CN109669351B - 风电机组多模自适应控制方法、装置及计算机存储介质 - Google Patents
风电机组多模自适应控制方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN109669351B CN109669351B CN201710963523.XA CN201710963523A CN109669351B CN 109669351 B CN109669351 B CN 109669351B CN 201710963523 A CN201710963523 A CN 201710963523A CN 109669351 B CN109669351 B CN 109669351B
- Authority
- CN
- China
- Prior art keywords
- wind turbine
- turbine generator
- running state
- model
- state data
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/30—Wind power
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Wind Motors (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开一种风电机组多模自适应控制方法、装置及计算机存储介质,该方法步骤包括:S1.构建风电机组的数字化样机模型;S2.实时采集被控风电机组的运行状态数据;S3.将采集到的运行状态数据输入至数字化样机模型中进行比较,判断被控风电机组是否处于正常运行状态,如果不是,转入执行步骤S4;S4.根据比较结果确定控制模式,以控制将被控风电机组调节至正常运行状态;该装置包括样机模型构建模块、数据采集模块、状态判别模块以及多模自适应控制模块。本发明能够实现风电机组多模式的自适应控制,提高风电机组运行的可靠稳定性,且具有实现方法简单、成本低、控制效率及精度高等优点。
Description
技术领域
本发明涉及风电机组控制技术领域,尤其涉及一种风电机组多模自适应控制方法、装置及计算机存储介质。
背景技术
风电场中风电机组在运行过程中可能发生各种故障,目前通常都是在风电机组故障发生后,人工再去对故障位置、故障原因进行排查,然后控制使风电机组恢复到正常运行状态,无法在风电机组故障发生前检测到该故障状态,不仅会造成经济损失,还会影响机组的正常稳定运行,而风电机组从运行状态开始出现异常到机组故障发生报出警告或故障期间,是处于一种“亚健康状态”,如果能够在故障发生之前通过检测到该异常点并进行相应的控制修正,则能够有效降低载荷、缩短非必要的停机维护时间、以及减少发电量损失等。
数字化样机是指在计算机上表达的机械产品整机或子系统的数字化模型,通过以动力学、机械设计、电气及控制理论为核心,融合虚拟现实、仿真等技术,由数字样机来验证物理样机的功能和性能,能够将分散的产品开发和分析过程集成在一起,使产品的设计者、制造者和使用者可以在产品开发的早期,直观形象地对产品原型进行制造和使用仿真、性能测试和设计优化。数字化样机目前在风电机组控制技术领域中还未有有效的应用。
发明内容
本发明要解决的技术问题就在于:针对现有技术存在的技术问题,本发明提供一种能够实现风电机组多模式的自适应控制,提高风电机组运行的可靠稳定性,且实现方法简单、成本低、控制效率及精度高的风电机组多模自适应控制方法、装置及计算机存储介质。
为解决上述技术问题,本发明提出的技术方案为:
一种风电机组多模自适应控制方法,步骤包括:
S1. 构建风电机组的数字化样机模型;
S2. 实时采集被控风电机组的运行状态数据;
S3. 将所述步骤S2采集到的运行状态数据输入至所述数字化样机模型中进行比较,根据比较结果判断被控风电机组是否处于正常运行状态,如果不是,转入执行步骤S4;
S4. 根据所述比较结果确定控制模式,以控制将被控风电机组调节至正常运行状态。
作为本发明方法的进一步改进,所述步骤S1的具体步骤为:
S11. 选取正常运行的机组作为样机,分别在不同工况下对所述样机进行测试,以及建立样机的数字化模型,分别在不同工况下对所述数字化模型进行仿真;
S12. 分别采集各工况时测试得到的运行状态数据以及仿真得到的运行状态数据并进行对比分析,由对比分析结果提取对应不同工况的运行状态数据的特征;
S13. 由提取得到的所述运行状态数据的特征构建得到数字化样机模型。
