CN108150360A - 检测风电机组的等效载荷的方法和设备 - Google Patents
检测风电机组的等效载荷的方法和设备 Download PDFInfo
- Publication number
- CN108150360A CN108150360A CN201611101888.3A CN201611101888A CN108150360A CN 108150360 A CN108150360 A CN 108150360A CN 201611101888 A CN201611101888 A CN 201611101888A CN 108150360 A CN108150360 A CN 108150360A
- Authority
- CN
- China
- Prior art keywords
- wind turbines
- wind
- load
- ambient
- turbines
- 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 45
- 238000001514 detection method Methods 0.000 claims abstract description 144
- 238000012937 correction Methods 0.000 claims abstract description 81
- 230000007613 environmental effect Effects 0.000 claims abstract description 34
- 238000011156 evaluation Methods 0.000 claims description 11
- 230000000306 recurrent effect Effects 0.000 claims description 6
- 240000002853 Nelumbo nucifera Species 0.000 claims description 5
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 5
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 238000003786 synthesis reaction Methods 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 2
- 244000131316 Panax pseudoginseng Species 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 5
- 238000009434 installation Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000000611 regression analysis Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 241001269238 Data Species 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/04—Automatic control; Regulation
- F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
- F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
- F03D7/046—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with learning or adaptive control, e.g. self-tuning, fuzzy logic or neural network
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/028—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor controlling wind motor output power
- F03D7/0292—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor controlling wind motor output power to reduce fatigue
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/04—Automatic control; Regulation
- F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
- F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
- F03D7/045—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with model-based controls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/32—Wind speeds
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/321—Wind directions
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/332—Maximum loads or fatigue criteria
-
- 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
Abstract
本发明提供一种检测风电机组的等效载荷的方法和设备。所述方法包括:在每个检测周期,检测风电场中的每个风电机组的环境数据;在每个检测周期,检测所述多个风电机组中的一个或多个校正用风电机组的载荷,并使用检测的载荷计算校正用风电机组的等效载荷,基于检测的每个风电机组的环境数据,使用载荷估算模型,确定每个风电机组的等效载荷,其中,载荷估算模型表示风电机组的环境数据与等效载荷之间的关系,在每个检测周期使用载荷估算模型之前,使用在当前检测周期计算的等效载荷和前一检测周期通过载荷估算模型确定的校正用风电机组的等效载荷,校正载荷估算模型的参数。本发明能够以相对低的成本实现等效载荷的精确检测。
Description
技术领域
本发明涉及风力发电领域。更具体地讲,涉及一种检测风电机组的等效载荷的方法和设备。
背景技术
风能作为一种清洁的可再生能源,越来越受到重视,装机量也不断增加。随着风电技术的不断发展,风电机组的疲劳寿命的估计也被日益重视。为了进行风电机组的疲劳寿命的估计,需要获取风电机组所承受的等效载荷。
在现有的等效载荷检测技术中,通常需要在风电机组安装传感器来获得原始载荷数据并以此计算等效载荷。但该技术需要在每个机组安装传感器,导致成本较高。或者,预先建立包含大量的检测数据与等效载荷的数据库,通过在数据库中搜索与检测的数据匹配的等效载荷来确定等效载荷。但该技术检测精度相对较低。
发明内容
本发明的目的在于提供一种检测风电机组的等效载荷的方法和设备,能够以相对低的成本实现等效载荷的精确检测。
根据本发明的一方面,提供一种检测风电机组的等效载荷的方法,所述方法包括:在每个检测周期,检测风电场中的多个风电机组的每个风电机组的环境数据;在每个检测周期,检测所述多个风电机组中的校正用风电机组的载荷,并使用检测的载荷计算校正用风电机组的等效载荷;在每个检测周期,基于检测的每个风电机组的环境数据,使用载荷估算模型,确定每个风电机组的等效载荷,其中,载荷估算模型表示风电机组的环境数据与等效载荷之间的关系,在每个检测周期使用载荷估算模型之前,使用在当前检测周期计算的校正用风电机组的等效载荷和前一检测周期通过载荷估算模型确定的校正用风电机组的等效载荷,校正载荷估算模型的参数。
可选地,任意一个风电机组的环境数据包括有效湍流强度和风场影响信息中的至少一个,其中,有效湍流强度指示所述任意一个风电机组的叶轮所直接感受的湍流强度,风场影响信息指示风电场对所述任意一个风电机组的影响因素。
可选地,风场影响信息包括尾流叠加程度和尾流叠加数量中的至少一个,其中,尾流叠加数量指示对所述任意一个风电机组的尾流存在影响的其他风电机组的数量,尾流叠加程度指示所述任意一个风电机组受到其他风电机组的尾流的影响程度。
可选地,所述尾流叠加程度通过计算环境风向的角度与处于所述任意一个风电机组的环境风上风向的其他风电机组的尾流展开角度之和的比值得到。
