进行挖掘,并将全风电场机组运行异常判断、发电性能以及机组控制性能评估的结果以友好方式向客户展示警报、评价和建议;
所述的数据采集子系统由场级PLC采集器和数据采集服务器组成;
所述的数据处理与存储子系统安装运行在数据运算存储工作站上;
所述的数据挖掘与展示子系统的服务器端安装运行在数据运算存储工作站,客户端安装运行在监控电脑上。
2.按照权利要求1所述的风电场风力发电机组运行异常监测与性能评估系统,其特征在于:所述的风电场风力发电机组运行异常监测与性能评估系统的异常监测与性能评估的步骤如下:
步骤1-1:所述数据采集子系统的场级PLC采集器轮流采集全风电场各台机组毫秒级数据并整理,每次只采集一台机组120秒时长的数据,并经过PLC程序筛选,将合格的数据保存成CSV文件存入PLC内存卡中,形成该机组的一次运行样本,对不合格的数据则舍弃并进行下一次样本采集;
步骤1-2:所述数据采集子系统的数据采集服务器下载场级PLC采集器生成的毫秒级数据样本文件,将样本文件存入本地硬盘,并实时采集全风电场场所有机组秒级数据,以文本文件形式保存;每天每台机组的运行数据存放到一个CSV文件中;
步骤1-3:所述的数据处理与存储子系统在每日凌晨1时,首先从数据采集服务器下载前一日生成的数据文件,包括秒级数据文件和毫秒级数据文件;然后对文件中数据进行预处理,包括清洗、集成、变换、归约,最后将结果存入数据库,供数据挖掘与展示子系统使用;
步骤1-4:所述的数据挖掘与展示子系统访问数据库,并对机组运行异常进行监测以及对机组发电性能和控制性能进行评估,并将结果以友好方式呈现在人机操作界面上。
3.按照权利要求2所述的风电场风力发电机组运行异常监测与性能评估系统,其特征在于:所述的步骤1-1中,所述的场级PLC采集器利用与主控PLC通信协议采集机组运行毫秒级数据,包括机组状态、风速、风向、偏航角、电机转矩、变桨角度、电机转速、网侧功率、机侧功率、叶轮转速、机舱前后方向振动加速度、机舱左右方向振动加速度;在数据筛选时,只选择发电状态下电机转速2分钟均值在机组最小运行转速正负3%范围内及额定转速正负1%范围内两种样本数据,前者定义为类别I,后者定义为类别II。
4.按照权利要求2所述的风电场风力发电机组运行异常监测与性能评估系统,其特征在于:所述的步骤1-2中,数据采集系统利用与主控PLC通信协议采集风电机组运行秒级数据,包括风速风向、轴系转速、温度、振动、机组状态、压力、电网、电流电压、功率转矩、辅助机构动作状态、偏航及调桨相关信息量。
5.按照权利要求4所述的风电场风力发电机组运行异常监测与性能评估系统,其特征在于:所述的数据处理与存储子系统对数据处理步骤如下:
步骤2-1:每日凌晨1点数据处理与存储子系统从数据采集服务器下载前一日秒级数据文件和毫秒级数据文件;
步骤2-2:然后对秒级数据进行清洗、标准化操作以剔除异常点、统一数据格式和单位,生成标准化数据;
步骤2-3:利用算法对标准化数据进行电能生产指标计算,并将结果存入数据库,所述的电能生产指标包括风电机组每小时设计应发电量、理论应发电量、实际生产电量、限功率损失电量和停机损失电量;
步骤2-4:对标准化数据进行变换,生成N分钟测量数据计算值,N的取值范围为1-10,再经整合形成每日风速-功率、风速-振动、功率-温度等拟合曲线并存入数据库;
步骤2-5:对毫秒级数据中的电机转速进行滤波提取和傅里叶变换,生成波形的峰峰值、有效值以及频谱信息并存入数据库。
6.按照权利要求4所述的风电场风力发电机组运行异常监测与性能评估系统,其特征在于:所述的步骤2-3中,
设计应发电量指机组测量风速对应的设计功率曲线上的功率在1小时内积分得到的能量,计算公式为:
<mrow>
<mi>W</mi>
<mi>A</mi>
<mi>E</mi>
<mi>D</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>3600</mn>
</munderover>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&upsi;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
其中P(υi)表示在时刻i实测风速υi对应的设计应发功率;
所述的理论应发电量指机组测量风速对应的实测功率曲线上的功率积分得到的能量,计算公式为:
<mrow>
<mi>W</mi>
<mi>A</mi>
<mi>E</mi>
<mi>T</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>3600</mn>
</munderover>
<msup>
<mi>P</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>&upsi;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
其中P'(υi)表示在时刻i实测风速υi对应的理论应发功率;
所述的实际生产电量指机组电表测量到的生产度电;
所述的限功率时损失电量是指机组由于限功率而造成的能量损失,计算公式为:
<mrow>
<mi>L</mi>
<mi>E</mi>
<mi>L</mi>
<mi>P</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mn>3600</mn>
</munderover>
<mrow>
<mo>(</mo>
<msup>
<mi>P</mi>
<mo>&prime;</mo>
</msup>
<mo>(</mo>
