CN110139983A - 实证评估风力涡轮机发电机运行的方法和系统 - Google Patents
实证评估风力涡轮机发电机运行的方法和系统 Download PDFInfo
- Publication number
- CN110139983A CN110139983A CN201780081749.5A CN201780081749A CN110139983A CN 110139983 A CN110139983 A CN 110139983A CN 201780081749 A CN201780081749 A CN 201780081749A CN 110139983 A CN110139983 A CN 110139983A
- Authority
- CN
- China
- Prior art keywords
- wtg
- monitoring
- setting
- change
- settings
- 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 69
- 238000012544 monitoring process Methods 0.000 claims abstract description 56
- 230000008859 change Effects 0.000 claims description 83
- 230000009471 action Effects 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 8
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000008672 reprogramming Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001960 triggered 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
- 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
- F05B2270/10—Purpose of the control system
- F05B2270/20—Purpose of the control system to optimise the performance of a machine
-
- 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
- F05B2270/333—Noise or sound levels
-
- 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)
- Mechanical Engineering (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种对风力涡轮机发电机(WTG)组中的至少一个风力涡轮机发电机(WTG)(1)进行评估运行(100)的方法和系统，该风力涡轮机发电机(WTG)组由至少一个控制器(20)控制，所述控制器基于至少一个设置组(30)运行WTG。该方法可包括以下动作：对至少一个WTG进行监控运行(110)；对运行所述至少一个WTG的控制器(20)所使用的设置组进行监控设置组(120)；检测来自所述监控设置组(120)的设置变化(132)，并记录检测到的设置变化(132)的变化的时刻(135)，以及在检测到的变化的时刻(135)之前和之后，确定运行变化(134)和设置变化(132)之间的相互关系(140)。
Description
技术领域
本发明涉及一种评估风力涡轮机发电机(WTG)组中的至少一个风力涡轮机发电机(WTG)的运行的方法，该风力涡轮机发电机(WTG)组由至少一个控制器控制，该控制器基于至少一个设置组运行风力涡轮机。该方法可包括以下动作中的一个或多个。
背景技术
现代风力涡轮机发电机(WTG)使用可变桨距和扭矩设置来控制空气相对于旋转叶片截面弦线的净速度。此行为由控制软件控制。如叶素动量理论(BEM)这样的理论模型可用于估计这些控制的最佳设置。
依靠BEM将需要理解限制并实施BEM模型，例如Martin OL Hansen的“风力涡轮机的空气动力学”第二版所记载的。
此外，依靠BEM模型将需要关于特定风力涡轮机发电机的预备知识。
