CN109667727A - 一种基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法 - Google Patents
一种基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法 Download PDFInfo
- Publication number
- CN109667727A CN109667727A CN201811372808.7A CN201811372808A CN109667727A CN 109667727 A CN109667727 A CN 109667727A CN 201811372808 A CN201811372808 A CN 201811372808A CN 109667727 A CN109667727 A CN 109667727A
- Authority
- CN
- China
- Prior art keywords
- yaw error
- wind speed
- inherent variability
- power curve
- section
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000013211 curve analysis Methods 0.000 title claims abstract description 15
- 238000013139 quantization Methods 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000013215 result calculation Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 2
- 230000003455 independent Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract 1
- 238000004445 quantitative analysis Methods 0.000 abstract 1
- 230000005611 electricity Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 101100001671 Emericella variicolor andF gene Proteins 0.000 description 1
- 230000001447 compensatory effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 201000009482 yaws Diseases 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
- 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
- F03D7/0204—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
- 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
-
- 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
- F05B2270/324—Air pressure
-
- 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
- F05B2270/325—Air temperature
-
- 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
- F05B2270/335—Output power or torque
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法。该方法基于包括风速、有功功率、偏航误差、环境温度以及环境气压等在内的风电机组数据采集与监视控制(SCADA)系统实时运行数据,首先对数据进行一定程度的预处理之后依据一定偏航误差间隔划分风速及功率数据,并通过标准功率曲线拟合流程分别对不同偏航误差间隔下的功率曲线进行拟合,进一步将不同功率曲线进行量化分析并基于区间判断准则确定偏航误差固有偏差值的区间范围,最终将辨识得到的固有偏差值直接以增量形式补偿到偏航误差实际测量值上。本方法基于数据驱动,对风电机组运行数据无特殊要求,具有较强的普适性,对风电机组的性能提升有着很强的应用价值。
Description
技术领域
本发明涉及一种风电机组偏航误差固有偏差辨识及补偿方法,特别涉及一种基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法。
背景技术
在传统化石能源资源匮乏和污染严重的现代社会,风能作为一种无污染、可再生的新能源而广泛为大众所青睐,风电产业也由此成为国内外大力发展的新型可再生能源产业之一。在我国,近十年来有关风电场的建设与相关研究工作无论是从数量上还是质量上来说都有着显著的提升,但在大力发展风力发电行业的同时,也伴随着风电机组自身的不断退化所导致的一系列负面因素。现今风电机组在使用的过程中,由于风速具有间歇性与高度不确定性的特点,对风电机组本身的性能评估造成了较大的影响,而准确对风电机组的性能状况进行评估并积极探究风电机组的性能提升有效手段则是提高风电在新能源发电中竞争力的重中之重。
目前,风力发电系统在应对风向变化时,通过偏航系统进行调整的方式来获得最大的风能捕获效率。如图2所示为风电机组偏航控制策略示意图,其中偏航系统及执行器的具体控制策略是希望保证偏航误差的值尽可能的小,体现到实际中的物理意义即为尽可能控制风电机组的叶片扫掠面正对来流风向,即控制偏航误差θ的角度尽可能的接近0°。在当今风电行业的相关应用中,风电机组对于偏航误差角度的确定采用直接测量的方式:即在机舱后方安装风向仪并将风向仪零刻线的位置校准至与机舱方向平行;在风电机组的正常运行状况下,传感器将测量得到的风向值反馈给偏航系统,偏航系统基于自身的偏航控制策略,控制机舱向正对来流风方向调整。但风向仪在实际安装与运行维护时主要存在着以下两大问题:
(1)装机工人往往不会借助测量设备,而是仅凭经验或目测的方式进行风向仪零刻线位置的校准;
