CN109026530B - 一种风力发电机组智能学习方法 - Google Patents
一种风力发电机组智能学习方法 Download PDFInfo
- Publication number
- CN109026530B CN109026530B CN201810801026.4A CN201810801026A CN109026530B CN 109026530 B CN109026530 B CN 109026530B CN 201810801026 A CN201810801026 A CN 201810801026A CN 109026530 B CN109026530 B CN 109026530B
- Authority
- CN
- China
- Prior art keywords
- wind
- wind speed
- information
- data table
- speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000011159 matrix material Substances 0.000 claims description 24
- 230000008859 change Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000007774 longterm Effects 0.000 claims description 4
- 239000004576 sand Substances 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 2
- 238000010248 power generation Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction 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
- F03D7/0204—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor for orientation in relation to wind direction
-
- 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
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/022—Adjusting aerodynamic properties of the blades
- F03D7/0224—Adjusting blade pitch
-
- 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
- F03D7/0264—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor for stopping; controlling in emergency situations
- F03D7/0268—Parking or storm protection
-
- 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
- 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
- F05B2270/328—Blade pitch angle
-
- 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
- F05B2270/329—Azimuth or yaw angle
-
- 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
- F05B2270/40—Type of control system
- F05B2270/404—Type of control system active, predictive, or anticipative
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Wind Motors (AREA)
Abstract
