CN111126651B - 风电场噪声预测方法、装置及系统 - Google Patents

风电场噪声预测方法、装置及系统 Download PDF

Info

Publication number
CN111126651B
CN111126651B CN201811290818.6A CN201811290818A CN111126651B CN 111126651 B CN111126651 B CN 111126651B CN 201811290818 A CN201811290818 A CN 201811290818A CN 111126651 B CN111126651 B CN 111126651B
Authority
CN
China
Prior art keywords
wind
noise
generating set
database
wind generating
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
Application number
CN201811290818.6A
Other languages
English (en)
Other versions
CN111126651A (zh
Inventor
埃姆雷·巴拉斯
余梦婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Original Assignee
Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority to CN201811290818.6A priority Critical patent/CN111126651B/zh
Application filed by Beijing Goldwind Science and Creation Windpower Equipment Co Ltd filed Critical Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Priority to CN202210405714.5A priority patent/CN114757420A/zh
Priority to US16/968,158 priority patent/US11268495B2/en
Priority to AU2019370330A priority patent/AU2019370330A1/en
Priority to EP19880784.4A priority patent/EP3731158A4/en
Priority to PCT/CN2019/105949 priority patent/WO2020088128A1/zh
Publication of CN111126651A publication Critical patent/CN111126651A/zh
Application granted granted Critical
Publication of CN111126651B publication Critical patent/CN111126651B/zh
Priority to AU2022209253A priority patent/AU2022209253A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • F03D7/0276—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor controlling rotor speed, e.g. variable speed
    • 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
    • F03D7/0296—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor to prevent, counteract or reduce noise emissions
    • 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
    • F03D7/048—Automatic control; Regulation by means of an electrical or electronic controller controlling wind farms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • F05B2260/00—Function
    • F05B2260/70—Adjusting of angle of incidence or attack of rotating blades
    • F05B2260/71—Adjusting of angle of incidence or attack of rotating blades as a function of flow velocity
    • 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
    • F05B2260/00—Function
    • F05B2260/82—Forecasts
    • F05B2260/821—Parameter estimation or prediction
    • 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
    • F05B2260/00—Function
    • F05B2260/96—Preventing, counteracting or reducing vibration or noise
    • 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
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Wind Motors (AREA)

Abstract

提供了一种风电场噪声预测方法、装置及系统，所述方法包括：实时采集风电场中的对噪声检测点噪声有影响的至少一个风力发电机组的机位点处的风速；根据噪声声功率等级数据库和机组数据库，来分别计算所述至少一个风力发电机组中的每一个风力发电机组在所述采集的风速下的噪声声功率等级；根据风电场噪声传播数据库来分别计算所述每一个风力发电机组在所述采集的风速下的噪声传播损耗值；使用所述每一个风力发电机组的噪声声功率等级和噪声传播损耗值来计算噪声检测点处的总噪声声压等级。