(2)风向仪在实际运行下的反复转动过程中同样可能由于机械原因出现回程误差。
这两方面的逐渐积累往往会给偏航误差角度的测量带来较大的误差,从而影响偏航系统的性能。因此,在基于数据分析的智能辨识与补偿技术在风电机组的性能提升领域的相关研究仍然处于技术空白的背景下,基于控制器改进的研究思路,需要针对风电机组机舱风向仪零位误差的确定这一问题,将偏航误差固有偏差值进行辨识并反馈补偿至偏航系统中,从而达到提升风力发电系统出力性能的目的是十分有意义的。
发明内容
本发明目的在于填补基于数据分析的智能辨识与补偿技术在风电机组的性能提升领域的技术空白,提出一种基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法。该方法基于数据分析,对风电机组在不同偏航误差区间下的真实功率曲线进行拟合并设计相应的指标进行性能量化,最终结合简单有效的偏航误差固有偏差辨识准则及偏航误差固有偏差补偿策略实现对偏航误差固有偏差的辨识与补偿,对风电机组的发电出力性能提升具有很高的实际应用价值。
本发明的目的通过以下的技术方案实现:一种基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法,包括以下步骤:
1)根据待分析风电机组偏航误差固有偏差辨识及补偿需求,读取相应需求周期内总计N条待分析风电机组的SCADA系统中测量得到的风电机组运行数据信息,该信息包含风速{vi}、有功功率{Pi}、环境气压{Bi}、环境温度{Ti}以及偏航误差{θi},将信息数据集记为其中i=1,2,3,…,N;
2)基于步骤1)中的信息数据集计算得出对应时刻的空气密度{ρi},并将信息数据集中的风速{vi}信息修正到参考空气密度ρ0下的修正风速,记为其中i=1,2,3,…,N;
3)将步骤2)中修正风速有功功率{Pi}以及偏航误差{θi}合成为风电机组偏航误差固有偏差分析数据集{Xi},并以一定的偏航误差间隔将{Xi}划分为M个区间,记第k个偏航误差划分区间中的数据个数为Nk、偏航误差固有偏差分析数据集为其中k=1,2,3,…,M,l=1,2,3,…,Nk;
4)基于M个区间的偏航误差固有偏差分析数据集分别拟合出M条真实功率曲线,记第k个偏航误差区间下的真实功率曲线为{PCk},其中k=1,2,3,…,M;
5)分别计算M个偏航误差区间下的真实功率曲线{PCk}各自的量化性能指标PIk,其中k=1,2,3,…,M;
6)通过偏航误差固有偏差辨识准则确定该风电机组的偏航误差固有偏差值θim的辨识结果,并将该偏差值θim直接以增量形式补偿到偏航误差实际测量值θ上,得到最终补偿后的偏航误差真实值θ′;
所述偏航误差固有偏差辨识准则定义如下:将步骤5)中所有M个偏航误差区间下真实功率曲线{PCk}的量化性能指标PIk由大到小进行排列,并选出最大量化性能指标PImax对应的区间下标k′,则偏航误差固有偏差值θim的辨识结果计算公式如下
其中θlb和θub分别为待分析偏航误差范围的下界和上界。
作为更进一步描述,所述方法步骤2)中,空气密度ρi以及修正风速的计算公式如下:
2-a)空气密度ρi:
其中R0为干燥空气的比气体常数;Rw为水蒸气的比气体常数;Pw为水蒸气的气压;Bi为环境气压,通过SCADA系统获取,或者通过估计,其中B0为标准海平面大气压强,e为自然常数,g为重力加速度,z为风电机组轮毂处海拔高度,R为空气的比气体常数;为相对环境湿度,通过SCADA系统获取,或者设置
2-b)修正风速
其中ρ0为参考空气密度。
作为更进一步描述,所述方法步骤3)中,偏航误差固有偏差分析数据集{Xi}区间划分的方法步骤如下:
3-a)绘制偏航误差{θi}的频率分布直方图,并基于频率分布直方图的分布情况设定待分析偏航误差范围的下界θlb和上界θub;
3-b)设定偏航误差固有偏差分析数据集{Xi}的区间划分个数M;
3-c)以为偏航误差区间划分间隔,对偏航误差固有偏差分析数据集{Xi}进行划分。
作为更进一步描述,所述方法步骤4)中,M个偏航误差区间下风电机组真实功率曲线获取的流程如下:
4-a)设定真实功率曲线获取初始区间k=1;
4-b)确定第k个偏航误差区间下偏航误差固有偏差分析数据集中的修正风速对应的最大值记其中vcut_off为风电机组切出风速;
4-c)以固定风速间隔Δv为风速区间划分间隔,将第k个偏航误差区间下偏航误差固有偏差分析数据集进一步基于修正风速进行划分,则第j个修正风速区间下的偏航误差固有偏差分析数据集定义为
k=1,2,3,…,M j=1,2,3,…,Mk m=1,2,3,…,Mk,j
其中Mk,j为第j个修正风速区间下的偏航误差固有偏差分析数据集中的数据个数;Mk为第k个偏航误差区间下偏航误差固有偏差分析数据集的修正风速区间划分个数,计算公式如下
其中函数为向上取整函数;
4-d)计算每个修正风速区间下的偏航误差固有偏差分析数据集中的平均修正风速以及平均有功功率公式如下
4-e)对每个修正风速区间下的平均修正风速以及平均有功功率进行最大值-最小值归一化处理,得到归一化后的平均修正风速和平均有功功率
4-f)基于平均修正风速以及平均有功功率确定每个修正风速区间下的功率曲线拟合中心点确定方式如下:若第j个修正风速区间下的偏航误差固有偏差分析数据集中的数据个数Mk,j=0,则认为该区间内无功率曲线拟合中心点;反之则认为该区间内的功率曲线拟合中心点
4-g)补充定义中心点并记第k个偏航误差区间下的功率曲线拟合中心点个数为M′k,计算每个功率曲线拟合中心点对应的参数值公式为
其中为两个相邻的功率曲线拟合中心点与对应坐标归一化后的弦长,即
dk为所有功率曲线拟合中心点对应坐标归一化后的总弦长,即
4-h)采用最小二乘B样条拟合算法对第k个偏航误差区间下的功率曲线进行拟合,其拟合函数Bk(t)定义如下:
其中Nn,p(t)为阶数为p的第n段B样条拟合函数的标准函数,t为最小二乘B样条拟合函数的自变量,为该最小二乘B样条拟合函数的第n个控制点;为分段节点,i=0,1,2,…,p-1,p,p+1,…,M′k-1,M′k,M′k+1,…,M′k+p,其计算公式如下:
4-i)基于如下最小二乘优化函数确定B样条拟合函数Bk(t)中的所有控制点
4-j)将求解得到的最小二乘B样条拟合函数Bk(t)转换为自变量为风速v的多项式形式,作为第k个偏航误差区间下的真实功率曲线结果{PCk};
4-k)设置待分析区间k=k+1,并重复进行步骤4-b)至步骤4-j),直到j>M为止。
作为更进一步描述,所述方法步骤5)中,量化性能指标PIk的定义如下:
其中Nh为1年时间转化为小时的数值;CAP为待分析风电机组的额定功率;为第k个偏航误差区间下、第j个修正风速区间中的风速中值,即 为第k个偏航误差区间的真实功率曲线{PCk}上对应的有功功率值,且F(·)函数为Rayleigh分布的累计概率分布函数,具体公式如下
其中vave为待分析风电机组的年平均风速。
与现有技术相比,本发明具有以下创新优势及显著效果:
1)创新性地提出一种基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法,填补基于数据分析的智能辨识与补偿技术在风电机组的性能提升领域的技术空白。
2)设计了包括风电机组真实功率曲线拟合、功率曲线性能量化指标构建、偏航误差固有偏差辨识以及偏航误差固有偏差补偿策略制定等步骤在内的风电机组性能提升流程,具有较强的实用性、可靠性与扩展性。
附图说明
图1是本发明基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法流程图;
图2是本发明应用领域内风电机组偏航误差固有偏差等角度相关关系示意图;
图3是本发明应用与实施例时步骤1)中风电机组功率曲线原始数据散点图;
图4是本发明应用于实施例时步骤3)中补偿前的偏航误差频率分布直方图;
图5是本发明应用于实施例时步骤3)和4)中偏航误差区间[-1°,0°]的功率曲线相关结果图;
图6是本发明应用于实施例时步骤5)中偏航误差固有偏差补偿前各偏航误差区间下功率曲线量化性能指标结果图;
图7是本发明应用于实施例时步骤6)中偏航误差固有偏差补偿后各偏航误差区间下功率曲线量化性能指标结果图。
具体实施方式
以下结合附图对本发明的具体实施方法与工作原理作如下详述:
实施例
由于风电场中的风电机组在不同时段内运行时的风况很难完全一致,出于对本发明方法有效性的验证,本实施例中采用的数据为GH Bladed 3.82在同一型号风电机组、同一风文件下的仿真数据来对风电机组偏航误差固有偏差辨识及补偿方法进行分析研究。风电机组数据采样间隔为10min,数据信息为期5年,总计284405条。数据集包括的具体变量以及相关数据信息如表1、表2所示:
表1 GH Bladed 3.82下对某型号风电机组的仿真数据集变量信息
变量名称 | 变量含义 | 变量单位 |
风速v | 当前风电机组机舱风速 | m/s |
有功功率P | 当前风电机组有功功率 | kW |
环境温度T | 风电机组运行环境温度 | ℃ |
环境气压B | 风电机组运行环境气压 | Pa |
偏航误差θ | 当前风电机组偏航误差 | ° |
表2 GH Bladed 3.82下对某型号风电机组在某风文件下的部分仿真数据
数据序号 | 风速 | 有功功率 | 环境温度 | 环境气压 | 偏航误差 |
… | … | … | … | … | … |
105679 | 4.2992 | 81.0290 | 25.0000 | 100463.2887 | 5.7852 |
105680 | 4.5417 | 81.8810 | 25.0000 | 100463.2887 | 15.2980 |
105681 | 4.9667 | 82.8700 | 25.0000 | 100463.2887 | 1.6641 |
… | … | … | … | … | … |
235640 | 11.6990 | 1504.7000 | 25.0000 | 100463.2887 | 6.0619 |
235641 | 11.5200 | 1549.5000 | 25.0000 | 100463.2887 | 9.1317 |
235642 | 11.1470 | 1550.0000 | 25.0000 | 100463.2887 | -0.0520 |
… | … | … | … | … | … |
值得一提的是,GH Bladed中测量得到的偏航误差并没有实际应用过程中风向仪在测量过程中测量过程中存在的偏航误差固有偏差,因此在仿真过程中采用将测量值人为+5°的方式来模拟实际过程中存在-5°偏航误差固有偏差的现象。本实施例中默认利用上述全部仿真数据来进行偏航误差固有偏差辨识与补偿方法的实施,方法结果为得到的风电机组片偏航误差固有偏差的辨识结果并通过补偿手段进行方法有效性的验证,其详细实施步骤具体如下:
1)根据待分析风电机组偏航误差固有偏差辨识及补偿需求,读取相应需求周期内总计N条待分析风电机组的SCADA系统中测量得到的风电机组运行数据信息,该信息包含风速{vi}、有功功率{Pi}、环境气压{Bi}、环境温度{Ti}以及偏航误差{θi},将信息数据集记为其中i=1,2,3,…,N;根据表1以及表2所列出的数据集变量信息描述,本实施例中的数据集包括了本步骤中的所有必要信息,图3所示的结果为本步骤中风电机组功率曲线原始数据散点图;
2)基于步骤1)中的信息数据集计算得出对应时刻的空气密度{ρi},并将信息数据集中的风速{vi}信息修正到参考空气密度ρ0下的修正风速,记为其中i=1,2,3,…,N;相关计算公式如下:
2-a)空气密度ρi:
其中R0为干燥空气的比气体常数;Rw为水蒸气的比气体常数;Pw为水蒸气的气压;Bi为环境气压,通过SCADA系统获取,或者通过估计,其中B0为标准海平面大气压强,e为自然常数,g为重力加速度,z为风电机组轮毂处海拔高度,R为空气的比气体常数;为相对环境湿度,通过SCADA系统获取,或者设置在本实施例中,环境温度和环境气压分别固定取25℃和100463.2887Pa,因此空气密度计算结果为1.1738kg/m3。
2-b)修正风速
其中ρ0为参考空气密度,本实施例中取1.225kg/m3。
3)将步骤2)中修正风速有功功率{Pi}以及偏航误差{θi}合成为风电机组偏航误差固有偏差分析数据集{Xi},并以一定的偏航误差间隔将{Xi}划分为M个区间,记第k个偏航误差划分区间中的数据个数为Nk、偏航误差固有偏差分析数据集为其中k=1,2,3,…,M,l=1,2,3,…,Nk;采用的偏航误差区间划分的一种优选方法步骤如下,但不限于此:
3-a)绘制偏航误差{θi}的频率分布直方图,并基于频率分布直方图的分布情况设定待分析偏航误差范围的下界θlb和上界θub;
3-b)设定偏航误差固有偏差分析数据集{Xi}的区间划分个数M;
3-c)以为偏航误差区间划分间隔,对偏航误差固有偏差分析数据集{Xi}进行划分,则第k个偏航误差区间的偏航误差固有偏差分析数据集定义为
k=1,2,3,…,M l=1,2,3,…,Nk