本发明为一种风力发电机组智能学习方法，该方法通过目标机组的建立，实现风电场中风电机组之间信息的共享，达到智能学习的目的，增强整个风电场所有风电机组的同步性，进而提升风电机组的效率，缩短风电机组遭遇危险风速时的安全保护时间。本发明可以减小整个风电场内风电机组进入工作状态的时间，以及在遇到危险风速时的保护响应时间，实现了对风电机组的提前控制。
Description
技术领域
本发明涉及风力发电领域，具体为一种风力发电机组智能学习方法。
背景技术
随着能源危机环境污染等问题日益严重，许多国家和地区开始将视线投向对新型可再生清洁能源的开发利用方面，其中风力发电技术在近些年来得到迅速发展。风力发电即将空气的动能转换为机械能，再将机械能转换为电能，供用户使用。随着风电场规模的扩大以及装机容量的增加，风电技术逐渐得到完善，日趋成熟。
部分现有的风电机组可以减小环境因素产生的差异，例如申请号为201610027629.4的中国专利公开一种风电机组智能监控运行控制系统及其控制方法，该系统及方法可以自行适应运行环境差异、风资源差异和机组性能差异(所述机组性能差异是指减少同型号同容量的不同机组之间存在的客观差异)，一定程度上提升了发电效率，但是该方法是针对单个风电机组而言的，仅能优化控制其自身的运行状态，不能实现整个风电场的优化控制。
风资源具有不确定性，当风速达到切入风速时，每台机组仅在自身的传感器采集到风的信息，才会开始转换工作状态，对于整个风电场来说效率较低；当风速异常大时，每台机组仅在自身的传感器采集到危险风速信息后，才会调整工作状态，进行安全保护，整个过程耗时较长。
因此，提升整个风电场内风电机组的相互学习能力，对提高发电效率，降低故障发生率具有重要作用。
发明内容
针对现有技术的不足，本发明拟解决的技术问题是，提出一种风力发电机组智能学习方法，通过风电机组之间信息的共享，达到智能学习的目的，增强整个风电场所有风电机组的同步性，进而提升风电机组的效率，缩短风电机组遭遇危险风速时的安全保护时间。本发明可以减小整个风电场内风电机组进入工作状态的时间，以及在遇到危险风速时的保护响应时间，实现了对风电机组的提前控制。
本发明解决所述技术问题采用的技术方案是：
一种风力发电机组智能学习方法，该方法的步骤是：
第一步、风电机组布置：
将同一个风电场的风电机组按照高频风向分成n列，每列对应mi个风电机组，i＝1、2…、n，对所有风电机组按照高频风向方向依次编号，记Aij，j＝1、2…、mi，每列中的多个风电机组按照从上至下的顺序编号，一列编号完毕后再给下一列编号；
第二步、建立初始信息数据表：
采集待控制风电场中的长期运行状态参数数据，包括风向、风速、桨距角及偏航情况，并按照四季、昼夜和风速范围区间三项类别，将参数数据在控制器内进行分类设置，生成初始信息数据表，每个类别的信息数据表中均记录对应季节、昼夜、风速范围下的风速、风向、桨距角及偏航情况；
第三步、风电机组自学习：
风电场中每个风电机组分别通过相应的风速传感器、风向传感器采集当下风速和风向，并通过自身的控制器调节风电机组的桨距角和偏航参数，并对初始信息数据表中的数据进行实时更新；控制器根据实际情况选择某个类别的信息数据表，并判断当前风速是否为危险风速，若为危险风速则转至第六步，若不是危险风速，则转至第四步；信息数据表随着实际情况的变化而实时更新，最新的数据存储在最后一行；
信息数据表根据风电机组的运行状态对存储数据自动排序，出现频率高的优先级高，排序靠前，反之，排序靠后；
第四步、确定目标机组：
将沿风向一定角度范围内的风电机组中，距离输出信息的风电机组最近的机组定义为该风电机组的目标机组；根据风速和风向，首个感应到风况变化的风电机组控制器按照沿风向就近原则确定其信息传输的目标机组，从而将其对应的风速、风向、变桨和偏航的相关参数无线传输至该风电机组的目标机组；
第五步、目标机组更新学习：
第四步中目标机组的控制器接收上一级风电机组控制器发送的风速、风向、变桨、偏航数据信息，据此在风到来之前调节变桨和偏航动作，当风到来时，目标机组依据自身风速、风向传感器所测结果，校正变桨、偏航动作以及所接收数据，校正后的数据与其自身控制器内信息数据表所存储的信息相比较，有等效项则无需更新；若无等效项，则更新信息数据表，将最新数据存储在最后一行；
根据校正后的风速和风向，按照沿风向就近原则再确定其下一级目标机组，并将校正后的数据传输至下一级目标风电机组的控制器；直至沿风向的最后一排风电机组调整好变桨和偏航动作为止；
第六步、广播学习：