Description

风电场噪声预测方法、装置及系统
技术领域
本发明涉及风力发电技术领域，更具体地讲，涉及一种用于预测风电场的噪声的方法、装置以及系统。
背景技术
在风力发电机组高速运转进行发电的同时，风机叶片、发电机等部件的运行会带来不可避免的噪声。现在，随着风力发电的快速发展，风电场数量越来越多，并且建设的风电场的位置越来越靠近人们的日常生活工作区域，因此，风电场噪声引发了不可忽视的噪声污染问题，并且给周边环境带来了严重的负面影响，特别是引起人们烦恼或影响人们健康。
现阶段，关于风电场噪声预测，主要有以下三种方法：(1)根据叶片气动声学理论函数预测风电机组声功率等级；(2)通过仿真软件搭建风机声源模型和传播模型进行风电场噪声监控点噪声声压等级仿真预测；以及(3)直接通过风电场现场实测机组声功率等级、风电场噪声检测点声压等级。然而，方法(1)使用较多理想条件和简化模型，使得预测的噪声结果与实测噪声结果差异较大；方法(2)需要仿真大量数据且仿真速度慢，无法在风机实际运行时提供实时预测；而方法(3)在前期测量数据时花费时间较长且人工成本较高。
此外，关于风电场噪声控制，目前技术主要是针对风力发电机组单机降低噪声声功率等级控制，例如，使用降转速控制方法、增大桨距角降噪声方法、改造叶片结构增加锯齿尾缘降噪声方法等来实现单机降噪声功率等级控制，但是现有的风电场噪声控制方法需要从风电场层级提出优化方案来计算各个风机需要执行的降噪指令值，才能使得整场处于最优运行状态。可见目前鲜有技术可实现风电场级的噪声控制，更未考虑因风电场需要进行噪声控制带来的整场发电量损失。
发明内容
本发明的示例性实施例提供了一种风电场噪声预测方法、装置以及系统，至少解决上述技术问题和上文未提及的其它技术问题，并且提供下述的有益效果。
本发明的一方面在于提供一种风电场噪声预测方法，所述方法可以包括：实时采集风电场中的对噪声检测点噪声有影响的至少一个风力发电机组的机位点处的风速；根据噪声声功率等级数据库和机组数据库，来分别计算所述至少一个风力发电机组中的每一个风力发电机组在所述采集的风速下的噪声声功率等级；根据风电场噪声传播数据库来分别计算所述每一个风力发电机组在所述采集的风速下的噪声传播损耗值；使用所述每一个风力发电机组的噪声声功率等级和噪声传播损耗值来计算噪声检测点处的总噪声声压等级。
可以基于与所述每一个风力发电机组的类型相同的风力发电机组在不同风速和不同转速下的噪声声功率等级数据和输出功率数据来构建噪声声功率等级数据库和机组数据库，其中，噪声声功率等级数据库包括风速、转速和噪声声功率等级数据，机组数据库包括包含有风速、最大转速和最小转速数据的第一数据库和包含有风速、转速和输出功率数据的第二数据库。
可以基于以下步骤来构建风电场噪声传播数据库：建立风电场模型；使用建立的风电场模型，对风电场的噪声传播过程进行仿真；基于仿真的结果来构建风电场噪声传播数据库，其中，风电场噪声传播数据库包括距离、角度和噪声传播损耗值数据。
计算所述每一个风力发电机组的噪声声功率等级的步骤可以包括：根据第一数据库和所述采集的风速，通过线性插值方法来分别计算所述每一个风力发电机组在与之相应的风速下的最大转速；根据计算出的最大转速和噪声声功率等级数据库，通过线性插值方法来分别计算所述每一个风力发电机组的在与之相应的风速下的噪声声功率等级。
计算所述每一个风力发电机组在所述采集的风速下的噪声传播损耗值的步骤可以包括：获取所述每一个风力发电机组和噪声检测点的位置信息；根据获取的位置信息来分别计算所述每一个风力发电机组与噪声检测点之间的直线距离；根据获取的位置信息和实时采集的所述每一个风力发电机组的机位点处的风向来分别计算所述每一个风力发电机组与噪声检测点之间的角度；根据风电场噪声传播数据库以及计算出的直线距离和角度，通过线性插值方法来分别计算所述每一个风力发电机组在与之相应的风速下的噪声传播损耗值。
计算噪声检测点处的总噪声声压等级的步骤可以包括：使用所述每一个风力发电机组的噪声声功率等级和噪声传播损耗值来分别计算所述每一个风力发电机组在噪声检测点处的噪声声压等级；对计算出的所述每一个风力发电机组在噪声检测点处的噪声压等级进行叠加处理来计算噪声检测点处的总噪声声压等级。
所述方法还可以包括根据计算的噪声检测点处的总噪声声压等级来控制所述每一个风力发电机组的输出功率，使得在总噪声声压等级不超过噪声阈值的情况下风电场整场输出功率最大。
根据计算的噪声检测点处的总噪声声压等级来控制所述每一个风力发电机组的输出功率的步骤可以包括将计算出的总噪声声压等级与噪声检测点的噪声阈值进行比较，其中，当总噪声声压等级大于所述噪声阈值时，基于机组数据库来计算所述每一个风力发电机组在所述采集的风速下的输出功率，基于计算出的所述每一个风力发电机组的输出功率通过使用寻优算法来确定在总噪声声压等级小于或等于所述噪声阈值并且风电场整场输出功率最大下的每一个风力发电机组的功率控制指令值，并使用确定的每一个风力发电机组的功率控制指令值来控制相应的风力发电机组的运行。
本发明的另一方面在于提供一种风电场噪声预测装置，所述装置可以包括：数据采集模块，用于实时采集风电场中的对噪声检测点噪声有影响的至少一个风力发电机组的机位点处的风速；以及数据计算模块，用于：根据噪声声功率等级数据库和机组数据库，来分别计算所述至少一个风力发电机组中的每一个风力发电机组在所述采集的风速下的噪声声功率等级；根据风电场噪声传播数据库来分别计算所述每一个风力发电机组在所述采集的风速下的噪声传播损耗值；使用所述每一个风力发电机组的噪声声功率等级和噪声传播损耗值来计算噪声检测点处的总噪声声压等级。
所述装置还可以包括数据库构建模块，用于基于与所述每一个风力发电机组的类型相同的风力发电机组在不同风速和不同转速下的噪声声功率等级数据和输出功率数据来构建噪声声功率等级数据库和机组数据库，其中，噪声声功率等级数据库包括风速、转速和噪声声功率等级数据，机组数据库包括包含有风速、最大转速和最小转速数据的第一数据库和包含有风速、转速和输出功率数据的第二数据库。
数据库构建模块还可以根据对风电场的噪声传播过程进行仿真的结果来构建风电场噪声传播数据库，其中，风电场噪声传播数据库包括距离、角度和噪声传播损耗值数据。
数据计算模块还可以根据第一数据库和所述采集的风速，通过线性插值方法来分别计算所述每一个风力发电机组在与之相应的风速下的最大转速；根据计算出的最大转速和噪声声功率等级数据库，通过线性插值方法来分别计算所述每一个风力发电机组的在与之相应的风速下的噪声声功率等级。
数据采集模块还可以获取所述每一个风力发电机组和噪声检测点的位置信息并且实时采集所述每一个风力发电机组的机位点处的风向，并且数据计算模块根据获取的位置信息来分别计算所述每一个风力发电机组与噪声检测点之间的直线距离，根据获取的位置信息和所述采集的方向来分别计算所述每一个风力发电机组与噪声检测点之间的角度，并且根据风电场噪声传播数据库以及计算出的直线距离和角度，通过线性插值方法来分别计算所述每一个风力发电机组在与之相应的风速下的噪声传播损耗值。
数据计算模块可以使用所述每一个风力发电机组的噪声声功率等级和噪声传播损耗值来分别计算所述每一个风力发电机组在噪声检测点处的噪声声压等级；对计算出的所述每一个风力发电机组在噪声检测点处的噪声压等级进行叠加处理来计算噪声检测点处的总噪声声压等级。
所述装置还可以包括控制模块，用于根据计算的噪声检测点处的总噪声声压等级来控制所述每一个风力发电机组的输出功率，使得在总噪声声压等级不超过噪声阈值的情况下风电场整场输出功率最大。
控制模块还可以用于将计算出的总噪声声压等级与噪声检测点的噪声阈值进行比较，其中，当总噪声声压等级大于所述噪声阈值时，基于机组数据库来计算所述每一个风力发电机组在所述采集的风速下的输出功率，基于计算出的所述每一个风力发电机组的输出功率通过使用寻优算法来确定在总噪声声压等级小于或等于所述噪声阈值并且风电场整场输出功率最大下的每一个风力发电机组的功率控制指令值，并使用确定的每一个风力发电机组的功率控制指令值来控制相应的风力发电机组的运行。
本发明的另一方面在于提供一种风电场噪声预测系统，所述系统可以包括：存储器，用于存储实时采集的风电场中对噪声检测点噪声有影响的至少一个风力发电机组的机位点处的风速、噪声声功率数据库和机组数据库；以及风电场控制器，被配置为根据噪声声功率等级数据库和机组数据库，来分别计算所述至少一个风力发电机组中的每一个风力发电机组在所述采集的风速下的噪声声功率等级；根据风电场噪声传播数据库来分别计算所述每一个风力发电机组在所述采集的风速下的噪声传播损耗值；使用所述每一个风力发电机组的噪声声功率等级和噪声传播损耗值来计算噪声检测点处的总噪声声压等级，其中，噪声声功率等级数据库和机组数据库是基于与所述每一个风力发电机组的类型相同的风力发电机组在不同风速和不同转速下的噪声声功率等级数据和输出功率数据构建的。
噪声声功率等级数据库可以包括风速、转速和噪声声功率等级数据，机组数据库包括包含有风速、最大转速和最小转速数据的第一数据库和包含有风速、转速和输出功率数据的第二数据库。
风电场噪声传播数据库是根据对风电场的噪声传播过程进行仿真的结果构建的，其中，风电场噪声传播数据库包括距离、角度和噪声传播损耗值数据。