<msub>
<mi>&upsi;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
<mo>-</mo>
<msub>
<msup>
<mi>P</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msup>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
其中,P”i表示i时刻功率限定值,求和计算条件为桨角β大于阈值θ;
所述的停机时损失电量指机组在维护时测量风速对应的理论功率积分得到的能量;它表示机组停机时造成的能量损失,计算公式为:
<mrow>
<mi>L</mi>
<mi>E</mi>
<mi>S</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>3600</mn>
</munderover>
<msup>
<mi>P</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>&upsi;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
其中当机组在停机状态时,P”'(υi)=P'(υi),当机组在非停机状态则P”'(υi)=P'(υi)。
7.按照权利要求2所述的风电场风力发电机组运行异常监测与性能评估系统,其特征在于:所述的步骤1-4中,数据挖掘与展示子系统利用数据库存储的每日处理后的电能生产指标、风速-功率、风速-振动、功率-温度等拟合曲线、电机转速波形峰峰值有效值及频谱信息对风电场所有机组日运行状态是否异常进行监测,并对全场发电性能和机组控制性能进行评估,将结果以友好方式展示给用户,并自动生成报表和报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710845592.0A CN107798462A (zh) | 2017-09-19 | 2017-09-19 | 一种风电场风力发电机组运行异常监测与性能评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710845592.0A CN107798462A (zh) | 2017-09-19 | 2017-09-19 | 一种风电场风力发电机组运行异常监测与性能评估系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107798462A true CN107798462A (zh) | 2018-03-13 |
Family
ID=61531877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710845592.0A Pending CN107798462A (zh) | 2017-09-19 | 2017-09-19 | 一种风电场风力发电机组运行异常监测与性能评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107798462A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710689A (zh) * | 2018-05-22 | 2018-10-26 | 中国华能集团清洁能源技术研究院有限公司 | 一种风电场气象数据管理系统及方法 |
CN108736469A (zh) * | 2018-05-31 | 2018-11-02 | 北京鉴衡认证中心有限公司 | 风电场运行数据的分析方法 |
CN109038830A (zh) * | 2018-09-03 | 2018-12-18 | 国电联合动力技术有限公司 | 一种风电场内高频速率采集控制系统及方法 |
CN109347952A (zh) * | 2018-10-17 | 2019-02-15 | 深圳众宝城贸易有限公司 | 旋转设备轴承振动异常智能提示系统 |
CN109725592A (zh) * | 2019-03-13 | 2019-05-07 | 国电联合动力技术有限公司 | 风电场智慧模拟采集测试系统 |
CN109779837A (zh) * | 2019-01-30 | 2019-05-21 | 华润电力风能(青岛)有限公司 | 一种风力发电机组偏航对风校正方法 |
CN109991500A (zh) * | 2019-04-29 | 2019-07-09 | 中国水电工程顾问集团有限公司 | 一种风电故障预警预测的方法 |
CN110541795A (zh) * | 2019-08-26 | 2019-12-06 | 重庆科凯前卫风电设备有限责任公司 | 一种海上风电机组机舱振动加速度数据有效性的判定方法 |
CN110826899A (zh) * | 2019-10-31 | 2020-02-21 | 三一重能有限公司 | 一种风力发电机组的性能评估方法、装置、设备及存储介质 |
CN111030885A (zh) * | 2019-12-06 | 2020-04-17 | 中国铁塔股份有限公司厦门市分公司 | 一种面向通信基础设施的监控数据提取方法及系统 |
CN112180157A (zh) * | 2020-09-28 | 2021-01-05 | 国电联合动力技术有限公司 | 风电机组发电量计量方法及基于其的智能分析方法和系统 |
CN112579531A (zh) * | 2020-12-15 | 2021-03-30 | 东方电气风电有限公司 | 一种下载和存储风电场数据的方法 |