当遇到危险风速时，首先感应到的风电机组，将风速信息以广播的形式，无线传输至其它所有的风电机组，从而使其它风电机组接收到危险风速信息后提前进入安全保护状态；当风到来时，所有风电机组依据自身风速、风向传感器所测结果，校正变桨、偏航动作以及所接收数据，校正后的数据与其自身控制器内信息数据表(初始信息数据表)所存储的信息相比较，有等效项则无需更新；若无等效项，则更新信息数据表，将最新数据存储在最后一行，实现所有风电机组的调控。
与现有技术相比，本发明的有益效果是：
(1)通过所述方法中的第三步，首个感应到风况变化的风电机组上的风速、风向传感器将检测结果传至控制器，控制器据此调节风电机组的变桨和偏航动作，可以实现风电机组的自学习，同时机组可以将实际风况、变桨、偏航数据保存在自身控制器中的信息数据表中，信息数据表可以实时更新，供后期的对比学习；
(2)在同一风电场中，当有风电机组感应到风况变化并开始调整自身运行状态时，通过该方法，可以实现此风电机组与距其沿风向最近的目标机组共享风速、风向、变桨、偏航等信息，接收到信息的风电机组可以在风到来前提前调整变桨、偏航动作，同一风电场的机组经过此循环过程，实现机组间的信息共享和智能学习；
(3)所述方法涉及的控制器能够实现对变桨、偏航动作以及学习所得数据的校正，风电机组在学习其它风电机组共享信息的基础上，根据自身传感器所检测结果自行校正，有效降低了风电机组间信息传递的误差；
(4)当风速为危险风速时，首批感应到危险风速的风电机组可以采用广播的方式，向风电场内其它所有机组无线传输危险风速信息，使其它风电机组提前改变变桨、偏航动作，进入安全保护状态，实现风电机组间的相互智能学习，降低了风电机组的故障发生率。
附图说明
图1为本发明风力发电机组智能学习方法原理示意图；
图2为本发明风力发电机组智能学习方法实现过程示意图。
具体实施方式
下面结合实施例及其附图对本发明的技术方案进行清楚完整的描述及说明，但并不以此作为本申请保护范围的限定。
本发明方法借助风电场中各个风电机组的控制器实现，各个控制器通过无线形式连接通信，主要涉及风力发电机组(简称风电机组或机组)的风速传感器、风向传感器、变桨系统、偏航系统。
本发明风力发电机组智能学习方法能实现风电机组之间的信息共享及智能学习，具体步骤如下：
第一步、风电机组布置：
将同一个风电场的风电机组按照高频风向分成n列，每列对应mi个风电机组，i＝1、2…、n，对所有的风电机组按照高频风向方向依次编号，记Aij，j＝1、2…、mi，每列中的多个风电机组按照从上至下的顺序编号，一列编号完毕后再给下一列编号；
第二步、建立初始信息数据表：
采集待控制风电场中的长期运行状态参数数据，包括风向、风速、桨距角及偏航情况，并按照四季、昼夜和风速范围区间三项类别，将参数数据在控制器内进行分类设置，生成初始信息数据表，其中分类表见表1，信息数据表见表2，表2为表1的子表，表示其中一个栏目，这里以春季夜晚风速在8-14m/s为例。每个类别的信息数据表中均记录对应季节、昼夜、风速范围下的风速、风向、桨距角及偏航情况；
第三步、风电机组自学习：
风电场中每个风电机组分别通过相应的风速、风向传感器采集当下风速和风向，并通过自身的控制器调节风电机组的桨距角和偏航参数，并对初始信息数据表中的数据进行实时更新；控制器可以根据实际情况选择恰当类别的信息数据表，并判断当前风速是否为危险风速，若为危险风速则转至第六步，若不是危险风速，则转至第四步；该表可以随着实际情况的变化而实时更新，最新的数据存储在最后一行；所述危险风速是指风速超过25m/s；
信息数据表根据风电机组的运行状态对存储数据自动排序，出现频率高的优先级高，排序靠前，反之，排序靠后；
所述风速范围包括0-3m/s、3-8m/s、8-14m/s、14-20m/s、20-25m/s、大于25m/s，工作人员通过控制器可以根据实际需要适当补充与运行状态相关的参数，例如发电机转速、环境温度、电缆扭转情况，该补充的相关参数也都记录在每个类别的信息数据表中；
第四步、确定目标机组：
将沿风向一定角度范围内的风电机组中，距离输出信息的风电机组最近的机组定义为该风电机组的目标机组；根据风速和风向，首个感应到风况变化的风电机组的控制器按照沿风向就近原则确定其信息传输的目标机组，从而将其对应的风速、风向、变桨和偏航的相关参数无线传输至该风电机组的目标机组，
所述沿风向就近原则利用方向矩阵C和距离矩阵D实现：方向矩阵C和距离矩阵D存储不同风电机组之间的相对位置信息；两矩阵的行数和列数均为风电机组的所有顺序编号；方向矩阵C内部元素代表所在行的风电机组相对于所在列的风电机组的方向，记作θ，以正东为正方向，沿逆时针转动不大于180°的角度记为正角度，沿顺时针转动一个小于180°的角度记为负角度；距离矩阵D为对称矩阵，内部元素为所在行、列对应两风电机组间的直线距离，记作d；