US 2016/0084233通过描述用于在一个或多个风力涡轮机主动改变风力涡轮机上的设置后评估其性能的方法和系统，公开了一些相关的技术，主动改变的设置例如软件升级、控制升级、硬件升级等；见相关段落。然而，该公开假定了关于设置改变的精确的预备信息。
要克服限制和扩展应用。
发明目的
本发明的目的在于，提供能够应用于风力涡轮机发电机而无需关于其结构的预备知识的简单的步骤或系统。
一个目的在于，能够检测风力涡轮机发电机运行中的变化。一个目的在于，量化运行中的变化和对风力涡轮机发电机性能的影响。一个目的在于，确定用于控制或运行风力涡轮机的最佳参数。
还有一个目的在于，能够在不具备或只具备一部分关于风力涡轮机发电机的预备信息或知识的情况下，实现以上目的中的一个或多个。
发明内容
通过一种对风力涡轮机发电机(WTG)组中的至少一个风力涡轮机发电机(WTG)的运行进行评估方法，该风力涡轮机发电机(WTG)组由至少一个控制器控制，该控制器基于至少一个设置组运行风力涡轮机。该方法可包括以下动作中的一个或多个。
可存在监控至少一个WTG的运行的动作。
可存在监控由运行该至少一个WTG的控制器所使用的设置组的动作。
可存在检测设置变化并记录变化时刻的动作。
可存在在检测到的变化时刻之前和之后，确定运行变化和设置变化之间的相互关系的动作。
从而获得有价值的运行信息，而实际上并不需要直接访问控制器或至少仅仅部分访问控制器。
这允许WTG的运行者或所有者获得关于特定WTG的真实的运行数据或信息。所需要的方法或动作还以容易或更简单的方式为检查提供了基础。
因此，所公开的内容允许监控风力涡轮发电机，甚至作为已经建立的风力涡轮发电机上的附加层或作为第三方进行监控，并标示或通知用户或运行者控制器何时变化；甚至量化这些变化的影响。
该方法还能够更容易地应用至风力涡轮机发电机，而没有重新编程控制器或甚至“查看”控制器的困难。
特别地，该方法或动作并不会或多或少地依赖于应用或计算复杂的工程、空气动力学或物理模型或假设来评估运行。
这将提供变化的检测，其能够作为监视和报告的一部分报告。
另一个优点是这些动作提供量化WTG性能的测量值。
此外，结果形成确定最佳参数或设置的基础，能够将最佳参数或设置馈送到控制器。
监控设置可包括监控来自SCADA数据的输出。监控设置还可包括监控WTG中的环境条件或外界条件如气象条件。
在能够直接访问控制器的情况下，能够推断出数据或参数或设置。
对于检测变化，一个WTG可能足够了。在其他情况下，检测变化可包括将该方法应用于更多WTG。存在WTG组，并且能够根据对多个WTG的评估来量化检测的变化的影响。例如，当比较多个WTG之间的功率时。
在另一实施例中，能够使用多个WTG检测变化。
能够通过所实现的所谓“变化点”算法来识别变化时刻、或变化点。一些算法可从软件库容易地获得，并且本领域技术人员将能够实现和修改算法。
因此，当应用于水平轴，风力涡轮机发电机(WTG)具有用于将其叶片绕轴主动旋转(变桨)并通过调整发电机扭矩来控制转子的转速的装置。
当处在某个负载和噪声范围内时，该方法允许使得发电机的功率输出最大化。满足这些目标的控制可以取决于局部条件(例如剪切、转向和空气密度)以及叶片的状况(污垢和/或前缘侵蚀)。因此，确定给定WTG在给定时间点的最佳参数是非常困难的。通过概述的方法克服这些困难或将困难最小化。
例如，当软件更新应用于风力涡轮机时，能够改变控制参数。此外，给定版本的控制软件可具有数个运行模式，包括进一步限定噪声或功率的一些运行模式。在一些情况下，运行者不清楚控制中的这些变化。即使他们知道，运行者也可能不知道这些变化的影响。当软件更新例如改变了扭矩，降低功率输出，运行者可能希望恢复软件或更新软件，以具有新的扭矩设置。
当使用不同的值更新数个WTG时，应用上述方法，甚至可以通过构建性能(或负载或噪声)与控制参数或控制设置值的回归函数来估算最佳设置。这可以通过在所述变化发生之前和之后比较性能度量、负载传感器和/或声学测量来实现。
在一个方面，完全实证地确定相互关系。
在一个方面，监控设置组是输出的SCADA数据。
在一个方面，通过使用回归模型确定运行变化和设置变化之间的相互关系，
回归模型可用于执行值，例如功率和桨距或功率和扭矩之间的回归。回归也可使用转速和桨距、转速和扭矩或其他。
原则上，回归模型还可在模型中使用超过两个变量，例如作为转子转速和空气密度的函数的扭矩。
可使用分段线性回归。
在一个方面，可存在确定运行变化和设置变化中的多个相互关系的进一步的动作。
在一个方面，确定多个相互关系是基于聚类技术。
聚类技术的应用可用于确定不同的关系。随后，在从一个关系变化为另一个时，能够评估数据。