CN112628074A (zh) * | 2020-11-05 | 2021-04-09 | 新天绿色能源股份有限公司 | 一种用于风电机组的新型功率曲线膝部桨角寻优方法 |
CN113804261A (zh) * | 2021-09-30 | 2021-12-17 | 江苏金风软件技术有限公司 | 风力发电机的水冷系统异常检测装置和方法 |
CN113839461A (zh) * | 2020-06-23 | 2021-12-24 | 北京国电思达科技有限公司 | 一种风电场功率管理系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123456A (zh) * | 2014-07-21 | 2014-10-29 | 北京中科伏瑞电气技术有限公司 | 一种风电场弃风电量分类统计方法及系统 |
US20150240787A1 (en) * | 2012-08-17 | 2015-08-27 | Lm Wp Patent Holding A/S | Blade deflection monitoring system |
CN105449722A (zh) * | 2015-12-19 | 2016-03-30 | 科诺伟业风能设备(北京)有限公司 | 一种风力发电机组限功率控制方法 |
CN105911976A (zh) * | 2016-04-18 | 2016-08-31 | 中国神华能源股份有限公司 | 一种火电厂故障自动分析装置、方法及系统 |
US9569397B2 (en) * | 2012-07-12 | 2017-02-14 | General Electric Company | Methods and systems for maintenance of turbomachinery |
-
2017
- 2017-09-19 CN CN201710845592.0A patent/CN107798462A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9569397B2 (en) * | 2012-07-12 | 2017-02-14 | General Electric Company | Methods and systems for maintenance of turbomachinery |
US20150240787A1 (en) * | 2012-08-17 | 2015-08-27 | Lm Wp Patent Holding A/S | Blade deflection monitoring system |
CN104123456A (zh) * | 2014-07-21 | 2014-10-29 | 北京中科伏瑞电气技术有限公司 | 一种风电场弃风电量分类统计方法及系统 |
CN105449722A (zh) * | 2015-12-19 | 2016-03-30 | 科诺伟业风能设备(北京)有限公司 | 一种风力发电机组限功率控制方法 |
CN105911976A (zh) * | 2016-04-18 | 2016-08-31 | 中国神华能源股份有限公司 | 一种火电厂故障自动分析装置、方法及系统 |
Non-Patent Citations (3)
Title |
---|
ZIJUN ZHANG: "《Monitoring Wind Turbine Vibration Based on SCADA Data》", 《SOLAR ENERGY ENGINEERING》 * |
李子龙: "基于大数据的设备状态在线监测与预警诊断系统研究", 《中国优秀硕士学位论文全文数据库》 * |
李闯: "风电场应发电量计算及损失电量划分", 《中国电机工程学会2015年年会论文集》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710689A (zh) * | 2018-05-22 | 2018-10-26 | 中国华能集团清洁能源技术研究院有限公司 | 一种风电场气象数据管理系统及方法 |
CN108736469B (zh) * | 2018-05-31 | 2020-11-03 | 北京鉴衡认证中心有限公司 | 风电场运行数据的分析方法 |
CN108736469A (zh) * | 2018-05-31 | 2018-11-02 | 北京鉴衡认证中心有限公司 | 风电场运行数据的分析方法 |
CN109038830A (zh) * | 2018-09-03 | 2018-12-18 | 国电联合动力技术有限公司 | 一种风电场内高频速率采集控制系统及方法 |
CN109347952A (zh) * | 2018-10-17 | 2019-02-15 | 深圳众宝城贸易有限公司 | 旋转设备轴承振动异常智能提示系统 |
CN109779837A (zh) * | 2019-01-30 | 2019-05-21 | 华润电力风能(青岛)有限公司 | 一种风力发电机组偏航对风校正方法 |
CN109725592A (zh) * | 2019-03-13 | 2019-05-07 | 国电联合动力技术有限公司 | 风电场智慧模拟采集测试系统 |
CN109991500A (zh) * | 2019-04-29 | 2019-07-09 | 中国水电工程顾问集团有限公司 | 一种风电故障预警预测的方法 |