其中Nk为第k个偏航误差区间下偏航误差固有偏差分析数据集中的数据个数。在本实施例中,由于篇幅限制原因,仅给出对应偏航误差区间为[-1°,0°]的功率曲线散点数据图,如图5所示。
4)基于M个区间的偏航误差固有偏差分析数据集分别拟合出M条真实功率曲线,记第k个偏航误差区间下的真实功率曲线为{PCk},其中k=1,2,3,…,M;采用的真实功率曲线获取的一种优选算法流程如下,但不限于此:
4-a)设定真实功率曲线获取初始区间k=1;
4-b)确定第k个偏航误差区间下偏航误差固有偏差分析数据集中的修正风速对应的最大值记其中vcut_off为风电机组切出风速;
4-c)以固定风速间隔Δv为风速区间划分间隔,将第k个偏航误差区间下偏航误差固有偏差分析数据集进一步基于修正风速进行划分,则第j个修正风速区间下的偏航误差固有偏差分析数据集定义为
k=1,2,3,…,M j=1,2,3,…,Mk m=1,2,3,…,Mk,j
其中Mk,j为第j个修正风速区间下的偏航误差固有偏差分析数据集中的数据个数;Mk为第k个偏航误差区间下偏航误差固有偏差分析数据集的修正风速区间划分个数,计算公式如下
其中函数为向上取整函数;
4-d)计算每个修正风速区间下的偏航误差固有偏差分析数据集中的平均修正风速以及平均有功功率公式如下
4-e)对每个修正风速区间下的平均修正风速以及平均有功功率进行最大值-最小值归一化处理,得到归一化后的平均修正风速和平均有功功率
4-f)基于平均修正风速以及平均有功功率确定每个修正风速区间下的功率曲线拟合中心点确定方式如下:若第j个修正风速区间下的偏航误差固有偏差分析数据集中的数据个数Mk,j=0,则认为该区间内无功率曲线拟合中心点;反之则认为该区间内的功率曲线拟合中心点
4-g)补充定义中心点并记第k个偏航误差区间下的功率曲线拟合中心点个数为M′k,计算每个功率曲线拟合中心点对应的参数值公式为
其中为两个相邻的功率曲线拟合中心点与对应坐标归一化后的弦长,即
dk为所有功率曲线拟合中心点对应坐标归一化后的总弦长,即
4-h)采用最小二乘B样条拟合算法对第k个偏航误差区间下的功率曲线进行拟合,其拟合函数Bk(t)定义如下:
其中Nn,p(t)为阶数为p的第n段B样条拟合函数的标准函数,t为最小二乘B样条拟合函数的自变量,为该最小二乘B样条拟合函数的第n个控制点;为分段节点,i=0,1,2,…,p-1,p,p+1,…,M′k-1,M′k,M′k+1,…,M′k+p,其计算公式如下:
4-i)基于如下最小二乘优化函数确定B样条拟合函数Bk(t)中的所有控制点
4-j)将求解得到的最小二乘B样条拟合函数Bk(t)转换为自变量为风速v的多项式形式,作为第k个偏航误差区间下的真实功率曲线结果{PCk};
4-k)设置待分析区间k=k+1,并重复进行步骤4-b)至步骤4J),直到j>M为止。由于篇幅限制,本实施例中有关功率曲线的拟合均略去各过程参数的计算过程及次要结果,相关重要参数取值如下:修正风速对应最大值为固定风速间隔Δv=2m/s,第14个偏航误差区间为[-1°,0°]的功率曲线相关数据中修正风速区间划分个数为15,对应真实功率曲线拟合中心点及拟合结果如图5中“■”符号及曲线所示。
5)分别计算M个偏航误差区间下的真实功率曲线{PCk}各自的量化性能指标PIk,其中k=1,2,3,…,M;量化性能指标PIk的定义如下:
其中Nh为1年时间转化为小时的数值;CAP为待分析风电机组的额定功率;为第k个偏航误差区间下、第j个修正风速区间中的风速中值,即且 为第k个偏航误差区间的真实功率曲线{PCk}上对应的有功功率值,且F(·)函数为Rayleigh分布的累计概率分布函数,具体公式如下
其中vave为待分析风电机组的年平均风速。在本实施例中,相关重要参数取值如下:Nh按照1年365天计算取8760;CAP为该型号风电机组的额定功率值,取1550kW;vave取仿真风文件的平均风速7m/s,对应20个偏航误差区间下的真实功率曲线各自量化性能指标PIk计算结果如图6所示。
6)通过偏航误差固有偏差辨识准则确定该风电机组的偏航误差固有偏差值θim的辨识结果,并将该偏差值θim直接以增量形式补偿到偏航误差实际测量值θ上,得到最终补偿后的偏航误差真实值θ′,即θ′=θ+θim;
所述偏航误差固有偏差辨识准则定义如下:将步骤5)中所有M个偏航误差区间下真实功率曲线{PCk}的量化性能指标PIk由大到小进行排列,并选出最大量化性能指标PImax对应的区间下标k′,则偏航误差固有偏差值θim的辨识结果计算公式如下
其中θlb和θub分别为待分析偏航误差范围的下界和上界。在本实施例中,图6中真实功率曲线的量化性能指标PIk的最大值PImax使用“★”符号标注出,可以看出最大值对应的区间序号为9号,即偏航误差区间为[-6°,-5°],则可以根据偏航误差固有偏差值θim的辨识结果计算公式计算出偏航误差固有偏差值的辨识结果为-5.5°;进一步基于偏航误差固有偏差补偿策略,通过将偏航误差测量值θ人为加5.5°变为修正后的θ′,即θ′=θ+5.5°;将修正后的结果作为偏航控制输入重新对该风电机组在同一风文件下进行补偿后的数据仿真,经过同样的分析流程可以得到如图7所示的真实功率曲线各自量化性能指标PIk计算结果,相关重要参数如下:偏航误差的频率分布直方图的10%和90%分位数分别为-9.681°和10.498°,即偏航误差下界θlb和上界θub分别为-10°和10°;区间划分个数M取20;修正风速对应最大值为固定风速间隔Δv=2m/s,其他关键参数与补偿前的参数相同。从图7中可以看出,经过偏航误差固有偏差的辨识及补偿之后,最大值对应的区间序号为10号,即补偿后偏航误差固有偏差的辨识区间为[0°,1°],由此可见固有偏差的补偿提升了在固有偏差存在下的偏航控制的效果,从功率曲线量化指标结果值上同样也可以看出,相同偏航位置下的功率曲线量化指标结果也有20~30h不等的显著提升,相比与辨识补偿前的性能提升约0.8%~1.2%。至此,基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法的有效性与实用性在GH Bladed 3.82仿真软件的仿真数据集上成功验证。