可以基于Arias-Castro,E.和Chen,G.和Lerman,G.于2011年在ElectronicJournal of Statistice第5期，1537-1587页的披露“Spectral clustering based onlocal linear approximations”来实施一个可用的聚类技术。
另一个将实施的聚类方法可以是被称为DBSCAN的方法，其由Ester,Martin；Kriegel,Hans-Peter；Sander,Xu,Xiaowei；Simoudis,Evangelos；Han,Jiawei；Fayyad,Usama M.等人于1996年在AAAI出版社的Proceedings of the SecondInternational Conference on Knowledge Discovery and Data Mining(KDD-96)第226-231页的A density-based algorithm for discovering clusters in large spatialdatabases with noise中进行描述。
不同的方法可使用多变量变化点算法来执行动作，以降低或消除对额外的回归分析或聚类分析的需求。
在一个方面，监控运行的动作包括监控一个或多个运行条件，例如功率输出或功率输出性能测量值。可存在监控负载测量值的动作。可存在监控噪声测量值的动作。
我们监控SCADA数据(例如扭矩和功率之间的关系)，以检测控制计划何时变化。一旦我们确定控制计划已经改变，使用分离算法来确定该控制计划对功率性能、负载或噪声的影响。
在一个方面，监控设置的动作包括监控桨距设置或扭矩设置中的一个、多个或全部。通常地，监控包括监控可用作SCADA数据的设置。
在一个方面，监控设置的动作包括监控一个或多个外界条件。
在一个方面，实证确定来自SCADA数据的监控的桨距和扭矩与功率性能之间的相互关系。
首先确定扭矩(桨距)与其他变量如功率或发电机速度之间的经验关系，并且从SCADA数据生成回归模型，例如扭矩相对功率和密度的回归模型。
随着新数据的收集，将其与此回归模型对比，且使用变化点算法来检测扭矩计划是否/何时显著变化。
该软件随后将变化前的性能(负载或噪声)与变化后的进行比较。
一旦在变化后经过足够的时间，就可以得出统计上显著的结论并向用户显示。
在变化点后，仅使用紧跟着该时间的数据重建回归模型，并且如果/当检测到另一个变化点，重复该过程。
用于检测和评估水平轴风力涡轮机发电机中的桨距和扭矩变化的系统包括：
通过分析SCADA数据检测桨距和扭矩行为的变化，并将其自动报告给软件用户。
在软件中量化这些变化的功率性能、负载和/或声学的影响，并将这些信息自动报告给用户。
为控制器计算最佳参数并将此以及证据报告给用户。
本发明的目的通过一种优化风力涡轮机发电机(WTG)组中的至少一个风力涡轮机发电机(WTG)的性能的方法实现，该风力涡轮机发电机(WTG)组由至少一个控制器控制，该控制器基于至少一个设置组运行风力涡轮机。该方法可包括以下动作中的一个或多个。
可存在根据所公开的方法或动作中的任一个或多个评估运行的动作，并从而确定运行变化和设置变化之间的相互关系。
可存在使用最佳运行找到优化的设置的动作。
在一个方面，还可存在将优化的设置(1010)传送至WTG组中的至少一个WTG的动作，该WTG组由运行WTG的至少一个控制器(20)控制。
公开的动作可以在计算机程序产品中实现，该程序产品包括指令以执行评估运行的一个或多个动作。
本发明的一个目的通过风力涡轮机运行评估系统实现，该系统用于实证评估由控制器控制的WTG的运行，该系统包括设置为监控至少一个WTG运行的运行监控系统和设置为监控该WTG的控制器所使用的设置组的设置监控系统。此外，还存在计算机，设置为检测设置变化并记录变化时刻，并在检测到的变化时刻之前和之后确定运行变化和设置变化之间的相互关系。
示例：
所公开的方法可通过改变桨距和扭矩，应用于真实数据并提供风电场中AEP(年期望功率)的增长。首先确定扭矩或桨距与其他变量如功率或发电机速度之间的实证关系。
这可通过例如扭矩相对功率和密度的回归模型进行，该回归模型从SCADA数据生成。随着新数据的收集，将其与此回归模型对比，且使用变化点算法来检测扭矩计划是否/何时显著变化。该软件随后将变化前的性能、负载或噪声与变化后的进行比较。
一旦在变化后经过足够的时间，就可以得出统计上显著的结论并向运行者显示。
有多种方式完成这一切，例如使用在先性能度量来评估变化点前/后的功率性能变化。