作为本发明方法的进一步改进:所述进行对比分析具体使用功率谱密度、快速傅里叶变换、标准差计算中的一种或多种分析方法的组合。
作为本发明方法的进一步改进:所述运行状态数据包括功率、转矩、转速、风速和桨距角中的一种或多种。
作为本发明方法的进一步改进,所述步骤S3的具体步骤为:
S31. 分别计算所述步骤S2采集到的运行状态数据与所述数字化样机模型中对应运行状态数据之间的差值,得到多项偏差值;
S32. 判断计算得到的各所述偏差值是否满足预设条件,如果是且未触发警告和故障,判定为处于将发生故障的异常运行状态,转入执行步骤S4,否则判定为处于正常运行状态,保持被控风电机组的当前运行状态。
作为本发明方法的进一步改进:所述步骤S32中具体判断到存在所述偏差值超出预设范围,且指定时间段内为持续增加趋势时,判定为处于将发生故障的异常运行状态。
作为本发明方法的进一步改进,所述步骤S4的具体步骤为:
S41. 获取所述偏差值超过预设范围的目标运行状态参数,由目标运行状态参数作为控制参数确定得到当前控制模式;
S42. 按照当前控制模式的控制参数对被控风电机组的运行状态进行调节,以修正当前运行状态,使得风电机组回到正常运行状态。
作为本发明方法的进一步改进:还包括实时监测被控风电机组的运行状态数据是否达到预设保护条件,如果是则触发对应的警告或故障报警步骤。
一种风电机组多模自适应控制装置,包括:
样机模型构建模块,用于构建风电机组的数字化样机模型;
数据采集模块,用于实时采集被控风电机组的运行状态数据;
状态判别模块,用于将所述数据采集模块采集到的运行状态数据输入至所述数字化样机模型中进行比较,根据比较结果判断被控风电机组是否处于正常运行状态,如果不是,转入执行自适应调节模块;
多模自适应控制模块,用于根据所述比较结果确定控制模式,以控制将被控风电机组调节至正常运行状态。
作为本发明装置的进一步改进,所述样机模型构建模块包括:
样机测试单元,用于选取正常运行的机组作为样机,分别在不同工况下对所述样机进行测试;
模型仿真单元,用于建立样机的数字化模型,分别在不同工况下对所述数字化模型进行仿真;
特征提取单元,用于采集各工况时所述测样机测试单元试得到的运行状态数据、以及仿所述模型仿真单元真得到的运行状态数据并进行对比分析,由对比分析结果提取运行状态数据的特征;
样机模型构建单元,用于由提取得到的所述运行状态数据的特征构建得到数字化样机模型。
作为本发明装置的进一步改进,所述状态判别模块包括:
偏差值计算单元,用于分别计算所述数据采集模块采集到的运行状态数据与所述数字化样机模型中对应运行状态数据之间的差值,得到多项偏差值;
判别单元,用于判断计算得到的各偏差值是否满足预设条件,如果是且未触发警告和故障,判定为处于将发生故障的异常运行状态,转入执行所述多模自适应控制模块,否则判定为处于正常运行状态,保持被控风电机组的当前运行状态。
作为本发明装置的进一步改进,所述多模自适应调节模块包括:
控制模式确定单元, 获取所述偏差值超过预设范围的目标运行状态参数,由目标运行状态参数作为控制参数确定得到当前控制模式;
调节执行单元,用于按照当前控制模式的控制参数对被控风电机组的运行状态进行调节,以修正当前运行状态,使得风电机组回到正常运行状态。
作为本发明装置的进一步改进:还包括状态监测单元,用于实时监测被控风电机组的运行状态数据并判断是否达到预设保护条件,如果是则触发对应的警告或故障报警。
本发明进一步提供一种存储有计算机程序的计算机存储介质,所述计算机程序执行时实现如上述的方法。
与现有技术相比,本发明的优点在于:
1)本发明通过建立风电机组数字化样机模型,基于数字化样机模型对被控风电机组的运行状态进行判断,能够在风电机组故障和警告发生前及时检测到所存在的异常状态,同时基于数字化样机模型对风电机组的状态进行调节,能够由不同的异常状态对风电机组的运行状态进行自适应调节,实现风电机组的多模自适应控制,控制实现简单且控制效率及精度高,可以及时控制异常的运行状态,降低载荷、减少发电量损失。
2)本发明基于风电机组数字化样机模型实现风电机组的多模自适应控制,无需额外增加任何硬件设备,所需控制成本低且可靠性高,不会影响风电机组的原有保护功能。
3)本发明进一步通过结合不同工况的测试数据以及样机模型的仿真数据,构建得到的数字化样机模型,能够准确的反映各运行工况时风电机组的性能特性,从而提高风电机组控制的精度。
4)本发明进一步通过将被控风电机组的实时运行状态数据分别与字化样机模型中标准运行状态数据进行比较,计算各运行状态数据与数字化样机之间的多项偏差值,由各偏差值判定风机的运行状态,实现方法简单,可以在某个运行状态数据存在异常时,即及时检测到该异常状态,同时及时对异常状态参数进行调节以修正当前运行状态,可使得风电机组回到正常运行状态,可有效避免故障的发生,保证风机持续稳定运行。