本发明基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法,主要包括基于空气密度的风速修正、偏航误差区间划分、风电机组真实功率曲线拟合、功率曲线量化指标计算以及偏航误差固有偏差的辨识与补偿等环节组成。图1为基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法实时与应用的具体流程。整个实施例按照图1中所示的流程,基于风电机组SCADA数据进行分析,通过对不同偏航误差区间下风电机组的真实功率曲线进行拟合并最终基于偏航误差固有偏差的辨识准则与补偿策略来实现风电机组的性能提升需求。图2-图7为使用本发明基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法进行风电机组偏航误差固有偏差的辨识与补偿流程中各个环节的结果,对具有风电机组的性能提升需求的企业有着很强的应用价值及意义。
Claims (5)
1.一种基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法,其特征在于,包括以下步骤:
1)根据待分析风电机组偏航误差固有偏差辨识及补偿需求,读取相应需求周期内总计N条待分析风电机组的SCADA系统中测量得到的风电机组运行数据信息,该信息包含风速{vi}、有功功率{Pi}、环境气压{Bi}、环境温度{Ti}以及偏航误差{θi},将信息数据集记为其中i=1,2,3,…,N;
2)基于步骤1)中的信息数据集计算得出对应时刻的空气密度{ρi},并将信息数据集中的风速{vi}信息修正到参考空气密度ρ0下的修正风速,记为其中i=1,2,3,…,N;
3)将步骤2)中修正风速有功功率{Pi}以及偏航误差{θi}合成为风电机组偏航误差固有偏差分析数据集{Xi},并以一定的偏航误差间隔将{Xi}划分为M个区间,记第k个偏航误差划分区间中的数据个数为Nk、偏航误差固有偏差分析数据集为其中k=1,2,3,…,M,l=1,2,3,…,Nk;
4)基于M个区间的偏航误差固有偏差分析数据集分别拟合出M条真实功率曲线,记第k个偏航误差区间下的真实功率曲线为{PCk},其中k=1,2,3,…,M;
5)分别计算M个偏航误差区间下的真实功率曲线{PCk}各自的量化性能指标PIk,其中k=1,2,3,…,M;
6)通过偏航误差固有偏差辨识准则确定该风电机组的偏航误差固有偏差值θim的辨识结果,并将该偏差值θim直接以增量形式补偿到偏航误差实际测量值θ上,得到最终补偿后的偏航误差真实值θ′;
所述偏航误差固有偏差辨识准则定义如下:将步骤5)中所有M个偏航误差区间下真实功率曲线{PCk}的量化性能指标PIk由大到小进行排列,并选出最大量化性能指标PImax对应的区间下标k′,则偏航误差固有偏差值θim的辨识结果计算公式如下
其中θlb和θub分别为待分析偏航误差范围的下界和上界。
2.根据权利要求1所述的一种基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法,其特征在于,所述步骤2)中,空气密度ρi以及修正风速的计算公式如下:
2-a)空气密度ρi:
其中R0为干燥空气的比气体常数;Rw为水蒸气的比气体常数;Pw为水蒸气的气压;Bi为环境气压,通过SCADA系统获取,或者通过估计,其中B0为标准海平面大气压强,e为自然常数,g为重力加速度,z为风电机组轮毂处海拔高度,R为空气的比气体常数;为相对环境湿度,通过SCADA系统获取,或者设置
2-b)修正风速
其中ρ0为参考空气密度。
3.根据权利要求1所述的一种基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法,其特征在于,所述步骤3)中,偏航误差固有偏差分析数据集{Xi}区间划分方法步骤如下:
3-a)绘制偏航误差{θi}的频率分布直方图,并基于频率分布直方图的分布情况设定待分析偏航误差范围的下界θlb和上界θub;
3-b)设定偏航误差固有偏差分析数据集{Xi}的区间划分个数M;
3-c)以为偏航误差区间划分间隔,对偏航误差固有偏差分析数据集{Xi}进行划分。
4.根据权利要求1所述的一种基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法,其特征在于,所述步骤4)中,M个偏航误差区间下风电机组真实功率曲线获取的流程如下:
4-a)设定真实功率曲线获取初始区间k=1;
4-b)确定第k个偏航误差区间下偏航误差固有偏差分析数据集中的修正风速对应的最大值记其中vcut_off为风电机组切出风速;
4-c)以固定风速间隔Δv为风速区间划分间隔,将第k个偏航误差区间下偏航误差固有偏差分析数据集进一步基于修正风速进行划分,则第j个修正风速区间下的偏航误差固有偏差分析数据集定义为
k=1,2,3,…,M j=1,2,3,…,Mk m=1,2,3,…,Mk,j
其中Mk,j为第j个修正风速区间下的偏航误差固有偏差分析数据集中的数据个数;Mk为第k个偏航误差区间下偏航误差固有偏差分析数据集的修正风速区间划分个数,计算公式如下
其中函数为向上取整函数;
4-d)计算每个修正风速区间下的偏航误差固有偏差分析数据集中的平均修正风速以及平均有功功率公式如下
4-e)对每个修正风速区间下的平均修正风速以及平均有功功率进行最大值-最小值归一化处理,得到归一化后的平均修正风速和平均有功功率
4-f)基于平均修正风速以及平均有功功率确定每个修正风速区间下的功率曲线拟合中心点确定方式如下:若第j个修正风速区间下的偏航误差固有偏差分析数据集中的数据个数Mk,j=0,则认为该区间内无功率曲线拟合中心点;反之则认为该区间内的功率曲线拟合中心点
4-g)补充定义中心点并记第k个偏航误差区间下的功率曲线拟合中心点个数为M′k,计算每个功率曲线拟合中心点对应的参数值公式为
其中为两个相邻的功率曲线拟合中心点与对应坐标归一化后的弦长,即
dk为所有功率曲线拟合中心点对应坐标归一化后的总弦长,即
4-h)采用最小二乘B样条拟合算法对第k个偏航误差区间下的功率曲线进行拟合,其拟合函数Bk(t)定义如下:
其中Nn,p(t)为阶数为p的第n段B样条拟合函数的标准函数,t为最小二乘B样条拟合函数的自变量,为该最小二乘B样条拟合函数的第n个控制点;为分段节点,i=0,1,2,…,p-1,p,p+1,…,M′k-1,M′k,M′k+1,…,M′k+p,其计算公式如下:
4-i)基于如下最小二乘优化函数确定B样条拟合函数Bk(t)中的所有控制点
4-j)将求解得到的最小二乘B样条拟合函数Bk(t)转换为自变量为风速v的多项式形式,作为第k个偏航误差区间下的真实功率曲线结果{PCk};
4-k)设置待分析区间k=k+1,并重复进行步骤4-b)至步骤4-j),直到j>M为止。
5.根据权利要求1所述的一种基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法,其特征在于,所述步骤5)中,量化性能指标PIk的定义如下:
其中Nh为1年时间转化为小时的数值;CAP为待分析风电机组的额定功率;为第k个偏航误差区间下、第j个修正风速区间中的风速中值,即目. 为第k个偏航误差区间的真实功率曲线{PCk}上对应的有功功率值,且F(·)函数为Rayleigh分布的累计概率分布函数,具体公式如下
其中vave为待分析风电机组的年平均风速。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811372808.7A CN109667727B (zh) | 2018-11-18 | 2018-11-18 | 一种基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811372808.7A CN109667727B (zh) | 2018-11-18 | 2018-11-18 | 一种基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109667727A true CN109667727A (zh) | 2019-04-23 |
CN109667727B CN109667727B (zh) | 2020-01-10 |
Family
ID=66141881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811372808.7A Active CN109667727B (zh) | 2018-11-18 | 2018-11-18 | 一种基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109667727B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110705768A (zh) * | 2019-09-26 | 2020-01-17 | 国家电网公司华北分部 | 用于风电场的风力发电功率预测优化方法和装置 |
CN110761947A (zh) * | 2019-11-15 | 2020-02-07 | 华北电力大学 | 一种风电机组偏航校准方法及系统 |
CN111322205A (zh) * | 2019-12-13 | 2020-06-23 | 风脉能源(武汉)股份有限公司 | 风电机组风向标零位误差辨识方法及校正方法 |
CN111369390A (zh) * | 2020-03-30 | 2020-07-03 | 北京拾易技术有限公司 | 风力发电机组孪生功率曲线模型的应用方法和系统 |
CN112290996A (zh) * | 2020-11-05 | 2021-01-29 | 四川天邑康和通信股份有限公司 | 一种应用于pon组件自动测试系统的光衰减器补偿方法 |
CN112648139A (zh) * | 2020-11-12 | 2021-04-13 | 北京金风慧能技术有限公司 | 风力发电机组对风不正校正方法、装置及控制器 |
CN112800103A (zh) * | 2020-12-09 | 2021-05-14 | 华能陕西发电有限公司 | 一种scada数据挖掘的风电机组功率曲线的获取系统及方法 |
CN112966395A (zh) * | 2021-03-31 | 2021-06-15 | 华能国际电力股份有限公司 | 一种风电机组偏航系统静态误差的计算方法 |
WO2021118461A1 (en) * | 2019-12-09 | 2021-06-17 | Envision Digital International Pte. Ltd. | Method and apparatus for detecting yaw-to-wind abnormality, and device and storage medium thereof |
CN113048012A (zh) * | 2021-02-22 | 2021-06-29 | 中国软件与技术服务股份有限公司 | 基于混合高斯模型的风电机组偏航角度识别方法和装置 |
CN113236507A (zh) * | 2021-05-28 | 2021-08-10 | 中南大学 | 一种风电机组偏航静态误差诊断方法和系统 |
CN113323818A (zh) * | 2021-06-10 | 2021-08-31 | 北京国电思达科技有限公司 | 多类型风机的偏航误差测量方法及装置 |
CN115980504A (zh) * | 2023-03-21 | 2023-04-18 | 中车山东风电有限公司 | 一种风力发电机组发电性能在线检测方法及检测终端 |
CN117052603A (zh) * | 2023-07-10 | 2023-11-14 | 太原重工股份有限公司 | 风电机组偏航启动控制方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013034235A1 (de) * | 2011-09-07 | 2013-03-14 | Robert Bosch Gmbh | Verfahren und vorrichtung zum bestimmen eines gierwinkelfehlers einer windkraftanlage und windkraftanlage |
CN103758700A (zh) * | 2014-02-24 | 2014-04-30 | 国电联合动力技术有限公司 | 一种校准风机对风偏差的方法 |
KR20150128348A (ko) * | 2014-05-09 | 2015-11-18 | 삼성중공업 주식회사 | 풍력 발전기의 요 에러 추정 방법 및 추정 장치 |
CN105909466A (zh) * | 2016-04-18 | 2016-08-31 | 华电电力科学研究院 | 风力发电机组偏航误差分析方法 |
CN106014858A (zh) * | 2016-07-21 | 2016-10-12 | 浙江运达风电股份有限公司 | 一种风电机组对风误差自动校准方法及装置 |
CN107061161A (zh) * | 2017-05-02 | 2017-08-18 | 上海电气风电集团有限公司 | 风力发电机偏航系统的对风方法及对风系统 |