置信区间可应用于帮助确定何时收集到足够的数据来提供关于变化的影响的有意义的结论。
在变化点后，仅使用紧跟着该时间的数据重建回归模型，并且如果/当检测到另一个变化点，重复该过程。
如上所述，发现变化点并使用回归模型只是一种实现方法。
基于聚类技术的可替换的或可附加的方法，例如谱聚类或DBSCAN，可用于检测例如扭矩空间和功率空间的聚类。
如果时间区间与给定的聚类有关，那么变化发生在该聚类中的第一(最后)点之前(之后)。
变化可应用于风电场中的许多WTG，每个WTG应用的量不同。例如，对风电场A进行变化，使得许多WTG扭矩降低，但是每个降低的不一样多。然后可观察到，由于扭矩降低或在扭矩降低后，每个WTG功率性能升高。如将详细举例说明的，可以发现改进与扭矩降低的百分数几乎成比例。
优化的实例：
在优化性能的实例中，执行以下：
一种方式是应用与实证数据匹配的基于物理的趋势。例如，功率性能作为在特定外界条件下桨距的函数，应当遵照(基于物理)曲线Physics，该曲线作为(桨距；p1，p2，…)的函数，具有参数p1、p2，那么通过监控例如不同桨距设置，使得能够发现p1，p2，…的值，获得经验数据，然后能够通过桨距值的查找表(在此条件下)发现最优或最佳值，使功率性能最大化。
曲线Physics作为函数(桨距；p1，p2，…)可以随着时间变化，并且该最佳值也因此变化(例如由于叶片污染)，并持续监控和更新。
另一个方式是使用足够的实证数据来定位例如最大性能设置。
附图说明
图1示出了风力涡轮机运行评估系统和WTG；
图2示出了监控实证数据、SCADA数据，并可用于评估运行；
图3示出了在设置组包括扭矩设置的情况下，评估运行；
图4示出了对于具有WTG组的风电场，作为扭矩比的函数的性能比；
图5示出了评估风力涡轮机发电机WTG组中的至少一个风力涡轮机发电机(WTG)的运行的方法，该风力涡轮机发电机WTG组由至少一个控制器控制，该控制器基于至少一个设置组运行WTG；
图6示出了一种实施方式，其中相互关系的确定是通过可实现为计算机中的指令的模型来执行的；
图7示出了图5所示的评估运行的方法的进一步的实施方式；
图8示出了基于图6和图7，通过模型执行的确定相互关系的动作；
图9示出了基于之前公开的实施方式，所监控的特定类型数据；
图10示出了优化风力涡轮机发电机(WTG)组中的至少一个风力涡轮机发电机(WTG)的性能的方法，该风力涡轮机发电机(WTG)组由至少一个控制器控制，该控制器基于如图1所示的至少一个设置组31运行风力涡轮机；
图11示出了使用所公开的叶素或动作评估运行的方法的流程图。
具体实施方式
图1示出了一般的风力涡轮机发电机，WTG1，其具有支撑机舱3以及具有叶片5的转子4的塔架2。在下文中，WTG 1表示被提及的典型的风力涡轮机发电机。
WTG 1可具有控制器20，用于控制WTG1。控制器20通常将被设置为进行外部通信。通常可基于监控系统获得各种运行数据。可存在监视控制与数据采集(SCADA)系统。
图1还示出了风力涡轮机运行评估系统10，用于实证评估由控制器20控制的一般的WTG 1的运行100，如将在后续附图中描述的。评估系统10包括运行监控系统50，设置为监控运行数据组51，该数据组51表示至少一个WTG 1的运行。
系统10具有设置监控系统30，设置为监控由WTG1的控制器所使用的设置组31。通常地，可存在SCADA系统，提供对SCADA数据40的访问。
存在计算机2000，设置为检测设置30中的变化130并记录变化时刻135，并在检测到的变化时刻之前和之后，确定运行变化和设置变化之间的相互关系140，如下文所述。
计算机设置为执行计算机程序产品200，其包括使计算机2000执行动作或指令100的指令，如将在后续附图中描述的。
图2示出了所公开的方法和系统的结果以及定义。基于来自如图1所示的WTG 1的经验数据并且通过下面将描述的方法获得结果。然而，出于说明目的和定义，显示结果可以指导理解。还应当理解，尽管本领域技术人员可以知道一些数学算法，然后简单地试图寻找数据中的特征并且实际上找到有意义的有用信息。
图2具体示出了如何通过使用所公开的方法或系统，应用随着时间的监控120实证数据，SCADA数据40，来发现不同的桨距计划。
通过监控，提供包括功率生产性能52的运行数据组51。桨距设置42被提供在设置组31中。该数据从WTG1的SCADA数据40获取。
示出了四个图或曲线；每个对应一个不同的时间段。数据开始于2016年1月2日(1/2/2016)，用实线曲线示出；随后的时间段以在标明的日期(7/5/2016；7/8/2016；和8/5/2016)开始的数据示出.