附图说明
图1是本实施例风电机组多模自适应控制方法的实现流程示意图。
图2是本实施例中风电机组多模自适应控制方法的具体实现原理示意图。
图3是本实施例中数字化样机模型构建的实现流程示意图。
图4是本实施例风电机组多模自适应控制装置的结构示意图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述,但并不因此而限制本发明的保护范围。
如图1、2所示,本实施例风电机组多模自适应控制方法,步骤包括:
S1. 构建风电机组的数字化样机模型;
S2. 实时采集被控风电机组的运行状态数据;
S3. 将步骤S2采集到的运行状态数据输入至数字化样机模型中进行比较,根据比较结果判断被控风电机组是否处于正常运行状态,如果不是,转入执行步骤S4;
S4. 根据比较结果确定控制模式,以控制将被控风电机组调节至正常运行状态。
本实施例通过建立风电机组数字化样机模型,基于数字化样机模型对被控风电机组的运行状态进行判断,能够在风电机组故障发生前及时检测到所存在的异常状态,同时基于数字化样机模型对风电机组的状态进行调节,能够由不同的异常状态对风电机组的运行状态进行自适应调节,实现风电机组的多模自适应控制,控制实现简单且控制效率及精度高,可以及时控制异常的运行状态,降低载荷、减少发电量损失,且无需额外增加任何硬件设备,所需控制成本低,同时可靠性高、不会影响风电机组的保护功能。
本实施例中,步骤S1的具体步骤为:
S11. 选取正常运行的机组作为样机,分别在不同工况下对样机进行测试,以及建立样机的数字化模型,分别在不同工况下对数字化模型进行仿真;
S12. 分别采集各工况时测试得到的运行状态数据以及仿真得到的运行状态数据并进行对比分析,由对比分析结果提取对应不同工况的运行状态数据的特征;
S13. 由提取得到的运行状态数据的特征构建得到数字化样机模型。
本实施例通过结合不同工况的测试数据以及样机模型的仿真数据,构建得到的数字化样机模型,能够准确的反映各运行工况时风电机组的性能特性,从而提高风电机组控制的精度。
本实施例中,进行对比分析具体使用功率谱密度、快速傅里叶变换、标准差计算等多种处理方法,即通过综合计算功率谱密度、快速傅里叶变换、标准差等,得到测试数据与仿真数据之间的特征数据,基于该特征数据构建得到数字化样机模型。可以理解的是,也可以采用其他方法进行测试数据与仿真数据的对比分析。
如图3所示,本实施例数字化样机模型建立时,首先选取正常运行的机组作为样机,采集样机在不同工况下的实验测试数据,同时建立样机的模型并进行仿真,采集不同工况下的仿真数据,利用功率谱密度、快速傅里叶变换、标准差计算等多种处理方法,将仿真数据和实验数据进行交叉对比分析,提取相应的特征建立数字化样机模型,并将建立的数字化样机模型加载至风力发电机组的控制系统中,以用于后续控制。
本实施例中,运行状态数据具体包括功率、转矩、转速、风速和桨距角等信号数据,即实时采集被控风电机组的功率、转矩、转速、风速和桨距角等信号数据,并提取各运行状态数据的特征,由提取的特征与数字化样机模型中对应特征进行比较,以判定被控风电机组的运行状态。可以理解的是,运行状态数据也可以为上述数据中任意一种或多种,还可以根据实际需求采用其他运行状态数据。
本实施例中,步骤S3的具体步骤为:
S31. 分别计算步骤S2采集到的运行状态数据与数字化样机模型中对应运行状态数据之间的差值,得到多项偏差值;
S32. 判断计算得到的各偏差值是否满足预设条件,如果是且未触发警告和故障,判定为处于将发生故障的异常运行状态,即为故障发生前的“亚健康状态”,转入执行步骤S4,否则判定为处于正常运行状态,保持被控风电机组的当前运行状态。
本实施例具体通过将被控风电机组的实时提取的运行状态数据特征分别与字化样机模型中标准运行状态数据特征进行比较,计算各运行状态数据特征与数字化样机之间的多项偏差值,由各偏差值判定风机的运行状态,实现方法简单,可以在某个运行状态数据存在异常而未触发警告和故障时,即及时检测到该异常状态,降低故障率,减少发电量损失。
本实施例中,步骤S32中具体判断到存在偏差值超出预设范围,且指定时间段内为持续增加趋势时,判定为处于将发生故障的异常运行状态,即当被控风电机组运行状态与数字化样机模型相比超出标准运行范围,且持续一段时间内均为偏差持续增加状态时,同时未触发警告和故障时,判定为存在异常的故障运行状态,需要转入执行步骤S4以对风电机组进行多模自适应控制单元。
