CN109322802A - 一种风力发电机叶片覆冰预测方法及系统 - Google Patents

Abstract

本发明涉及一种风力发电机叶片覆冰预测方法及系统，系统包括传感器、处理器和存储器，通过传感器对风电厂环境数据采样后，处理器构建样本集的模型并将样本集分类，利用超平面作为无冰霜环境和有冰霜环境的临界，计算当前环境变量与超平面的距离，根据前后采样周期计算的距离结合设置的阈值判断发电机叶片的覆霜趋势。以达到预防风机叶片出现冰霜的目的，保证了安全生产。

Description

一种风力发电机叶片覆冰预测方法及系统

技术领域

本发明属于风电厂状态监测技术领域，具体涉及一种风力发电机叶片覆冰预测方法及系统。

背景技术

目前，中国很多风力发电厂在秋冬季节，厂内气温较低，空气湿度大，风力发电机叶片容易覆盖冰霜，冰霜可以改变叶片表面粗糙程度，当覆冰较厚时甚至可以改变叶片翼型，这两个因素显著改变了叶片的升力系数和阻力系数，因为正常情况下风机工作在最优工作状态，风能利用效率最高，当叶片出现冰霜时，风机即脱离最优工作状态，发电功率从而降低。另一方面叶片覆冰通常不均匀，这将导致风轮旋转失衡，风机震动加剧，甚至引起共振，风机载荷增大，风机使用寿命会降低，风机叶尖线速度可达几十米/秒,覆冰融化时，可能会被甩出叶片，击中电站设备或人。

当前风机状态检测技术主要侧重叶片覆冰后的及时检测与清除，例如申请公布号为CN107620681A的专利文件，该文件提供了一种风力发电机组叶片的加热控制系统和方法。该系统通过控制器，在叶片表面已为结冰状态时，控制加热单元启动，根据热风出口出的温度，更新加热单元的功率，以达到除去叶片覆冰的效果。但是，在结冰之后判断有一定延迟性，在有少量或微量覆冰时，不能达到除冰的效果，不能保证安全生产。

发明内容

本发明的目的在于提供一种风力发电机叶片覆冰预测方法及系统，用于解决现有检测技术中不能保证安全生产的问题。

为解决上述技术问题，本发明的技术方案为：

本发明提供了一种风力发电机叶片覆冰控测方法，包括以下步骤：

1)获取风电厂环境历史数据，组成样本集，所述环境历史数据包括环境温度t、环境湿度m、气压值p和冰霜监测值c，其中冰霜监测值c表示风力发电机叶片是否覆冰；

2)构建超平面X，所述超平面X把所述样本集分为冰霜样本和无冰霜样本两类；

3)对当前风电厂环境数据进行采样，计算风电厂当前环境数据与所述超平面X的距离h，所述当前环境数据包括当前环境温度t^*、当前环境湿度m^*、当前气压值p^*；

4)至少根据所述距离h判断叶片是否需要加热，在所述超平面X的冰霜样本一侧，所述距离h越小则风力发电机叶片覆冰的可能性越小；在所述超平面X的无冰霜样本一侧，所述距离h越小则风力发电机叶片覆冰的可能性越大。

有益效果：

本方法通过环境数据采样构建样本集的模型并将样本集分类，利用超平面作为无冰霜环境和有冰霜环境的临界，计算当前环境变量与超平面的距离，根据前后采样周期计算的距离结合设置的阈值判断发电机叶片的覆霜趋势。以达到预防风机叶片出现冰霜的目的，保证了安全生产。

进一步的，还包括步骤5)，即根据采样周期，计算相邻两采样周期的距离h的变化速度v；所述变化速度v的表达式为：

其中h_old为前一采样周期计算得到的距离值，T为采样周期；

在所述超平面X的冰霜样本一侧，若所述变化速度v大于零，则所述变化速度v越大风力发电机叶片覆冰的可能性越小；在所述超平面X的无冰霜样本一侧，若所述变化速度v小于零，则所述变化速度v越小风力发电机叶片覆冰的可能性越大；结合变化速度v进一步预测风力发电机叶片是否覆冰，提高预测准确性。