WO2017148485A1 (en) * | 2016-03-03 | 2017-09-08 | Vestas Wind Systems A/S | A method for determining a yaw position offset of a wind turbine |
WO2017174088A1 (en) * | 2016-04-04 | 2017-10-12 | Mita-Teknik A/S | A system and a method for optimal yaw control |
CN108317040A (zh) * | 2018-01-31 | 2018-07-24 | 北京金风科创风电设备有限公司 | 偏航对风矫正的方法、装置、介质、设备和风力发电机组 |
-
2018
- 2018-11-18 CN CN201811372808.7A patent/CN109667727B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013034235A1 (de) * | 2011-09-07 | 2013-03-14 | Robert Bosch Gmbh | Verfahren und vorrichtung zum bestimmen eines gierwinkelfehlers einer windkraftanlage und windkraftanlage |
CN103758700A (zh) * | 2014-02-24 | 2014-04-30 | 国电联合动力技术有限公司 | 一种校准风机对风偏差的方法 |
KR20150128348A (ko) * | 2014-05-09 | 2015-11-18 | 삼성중공업 주식회사 | 풍력 발전기의 요 에러 추정 방법 및 추정 장치 |
WO2017148485A1 (en) * | 2016-03-03 | 2017-09-08 | Vestas Wind Systems A/S | A method for determining a yaw position offset of a wind turbine |
WO2017174088A1 (en) * | 2016-04-04 | 2017-10-12 | Mita-Teknik A/S | A system and a method for optimal yaw control |
CN105909466A (zh) * | 2016-04-18 | 2016-08-31 | 华电电力科学研究院 | 风力发电机组偏航误差分析方法 |
CN106014858A (zh) * | 2016-07-21 | 2016-10-12 | 浙江运达风电股份有限公司 | 一种风电机组对风误差自动校准方法及装置 |
CN107061161A (zh) * | 2017-05-02 | 2017-08-18 | 上海电气风电集团有限公司 | 风力发电机偏航系统的对风方法及对风系统 |
CN108317040A (zh) * | 2018-01-31 | 2018-07-24 | 北京金风科创风电设备有限公司 | 偏航对风矫正的方法、装置、介质、设备和风力发电机组 |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110705768A (zh) * | 2019-09-26 | 2020-01-17 | 国家电网公司华北分部 | 用于风电场的风力发电功率预测优化方法和装置 |
CN110761947A (zh) * | 2019-11-15 | 2020-02-07 | 华北电力大学 | 一种风电机组偏航校准方法及系统 |
EP4073378A4 (en) * | 2019-12-09 | 2023-02-01 | Envision Digital International Pte. Ltd. | METHOD AND APPARATUS FOR DETECTING YAW-TO-WIND ANOMALIES, AND APPARATUS AND STORAGE MEDIUM THEREFORE |
US11644009B2 (en) | 2019-12-09 | 2023-05-09 | Envision Digital International Pte. Ltd. | Method and apparatus for detecting yaw-to-wind abnormality, and device and storage medium thereof |
WO2021118461A1 (en) * | 2019-12-09 | 2021-06-17 | Envision Digital International Pte. Ltd. | Method and apparatus for detecting yaw-to-wind abnormality, and device and storage medium thereof |
KR102462570B1 (ko) | 2019-12-09 | 2022-11-03 | 엔비전 디지털 인터내셔널 피티이 리미티드 | 요-바람 이상 검출 방법 및 장치, 및 그 디바이스 및 저장 매체 |
JP2023500415A (ja) * | 2019-12-09 | 2023-01-05 | エンヴィジョン デジタル インターナショナル ピーティーイー.エルティーディー. | 風に対するヨーの異常を検出するための方法および装置、並びにそれらのデバイスおよび記憶媒体 |
JP7194868B1 (ja) | 2019-12-09 | 2022-12-22 | エンヴィジョン デジタル インターナショナル ピーティーイー.エルティーディー. | 風に対するヨーの異常を検出するための方法および装置、並びにそれらのデバイスおよび記憶媒体 |
KR20220106221A (ko) * | 2019-12-09 | 2022-07-28 | 엔비전 디지털 인터내셔널 피티이 리미티드 | 요-바람 이상 검출 방법 및 장치, 및 그 디바이스 및 저장 매체 |
CN111322205A (zh) * | 2019-12-13 | 2020-06-23 | 风脉能源(武汉)股份有限公司 | 风电机组风向标零位误差辨识方法及校正方法 |
CN111322205B (zh) * | 2019-12-13 | 2021-11-23 | 风脉能源(武汉)股份有限公司 | 风电机组风向标零位误差辨识方法及校正方法 |