可选地,尾流叠加程度为对所述比值应用调整系数的结果,尾流叠加数量为对所述数量进行归一化的结果,其中,调整系数为第一距离与第二距离之比,第一距离指示所述任意一个风电机组与处于所述任意一个风电机组的环境风上风向的其他风电机组之间的距离中的最小距离,第二距离指示所述任意一个风电机组与处于所述任意一个风电机组的环境风上风向的其他风电机组之间的距离中的最大距离。
可选地,有效湍流强度通过如下方式检测:利用环境风速计算环境湍流和所述任意一个风电机组的推力系数;基于计算的推力系数、环境风速、以及所述任意一个风电机组与周边的风电机组之间的距离,计算所述周边的风电机组的尾流引起的湍流的强度;通过将环境湍流和计算的湍流的强度进行体现各自影响的综合来产生有效湍流强度。
可选地,有效湍流强度为环境湍流和计算的湍流的强度的平方和的平方根。
可选地,所述周边的风电机组为处于所述任意一个风电机组的环境风上风向的风电机组之中与所述任意一个风电机组距离最近的风电机组或处于所述任意一个风电机组的环境风上风向的一个扇区内的多个风电机组。
可选地,检测校正用风电机组的载荷的步骤包括:通过在校正用风电机组上安装的传感器来检测校正用风电机组的载荷;或者将校正用风电机组的载荷的仿真结果作为校正用风电机组的载荷。
可选地,环境湍流为环境风速的标准差与环境风速的均值之比,或者,环境湍流基于环境风速、环境风向以及风电场周边环境的历史气象数据而获得。
可选地,基于环境风速、环境风向以及风电场周边环境的历史气象数据获得环境湍流的步骤包括:基于风电场周边环境的历史气象数据确定关于风速的威布尔分布;基于环境风速,从确定的威布尔分布得到与环境风速对应的概率;确定与环境风速对应的关于环境湍流的对数正态分布;基于确定的概率,从确定的对数正态分布得到环境湍流。
可选地,载荷估算模型通过使用递归最小二乘自适应滤波器建立,校正载荷估算模型的参数的步骤包括:基于在当前检测周期计算的校正用风电机组的等效载荷和前一检测周期通过载荷估算模型确定的校正用风电机组的等效载荷之差,通过递归最小二乘法来校正载荷估算模型的参数。
根据本发明的另一方面,提供一种检测风电机组的等效载荷的设备,所述设备包括:第一检测单元,在每个检测周期,检测风电场中的多个风电机组的每个风电机组的环境数据;第二检测单元,在每个检测周期,检测所述多个风电机组中的校正用风电机组的载荷,并使用检测的载荷计算校正用风电机组的等效载荷;估算单元,在每个检测周期,基于检测的每个风电机组的环境数据,使用载荷估算模型,确定每个风电机组的等效载荷,其中,载荷估算模型表示风电机组的环境数据与等效载荷之间的关系,在每个检测周期使用载荷估算模型之前,估算单元使用在当前检测周期计算的校正用风电机组的等效载荷和前一检测周期通过载荷估算模型确定的校正用风电机组的等效载荷,校正载荷估算模型的参数。
可选地,任意一个风电机组的环境数据包括有效湍流强度和风场影响信息中的至少一个,其中,有效湍流强度指示所述任意一个风电机组的叶轮所直接感受的湍流强度,风场影响信息指示风电场对所述任意一个风电机组的影响因素。
可选地,风场影响信息包括尾流叠加程度和尾流叠加数量中的至少一个,其中,尾流叠加数量指示对所述任意一个风电机组的尾流存在影响的其他风电机组的数量,尾流叠加程度指示所述任意一个风电机组受到其他风电机组的尾流的影响程度。
可选地,所述尾流叠加程度通过计算环境风向的角度与处于所述任意一个风电机组的环境风上风向的其他风电机组的尾流展开角度之和的比值得到。
可选地,尾流叠加程度为对所述比值应用调整系数的结果,尾流叠加数量为对所述数量进行归一化的结果,其中,调整系数为第一距离与第二距离之比,第一距离指示所述任意一个风电机组与处于所述任意一个风电机组的环境风上风向的其他风电机组之间的距离中的最小距离,第二距离指示所述任意一个风电机组与处于所述任意一个风电机组的环境风上风向的其他风电机组之间的距离中的最大距离。
可选地,第一检测单元通过如下方式检测有效湍流强度:利用环境风速计算环境湍流和所述任意一个风电机组的推力系数;基于计算的推力系数、环境风速、以及所述任意一个风电机组与周边的风电机组之间的距离,计算所述周边的风电机组的尾流引起的湍流的强度;通过将环境湍流和计算的湍流的强度进行体现各自影响的综合来产生有效湍流强度。
可选地,有效湍流强度为环境湍流和计算的湍流的强度的平方和的平方根。
可选地,所述周边的风电机组为处于所述任意一个风电机组的环境风上风向的风电机组之中与所述任意一个风电机组距离最近的风电机组或处于所述任意一个风电机组的环境风上风向的一个扇区内的多个风电机组。
可选地,第二检测单元通过在校正用风电机组上安装的传感器来检测校正用风电机组的载荷;或者将校正用风电机组的载荷的仿真结果作为校正用风电机组的载荷。
可选地,环境湍流为环境风速的标准差与环境风速的均值之比,或者,环境湍流基于环境风速、环境风向以及风电场周边环境的历史气象数据而获得。
可选地,第一检测单元通过如下方式基于环境风速、环境风向以及风电场周边环境的历史气象数据获得环境湍流:基于风电场周边环境的历史气象数据确定关于风速的威布尔分布;基于环境风速,从确定的威布尔分布得到与环境风速对应的概率;确定与环境风速对应的关于环境湍流的对数正态分布;基于确定的概率,从确定的对数正态分布得到环境湍流。
可选地,载荷估算模型通过使用递归最小二乘自适应滤波器建立,估算单元基于在当前检测周期计算的校正用风电机组的等效载荷和前一检测周期通过载荷估算模型确定的校正用风电机组的等效载荷之差,通过递归最小二乘法来校正载荷估算模型的参数。
根据本发明的另一方面,提供一种估计风电机组的疲劳寿命的方法,包括:使用上面所述的检测风电机组的等效载荷的方法来检测一风电机组的等效载荷;利用检测的等效载荷来估计所述一风电机组的疲劳寿命。
根据本发明的另一方面,提供一种估计风电机组的疲劳寿命的装置,包括:上面所述的检测风电机组的等效载荷的设备,用于检测一风电机组的等效载荷;预测单元,利用所述设备检测的等效载荷来估计所述一风电机组的疲劳寿命。
根据本发明的检测风电机组的等效载荷的方法和设备,不需要在每个风电机组安装传感器,降低了需要在每个风电机组安装传感器所导致的成本。另外,通过在每个检测周期检测环境风速和环境风向即可实现对环境数据的检测,从而精确地检测出风电机组的等效载荷,进一步有效地降低了检测成本。
附图说明
通过下面结合附图进行的详细描述,本发明的上述和其它目的、特点和优点将会变得更加清楚,其中:
图1示出根据本发明的实施例的检测风电机组的等效载荷的方法在一个检测周期执行的处理的流程图;
图2示出根据本发明的实施例的检测任意一个风电机组的有效湍流强度的方法的流程图;
图3示出根据本发明的实施例的检测环境湍流的方法的流程图;
图4示出根据本发明的实施例的检测风电机组的等效载荷的设备的框图。
具体实施方式
现在,将参照附图更充分地描述不同的示例实施例。
根据本发明的一个实施例的检测风电机组的等效载荷的方法周期性地对检测风电机组的等效载荷进行检测。下面结合图1描述在一个检测周期执行的处理的流程图。
图1示出根据本发明的实施例的检测风电机组的等效载荷的方法在一个检测周期执行的处理的流程图。
在步骤S110,检测风电场中的多个风电机组的每个风电机组的环境数据。可采用对风电机组的载荷存在影响的各种环境数据。在本发明的一个优选实施例,任意一个风电机组的环境数据包括有效湍流强度和风场影响信息中的至少一个。在本发明中,有效湍流强度指示所述任意一个风电机组的叶轮所直接感受的湍流强度,风场影响信息指示风电场对所述任意一个风电机组的影响因素。本发明的上述优选实施例所提出的环境数据可以实现更准确的检测。
在步骤S120,检测所述多个风电机组中的校正用风电机组的载荷,并使用检测的载荷计算校正用风电机组的等效载荷(又称,损伤等效载荷、等效疲劳载荷等)。
在该实施例中,风电场中的风电机组可存在部分风电机组(例如,一个或多个)作为校正用风电机组,用于对将在下面描述的载荷估算模型的参数进行校正。
例如,可通过在校正用风电机组的载荷传递路径上的一些关键部件上安装的传感器来检测校正用风电机组的载荷;或者将校正用风电机组的一些关键部件的载荷的仿真结果作为校正用风电机组的载荷。应该理解,这仅是示例性的,可以使用各种技术来检测校正用风电机组的载荷。在检测到校正用风电机组的载荷的之后,可利用其计算校正用风电机组的等效载荷。
在步骤S130,基于检测的每个风电机组的环境数据,使用载荷估算模型,确定每个风电机组的等效载荷。载荷估算模型表示风电机组的环境数据与等效载荷之间的关系。这样,可将环境数据作为载荷估算模型的输入,载荷估算模型可基于该输入输出等效载荷。
可通过各种用于建立变量之间关联的技术来预先建立载荷估算模型,例如,拟合、回归分析、机器学习、自适应滤波器等。
考虑本发明所采用的有效湍流强度和风场影响信息,为了在采用有效湍流强度和风场影响信息的情况下获得更好的精度,优选地,使用递归最小二乘(RLS)自适应滤波器来建立载荷估算模型。在使用自适应滤波器的情况下,载荷估算模型对应于自适应滤波器中的参数可调滤波器(variable filter)。