确定目标机组的算法如下：
最小值公式：
表示输出信息的风电机组As与目标机组Aef之间沿风向的距离，表示风电机组As与Aij之间的直线距离(可在距离矩阵D中查到)，风电机组As表示输出信息的机组。
计算过程中，通过以正东为正方向，沿顺时针转动一个不超180°的角度记为正角度，沿逆时针转动一个小于180°的角度记为负角度的规则定义风向，风向角记作θw，在θw±30°的范围寻找As的目标机组，表示风电机组Aij相对于As的角度(可在方向矩阵C中查到)。
利用上述最小值公式，找到与机组As沿风向距离最小的机组Aef，以Aef作为As的目标机组。
第五步、目标机组更新学习：
第四步的目标机组的控制器接收上一级风电机组控制器发送的风向、风速、变桨、偏航数据信息，据此在风到来之前调节变桨和偏航动作，当风到来时，目标机组依据自身风速、风向传感器所测结果，校正变桨、偏航动作以及所接收数据，校正后的数据与其自身控制器内信息数据表所存储的信息相比较，有等效项则无需更新；若无等效项，则更新信息数据表，将最新数据存储在最后一行；具体比较算法如下：
其中，向量表示目标机组当前校正后的风速和风向，向量表示目标机组信息数据表中已存的第k个工作模式对应风速和风向，Wij表示机组Aij的信息数据表中已存工作模式的个数，es为两向量间的误差。
遍历比较过程中，当存在es属于所设定的误差阈值范围(-0.5m/s，0.5m/s)内时，当前风况可等效为已存风况此时，不需更新信息数据表；当es均超出所设定的误差阈值范围时，当前风况不可等效为已存所有风况则更新信息数据表，将当前的风速、风向、变桨和偏航情况存储至信息数据表中。
根据校正后的风速和风向，按照沿风向就近原则再确定其下一级目标机组，并将校正后的数据传输至下一级目标风电机组的控制器；直至沿风向的最后一排风电机组调整好变桨和偏航动作为止。
第六步、广播学习：
当遇到危险风速时，首先感应到的风电机组，将风速信息以广播的形式，无线传输至其它所有的风电机组，从而使其它风电机组接收到危险风速信息后提前进入安全保护状态；当风到来时，所有风电机组依据自身风速、风向传感器所测结果，校正变桨、偏航动作以及所接收数据，校正后的数据与其自身控制器内信息数据表(初始信息数据表)所存储的信息相比较，有等效项则无需更新；若无等效项，则更新信息数据表，将最新数据存储在最后一行，实现所有风电机组的调控。
广播学习实质上是首个感应到风变的风电机组同时向同一风电场内的其它所有风电机组传输危险风速信息的过程。各个控制器通过远程无线通讯技术GPRS模块相互联系。广播形式传播与上面第四步的主要区别在于不需要寻找特定的目标机组，直接发送信息至其它所有的风电机组。
本发明在第五步和第六步进行数据校正过程中，由于在前期对信息数据表进行了分类处理，能够提高遍历对比的效率，根据实际情况，仅查询对应表格中的信息即可，不需要遍历所有已存储的信息。
实施例1
本实施例风力发电机组智能学习方法能实现风电机组之间的信息共享及智能学习，将该方法实际应用于风电场的风电机组中，具体实现步骤如下：
第一步、风电机组布置：
如图1所示，该风电场所在地区的高频风向为正西，风电机组共3列，每列分别布有1、2、3台风电机组，共6台，按照风向依次编号为A11、A21、A22、A31、A32、A33。
第二步、建立初始信息数据表：
采集该风电场内每台风电机组的长期运行状态参数数据，包括风速、风向、桨距角及偏航情况，并按照四季、昼夜和风速范围三项类别，将参数数据在控制器内进行分类设置，生成数据信息表，其中分类表见表1，其中风速范围包括0-3m/s、3-8m/s、8-14m/s、14-20m/s、20-25m/s、大于25m/s。信息数据表见表2，表2为表1的子表，表示表1中的一个栏目，所处时间为春季夜晚，风速在8-14m/s范围内，表2中记录了前期春季夜晚，风速在8-14m/s范围的几种工作模式，工作模式包括风速、风向、桨距角及偏航情况，工作人员根据实际需要，可以通过控制器适当补充与运行状态相关的参数，例如发电机转速、环境温度、电缆扭转情况，该补充的相关参数也均记录在每个类别的信息数据表中；
表1信息数据表分类表
表2春季夜晚，风速在8-14m/s范围内的信息数据表
第三步、风电机组自学习：
该风电场内的每台风电机组分别利用自身的风速、风向传感器检测当前的风速和风向，并通过自身的控制器调节机组的桨距角和偏航参数，同时实时更新信息数据表中的数据；控制器根据当前的实际情况，选取春季、夜晚、8-14m/s风速范围的信息数据表，判断可知风速不是危险风速，则继续执行第四步；该表可以随着实际情况的变化而实时更新，最新的数据存储在最后一行；信息数据表根据风电机组的运行状态对存储数据自动排序，出现频率高的优先级高，排序靠前，反之，排序靠后；