在7月5日(7/5/2016)存在突变，其被检测130为设置变化132A，下一条曲线(7/5/2016)的桨距始终是-2度该曲线表示桨距和功率之间相互关系140A。且因此，功率的变化作为桨距设置变化的函数、量化的或映射的关系，被建立或确定。
数天后(7/8/2016)，桨距计划改变为第三曲线(7/8/2016)，其被检测130为设置变化132B，第三曲线(7/8/2016)在功率＝300、桨距＝0处开始，直到在1100kW处桨距约＝2度，并示出了运行变化134，该曲线表示桨距和功率之间的相互关系140B。
最后，在8月5日(8/5/2016)，桨距角计划改变至最后的点曲线，被检测130为设置变化132C，在该曲线中桨距始终是2度，该曲线表示桨距和功率之间的相互关系140C。
图示了用于发现SCADA数据40中的桨距变化的变化检测方法的稳健的方法。实际数据是在变化时刻后，模糊分布在确定为代表相互关系的曲线周围的点。
此外，对于那些时间段的每一个，执行对其他度量，例如功率性能、负载、噪声的监控，以获得关于根据不同标准，哪个桨距计划变化是最好或最差的信息。
图3示出了评估运行，其中设置组31包括扭矩设置44，且运行数据组51包括功率性能52。
曲线图示出了通过所公开的方法或算法检测的不同扭矩计划。在此情况下，数值被标准化，这意味着没有单位。实际的数据是模糊分布在区域内的点。
该数据开始于2015年12月31日(12/31/2015)，该时间内90％数据点在具有黑色边界线的灰色区域内。在2016年7月26日(7/26/2016)，扭矩计划变化(更低的扭矩)使得90％的值处于虚线界定的区域中。该变化被检测130为设置变化132。虚线界定的曲线区域代表扭矩和功率之间的相互关系140C。
尽管不能直接从图或曲线中看到，一些处理方案可以应用。该方法将数据划分至条件变量的箱中。在每个箱内，随着数据到达，在线执行回归。一旦在给定箱内的回归中存在统计置信度，则将其用于估计与到达该箱的后续点相关联的误差。如果误差变得一直很大，则计算所有箱中的误差的CUSUM，以确定是否/何时产生了变化点。如果检测到变化点，则重置所有箱数据，并在每个箱内，从后续数据创建新的回归模型。一旦有足够的后续数据到达，以在新的回归模型中具有统计置信度，则再次计算误差。
上文提到的CUSUM方法可基于Grigg；Farewell,VT；Spiegelhalter,DJ等人2003年的以下披露实施：“The Use of Risk-Adjusted CUSUM and RSPRT Charts forMonitoring in Medical Contexts”，发表于Statistical Methods in Medical Research的第12(2)期147–170页。
分箱过程有助于该过程，尽管不是必需的，但是在搜索变化点时，分箱可能会有所改善-很多时候存在桨距(扭矩)较高的情况，但是其它情况下桨距(扭矩)较低，还有在改变后是相同的情况。因此，如果在所有区域上分析误差(未分箱)，则其将具有大的变化并且将很难或不可能破译变化。
如所公开的检测该变化。图示了用于发现SCADA数据中扭矩变化的变化检测方法的稳健方法。
对于这些时间段中的每一个，可以执行对其他度量(功率性能、负载、噪声)的监控，以确定根据不同标准，哪个扭矩计划是最好或最差的。
本领域技术人员能够理解，此处也可以应用聚类技术。
图4示出了，对于具有WTG组的风电场，作为扭矩比(减少后的量与初始扭矩的比)的函数的性能比(来自夏季与一年的剩余时间的比)。扭矩减少越多(越靠左)，性能越高(性能下降越低)。
该图是基于图3中针对一个WTG讨论的方法和设置变化的，并在此应用于风电场中的多个WTG。
上文描述的方法检测到此风电场中的数个WTG在夏季月份中，发生显著的扭矩计划变化。
此图中，具有这样的检测到的变化的每个WTG有一个点。此处该图示出了扭矩变化的功率性能的影响。
图示出了，当扭矩大量降低时(Kq比很小，在图中更靠左)，其性能代偿相比扭矩下降较少的多个WTG(更高的Kq比，在图中更靠右)更少(在图中更高)。
因此，建立了相互关系140，其量化出，扭矩计划变化(扭矩下降越多)越大，功率性能越好。
性能比值在图中示出：此处的性能比值是主动功率(夏季月份期间)与一年中其他时间的“类似条件”的主动功率的比的平均值。“类似条件”应当理解为类似的风速、风向、湍流、和/或风切变。每个WTG有一个值/点。
因此，性能比是运行变化134的量化测量。
Kq比值在图中示出：此处的Kq比是在考虑了密度效应后，对于一个WTG，在扭矩变化后的夏季月份中的扭矩与该年中其他时间的扭矩的比的平均值。每个WTG有一个值。
因此，Kq比是运行变化132的量化测量。
性能和扭矩之间的相互关系140通过曲线确定，该曲线标示有不确定度带，标示为围绕较粗的曲线形成包围的较细的线。
图5参照如上文所述的一般的风力涡轮机发电机1示出了，一种评估风力涡轮机发电机(WTG)组中的至少一个风力涡轮机发电机(WTG)1的运行的方法100，该风力涡轮机发电机(WTG)组由至少一个控制器20控制，该控制器20基于至少一个设置组30运行WTG。该方法100可包括以下动作中的一个或多个。
存在对至少一个WTG1进行监控运行110的动作。
存在对控制器20所使用的设置组进行监控设置组120的动作，该控制器20运行至少一个WTG1。
存在检测130设置变化132和记录变化时刻32的动作。
在检测变化时刻32之前和之后，存在确定运行变化134和设置变化132之间的相互关系140的动作。
确定相互关系140的动作是完全实证确定的。
监控运行110示为基于运行数据组51。
监控设置组120示为基于输出的SCADA数据40。
图6示出了通过模型200进行确定相互关系140的实施方式，模型200可实现为计算机中的指令。模型200可实现为回归模型210，以确定运行变化134和设置变化132之间的相互关系140。
图7示出了如图5所示出的评估运行100的方法的进一步的实施方式。该方法100还包括在运行变化134和设置变化132中，确定多个相互关系145的动作。
图8示出了基于图6和图7，通过模型200执行确定相互关系140的动作，模型200可实现为计算机中的指令，其中确定多个相互关系145的动作是基于实现为模型200的聚类技术250的。
图9示出了基于之前公开的实施方式，所监控的特定类型数据。
监控运行110的动作可包括监控运行数据组51，功率输出或功率输出性能测量值52、负载测量值54、和/或噪声测量值56中的一个或多个。
监控设置120的动作可包括监控桨距设置42和/或扭矩设置44中的一个、多个或全部。设置可以来自SCADA数据40。
监控设置120的动作还可包括监控一个或多个外界条件60，例如风向、温度、湿度或类似的气象条件。
