CN110469456B - 降低变桨疲劳的风电场智能控制方法及系统 - Google Patents

Abstract

本发明提供了一种降低变桨疲劳的风电场智能控制方法及系统。所述系统包括：采集风电场内各个风电机组的运行数据；根据所述运行数据识别所述风电场内出现变桨疲劳情况的风电机组；以及对出现变桨疲劳情况的风电机组下发定桨距角指令。本发明提供的降低变桨疲劳的风电场智能控制方法及系统在风电机组的变桨系统出现疲劳状态时，通过下发变桨疲劳的风电机组定桨距角指令，可以减少机组频繁变桨的次数，减少机组疲劳运行，在特殊情况下，通过风电场场级控制系统主动给风电机组下发停机指令能够保证风电机组安全。

Description

降低变桨疲劳的风电场智能控制方法及系统

技术领域

本发明涉及风力发电技术领域，特别是涉及一种降低变桨疲劳的风电场智能控制方法及系统。

背景技术

随着风电行业数字化与智能化的快速发展，越来越多的科研机构开始研究风力发电场场级智能控制系统，站在风电场的高度统一智能调度所有风电机组的控制参数从而达到场站控制系统与风电机组控制系统协调作用，并有效的提升风电安全系数和经济收益。但是此领域的研究受到通讯技术、智能算法和硬件运算能力等方面的制约，再叠加科研机构投入的资源有限，导致相关研究成果较少。在实际风电场运营时，虽然需要多系统平台协调配合，然而这些系统间的数据却没有得到充分利用，每个系统的核心控制模块的数据更是相对独立，数据不能及时共享，最终风电场控制效果虽能够满足考核要求，却没有做到智能化、精细化的程度，导致各风电机组控制系统相对独立运行，完全没有场级协调控制的智能化，反而增加了风电运行维护成本。

问题1：

在正常风况下，风电机组大多是以最大功率点跟踪MPPT(Maximum Power PointTracking)方式运行，在变桨系统已经产生运行疲劳的情况下，继续长时间的频繁变换叶片迎风角度会给整个变桨机构带来了部件温度持续上升，由此导致的变桨故障概率会随着持续变桨时间的增加而不断上升，一旦发生故障，风电机组很难能够自动复位重启，大多数情况是要等到小风天气时人为进去变桨系统进行维修，才能使风机恢复健康状态。在大风天气如果发生变桨类的故障，有可能会引起变桨系统不执行收桨指令而导致风机超速甚至是飞车的严重事故，此问题更是困扰着风电的运行安全。

问题2：

为了提升含高比例可再生能源电力系统对风电的消纳能力，充分发挥风电参与调峰和辅助电网安全运行的能力，风电场需要按照电网要求配置一套能够实时控制有功功率输出的风电场智能系统。以往在风电场有功功率控制系统逻辑算法设计时，通常只是为了满足电网的功率目标，其控制思路是将电网接收到的功率目标值按照线性分配方法给各风电机组，然后各风电机组通过控制系统进行相对独立的功率输出控制，最终使风电场实时功率满足电网调度的功率目标。这种风电场功率控制方法虽然能够满足电网调度要求，但是却没有考虑风电机组在功率控制时产生的疲劳问题。

发明内容

本发明要解决的技术问题是提供一种降低变桨疲劳的风电场智能控制方法及系统，以在限电时完成电网功率目标指令的情况下最大程度减少机组变桨机构的疲劳程度。

为解决上述技术问题，本发明提供了一种降低变桨疲劳的风电场智能控制方法，所述方法包括：采集风电场内各个风电机组的运行数据；根据所述运行数据识别所述风电场内出现变桨疲劳情况的风电机组；以及对出现变桨疲劳情况的风电机组下发定桨距角指令。

在一些实施方式中，所述运行数据包括：瞬时风速、平均风速、发电机转速、发电机转矩、变桨角度、变桨轴承温度、变桨电机温度、变桨电流、变桨伺服温度、有功功率。

在一些实施方式中，根据所述运行数据识别所述风电场内出现变桨疲劳情况的风电机组，包括：判断每一台风电机组的变桨机构是否存在过度疲劳运行；如果存在过度疲劳运行，然后将疲劳机组和健康机组进行分类；根据所述运行数据识别所述风电场内出现变桨疲劳情况的风电机组，还包括：在将疲劳机组和健康机组进行分类之后，根据疲劳模型评估出各种变桨疲劳报警信息，然后将这些报警信息记录到系统数据库中，并通过界面展示给用户，用于后期预测性维护。

在一些实施方式中，对出现变桨疲劳情况的风电机组下发定桨距角指令，包括：如果风电场不存在限电的情况，判断机组的实时风速和超短期风速是否会大于额定风速；如果不大于满发风速，那么将风速预测数据将发给各个风电机组，用于风电机组的前馈预测性控制；如果机组的实时风速和超短期风速大于额定风速，那么将智能计算疲劳机组的控制参数结构体；对出现变桨疲劳情况的风电机组下发定桨距角指令，还包括：在疲劳机组执行定桨距角运行的过程中实时监测其转速和有功功率；考虑风电机组整体是否处于安全阈值范围内；如果不在安全阈值内，场级控制系统必须重新下发新的控制参数结构体。

在一些实施方式中，还包括：判断风电场是否存在限电的情况；如果存在限电情况，那么将根据限电情况计算疲劳风机的控制参数结构体；还包括：场级控制系统将这些控制参数结构体下发给疲劳机组后，判断其是否满足整场粗调的要求；如果不满足将反馈给场级控制器让其重新制定疲劳机组控制参数结构体；如果满足粗调要求，那么功率控制模块将为健康机组进行控制参数结构体的计算和下发；还包括：通过健康机组的有功功率执行情况，判断风电场整场是否满足电网有功目标值，如果不满足，需要判断有功功率差值△P的大小，然后选择进入到粗调疲劳机组继续控制参数结构体修改逻辑，还是进入到细调疲劳机组继续控制参数结构体修改模式。

此外，本发明还提供了一种降低变桨疲劳的风电场智能控制系统，所述方法包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据前文所述的降低变桨疲劳的风电场智能控制方法。

在一些实施方式中，所述系统通过网络分别被连接至：电网调度中心、风电场风功率预测系统，以及风力发电机组控制系统。

在一些实施方式中，所述系统包括：风速风向超短期预测模块、功率控制模块和变桨疲劳评估模块。

采用这样的设计后，本发明至少具有以下优点：

本发明提出了降低变桨疲劳的风电场智能控制方法及系统，基于风电场场级控制维度，在风电机组的变桨系统出现疲劳状态时，通过下发变桨疲劳的风电机组定桨距角指令，可以减少机组频繁变桨的次数，减少机组疲劳运行，在特殊情况下，通过风电场场级控制系统主动给风电机组下发停机指令能够保证风电机组安全。在风电场参与电力系统调峰限电时，可以通过下发变桨疲劳的风电机组定桨距角指令减少其变桨次数，缓解疲劳程度，从而完成风电场升、降有功功率调节。

附图说明

上述仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，以下结合附图与具体实施方式对本发明作进一步的详细说明。

图1是本发明提供的降低变桨疲劳的风电场智能控制系统的结构图；

图2是本发明提供的降低变桨疲劳的风电场智能控制方法的流程图；

图3是本发明提供的降低变桨疲劳的风电场智能控制方法的流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

风电场和风电机组在有功控制中缺乏对变桨机构健康状况的关注，风电机组控制系统相对孤立，条件有限，对此类问题的处理方式也很有限，所以本发明引入风电场控制系统理念来解决这类问题。在对风电机组进行有功控制时，通常需要采用实时变桨控制技术来限制风能捕获，从而达到风电机组需要执行的有功目标值。这种控制策略会引起风力机的变桨控制系统频繁动作，从而加剧变桨机构的机械磨损，出现机械疲劳，导致风电机组的运行寿命缩短，甚至波及机组的稳定运行。

风力发电机组变桨机构：风电机组变桨机构基本是由变桨控制柜、变桨轴承、变桨驱动器、雷电保护装置等组成。变桨系统是大型风电机组的核心部分之一，对机组安全、稳定、高效的运行具有十分重要的作用。变桨控制技术简单来说，就是通过调节桨叶的节距角，改变气流对桨叶的攻角，进而控制风轮捕获的气动转矩和气动功率。目前，风电变桨系统主要分为电动变桨系统和液压变桨系统，而国内的风电产品主要是应用电动变桨系统，所以，本发明以电动变桨距系统为例进行方法说明，但是本发明的方法仍适用于液压变桨的风电机组。

本发明提出的一种降低变桨疲劳的风电场智能控制方法及系统，既能与风电场内所有风力发电机组实时进行数据交互，又能同电网调度系统、风电场内风功率预测系统、远动系统等其他第三方设备进行数据共享。这些高、低频率数据会被系统实时采集和自动分析，为随后的整个风电场智能控制提供有力支撑。如下图1所示，考虑变桨疲劳的风电场智能调度系统架构图。

电网调度中心主要任务是随时保持发电与负荷的均衡，要求调度管辖的每一个部门严格完成调度任务。电网调度系统根据负荷变化的历史数据、天气预测、分析用电生产情况和社会生活规律，对未来24或48小时进行全系统负荷预测，然后制定发电任务、运行计划，其中运行计划就是根据预测的负荷曲线，按经济调度原则，对传统燃料电源、新能源电源进行合理规划和安排，分配各发电厂发电任务。

在此架构中，电网调度系统将发电计划和实时调峰指令下发给风电场智能控制系统，可以提前告知风电场何时限电，限电幅度大约有多少等关键信息。

风电场智能控制系统主要包含三大模块，包括风速风向超短期预测模块、功率控制模块和变桨疲劳评估模块。主要任务是控制风电场内所有风电机组，并接收、执行电网调度系统指令，协调场内风电机组进行有功功率和无功功率的控制，动态跟随电网调度下发的功率目标值。

在此架构中，风电场智能控制系统实时获取电网调度的发电计划数据、风功率预测数据和风电场内所有风电机组的运行数据，综合这些关键信息，决策风电场参与电力系统调峰限电时，哪些机组在何时进行定桨距角运行，以保证机组在大风天气或者限电时不会由于变桨系统过度疲劳而导致故障停机。

风电场风功率预测系统，是根据风电场气象信息有关数据，利用物理模拟计算和科学统计方法，对风电场的风向风速进行超短期、短期和不同时间段的预报，从而预测出风电场的未来功率，并将这些预测数据传给电网调度系统和风电场智能控制系统，电网调度系统结合这些运行计划等众多控制目标，反馈给风电场智能控制系统调度指令。在此架构中，风电场场级控制系统通过预测数据，决策小风或者大风天气时，哪些机组在何时重新分配合理的桨距角度。

风力发电机组控制系统是一个由多种元器件构成的综合性控制系统，变桨模块是风电机组控制系统的主要组成部分之一。由于风电机组在超过满发额定风速或者限制有功功率时通过主动变桨减少风能吸收，需要频繁变换叶片的迎风角度，此时的变桨驱动器、变桨轴承和电器开关等设备都会频繁反复动作，长时间以这种方式运行需要变桨系统具有较高的稳定性。但是对于已经运行几年的风电机组来说，累积的疲劳损伤已经很多，而且逐年递增，这种旧风机变桨机构也一定会比新风机更容易产生疲劳，会引起变桨设备的温度敏感度更加剧烈，从而导致变桨故障的停机情况越来越多。在此架构设计中，风电机组可以接收风电场控制系统的定变桨角度指令进行主动降低风机额定容量运行，从而降低变桨机构的故障率。通过变桨疲劳评估模块的数据分析会产生相关报警数据，为后期的计划检修内容提供有力支撑。

变桨疲劳评估模块：

对历史数据的分析对比，评估出类似同等外界因素下整个变桨系统的疲劳程度，对疲劳程度进行分组，排序。风电场智能控制器根据判断机组变桨疲劳单位时刻监视变桨系统温度，持续变桨时间，变桨总度数，开关变桨次数等关键信息，诊断出各机组变桨疲劳系数，然后将风电场内所有机组按照变桨疲劳系数进行排列。

在整个变桨系统疲劳程度趋近的条件下，按照变桨系统各个部件进行精细化评估。在此评估方法中，基于深度学习算法提出一种通过变桨次数和变桨总里程判断部件疲劳的方法，简单介绍就是通过对比历史大数据，甄别本次变桨动作的疲劳是否正常；甄别随着设备运行的时间，在同等变桨次数和里程时，设备是否更容易出现高温变化的势头，如果检测出有这种势头，将及时反馈此信息并存储数据，形成报警等级记录；疲劳系数＝由变桨电机温度、变桨轴承温度，驱动器动作次数与里程，变桨总度数等信息的出场设计值、预警值、故障值计算得出。

针对存在异常数据的变桨子部件，将会重点监测，并将启动评估分析模型的条件降低；将此数据记录在实时数据库中，用为风电场智能控制的输入参数；根据评估的结果，进行变桨系统预测维护指导意见，在运维人员进行定检或者故障维护时，对这些部件进行仔细排查，从而起到了预测性维护的作用，同时也避免了变桨系统失效而引起的重大安全问题。

如图2所示，本发明还提供了一种降低变桨疲劳的风电场智能控制方法。所述降低变桨疲劳的风电场智能控制方法由降低变桨疲劳的风电场智能控制装置执行，而且，该装置集成在风电场智能控制系统中。所述降低变桨疲劳的风电场智能控制方法包括：

S21，采集风电场内各个风电机组的运行数据。

S22，根据所述运行数据识别所述风电场内出现变桨疲劳情况的风电机组。

S23，对出现变桨疲劳情况的风电机组下发定桨距角指令。

降低变桨疲劳的风电场智能有功功率控制逻辑：

如图3所示，风电场智能控制系统实时采集所有风电机组运行数据，主要包括：瞬时风速、平均风速、发电机转速、发电机转矩、变桨角度、变桨轴承温度、变桨电机温度、变桨电流、变桨伺服温度、有功功率等。

判断每一台风电机组的变桨是否存在过度疲劳运行，如果存在疲劳机组，然后将A类疲劳机组和B类健康机组进行分类；如果不存在疲劳机组，将直接考虑风电场是否存在参与电力系统调峰限电的情况。

根据疲劳模型评估出各种变桨疲劳报警信息，然后将这些报警信息记录到系统数据库中，并通过界面展示给用户，用于后期预测性维护。

判断风电场是否存在限电的情况，如果存在限电情况，那么功率控制模块将根据限电情况计算A类疲劳风机的控制参数结构体，控制参数结构体中主要包含：固定变桨角度值、有功目标值上限、有功目标值下限。风电机组将参照这组控制指令进行有功控制，定桨距角运行的机组有功功率应该始终保持在有功目标值额上限和下限范围内，如果超出这个范围后，场级控制将根据实际情况在设定新的控制参数结构体。

场级控制系统将这些控制参数结构体下发给A类疲劳机组后，判断其是否满足整场粗调的要求，如果不满足将反馈给场级控制器让其重新制定A类机组控制参数结构体；如果满足粗调要求，那么功率控制模块将为B类机组进行控制参数结构体的计算和下发。

通过B类机组的有功功率执行情况，判断风电场整场是否满足电网有功目标值，如果不满足，需要判断有功功率差值△P的大小，然后选择进入到粗调A类继续控制参数结构体修改逻辑，还是进入到细调A类继续控制参数结构体修改模式；如果满足电网的有功功率目标值要求，那么本次调节结束。

如果风电场不存在限电的情况，那么需要判断机组的实时风速和超短期风速是否会大于额定风速，如果不大于满发风速，那么将风速预测数据将发给各个风电机组，用于风电机组的前馈预测性控制；如果机组的实时风速和超短期风速大于额定风速，那么场级控制系统的功率模块将智能计算A类疲劳机组的控制参数结构体。

由于风电场没有处于限电状态，那么在A类疲劳机组执行定桨距角运行的过程中需要实时监测其转速和有功功率，考虑风电机组整体是否处于安全阈值范围内，如果不在安全阈值内，场级控制系统必须重新下发新的控制参数结构体。

一般情况下，机组停机后，变桨疲劳系数会持续下降，当下降到一定范围，场级控制器对机组的状态监测扫描结果符合要求，将会把此机组列入升功率备用机组范围内，用于下一周期升功率智能决策。

在满足电网控制指令的前提下，超过预先设定系数的机组将会被选中停机散热，并时刻判断其变桨疲劳系数是否随时增长而下降，若长时间疲劳系数没有降低到预期到阈值，那么将人工报警，请求运维技术人员再次分析数据，并将验证结果输入到系统中。

特殊情况下，如若是变桨疲劳单元诊断结果出现错误，运维人员输入诊断错误时参数，用于优化其机器学习算法，启动机组继续参与场级智能控制；如若是机组变桨散热系统存在问题，那么将此机组列入预维护范围内，提示此机组变桨散热系统存在故障隐患，并将此结果输入到智能控制系统。

基于风电场场级控制维度，提出一种降低风电机组变桨疲劳的智能调度方法及系统，在风电机组的变桨系统出现疲劳状态时，通过下发变桨疲劳的风电机组定桨距角指令，可以减少机组频繁变桨的次数，减少机组疲劳运行，在特殊情况下，通过风电场场级控制系统主动给风电机组下发停机指令能够保证风电机组安全。在风电场参与电力系统调峰限电时，可以通过下发变桨疲劳的风电机组定桨距角指令减少其变桨次数，缓解疲劳程度，从而完成风电场升、降有功功率调节。

本方法的提出可以有效降低风电机组在大风天气或者限电工况下对变桨机构产生的运行疲劳。风电机组单机控制系统与风电场场级控制系统协同工作，弥补单机控制系统在有功功率控制时策略不健全而导致的故障停机和安全隐患。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，本领域技术人员利用上述揭示的技术内容做出些许简单修改、等同变化或修饰，均落在本发明的保护范围内。

Claims (7)

1.一种降低变桨疲劳的风电场智能控制方法，其特征在于，所述降低变桨疲劳的风电场智能控制方法由降低变桨疲劳的风电场智能控制装置执行，而且，该装置集成在风电场智能控制系统中；

电网调度系统根据负荷变化的历史数据、天气预测、分析用电生产情况和社会生活规律，对未来24或48小时进行全系统负荷预测，然后制定发电任务、运行计划，电网调度系统将发电计划和实时调峰指令下发给风电场智能控制系统；

风电场风功率预测系统，是根据风电场气象信息有关数据，利用物理模拟计算和科学统计方法，对风电场的风向风速进行超短期、短期和不同时间段的预报；

风电场智能控制系统实时获取电网调度的发电计划数据、风功率预测数据和风电场内所有风电机组的运行数据，综合这些关键信息，决策风电场参与电力系统调峰限电时，哪些机组在何时进行定桨距角运行，包括：

采集风电场内各个风电机组的运行数据；

根据所述运行数据识别所述风电场内出现变桨疲劳情况的风电机组；以及

对出现变桨疲劳情况的风电机组下发定桨距角指令；

所述运行数据包括：瞬时风速、平均风速、发电机转速、发电机转矩、变桨角度、变桨轴承温度、变桨电机温度、变桨电流、变桨伺服温度、有功功率。

2.根据权利要求1所述的降低变桨疲劳的风电场智能控制方法，其特征在于，根据所述运行数据识别所述风电场内出现变桨疲劳情况的风电机组，包括：

判断每一台风电机组的变桨机构是否存在过度疲劳运行；

如果存在过度疲劳运行，然后将疲劳机组和健康机组进行分类；

根据所述运行数据识别所述风电场内出现变桨疲劳情况的风电机组，还包括：

在将疲劳机组和健康机组进行分类之后，根据疲劳模型评估出各种变桨疲劳报警信息，然后将这些报警信息记录到系统数据库中，并通过界面展示给用户，用于后期预测性维护。

3.根据权利要求1所述的降低变桨疲劳的风电场智能控制方法，其特征在于，对出现变桨疲劳情况的风电机组下发定桨距角指令，包括：

如果风电场不存在限电的情况，判断机组的实时风速和超短期风速是否会大于额定风速；

如果不大于满发风速，那么将风速预测数据发给各个风电机组，用于风电机组的前馈预测性控制；

如果机组的实时风速和超短期风速大于额定风速，那么将智能计算疲劳机组的控制参数结构体；

对出现变桨疲劳情况的风电机组下发定桨距角指令，还包括：

在疲劳机组执行定桨距角运行的过程中实时监测其转速和有功功率；

考虑风电机组整体是否处于安全阈值范围内；

如果不在安全阈值内，场级控制系统必须重新下发新的控制参数结构体。

4.根据权利要求1所述的降低变桨疲劳的风电场智能控制方法，其特征在于，还包括：

判断风电场是否存在限电的情况；

如果存在限电情况，那么将根据限电情况计算疲劳风机的控制参数结构体；

还包括：

将这些控制参数结构体下发给疲劳机组后，判断其是否满足整场粗调的要求；

如果不满足，获取机组反馈的让其重新制定疲劳机组控制参数结构体；

如果满足粗调要求，那么功率控制模块将为健康机组进行控制参数结构体的计算和下发；

还包括：

通过健康机组的有功功率执行情况，判断风电场整场是否满足电网有功目标值，如果不满足，需要判断有功功率差值△P的大小，然后选择进入到粗调疲劳机组继续控制参数结构体修改逻辑，还是进入到细调疲劳机组继续控制参数结构体修改模式。

5.一种降低变桨疲劳的风电场智能控制系统，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据权利要求1至4任意一项所述的降低变桨疲劳的风电场智能控制方法。

6.根据权利要求5所述的降低变桨疲劳的风电场智能控制系统，其特征在于，所述系统通过网络分别被连接至：电网调度中心、风电场风功率预测系统，以及风力发电机组控制系统。

7.根据权利要求6所述的降低变桨疲劳的风电场智能控制系统，其特征在于，所述系统包括：风速风向超短期预测模块、功率控制模块和变桨疲劳评估模块。

Images