第四步、确定目标机组
由图1中可知，风向为西，即风向角θw＝0°，机组A11为首个感应到风况变化的机组，然后根据方向矩阵C和距离矩阵D可知其它机组与A11的相对位置关系，从而确定A11信息传输的目标机组，在θw±30°的范围寻找目标机组，其中包括A21、A22、A31、A32、A33五个，然后利用最小值公式：
其中，As即为A11，从距离矩阵查找从方向矩阵中查找最终计算可得A21、A22是沿风向距离机组A11最近的机组，即为A11的目标机组；
方向矩阵的信息见表3，距离矩阵的信息见表4：
表3方向矩阵信息
表4距离矩阵信息
第五步、目标机组更新学习：
在第四步中，目标机组A21、A22的控制器接收机组A11控制器发送的风向、风速、变桨、偏航数据信息，据此在风到来之前调节变桨和偏航动作，当风到来时，A21、A22依据自身风速、风向传感器所测结果，校正变桨、偏航动作以及所接收数据，校正后的数据与其自身控制器内信息数据表中所存储的信息相比较，比较算法如下：
其中，向量表示目标机组当前校正后的风速和风向，向量表示目标机组信息数据表中已存的第k个工作模式对应风速和风向，Wij表示机组Aij的信息数据表中已存工作模式的个数，es为两向量间的误差。
遍历比较过程中，当存在es属于所设定的误差阈值范围(-0.5m/s，0.5m/s)内时，当前风况可等效为已存风况此时，不需更新信息数据表；当es均超出所设定的误差阈值范围时，当前风况不可等效为已存所有风况则更新信息数据表，将当前的风速、风向、变桨和偏航情况存储至信息数据表中。
根据校正后的风速和风向，利用第四步中的沿风向就近原则分别确定A21、A22的目标机组，经过计算可知A21的目标机组是A31、A32，A22的目标机组是A33，然后A21、A22分别将校正后的数据传输至A31、A32及A33，这三台机组控制器接收数据后，调整变桨和偏航动作；
假设风向不变，若检测到风速超过25m/s时，即为危险风速，首个感应到的风电机组A11，将风速信息已广播的形式无线传输至其它所有的机组，从而使其它风电机组接收到危险风速信息后提前进入安全保护状态；当风到来时，所有风电机组依据自身风速、风向传感器所测结果，校正变桨、偏航动作以及所接收数据，校正后的数据与其自身控制器内信息数据表所存储的信息相比较，比较方法与第五步中的一致，若有等效项，则无需更新；若有等效项，则更新信息数据表，将最新数据存储在最后一行，实现所有风电机组的提前调控。
本实施例方法通过机组的自学习及目标机组的更新学习，在同一风电场中，当有风电机组感应到风况变化并开始调整自身运行状态时，可以实现此风电机组与距其沿风向最近的目标机组共享风速、风向、变桨、偏航等信息，接收到信息的风电机组可以在风到来前提前调整变桨、偏航动作，同一风电场的机组经过此循环过程，实现机组间的信息共享和智能学习，进而实现整个风电场的自适应控制，有效降低了机组的故障发生率，延长其使用寿命。
本发明未述及之处适用于现有技术，所涉及的元器件均可通过商购获得。
Claims (5)
1.一种风力发电机组智能学习方法，该方法的步骤是：
第一步、风电机组布置：
将同一个风电场的风电机组按照高频风向分成n列，每列对应mi个风电机组，i＝1、2…、n，对所有的风电机组按照高频风向方向依次编号，记Aij，j＝1、2…、mi，每列中的多个风电机组按照从上至下的顺序编号，一列编号完毕后再给下一列编号；
第二步、建立初始信息数据表：
采集待控制风电场中的长期运行状态参数数据，包括风向、风速、桨距角及偏航情况，并按照四季、昼夜和风速范围区间三项类别，将参数数据在控制器内进行分类设置，生成初始信息数据表，每个类别的信息数据表中均记录对应季节、昼夜、风速范围下的风速、风向、桨距角及偏航情况；
第三步、风电机组自学习：
风电场中每个风电机组分别通过相应的风速、风向传感器采集当下风速和风向，并通过自身的控制器调节风电机组的桨距角和偏航参数，并对初始信息数据表中的数据进行实时更新；控制器根据实际情况选择某个类别的信息数据表，并判断当前风速是否为危险风速，若为危险风速则转至第六步，若不是危险风速，则转至第四步；信息数据表随着实际情况的变化而实时更新，最新的数据存储在最后一行；
信息数据表根据风电机组的运行状态对存储数据自动排序，出现频率高的优先级高，排序靠前，反之，排序靠后；
第四步、确定目标机组：