在确定相互关系140的特定组合中，监控数据可以是实证监控的来自SCADA40数据的桨距42和扭矩44，，SCADA40数据针对功率性能50回归。
图10示出了对风力涡轮机发电机(WTG)组中的至少一个风力涡轮机发电机(WTG)进行优化性能的方法1000，该风力涡轮机发电机(WTG)组由至少一个控制器20控制，该控制器20基于至少一个设置组31运行风力涡轮机，如图1所示。该方法包括根据权利要求1-10中任一项或多项所述的评估运行100的动作，和确定运行变化134和设置变化132之间的相互关系140的动作，和使用最佳运行1020找到优化的设置1010的动作。
存在将优化的设置1010传送至WTG组中的至少一个WTG的动作，该WTG组由运行WTG的至少一个控制器20控制，如图1所示。
图11示出了使用所公开的叶素或动作评估运行100的方法的流程图。
来自风电场SCADA系统的新的数据或到来的数据被监控110、120。执行设置变化132或估算的桨距/扭矩计划的更新。如果没有观察到检测变化130，那么监控更多的数据。如果观察到检测变化130，那么记录变化时刻135。向用户触发警报或通知300，并存在估算或确定相互关系140的动作。评估运行100可以是年估算功率(AEP)、负载或噪声。最后，存在重置150的动作，使得在估算仅应用于变化时刻135之后的数据。
Claims (15)
1.一种对风力涡轮机发电机(WTG)组中的至少一个风力涡轮机发电机(WTG)(1)进行评估运行(100)的方法，所述风力涡轮机发电机(WTG)组由至少一个控制器(20)控制，所述控制器基于至少一个设置组(30)运行WTG，所述方法可包括以下动作：
-对至少一个WTG(1)进行监控运行(110)，
-对运行所述至少一个WTG(1)的所述控制器(20)所使用的设置组进行监控设置组(120)，
-检测来自所述监控设置组(120)的设置变化(132)，并记录检测到的设置变化(132)的变化的时刻(135)，以及
-在检测到变化的时刻(135)之前和之后，确定运行变化(134)和设置变化(132)之间的相互关系(140)。
2.根据权利要求1所述的方法，其特征在于，所述相互关系(140)纯粹是基于监控运行(110)和监控设置组(120)实证确定的。
3.根据权利要求1或2所述的方法，其特征在于，监控设置组(120)是监控输出的SCADA数据(40)。
4.根据权利要求1-3任一项或多项所述的方法，其特征在于，通过使用与所述WTG的至少两个变量相关的回归模型(210)执行相互关系(140)的确定，所述两个变量代表运行变化(134)和设置变化(132)。
5.根据权利要求1-4任一项或多项所述的方法，还包括确定运行变化(134)和设置变化(132)中的多个相互关系(145)的动作。
6.根据权利要求6所述的方法，其特征在于，基于聚类技术进行确定多个相互关系(145)的动作。
7.根据权利要求1-6任一项或多项所述的方法，其特征在于，所述监控运行(110)的动作包括监控一个或多个：
-功率输出(50)或功率输出性能测量值(52)，
-负载测量值(54)，和/或
-噪声测量值(56)。
8.根据权利要求1-7任一项或多项所述的方法，其特征在于，所述监控设置(120)的动作包括监控一个、多个或全部：
-桨距设置(42)；
-扭矩设置(44)。
9.根据权利要求1-8任一项或多项所述的方法，其特征在于，所述监控设置(120)的动作包括监控一个或多个外界条件(60)。
10.根据权利要求1所述的方法，其特征在于，实证确定来自SCADA(40)数据的监控的桨距(42)与功率性能(50)之间、或来自SCADA(40)数据的扭矩(44)与功率性能(50)之间的相互关系(144)。
11.一种优化风力涡轮机发电机(WTG)组中的至少一个风力涡轮机发电机(WTG)(1)的性能的方法(1000)，所述风力涡轮机发电机(WTG)组由至少一个控制器(20)控制，所述控制器(20)基于至少一个设置组(31)运行WTG，所述方法可包括以下动作：
-根据权利要求1-10中的任一个或多个，评估运行(100)，并确定运行变化(134)和设置变化(132)之间的相互关系，
-使用最佳运行(1020)找到优化的设置(1010)。
12.根据权利要求11所述的方法，还包括将优化的设置(1010)传送至WTG组中的至少一个WTG，所述WTG组由运行WTG的至少一个控制器(20)控制。
13.一种计算机程序产品(200)，包括指令，以根据权利要求1-12中任一项或多项的方法执行评估运行(100)的一个或多个动作。
14.一种用于实证评估由控制器(20)控制的WTG的运行(100)的风力涡轮机运行评估系统(10)，所述系统包括：
-运行监控系统(50)，其设置为监控至少一个WTG(1)的运行，
-设置监控系统(30)，其设置为监控被WTG的控制器(20)使用的设置组(31)，
-计算机(2000)，其设置为
检测来自监控设置组(120)的设置(30)变化(130)，并记录检测到的设置变化(132)的变化时刻(135)，
在检测到的变化的时刻(135)之前和之后，确定运行变化(134)和设置变化(132)之间的相互关系(140)。
15.一种计算机程序产品(200)，包括使权利要求14所述的计算机(2000)执行根据权利要求1-13中任一项或多项所述的方法或动作的指令。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DKPA201671065 | 2016-12-30 | ||
| DKPA201671065 | 2016-12-30 | ||
| PCT/CN2017/119356 WO2018121667A1 (en) | 2016-12-30 | 2017-12-28 | A method of and system for empirically evaluating wind turbine generator operation |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110139983A true CN110139983A (zh) | 2019-08-16 |
| CN110139983B CN110139983B (zh) | 2020-12-01 |
Family
ID=62710425
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201780081749.5A Active CN110139983B (zh) | 2016-12-30 | 2017-12-28 | 实证评估风力涡轮机发电机运行的方法和系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN110139983B (zh) |
| WO (1) | WO2018121667A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112598539A (zh) * | 2020-12-28 | 2021-04-02 | 江苏徐工信息技术股份有限公司 | 一种风力发电机组风功率曲线优化计算及异常值检测方法 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4414554A3 (de) * | 2019-12-05 | 2024-10-16 | Wobben Properties GmbH | Verfahren zur steuerung einer windenergieanlage und/oder eines windparks |
| CN111706471B (zh) * | 2020-05-11 | 2021-05-04 | 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 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1672779A2 (en) * | 2004-12-17 | 2006-06-21 | General Electric Company | Wind farm power ramp rate control system and method |
| CN1795332A (zh) * | 2003-05-23 | 2006-06-28 | 艾劳埃斯·乌本 | 用于运转风力涡轮机的方法 |
| CN1882892A (zh) * | 2003-11-14 | 2006-12-20 | 歌美飒风有限公司 | 用于风力涡轮机的监测和处理设备与用于风力发电厂的预测性维护系统 |
| CN101793227A (zh) * | 2008-12-12 | 2010-08-04 | 维斯塔斯风力系统有限公司 | 风力涡轮机运行控制方法及风力涡轮机 |
| CN102444553A (zh) * | 2010-09-30 | 2012-05-09 | 通用电气公司 | 用于确认风力涡轮机性能不足的系统和方法 |
| DE102011119942A1 (de) * | 2011-12-01 | 2013-06-06 | Powerwind Gmbh | Verfahren zum Betreiben einer Windenergieanlage und zur Ausübung des Verfahrens befähigte Windenergieanlage |
| US20160084233A1 (en) * | 2014-09-23 | 2016-03-24 | General Electric Company | Systems and methods for validating wind farm performance measurements |
-
2017
- 2017-12-28 WO PCT/CN2017/119356 patent/WO2018121667A1/en active Application Filing
- 2017-12-28 CN CN201780081749.5A patent/CN110139983B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1795332A (zh) * | 2003-05-23 | 2006-06-28 | 艾劳埃斯·乌本 | 用于运转风力涡轮机的方法 |
| CN1882892A (zh) * | 2003-11-14 | 2006-12-20 | 歌美飒风有限公司 | 用于风力涡轮机的监测和处理设备与用于风力发电厂的预测性维护系统 |
| EP1672779A2 (en) * | 2004-12-17 | 2006-06-21 | General Electric Company | Wind farm power ramp rate control system and method |
| CN101793227A (zh) * | 2008-12-12 | 2010-08-04 | 维斯塔斯风力系统有限公司 | 风力涡轮机运行控制方法及风力涡轮机 |
| CN102444553A (zh) * | 2010-09-30 | 2012-05-09 | 通用电气公司 | 用于确认风力涡轮机性能不足的系统和方法 |
| DE102011119942A1 (de) * | 2011-12-01 | 2013-06-06 | Powerwind Gmbh | Verfahren zum Betreiben einer Windenergieanlage und zur Ausübung des Verfahrens befähigte Windenergieanlage |
| US20160084233A1 (en) * | 2014-09-23 | 2016-03-24 | General Electric Company | Systems and methods for validating wind farm performance measurements |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112598539A (zh) * | 2020-12-28 | 2021-04-02 | 江苏徐工信息技术股份有限公司 | 一种风力发电机组风功率曲线优化计算及异常值检测方法 |
| CN112598539B (zh) * | 2020-12-28 | 2024-01-30 | 徐工汉云技术股份有限公司 | 一种风力发电机组风功率曲线优化计算及异常值检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110139983B (zh) | 2020-12-01 |
| WO2018121667A1 (en) | 2018-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Avendano-Valencia et al. | Gaussian process models for mitigation of operational variability in the structural health monitoring of wind turbines | |
| US11761427B2 (en) | Method and system for building prescriptive analytics to prevent wind turbine failures | |
| Miele et al. | Deep anomaly detection in horizontal axis wind turbines using graph convolutional autoencoders for multivariate time series | |
| Pandit et al. | Gaussian process power curve models incorporating wind turbine operational variables | |
| Singh et al. | SCADA system dataset exploration and machine learning based forecast for wind turbines | |
| Zhang et al. | Wind turbine fault detection based on SCADA data analysis using ANN | |
| Kusiak et al. | Analyzing bearing faults in wind turbines: A data-mining approach | |
| Zhan et al. | Abnormal vibration detection of wind turbine based on temporal convolution network and multivariate coefficient of variation | |
| WO2018121668A1 (en) | A method and system for evaluating wind turbine generator performance | |
| Li et al. | Ensemble offshore wind turbine power curve modelling–an integration of isolation forest, fast radial basis function neural network, and metaheuristic algorithm | |
| WO2018171165A1 (zh) | 预测风机的故障的方法和设备 | |
| Pandit et al. | Accounting for environmental conditions in data-driven wind turbine power models | |
| Kusiak et al. | Analysis of wind turbine vibrations based on SCADA data | |
| CN110685868A (zh) | 一种基于改进梯度提升机的风电机组故障检测方法及装置 | |
| CN108204834B (zh) | 风力发电机组的状态监测方法及装置 | |
| Sengar et al. | Ensemble approach for short term load forecasting in wind energy system using hybrid algorithm | |
| CN110139983B (zh) | 实证评估风力涡轮机发电机运行的方法和系统 | |
| US12066011B2 (en) | Wake monitoring, wake management and sensory arrangements to such | |
| Mathew et al. | Estimation of wind turbine performance degradation with deep neural networks | |
| CN112131753B (zh) | 风机疲劳寿命的评估方法、系统、设备及可读介质 | |
| Moynihan et al. | Virtual sensing via Gaussian Process for bending moment response prediction of an offshore wind turbine using SCADA data | |
| CN109236589A (zh) | 一种用于评估风机叶片除冰投资方案的方法及装置 | |
| Narayanan | Reinforcement learning in wind energy-a review | |
| CN116624341A (zh) | 一种风电机组功率异常诊断方法、系统及设备 | |
| AlShannaq et al. | Review of Artificial Neural Networks for Wind Turbine Fatigue Prediction. |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 214443 3 Shen Zhuang Road, Shen Gang street, Jiangyin, Wuxi, Jiangsu Patentee after: Vision Energy Co.,Ltd. Country or region after: China Address before: 214443 3 Shen Zhuang Road, Shen Gang street, Jiangyin, Wuxi, Jiangsu Patentee before: ENVISION ENERGY (DENMARK) APS Country or region before: China |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20250310 Address after: 10 Anson Road, International Building # 11-07, Singapore Patentee after: Far East Energy Technology PLC Country or region after: Singapore Address before: 214443 3 Shen Zhuang Road, Shen Gang street, Jiangyin, Wuxi, Jiangsu Patentee before: Vision Energy Co.,Ltd. Country or region before: China |