CN111287911A - 一种风电机组疲劳载荷的预警方法和系统 - Google Patents
一种风电机组疲劳载荷的预警方法和系统 Download PDFInfo
- Publication number
- CN111287911A CN111287911A CN201911204055.3A CN201911204055A CN111287911A CN 111287911 A CN111287911 A CN 111287911A CN 201911204055 A CN201911204055 A CN 201911204055A CN 111287911 A CN111287911 A CN 111287911A
- Authority
- CN
- China
- Prior art keywords
- wind turbine
- turbine generator
- rotating speed
- control curve
- speed control
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005452 bending Methods 0.000 claims description 66
- 238000012549 training Methods 0.000 claims description 20
- 230000003044 adaptive effect Effects 0.000 claims description 15
- 230000001537 neural effect Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 abstract description 38
- 238000012360 testing method Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 7
- 238000010248 power generation Methods 0.000 description 7
- 230000007774 longterm Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
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
- 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
-
- 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
- F03D7/045—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with model-based controls
-
- 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
-
- 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
Abstract
本发明涉及一种风电机组疲劳载荷的预警方法和系统,包括:根据风电机组的运行数据确定风电机组各类载荷数据的运行值和理论值;根据风电机组各类载荷数据的运行值和理论值对风电机组进行疲劳载荷预警。本发明提供的技术方案,利用历史时刻的风电场监控系统的监控数据以及风电机组载荷测试数据构建了风电机组的载荷监测模型,并基于所述载荷监测模型和实时采集的风电场监控系统的监控数据对风电厂内各机组实时的进行风电机组疲劳载荷监测,降低了逐台测试风电机组的载荷所耗费的时间和成本,提高了风电机组疲劳载荷监测的准确度,保障了风电机组的安全稳定运行。
Description
技术领域
本发明涉及大数据的运行控制分析及风电数据分析技术领域,具体涉及一种风电机组疲劳载荷的预警方法和系统。
背景技术
近年来风力发电发展势头迅猛,风电装机数量显着增加,风电机组的安全稳定是我们关注的重点。
风电机组是需要运行20年的发电设备,这种持续长期的增长对风电机组的安全稳定运行带来了巨大的挑战。风电机组的载荷是与安全直接相关的参数,近几年出现的风电机组安全事故也大多是因为载荷超限引发的。
根据GL2010标准定义了叶根载荷、塔顶载荷、偏航载荷、塔底载荷。在风机设计阶段,这些载荷参数均有设计的极限值。以某型号2.5MW风电机组塔架底部左右方向载荷(塔底载荷)为例,其疲劳载荷(20年)设计值为16708,意味着载荷超出该值会影响风电机组寿命;其极限设计值为46774,意味着载荷瞬时值超出会损坏机组自身安全甚至倒塔危险。因此对风电机组的载荷进行监控可以有效避免事故的发生,保证风电机组的安全。
目前的实际情况是,风电机组只是在定型阶段对样机进行载荷的型式试验,一般不对大批量安装的风电机组进行载荷监控。即使有个别风电场对载荷进行监控,也只是针对个别机组进行测试,不会对风电场的全部风电机组的载荷进行监控。而且针对现有少数载荷量的监测往往是十分钟的数据监测记录,针对载荷的瞬时变化未有关注。这主要是因为载荷测试的投入很大,大规模开展需要的费用很高。
为保障风电场内各风电机组的安全稳定运行,需要实时完成各风电机组的疲劳载荷监测。
申请号201210436487.9和201010513594.8的专利均为风电机组载荷测试系统,未涉及载荷实时监测的内容。申请号201310052643.6专利是用于风电机组载荷控制的系统和方法,未涉及载荷实时监测的内容。申请号201210580075.2是针对风电机组振动的监测系统和方法,未涉及风电机组的疲劳载荷。201010134383.3是一种风电机组疲劳载荷监测的系统,未涉及载荷实时监测的内容。201410360695.4是一种风电机组疲劳监测的方法,不涉及载荷的实时监测。发明专利“一种风电场载荷的长期评估方法”(申请公布号:CN106815771A)公开了一种风电场载荷的长期评估方法,但该方法适用于载荷的长期评估,无法做到实时监测。
目前,尚未有相关发明或实用新型专利能实时完成对各风电机组的疲劳载荷监测。
发明内容
针对现有技术的不足,本发明的目的是提出一种风电机组疲劳载荷的预警方法,该方法利用历史时刻的风电场监控系统的监控数据以及风电机组载荷测试数据构建了风电机组的载荷监测模型,并基于所述载荷监测模型和实时采集的风电场监控系统的监控数据对风电厂内各机组实时的进行风电机组疲劳载荷监测,降低了逐台测试风电机组的载荷所耗费的时间和成本,提高了风电机组载荷监测的准确度,保障了风电机组的安全稳定运行。
本发明的目的是采用下述技术方案实现的:
本发明提供一种风电机组疲劳载荷的预警方法,其改进之处在于,所述方法包括:
根据风电机组的运行数据确定风电机组各类载荷数据的运行值和理论值;
根据风电机组各类载荷数据的运行值和理论值对风电机组进行疲劳载荷预警;
其中,所述风电机组载荷数据的种类包括:叶片挥舞弯矩、叶片摆振弯矩、偏航扭转力矩、塔顶倾覆弯矩、塔顶摆振弯矩、塔底倾覆弯矩和塔底摆振弯矩。
优选的,所述运行数据包括:有功功率、发电机转速、桨距角、偏航偏差、机舱x方向加速度和机舱y方向加速度。
优选的,所述根据风电机组的运行数据确定风电机组各类载荷数据的运行值和理论值,包括:
将风电机组的运行数据分别代入预先设定的运行载荷模型和预先设定的理论载荷模型中,获取风电机组各类载荷数据的运行值和理论值。
进一步的,所述根据风电机组载荷数据的运行值和理论值对风电机组进行疲劳载荷预警,包括:
若风电机组第i类载荷数据的运行值大于风电机组第i类载荷数据的疲劳设定值,或风电机组第i类载荷数据的运行值与理论值的偏差值大于风电机组第i类载荷数据的疲劳设定值的5%,则发出第i类载荷数据对应的风电机组部位的疲劳载荷一级预警;
若风电机组第i类载荷数据的理论值大于风电机组第i类载荷数据的疲劳设定值,则发出第i类载荷数据对应的风电机组部位疲劳载荷二级预警;
其中,i∈(1~7)。
进一步的,所述叶片挥舞弯矩、叶片摆振弯矩和偏航扭转力矩对应的风电机组部位为风电机组叶根;
所述塔顶倾覆弯矩和塔顶摆振弯矩对应的风电机组部位为风电机组塔顶;
所述塔底倾覆弯矩和塔底摆振弯矩对应的风电机组部位为风电机组塔底。
进一步的,所述预先设定的运行载荷模型/理论载荷模型的训练过程,包括:
将风电机组的运行数据集/理论数据集中各历史时刻的风电机组的运行数据作为自适应神经模糊推理系统的输入层训练样本,将风电机组的运行数据集/理论数据集中各历史时刻的风电机组的载荷数据的实测值作为自适应神经模糊推理系统的输出层训练样本,训练所述自适应神经模糊推理系统,获取预先设定的运行载荷模型/理论载荷模型。
进一步的,所述风电机组的运行数据集由各历史时刻的风电机组的运行数据以及风电机组载荷数据的实测值组成,其中,所述风电机组各历史时刻的运行状态不包括启动、停机或空转。
进一步的,获取风电机组的理论数据集的过程,包括:
若所述运行数据集中第j个历史时刻对应的风电机组的有功功率和转速组成的坐标点与风电机组的有功功率-转速控制曲线的偏离度小于风电机组的有功功率-转速控制曲线的预设偏离范围、所述运行数据集中第j个历史时刻对应的风电机组的桨距角和转速组成的坐标点与风电机组的桨距角-转速控制曲线的偏离度小于风电机组的桨距角-转速控制曲线的预设偏离范围且所述运行数据集中第j个历史时刻对应的风电机组的转矩和转速组成的坐标点与风电机组的转矩-转速控制曲线的偏离度小于风电机组的转矩-转速控制曲线的预设偏离范围,则将运行数据集中第j个历史时刻的运行数据以及风电机组载荷数据的实测值填入风电机组的理论数据集;
其中,j∈(1~N),N为运行数据集中历史时刻的总数。
进一步的,按下式确定风电机组的有功功率-转速控制曲线:
按下式确定风电机组的桨距角-转速控制曲线:
按下式确定风电机组的转矩-转速控制曲线:
其中,n为风电机组的转速,nLOS为风电机组并网时的最低转速,nrated为风电机组的额定转速,nMax为风电机组并网时的最大转速,TMax1为风电机组最低转速时对应的最大转矩,T1为风电机组最大功率跟踪时对应的最大转矩,Trated为风电机组的额定转矩,T2为风电机组在恒功率控制时对应的最大转矩,P为风电机组的有功功率,PMax1风电机组最低转速时对应的最大有功功率,P1为风电机组最大功率跟踪时对应的最大有功功率,Prated风电机组的额定有功功率,β1为风电机组并网时的最大桨距角,β为风电机组的桨距角。
进一步的,按下式确定运行数据集中第j个历史时刻对应的风电机组的有功功率和转速组成的坐标点与风电机组的有功功率-转速控制曲线的偏离度dg:
式中,Pi为运行数据集中第j个历史时刻对应的风电机组的有功功率,ng为风电机组的有功功率-转速控制曲线的任一转速,Pg为风电机组的有功功率-转速控制曲线上与ng对应的有功功率,Cg为风电机组的有功功率-转速控制曲线。
按下式确定运行数据集中第j个历史时刻对应的风电机组的桨距角和转速组成的坐标点与风电机组的桨距角-转速控制曲线的偏离度dj:
式中,βi为运行数据集中第j个历史时刻对应的风电机组的桨距角,nj为风电机组的桨距角-转速控制曲线的任一转速,βj为风电机组的桨距角-转速控制曲线上与nj对应的桨距角,Cj为风电机组的桨距角-转速控制曲线;
按下式确定运行数据集中第j个历史时刻对应的风电机组的转矩和转速组成的坐标点与风电机组的转矩-转速控制曲线的偏离度dz:
式中,ni为运行数据集中第j个历史时刻对应的风电机组的转矩,Ti为风电机组的运行数据集中第i个历史时刻的风电机组转矩,nz为风电机组的转矩-转速控制曲线的任一转速,Tz为风电机组的转矩-转速控制曲线上与nz对应的转矩,CZ为风电机组的转矩-转速控制曲线。
本发明提供一种风电机组疲劳载荷的预警系统,其改进之处在于,所述系统包括:
确定模块,用于根据风电机组的运行数据确定风电机组各类载荷数据的运行值和理论值;
预警模块,用于根据风电机组各类载荷数据的运行值和理论值对风电机组进行疲劳载荷预警;
其中,所述风电机组载荷数据的种类包括:叶片挥舞弯矩、叶片摆振弯矩、偏航扭转力矩、塔顶倾覆弯矩、塔顶摆振弯矩、塔底倾覆弯矩和塔底摆振弯矩。
与最接近的现有技术相比,本发明具有的有益效果:
本发明提供的技术方案,根据风电机组的运行数据确定风电机组各类载荷数据的运行值和理论值;根据风电机组各类载荷数据的运行值和理论值对风电机组进行疲劳载荷预警;该方案利用历史时刻的风电场监控系统的监控数据以及风电机组载荷测试数据构建了风电机组的载荷监测模型,并基于所述载荷监测模型和实时采集的风电场监控系统的监控数据对风电厂内各机组实时的进行风电机组疲劳载荷监测,降低了逐台测试风电机组的载荷所耗费的时间和成本,提高了风电机组疲劳载荷监测的准确度,保障了风电机组的安全稳定运行。
本发明提供的技术方案,非常适合对运行中的风电场进行长期实时的载荷监测,尤其是针对海上风电场。
附图说明
图1是一种风电机组疲劳载荷的预警方法流程图;
图2是风电机组关键位置载荷示意图;
图3(a)是风电机组的转矩-转速控制曲线示意图;
图3(b)是风电机组的有功功率-转速控制曲线示意图;
图3(c)是风电机组的桨距角-转速控制曲线示意图;
图4是一种风电机组疲劳载荷的预警系统结构图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
本发明提供一种风电机组疲劳载荷的预警方法,如图1所示,所述方法包括:
步骤101.根据风电机组的运行数据确定风电机组各类载荷数据的运行值和理论值;
步骤102.根据风电机组各类载荷数据的运行值和理论值对风电机组进行疲劳载荷预警;
其中,如图2所示,所述风电机组载荷数据的种类包括:叶片挥舞弯矩、叶片摆振弯矩、偏航扭转力矩、塔顶倾覆弯矩、塔顶摆振弯矩、塔底倾覆弯矩和塔底摆振弯矩。
所述运行数据包括:有功功率、发电机转速、桨距角、偏航偏差、机舱x方向加速度和机舱y方向加速度。
具体的,所述步骤101,包括:
将风电机组的运行数据分别代入预先设定的运行载荷模型和预先设定的理论载荷模型中,获取风电机组各类载荷数据的运行值和理论值。
进一步的,所述步骤102,包括:
若风电机组第i类载荷数据的运行值大于风电机组第i类载荷数据的疲劳设定值,或风电机组第i类载荷数据的运行值与理论值的偏差值大于风电机组第i类载荷数据的疲劳设定值的5%,则发出第i类载荷数据对应的风电机组部位的疲劳载荷一级预警;
若风电机组第i类载荷数据的理论值大于风电机组第i类载荷数据的疲劳设定值,则发出第i类载荷数据对应的风电机组部位疲劳载荷二级预警;
其中,i∈(1~7),二级预警的级别高于一级预警的级别。
进一步的,所述叶片挥舞弯矩、叶片摆振弯矩和偏航扭转力矩对应的风电机组部位为风电机组叶根;
所述塔顶倾覆弯矩和塔顶摆振弯矩对应的风电机组部位为风电机组塔顶;
所述塔底倾覆弯矩和塔底摆振弯矩对应的风电机组部位为风电机组塔底。
具体的,所述预先设定的运行载荷模型/理论载荷模型的训练过程,包括:
将风电机组的运行数据集/理论数据集中各历史时刻的风电机组的运行数据作为自适应神经模糊推理系统的输入层训练样本,将风电机组的运行数据集/理论数据集中各历史时刻的风电机组的载荷数据的实测值作为自适应神经模糊推理系统的输出层训练样本,训练所述自适应神经模糊推理系统,获取预先设定的运行载荷模型/理论载荷模型。
具体的,所述风电机组的运行数据集由各历史时刻的风电机组的运行数据以及风电机组载荷数据的实测值组成,其中,所述风电机组各历史时刻的运行状态不包括启动、停机或空转。
在本发明的最佳实施例中,风电场监控系统(SCADA系统)通常会记录每一台风机最重要运行参数的时序数据,故而各历史时刻的风电机组的运行数据、运行状态(启动、停机、正常运行或空转)和转矩可以通过风电场监控系统(SCADA系统)获取,这里的风电机组可以选取风电场内的典型的风电机组。
各历史时刻的风电机组载荷数据的实测值可以通过安装在风电机组的叶根、塔顶和塔底上安装的应变片采集得到,其中风电机组各历史时刻的时间间隔为20ms。
另外,风电场监控系统(SCADA系统)一般测量数字量和开关量,包括:风电机组风速、风向、关键部件温度、旋转部件转速、有功功率等,数据经实时采集后由风电机组主控系就地存储并处理,随后发往风电场集控中心的SCADA服务器,因此其更新周期分别有毫秒级、秒级和分钟级。需要注意的是,本发明采用的SCADA数据(20ms级),与载荷测试数据采样周期(20ms)必须保持一致。值得注意的是,过去大部分专利和论文均处理的10min甚至1h等级数据,无法满足实时性需求。
具体的,获取风电机组的理论数据集的过程,包括:
若所述运行数据集中第j个历史时刻对应的风电机组的有功功率和转速组成的坐标点与风电机组的有功功率-转速控制曲线的偏离度小于风电机组的有功功率-转速控制曲线的预设偏离范围、所述运行数据集中第j个历史时刻对应的风电机组的桨距角和转速组成的坐标点与风电机组的桨距角-转速控制曲线的偏离度小于风电机组的桨距角-转速控制曲线的预设偏离范围且所述运行数据集中第j个历史时刻对应的风电机组的转矩和转速组成的坐标点与风电机组的转矩-转速控制曲线的偏离度小于风电机组的转矩-转速控制曲线的预设偏离范围,则将运行数据集中第j个历史时刻的运行数据以及风电机组载荷数据的实测值填入风电机组的理论数据集;
其中,j∈(1~N),N为运行数据集中历史时刻的总数。
在本发明的最佳实施例中,各控制曲线的预设偏离范围可以为2%。
具体的,图3(a)给出了风电机组的转矩-转速控制曲线的示意图,该控制曲线的数学模型如下所示:
图3(b)给出了风电机组的有功功率-转速控制曲线,该控制曲线的数学模型如下所示:
图3(c)给出了风电机组的桨距角-转速控制曲线,该控制曲线的数学模型如下所示:
其中,n为风电机组的转速,nLOS为风电机组并网时的最低转速,nrated为风电机组的额定转速,nMax为风电机组并网时的最大转速,TMax1为风电机组最低转速时对应的最大转矩,T1为风电机组最大功率跟踪时对应的最大转矩,Trated为风电机组的额定转矩,T2为风电机组在恒功率控制时对应的最大转矩,P为风电机组的有功功率,PMax1风电机组最低转速时对应的最大有功功率,P1为风电机组最大功率跟踪时对应的最大有功功率,Prated风电机组的额定有功功率,β1为风电机组并网时的最大桨距角,β为风电机组的桨距角。
具体的,按下式确定运行数据集中第j个历史时刻对应的风电机组的有功功率和转速组成的坐标点与风电机组的有功功率-转速控制曲线的偏离度dg:
式中,Pi为运行数据集中第j个历史时刻对应的风电机组的有功功率,ng为风电机组的有功功率-转速控制曲线的任一转速,Pg为风电机组的有功功率-转速控制曲线上与ng对应的有功功率,Cg为风电机组的有功功率-转速控制曲线。
按下式确定运行数据集中第j个历史时刻对应的风电机组的桨距角和转速组成的坐标点与风电机组的桨距角-转速控制曲线的偏离度dj:
式中,βi为运行数据集中第j个历史时刻对应的风电机组的桨距角,nj为风电机组的桨距角-转速控制曲线的任一转速,βj为风电机组的桨距角-转速控制曲线上与nj对应的桨距角,Cj为风电机组的桨距角-转速控制曲线;
按下式确定运行数据集中第j个历史时刻对应的风电机组的转矩和转速组成的坐标点与风电机组的转矩-转速控制曲线的偏离度dz:
式中,ni为运行数据集中第j个历史时刻对应的风电机组的转矩,Ti为风电机组的运行数据集中第i个历史时刻的风电机组转矩,nz为风电机组的转矩-转速控制曲线的任一转速,Tz为风电机组的转矩-转速控制曲线上与nz对应的转矩,CZ为风电机组的转矩-转速控制曲线。
本发明提供一种风电机组疲劳载荷的预警系统,如图4所示,所述系统包括:
确定模块,用于根据风电机组的运行数据确定风电机组各类载荷数据的运行值和理论值;
预警模块,用于根据风电机组各类载荷数据的运行值和理论值对风电机组进行疲劳载荷预警;
其中,所述风电机组载荷数据的种类包括:叶片挥舞弯矩、叶片摆振弯矩、偏航扭转力矩、塔顶倾覆弯矩、塔顶摆振弯矩、塔底倾覆弯矩和塔底摆振弯矩。
具体的,所述运行数据包括:有功功率、发电机转速、桨距角、偏航偏差、机舱x方向加速度和机舱y方向加速度。
具体的,所述确定模块,用于:
将风电机组的运行数据分别代入预先设定的运行载荷模型和预先设定的理论载荷模型中,获取风电机组各类载荷数据的运行值和理论值。
进一步的,所述预警模块,用于:
若风电机组第i类载荷数据的运行值大于风电机组第i类载荷数据的疲劳设定值,或风电机组第i类载荷数据的运行值与理论值的偏差值大于风电机组第i类载荷数据的疲劳设定值的5%,则发出第i类载荷数据对应的风电机组部位的疲劳载荷一级预警;
若风电机组第i类载荷数据的理论值大于风电机组第i类载荷数据的疲劳设定值,则发出第i类载荷数据对应的风电机组部位疲劳载荷二级预警;
其中,i∈(1~7)。
具体的,所述叶片挥舞弯矩、叶片摆振弯矩和偏航扭转力矩对应的风电机组部位为风电机组叶根;
所述塔顶倾覆弯矩和塔顶摆振弯矩对应的风电机组部位为风电机组塔顶;
所述塔底倾覆弯矩和塔底摆振弯矩对应的风电机组部位为风电机组塔底。
具体的所述预先设定的运行载荷模型/理论载荷模型的训练过程,包括:
将风电机组的运行数据集/理论数据集中各历史时刻的风电机组的运行数据作为自适应神经模糊推理系统的输入层训练样本,将风电机组的运行数据集/理论数据集中各历史时刻的风电机组的载荷数据的实测值作为自适应神经模糊推理系统的输出层训练样本,训练所述自适应神经模糊推理系统,获取预先设定的运行载荷模型/理论载荷模型。
具体的,所述风电机组的运行数据集由各历史时刻的风电机组的运行数据以及风电机组载荷数据的实测值组成,其中,所述风电机组各历史时刻的运行状态不包括启动、停机或空转。
具体的,获取风电机组的理论数据集的过程,包括:
若所述运行数据集中第j个历史时刻对应的风电机组的有功功率和转速组成的坐标点与风电机组的有功功率-转速控制曲线的偏离度小于风电机组的有功功率-转速控制曲线的预设偏离范围、所述运行数据集中第j个历史时刻对应的风电机组的桨距角和转速组成的坐标点与风电机组的桨距角-转速控制曲线的偏离度小于风电机组的桨距角-转速控制曲线的预设偏离范围且所述运行数据集中第j个历史时刻对应的风电机组的转矩和转速组成的坐标点与风电机组的转矩-转速控制曲线的偏离度小于风电机组的转矩-转速控制曲线的预设偏离范围,则将运行数据集中第j个历史时刻的运行数据以及风电机组载荷数据的实测值填入风电机组的理论数据集;
其中,j∈(1~N),N为运行数据集中历史时刻的总数。
具体的,按下式确定风电机组的有功功率-转速控制曲线:
按下式确定风电机组的桨距角-转速控制曲线:
按下式确定风电机组的转矩-转速控制曲线:
其中,n为风电机组的转速,nLOS为风电机组并网时的最低转速,nrated为风电机组的额定转速,nMax为风电机组并网时的最大转速,TMax1为风电机组最低转速时对应的最大转矩,T1为风电机组最大功率跟踪时对应的最大转矩,Trated为风电机组的额定转矩,T2为风电机组在恒功率控制时对应的最大转矩,P为风电机组的有功功率,PMax1风电机组最低转速时对应的最大有功功率,P1为风电机组最大功率跟踪时对应的最大有功功率,Prated风电机组的额定有功功率,β1为风电机组并网时的最大桨距角,β为风电机组的桨距角。
具体的,按下式确定运行数据集中第j个历史时刻对应的风电机组的有功功率和转速组成的坐标点与风电机组的有功功率-转速控制曲线的偏离度dg:
式中,Pi为运行数据集中第j个历史时刻对应的风电机组的有功功率,ng为风电机组的有功功率-转速控制曲线的任一转速,Pg为风电机组的有功功率-转速控制曲线上与ng对应的有功功率,Cg为风电机组的有功功率-转速控制曲线。
按下式确定运行数据集中第j个历史时刻对应的风电机组的桨距角和转速组成的坐标点与风电机组的桨距角-转速控制曲线的偏离度dj:
式中,βi为运行数据集中第j个历史时刻对应的风电机组的桨距角,nj为风电机组的桨距角-转速控制曲线的任一转速,βj为风电机组的桨距角-转速控制曲线上与nj对应的桨距角,Cj为风电机组的桨距角-转速控制曲线;
按下式确定运行数据集中第j个历史时刻对应的风电机组的转矩和转速组成的坐标点与风电机组的转矩-转速控制曲线的偏离度dz:
式中,ni为运行数据集中第j个历史时刻对应的风电机组的转矩,Ti为风电机组的运行数据集中第i个历史时刻的风电机组转矩,nz为风电机组的转矩-转速控制曲线的任一转速,Tz为风电机组的转矩-转速控制曲线上与nz对应的转矩,CZ为风电机组的转矩-转速控制曲线。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (20)
1.一种风电机组疲劳载荷的预警方法,其特征在于,所述方法包括:
根据风电机组的运行数据确定风电机组各类载荷数据的运行值和理论值;
根据风电机组各类载荷数据的运行值和理论值对风电机组进行疲劳载荷预警;
其中,所述风电机组载荷数据的种类包括:叶片挥舞弯矩、叶片摆振弯矩、偏航扭转力矩、塔顶倾覆弯矩、塔顶摆振弯矩、塔底倾覆弯矩和塔底摆振弯矩。
2.如权利要求1所述的方法,其特征在于,所述运行数据包括:有功功率、发电机转速、桨距角、偏航偏差、机舱x方向加速度和机舱y方向加速度。
3.如权利要求1所述的方法,其特征在于,所述根据风电机组的运行数据确定风电机组各类载荷数据的运行值和理论值,包括:
将风电机组的运行数据分别代入预先设定的运行载荷模型和预先设定的理论载荷模型中,获取风电机组各类载荷数据的运行值和理论值。
4.如权利要求1所述的方法,其特征在于,所述根据风电机组载荷数据的运行值和理论值对风电机组进行疲劳载荷预警,包括:
若风电机组第i类载荷数据的运行值大于风电机组第i类载荷数据的疲劳设定值,或风电机组第i类载荷数据的运行值与理论值的偏差值大于风电机组第i类载荷数据的疲劳设定值的5%,则发出第i类载荷数据对应的风电机组部位的疲劳载荷一级预警;
若风电机组第i类载荷数据的理论值大于风电机组第i类载荷数据的疲劳设定值,则发出第i类载荷数据对应的风电机组部位疲劳载荷二级预警;
其中,i∈(1~7)。
5.如权利要求4所述的方法,其特征在于,所述叶片挥舞弯矩、叶片摆振弯矩和偏航扭转力矩对应的风电机组部位为风电机组叶根;
所述塔顶倾覆弯矩和塔顶摆振弯矩对应的风电机组部位为风电机组塔顶;
所述塔底倾覆弯矩和塔底摆振弯矩对应的风电机组部位为风电机组塔底。
6.如权利要求3所述的方法,其特征在于,所述预先设定的运行载荷模型/理论载荷模型的训练过程,包括:
将风电机组的运行数据集/理论数据集中各历史时刻的风电机组的运行数据作为自适应神经模糊推理系统的输入层训练样本,将风电机组的运行数据集/理论数据集中各历史时刻的风电机组的载荷数据的实测值作为自适应神经模糊推理系统的输出层训练样本,训练所述自适应神经模糊推理系统,获取预先设定的运行载荷模型/理论载荷模型。
7.如权利要求6所述的方法,其特征在于,所述风电机组的运行数据集由各历史时刻的风电机组的运行数据以及风电机组载荷数据的实测值组成,其中,所述风电机组各历史时刻的运行状态不包括启动、停机或空转。
8.如权利要求7所述的方法,其特征在于,获取风电机组的理论数据集的过程,包括:
若所述运行数据集中第j个历史时刻对应的风电机组的有功功率和转速组成的坐标点与风电机组的有功功率-转速控制曲线的偏离度小于风电机组的有功功率-转速控制曲线的预设偏离范围、所述运行数据集中第j个历史时刻对应的风电机组的桨距角和转速组成的坐标点与风电机组的桨距角-转速控制曲线的偏离度小于风电机组的桨距角-转速控制曲线的预设偏离范围且所述运行数据集中第j个历史时刻对应的风电机组的转矩和转速组成的坐标点与风电机组的转矩-转速控制曲线的偏离度小于风电机组的转矩-转速控制曲线的预设偏离范围,则将运行数据集中第j个历史时刻的运行数据以及风电机组载荷数据的实测值填入风电机组的理论数据集;
其中,j∈(1~N),N为运行数据集中历史时刻的总数。
9.如权利要求8所述的方法,其特征在于,按下式确定风电机组的有功功率-转速控制曲线:
按下式确定风电机组的桨距角-转速控制曲线:
按下式确定风电机组的转矩-转速控制曲线:
其中,n为风电机组的转速,nLOS为风电机组并网时的最低转速,nrated为风电机组的额定转速,nMax为风电机组并网时的最大转速,TMax1为风电机组最低转速时对应的最大转矩,T1为风电机组最大功率跟踪时对应的最大转矩,Trated为风电机组的额定转矩,T2为风电机组在恒功率控制时对应的最大转矩,P为风电机组的有功功率,PMax1风电机组最低转速时对应的最大有功功率,P1为风电机组最大功率跟踪时对应的最大有功功率,Prated风电机组的额定有功功率,β1为风电机组并网时的最大桨距角,β为风电机组的桨距角。
10.如权利要求8所述的方法,其特征在于,按下式确定运行数据集中第j个历史时刻对应的风电机组的有功功率和转速组成的坐标点与风电机组的有功功率-转速控制曲线的偏离度dg:
式中,Pi为运行数据集中第j个历史时刻对应的风电机组的有功功率,ng为风电机组的有功功率-转速控制曲线的任一转速,Pg为风电机组的有功功率-转速控制曲线上与ng对应的有功功率,Cg为风电机组的有功功率-转速控制曲线。
按下式确定运行数据集中第j个历史时刻对应的风电机组的桨距角和转速组成的坐标点与风电机组的桨距角-转速控制曲线的偏离度dj:
式中,βi为运行数据集中第j个历史时刻对应的风电机组的桨距角,nj为风电机组的桨距角-转速控制曲线的任一转速,βj为风电机组的桨距角-转速控制曲线上与nj对应的桨距角,Cj为风电机组的桨距角-转速控制曲线;
按下式确定运行数据集中第j个历史时刻对应的风电机组的转矩和转速组成的坐标点与风电机组的转矩-转速控制曲线的偏离度dz:
式中,ni为运行数据集中第j个历史时刻对应的风电机组的转矩,Ti为风电机组的运行数据集中第i个历史时刻的风电机组转矩,nz为风电机组的转矩-转速控制曲线的任一转速,Tz为风电机组的转矩-转速控制曲线上与nz对应的转矩,CZ为风电机组的转矩-转速控制曲线。
11.一种风电机组疲劳载荷的预警系统,其特征在于,所述系统包括:
确定模块,用于根据风电机组的运行数据确定风电机组各类载荷数据的运行值和理论值;
预警模块,用于根据风电机组各类载荷数据的运行值和理论值对风电机组进行疲劳载荷预警;
其中,所述风电机组载荷数据的种类包括:叶片挥舞弯矩、叶片摆振弯矩、偏航扭转力矩、塔顶倾覆弯矩、塔顶摆振弯矩、塔底倾覆弯矩和塔底摆振弯矩。
12.如权利要求11所述的系统,其特征在于,所述运行数据包括:有功功率、发电机转速、桨距角、偏航偏差、机舱x方向加速度和机舱y方向加速度。
13.如权利要求11所述的系统,其特征在于,所述确定模块,用于:
将风电机组的运行数据分别代入预先设定的运行载荷模型和预先设定的理论载荷模型中,获取风电机组各类载荷数据的运行值和理论值。
14.如权利要求11所述的系统,其特征在于,所述预警模块,用于:
若风电机组第i类载荷数据的运行值大于风电机组第i类载荷数据的疲劳设定值,或风电机组第i类载荷数据的运行值与理论值的偏差值大于风电机组第i类载荷数据的疲劳设定值的5%,则发出第i类载荷数据对应的风电机组部位的疲劳载荷一级预警;
若风电机组第i类载荷数据的理论值大于风电机组第i类载荷数据的疲劳设定值,则发出第i类载荷数据对应的风电机组部位疲劳载荷二级预警;
其中,i∈(1~7)。
15.如权利要求14所述的系统,其特征在于,所述叶片挥舞弯矩、叶片摆振弯矩和偏航扭转力矩对应的风电机组部位为风电机组叶根;
所述塔顶倾覆弯矩和塔顶摆振弯矩对应的风电机组部位为风电机组塔顶;
所述塔底倾覆弯矩和塔底摆振弯矩对应的风电机组部位为风电机组塔底。
16.如权利要求13所述的系统,其特征在于,所述预先设定的运行载荷模型/理论载荷模型的训练过程,包括:
将风电机组的运行数据集/理论数据集中各历史时刻的风电机组的运行数据作为自适应神经模糊推理系统的输入层训练样本,将风电机组的运行数据集/理论数据集中各历史时刻的风电机组的载荷数据的实测值作为自适应神经模糊推理系统的输出层训练样本,训练所述自适应神经模糊推理系统,获取预先设定的运行载荷模型/理论载荷模型。
17.如权利要求16所述的系统,其特征在于,所述风电机组的运行数据集由各历史时刻的风电机组的运行数据以及风电机组载荷数据的实测值组成,其中,所述风电机组各历史时刻的运行状态不包括启动、停机或空转。
18.如权利要求17所述的系统,其特征在于,获取风电机组的理论数据集的过程,包括:
若所述运行数据集中第j个历史时刻对应的风电机组的有功功率和转速组成的坐标点与风电机组的有功功率-转速控制曲线的偏离度小于风电机组的有功功率-转速控制曲线的预设偏离范围、所述运行数据集中第j个历史时刻对应的风电机组的桨距角和转速组成的坐标点与风电机组的桨距角-转速控制曲线的偏离度小于风电机组的桨距角-转速控制曲线的预设偏离范围且所述运行数据集中第j个历史时刻对应的风电机组的转矩和转速组成的坐标点与风电机组的转矩-转速控制曲线的偏离度小于风电机组的转矩-转速控制曲线的预设偏离范围,则将运行数据集中第j个历史时刻的运行数据以及风电机组载荷数据的实测值填入风电机组的理论数据集;
其中,j∈(1~N),N为运行数据集中历史时刻的总数。
19.如权利要求18所述的系统,其特征在于,按下式确定风电机组的有功功率-转速控制曲线:
按下式确定风电机组的桨距角-转速控制曲线:
按下式确定风电机组的转矩-转速控制曲线:
其中,n为风电机组的转速,nLOS为风电机组并网时的最低转速,nrated为风电机组的额定转速,nMax为风电机组并网时的最大转速,TMax1为风电机组最低转速时对应的最大转矩,T1为风电机组最大功率跟踪时对应的最大转矩,Trated为风电机组的额定转矩,T2为风电机组在恒功率控制时对应的最大转矩,P为风电机组的有功功率,PMax1风电机组最低转速时对应的最大有功功率,P1为风电机组最大功率跟踪时对应的最大有功功率,Prated风电机组的额定有功功率,β1为风电机组并网时的最大桨距角,β为风电机组的桨距角。
20.如权利要求18所述的系统,其特征在于,按下式确定运行数据集中第j个历史时刻对应的风电机组的有功功率和转速组成的坐标点与风电机组的有功功率-转速控制曲线的偏离度dg:
式中,Pi为运行数据集中第j个历史时刻对应的风电机组的有功功率,ng为风电机组的有功功率-转速控制曲线的任一转速,Pg为风电机组的有功功率-转速控制曲线上与ng对应的有功功率,Cg为风电机组的有功功率-转速控制曲线。
按下式确定运行数据集中第j个历史时刻对应的风电机组的桨距角和转速组成的坐标点与风电机组的桨距角-转速控制曲线的偏离度dj:
式中,βi为运行数据集中第j个历史时刻对应的风电机组的桨距角,nj为风电机组的桨距角-转速控制曲线的任一转速,βj为风电机组的桨距角-转速控制曲线上与nj对应的桨距角,Cj为风电机组的桨距角-转速控制曲线;
按下式确定运行数据集中第j个历史时刻对应的风电机组的转矩和转速组成的坐标点与风电机组的转矩-转速控制曲线的偏离度dz:
式中,ni为运行数据集中第j个历史时刻对应的风电机组的转矩,Ti为风电机组的运行数据集中第i个历史时刻的风电机组转矩,nz为风电机组的转矩-转速控制曲线的任一转速,Tz为风电机组的转矩-转速控制曲线上与nz对应的转矩,CZ为风电机组的转矩-转速控制曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911204055.3A CN111287911A (zh) | 2019-11-29 | 2019-11-29 | 一种风电机组疲劳载荷的预警方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911204055.3A CN111287911A (zh) | 2019-11-29 | 2019-11-29 | 一种风电机组疲劳载荷的预警方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111287911A true CN111287911A (zh) | 2020-06-16 |
Family
ID=71030315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911204055.3A Pending CN111287911A (zh) | 2019-11-29 | 2019-11-29 | 一种风电机组疲劳载荷的预警方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111287911A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112283047A (zh) * | 2020-09-10 | 2021-01-29 | 中车株洲电力机车研究所有限公司 | 一种基于风电机组净空监测的载荷监控方法及系统 |
CN113991754A (zh) * | 2021-12-24 | 2022-01-28 | 中国电力科学研究院有限公司 | 一种风电场的控制方法、系统及计算设备 |
CN114060235A (zh) * | 2021-12-28 | 2022-02-18 | 安徽驭风能源科技有限公司 | 一种风力发电的叶片在线疲劳监控系统 |
WO2022142149A1 (zh) * | 2020-12-31 | 2022-07-07 | 新疆金风科技股份有限公司 | 载荷传感器标定方法、装置及计算机可读存储介质 |
CN116667344A (zh) * | 2023-07-31 | 2023-08-29 | 浙江大学 | 海上风电场自适应局域疲劳载荷均衡调度方法及装置 |
-
2019
- 2019-11-29 CN CN201911204055.3A patent/CN111287911A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112283047A (zh) * | 2020-09-10 | 2021-01-29 | 中车株洲电力机车研究所有限公司 | 一种基于风电机组净空监测的载荷监控方法及系统 |
CN112283047B (zh) * | 2020-09-10 | 2022-07-12 | 中车株洲电力机车研究所有限公司 | 一种基于风电机组净空监测的载荷监控方法及系统 |
WO2022142149A1 (zh) * | 2020-12-31 | 2022-07-07 | 新疆金风科技股份有限公司 | 载荷传感器标定方法、装置及计算机可读存储介质 |
CN113991754A (zh) * | 2021-12-24 | 2022-01-28 | 中国电力科学研究院有限公司 | 一种风电场的控制方法、系统及计算设备 |
CN113991754B (zh) * | 2021-12-24 | 2022-03-18 | 中国电力科学研究院有限公司 | 一种风电场的控制方法、系统及计算设备 |
CN114060235A (zh) * | 2021-12-28 | 2022-02-18 | 安徽驭风能源科技有限公司 | 一种风力发电的叶片在线疲劳监控系统 |
CN116667344A (zh) * | 2023-07-31 | 2023-08-29 | 浙江大学 | 海上风电场自适应局域疲劳载荷均衡调度方法及装置 |
CN116667344B (zh) * | 2023-07-31 | 2023-10-10 | 浙江大学 | 海上风电场自适应局域疲劳载荷均衡调度方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111287911A (zh) | 一种风电机组疲劳载荷的预警方法和系统 | |
CN106815771B (zh) | 一种风电场载荷的长期评估方法 | |
US11713747B2 (en) | Wind turbine control method | |
JP6906354B2 (ja) | 風車発電機の疲労損傷量算出装置、風力発電システム、及び風車発電機の疲労損傷量算出方法 | |
US8301310B2 (en) | Wind turbine operational method | |
EP3121442B1 (en) | Operating wind turbines | |
CN111794909B (zh) | 面向扇区调控的风电场级偏航动态优化方法和系统 | |
CN106126843A (zh) | 一种基于Matlab的Bladed风机载荷处理系统 | |
CN103161667B (zh) | 一种风电机组载荷的控制系统及其控制方法 | |
CN113591359B (zh) | 一种风电机组切入/切出风速调优方法、系统及设备介质 | |
van der Hoek et al. | Comparison of down-regulation strategies for wind farm control and their effects on fatigue loads | |
CN112031996B (zh) | 一种优化风电机组偏航运动时机舱振动超限的方法及系统 | |
WO2022001251A1 (zh) | 风力发电机组及其控制方法、控制器和控制系统 | |
US20230265832A1 (en) | Load control method and apparatus for wind turbine generator system | |
WO2012149984A1 (en) | System and method for operating a wind turbine using an adaptive speed reference | |
CN112610412B (zh) | 一种基于载荷检测的风电机组叶片净空控制方法 | |
Dahlberg et al. | Load/fatigue effects on a wind turbine generator in a wind farm | |
CN114689237A (zh) | 载荷传感器标定方法、装置及计算机可读存储介质 | |
CN116292094B (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 | |
CN116542030A (zh) | 基于轨迹灵敏度的双馈风机参数辨识方法、系统及设备 | |
CN111396251B (zh) | 基于最大推力限制操作风力涡轮机的方法 | |
CN114566981A (zh) | 一种基于数据预测的风电场一次调频控制方法 | |
JP6865672B2 (ja) | 風力発電装置の評価方法および設計方法 | |
CN113468765B (zh) | 部件寿命确定方法、系统和可读存储介质 | |
Berg et al. | Wind Turbine Structural Path Stress & Fatigue Reductions Resulting from Active Aerodynamics*. |
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 |