将沿风向一定角度范围内的风电机组中，距离输出信息的风电机组最近的机组定义为该风电机组的目标机组；根据风速和风向，首个感应到风况变化的风电机组控制器按照沿风向就近原则确定其信息传输的目标机组，从而将其对应的风速、风向、变桨和偏航的相关参数无线传输至该风电机组的目标机组；
第五步、目标机组更新学习：
第四步的目标机组的控制器接收上一级风电机组控制器发送的风向、风速、变桨、偏航数据信息，据此在风到来之前调节变桨和偏航动作，当风到来时，目标机组依据自身风速、风向传感器所测结果，校正变桨、偏航动作以及所接收数据，校正后的数据与其自身控制器内信息数据表所存储的信息相比较，有等效项则无需更新；若无等效项，则更新信息数据表，将最新数据存储在最后一行；
根据校正后的风速和风向，按照沿风向就近原则再确定其下一级目标机组，并将校正后的数据传输至下一级目标风电机组的控制器；直至沿风向的最后一排风电机组调整好变桨和偏航动作为止；
第六步、广播学习：
当遇到危险风速时，首先感应到的风电机组，将风速信息以广播的形式，无线传输至其它所有的风电机组，从而使其它风电机组接收到危险风速信息后提前进入安全保护状态；当风到来时，所有风电机组依据自身风速、风向传感器所测结果，校正变桨、偏航动作以及所接收数据，校正后的数据与其自身控制器内信息数据表所存储的信息相比较，有等效项则无需更新；若无等效项，则更新信息数据表，将最新数据存储在最后一行，实现所有风电机组的调控；
所述沿风向就近原则利用方向矩阵C和距离矩阵D实现：方向矩阵C和距离矩阵D存储不同风电机组之间的相对位置信息；两矩阵的行数和列数均为风电机组的所有顺序编号；方向矩阵C内部元素代表所在行的风电机组相对于所在列的风电机组的方向，内部元素记为θ；以正东为正方向，沿逆时针转动不大于180°的角度记为正角度，沿顺时针转动一个小于180°的角度记为负角度，风向角为θw；距离矩阵D为对称矩阵，内部元素为所在行、列对应两风电机组间的直线距离，记作d；
在θw±30°的范围按照下式寻找输出信息的风电机组As的目标机组Aef，
式中，表示输出信息的风电机组As与目标机组Aef之间沿风向的距离；表示风电机组As与Aij之间的直线距离； 表示机组Aij相对于As的角度。
2.根据权利要求1所述的风力发电机组智能学习方法，其特征在于，所述风速范围包括0-3m/s、3-8m/s、8-14m/s、14-20m/s、20-25m/s、大于25m/s，危险风速为风速超过25m/s。
3.根据权利要求1所述的风力发电机组智能学习方法，其特征在于，所述第二步中运行状态参数数据还包括发电机转速、环境温度、电缆扭转情况。
4.根据权利要求1所述的风力发电机组智能学习方法，其特征在于，第五步和第六步比较过程是：当存在es属于所设定的误差阈值范围内时，当前风况可等效为已存风况此时，不需更新信息数据表；当es均超出所设定的误差阈值范围时，当前风况不可等效为已存所有风况则更新信息数据表，将当前的风速、风向、变桨和偏航情况存储至信息数据表中；其中，
式中，向量表示目标机组当前校正后的风速和风向，向量表示目标机组信息数据表中已存的第k个工作模式对应风速和风向，Wij表示机组Aij的信息数据表中已存工作模式的个数，es为两向量间的误差。
5.根据权利要求4所述的风力发电机组智能学习方法，其特征在于，所述误差阈值范围为(-0.5m/s，0.5m/s)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810801026.4A CN109026530B (zh) | 2018-07-20 | 2018-07-20 | 一种风力发电机组智能学习方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810801026.4A CN109026530B (zh) | 2018-07-20 | 2018-07-20 | 一种风力发电机组智能学习方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109026530A CN109026530A (zh) | 2018-12-18 |
| CN109026530B true CN109026530B (zh) | 2019-10-11 |
Family
ID=64643554