风电场控制器还可以被配置为根据第一数据库和所述采集的风速，通过线性插值方法来分别计算所述每一个风力发电机组在与之相应的风速下的最大转速；根据计算出的最大转速和噪声声功率等级数据库，通过线性插值方法来分别计算所述每一个风力发电机组的在与之相应的风速下的噪声声功率等级。
存储器还可以存储所述每一个风力发电机组和噪声检测点的位置信息和实时采集的所述每一个风力发电机组的机位点处的风向。
风电场控制器还可以被配置为根据获取的位置信息来分别计算所述每一个风力发电机组与噪声检测点之间的直线距离，根据获取的位置信息和所述采集的方向来分别计算所述每一个风力发电机组与噪声检测点之间的角度，并且根据风电场噪声传播数据库以及计算出的直线距离和角度，通过线性插值方法来分别计算所述每一个风力发电机组在与之相应的风速下的噪声传播损耗值。
风电场控制器还可以被配置为使用所述每一个风力发电机组的噪声声功率等级和噪声传播损耗值来分别计算所述每一个风力发电机组在噪声检测点处的噪声声压等级；对计算出的所述每一个风力发电机组在噪声检测点处的噪声压等级进行叠加处理来计算噪声检测点处的总噪声声压等级。
风电场控制器还可以被配置为根据计算的噪声检测点处的总噪声声压等级来控制所述每一个风力发电机组的输出功率，使得在总噪声声压等级不超过噪声阈值的情况下风电场整场输出功率最大。
风电场控制器还可以被配置为将计算出的总噪声声压等级与噪声检测点的噪声阈值进行比较，其中，当总噪声声压等级大于所述噪声阈值时，基于机组数据库来计算所述每一个风力发电机组在所述采集的风速下的输出功率，基于计算出的所述每一个风力发电机组的输出功率通过使用寻优算法来确定在总噪声声压等级小于或等于所述噪声阈值并且风电场整场输出功率最大下的每一个风力发电机组的功率控制指令值，并使用确定的每一个风力发电机组的功率控制指令值来控制相应的风力发电机组的运行。
本发明的一方面在于提供一种计算机可读存储介质，存储有程序，其特征在于，所述程序可包括用于执行以上所述的风电场噪声预测方法的指令。
本发明的一方面在于提供一种计算机，包括存储有计算机程序的可读介质和处理器，其特征在于，当所述处理器运行所述计算机程序时执行以上所述的风电场噪声预测方法。
基于以上描述的风电场噪声预测方法、装置以及系统，采用实测的风力发电机组噪声声功率等级数据库和仿真所得的离线风电场噪声传播数据库，能够更加准确且实时快速地预测噪声检测点处的噪声声压等级，并且不需要安装声压传感器，减少了成本和信号传递失效的风险。此外，通过引入寻优算法(例如，openmdao程序包)，能够在风电场控制器程序中快速寻找最优解，以实施噪声不超限并且风电场整场发电量最大的风电场控制方案。
附图说明
下面，将结合附图进行本发明的详细描述，本发明的上述特征和其他目的、特点和优点将会变得更加清楚，其中：
图1是根据本公开的示例实施例的风电场噪声预测方法的流程图；
图2是根据本公开的另一示例实施例的风电场噪声预测方法的流程图；
图3是根据本公开的示例实施例的风电场噪声预测装置的框图；
图4是根据本公开的另一示例实施例的风电场噪声预测装置的框图；
图5是根据本公开的示例实施例的风电场噪声预测系统的框图。
具体实施方式
现将详细参照本公开的示例性实施例，所述实施例的示例在附图中示出，其中，相同的标号始终指示相同的部件。以下将通过参照附图来说明所述实施例，以便于解释本发明。显然，所描述的实施例仅是本公开一部分实施例，而不是全部的实施例。基于本公开的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本公开中，包括诸如“第一”、“第二”等序数的术语可以被用于描述各种元素，但是这些元素不应被理解为仅限于这些术语。这些术语仅被用于将一个元素与其他元素区分开来。例如，在不脱离本公开的范围的情况下，第一元素可以被称为第二元素，反之亦然。
图1是根据本公开的示例实施例的风电场噪声预测方法的流程图。
参照图1，在步骤S101，实时采集风电场中的对噪声检测点噪声有影响的至少一个风力发电机组的机位点处的风速。在预测风电场噪声等级的前期准备过程中，需要选择该风电场中的对噪声检测点影响明显的至少一个风力发电机组，然后使用选择的至少一个风力发电机组对该风电场的噪声等级进行预测。在对风电场的噪声等级进行预测时，实时地采集选择的风力发电机组的机位点处的风速。
在步骤S102，根据噪声声功率等级数据库和机组数据库，来分别计算选择的至少一个风力发电机组在所述采集的风速下的噪声声功率等级。根据本公开的实施例，可以基于与选择的至少一个风力发电机组的类型相同的风力发电机组在不同风速和不同转速下的噪声声功率等级数据和输出功率数据来分别构建噪声声功率等级数据库和机组数据库。本公开的噪声声功率等级数据库可以包括风速数据、转速数据以及噪声声功率等级数据，如表1所示，其中，Rot Speed表示风力发电机组在相应风速下的转速，单位为rpm，Windspeed表示风力发电机组的机位点处的风速，单位为m/s，LW表示风力发电机组的噪声声功率等级，单位为dB。
表1
Figure GDA0003538066010000071
Figure GDA0003538066010000081
根据本公开的实施例，机组数据库可以包括包含有风速数据、最大转速数据和最小转速数据的第一数据库。下面的表2示出了包含有风速、最大转速和最小转速数据的第一数据库，其中，Wind speed表示风力发电机组的机位点处的风速，单位为m/s，Min RotSpeed表示风力发电机组在相应风速下的最小转速单位为rpm，Max Rot Speed表示风力发电机组在相应风速下的最大转速，单位为rpm。
表2
Figure GDA0003538066010000082
在获得噪声声功率等级数据库和机组数据库后，可以根据实时采集的风速通过线性插值方法来分别计算选择的至少一个风力发电机组中的每一个风力发电机组在与之相应的风速下的最大转速。由于构建的机组数据库中的数据都是离散数据，所以使用二维线性插值方法来计算选择的风力发电机组在相应风速下的最大风速。例如，当采集到的一个风力发电机组的风速为4m/s时，根据表2可知，当风速为3m/s时，最大转速的8.19rpm，当风速为5m/s时，最大转速为8.19rpm，根据二维线性插值方法可以计算出风速为4m/s时的最大转速为8.19rpm。
在计算出实时采集的风速下的最大转速后，可以根据噪声声功率数据库(即表1)通过使用线性插值方法来计算出风力发电机组在相应风速下的噪声声功率等级。例如，当实时采集的一个风力发电机组的风速为4m/s，在该风速下的最大转速为8.19rpm时，可以根据表1，使用二维线性插值方法可以计算出该风力发电机组在相应风速和转速下的噪声声功率等级。
在步骤S103，根据风电场噪声传播数据库来分别计算所述至少一个风力发电机组在所述采集的风速下的噪声传播损耗值。根据本公开的实施例，需要构建风电场噪声传播数据库。具体地，首先通过风电仿真软件(例如，windpro)来建立期望预测的风电场的模型，该风电场模型包括风电场区域内的环境参数、地形模型、风机模型。然后使用建立的风电场模型对该风电场中噪声的传播过程进行仿真，对仿真的结果进行分析，导出形成离线的风电场噪声传播数据库。本公开的风电场噪声传播数据库可以包括风力发电机组与噪声检测点之间的距离数据、风力发电机组与噪声检测点之间的角度数据以及噪声传播损耗值数据，如下面的表3所示。其中，LW-L表示噪声传播损耗值，单位为dB，D表示风力发电机组与噪声检测点之间的距离，angle表示风力发电机组与噪声检测点之间的角度。表3中的角度为风向与风力发电机组和噪声检测点连线之间的夹角。
表3
Figure GDA0003538066010000091
在计算选择的风力发电机组在相应采集的风速下的噪声传播损耗值中，可以获取选择的风力发电机组中的每一个风力发电机组和噪声检测点的位置信息，即风力发电机组的地理位置和噪声检测点的地理位置，可以分别用WTi(x,y)和R(x,y)来表示，其中，i表示选择的风力发电机组中的第i个风力发电机组，x表示经度，y表示纬度。根据获取的风力发电机组和噪声检测点的位置信息来计算风力发电机组与噪声检测点之间的直线距离，可以用D(i)来表示第i个风力发电机组与噪声检测点之间的直线距离。
根据获取的位置信息和实时采集的每一个风力发电机组的机位点处的风向来分别计算每一个风力发电机组与噪声检测点之间的角度。以一个风力发电机组为例，将采集到的该风力发电机组的风向与该风力发电机组和噪声检测点之间的连线形成的夹角确定为该风力发电机组与噪声检测点之间的角度。
在计算出风力发电机组与噪声检测点之间的直线距离和角度后，可以根据风电场噪声传播数据库(即表3)通过线性插值方法来分别计算选择的每一个风力发电机组在采集的与之相应的风速下的噪声传播损耗值。例如，可使用与计算噪声声功率等级相同的二维线性插值方法来计算风力发电机组在风电场中的噪声传播损耗值。这里，不再对计算噪声损耗值进行详细描述。