在使用载荷估算模型确定每个风电机组的等效载荷之前,使用在当前检测周期的步骤S120计算的校正用风电机组的等效载荷和前一检测周期的步骤S130通过载荷估算模型确定的校正用风电机组的等效载荷,来校正载荷估算模型的参数。例如,在使用回归分析的情况下,对回归系数进行校正;在使用自适应滤波器的情况下,对参数可调滤波器的参数进行校正。
这里,可使用在当前检测周期的步骤S120计算的校正用风电机组的等效载荷作为参考,前一检测周期的步骤S130通过载荷估算模型确定的校正用风电机组的等效载荷作为反馈,来校正载荷估算模型的参数。
在使用自适应滤波器来建立载荷估算模型的情况下,可基于在当前检测周期计算的校正用风电机组的等效载荷和前一检测周期通过载荷估算模型确定的校正用风电机组的等效载荷之差,通过对应的自适应算法(例如,在递归最小二乘自适应滤波器的情况下,通过递归最小二乘法)来校正载荷估算模型的参数。
此外,对于第一个检测周期,由于不存在前一检测周期通过载荷估算模型确定的校正用风电机组的等效载荷,因此可不对载荷估算模型的参数进行校正,或者也可使用在第一个检测周期通过载荷估算模型确定的校正用风电机组的等效载荷替代前一检测周期通过载荷估算模型确定的校正用风电机组的等效载荷。
根据本发明的检测风电机组的等效载荷的方法,不需要在每个风电机组安装传感器,降低了需要在每个风电机组安装传感器所导致的成本。另外,通过使用风电场中的部分风电机组作为校正用风电机组,使得随着检测迭代的不断进行,载荷估算模型被不断调整和优化,不确定性会越来越小,检测精度会越来越高,会逼近单纯使用传感器得到的有效载荷。
此外,本实施例对图1中的步骤S120和S130的时序不进行限制,可同时进行或先后进行。
下面参照图2描述检测上面提到的有效湍流强度的实施例。
图2示出根据本发明的实施例的检测任意一个风电机组的有效湍流强度的方法的流程图。
在步骤S210,利用环境风速计算环境湍流和所述任意一个风电机组在所述环境风速下的推力系数。
在此情况下,需要在每个周期检测环境风速。环境风速是指在未受到风电机组的影响的情况下的环境风的风速(例如,可由风在进入风电场之前的风速表示)。例如,可通过风电场的测风塔得到环境风速。
可以利用现有的技术计算与环境风速对应的推力系数。
在一个实施例中,环境湍流可以为环境风速的标准差与环境风速的均值之比。此外,在另一个实施例中,基于环境风速、环境风向以及风电场周边环境的历史气象数据获得环境湍流,将在后面进行详细描述。此外,也可使用现有的技术来计算环境湍流,不再赘述。
在步骤S220,基于计算的推力系数、环境风速、以及所述任意一个风电机组与周边的风电机组之间的距离,计算所述周边的风电机组的尾流引起的湍流的强度。
可通过现有的各种尾流模型(例如,Frandsen模型)来计算风电机组的尾流引起的湍流的强度。
在一个优选实施例中,所述周边的风电机组为处于所述任意一个风电机组的环境风上风向的风电机组之中与所述任意一个风电机组距离最近的风电机组或处于所述任意一个风电机组的环境风上风向的一个扇区内的多个风电机组。在此情况下,需要在每个周期检测环境风向,以确定风电机组的环境风上风向。环境风向是指在未受到风电机组的影响的情况下的环境风的风向(例如,可由风在进入风电场之前的风向表示)。例如,可通过风电场的测风塔得到环境风向。
在步骤S230,通过将在步骤S210计算的环境湍流和在步骤S220计算的湍流的强度综合来产生有效湍流强度。
可将环境湍流和湍流的强度进行体现各自影响的综合或叠加来产生有效湍流强度。例如,有效湍流强度可以为环境湍流和计算的湍流的强度的平方和、所述平方和的平方根、绝对值和等,本发明不限于此。
下面详细描述前面提到的风场影响信息的检测的实施例。
在本发明的一个实施例中,风场影响信息可包括尾流叠加程度和尾流叠加数量中的至少一个。
这里,尾流叠加数量指示对所述任意一个风电机组的尾流存在影响的其他风电机组的数量。优选地,尾流叠加数量指示处于所述任意一个风电机组的环境风上风向的其他风电机组的数量。
尾流叠加程度指示所述任意一个风电机组受到其他风电机组的尾流的影响程度。优选地,该影响可通过环境风向的角度与处于所述任意一个风电机组的环境风上风向的其他风电机组的尾流展开角度之和的比值来表示。然而,本发明不限于此,其他能够体现所述任意一个风电机组受到其他风电机组的尾流的影响程度的参数也是可行的。
此外,还可进一步考虑风电场的其他风电机组的影响,对尾流叠加程度和尾流叠加数量进行调整。具体地说,可对上面描述的尾流叠加程度(例如,所述比值)应用调整系数(即,乘以调整系数),可对上面描述的尾流叠加数量进行归一化。换言之,调整后的尾流叠加程度为对上面描述的尾流叠加程度(例如,所述比值)应用调整系数的结果,调整后的尾流叠加数量为对上面描述的尾流叠加数量进行归一化的结果。
这里,调整系数为第一距离与第二距离之比,第一距离指示所述任意一个风电机组与处于所述任意一个风电机组的环境风上风向的其他风电机组之间的距离中的最小距离,第二距离指示所述任意一个风电机组与处于所述任意一个风电机组的环境风上风向的其他风电机组之间的距离中的最大距离。
优选地,上面涉及的全部距离为无量纲的相对距离,例如,为以叶轮直径为基本单位度量的无量纲距离。
根据本发明的上述实施例,通过在每个检测周期检测环境风速和环境风向即可实现对环境数据的检测,从而精确地检测出风电机组的等效载荷,同时有效地降低了检测成本。
下面,结合图3详细描述在步骤S210基于环境风速、环境风向以及风电场周边环境的历史气象数据获得环境湍流的方法。
图3示出根据本发明的实施例的检测环境湍流的方法的流程图。
在步骤S310,基于风电场周边环境的历史气象数据确定关于风速的威布尔分布。可根据风电场周边的风速的历史环境数据得到关于风速的威布尔分布。威布尔分布的概率函数主要由比例系数和形状因子确定。因此,相应地,可以确定概率函数的比例系数和形状因子。此时,可以得到风速与概率之间的曲线。
在步骤S320,基于环境风速,从确定的威布尔分布得到与环境风速对应的概率。
在步骤S330,确定与环境风速对应的关于环境湍流的对数正态分布。在不同的风速下,环境湍流符合特定的对数正态分布。换言之,环境湍流在不同的风速下存在满足对应的对数正态分布。可以预先确定环境湍流在不同风速下的对数正态分布。在得到环境风速的情况下,可以得到环境湍流在当前的环境风速下的对数正态分布。
在步骤S340,基于确定的概率,从确定的对数正态分布得到环境湍流。在步骤S330已经得到了环境湍流在当前的环境风速下的对数正态分布,也即,得到了环境湍流与概率之间的一个关系。因此,可以确定与在步骤S320确定的概率对应的环境湍流。例如,在已经得到与环境风速对应的关于环境湍流的对数正态分布的情况下,可以得到与该对数正态分布对应的函数的反函数,以确定的概率作为该反函数的输入,此时,该反函数的输出为环境湍流。
下面参照图4详细描述根据本发明的一个实施例的检测风电机组的等效载荷的设备。
图4示出根据本发明的实施例的检测风电机组的等效载荷的设备的框图。
如图4所示,根据本发明的实施例的检测风电机组的等效载荷的设备400包括第一检测单元410、第二检测单元420、估算单元430。
设备400周期性地对检测风电机组的等效载荷进行检测。
第一检测单元410在每个检测周期,检测风电场中的多个风电机组的每个风电机组的环境数据。在本发明的一个优选实施例,任意一个风电机组的环境数据包括有效湍流强度和风场影响信息中的至少一个。在本发明中,有效湍流强度指示所述任意一个风电机组的叶轮所直接感受的湍流强度,风场影响信息指示风电场对所述任意一个风电机组的影响因素。本发明的上述优选实施例所提出的环境数据可以实现更准确的检测。
在一个实施例中,第一检测单元410可通过图2所示的方式来检测任意一个风电机组的有效湍流强度。在此情况下,需要在每个周期检测环境风速。环境风速是指在未受到风电机组的影响的情况下的环境风的风速(例如,可由风在进入风电场之前的风速表示)。例如,可通过风电场的测风塔得到环境风速。
可以利用现有的技术计算与环境风速对应的推力系数。
在一个实施例中,环境湍流可以为环境风速的标准差与环境风速的均值之比。此外,在另一个实施例中,第一检测单元410可基于环境风速、环境风向以及风电场周边环境的历史气象数据获得环境湍流。例如,第一检测单元410可基于图3所示的方式来基于环境风速、环境风向以及风电场周边环境的历史气象数据获得环境湍流。此外,第一检测单元410也可使用现有的技术来计算环境湍流,不再赘述。
下面详细描述第一检测单元410检测前面提到的风场影响信息的实施例。
在本发明的一个实施例中,风场影响信息可包括尾流叠加程度和尾流叠加数量中的至少一个。
这里,尾流叠加数量指示对所述任意一个风电机组的尾流存在影响的其他风电机组的数量。优选地,尾流叠加数量指示处于所述任意一个风电机组的环境风上风向的其他风电机组的数量。
尾流叠加程度指示所述任意一个风电机组受到其他风电机组的尾流的影响程度。优选地,该影响可通过环境风向的角度与处于所述任意一个风电机组的环境风上风向的其他风电机组的尾流展开角度之和的比值来表示。然而,本发明不限于此,其他能够体现所述任意一个风电机组受到其他风电机组的尾流的影响程度的参数也是可行的。
此外,第一检测单元410还可进一步考虑风电场的其他风电机组的影响,对尾流叠加程度和尾流叠加数量进行调整。具体地说,第一检测单元410可对上面描述的尾流叠加程度(例如,所述比值)应用调整系数,对上面描述的尾流叠加数量进行归一化。换言之,调整后的尾流叠加程度为对上面描述的尾流叠加程度(例如,所述比值)应用调整系数的结果,调整后的尾流叠加数量为对上面描述的尾流叠加数量进行归一化的结果。
这里,调整系数为第一距离与第二距离之比,第一距离指示所述任意一个风电机组与处于所述任意一个风电机组的环境风上风向的其他风电机组之间的距离中的最小距离,第二距离指示所述任意一个风电机组与处于所述任意一个风电机组的环境风上风向的其他风电机组之间的距离中的最大距离。
优选地,上面涉及的距离为无量纲的相对距离,例如,为以叶轮直径为基本单位度量的无量纲距离。
根据本发明的上述实施例,通过在每个检测周期检测环境风速和环境风向即可实现对环境数据的检测,从而精确地检测出风电机组的等效载荷,同时有效地降低了检测成本。
第二检测单元420在每个检测周期,检测所述多个风电机组中的一个或多个校正用风电机组的载荷,并使用检测的载荷计算校正用风电机组的等效载荷。在该实施例中,风电场中的风电机组可存在部分风电机组(例如,一个或多个)作为校正用风电机组,用于对将在下面描述的载荷估算模型的参数进行校正。
例如,可通过在校正用风电机组的载荷传递路径上的一些关键部件上安装的传感器来检测校正用风电机组的载荷;或者将校正用风电机组的一些关键部件的载荷的仿真结果作为校正用风电机组的载荷。应该理解,这仅是示例性的,可以使用各种技术来检测校正用风电机组的载荷。
估算单元430在每个检测周期,基于检测的每个风电机组的环境数据,使用载荷估算模型,确定每个风电机组的等效载荷。载荷估算模型表示风电机组的环境数据与等效载荷之间的关系。这样,可将环境数据作为载荷估算模型的输入,载荷估算模型可基于该输入输出等效载荷。
可通过各种用于建立变量之间关联的技术来预先建立载荷估算模型,例如,拟合、回归分析、机器学习、自适应滤波器等。
考虑本发明所采用的有效湍流强度和风场影响信息,为了在采用有效湍流强度和风场影响信息的情况下获得更好的精度,优选地,使用递归最小二乘(RLS)自适应滤波器来建立载荷估算模型。在使用自适应滤波器的情况下,载荷估算模型对应于自适应滤波器中的参数可调滤波器(variable filter)。
估算单元430在使用载荷估算模型确定每个风电机组的等效载荷之前,使用第二检测单元420在当前检测周期计算的校正用风电机组的等效载荷和估算单元430在前一检测周期通过载荷估算模型确定的校正用风电机组的等效载荷,来校正载荷估算模型的参数。例如,在使用回归分析的情况下,对回归系数进行校正;在使用自适应滤波器的情况下,对参数可调滤波器的参数进行校正。
这里,可使用第二检测单元420在当前检测周期的计算的校正用风电机组的等效载荷作为参考,估算单元430在前一检测周期通过载荷估算模型确定的校正用风电机组的等效载荷作为反馈,来校正载荷估算模型的参数。
在使用自适应滤波器来建立载荷估算模型的情况下,可基于在当前检测周期计算的校正用风电机组的等效载荷和前一检测周期通过载荷估算模型确定的校正用风电机组的等效载荷之差,通过对应的自适应算法(例如,在递归最小二乘自适应滤波器的情况下,通过递归最小二乘法)来校正载荷估算模型的参数。
此外,对于第一个检测周期,由于不存在前一检测周期通过载荷估算模型确定的校正用风电机组的等效载荷,因此可不对载荷估算模型的参数进行校正,或者也可使用在第一个检测周期通过载荷估算模型确定的校正用风电机组的等效载荷作为替代。
此外,在本发明的另一实施例中,可使用根据本发明的实施例的检测风电机组的等效载荷的方法,来检测一风电机组的等效载荷。随后,利用检测的等效载荷来估计所述一风电机组的疲劳寿命。可以使用现有的基于等效载荷的疲劳寿命技术,不再赘述。
此外,在本发明的另一实施例中,提供一种估计风电机组的疲劳寿命的装置。该装置可包括根据本发明的实施例的检测风电机组的等效载荷的设备以及预测单元。所述设备可检测一风电机组的等效载荷。预测单元可利用所示设备检测的等效载荷来估计所述一风电机组的疲劳寿命。
此外,根据本发明的示例性实施例的上述方法可以被实现为计算机可读介质上的计算机程序,从而当运行该程序时,实现上述方法。
此外,根据本发明的示例性实施例的上述装置和设备中的各个单元可被实现硬件组件或软件模块。此外,本领域技术人员可根据限定的各个单元所执行的处理,通过例如使用现场可编程门阵列(FPGA)、专用集成电路(ASIC)或处理器来实现各个单元。
根据本发明的检测风电机组的等效载荷的方法和设备,不需要在每个风电机组安装传感器,降低了需要在每个风电机组安装传感器所导致的成本。另外,通过在每个检测周期检测环境风速和环境风向即可实现对环境数据的检测,从而精确地检测出风电机组的等效载荷,进一步有效地降低了检测成本。
尽管已经参照其示例性实施例具体显示和描述了本发明,但是本领域的技术人员应该理解,在不脱离权利要求所限定的本发明的精神和范围的情况下,可以对其进行形式和细节上的各种改变。
Claims (26)
1.一种检测风电机组的等效载荷的方法,其特征在于,所述方法包括:
在每个检测周期,检测风电场中的多个风电机组的每个风电机组的环境数据;
在每个检测周期,检测所述多个风电机组中的校正用风电机组的载荷,并使用检测的载荷计算校正用风电机组的等效载荷;
在每个检测周期,基于检测的每个风电机组的环境数据,使用载荷估算模型,确定每个风电机组的等效载荷,
其中,载荷估算模型表示风电机组的环境数据与等效载荷之间的关系,在每个检测周期使用载荷估算模型之前,使用在当前检测周期计算的校正用风电机组的等效载荷和前一检测周期通过载荷估算模型确定的校正用风电机组的等效载荷,校正载荷估算模型的参数。
2.如权利要求1所述的方法,其特征在于,任意一个风电机组的环境数据包括有效湍流强度和风场影响信息中的至少一个,
其中,
有效湍流强度指示所述任意一个风电机组的叶轮所直接感受的湍流强度,
风场影响信息指示风电场对所述任意一个风电机组的影响因素。
3.如权利要求2所述的方法,其特征在于,风场影响信息包括尾流叠加程度和尾流叠加数量中的至少一个,
其中,
尾流叠加数量指示对所述任意一个风电机组的尾流存在影响的其他风电机组的数量,
尾流叠加程度指示所述任意一个风电机组受到其他风电机组的尾流的影响程度。
4.如权利要求3所述的方法,其特征在于,所述尾流叠加程度通过计算环境风向的角度与处于所述任意一个风电机组的环境风上风向的其他风电机组的尾流展开角度之和的比值得到。
5.如权利要求4所述的方法,其中,尾流叠加程度为对所述比值应用调整系数的结果,尾流叠加数量为对所述数量进行归一化的结果,
其中,调整系数为第一距离与第二距离之比,
第一距离指示所述任意一个风电机组与处于所述任意一个风电机组的环境风上风向的其他风电机组之间的距离中的最小距离,第二距离指示所述任意一个风电机组与处于所述任意一个风电机组的环境风上风向的其他风电机组之间的距离中的最大距离。
6.如权利要求2所述的方法,其特征在于,有效湍流强度通过如下方式检测:
利用环境风速计算环境湍流和所述任意一个风电机组的推力系数;
基于计算的推力系数、环境风速、以及所述任意一个风电机组与周边的风电机组之间的距离,计算所述周边的风电机组的尾流引起的湍流的强度;
通过将环境湍流和计算的湍流的强度进行体现各自影响的综合来产生有效湍流强度。
7.如权利要求6所述的方法,其特征在于,有效湍流强度为环境湍流和计算的湍流的强度的平方和的平方根。
8.如权利要求6所述的方法,其特征在于,所述周边的风电机组为处于所述任意一个风电机组的环境风上风向的风电机组之中与所述任意一个风电机组距离最近的风电机组或处于所述任意一个风电机组的环境风上风向的一个扇区内的多个风电机组。
9.如权利要求6所述的方法,其特征在于,环境湍流为环境风速的标准差与环境风速的均值之比,或者,环境湍流基于环境风速、环境风向以及风电场周边环境的历史气象数据而获得。
10.如权利要求9所述的方法,其特征在于,基于环境风速、环境风向以及风电场周边环境的历史气象数据获得环境湍流的步骤包括:
基于风电场周边环境的历史气象数据确定关于风速的威布尔分布;
基于环境风速,从确定的威布尔分布得到与环境风速对应的概率;
确定与环境风速对应的关于环境湍流的对数正态分布;
基于确定的概率,从确定的对数正态分布得到环境湍流。
11.如权利要求1至10中的任意一项所述的方法,其特征在于,检测校正用风电机组的载荷的步骤包括:通过在校正用风电机组上安装的传感器来检测校正用风电机组的载荷;或者将校正用风电机组的载荷的仿真结果作为校正用风电机组的载荷。
12.如权利要求1至10中的任意一项所述的方法,其特征在于,载荷估算模型通过使用递归最小二乘自适应滤波器建立,
校正载荷估算模型的参数的步骤包括:基于在当前检测周期计算的校正用风电机组的等效载荷和前一检测周期通过载荷估算模型确定的校正用风电机组的等效载荷之差,通过递归最小二乘法来校正载荷估算模型的参数。
13.一种检测风电机组的等效载荷的设备,其特征在于,所述设备包括:
第一检测单元,在每个检测周期,检测风电场中的多个风电机组的每个风电机组的环境数据;
第二检测单元,在每个检测周期,检测所述多个风电机组中的校正用风电机组的载荷,并使用检测的载荷计算校正用风电机组的等效载荷;
估算单元,在每个检测周期,基于检测的每个风电机组的环境数据,使用载荷估算模型,确定每个风电机组的等效载荷,
其中,载荷估算模型表示风电机组的环境数据与等效载荷之间的关系,在每个检测周期使用载荷估算模型之前,估算单元使用在当前检测周期计算的校正用风电机组的等效载荷和前一检测周期通过载荷估算模型确定的校正用风电机组的等效载荷,校正载荷估算模型的参数。
14.如权利要求13所述的设备,其特征在于,任意一个风电机组的环境数据包括有效湍流强度和风场影响信息中的至少一个,
其中,
有效湍流强度指示所述任意一个风电机组的叶轮所直接感受的湍流强度,
风场影响信息指示风电场对所述任意一个风电机组的影响因素。
15.如权利要求14所述的设备,其特征在于,风场影响信息包括尾流叠加程度和尾流叠加数量中的至少一个,
其中,
尾流叠加数量指示对所述任意一个风电机组的尾流存在影响的其他风电机组的数量,
尾流叠加程度指示所述任意一个风电机组受到其他风电机组的尾流的影响程度。
16.如权利要求15所述的设备,其特征在于,所述尾流叠加程度通过计算环境风向的角度与处于所述任意一个风电机组的环境风上风向的其他风电机组的尾流展开角度之和的比值得到。
17.如权利要求16所述的设备,其特征在于,尾流叠加程度为对所述比值应用调整系数的结果,尾流叠加数量为对所述数量进行归一化的结果,
其中,调整系数为第一距离与第二距离之比,
第一距离指示所述任意一个风电机组与处于所述任意一个风电机组的环境风上风向的其他风电机组之间的距离中的最小距离,第二距离指示所述任意一个风电机组与处于所述任意一个风电机组的环境风上风向的其他风电机组之间的距离中的最大距离。
18.如权利要求14所述的设备,其特征在于,第一检测单元通过如下方式检测有效湍流强度:
利用环境风速计算环境湍流和所述任意一个风电机组的推力系数;
基于计算的推力系数、环境风速、以及所述任意一个风电机组与周边的风电机组之间的距离,计算所述周边的风电机组的尾流引起的湍流的强度;
通过将环境湍流和计算的湍流的强度进行体现各自影响的综合来产生有效湍流强度。
19.如权利要求18所述的设备,其特征在于,有效湍流强度为环境湍流和计算的湍流的强度的平方和的平方根。
20.如权利要求18所述的设备,其特征在于,所述周边的风电机组为处于所述任意一个风电机组的环境风上风向的风电机组之中与所述任意一个风电机组距离最近的风电机组或处于所述任意一个风电机组的环境风上风向的一个扇区内的多个风电机组。
21.如权利要求18所述的设备,其特征在于,环境湍流为环境风速的标准差与环境风速的均值之比,或者,环境湍流基于环境风速、环境风向以及风电场周边环境的历史气象数据而获得。
22.如权利要求21所述的设备,其特征在于,第一检测单元通过如下方式基于环境风速、环境风向以及风电场周边环境的历史气象数据获得环境湍流:
基于风电场周边环境的历史气象数据确定关于风速的威布尔分布;
基于环境风速,从确定的威布尔分布得到与环境风速对应的概率;
确定与环境风速对应的关于环境湍流的对数正态分布;
基于确定的概率,从确定的对数正态分布得到环境湍流。
23.如权利要求13至22中的任意一项所述的设备,其特征在于,第二检测单元通过在校正用风电机组上安装的传感器来检测校正用风电机组的载荷;或者将校正用风电机组的载荷的仿真结果作为校正用风电机组的载荷。
24.如权利要求13至22中的任意一项所述的设备,其特征在于,载荷估算模型通过使用递归最小二乘自适应滤波器建立,估算单元基于在当前检测周期计算的校正用风电机组的等效载荷和前一检测周期通过载荷估算模型确定的校正用风电机组的等效载荷之差,通过递归最小二乘法来校正载荷估算模型的参数。
25.一种估计风电机组的疲劳寿命的方法,包括:
使用权利要求1至12中的任意一项所述的方法来检测一风电机组的等效载荷;
利用检测的等效载荷来估计所述一风电机组的疲劳寿命。
26.一种估计风电机组的疲劳寿命的装置,包括:
权利要求13至24中的任意一项所述的设备,用于检测一风电机组的等效载荷;
预测单元,利用所述设备检测的等效载荷来估计所述一风电机组的疲劳寿命。
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611101888.3A CN108150360A (zh) | 2016-12-05 | 2016-12-05 | 检测风电机组的等效载荷的方法和设备 |
US15/759,335 US10337498B2 (en) | 2016-12-05 | 2017-06-09 | Method and device for detecting equivalent load of wind turbine |
EP17844609.2A EP3364324B1 (en) | 2016-12-05 | 2017-06-09 | Method and device for detecting equivalent load of wind turbine generator system |
KR1020187007433A KR102052289B1 (ko) | 2016-12-05 | 2017-06-09 | 풍력 터빈의 등가 하중을 검출하기 위한 방법 및 장치 |
PCT/CN2017/087671 WO2018103286A1 (zh) | 2016-12-05 | 2017-06-09 | 检测风电机组的等效载荷的方法和设备 |
AU2017317610A AU2017317610B2 (en) | 2016-12-05 | 2017-06-09 | Method and device for detecting equivalent load of wind turbine |
ES17844609T ES2800773T3 (es) | 2016-12-05 | 2017-06-09 | Procedimiento y dispositivo para la detección de una carga equivalente de un sistema de generador de turbina eólica |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611101888.3A CN108150360A (zh) | 2016-12-05 | 2016-12-05 | 检测风电机组的等效载荷的方法和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108150360A true CN108150360A (zh) | 2018-06-12 |
Family
ID=62470820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611101888.3A Pending CN108150360A (zh) | 2016-12-05 | 2016-12-05 | 检测风电机组的等效载荷的方法和设备 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10337498B2 (zh) |
EP (1) | EP3364324B1 (zh) |
KR (1) | KR102052289B1 (zh) |
CN (1) | CN108150360A (zh) |
AU (1) | AU2017317610B2 (zh) |
ES (1) | ES2800773T3 (zh) |
WO (1) | WO2018103286A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109340062A (zh) * | 2018-12-18 | 2019-02-15 | 国电联合动力技术有限公司 | 一种低风速风电机组数字双胞胎式的疲劳损伤预测方法 |
CN110067696A (zh) * | 2019-06-03 | 2019-07-30 | 浙江运达风电股份有限公司 | 一种风电机组载荷确定方法、装置、设备及可读存储介质 |
CN111291514A (zh) * | 2020-02-03 | 2020-06-16 | 华北电力大学 | 一种风电机组疲劳寿命的快速预测的方法 |
CN111400852A (zh) * | 2018-12-30 | 2020-07-10 | 北京金风科创风电设备有限公司 | 风电场湍流强度参数的确定方法及装置 |
CN111706471A (zh) * | 2020-05-11 | 2020-09-25 | 明阳智慧能源集团股份公司 | 基于运行姿态的风机载荷预测系统及风机降载延寿方法 |
CN113027674A (zh) * | 2019-12-24 | 2021-06-25 | 北京金风科创风电设备有限公司 | 风力发电机组的控制方法及其装置 |
WO2023123689A1 (zh) * | 2021-12-29 | 2023-07-06 | 新疆金风科技股份有限公司 | 一种风力发电机组的控制方法、装置、设备及介质 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017009838A1 (de) * | 2017-10-23 | 2019-04-25 | Senvion Gmbh | Steuerungssystem und Verfahren zum Betreiben mehrerer Windenergieanlagen |
CN110094298B (zh) * | 2018-01-31 | 2020-05-26 | 北京金风科创风电设备有限公司 | 切出策略自适应调整的方法及装置 |
CN109992889B (zh) * | 2019-04-02 | 2023-06-27 | 上海电气风电集团股份有限公司 | 风电场模型的建立方法及系统、尾流值计算方法及系统 |
KR102109493B1 (ko) * | 2019-04-10 | 2020-05-12 | 군산대학교산학협력단 | 풍력 터빈의 피로하중 모델 구축 방법 |
FR3095246B1 (fr) * | 2019-04-16 | 2022-12-09 | Ifp Energies Now | Procédé et système de contrôle d’une grandeur d’une éolienne par choix du contrôleur par un apprentissage automatique |
KR102406870B1 (ko) * | 2020-04-10 | 2022-06-10 | 군산대학교산학협력단 | 유효 전력 조절 하에서의 풍력 터빈 피로 하중 모델 구축 방법 |
KR102373477B1 (ko) * | 2020-06-30 | 2022-03-11 | 군산대학교산학협력단 | 유효 전력 조절 하에서의 풍력 터빈의 피로하중 모델 구축 방법 |
CN115659844B (zh) * | 2022-12-05 | 2023-03-31 | 南方电网数字电网研究院有限公司 | 基于风电场动态模型的仿真方法、装置和计算机设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103742359A (zh) * | 2013-12-26 | 2014-04-23 | 南车株洲电力机车研究所有限公司 | 基于模型辨识的风电机组控制参数再调校装置、系统及其方法 |
CN105041572A (zh) * | 2014-04-29 | 2015-11-11 | 通用电气公司 | 用于优化风电场操作的系统和方法 |
US20160084233A1 (en) * | 2014-09-23 | 2016-03-24 | General Electric Company | Systems and methods for validating wind farm performance measurements |
CN105760641A (zh) * | 2014-12-15 | 2016-07-13 | 南车株洲电力机车研究所有限公司 | 面向非标准型风场的风电机组疲劳寿命高效评估方法 |
Family Cites Families (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4977527A (en) * | 1988-04-14 | 1990-12-11 | Fike Corporation | Threshold compensation and calibration in distributed environmental detection system for fire detection and suppression |
US7822560B2 (en) * | 2004-12-23 | 2010-10-26 | General Electric Company | Methods and apparatuses for wind turbine fatigue load measurement and assessment |
US7889019B2 (en) * | 2006-10-13 | 2011-02-15 | Andrew Roman Gizara | Pulse width modulation sequence generating a near critical damped step response |
US7719336B2 (en) * | 2006-10-31 | 2010-05-18 | Andrew Roman Gizara | Pulse width modulation sequence maintaining maximally flat voltage during current transients |
US8959516B2 (en) * | 2007-07-30 | 2015-02-17 | International Business Machines Corporation | Methods and systems for coordinated financial transactions in distributed and parallel environments |
DK2108830T3 (da) | 2008-01-10 | 2019-11-25 | Siemens Gamesa Renewable Energy As | Fremgangsmåde til bestemmelse af udmattelseslast af en vindmølle og til udmattelseslaststyring og tilsvarende vindmøller |
JP5244502B2 (ja) | 2008-08-25 | 2013-07-24 | 三菱重工業株式会社 | 風車の運転制限調整装置及び方法並びにプログラム |
US9367825B2 (en) * | 2009-10-23 | 2016-06-14 | Viridity Energy, Inc. | Facilitating revenue generation from wholesale electricity markets based on a self-tuning energy asset model |
US20130245847A1 (en) * | 2009-10-23 | 2013-09-19 | Alain P. Steven | Facilitating revenue generation from wholesale electricity markets using an enineering-based energy asset model |
DK2386751T3 (en) * | 2010-05-12 | 2016-11-28 | Siemens Ag | Windmill |
EP2577055B8 (en) * | 2010-06-02 | 2016-10-12 | Vestas Wind Systems A/S | A method for operating a wind turbine at improved power output |
GB2484266A (en) * | 2010-09-30 | 2012-04-11 | Vestas Wind Sys As | Over-rating control of a wind turbine power plant |
GB2491548A (en) * | 2010-09-30 | 2012-12-12 | Vestas Wind Sys As | Over-rating control of a wind turbine power plant |
DK2541053T3 (en) * | 2011-06-30 | 2017-10-23 | Siemens Ag | Process, wind farm controller and program element for managing a wind farm |
JP5567044B2 (ja) * | 2012-02-21 | 2014-08-06 | 三菱重工業株式会社 | ウインドファームの運転方法及びウインドファームの運転制御システム |
EP2644889B1 (en) | 2012-03-29 | 2015-05-13 | ALSTOM Renewable Technologies | Detecting a wake situation in a wind farm |
WO2013166510A1 (en) * | 2012-05-04 | 2013-11-07 | Viridity Energy, Inc. | Facilitating revenue generation from wholesale electricity markets using an engineering-based energy asset model |
DE102012210150A1 (de) * | 2012-06-15 | 2013-12-19 | Wobben Properties Gmbh | Windenergieanlage und Verfahren zum Steuern einer Windenergieanlage oder eines Windparks |
CN103514353A (zh) * | 2012-06-29 | 2014-01-15 | 国际商业机器公司 | 新增风机的功率预测方法和系统 |
US10069302B2 (en) * | 2013-02-19 | 2018-09-04 | Nec Corporation | Power flow control system and power flow control method |
US9261077B2 (en) * | 2013-03-19 | 2016-02-16 | General Electric Company | System and method for real-time load control of a wind turbine |
US20140288855A1 (en) * | 2013-03-20 | 2014-09-25 | United Technologies Corporation | Temporary Uprating of Wind Turbines to Maximize Power Output |
US9098876B2 (en) * | 2013-05-06 | 2015-08-04 | Viridity Energy, Inc. | Facilitating revenue generation from wholesale electricity markets based on a self-tuning energy asset model |
KR101411420B1 (ko) | 2013-06-14 | 2014-06-25 | 삼성중공업 주식회사 | 시뮬레이션 기법을 이용한 풍력 발전 단지의 풍력 발전기 제어 시스템 및 방법 |
US9822762B2 (en) * | 2013-12-12 | 2017-11-21 | General Electric Company | System and method for operating a wind turbine |
JP5984791B2 (ja) * | 2013-12-20 | 2016-09-06 | 三菱重工業株式会社 | 風力発電装置のモニタリングシステム及びモニタリング方法 |
CN105320785B (zh) * | 2014-07-09 | 2018-05-29 | 南车株洲电力机车研究所有限公司 | 一种用于风电机组载荷计算的工况全自动生成方法及装置 |
JP6373682B2 (ja) * | 2014-08-01 | 2018-08-15 | 株式会社日立製作所 | 風力発電設備の応力推定装置および風力発電設備の応力推定方法、風力発電システム |
WO2016069330A1 (en) * | 2014-10-26 | 2016-05-06 | Pavlovski Alexandre | Forecasting net load in a distributed utility grid |
KR101606139B1 (ko) | 2014-11-20 | 2016-03-24 | 대우조선해양 주식회사 | 에너지 생산량 극대화를 위한 풍력발전기 운전 시스템 |
US10100813B2 (en) | 2014-11-24 | 2018-10-16 | General Electric Company | Systems and methods for optimizing operation of a wind farm |
WO2016178316A1 (ja) * | 2015-05-07 | 2016-11-10 | 日本電気株式会社 | 計算機調達予測装置、計算機調達予測方法、及び、プログラム |
EP3303834B1 (en) * | 2015-05-27 | 2020-09-16 | Vestas Wind Systems A/S | Control of a wind turbine taking fatigue measure into account |
US9705327B2 (en) * | 2015-07-14 | 2017-07-11 | Restore Nv | Self-learning, real-time, data-driven power metering system |
US10256633B2 (en) * | 2015-11-04 | 2019-04-09 | Utopus Insights, Inc | Real-time estimation of contributions from classes of energy generators in residual load signals |
CN105701337B (zh) * | 2015-12-31 | 2018-06-15 | 北京金风科创风电设备有限公司 | 风电机组的疲劳寿命预测方法和装置 |
CN105508149B (zh) * | 2015-12-31 | 2018-12-07 | 北京金风科创风电设备有限公司 | 用于风力发电机组的故障检测方法及装置 |
US11257172B2 (en) * | 2017-04-26 | 2022-02-22 | International Business Machines Corporation | Cognitive based decision support system for agriculture |
US20190005826A1 (en) * | 2017-06-28 | 2019-01-03 | Ge Aviation Systems, Llc | Engine load model systems and methods |
-
2016
- 2016-12-05 CN CN201611101888.3A patent/CN108150360A/zh active Pending
-
2017
- 2017-06-09 ES ES17844609T patent/ES2800773T3/es active Active
- 2017-06-09 KR KR1020187007433A patent/KR102052289B1/ko active IP Right Grant
- 2017-06-09 AU AU2017317610A patent/AU2017317610B2/en active Active
- 2017-06-09 WO PCT/CN2017/087671 patent/WO2018103286A1/zh active Application Filing
- 2017-06-09 US US15/759,335 patent/US10337498B2/en active Active
- 2017-06-09 EP EP17844609.2A patent/EP3364324B1/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103742359A (zh) * | 2013-12-26 | 2014-04-23 | 南车株洲电力机车研究所有限公司 | 基于模型辨识的风电机组控制参数再调校装置、系统及其方法 |
CN105041572A (zh) * | 2014-04-29 | 2015-11-11 | 通用电气公司 | 用于优化风电场操作的系统和方法 |
US20160084233A1 (en) * | 2014-09-23 | 2016-03-24 | General Electric Company | Systems and methods for validating wind farm performance measurements |