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810801026.4A Expired - Fee Related CN109026530B (zh) | 2018-07-20 | 2018-07-20 | 一种风力发电机组智能学习方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109026530B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110594097A (zh) * | 2019-09-10 | 2019-12-20 | 许昌许继风电科技有限公司 | 一种风电机组的控制方法及控制系统 |
| CN110714880B (zh) * | 2019-11-04 | 2021-03-09 | 龙源（北京）风电工程技术有限公司 | 多台风电机组并联运行的发电系统、功率控制系统和方法 |
| CN111520282B (zh) * | 2020-05-21 | 2021-01-26 | 明阳智慧能源集团股份公司 | 基于边缘计算和深度学习的风电机组测控系统及测控方法 |
| CN112879220B (zh) * | 2021-03-16 | 2022-11-01 | 上海电气风电集团股份有限公司 | 风机控制方法、系统和可读存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1975155A (zh) * | 2005-11-29 | 2007-06-06 | 通用电气公司 | 风力发电场涡轮控制系统以及估算风力条件并优化性能的方法 |
| CN103161668A (zh) * | 2013-02-21 | 2013-06-19 | 上海交通大学 | 智能风电机组工况辨识系统及方法 |
| CN107304746A (zh) * | 2016-04-20 | 2017-10-31 | 北京天诚同创电气有限公司 | 风力发电机组及其运行控制方法与设备 |
| CN107869420A (zh) * | 2016-09-27 | 2018-04-03 | 远景能源（江苏）有限公司 | 风力涡轮机发电场的风力涡轮机偏航控制方法及系统 |
| CN108167119A (zh) * | 2016-12-07 | 2018-06-15 | 北京金风科创风电设备有限公司 | 风力发电机组的主动偏航控制方法及控制器 |
| US10024304B2 (en) * | 2015-05-21 | 2018-07-17 | General Electric Company | System and methods for controlling noise propagation of wind turbines |
-
2018
- 2018-07-20 CN CN201810801026.4A patent/CN109026530B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1975155A (zh) * | 2005-11-29 | 2007-06-06 | 通用电气公司 | 风力发电场涡轮控制系统以及估算风力条件并优化性能的方法 |
| CN103161668A (zh) * | 2013-02-21 | 2013-06-19 | 上海交通大学 | 智能风电机组工况辨识系统及方法 |
| US10024304B2 (en) * | 2015-05-21 | 2018-07-17 | General Electric Company | System and methods for controlling noise propagation of wind turbines |
| CN107304746A (zh) * | 2016-04-20 | 2017-10-31 | 北京天诚同创电气有限公司 | 风力发电机组及其运行控制方法与设备 |
| CN107869420A (zh) * | 2016-09-27 | 2018-04-03 | 远景能源（江苏）有限公司 | 风力涡轮机发电场的风力涡轮机偏航控制方法及系统 |
| CN108167119A (zh) * | 2016-12-07 | 2018-06-15 | 北京金风科创风电设备有限公司 | 风力发电机组的主动偏航控制方法及控制器 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109026530A (zh) | 2018-12-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109026530B (zh) | 一种风力发电机组智能学习方法 | |