在步骤S104，使用选择的至少一个风力发电机组的噪声声功率等级和噪声传播损耗值来计算噪声检测点处的总噪声声压等级。具体地，在获得选择的风力发电机组中的每一个风力发电机组在与之相应的风速下的噪声声功率等级和噪声损耗值后，使用每一个风力发电机组的噪声声功率等级和噪声传播损耗值来分别计算每一个风力发电机组的噪声声压等级。可以根据等式(1)来计算风力发电机组的噪声声压等级：
SPL(i)＝SPL_Source(i)-SPL_Loss(i) (1)
其中，SPL(i)表示第i个风力发电机组在噪声检测点处的噪声声压等级，SPL_Source(i)表示第i个风力发电机组的噪声声功率等级，SPL_Loss(i)表示第i个风力发电机组在风电场中的噪声传播损耗值。
在计算完选择的每一个风力发电机组的噪声声压等级后，对计算出的每一个风力发电机组的噪声压等级进行叠加处理来计算噪声检测点处的总噪声声压等级。具体地，可以根据等式(2)来计算总噪声声压等级：
Lp＝10log10(10SPL(1)/10+10SPL(2)/10+...+10SPL(i)/10) (2)
其中，Lp表示总噪声声压等级，SPL(1)表示第一个风力发电机组在噪声检测点处的噪声声压等级，SPL(2)表示第二个风力发电机组在噪声检测点处的噪声声压等级，SPL(i)表示第i个风力发电机组在噪声检测点处的噪声声压等级。
图2是根据本公开的另一示例实施例的风电场噪声预测方法的流程图。
参照图2，在步骤S201，构建噪声声功率等级数据库和机组数据库。根据本公开的实施例，在预测某一风电场的噪声声压等级前，选择风电场中的对噪声检测点噪声影响明显的至少一个风力发电机组，然后根据与选择的至少一个风力发电机组的类型相同的风力发电机组在不同风速和不同转速下的噪声声功率等级数据和输出功率数据来分别构建噪声声功率等级数据库和机组数据库。构建的噪声声功率等级数据库可以包括风速、转速和噪声声功率等级数据，即如表1所示。构建的机组数据库可以包括包含有风速、最大转速和最小转速数据的第一数据库和包含有风速、转速和输出功率数据的第二数据库。第一数据库可以由表2表示。下面的表4示出了包含有风速、转速和输出功率数据的第二数据库，其中，Wind speed表示风力发电机组的机位点处的风速，单位为m/s，Rot Speed表示风力发电机组在相应风速下的转速，单位为rpm，P表示风力发电机组在相应风速下的输出功率，单位为MW。
表4
Figure GDA0003538066010000111
在步骤S202，构建风电场噪声传播数据库。例如，可以通过仿真软件(例如，windpro)建立期望预测的风电场模型，使用建立的风电场模型，对该风电场的噪声传播过程进行仿真，基于仿真的结果来构建风电场噪声传播数据库。可以由表3来表示风电场噪声传播数据库。应注意的是，表1、表2、表3和表4仅是示例性的，本公开不限于此。
在步骤S203，实时采集风电场中的对噪声检测点噪声影响明显的至少一个风力发电机组的机位点处的风速。例如，当选择了三个对风电场的噪声影响明显的风力发电机组时，需要实时地采集这三个风力发电机组的机位点处的风速和风向。
在步骤S204，分别计算选择的至少一个风力发电机组在实时采集的风速下的噪声声功率等级。具体地，根据第一数据库和实时采集的风速，通过线性插值方法来分别计算选择的至少一个风力发电机组中的每一个风力发电机组在与之相应的风速下的最大转速，然后根据计算出的最大转速和噪声声功率等级数据库，通过线性插值方法来分别计算选择的每一个风力发电机组的在与之相应的风速下的噪声声功率等级。以一个风力发电机组为例，当采集到该风力发电机组的机位点处的风速后，使用该风速结合第一数据库通过二维线性插值来计算出该风力发电机组在该风速下的最大转速，使用计算出的最大转速和采集的风速结合噪声声功率数据库通过二维线性插值方法来计算出该风力发电机组的噪声声功率等级。
在步骤S205，分别计算选择的至少一个风力发电机组在实时采集的风速下的噪声传播损耗值。例如，获取选择的至少一个风力发电机组中的每一个风力发电机组和噪声检测点的位置信息，根据获取的位置信息来分别计算每一个风力发电机组与噪声检测点之间的直线距离，根据获取的位置信息和实时采集的每一个风力发电机组的机位点处的风向来分别计算所述每一个风力发电机组与噪声检测点之间的角度，根据风电场噪声传播数据库以及计算出的直线距离和角度，通过线性插值方法来分别计算每一个风力发电机组在与之相应的风速下的噪声传播损耗值。
在步骤S206，分别计算选择的至少一个风力发电机组在噪声检测点处的噪声声压等级。例如，针对选择的每一个风力发电机组，可以通过等式(1)来分别计算每一个风力发电机组的噪声声压等级。
在步骤S207，计算噪声检测点处的总噪声声压等级。在获得选择的每一个风力发电机组在噪声检测点处的噪声声压等级后，可以通过等式(2)来计算总噪声声压等级。
在预测出总噪声声压等级后，在步骤S208，将计算出的总噪声声压等级与噪声检测点的噪声阈值进行比较，以确定是否对选择的风力发电机组进行优化控制。当计算出的总噪声声压等级小于或等于设置的噪声阈值时，表明风电场中的风力发电机组产生的噪声在允许的范围内，则风力发电机组继续按照当前的转速运行。当计算出的总噪声声压等级大于设置的噪声阈值时，进行到步骤S209。
在步骤S209，基于机组数据库来计算选择的至少一个风力发电机组中的每一个风力发电机组在实时采集的各自风速下的输出功率，基于计算出的每一个风力发电机组的输出功率通过使用寻优算法来确定在总噪声声压等级小于或等于噪声阈值并且风电场整场输出功率最大下的每一个风力发电机组的功率控制指令值。具体地，可以根据实时采集的风速结合第一数据库(即表2)通过二维线性插值方法来计算风力发电机组的最大转速，然后使用计算出的最大转速和相应的风速结合第二数据库(即表4)通过二维线性插值方法来计算风力发电机组在与之相应的风速下的输出功率，将计算出的每一个风力发电机组的输出功率作为初始值输入到寻优算法中，通过寻优算法寻找总噪声声压等级不超限(即小于或等于噪声阈值)并且风电场整场的输出功率最大的控制方案。例如，可以使用openmdao程序包以风电场整场发电量最大为目标、以噪声限制为约束条件进行寻优。通过openmdao程序包结合噪声声功率等级数据库、风电场噪声传播数据库和机组数据库来寻找总噪声声压等级不超限(即小于或等于噪声阈值)并且风电场整场的输出功率最大的控制方案。openmdao程序包是基于最小二乘法进行寻优的程序包。
在本公开中，根据噪声预估和优化特点来设置输入到寻优算法的输入输出，例如，以噪声限制(即总噪声声压等级小于或等于噪声阈值)作为约束条件，寻找在约束条件内风电场整场发电量最大的所选风力发电机组的功率控制指令值。然而，本公开的寻优算法不限于此，还可以使用诸如粒子群算法、遗传算法等的其他寻优算法进行寻优。
在步骤S210，使用每一个风力发电机组的与整场最大输出功率相应的功率控制指令值来控制相应的风力发电机组的运行。具体地，将在步骤S209中获得的所选风力发电机组的功率控制指令值发送到相应的风力发电机组的控制器中，使所选风力发电机组按照与之相应的功率控制指令值运行，即使风力发电机组以通过寻优算法获得的所选风力发电机组的输出功率来进行发电。
本公开的寻优算法的目的在于在满足噪声限制的情况下寻找对噪声检测点影响明显的风力发电机组输出功率损失最小的方案，由于对噪声检测点没有影响的风力发电机组就是在进行最大风能捕获，所以仅需要寻找对噪声检测点影响明显的风力发电机组输出功率损失最小的方案，这样即可以保证整场发电量最大。
图3是根据本公开的示例实施例的风电场噪声预测装置的框图。
参照图3，风电场噪声预测装置300可以包括数据采集模块301、数据库构建模块302以及数据计算模块303。根据本公开的装置300中的每个模块可以由一个或多个模块来实现，并且对应模块的名称可根据装置的类型而变化。在各种实施例中，可以省略装置300中的一些模块，或者还可包括另外的模块。此外，根据本公开的各种实施例的模块可以被组合以形成单个实体，并且因此可等效地执行相应模块在组合之前的功能。
数据采集模块301实时采集风电场中的对噪声检测点噪声影响明显的至少一个风力发电机组的机位点处的风速。在预测风电场噪声等级的前期中，需要选择该风电场中的对噪声检测点影响明显的至少一个风力发电机组，然后使用选择的至少一个风力发电机组对该风电场的噪声等级进行预测。
数据库构建模块302可以基于与选择的至少一个风力发电机组的类型相同的风力发电机组在不同风速和不同转速下的噪声声功率等级数据和输出功率数据来构建噪声声功率等级数据库和机组数据库，其中，噪声声功率等级数据库包括风速、转速和噪声声功率等级数据，如表1所示，机组数据库可以包括包含有风速、最大转速和最小转速数据的第一数据库(如表2所示)和包含有风速、转速和输出功率数据的第二数据库(如表4所示)。
数据库构建模块302还可以根据对风电场的噪声传播过程进行仿真的结果来构建风电场噪声传播数据库，其中，风电场噪声传播数据库包括距离、角度和噪声传播损耗值数据。具体地，可以首先使用仿真软件来建立期望预测的风电场模型，例如，可以使用windpro软件来建立风电场模型，然后使用建立的风电场模型对噪声传播的过程进行仿真，数据库构建模块302可以根据仿真结果来构建出风电场噪声传播数据库，如表3所示。
数据计算模块303可以根据第一数据库和采集的风速，通过线性插值方法来分别计算选择的每一个风力发电机组在与之相应的风速下的最大转速，根据计算出的最大转速和噪声声功率等级数据库，通过线性插值方法来分别计算每一个风力发电机组的在与之相应的风速下的噪声声功率等级。
数据采集模块301还可以获取选择的每一个风力发电机组和噪声检测点的位置信息并且实时采集每一个风力发电机组的机位点处的风向。数据计算模块303可以根据获取的位置信息来分别计算每一个风力发电机组与噪声检测点之间的直线距离，根据获取的位置信息和采集的方向来分别计算每一个风力发电机组与噪声检测点之间的角度，并且根据风电场噪声传播数据库以及计算出的直线距离和角度，通过线性插值方法来分别计算每一个风力发电机组在与之相应的风速下的噪声传播损耗值。数据计算模块303计算噪声声功率等级和噪声传播损耗值的过程与步骤S102和步骤S103相同，这里不再赘述。
在获得每一个风力发电机组的噪声声功率等级和噪声传播损耗值后，数据计算模块303可以基于选择的每一个风力发电机组的噪声声功率等级和噪声传播损耗值通过等式(1)来分别计算每一个风力发电机组在噪声检测点处的噪声声压等级，并且使用等式(2)对计算出的每一个风力发电机组在噪声检测点处的噪声压等级进行叠加处理来计算噪声检测点处的总噪声声压等级。
图4是根据本公开的另一示例实施例的风电场噪声预测装置的框图。
参照图4，风电场噪声预测装置400可以包括数据采集模块401、数据库构建模块402、数据计算模块403以及控制模块404。其中，数据采集模块401、数据库构建模块402、数据计算模块403与数据采集模块301、数据库构建模块302以及数据计算模块303实现的功能相同，这里不在赘述。
控制模块404可以根据计算的噪声检测点处的总噪声声压等级来控制所述每一个风力发电机组的输出功率，使得在总噪声声压等级不超过噪声阈值的情况下风电场整场输出功率最大。具体地，控制模块404可以将计算出的总噪声声压等级与噪声检测点的噪声阈值进行比较。当总噪声声压等级大于噪声阈值时，控制模块404基于机组数据库来计算至少一个风力发电机组中的每一个风力发电机组在采集的风速下的输出功率，基于计算出的每一个风力发电机组的输出功率通过使用寻优算法来确定在总噪声声压等级小于或等于噪声阈值并且风电场整场输出功率最大下的每一个风力发电机组的功率控制指令值，并使用确定的每一个风力发电机组的功率控制指令值来控制相应的风力发电机组的运行。
例如，控制模块404可以根据实时采集的风速结合第一数据库(即表2)通过二维线性插值方法来计算风力发电机组的最大转速，然后使用计算出的最大转速和相应的风速结合第二数据库(即表4)通过二维线性插值方法来计算风力发电机组在与之相应的风速下的输出功率，这里，也可以使用数据计算模块403来计算相应风速下的输出功率。
控制模块404将计算出的每一个风力发电机组的输出功率作为初始值输入到寻优算法中，通过寻优算法来寻找总噪声声压等级不超限(即小于或等于噪声阈值)并且风电场整场的输出功率最大的控制方案，即寻找到在总噪声声压等级小于或等于噪声阈值并且风电场整场输出功率最大下的每一个风力发电机组的功率控制指令值。例如，控制模块404可以使用openmdao程序包、遗传算法、粒子群算法等的寻优算法以风电场整场发电量最大、噪声限制为约束条件来寻找最优控制方案。然后，控制模块404将获得的每一个风力发电机组的功率控制指令值发送到相应的风力发电机组的控制器中，使每一个风力发电机组按照与之相应的功率控制指令值运行。
图5是根据本公开的示例实施例的风电场噪声预测系统的框图。
参照图5，风电场噪声预测系统500可以包括存储器501和风电场控制器502。
存储器501可以存储实时采集的风力发电机组的风速和风向数据以及风力发电机组和噪声检测点的位置信息。
根据本公开的实施例，首先在期望预测的风电场中选择对噪声检测点噪声影响明显的至少一个风力发电机组，基于与选择的风力发电机组的类型相同的风力发电机组在不同风速和不同转速下的噪声声功率等级数据和输出功率数据来分别构建噪声声功率等级数据库和机组数据库。
可以将构建的噪声声功率等级数据库和机组数据库形成离线文件存储到存储器501中。其中，噪声声功率等级数据库可以包括风速、转速和噪声声功率等级数据，机组数据库包括包含有风速、最大转速和最小转速数据的第一数据库和包含有风速、转速和输出功率数据的第二数据库。
风电场控制器502可以根据噪声声功率等级数据库和机组数据库，来分别计算选择的每一个风力发电机组在相应风速下的噪声声功率等级。具体地，风电场控制器502可以根据第一数据库和实时采集的风速，通过线性插值方法来分别计算选择的每一个风力发电机组在与之相应的风速下的最大转速；根据计算出的最大转速和噪声声功率等级数据库，通过线性插值方法来分别计算每一个风力发电机组的在与之相应的风速下的噪声声功率等级。
此外，在本公开的实施例中，可以使用诸如windpro等仿真软件来建立风电场模型，然后使用建立的风电场模型对风电场的噪声传播过程进行仿真，基于仿真的结果来构建风电场噪声传播数据库。可以将构建的风电场噪声传播数据库形成离线文件存储到存储器501中。风电场噪声传播数据库包括距离、角度和噪声传播损耗值数据。
风电场控制器502可以根据风电场噪声传播数据库来分别计算选择的每一个风力发电机组在实时采集的风速下的噪声传播损耗值。具体地，风电场控制器502可以根据存储的位置信息来分别计算每一个风力发电机组与噪声检测点之间的直线距离，根据位置信息和实时采集的方向来分别计算每一个风力发电机组与噪声检测点之间的角度，并且根据风电场噪声传播数据库以及计算出的直线距离和角度，通过线性插值方法来分别计算每一个风力发电机组在与之相应的风速下的噪声传播损耗值。
在计算完选择的每一个风力发电机组的噪声声功率等级和噪声传播损耗值后，风电场控制器502可以使用每一个风力发电机组的噪声声功率等级和噪声传播损耗值来计算噪声检测点处的总噪声声压等级。具体地，风电场控制器502可以根据计算出的每一个风力发电机组的噪声声功率等级和噪声传播损耗值使用等式(1)来分别计算每一个风力发电机组在噪声检测点处的噪声声压等级，然后使用等式(2)对计算出的每一个风力发电机组在噪声检测点处的噪声压等级进行叠加处理来计算噪声检测点处的总噪声声压等级。
在本公开中，风电场控制器502可以根据计算的噪声检测点处的总噪声声压等级来控制所述每一个风力发电机组的输出功率，使得在总噪声声压等级不超过噪声阈值的情况下风电场整场输出功率最大。具体地，风电场控制器502可以将计算出的总噪声声压等级与噪声检测点的噪声阈值进行比较，其中，当总噪声声压等级大于该噪声阈值时，风电场控制器502基于机组数据库来计算每一个风力发电机组在实时采集的风速下的输出功率，基于计算出的所述每一个风力发电机组的输出功率通过使用寻优算法来确定在总噪声声压等级小于或等于所述噪声阈值并且风电场整场输出功率最大下的每一个风力发电机组的功率控制指令值，并使用确定的每一个风力发电机组的功率控制指令值来控制相应的风力发电机组的运行。例如，可以将计算出的每一个风力发电机组的输出功率作为初始值输入到寻优算法中，通过寻优算法寻找总噪声声压等级不超限(即小于或等于噪声阈值)并且风电场整场的输出功率最大的控制方案。例如，通过openmdao程序包结合噪声声功率等级数据库、风电场噪声传播数据库和第二数据库来寻找总噪声声压等级不超限(即小于或等于噪声阈值)并且风电场整场的输出功率最大的控制方案。然而，本公开的寻优算法不限于此，还可以使用遗传算法、粒子算算法等作为寻优算法来实现上述寻优过程。
风电场控制器502可以将获得的每一个风力发电机组的功率控制指令值发送到相应的风力发电机组的控制器中，使每一个风力发电机组按照与之相应的功率控制指令值运行，以实现在噪声检测点处的总噪声声压等级不超限的情况下风电场的发电量最大。
根据本发明公开的示例实施例的风电场噪声预测方法可被实现为计算机可读记录介质上的计算机可读指令，或者可通过传输介质被发送。计算机可读记录介质是可存储此后可由计算机系统读取的数据的任意数据存储装置。计算机可读记录介质的示例包括只读存储器(ROM)、随机存取存储器(RAM)、光盘(CD-ROM)、数字多功能盘(DVD)、磁带、软盘、光学数据存储装置，但不限于此。传输介质可包括通过网络或各种类型的通信信道发送的载波。计算机可读记录介质也可分布于连接网络的计算机系统，从而计算机可读指令以分布方式被存储和执行。
根据本公开的风电场噪声预测方法、装置以及系统，可以根据实测的风力发电机组噪声声功率等级数据形成多维的风力发电机组噪声声源模型库，并通过仿真软件提前准备具体的风电场整场噪声传播模型离线文件，以提高噪声预测的实时性和准确性。此外，基于以上两个离线文件，在预测的噪声检测点处的总噪声声压等级超限时通过寻优算法找到噪声不超限的同时整场发电量损失最小的方案，将控制指令发送至对应的风力发电机组，使风力发电机组执行最优控制策略，以平衡环境友好性和风电场经济性。
尽管已经参照其示例性实施例，具体示出和描述了本发明，但是本领域的技术人员应该理解，在不脱离权利要求所限定的本发明的精神和范围的情况下，可以对其进行形式和细节上的各种改变。

Claims (23)

1.一种风电场噪声预测方法，其特征在于，所述方法包括：
实时采集风电场中的对噪声检测点噪声有影响的至少一个风力发电机组的机位点处的风速；
根据噪声声功率等级数据库和机组数据库，来分别计算所述至少一个风力发电机组中的每一个风力发电机组在所述采集的风速下的噪声声功率等级；
根据风电场噪声传播数据库来分别计算所述每一个风力发电机组在所述采集的风速下的噪声传播损耗值；
使用所述每一个风力发电机组的噪声声功率等级和噪声传播损耗值来计算噪声检测点处的总噪声声压等级，
其中，噪声声功率等级数据库和机组数据库是基于与所述至少一个风力发电机组的类型相同的风力发电机组在不同风速和不同转速下的噪声声功率等级数据和输出功率数据构建的；
其中，计算所述每一个风力发电机组在所述采集的风速下的噪声传播损耗值的步骤包括：
获取所述每一个风力发电机组和噪声检测点的位置信息；
根据获取的位置信息来分别计算所述每一个风力发电机组与噪声检测点之间的直线距离；
根据获取的位置信息和实时采集的所述每一个风力发电机组的机位点处的风向来分别计算所述每一个风力发电机组与噪声检测点之间的角度；
根据风电场噪声传播数据库以及计算出的直线距离和角度，通过线性插值方法来分别计算所述每一个风力发电机组在与之相应的风速下的噪声传播损耗值。
2.如权利要求1所述的方法，其特征在于，噪声声功率等级数据库包括风速、转速和噪声声功率等级数据，机组数据库包括包含有风速、最大转速和最小转速数据的第一数据库和包含有风速、转速和输出功率数据的第二数据库。
3.如权利要求1所述的方法，其特征在于，风电场噪声传播数据库是基于以下步骤构建的：
建立风电场模型；
使用建立的风电场模型，对风电场的噪声传播过程进行仿真；
基于仿真的结果来构建风电场噪声传播数据库，
其中，风电场噪声传播数据库包括距离、角度和噪声传播损耗值数据。
4.如权利要求2所述的方法，其特征在于，计算所述每一个风力发电机组的噪声声功率等级的步骤包括：
根据第一数据库和所述采集的风速，通过线性插值方法来分别计算所述每一个风力发电机组在与之相应的风速下的最大转速；
根据计算出的最大转速和噪声声功率等级数据库，通过线性插值方法来分别计算所述每一个风力发电机组的在与之相应的风速下的噪声声功率等级。
5.如权利要求1所述的方法，其特征在于，计算噪声检测点处的总噪声声压等级的步骤包括：
使用所述每一个风力发电机组的噪声声功率等级和噪声传播损耗值来分别计算所述每一个风力发电机组在噪声检测点处的噪声声压等级；
对计算出的所述每一个风力发电机组在噪声检测点处的噪声压等级进行叠加处理来计算噪声检测点处的总噪声声压等级总噪声声压等级。
6.如权利要求1所述的方法，还包括：根据计算的噪声检测点处的总噪声声压等级来控制所述每一个风力发电机组的输出功率，使得在总噪声声压等级不超过噪声阈值的情况下风电场整场输出功率最大。
7.如权利要求6所述的方法，根据计算的噪声检测点处的总噪声声压等级来控制所述每一个风力发电机组的输出功率的步骤包括
将计算出的总噪声声压等级与噪声检测点的噪声阈值进行比较，
其中，当总噪声声压等级大于所述噪声阈值时，基于机组数据库来计算所述每一个风力发电机组在所述采集的风速下的输出功率，基于计算出的所述每一个风力发电机组的输出功率通过使用寻优算法来确定在总噪声声压等级小于或等于所述噪声阈值并且风电场整场输出功率最大下的每一个风力发电机组的功率控制指令值，并使用确定的每一个风力发电机组的功率控制指令值来控制相应的风力发电机组的运行。
8.一种风电场噪声预测装置，其特征在于，所述装置包括：
数据采集模块，用于实时采集风电场中的对噪声检测点噪声有影响的至少一个风力发电机组的机位点处的风速；
数据计算模块，用于：
根据噪声声功率等级数据库和机组数据库，来分别计算所述至少一个风力发电机组中的每一个风力发电机组在所述采集的风速下的噪声声功率等级；
根据风电场噪声传播数据库来分别计算所述每一个风力发电机组在所述采集的风速下的噪声传播损耗值；
使用所述每一个风力发电机组的噪声声功率等级和噪声传播损耗值来计算噪声检测点处的总噪声声压等级；
数据采集模块还用于获取所述每一个风力发电机组和噪声检测点的位置信息并且实时采集所述每一个风力发电机组的机位点处的风向，并且
数据计算模块根据获取的位置信息来分别计算所述每一个风力发电机组与噪声检测点之间的直线距离，根据获取的位置信息和所述采集的方向来分别计算所述每一个风力发电机组与噪声检测点之间的角度，并且根据风电场噪声传播数据库以及计算出的直线距离和角度，通过线性插值方法来分别计算所述每一个风力发电机组在与之相应的风速下的噪声传播损耗值。
9.如权利要求8所述的装置，还包括数据库构建模块，用于基于与所述每一个风力发电机组的类型相同的风力发电机组在不同风速和不同转速下的噪声声功率等级数据和输出功率数据来构建噪声声功率等级数据库和机组数据库，
其中，噪声声功率等级数据库包括风速、转速和噪声声功率等级数据，机组数据库包括包含有风速、最大转速和最小转速数据的第一数据库和包含有风速、转速和输出功率数据的第二数据库。
10.如权利要求8所述的装置，还包括数据库构建模块，用于根据对风电场的噪声传播过程进行仿真的结果来构建风电场噪声传播数据库，
其中，风电场噪声传播数据库包括距离、角度和噪声传播损耗值数据。
11.如权利要求9所述的装置，其特征在于，数据计算模块还用于：
根据第一数据库和所述采集的风速，通过线性插值方法来分别计算所述每一个风力发电机组在与之相应的风速下的最大转速；
根据计算出的最大转速和噪声声功率等级数据库，通过线性插值方法来分别计算所述每一个风力发电机组的在与之相应的风速下的噪声声功率等级。
12.如权利要求8所述的装置，其特征在于，数据计算模块还用于：
使用所述每一个风力发电机组的噪声声功率等级和噪声传播损耗值来分别计算所述每一个风力发电机组在噪声检测点处的噪声声压等级；
对计算出的所述每一个风力发电机组在噪声检测点处的噪声压等级进行叠加处理来计算噪声检测点处的总噪声声压等级总噪声声压等级。
13.如权利要求8所述的装置，还包括控制模块，用于根据计算的噪声检测点处的总噪声声压等级来控制所述每一个风力发电机组的输出功率，使得在总噪声声压等级不超过噪声阈值的情况下风电场整场输出功率最大。
14.如权利要求13所述的装置，其特征在于，控制模块用于将计算出的总噪声声压等级与噪声检测点的噪声阈值进行比较，
其中，当总噪声声压等级大于所述噪声阈值时，基于机组数据库来计算所述每一个风力发电机组在所述采集的风速下的输出功率，基于计算出的所述每一个风力发电机组的输出功率通过使用寻优算法来确定在总噪声声压等级小于或等于所述噪声阈值并且风电场整场输出功率最大下的每一个风力发电机组的功率控制指令值，并使用确定的每一个风力发电机组的功率控制指令值来控制相应的风力发电机组的运行。
15.一种风电场噪声预测系统，其特征在于，所述系统包括：
存储器，用于存储实时采集的风电场中对噪声检测点噪声有影响的至少一个风力发电机组的机位点处的风速、噪声声功率数据库和机组数据库；
风电场控制器，被配置为：
根据噪声声功率等级数据库和机组数据库，来分别计算所述至少一个风力发电机组中的每一个风力发电机组在所述采集的风速下的噪声声功率等级；
根据风电场噪声传播数据库来分别计算所述每一个风力发电机组在所述采集的风速下的噪声传播损耗值；
使用所述每一个风力发电机组的噪声声功率等级和噪声传播损耗值来计算噪声检测点处的总噪声声压等级，
其中，噪声声功率等级数据库和机组数据库是基于与所述每一个风力发电机组的类型相同的风力发电机组在不同风速和不同转速下的噪声声功率等级数据和输出功率数据构建的；
存储器用于存储所述每一个风力发电机组和噪声检测点的位置信息和实时采集的所述每一个风力发电机组的机位点处的风向，并且
风电场控制器根据获取的位置信息来分别计算所述每一个风力发电机组与噪声检测点之间的直线距离，根据获取的位置信息和所述采集的方向来分别计算所述每一个风力发电机组与噪声检测点之间的角度，并且根据风电场噪声传播数据库以及计算出的直线距离和角度，通过线性插值方法来分别计算所述每一个风力发电机组在与之相应的风速下的噪声传播损耗值。
16.如权利要求15所述的系统，其特征在于，噪声声功率等级数据库包括风速、转速和噪声声功率等级数据，机组数据库包括包含有风速、最大转速和最小转速数据的第一数据库和包含有风速、转速和输出功率数据的第二数据库。
17.如权利要求15所述的系统，其特征在于，风电场噪声传播数据库是根据对风电场的噪声传播过程进行仿真的结果构建的，
其中，风电场噪声传播数据库包括距离、角度和噪声传播损耗值数据。
18.如权利要求16所述的系统，其特征在于，风电场控制器还被配置为：
根据第一数据库和所述采集的风速，通过线性插值方法来分别计算所述每一个风力发电机组在与之相应的风速下的最大转速；
根据计算出的最大转速和噪声声功率等级数据库，通过线性插值方法来分别计算所述每一个风力发电机组的在与之相应的风速下的噪声声功率等级。
19.如权利要求15所述的系统，其特征在于，风电场控制器还被配置为：
使用所述每一个风力发电机组的噪声声功率等级和噪声传播损耗值来分别计算所述每一个风力发电机组在噪声检测点处的噪声声压等级；
对计算出的所述每一个风力发电机组在噪声检测点处的噪声压等级进行叠加处理来计算噪声检测点处的总噪声声压等级。
20.如权利要求15所述的系统，其特征在于，风电场控制器还被配置为：
根据计算的噪声检测点处的总噪声声压等级来控制所述每一个风力发电机组的输出功率，使得在总噪声声压等级不超过噪声阈值的情况下风电场整场输出功率最大。
21.如权利要求20所述的系统，其特征在于，风电场控制器还被配置为将计算出的总噪声声压等级与噪声检测点的噪声阈值进行比较，
其中，当总噪声声压等级大于所述噪声阈值时，基于机组数据库来计算所述每一个风力发电机组在所述采集的风速下的输出功率，基于计算出的所述每一个风力发电机组的输出功率通过使用寻优算法来确定在总噪声声压等级小于或等于所述噪声阈值并且风电场整场输出功率最大下的每一个风力发电机组的功率控制指令值，并使用确定的每一个风力发电机组的功率控制指令值来控制相应的风力发电机组的运行。
22.一种计算机可读存储介质，存储有程序，其特征在于，所述程序包括用于执行如权利要求1-7中的任一项所述方法的指令。
23.一种计算机，包括存储有计算机程序的可读介质和处理器，其特征在于，当所述处理器运行所述计算机程序时执行如权利要求1-7中的任一项所述方法。
CN201811290818.6A 2018-10-31 2018-10-31 风电场噪声预测方法、装置及系统 Active CN111126651B (zh)

Priority Applications (7)

Application Number Priority Date Filing Date Title
CN202210405714.5A CN114757420A (zh) 2018-10-31 2018-10-31 风电场噪声预测方法、装置及系统
CN201811290818.6A CN111126651B (zh) 2018-10-31 2018-10-31 风电场噪声预测方法、装置及系统
AU2019370330A AU2019370330A1 (en) 2018-10-31 2019-09-16 Wind farm noise prediction method, apparatus and system
EP19880784.4A EP3731158A4 (en) 2018-10-31 2019-09-16 WIND FARM NOISE PREDICTION METHOD, APPARATUS AND SYSTEM
US16/968,158 US11268495B2 (en) 2018-10-31 2019-09-16 Wind farm noise prediction method, apparatus and system
PCT/CN2019/105949 WO2020088128A1 (zh) 2018-10-31 2019-09-16 风电场噪声预测方法、装置及系统
AU2022209253A AU2022209253A1 (en) 2018-10-31 2022-07-27 Wind farm noise prediction method, apparatus and system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811290818.6A CN111126651B (zh) 2018-10-31 2018-10-31 风电场噪声预测方法、装置及系统

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202210405714.5A Division CN114757420A (zh) 2018-10-31 2018-10-31 风电场噪声预测方法、装置及系统

Publications (2)

Publication Number Publication Date
CN111126651A CN111126651A (zh) 2020-05-08
CN111126651B true CN111126651B (zh) 2022-04-19

Family

ID=70464547

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202210405714.5A Pending CN114757420A (zh) 2018-10-31 2018-10-31 风电场噪声预测方法、装置及系统
CN201811290818.6A Active CN111126651B (zh) 2018-10-31 2018-10-31 风电场噪声预测方法、装置及系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202210405714.5A Pending CN114757420A (zh) 2018-10-31 2018-10-31 风电场噪声预测方法、装置及系统

Country Status (5)

Country Link
US (1) US11268495B2 (zh)
EP (1) EP3731158A4 (zh)
CN (2) CN114757420A (zh)
AU (2) AU2019370330A1 (zh)
WO (1) WO2020088128A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110500234B (zh) * 2018-05-18 2020-07-03 北京金风科创风电设备有限公司 用于风力发电机组的噪声控制的方法和装置
CN110500233B (zh) * 2018-05-18 2020-07-07 北京金风科创风电设备有限公司 用于多个风力发电机组的噪声控制的方法和装置
CN113236487B (zh) * 2021-05-24 2022-06-10 上海电气风电集团股份有限公司 风电场噪声控制方法、系统、设备及可读存储介质
CN113358211B (zh) * 2021-05-28 2024-04-30 江苏徐工国重实验室科技有限公司 噪声测试方法及装置
CN113761679B (zh) * 2021-08-27 2024-02-27 大连透平机械技术发展有限公司 压缩机噪声的预测方法及装置
CN113757050B (zh) * 2021-09-08 2023-05-02 浙江运达风电股份有限公司 一种风电场噪声监测控制系统及方法
EP4276303A1 (en) * 2022-05-12 2023-11-15 Vestas Wind Systems A/S A method for controlling noise generated by a wind farm
EP4299898A1 (en) * 2022-07-01 2024-01-03 Siemens Gamesa Renewable Energy Innovation & Technology S.L. Noise based control of a wind turbine
EP4365438A1 (en) * 2022-11-02 2024-05-08 Vestas Wind Systems A/S Control of a wind turbine based on predicting amplitude modulation (am) noise
CN116861705A (zh) * 2023-09-04 2023-10-10 聚合电力工程设计(北京)股份有限公司 基于计算机模拟的风电场噪声和光影影响分析方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103473415A (zh) * 2013-09-11 2013-12-25 北京金风科创风电设备有限公司 风力发电机组的噪声仿真方法
CN103823979A (zh) * 2014-02-26 2014-05-28 国家电网公司 一种风电场噪声预测方法
CN106327026A (zh) * 2016-10-19 2017-01-11 云南电网有限责任公司电力科学研究院 一种风功率预测优化方法
WO2018046068A1 (en) * 2016-09-07 2018-03-15 Vestas Wind Systems A/S Predicting wind turbine noise
CN108254065A (zh) * 2016-12-29 2018-07-06 北京金风科创风电设备有限公司 风力发电机组的噪音音调评估方法及装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100135798A1 (en) * 2009-02-10 2010-06-03 General Electric Company Wind turbine noise controls
CN101718582B (zh) * 2009-11-06 2012-05-23 重庆大学 风力发电机组音调测试方法
KR20130073410A (ko) 2011-12-23 2013-07-03 서울대학교산학협력단 소음 지도를 이용한 풍력 단지 소음 모니터링 및 제어 시스템
CN202746093U (zh) * 2012-06-26 2013-02-20 华锐风电科技(集团)股份有限公司 风力发电机组的噪声控制设备
CN202974425U (zh) * 2012-10-26 2013-06-05 中国电力科学研究院 一种风电机组噪声测试系统
CN104034411A (zh) * 2013-03-04 2014-09-10 中国科学院声学研究所 一种风电机组噪声分布式测量系统
US9551322B2 (en) * 2014-04-29 2017-01-24 General Electric Company Systems and methods for optimizing operation of a wind farm
US9995277B2 (en) * 2014-07-31 2018-06-12 General Electric Company System and method for controlling the operation of wind turbines
CN105006840A (zh) * 2015-07-31 2015-10-28 苏州欧可罗电子科技有限公司 一种基于低噪声放大器的风力电机调控系统
CN106873359B (zh) * 2015-12-11 2020-09-15 中国电力科学研究院 一种基于聚类分析和神经网络的风电噪声评价方法
US10247171B2 (en) 2016-06-14 2019-04-02 General Electric Company System and method for coordinating wake and noise control systems of a wind farm
CN108489600A (zh) * 2018-03-22 2018-09-04 内蒙古工业大学 一种风力发电机组噪声测试评估系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103473415A (zh) * 2013-09-11 2013-12-25 北京金风科创风电设备有限公司 风力发电机组的噪声仿真方法
CN103823979A (zh) * 2014-02-26 2014-05-28 国家电网公司 一种风电场噪声预测方法
WO2018046068A1 (en) * 2016-09-07 2018-03-15 Vestas Wind Systems A/S Predicting wind turbine noise
CN106327026A (zh) * 2016-10-19 2017-01-11 云南电网有限责任公司电力科学研究院 一种风功率预测优化方法
CN108254065A (zh) * 2016-12-29 2018-07-06 北京金风科创风电设备有限公司 风力发电机组的噪音音调评估方法及装置

Also Published As

Publication number Publication date
AU2019370330A1 (en) 2020-08-20
AU2022209253A1 (en) 2022-08-18
CN114757420A (zh) 2022-07-15
WO2020088128A1 (zh) 2020-05-07
CN111126651A (zh) 2020-05-08
US11268495B2 (en) 2022-03-08
EP3731158A4 (en) 2021-04-14
US20200362818A1 (en) 2020-11-19
EP3731158A1 (en) 2020-10-28

Similar Documents

Publication Publication Date Title
CN111126651B (zh) 风电场噪声预测方法、装置及系统
CN102536657B (zh) 用于控制风力涡轮机功率输出的系统和方法
TWI476430B (zh) 具極端風速預測功能之風能預報方法
CN107304746B (zh) 风力发电机组及其运行控制方法与设备
AU2018327223B2 (en) Method and apparatus for self-adaption of a cut-out strategy
CN107689638B (zh) 一种基于相轨迹分析的含风电电力系统暂态协调控制方法
CN109312714B (zh) 考虑噪声的风力涡轮机的控制
KR20150035083A (ko) 풍력발전단지의 시뮬레이션 장치
KR101411420B1 (ko) 시뮬레이션 기법을 이용한 풍력 발전 단지의 풍력 발전기 제어 시스템 및 방법
EP3770423B1 (en) Wind turbine control method and device, controller, and control system
CA2704988A1 (en) Wind-turbine-dynamic-characteristics monitoring apparatus and method therefor
CN111311021A (zh) 一种风电场理论功率预测方法、装置、设备和存储介质
CN113236487B (zh) 风电场噪声控制方法、系统、设备及可读存储介质
CN110991701A (zh) 一种基于数据融合的风电场风机风速预测方法及系统
CN115544815A (zh) 一种风扇模型的生成方法和装置
CN113051845B (zh) 在役山地风电场实时风资源可视化评估方法、系统、设备及存储介质
CN117010284B (zh) 基于风电场噪声的机位排布方法、装置、设备及存储介质
WO2024041409A1 (zh) 确定代表风力发电机组的方法和装置以及控制方法和装置
CN110188939B (zh) 风电场的风功率的预测方法、系统、设备和存储介质
CN110608133B (zh) 一种海上风力发电控制系统及方法
JP2019532215A (ja) 風力タービンの負荷を決定する方法
CN113027674A (zh) 风力发电机组的控制方法及其装置
CN202599970U (zh) 风电场风速预测装置和风电场功率预测系统
Tianpei et al. MPPT method of wind power based on improved particle swarm optimization
CN114320773A (zh) 一种基于功率曲线分析与神经网络的风电机组故障预警方法

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