CN109991500B (zh) * | 2019-04-29 | 2021-12-21 | 中国水电工程顾问集团有限公司 | 一种风电故障预警预测的方法 |
CN110541795A (zh) * | 2019-08-26 | 2019-12-06 | 重庆科凯前卫风电设备有限责任公司 | 一种海上风电机组机舱振动加速度数据有效性的判定方法 |
CN110826899A (zh) * | 2019-10-31 | 2020-02-21 | 三一重能有限公司 | 一种风力发电机组的性能评估方法、装置、设备及存储介质 |
CN111030885A (zh) * | 2019-12-06 | 2020-04-17 | 中国铁塔股份有限公司厦门市分公司 | 一种面向通信基础设施的监控数据提取方法及系统 |
CN113839461A (zh) * | 2020-06-23 | 2021-12-24 | 北京国电思达科技有限公司 | 一种风电场功率管理系统及方法 |
CN112180157A (zh) * | 2020-09-28 | 2021-01-05 | 国电联合动力技术有限公司 | 风电机组发电量计量方法及基于其的智能分析方法和系统 |
CN112180157B (zh) * | 2020-09-28 | 2022-07-29 | 国电联合动力技术有限公司 | 风电机组发电量计量方法及基于其的智能分析方法和系统 |
CN112628074A (zh) * | 2020-11-05 | 2021-04-09 | 新天绿色能源股份有限公司 | 一种用于风电机组的新型功率曲线膝部桨角寻优方法 |
CN112579531A (zh) * | 2020-12-15 | 2021-03-30 | 东方电气风电有限公司 | 一种下载和存储风电场数据的方法 |
CN113804261A (zh) * | 2021-09-30 | 2021-12-17 | 江苏金风软件技术有限公司 | 风力发电机的水冷系统异常检测装置和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107798462A (zh) | 一种风电场风力发电机组运行异常监测与性能评估系统 | |
CN105787584B (zh) | 一种基于云平台的风电机群故障预警方法 | |
Tavner et al. | Reliability analysis for wind turbines | |
CN105134510A (zh) | 一种风力发电机组变桨系统的状态监测和故障诊断方法 | |
WO2022048186A1 (zh) | 振动监控系统、风力发电系统及风电场 | |
CN107732970A (zh) | 一种新能源并网电力系统的静态安全概率评估方法 | |
CN103758696A (zh) | 基于scada温度参数的风电机组安全状况评价方法 | |
CN112115999B (zh) | 一种时空多尺度神经网络的风电机组故障诊断方法 | |
CN106815771A (zh) | 一种风电场载荷的长期评估方法 | |
CN105065212B (zh) | 一种风电场风电机组校验方法及系统 | |
CN108252873A (zh) | 一种风力发电机组在线数据监测及其性能评估的系统 | |
CN109685371A (zh) | 基于贝叶斯网的动态概权风电机组运行状态综合评估方法 | |
CN105894391A (zh) | 基于scada运行数据提取的风电机组转矩控制性能评估方法 | |
CN103852255B (zh) | 基于神经网络风力发电机组典型传动故障智能诊断方法 | |
CN109236589B (zh) | 一种用于评估风机叶片除冰投资方案的方法及装置 | |
Persaud et al. | Effects of large scale wind power on total system variability and operation: Case study of Northern Ireland | |
Long et al. | Wind turbine anomaly identification based on improved deep belief network with SCADA data | |
CN116341716A (zh) | 一种基于数字孪生的智能降损方法 | |
CN105649896A (zh) | 风电机组智能监控运行控制系统及其控制方法 | |
CN115842408A (zh) | 基于scada的风电场运行状态检测系统及方法 | |
CN111794921B (zh) | 一种基于迁移成分分析的陆上风电机组叶片结冰诊断方法 | |
CN114595989A (zh) | 一种风电机组性能评估方法及装置 | |
Răzuşi et al. | Prediction of wind power by artificial intelligence techniques | |
Ramos et al. | Factorial analysis of selected factors affecting the electricity production of onshore wind farms | |
CN114118553A (zh) | 一种永磁直驱风力发电机双列圆锥滚子轴承劣化识别方法 |
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 | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20220318 |