| Quan et al. | Hybrid model for hourly forecast of photovoltaic and wind power | |
| CN108808743B (zh) | 基于通信网络的多能源微电网能量预测和优化调度方法 | |
| CN104279713B (zh) | 一种空调器控制方法、系统和空调控制器 | |
| US9459139B2 (en) | Photovoltaic generating system with control unit for controlling output power conversion and actuation of photovoltaic tracker units | |
| CN109034464A (zh) | 一种短期光伏发电系统功率预测及结果校核的方法 | |
| Feng et al. | Short-term global horizontal irradiance forecasting based on sky imaging and pattern recognition | |
| CN113379142B (zh) | 一种基于风速修正和融合模型的短期风电功率预测方法 | |
| CN107869420B (zh) | 风力涡轮机发电场的风力涡轮机偏航控制方法及系统 | |
| CN102945318A (zh) | 一种基于级联风机的超短期风速动态预测方法 | |
| CN107832869A (zh) | 一种风力发电与光伏发电的发电功率预测方法 | |
| CN116317104A (zh) | 一种基于数据中台的输电线路动态增容预测系统及方法 | |
| CN115689068A (zh) | 一种基于室温修正和CNN-BiLSTM的热负荷预测方法 | |
| JP2016201921A (ja) | 太陽光発電設備の発電量の低下を検出する方法、装置、およびプログラム | |
| Sánchez-García et al. | Short term photovoltaic power production using a hybrid of nearest neighbor and artificial neural networks | |
| Kacimi et al. | A new combined method for tracking the global maximum power point of photovoltaic systems | |
| CN116736893B (zh) | 一种光储装置的智慧能源管理方法及光储装置 | |
| CN104362639A (zh) | 基于改进微分进化方法的电网全网无功优化方法 | |
| Sun et al. | Short-term photovoltaic power prediction modeling based on AdaBoost algorithm and Elman | |
| CN115907117A (zh) | 一种基于深度学习和动态规划的混动无人机能量管理方法 | |
| Khoury et al. | A predictive convolutional neural network model for source-load forecasting in smart grids | |
| CN110443470A (zh) | 基于生成式对抗网络的风光水联合调度方法及装置 | |
| del Rosario et al. | Optimization of a small scale dual-axis solar tracking system using Nanowatt technology | |
| CN210374127U (zh) | 一种塔式太阳能电站故障定日镜的视觉检测装置 | |
| Sharbaf et al. | Placement and quantitating of FACTS devices in a power system including the wind unit to enhance system parameters |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191011 Termination date: 20210720 |