本实施例中,步骤S4的具体步骤为:
S41. 获取偏差值超过预设范围的目标运行状态参数,由目标运行状态参数作为控制参数确定得到当前控制模式;
S42. 按照当前控制模式的控制参数对被控风电机组的运行状态进行调节,以修正当前运行状态,使得风电机组回到正常运行状态。
本实施例通过将被控风电机组运行状态与数字化样机模型进行比较后,若偏差值超出预设范围,表明对应的运行状态参数即为异常状态参数,对该异常状态参数进行调节以修正当前运行状态,如当功率、转矩、转速、风速或桨距角中存在某状态参数异常时,对应的对变流器或变桨系统等进行控制调节,以调节该异常状态参数,使得风电机组回到正常运行状态,实现对风电机组的多模式自适应控制。
本实施例中,上述方法还包括实时监测被控风电机组的运行状态数据,并判断是否达到预设保护条件,如果是则触发对应的警告或故障报警步骤,使得不会影响风电机组的原有保护功能。
本实施例具体在风电机组控制系统中加载控制程序,通过风电机组控制系统执行控制程序实现上述多模自适应控制方法的功能。
如图4所示,本实施例中实现上述风电机组多模自适应控制方法的装置,包括:
样机模型构建模块,用于构建风电机组的数字化样机模型;
数据采集模块,用于实时采集被控风电机组的运行状态数据;
状态判别模块,用于将数据采集模块采集到的运行状态数据输入至数字化样机模型中进行比较,根据比较结果判断被控风电机组是否处于正常运行状态,如果不是,转入执行自适应调节模块;
多模自适应控制模块,用于根据比较结果确定控制模式,以控制将被控风电机组调节至正常运行状态。
本实施例数据采集模块具体采集各种工况下的运行数据,包括功率、转矩、转速、风速和桨距角等信号,经过处理后得到机组在各种工况下的运行特征,传输给状态判别模块;状态判别模块将接收到的运行特征与数字化样机模型进行比较,计算运行特征与数字化样机模型之间的多项偏差值,当存在偏差值超过预设范围,即机组运行状态超出标准运行范围,且持续一段时间内偏差持续增加时,由多模自适应控制模块对机组进行控制调节以修正运行状态,使机组回到标准运行状态范围;上述过程中实时监测风电机组的运行状态数据,如果达到机组的保护条件,则触发相应的警告或故障,不影响机组的运行安全。
本实施例中,样机模型构建模块具体包括:
样机测试单元,用于选取正常运行的机组作为样机,分别在不同工况下对样机进行测试;
模型仿真单元,用于建立样机的数字化模型,分别在不同工况下对数字化模型进行仿真;
特征提取单元,用于采集各工况时测试得到的运行状态数据以及仿真得到的运行状态数据并进行对比分析,由对比分析结果提取运行状态数据的特征;
样机模型构建单元,用于由提取得到的运行状态数据的特征构建得到数字化样机模型。
本实施例中,状态判别模块具体包括:
偏差值计算单元,用于分别计算数据采集模块采集到的运行状态数据与数字化样机模型中对应运行状态数据之间的差值,得到多项偏差值;
判别单元,用于判断计算得到的各偏差值是否满足预设条件,如果是,判定为故障运行状态,否则判定为处于正常运行状态。
本实施例中,多模自适应调节模块包括:
控制模式确定单元,获取采集到的运行状态数据与数字化样机模型中偏差值超过预设范围的目标运行状态参数,由目标运行状态参数确定目标控制模式;
调节执行单元,用于按照目标控制模式控制对被控风电机组的目标运行状态参数进行调节以修正当前运行状态,使得风电机组回到正常运行状态。
本实施例中,还包括状态监测单元,用于实时监测被控风电机组的运行状态数据,并判断是否达到预设保护条件,如果是则触发对应的警告或故障报警。
本实施例上述装置具体加载在风电机组控制系统中,上述装置与风电机组多模自适应控制方法的原理一致,在此不一一赘述。
本实施例还包括一种存储有计算机程序的计算机存储介质,计算机程序执行时实现如上述风电机组多模自适应控制方法。
上述只是本发明的较佳实施例,并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明。因此,凡是未脱离本发明技术方案的内容,依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均应落在本发明技术方案保护的范围内。
Claims (12)
1.一种风电机组多模自适应控制方法,其特征在于步骤包括:
S1.构建正常运行的风电机组的数字化样机模型;
S2.实时采集被控风电机组的运行状态数据;
S3.将所述步骤S2采集到的运行状态数据输入至所述数字化样机模型中进行比较,根据比较结果判断被控风电机组是否处于正常运行状态,如果不是,转入执行步骤S4;