进一步的，所述超平面X的表达式为：

y＝w₁t+w₂m+w₃p+b

其中系数w＝[w₁,w₂,w₃]和b的具体值通过计算下面带约束条件的表达式得到：

其中i＝1,2,...,N；N为样本数量，b为常数，几何意义是超平面对于原点的偏移距离；提供能够将样本分为冰霜样本和无冰霜样本两类的超平面。

进一步的，所述距离h的表达式为：

其中t^*为当前环境温度，m^*为当前环境湿度，p^*当前气压值；能够准确计算当前环境样本距超平面的距离。

本发明还提供了一种风力发电机叶片覆冰预测系统，包括传感器、处理器和存储器，所述处理器执行存储在存储器中的程序指令以实现如下步骤：

1)获取风电厂环境历史数据，组成样本集，所述环境历史数据包括环境温度t、环境湿度m、气压值p和冰霜监测值c，其中冰霜监测值c表示风力发电机叶片是否覆冰；

2)构建超平面X，所述超平面X把所述样本集分为冰霜样本和无冰霜样本两类；

3)对当前风电厂环境数据进行采样，计算风电厂当前环境数据与所述超平面X的距离h，所述当前环境数据包括当前环境温度t^*、当前环境湿度m^*、当前气压值p^*；

4)至少根据所述距离h判断叶片是否需要加热，在所述超平面X的冰霜样本一侧，所述距离h越小则风力发电机叶片覆冰的可能性越小；在所述超平面X的无冰霜样本一侧，所述距离h越小则风力发电机叶片覆冰的可能性越大。

有益效果：

本系统通过环境数据采样构建样本集的模型并将样本集分类，利用超平面作为无冰霜环境和有冰霜环境的临界，计算当前环境变量与超平面的距离，根据前后采样周期计算的距离结合设置的阈值判断发电机叶片的覆霜趋势。以达到预防风机叶片出现冰霜的目的，保证了安全生产。

进一步的，还包括步骤5)，即根据采样周期，计算相邻两采样周期的距离h的变化速度v；所述变化速度v的表达式为：

其中h_old为前一采样周期计算得到的距离值，T为采样周期；

在所述超平面X的冰霜样本一侧，若所述变化速度v大于零，则所述变化速度v越大风力发电机叶片覆冰的可能性越小；在所述超平面X的无冰霜样本一侧，若所述变化速度v小于零，则所述变化速度v越小风力发电机叶片覆冰的可能性越大；结合变化速度v进一步预测风力发电机叶片是否覆冰，提高预测准确性。

进一步的，所述超平面X的表达式为：

y＝w₁t+w₂m+w₃p+b

其中系数w＝[w₁,w₂,w₃]和b的具体值通过计算下面带约束条件的表达式得到：

其中i＝1,2,...,N；N为样本数量，b为常数，几何意义是超平面对于原点的偏移距离；提供能够将样本分为冰霜样本和无冰霜样本两类的超平面。

进一步的，所述距离h的表达式为：

其中t^*为当前环境温度，m^*为当前环境湿度，p^*当前气压值；能够准确计算当前环境样本距超平面的距离。

进一步的，所述传感器为温度传感器、湿度传感器、气压传感器和冰霜监测传感器，所述冰霜监测传感器监测风力发电机叶片是否覆冰；多种传感器的组合能够使预测结果更加精确。

附图说明

图1是本发明风电厂风力发电机叶片覆冰预测方法流程图；

图2是本发明环境样本集三维空间分布图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚，下面结合附图及实施例，对本发明作进一步的详细说明。

本发明的基本原理为：

正常环境下风机工作在最优工作状态，风能利用效率最高，当叶片出现冰霜时，风机即脱离最优工作状态，发电功率从而降低。另一方面叶片覆冰通常不均匀，这将导致风轮旋转失衡，风机震动加剧，甚至引起共振，使风机载荷增大，风机使用寿命会降低。并且风机叶尖线速度可达几十米/秒，覆冰融化时，可能会被甩出叶片，击中电站设备或人。本发明通过环境数据采样构建样本集的模型并将样本集分类，利用超平面作为无冰霜环境和有冰霜环境的临界，计算当前环境变量与超平面的距离，根据前后采样周期计算的距离结合设置的阈值判断发电机叶片的覆霜趋势，在叶片即将出现冰霜前即采取措施防止叶片出现冰霜。方法流程如图1所示。

具体实施方式为：

一种风电厂风力发电机叶片覆冰预测系统，该系统包括传感器、处理器、和存储器；传感器包括温度传感器、湿度传感器和气压传感器，还包括冰霜检测传感器。处理器执行存储在存储器中的程序指令以实现如下步骤：

1)对风电厂环境历史数据进行采样，组成分布于三维空间中的样本集；温度传感器、湿度传感器和气压传感器都安装在风力发电机机舱上面的开放环境中；冰霜监测传感器安装在叶片根部随叶轮同步旋转，并且冰霜监测传感器的监测点定位在叶片前缘；各传感器与处理器通信，实时采集环境变量，主要采集冰霜出现前后一小时内的环境信息；

因为同一电站内温度、气压、湿度基本一样，叶片出现冰霜的临界条件也基本一致，所以采集数据时可取电站内其中一台风机作为实验风机收集数据，然后把由此风机数据得到的冰霜预测数学表达式推广至本电站其它风机上；

环境历史数据包括环境温度t、环境湿度m、气压值p和冰霜监测值c，冰霜监测值c表示叶片是否覆冰；每个样本表示为(t，m，p)。如图2所示，样本分布于三维空间中，其中，·状样本为无冰霜样本，*状样本为冰霜样本；

2)构建上述三维空间的超平面X：

y＝w₁t+w₂m+w₃p+b

其中系数w＝[w₁,w₂,w₃]和b的具体值通过计算下面带约束条件的表达式得到：

其中i＝1，2，…N；N为样本数量，b为常数，几何意义是超平面对于原点的偏移距离，冰霜监测值c为二值变量；当风电场出现冰霜时c＝-1,否则c＝1；

3)对当前风电厂环境数据进行采样，计算风电厂当前环境数据(t^*，m^*，p^*)与所述超平面X的距离h，其中t^*为当前环境温度，m^*为当前环境湿度，p^*为当前气压值；距离h的表达式为：

4)距离h的变化速度为：

其中h_old为前一采样周期计算得到的距离值，T为采样周期；

5)根据距离h和距离h的变化速度v关于叶片是否覆冰的规律，即在超平面X的冰霜样本一侧，距离h越小则风力发电机叶片覆冰的可能性越小；在超平面X的无冰霜样本一侧，距离h越小则风力发电机叶片覆冰的可能性越大。在超平面X的冰霜样本一侧，若变化速度v大于零，则变化速度v越大风力发电机叶片覆冰的可能性越小；在超平面X的无冰霜样本一侧，若变化速度v小于零，则变化速度v越小风力发电机叶片覆冰的可能性越大。

下面给出一种利用上述规律的具体策略：

设置四个阈值：无冰霜环境距离h对应阈值a₁、深冰霜环境距离h对应阈值a₂、距离h快速下滑速度边界值a₃和距离h快速上升边界值a₄，结合距离h和距离h的变化速度v构建叶片加热决策表。

表1叶片加热决策表

叶片加热决策表如表1所示，当求得当前采样周期的当前环境数据与超平面X的距离h和距离h的变化速度v后，查询表1判断此时风力发电机叶片是否需要加热。

本实施例中采用了将距离h与距离h的变化速度v相结合作为判据判断风力发电机叶片是否覆冰，作为其他实施方式，还可设置更多阈值，将距离h和距离h的变化速度v的区间分割地更为细密，使控制更加精细准确。

作为其他实施方式，可只根据距离h对风力发电机叶片是否覆冰进行判断。例如，在超平面X的冰霜样本一侧，距离h越小则风力发电机叶片覆冰的可能性越小；即加热叶片的可能性越小。在超平面X的无冰霜样本一侧，距离h越小则风力发电机叶片覆冰的可能性越大；即加热叶片的可能性越大。

冰霜传感器的主要作用是对历史数据是否覆冰做出判断，在系统运行之后，冰霜监测传感器可以拆除。或者不拆除冰霜检测传感器，在系统运行过程中对历史数据进行更新验证。

尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (9)

1.一种风力发电机叶片覆冰预测方法，其特征在于，包括以下步骤：

1)获取风电厂环境历史数据，组成样本集，所述环境历史数据包括环境温度t、环境湿度m、气压值p和冰霜监测值c，其中冰霜监测值c表示风力发电机叶片是否覆冰；

2)构建超平面X，所述超平面X把所述样本集分为冰霜样本和无冰霜样本两类；

3)对当前风电厂环境数据进行采样，计算风电厂当前环境数据与所述超平面X的距离h，所述当前环境数据包括当前环境温度t^*、当前环境湿度m^*、当前气压值p^*；

4)至少根据所述距离h判断叶片是否需要加热，在所述超平面X的冰霜样本一侧，所述距离h越小则风力发电机叶片覆冰的可能性越小；在所述超平面X的无冰霜样本一侧，所述距离h越小则风力发电机叶片覆冰的可能性越大。

2.根据权利要求1所述的风力发电机叶片覆冰预测方法，其特征在于，还包括步骤5)，即根据采样周期，计算相邻两采样周期的距离h的变化速度v；所述变化速度v的表达式为：

其中h_old为前一采样周期计算得到的距离值，T为采样周期；

在所述超平面X的冰霜样本一侧，若所述变化速度v大于零，则所述变化速度v越大风力发电机叶片覆冰的可能性越小；在所述超平面X的无冰霜样本一侧，若所述变化速度v小于零，则所述变化速度v越小风力发电机叶片覆冰的可能性越大。

3.根据权利要求1或2所述的风力发电机叶片覆冰预测方法，其特征在于，所述超平面X的表达式为：

y＝w₁t+w₂m+w₃p+b

其中系数w＝[w₁,w₂,w₃]和b的具体值通过计算下面带约束条件的表达式得到：

其中i＝1,2,...,N；N为样本数量，b为常数，几何意义是超平面对于原点的偏移距离。

4.根据权利要求3所述的风力发电机叶片覆冰预测方法，其特征在于，所述距离h的表达式为：

其中t^*为当前环境温度，m^*为当前环境湿度，p^*当前气压值。

5.一种风力发电机叶片覆冰预测系统，包括传感器、处理器和存储器，其特征在于，所述处理器执行存储在存储器中的程序指令以实现如下步骤：

1)获取风电厂环境历史数据，组成样本集，所述环境历史数据包括环境温度t、环境湿度m、气压值p和冰霜监测值c，其中冰霜监测值c表示风力发电机叶片是否覆冰；

2)构建超平面X，所述超平面X把所述样本集分为冰霜样本和无冰霜样本两类；

3)对当前风电厂环境数据进行采样，计算风电厂当前环境数据与所述超平面X的距离h，所述当前环境数据包括当前环境温度t^*、当前环境湿度m^*、当前气压值p^*；

4)至少根据所述距离h判断叶片是否需要加热，在所述超平面X的冰霜样本一侧，所述距离h越小则风力发电机叶片覆冰的可能性越小；在所述超平面X的无冰霜样本一侧，所述距离h越小则风力发电机叶片覆冰的可能性越大。

6.根据权利要求5所述的风力发电机叶片覆冰预测系统，其特征在于，还包括步骤5)，即根据采样周期，计算相邻两采样周期的距离h的变化速度v；所述变化速度v的表达式为：

其中h_old为前一采样周期计算得到的距离值，T为采样周期；

在所述超平面X的冰霜样本一侧，若所述变化速度v大于零，则所述变化速度v越大风力发电机叶片覆冰的可能性越小；在所述超平面X的无冰霜样本一侧，若所述变化速度v小于零，则所述变化速度v越小风力发电机叶片覆冰的可能性越大。

7.根据权利要求5或6所述的风力发电机叶片覆冰预测系统，其特征在于，所述超平面X的表达式为：

y＝w₁t+w₂m+w₃p+b

其中系数w＝[w₁,w₂,w₃]和b的具体值通过计算下面带约束条件的表达式得到：

其中i＝1,2,...,N；N为样本数量，b为常数，几何意义是超平面对于原点的偏移距离。

8.根据权利要求7所述的风力发电机叶片覆冰预测系统，其特征在于，所述距离h的表达式为：

其中t^*为当前环境温度，m^*为当前环境湿度，p^*当前气压值。

9.根据权利要求8所述的风力发电机叶片覆冰预测系统，其特征在于，所述传感器为温度传感器、湿度传感器、气压传感器和冰霜监测传感器，所述冰霜监测传感器监测风力发电机叶片是否覆冰。