CN105760641A (zh) * | 2014-12-15 | 2016-07-13 | 南车株洲电力机车研究所有限公司 | 面向非标准型风场的风电机组疲劳寿命高效评估方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109340062A (zh) * | 2018-12-18 | 2019-02-15 | 国电联合动力技术有限公司 | 一种低风速风电机组数字双胞胎式的疲劳损伤预测方法 |
CN111400852A (zh) * | 2018-12-30 | 2020-07-10 | 北京金风科创风电设备有限公司 | 风电场湍流强度参数的确定方法及装置 |
CN111400852B (zh) * | 2018-12-30 | 2023-12-01 | 北京金风科创风电设备有限公司 | 风电场湍流强度参数的确定方法及装置 |
CN110067696A (zh) * | 2019-06-03 | 2019-07-30 | 浙江运达风电股份有限公司 | 一种风电机组载荷确定方法、装置、设备及可读存储介质 |
CN113027674A (zh) * | 2019-12-24 | 2021-06-25 | 北京金风科创风电设备有限公司 | 风力发电机组的控制方法及其装置 |
CN111291514A (zh) * | 2020-02-03 | 2020-06-16 | 华北电力大学 | 一种风电机组疲劳寿命的快速预测的方法 |
CN111291514B (zh) * | 2020-02-03 | 2024-04-05 | 华北电力大学 | 一种风电机组疲劳寿命的快速预测的方法 |
CN111706471A (zh) * | 2020-05-11 | 2020-09-25 | 明阳智慧能源集团股份公司 | 基于运行姿态的风机载荷预测系统及风机降载延寿方法 |
WO2023123689A1 (zh) * | 2021-12-29 | 2023-07-06 | 新疆金风科技股份有限公司 | 一种风力发电机组的控制方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
KR102052289B1 (ko) | 2019-12-04 |
ES2800773T3 (es) | 2021-01-04 |
KR20180116217A (ko) | 2018-10-24 |
US10337498B2 (en) | 2019-07-02 |
AU2017317610A1 (en) | 2018-06-21 |
US20190072075A1 (en) | 2019-03-07 |
EP3364324B1 (en) | 2020-05-13 |
EP3364324A4 (en) | 2019-08-14 |
AU2017317610B2 (en) | 2019-09-12 |
WO2018103286A1 (zh) | 2018-06-14 |
EP3364324A1 (en) | 2018-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108150360A (zh) | 检测风电机组的等效载荷的方法和设备 | |
Rahimi et al. | Evaluation of different methods for determining the angle of attack on wind turbine blades with CFD results under axial inflow conditions | |
Barthelmie et al. | Comparison of wake model simulations with offshore wind turbine wake profiles measured by sodar | |
Wu et al. | Simulation of turbulent flow inside and above wind farms: model validation and layout effects | |
Chaudhari | Large-eddy simulation of wind flows over complex terrains for wind energy applications | |
CN108074015A (zh) | 一种风电功率超短期预测方法及系统 | |
Barber et al. | Development of a wireless, non-intrusive, MEMS-based pressure and acoustic measurement system for large-scale operating wind turbine blades | |
Uchida | High-Resolution LES of Terrain-Induced Turbulence around Wind Turbine Generators, by Using Turbulent Inflow Boundary Conditions | |
CN107657116A (zh) | 一种风电场功率曲线仿射建模的方法 | |
CN103077274A (zh) | 高精度曲面建模智能化方法及装置 | |
CN109766611B (zh) | 一种考虑地形坡度的风电场功率简化预测方法 | |
Gu et al. | Analysis and quantification of data assimilation based on sequential Monte Carlo methods for wildfire spread simulation | |
CN108205110B (zh) | 风力发电机组发电机故障的检测方法及装置 | |
Braunbehrens et al. | The wind farm as a sensor: learning and explaining orographic and plant-induced flow heterogeneities from operational data | |
CN108197843A (zh) | 一种平坦地形风电出力特性评估方法 | |
Xie et al. | Comparison of methods for locating and quantifying turbine-induced forced-oscillations | |
CN109038651B (zh) | 一种基于机组相关性的风电场功率波动频谱预测模型 | |
KR101502402B1 (ko) | 차분방식과 확률기법을 적용한 바람 모델링 방법 | |
Schneiderbauer et al. | Determination of open boundary conditions for computational fluid dynamics (CFD) from interior observations | |
Babazadeh et al. | Development of an Arduino101-LoRa based wind speed estimator | |
Holst et al. | Static and dynamic analysis of a NACA 0021 airfoil section at low Reynolds numbers: Drag and moment coefficients | |
Heinemann et al. | Experiences with the Application of the non-hydrostatic Mesoscale Model GESIMA for assessing Wind Potential in Complex Terrain | |
Mohamed et al. | Vertical Wind Speed Extrapolation Using the k—ε Turbulence Model | |
Musyafa et al. | Local Short-Term Wind Speed Prediction in the region Nganjuk City (East Java) Using Neural Network | |
Quon et al. | Development of a wind plant large-eddy simulation with measurement-driven atmospheric inflow |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180612 |
|
WD01 | Invention patent application deemed withdrawn after publication |