S4.根据所述比较结果中异常状态参数确定控制模式,以控制将被控风电机组调节至正常运行状态;
所述步骤S1的具体步骤为:
S11.选取正常运行的机组作为样机,分别在不同工况下对所述样机进行测试,以及建立样机的数字化模型,分别在不同工况下对所述数字化模型进行仿真;
S12.分别采集各工况时测试得到的运行状态数据以及仿真得到的运行状态数据并进行对比分析,由对比分析结果提取对应不同工况的运行状态数据的特征;
S13.由提取得到的所述运行状态数据的特征构建得到数字化样机模型;
所述步骤S3中通过将被控风电机组的实时提取的运行状态数据特征分别与数 字化样机模型中标准运行状态数据特征进行比较,计算各运行状态数据特征与数字化样机之间的多项偏差值,由各偏差值判定风机的运行状态。
2.根据权利要求1所述的风电机组多模自适应控制方法,其特征在于,所述进行对比分析具体使用功率谱密度、快速傅里叶变换、标准差计算中的一种或多种的组合。
3.根据权利要求1或2所述的风电机组多模自适应控制方法,其特征在于:所述运行状态数据包括功率、转矩、转速、风速和桨距角中的一种或多种。
4.根据权利要求1或2所述的风电机组多模自适应控制方法,其特征在于,所述步骤S3的具体步骤为:
S31.分别计算所述步骤S2采集到的运行状态数据与所述数字化样机模型中对应运行状态数据之间的差值,得到多项偏差值;
S32.判断计算得到的各所述偏差值是否满足预设条件,如果是且未触发警告和故障,判定为处于将发生故障的异常运行状态,转入执行步骤S4,否则判定为处于正常运行状态,保持被控风电机组的当前运行状态。
5.根据权利要求4所述的风电机组多模自适应控制方法,其特征在于,所述步骤S32中具体判断到存在所述偏差值超出预设范围,且指定时间段内为持续增加趋势时,判定为处于将发生故障的异常运行状态。
6.根据权利要求4所述的风电机组多模自适应控制方法,其特征在于:所述步骤S4的具体步骤为:
S41.获取所述偏差值超过预设范围的目标运行状态参数,由目标运行状态参数作为控制参数确定得到当前控制模式;
S42.按照当前控制模式的控制参数对被控风电机组的运行状态进行调节,以修正当前运行状态,使得风电机组回到正常运行状态。
7.根据权利要求1或2所述的风电机组多模自适应控制方法,其特征在于,还包括实时判断被控风电机组的运行状态数据,并判断是否达到预设保护条件,如果是则触发对应的警告或故障报警步骤。
8.一种风电机组多模自适应控制装置,其特征在于包括:
样机模型构建模块,用于构建正常运行的风电机组的数字化样机模型;
数据采集模块,用于实时采集被控风电机组的运行状态数据;
状态判别模块,用于将所述数据采集模块采集到的运行状态数据输入至所述数字化样机模型中进行比较,根据比较结果判断被控风电机组是否处于正常运行状态,如果不是,转入执行自适应调节模块;
多模自适应控制模块,用于根据所述比较结果中异常状态参数确定控制模式,以控制将被控风电机组调节至正常运行状态;
所述样机模型构建模块包括:
样机测试单元,用于选取正常运行的机组作为样机,分别在不同工况下对所述样机进行测试;模型仿真单元,用于建立样机的数字化模型,分别在不同工况下对所述数字化模型进行仿真;特征提取单元,用于采集各工况时所述样机测试单元测试得到的运行状态数据、以及仿所述模型仿真单元真得到的运行状态数据并进行对比分析,由对比分析结果提取运行状态数据的特征;
样机模型构建单元,用于由提取得到的所述运行状态数据的特征构建得到数字化样机模型;所述状态判别模块中通过将被控风电机组的实时提取的运行状态数据特征分别与字化样机模型中标准运行状态数据特征进行比较,计算各运行状态数据特征与数字化样机之间的多项偏差值,由各偏差值判定风机的运行状态。
9.根据权利要求8所述的风电机组多模自适应控制装置,其特征在于,所述状态判别模块包括:
偏差值计算单元,用于分别计算所述数据采集模块采集到的运行状态数据与所述数字化样机模型中对应运行状态数据之间的差值,得到多项偏差值;
判别单元,用于判断计算得到的各所述偏差值是否满足预设条件,如果是且未触发警告和故障,判定为处于将发生故障的异常运行状态,转入执行所述多模自适应控制模块,否则判定为处于正常运行状态,保持被控风电机组的当前运行状态。
10.根据权利要求8所述的风电机组多模自适应控制装置,其特征在于,所述多模自适应调节模块包括:
控制模式确定单元,获取所述偏差值超过预设范围的目标运行状态参数,由目标运行状态参数作为控制参数确定得到当前控制模式;
调节执行单元,用于按照当前控制模式的控制参数对被控风电机组的运行状态进行调节,以修正当前运行状态,使得风电机组回到正常运行状态。