CN111369390A (zh) * | 2020-03-30 | 2020-07-03 | 北京拾易技术有限公司 | 风力发电机组孪生功率曲线模型的应用方法和系统 |
CN112290996A (zh) * | 2020-11-05 | 2021-01-29 | 四川天邑康和通信股份有限公司 | 一种应用于pon组件自动测试系统的光衰减器补偿方法 |
CN112648139A (zh) * | 2020-11-12 | 2021-04-13 | 北京金风慧能技术有限公司 | 风力发电机组对风不正校正方法、装置及控制器 |
CN112800103A (zh) * | 2020-12-09 | 2021-05-14 | 华能陕西发电有限公司 | 一种scada数据挖掘的风电机组功率曲线的获取系统及方法 |
CN112800103B (zh) * | 2020-12-09 | 2023-03-03 | 华能陕西发电有限公司 | 一种scada数据挖掘的风电机组功率曲线的获取系统及方法 |
CN113048012A (zh) * | 2021-02-22 | 2021-06-29 | 中国软件与技术服务股份有限公司 | 基于混合高斯模型的风电机组偏航角度识别方法和装置 |
CN112966395A (zh) * | 2021-03-31 | 2021-06-15 | 华能国际电力股份有限公司 | 一种风电机组偏航系统静态误差的计算方法 |
CN112966395B (zh) * | 2021-03-31 | 2023-09-19 | 华能国际电力股份有限公司 | 一种风电机组偏航系统静态误差的计算方法 |
CN113236507A (zh) * | 2021-05-28 | 2021-08-10 | 中南大学 | 一种风电机组偏航静态误差诊断方法和系统 |
CN113323818A (zh) * | 2021-06-10 | 2021-08-31 | 北京国电思达科技有限公司 | 多类型风机的偏航误差测量方法及装置 |
CN113323818B (zh) * | 2021-06-10 | 2024-01-19 | 北京国电思达科技有限公司 | 多类型风机的偏航误差测量方法及装置 |
CN115980504A (zh) * | 2023-03-21 | 2023-04-18 | 中车山东风电有限公司 | 一种风力发电机组发电性能在线检测方法及检测终端 |
CN115980504B (zh) * | 2023-03-21 | 2023-08-11 | 中车山东风电有限公司 | 一种风力发电机组发电性能在线检测方法及检测终端 |
CN117052603A (zh) * | 2023-07-10 | 2023-11-14 | 太原重工股份有限公司 | 风电机组偏航启动控制方法 |
CN117052603B (zh) * | 2023-07-10 | 2024-04-19 | 太原重工股份有限公司 | 风电机组偏航启动控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109667727B (zh) | 2020-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109667727A (zh) | 一种基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法 | |
US20210262439A1 (en) | Method of identification and compensation of inherent deviation of yaw error of wind turbine based on true power curve | |
CN103850876B (zh) | 一种适用于无载荷测量的风电机组独立变桨控制方法 | |
CN106150904B (zh) | 一种风力发电机组偏航系统控制性能优化方法及系统 | |
CN111322205B (zh) | 风电机组风向标零位误差辨识方法及校正方法 | |
CN101684774B (zh) | 一种风力发电系统及风力发电机的测风方法 | |
CN104091209B (zh) | 基于bp神经网络的风电机组功率特性评估方法 | |
CN105909466B (zh) | 风力发电机组偏航误差分析方法 | |
CN109740175A (zh) | 一种面向风电机组功率曲线数据的离群点判别方法 | |
CN106979126B (zh) | 基于svr的风力发电机组高风速段有效风速估计方法 | |
CN104299044A (zh) | 基于聚类分析的风功率短期预测系统及预测方法 | |
CN107061158B (zh) | 一种低风速下风力发电机的预测与跟踪控制方法 | |
CN109167387A (zh) | 风场风电功率预测方法 | |
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 | |
CN103244354A (zh) | 风力发电机组功率曲线自适应优化方法 | |
Bashaer et al. | Investigation and analysis of wind turbines optimal locations and performance in Iraq | |
CN106815773A (zh) | 一种风电场功率特性评估方法 | |
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 | |
CN103093027A (zh) | 基于双馈风电场等值模型的电力系统分析方法 | |
CN102797631A (zh) | 一种风电机组的最优增益在线自校正方法、系统及其装置 | |
CN107657116B (zh) | 一种风电场功率曲线仿射建模的方法 | |
CN114033617B (zh) | 一种控制参量自适应调整的可控风力发电方法及系统 | |
CN111342499A (zh) | 一种基于风功率预测数据的风电场实时调度方法 | |
CN106894949A (zh) | 基于环境因素的风机功率信号反馈方法 | |
CN111130122A (zh) | 一种风电场无功控制能力在线监测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |