CN111120205A - 基于激光雷达的风电场区域化控制方法 - Google Patents

Abstract

本发明公开了一种基于激光雷达的风电场区域化控制方法，该方法是在风电场边缘机位安装一台或几台激光雷达，通过激光雷达实时采集机组风轮面前方风速数据和机组自身计算出的等效风速，进行深度学习大数据训练，建立可靠的预测模型，映射至其它未安装激光雷达的机位，生成虚拟激光雷达，实现各机组前馈控制、最优转速跟踪等控制。本发明使用激光雷达测量实时风速信号，使数据不受风轮旋转干扰，使用场级工控机基于秒级信号数据进行模型训练并不断迭代更新，同步映射区域内其它机组，提升整场机组运行水平。

Description

基于激光雷达的风电场区域化控制方法

技术领域

本发明涉及风力发电的技术领域，尤其是指一种基于激光雷达的风电场区域化控制方法。

背景技术

激光雷达测风仪利用多普勒频移原理来测量风资源及风况参数，近年来在风电行业作为先进传感设备得到快速应用和推广。机舱式激光雷达安装在风力发电机组机舱上方，通过发射高频激光脉冲到风轮前面的大气中，经过数据处理和计算可以获得风机轮毂高度远近不同距离的实时测量风速，随着风机控制技术的不断提升和发展，使用风轮面之前风速参与控制的方法得到不断验证和应用。

激光雷达虽然在风电场得到不同程度使用，但受雷达设备价格因素的影响，风力发电机组标配激光雷达的方案还未能获得大面积推广，相关控制策略及方法也仅限使用激光雷达的具体机位运行使用。此外，在现有风速预测的方法中依据的风速信号大多基于风力发电机组机舱后部的风速计和风电场中的测风塔数据，由于机舱后部受到风轮旋转影响，以及测风塔距离及微观选址等因素，获得的风速数据本身就不适用于风机控制，且用于预测训练的风速数据多为长时间平均值，输出的模型多为离线模型，不能实时适应机组运行。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种基于激光雷达的风电场区域化控制方法，使用激光雷达测量实时风速信号，使数据不受风轮旋转干扰，使用场级工控机基于秒级信号数据进行模型训练并不断迭代更新，同步映射区域内其它机组，提升整场机组运行水平。

为实现上述目的，本发明所提供的技术方案为：基于激光雷达的风电场区域化控制方法，该方法是在风电场边缘机位安装一台或几台激光雷达，通过激光雷达实时采集机组风轮面前方风速数据和机组自身计算出的等效风速，进行深度学习大数据训练，建立可靠的预测模型，映射至其它未安装激光雷达的机位，生成虚拟激光雷达，实现各机组的相应控制；其包括以下步骤：

1)边缘激光雷达机位选取

为排除风电场内各机组之间可能存在的尾流效应，最早获得风电场风速变化信息，选择区域内位于主风向且无其它机位遮挡的边缘机位安装激光雷达设备；

2)机组等效风速计算

风力发电机组能够根据实际运行的风轮转速、发电机转矩和桨距角信息，计算获得机位风轮平面等效风速，且在风力发电机组中，其机械转矩存在如下关系：

式中：T_a为机组机械转矩、ρ为空气密度、A为风轮扫掠面积、C_q为气动转矩系数、U为轮毂中心高速前方风速、R为风轮面半径、C_p为风能利用系数、λ为机组叶尖速比；

根据叶尖速比计算公式，能够整理获得以下公式：

式中：ω_r表示风轮转速角速度，观察上面公式中等号右侧变量发现风轮转速角速度ω_r和机组机械转矩T_a为实时变化量；而在现有运行机组中，风轮旋转角速度ω_r能够通过转速编码器实时获得，机组机械转矩T_a需要通过以下公式计算获得：

式中：J为机组转动惯量、G为机组齿轮箱传动比、T_e为机组发电机电磁转矩，通过对风轮旋转角速度ω_r求导，就能够获得机组机械转矩T_a；由于发电机转速信号是通过传感器获得的，则需要经过相应滤波处理后再进行计算，以减少尖速比和风速信号中不必要的频率；

通过计算获得机组机械转矩T_a后，即能够通过机组的控制系统计算获得C_p/λ³的实时数值；其中，通过仿真软件进行动态仿真，能够计算出不同叶尖速比和桨距角下的C_p数值，而后通过划分合理间隔整理出列表示桨距角，行表示叶尖速比，对应数值为C_p/λ³的表格；

这样使用计算获得的C_p/λ³实时数值，进行查表，得到机组运行状态的叶尖速比，经过折算，就能够获得风力发电机组的等效风速；

3)计算风轮前方不同截面风速

在风力发电机组的机舱上方安装有机舱式激光雷达，该机舱式激光雷达发射高频激光束到风轮旋转前面的大气中，能够根据激光雷达不同类别设置测量风轮旋转平面不同距离的径向风速，即风轮轴向方向风速，而后根据相应计算公式能够转算出轮毂中心高度的有效风速，用于后续算法开发；

4)数据处理

安装激光雷达的机组，记录整理同一时刻计算获得的等效风速和风轮面之前不同距离风速的数据，经过滤波、去噪及剔除异常点的数据筛选和处理后，发送至区域内的场级工控机；

5)场级工控机内训练模型

场级工控机收到激光雷达机位发送过来的数据后，会将数据进行标准化再处理：首先，为满足时间序列预测分析要求，场级工控机将等效风速数据以相同时间间隔划分生成不同特征维度，根据风轮面以前不同截面风速，整理得到不同数据集合；然后将不同数据集合进行归一化处理，分离评估数据集，划分训练数据集和评估数据集；最后，在场级工控机内建立深度学习神经网络模型，通过训练迭代，根据应用算法生成预测模型，同时基于历史数据进行周期性训练，实现预测模型不断迭代更新，发送给区域内其它机组；

6)映射区域内其它机位

区域内其它机组根据各自运行状态实时计算风轮平面等效风速，并将数据作为来源，输入从场级工控机发送过来的预测模型中，获得各自风轮面前不同距离的预测风速，即生成虚拟雷达信号，实现虚拟雷达功能，而后将预测风速进行后续处理，用于机组的实施控制，包括前馈控制、最优转速跟踪控制。

本发明与现有技术相比，具有如下优点与有益效果：

1、本发明通过基于边缘激光雷达机组数据，经过深度学习模型训练，有效映射区域内其它机组，生成虚拟雷达信号，用于前馈等控制技术，减少全场激光雷达数量，节约传感器设备成本，有效降低机组载荷，提升整场发电量。

2、本发明使用激光雷达测量风速数据，可有效避免因风速仪、测风塔数据带来的不确定性，且基于激光雷达采集数据进行预测训练，同时在线迭代更新模型用于机组控制，具备高可靠性和准确度。

附图说明

图1为本发明基于激光雷达的风电场区域化控制布局示意图。

图2为本发明基于激光雷达的风电场区域化控制方法流程图。

图3为C_p/λ³(λ,β)数据三维图。

图4为机组等效风速-激光雷达风速时域图。

图5为预测风速对比图。

具体实施方式

下面结合具体实施例对本发明作进一步说明。

如图1和图2所示，本实施例所提供的基于激光雷达的风电场区域化控制方法，包括以下步骤：

1)边缘激光雷达机位选取

为避免风电场内各机组之间可能存在的尾流效应，同时尽可能提前感知风电场来向风速变化，选择区域内位于主风向且无其它机位遮挡的边缘机位安装激光雷达设备。

2)机组等效风速计算

风力发电机组可以根据实际运行的风轮转速、发电机转矩和桨距角等信息，计算获得机位风轮平面等效风速，且在风力发电机组中，其机械转矩存在如下关系：

式中：ω_r表示风轮转速角速度。观察上面公式中等号右侧变量中，风轮转速角速度ω_r和机组机械转矩T_a为实时变化量。在现有运行机组中，风轮旋转角速度可以通过转速编码器等硬件传感器实时获得，机组机械转矩T_a需要通过以下公式计算获得：

式中：J为机组转动惯量、G为机组齿轮箱传动比、T_e为机组发电机电磁转矩，通过对风轮旋转角速度ω_r求导，就可以获得机组机械转矩T_a。由于发电机转速信号通过传感器获得，则需要经过各种滤波处理后再进行计算，以减少尖速比和风速信号中不必要的频率。

通过计算获得机组机械转矩T_a后，即可以通过机组控制系统计算获得C_p/λ³的实时数值。通过仿真软件进行动态仿真，可以计算出不同叶尖速比和桨距角下的C_p数值，通过划分合理间隔可以整理出列表示桨距角，行表示叶尖速比，对应数值为C_p/λ³的表格。以某4MW风力发电机组为例，根据机组运行参数确定叶尖速比和桨距角选取合理范围和间隔单位，整理C_p/λ³数值表格用三维图显示如图3所示。

这样使用计算获得的C_p/λ³的实时数值，进行查表，得到机组运行状态的叶尖速比，经过折算，就获得风力发电机组的等效风速。

3)计算风轮前方不同截面风速

机舱式激光雷达安装在风力发电机组的机舱上方，通过发射高频激光束到风轮旋转前面的大气中，可以根据激光雷达不同类别设置测量风轮旋转平面不同距离的径向风速，而后根据相应计算公式就可以转算出轮毂中心高度的有效风速，用于后续算法开发。

4)数据处理

安装激光雷达的机组，记录整理同一时刻计算获得的等效风速和风轮面之前不同距离风速的数据，经过滤波、去噪及剔除异常点等数据筛选和处理，发送至区域内的场级工控机。

激光雷达测得某截面风速和等效风速时序图如图4所示，图中实线表示激光雷达测到风轮平面前某截距离风速，虚线表示根据机组运行参数实时计算的等效风速。

5)场级工控机内训练模型

场级工控机收到激光雷达机位发送过来的数据，会将数据进行标准化再处理：首先，为满足时间序列预测分析要求，场级工控机将等效风速数据以相同时间间隔划分生成不同特征维度，根据风轮面以前不同截面风速，整理得到不同数据集合；然后将不同数据集合进行归一化处理，分离评估数据集，划分训练数据集和评估数据集；最后，在场级工控机内建立深度学习神经网络模型，通过训练迭代，根据应用算法生成预测模型，同时基于历史数据进行周期性训练，实现预测模型不断迭代更新，发送给区域内其它机组。

如图5所示，为安装激光雷达机位使用预测模型后生成的预测风速以及等效风速、雷达测量风速的对比图，图中虚线为激光雷达测得风轮平面前某距离风速，点划线为机组根据运行参数实时计算的等效风速，实线为等效风速经过预测模型后得到的预测风速。

6)映射区域内其它机位

区域内其它机组根据各自运行状态实时计算风轮平面等效风速，并将数据作为来源，输入从场级工控机发送过来的预测模型中，获得各自风轮面以前不同距离的预测风速，即生成虚拟雷达信号，实现虚拟雷达功能，而后将预测风速进行后续处理，可用于机组的实施控制，包括前馈控制、最优转速跟踪控制等。

以上所述实施例只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims (1)

1.基于激光雷达的风电场区域化控制方法，其特征在于：该方法是在风电场边缘机位安装一台或几台激光雷达，通过激光雷达实时采集机组风轮面前方风速数据和机组自身计算出的等效风速，进行深度学习大数据训练，建立可靠的预测模型，映射至其它未安装激光雷达的机位，生成虚拟激光雷达，实现各机组的相应控制；其包括以下步骤：

1)边缘激光雷达机位选取

为排除风电场内各机组之间可能存在的尾流效应，最早获得风电场风速变化信息，选择区域内位于主风向且无其它机位遮挡的边缘机位安装激光雷达设备；

2)机组等效风速计算

风力发电机组能够根据实际运行的风轮转速、发电机转矩和桨距角信息，计算获得机位风轮平面等效风速，且在风力发电机组中，其机械转矩存在如下关系：

式中：T_a为机组机械转矩、ρ为空气密度、A为风轮扫掠面积、C_q为气动转矩系数、U为轮毂中心高速前方风速、R为风轮面半径、C_p为风能利用系数、λ为机组叶尖速比；

根据叶尖速比计算公式，能够整理获得以下公式：

式中：ω_r表示风轮转速角速度，观察上面公式中等号右侧变量发现风轮转速角速度ω_r和机组机械转矩T_a为实时变化量；而在现有运行机组中，风轮旋转角速度ω_r能够通过转速编码器实时获得，机组机械转矩T_a需要通过以下公式计算获得：

式中：J为机组转动惯量、G为机组齿轮箱传动比、T_e为机组发电机电磁转矩，通过对风轮旋转角速度ω_r求导，就能够获得机组机械转矩T_a；由于发电机转速信号是通过传感器获得的，则需要经过相应滤波处理后再进行计算，以减少尖速比和风速信号中不必要的频率；

通过计算获得机组机械转矩T_a后，即能够通过机组的控制系统计算获得C_p/λ³的实时数值；其中，通过仿真软件进行动态仿真，能够计算出不同叶尖速比和桨距角下的C_p数值，而后通过划分合理间隔整理出列表示桨距角，行表示叶尖速比，对应数值为C_p/λ³的表格；

这样使用计算获得的C_p/λ³实时数值，进行查表，得到机组运行状态的叶尖速比，经过折算，就能够获得风力发电机组的等效风速；

3)计算风轮前方不同截面风速

在风力发电机组的机舱上方安装有机舱式激光雷达，该机舱式激光雷达发射高频激光束到风轮旋转前面的大气中，能够根据激光雷达不同类别设置测量风轮旋转平面不同距离的径向风速，即风轮轴向方向风速，而后根据相应计算公式能够转算出轮毂中心高度的有效风速，用于后续算法开发；

4)数据处理

安装激光雷达的机组，记录整理同一时刻计算获得的等效风速和风轮面之前不同距离风速的数据，经过滤波、去噪及剔除异常点的数据筛选和处理后，发送至区域内的场级工控机；

5)场级工控机内训练模型

场级工控机收到激光雷达机位发送过来的数据后，会将数据进行标准化再处理：首先，为满足时间序列预测分析要求，场级工控机将等效风速数据以相同时间间隔划分生成不同特征维度，根据风轮面以前不同截面风速，整理得到不同数据集合；然后将不同数据集合进行归一化处理，分离评估数据集，划分训练数据集和评估数据集；最后，在场级工控机内建立深度学习神经网络模型，通过训练迭代，根据应用算法生成预测模型，同时基于历史数据进行周期性训练，实现预测模型不断迭代更新，发送给区域内其它机组；

6)映射区域内其它机位

区域内其它机组根据各自运行状态实时计算风轮平面等效风速，并将数据作为来源，输入从场级工控机发送过来的预测模型中，获得各自风轮面前不同距离的预测风速，即生成虚拟雷达信号，实现虚拟雷达功能，而后将预测风速进行后续处理，用于机组的实施控制，包括前馈控制、最优转速跟踪控制。

Images