11.根据权利要求10所述的风电机组多模自适应控制装置,其特征在于,还包括状态监测单元,用于实时监测被控风电机组的运行状态数据,并判断是否达到预设保护条件,如果是则触发对应的警告或故障报警。
12.一种存储有计算机程序的计算机存储介质,所述计算机程序执行时实现如权利要求1~7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710963523.XA CN109669351B (zh) | 2017-10-17 | 2017-10-17 | 风电机组多模自适应控制方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710963523.XA CN109669351B (zh) | 2017-10-17 | 2017-10-17 | 风电机组多模自适应控制方法、装置及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109669351A CN109669351A (zh) | 2019-04-23 |
CN109669351B true CN109669351B (zh) | 2022-06-07 |
Family
ID=66139607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710963523.XA Active CN109669351B (zh) | 2017-10-17 | 2017-10-17 | 风电机组多模自适应控制方法、装置及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109669351B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112983736B (zh) * | 2019-12-13 | 2022-04-12 | 中车株洲电力机车研究所有限公司 | 一种风电机组传动链多模控制保护方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226651A (zh) * | 2013-03-23 | 2013-07-31 | 中国水利电力物资有限公司 | 基于相似度统计的风电机组状态评估预警方法和系统 |
CN103344914A (zh) * | 2013-06-26 | 2013-10-09 | 中能电力科技开发有限公司 | 基于归一化的风电机组故障预警方法 |
CN104792564A (zh) * | 2015-04-30 | 2015-07-22 | 国电联合动力技术有限公司 | 一种应用于风电机组试验平台的加载系统及其应用 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102223125B (zh) * | 2011-06-29 | 2013-06-19 | 南车株洲电力机车研究所有限公司 | 一种电网电压故障时风电机组不间断运行控制方法及装置 |
US20140304201A1 (en) * | 2011-11-15 | 2014-10-09 | Kim Hyldgaard | System And Method For Identifying Suggestions To Remedy Wind Turbine Faults |
CN103268366B (zh) * | 2013-03-06 | 2017-09-29 | 辽宁省电力有限公司电力科学研究院 | 一种适用于分散式风电场的组合风电功率预测方法 |
CN103245912B (zh) * | 2013-03-23 | 2016-09-14 | 中国水利电力物资有限公司 | 一种风电机组运行状态分析诊断方法和系统 |
CN106640547B (zh) * | 2016-11-24 | 2020-08-18 | 东北电力大学 | 监测风电机组状态的方法及系统 |
-
2017
- 2017-10-17 CN CN201710963523.XA patent/CN109669351B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226651A (zh) * | 2013-03-23 | 2013-07-31 | 中国水利电力物资有限公司 | 基于相似度统计的风电机组状态评估预警方法和系统 |
CN103344914A (zh) * | 2013-06-26 | 2013-10-09 | 中能电力科技开发有限公司 | 基于归一化的风电机组故障预警方法 |
CN104792564A (zh) * | 2015-04-30 | 2015-07-22 | 国电联合动力技术有限公司 | 一种应用于风电机组试验平台的加载系统及其应用 |
Also Published As
Publication number | Publication date |
---|---|
CN109669351A (zh) | 2019-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3804268B1 (en) | System and method for anomaly and cyber-threat detection in a wind turbine | |
US10678912B2 (en) | Dynamic normalization of monitoring node data for threat detection in industrial asset control system | |
US11170314B2 (en) | Detection and protection against mode switching attacks in cyber-physical systems | |
US20190222596A1 (en) | Reliable cyber-threat detection in rapidly changing environments | |
Odgaard et al. | Results of a wind turbine FDI competition | |
CN108731921B (zh) | 一种设备连接件故障监测方法及系统 | |
CN111997831B (zh) | 风电机组的载荷控制方法和装置 | |
EP3246689B1 (en) | Method and system for monitoring mechanical bearing | |
CN103486068B (zh) | 智能风扇的控制检测方法及装置、智能风扇 | |
CN113123932B (zh) | 一种面向风电机组的实时动态故障诊断方法 | |
CN112286771B (zh) | 一种针对全域资源监控的告警方法 | |
CN106972484B (zh) | 多场景下火电机组励磁系统动态性能在线评估方法和装置 | |
CN113027695B (zh) | 风力发电机组的桨距角异常的检测方法及装置 | |
CN114061743A (zh) | 风力发电机组的振动监测方法、装置、设备及介质 | |
CN107202027A (zh) | 一种大型风机运行趋势分析及故障预测方法 | |
CN109669351B (zh) | 风电机组多模自适应控制方法、装置及计算机存储介质 | |
EP2135144A1 (en) | Machine condition monitoring using pattern rules | |
CN103999316A (zh) | 用于产生说明在供电网中的摆动的信号的方法 | |
CN110088462A (zh) | 风力涡轮发电机控制系统中的电气故障检测 | |
EP2881549B1 (en) | System and method for preventing an emergency over-speed condition in a rotating machine | |
US10903778B2 (en) | Apparatus and methods for monitoring subsea electrical systems using adaptive models | |
EP3385804B1 (en) | Failure diagnosis apparatus, failure diagnosis method and recording medium | |
CN109209781A (zh) | 风力发电机组的故障定位方法及装置 | |
CN106288182A (zh) | 一种压缩机监控方法、装置及空调 | |
CN117991048B (zh) | 高比例分布式电源接入的配电网短路故障检测方法及系统 |
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 |