CN111441917B - 基于扇区的风电机组的预定部件的载荷预估方法和装置 - Google Patents
基于扇区的风电机组的预定部件的载荷预估方法和装置 Download PDFInfo
- Publication number
- CN111441917B CN111441917B CN201910040095.2A CN201910040095A CN111441917B CN 111441917 B CN111441917 B CN 111441917B CN 201910040095 A CN201910040095 A CN 201910040095A CN 111441917 B CN111441917 B CN 111441917B
- Authority
- CN
- China
- Prior art keywords
- load
- sector
- sub
- equivalent fatigue
- wind speed
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000011217 control strategy Methods 0.000 claims description 61
- 238000004088 simulation Methods 0.000 claims description 26
- 238000009826 distribution Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 description 20
- 238000013461 design Methods 0.000 description 19
- 238000011156 evaluation Methods 0.000 description 18
- 239000000463 material Substances 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000012876 topography Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000005452 bending Methods 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping 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
- 238000013433 optimization analysis Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000010998 test method Methods 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
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
Abstract
本发明提供一种基于扇区的风电机组的预定部件的载荷预估方法和装置,所述载荷预估方法包括:针对风电机组划分为多个扇区,确定每个扇区下的每个预设风速段对应的子工况下的等效疲劳载荷;确定风电机组的所述预定部件的类型;根据确定的所述等效疲劳载荷,确定所述类型的预定部件的最终等效疲劳载荷。采用本发明示例性实施例的基于扇区的风电机组的预定部件的载荷预估方法和装置,能够快速得到每个扇区中任意风速段下的等效疲劳载荷,有助于进一步分析得到每个风速段对单一扇区载荷的影响,以实现更精确的载荷评估。
Description
技术领域
本发明总体说来涉及风力发电技术领域,更具体地讲,涉及一种基于扇区的风电机组的预定部件的载荷预估方法和装置。
背景技术
在风电场项目的风电机组选型的过程中,风电机组的风资源精确评估及相应的风电机组安全评估,是风电场设计的重要环节。
目前,随着风电场的地形和风电机组本身设计越来越复杂,为满足对风电机组载荷评估精细化的要求,可以采用按扇区的载荷评估方式。这种载荷评估方式,对于风电机组中的每个部件均是采用将该部件的所有扇区的载荷进行叠加的方式来获得该部件的等效疲劳载荷。
然而,对于风电机组中的塔架、塔底等无法旋转的部件,由于其所有载荷不在一个方向上,如果采用上述载荷评估方式将所有扇区叠加后的载荷作为该部件的等效疲劳载荷,则会导致所确定的等效疲劳载荷与该部件的真实载荷分布情况存在较大差异,使得对塔架、塔底等部件的载荷评估结果不够准确。
此外,整机厂商的设计评估主要都是基于GL2003&2010或者IEC标准(例如,IEC61400-1 2005 AMD 1-2010,风力涡轮机设计要求)进行风资源和风电机组载荷安全评估。
对于大型风电场的尾流和复杂地形效应,在通用国际标准IEC 61400-1 AMD 1-2010里,对于整机载荷安全评估,提供了一种建议:在风电机组正常运行期间,可考虑相邻风力涡轮机的尾流效应,利用Frandsen经验公式计算有效湍流强度,再基于有效湍流强度进行疲劳计算,其中,有效湍流强度以轮毂高度平均风速为条件。也就是说,通过仅加权各扇区湍流强度的方式,来考虑尾流的载荷效应,这种建议方式使得风资源的扇区的输出到载荷的评估时为风参加权值,参量大为减少,便于前期载荷安全评估时的快速仿真实现。目前都是基于上述通用国际标准中的建议来进行风场载荷安全设计的。
但是,上述有效湍流强度是应用Frandsen经验公式后得到的,是一个含有力学变量(即,引入了SN曲线的Wohler指数m)的复杂风参数,其物理意义不易解释。同时,一台风电机组不同材料的各部件的m值都不一样,这给同一机点位的有效湍流强度按部件来提取和整机载荷仿真带来输入风参的选择困难,同时和载荷仿真时后处理采用的m值极易混淆。因此实际整机载荷仿真的时候往往选取了相对保守的Wohler指数的湍流强度加权值,以此作为各部位的风参输入会造成对载荷评估的不准确。
发明内容
本发明的示例性实施例的目的在于提供一种基于扇区的风电机组的预定部件的载荷预估方法和装置,以克服上述至少一种缺陷。
在一个总体方面,提供一种基于扇区的风电机组的预定部件的载荷预估方法,包括:针对风电机组划分为多个扇区,确定每个扇区下的每个预设风速段对应的子工况下的等效疲劳载荷;确定风电机组的所述预定部件的类型;根据确定的所述等效疲劳载荷,确定所述类型的预定部件的最终等效疲劳载荷。
可选地,所述预定部件的类型可包括旋转部件和固定部件,其中,根据确定的所述等效疲劳载荷,确定所述类型的预定部件的最终等效疲劳载荷的步骤可包括:如果确定所述预定部件为旋转部件,则确定所述预定部件的整体等效疲劳载荷,将确定的整体等效疲劳载荷作为所述预定部件的最终等效疲劳载荷,如果确定所述预定部件为固定部件,则确定所述预定部件的扇区等效疲劳载荷,将各扇区的扇区等效疲劳载荷作为所述预定部件的最终等效疲劳载荷。
可选地,确定所述预定部件的整体等效疲劳载荷的步骤可包括:确定所述预定部件的所有扇区下的所有子工况下的整体等效疲劳载荷,其中,确定所述预定部件的扇区等效疲劳载荷的步骤可包括:确定所述预定部件的每个扇区下的所有子工况下的扇区等效疲劳载荷。
可选地,确定所述预定部件的所有扇区下的所有子工况下的整体等效疲劳载荷的步骤可包括:根据所有扇区下的所有子工况下的等效疲劳载荷、每个子工况的工况占比以及所述预定部件的SN曲线的wohler指数,获得所述预定部件的整体疲劳载荷。
可选地,可通过以下方式确定所述预定部件的任一扇区下的所有子工况下的扇区等效疲劳载荷:根据所述任一扇区下的所有子工况下的等效疲劳载荷、每个子工况的工况占比以及所述预定部件的SN曲线的wohler指数,获得所述预定部件在所述任一扇区的扇区疲劳载荷。
可选地,可通过以下方式确定每个扇区下的每个预设风速段对应的子工况:获取所述预定部件在每个扇区所对应的风资源数据,其中,所述风资源数据可包括风速和其他风参数;针对所述预定部件的每个扇区,根据每个预设风速段内各风速对应的其他风参数,获得与该扇区下的每个预设风速段对应的子工况。
可选地,所述其他风参数可包括以下项中的至少一项:湍流强度、空气密度、入流角、风切变、风频分布值。
可选地,所述载荷预估方法可还包括:确定在每个扇区下的每个预设风速段对应的子工况下的控制策略,其中,可通过以下方式确定任一扇区下的任一预设风速段对应的子工况下的等效疲劳载荷:根据所述任一扇区下的所述任一预设风速段对应的子工况以及所对应的控制策略,获得所述任一扇区下的所述任一预设风速段对应的子工况下的等效疲劳载荷。
可选地,可通过以下方式确定任一扇区下的任一预设风速段对应的子工况下的等效疲劳载荷:通过将所述任一扇区下的所述任一预设风速段对应的子工况输入载荷预估模型,获得所述任一扇区下的所述任一预设风速段对应的子工况下的等效疲劳载荷,或者,从载荷样本库中查找与所述任一预设风速段对应的子工况匹配的等效疲劳载荷。
可选地,载荷样本库中可存储有多个子工况以及与所述多个子工况对应的等效疲劳载荷,其中,可通过以下方式来建立载荷样本库:将基于扇区的常规仿真工况和/或基于扇区执行各种控制策略的工况作为基准工况,通过对基准工况进行扩充来获得多个子工况,通过仿真获得与所述多个子工况对应的等效疲劳载荷,根据所述多个子工况和与所述多个子工况对应的等效疲劳载荷建立载荷样本库。
可选地,所述载荷预估方法可还包括:计算每个扇区下的每个预设风速段对应的载荷影响程度指标;基于所述载荷影响程度指标确定每个扇区的敏感风速段,针对确定的敏感风速段制定相应地的扇区管理控制策略。
在另一总体方面,提供一种基于扇区的风电机组的预定部件的载荷预估装置,包括:子工况载荷确定模块,针对风电机组划分为多个扇区,确定每个扇区下的每个预设风速段对应的子工况下的等效疲劳载荷;部件类型确定模块,确定风电机组的所述预定部件的类型;最终载荷确定模块,根据确定的所述等效疲劳载荷,确定所述类型的预定部件的最终等效疲劳载荷。
可选地,所述预定部件的类型可包括旋转部件和固定部件,其中,最终载荷确定模块可包括:整体载荷确定子模块,如果确定所述预定部件为旋转部件,则确定所述预定部件的整体等效疲劳载荷,将确定的整体等效疲劳载荷作为所述预定部件的最终等效疲劳载荷;扇区载荷确定子模块,如果确定所述预定部件为固定部件,则确定所述预定部件的扇区等效疲劳载荷,将各扇区的扇区等效疲劳载荷作为所述预定部件的最终等效疲劳载荷。
可选地,整体载荷确定子模块可确定所述预定部件的所有扇区下的所有子工况下的整体等效疲劳载荷,其中,扇区载荷确定子模块可确定所述预定部件的每个扇区下的所有子工况下的扇区等效疲劳载荷。
可选地,整体载荷确定子模块可根据所有扇区下的所有子工况下的等效疲劳载荷、每个子工况的工况占比以及所述预定部件的SN曲线的wohler指数,获得所述预定部件的整体疲劳载荷。
可选地,扇区载荷确定子模块可根据任一扇区下的所有子工况下的等效疲劳载荷、每个子工况的工况占比以及所述预定部件的SN曲线的wohler指数,获得所述预定部件在所述任一扇区的扇区疲劳载荷。
可选地,所述载荷预估装置可还包括:数据获取子模块,获取所述预定部件在每个扇区所对应的风资源数据,其中,所述风资源数据包括风速和其他风参数;子工况确定子模块,针对所述预定部件的每个扇区,根据每个预设风速段内各风速对应的其他风参数,获得与该扇区下的每个预设风速段对应的子工况。
可选地,所述其他风参数可包括以下项中的至少一项:湍流强度、空气密度、入流角、风切变、风频分布值。
可选地,子工况载荷确定模块可还确定在每个扇区下的每个预设风速段对应的子工况下的控制策略,根据每个扇区下的每个预设风速段对应的子工况以及各子工况所对应的控制策略,获得每个扇区下的每个预设风速段对应的子工况下的等效疲劳载荷。
可选地,子工况载荷确定模块可通过以下方式确定任一扇区下的任一预设风速段对应的子工况下的等效疲劳载荷:通过将所述任一扇区下的所述任一预设风速段对应的子工况输入载荷预估模型,获得所述任一扇区下的所述任一预设风速段对应的子工况下的等效疲劳载荷,或者,从载荷样本库中查找与所述任一预设风速段对应的子工况匹配的等效疲劳载荷。
可选地,载荷样本库中可存储有多个子工况以及与所述多个子工况对应的等效疲劳载荷,其中,所述载荷预估装置可还包括样本库建立模块,通过以下方式来建立载荷样本库:将基于扇区的常规仿真工况和/或基于扇区执行各种控制策略的工况作为基准工况,通过对基准工况进行扩充来获得多个子工况,通过仿真获得与所述多个子工况对应的等效疲劳载荷,根据所述多个子工况和与所述多个子工况对应的等效疲劳载荷建立载荷样本库。
可选地,所述载荷预估装置可还包括:指标确定模块,计算每个扇区下的每个预设风速段对应的载荷影响程度指标;控制策略制定模块,基于所述载荷影响程度指标确定每个扇区的敏感风速段,针对确定的敏感风速段制定相应地的扇区管理控制策略。
在另一总体方面,提供一种存储有计算机程序的计算机可读存储介质,当所述计算机程序在被处理器执行时实现上述的基于扇区的风电机组的预定部件的载荷预估方法。
在另一总体方面,提供一种计算装置,所述计算装置包括:处理器;存储器,存储有计算机程序,当所述计算机程序被处理器执行时,实现上述的基于扇区的风电机组的预定部件的载荷预估方法。
采用本发明示例性实施例的基于扇区的风电机组的预定部件的载荷预估方法和装置,能够快速得到每个扇区中任意风速段下的等效疲劳载荷,有助于进一步分析得到每个风速段对单一扇区载荷的影响,以实现更精确的载荷评估。
附图说明
通过下面结合附图进行的描述,本发明的上述和其他目的和特点将会变得更加清楚,其中:
图1示出根据本发明示例性实施例的基于扇区的风电机组的预定部件的载荷预估方法的流程图;
图2示出根据本发明示例性实施例的建立载荷样本库的步骤的流程图;
图3示出根据本发明示例性实施例的确定风电机组的预定部件的最终等效疲劳载荷的步骤的流程图;
图4示出根据本发明示例性实施例的用于制定扇区管理控制策略的步骤的流程图;
图5示出根据本发明示例性实施例的基于扇区的风电机组的预定部件的载荷预估装置的框图;
图6示出根据本发明示例性实施例的最终载荷确定模块的框图;
图7示出根据本发明示例性实施例的用于制定扇区管理控制策略的装置的框图。
具体实施方式
现在,将参照附图更充分地描述不同的示例实施例,一些示例性实施例在附图中示出。
图1示出根据本发明示例性实施例的基于扇区的风电机组的预定部件的载荷预估方法的流程图。
参照图1,在步骤S10中,针对风电机组划分为多个扇区,确定每个扇区下的每个预设风速段对应的子工况下的等效疲劳载荷。
在一优选实施例中,可通过以下方式确定每个扇区下的每个预设风速段对应的子工况:获取预定部件在每个扇区所对应的风资源数据,针对所述预定部件的每个扇区,根据每个预设风速段内各风速对应的其他风参数,获得与该扇区下的每个预设风速段对应的子工况。作为示例,风资源数据可包括风速和其他风参数。
这里,针对风电机组划分为多个扇区是指将风电机组按来流方向划分为多个扇区。此时,在步骤S10中获取的风资源数据可包括风电机组的预定部件的每个扇区所对应的风速和其他风参数。
作为示例,其他风参数可包括但不限于以下项中的至少一项:湍流强度、空气密度、入流角、风切变、风频分布值。
在本发明示例性实施例中,用于确定等效疲劳载荷的多个参数为各扇区的风资源数据,避免了在确定输入风参阶段引用力学参数m值。
优选地,可将全风速范围划分为多个预设风速段(风速段也可称为风仓),此时,可获取每个预设风速段内各风速对应的其他风参数,例如,可获取每个预设风速段内各风速对应的湍流强度、空气密度、入流角、风切变和/或风频分布值,基于获取的各参数来生成子工况。作为示例,全风速范围可指2米/秒~20米/秒的风速范围,但本发明不限于此,本领域技术人员也可以根据需要来调整全风速范围的大小。
也就是说,利用预定部件的一个扇区下的一个预设风速段对应的风资源数据可生成一个子工况。在一优选实施例中,任一子工况下的参数可包括与该任一子工况对应的预设风速段的风速代表值、该预设风速段对应的湍流强度、空气密度、入流角、风切变、风频分布值。
作为示例,任一预设风速段的风速代表值可为该任一预设风速段的风速取值范围的中间值。例如,假设一预设风速段的风速取值范围为3.5米/秒~4.5米/秒,则该预设风速段的风速代表值可为4米/秒。但本发明不限于此,也可以通过其他方式来选取任一预设风速段的风速代表值。
现有的有效湍流强度,是利用Frandsen经验公式获得的,该有效湍流强度是一个引入了SN曲线的m值的复杂风参数。在本发明示例性实施例中,任一预设风速段对应的湍流强度可为该任一预设风速段的湍流强度特征值。即,该湍流强度为非周向加权环境湍流强度,避免了m值的引入。
作为示例,任一预设风速段对应的空气密度可为该任一预设风速段内各风速对应的空气密度的平均值,任一预设风速段对应的入流角可为该任一预设风速段内各风速对应的入流角的平均值,任一预设风速段对应的风切变可为该任一预设风速段内各风速对应的风切变的平均值。
在一优选实施例中,可还获取风电机组的机型、轮毂高度、预定部件的三维坐标、切入风速和/或切出风速。在此情况下,任一子工况下的参数可包括风电机组的机型、轮毂高度、预定部件的三维坐标、空气密度、风切变、预设风速段的风速代表值、入流角、切入风速、切出风速、湍流强度、风频分布值。
优选地,根据本发明示例性实施例的基于扇区的风电机组的预定部件的载荷预估方法可还包括:确定在每个扇区下的每个预设风速段对应的子工况下的控制策略。作为示例,控制策略可包括但不限于停机控制策略(Idling)、转速控制策略、变桨控制策略。
在一个示例中,可将现有的载荷设计工况应用到预定部件的所有扇区下,并根据扇区控制的需求(例如,以控制策略为是否停机为例)制定如表1所示的基于扇区管理模式的载荷设计工况。在表1所示的示例中,对于实施停机控制策略的风速段,可增加DLC6.4的相应风速段对应的子工况,减少DLC1.2相应风速段对应的子工况。
表1
在表1中,Vin表示切入风速,Vout表示切出风速,Vref表示参考风速,Vr表示额定风速,Vr-2表示额定风速减去2米/秒后的风速,Vr+2表示额定风速加上2米/秒后的风速。工况类型S表示瞬态工况,即,某种状态发生的次数,例如,发生掉电多少次。工况类型T表示持续工况,持续时间的时长。
下面介绍确定每个扇区下的每个预设风速段对应的子工况下的等效疲劳载荷的过程。
在本发明示例性实施例中,根据基于IEC标准的传统风参数和载荷评估模式,对载荷仿真时风参数输入创新提出扇区风参模式,进行专门基于扇区模式的载荷仿真分析,即,分扇区进行载荷评估。但是,针对一个机位点的实际疲劳仿真可能涉及一千多个工况,如果针对每个工况进行仿真来获得对应的载荷,则需要巨大的计算资源。为此在本发明示例性实施例中,通过预先建立载荷样本库或者预先训练好载荷预估模型,使得能够快速获得与每个子工况对应的等效疲劳载荷,以有效缩减计算时间。
在一个示例中,可基于载荷样本库来确定每个子工况下的等效疲劳载荷。
例如,确定任一扇区下的任一预设风速段对应的子工况下的等效疲劳载荷的步骤可包括:从载荷样本库中查找与该任一预设风速段对应的子工况匹配的等效疲劳载荷。
这里,载荷样本库中可存储有多个子工况以及与多个子工况对应的等效疲劳载荷。在此情况下,可从载荷样本库中查找与任一预设风速段对应的子工况匹配的等效疲劳载荷。下面参照图2来介绍建立载荷样本库的步骤。
图2示出根据本发明示例性实施例的建立载荷样本库的步骤的流程图。
参照图2,在步骤S201中,将基于扇区的常规仿真工况和/或基于扇区执行各种控制策略的工况作为基准工况,通过对基准工况进行扩充来获得多个子工况。优选地,可利用正交法或者均匀设计方法来对基准工况进行扩充以获得多个子工况。
这里,正交法(即,正交试验设计,Orthogonal experimental design)是研究多因素多水平的一种设计方法,正交法是根据正交性从全面试验中挑选出部分有代表性的点(作为示例,有代表性的点可指上述的湍流强度、空气密度、入流角和/或风切变)进行试验,这些有代表性的点具备了“均匀分散,齐整可比”的特点。例如,可以基准工况中的湍流强度、空气密度、入流角、风切变的数值为基准,以“均匀分散,齐整可比”为原则选取多个其他数值的湍流强度、空气密度、入流角、风切变,对上述各参数的数值进行组合获得多个子工况。
例如,均匀设计法是利用均匀设计表来安排试验,用回归分析进行数据分析的一种试验方法,其基本思想是使试验点在因素空间中具有较好的均匀分散性。表2示出的是利用均匀设计法来获得多个子工况的示例。
表2
在表2所示的示例中,第一列为子工况的编号,每一行中打勾的参数为该行对应的子工况下的参数,其中,I5指的是风速代表值为5米/秒的预设风速段对应的湍流强度,I7指的是风速代表值为7米/秒的预设风速段对应的湍流强度,以此类推。Iin指的是风速代表值为切入风速的预设风速段对应的湍流强度,Ir指的是风速代表值为额定风速的预设风速段对应的湍流强度,Iout指的是风速代表值为切出风速的预设风速段对应的湍流强度,Iend指的是风速代表值为截止风速的预设风速段对应的湍流强度。应理解,表2示出的仅是部分子工况和子工况对应的参数,按照上述表2所示的方式即可获得多个子工况,本发明对此不再赘述。
在步骤S202中,通过仿真获得与多个子工况对应的等效疲劳载荷。
例如,可利用各种仿真方式来获得与各子工况对应的等效疲劳载荷。作为示例,可利用Bladed仿真软件来获得与各子工况对应的等效疲劳载荷。但本发明不限与此,还可以通过其他软件(例如,Hawc2、Simpack、Fast等)来仿真获得与各子工况对应的等效疲劳载荷。
作为示例,上述获得的等效疲劳载荷可包括与每个子工况对应的等效疲劳载荷Fx、Fy、Fz、Mx、My、Mz,其中,Fx表示第一预定方向上的力,Fy表示第二预定方向上的力,Fz表示第三预定方向上的力,Mx表示第一预定方向上的弯矩,My表示第二预定方向上的弯矩,Mz表示第三预定方向上的弯矩。
例如,可获得风电机组的叶根(m=4)在多个子工况下的等效疲劳载荷,叶根(m=10)在多个子工况下的等效疲劳载荷,固定轮毂(m=4)在多个子工况下的等效疲劳载荷,固定轮毂(m=10)在多个子工况下的等效疲劳载荷,旋转轮毂(m=4)在多个子工况下的等效疲劳载荷,旋转轮毂(m=10)在多个子工况下的等效疲劳载荷,偏航轴承(m=4)在多个子工况下的等效疲劳载荷,塔顶(m=4)在多个子工况下的等效疲劳载荷,塔底(m=4)在多个子工况下的等效疲劳载荷等,本发明不一一列举。这里,风电机组的部件的m值不同表示该部件的制作材料不同。
在步骤S203中,根据多个子工况和与多个子工况对应的等效疲劳载荷建立载荷样本库。此时,载荷样本库中包含了多个子工况与等效疲劳载荷的对应关系,能够满足对扇区载荷精细化评估的需求。
这里,应理解,上述图2所示的建立载荷样本库的方式仅为一优选示例,本发明不限于此,本领域技术人员还可以通过其他方式来建立针对各子工况的等效疲劳载荷样本库。
在另一示例中,可利用载荷预估模型来确定每个子工况下的等效疲劳载荷。
例如,确定任一扇区下的任一预设风速段对应的子工况下的等效疲劳载荷的步骤可包括:通过将任一扇区下的任一预设风速段对应的子工况输入载荷预估模型,获得该任一扇区下的该任一预设风速段对应的子工况下的等效疲劳载荷。
优选地,载荷预估模型可为线性模型,但本发明不限于此,载荷预估模型也可以是非线性模型。
应理解,上述载荷预估模型为已经训练好的模型,在一优选实施例中,可利用上述载荷样本库中的数据来对载荷预估模型进行训练。
例如,可将载荷样本库中的多个子工况作为载荷预估模型的输入,将载荷样本库中与多个子工况对应的等效疲劳载荷作为载荷预估模型的输出,来对载荷预估模型进行训练。
作为示例,针对上述载荷样本库,可通过线性插值或者多元回归的方式来建立载荷预估模型。表3示出的是单工况载荷预估模型的精度,表3中的各数据为利用采用线性回归方式建立的载荷预估模型获得的与一子工况对应的等效疲劳载荷与通过仿真方式获得的与该子工况对应的等效疲劳载荷的比值,一般比值在100±5%范围内,可认为载荷预估模型的输出精度是可以满足实际工程计算的精度需求的。
表3
应理解,表3仅示出了基于载荷预估模型对风电机组中的部分部件的等效疲劳载荷的预测精度,表3中叶根Mx_m4表示材料为m=4的叶根部分的等效疲劳载荷Mx,固定轮毂Fy_m10表示材料为m=10的固定轮毂部分的等效疲劳载荷Fy,塔底Mz_m4表示材料为m=4的塔底部分的等效疲劳载荷Mz,以此类推,本发明不再一一列举说明。
应理解,分扇区仿真载荷评估带来大量的仿真工况,通过建立载荷样本库和载荷预估模型,解决了需要大量资源和计算时间的问题,在项目评估初期实现了快速评估、快速决策的目的。
优选地,针对上述确定在每个扇区下的每个预设风速段对应的子工况下的控制策略的情况,可通过以下方式确定任一扇区下的任一预设风速段对应的子工况下的等效疲劳载荷:根据任一扇区下的任一预设风速段对应的子工况以及所对应的控制策略,获得该任一扇区下的该任一预设风速段对应的子工况下的等效疲劳载荷。也就是说,基于子工况下的参数以及子工况对应的控制策略来获得该子工况下的等效疲劳载荷。
针对上述基于子工况和控制策略来确定等效疲劳载荷的情况,在利用载荷预估模型获得等效疲劳载荷的实施例中,可将多个子工况以及各子工况对应的控制策略输入载荷预估模型,来获得等效疲劳载荷。
在基于载荷样本库获得等效疲劳载荷的实施例中,可从载荷样本库中查找与子工况以及该子工况对应的控制策略匹配的等效疲劳载荷。此时,载荷样本库中存储有与多个子工况下的多种控制策略对应的等效疲劳载荷。
在本发明示例性实施例中,不采用国际通用标准建议的Frandsen经验公式进行扇区评估,而是直接采用扇区风资源参数或者扇区风资源参数和控制策略的结合进行分扇区载荷评估。通过将风资源参数与控制策略相结合来对各扇区进行载荷分析,可以直接得到针对各扇区执行控制策略之后各扇区的载荷情况。
返回图1,在步骤S20中,确定风电机组的预定部件的类型。
作为示例,预定部件的类型可包括旋转部件和固定部件。
这里,旋转部件可指风电机组中可随着风电机组的偏航控制而进行旋转的部件,例如,旋转部件可指风电机组的机头部件(如,机舱、叶片、偏航轴承等)。
固定部件可指风电机组中不会随着风电机组的偏航控制而进行旋转的部件,例如,塔架、塔底等。
在步骤S30中,根据确定的等效疲劳载荷,确定上述所确定的类型的预定部件的最终等效疲劳载荷。
例如,可根据风电机组的预定部件的类型,基于上述确定的每个扇区下的每个预设风速段对应的子工况下的等效疲劳载荷来确定该预定部件的最终等效疲劳载荷。
也就是说,在本发明的示例性实施例中,针对不同类型的预定部件利用不同的载荷叠加方式来确定该预定部件的最终等效疲劳载荷。下面参照图3来介绍根据预定部件的类型来确定该预定部件的最终等效疲劳载荷的步骤。
图3示出根据本发明示例性实施例的确定风电机组的预定部件的最终等效疲劳载荷的步骤的流程图。
参照图3,在步骤S301中,确定预定部件的类型是否为旋转部件。
如果确定预定部件的类型为旋转部件,则执行步骤S302:确定预定部件的整体等效疲劳载荷,将确定的整体等效疲劳载荷作为预定部件的最终等效疲劳载荷。
这里,当预定部件的类型为旋转部件时,表明该预定部件应是跟随着风向的变化在旋转,此时将预定部件的整体等效疲劳载荷作为最终等效疲劳载荷。例如,可确定预定部件的所有扇区下的所有子工况下的整体等效疲劳载荷。
在此情况下,可根据所有扇区下的所有子工况下的等效疲劳载荷、每个子工况的工况占比以及预定部件的SN曲线的wohler指数,获得该预定部件的整体疲劳载荷。这里,Wohler指数(Wohler exponent)为SN曲线的反斜率。SN曲线(SN Curves)是以材料标准试件疲劳强度为纵坐标,以疲劳寿命的对数值lg N为横坐标,表示一定循环特征下标准试件的疲劳强度与疲劳寿命之间关系的曲线,也可称为应力-寿命曲线(或者Wohler曲线)。
例如,可基于雨流统计原理,来根据每个扇区下的每个预设风速段对应的子工况下的等效疲劳载荷确定预定部件的整机等效疲劳载荷。
作为示例,可利用下面的公式来计算预定部件的整机等效疲劳载荷:
公式(1)中,F表示预定部件的等效疲劳载荷,m表示SN曲线的Wohler指数,fij表示第i个扇区下的第j个子工况下的等效疲劳载荷,pij表示第i个扇区下的第j个子工况的工况占比,1≤i≤k,k为扇区的数量,1≤j≤n,n为子工况的数量。
这里,对于疲劳后处理中按照时间分布的等效疲劳载荷,pij可表示风频概率值,即,第j个子工况对应的预设风速段的风频分布值,也可以是发生第j个子工况的时长与全部工况的总时长的比值。对于按照次数分布的工况,pij可表示瞬态工况的频次按照扇区次数占比进行等比配比。这里,不分扇区时工况设计里对每个按次数分布的工况的风频占比有一设定值(即,设定占比值),分扇区时按每个扇区风频的设定占比值,对按次数分布的工况的风频占比进行等比配比。这里,当预定部件的材料不同时,m值也会不同,此时,所计算得到的整机等效疲劳载荷也会发生变化。
如果确定预定部件的类型不为旋转部件(即,确定预定部件的类型为固定部件),则执行步骤S303:确定预定部件的扇区等效疲劳载荷,将各扇区的扇区等效疲劳载荷作为预定部件的最终等效疲劳载荷。
当预定部件的类型为固定部件时,该预定部件不随着风向的变化而进行动作,此时可针对该预定部件进行分扇区的等效疲劳载荷评估。例如,可确定预定部件的每个扇区下的所有子工况下的扇区等效疲劳载荷。
在此情况下,可通过以下方式确定预定部件的任一扇区下的所有子工况下的扇区等效疲劳载荷:根据该任一扇区下的所有子工况下的等效疲劳载荷、每个子工况的工况占比以及预定部件的SN曲线的wohler指数,获得预定部件在该任一扇区的扇区疲劳载荷。
例如,可利用下面的公式来计算任一扇区的扇区等效疲劳载荷:
公式(2)中,Fi表示第i个扇区的扇区等效疲劳载荷。
在一优选实施例中,可将计算得到的预定部件的各扇区的扇区等效疲劳载荷映射到预定部件的预定位置处,用以计算该预定部件的疲劳损伤值。这里,可利用各种载荷映射方式来将各扇区的扇区等效疲劳载荷映射到预定部件的预定位置处,本发明对此不做限定。
应理解,在本发明示例性实施例中,是根据风电机组的预定部件的不同类型来采用不同的载荷叠加方式以获得预定部件的最终等效疲劳载荷。即,针对旋转部件,是采用所有扇区所有子工况进行载荷叠加的方式,来获得整机等效疲劳载荷,针对固定部件是采用按扇区的载荷叠加方式(即,将扇区下的所有子工况进行载荷叠加),来获得扇区等效疲劳载荷。
这里,对于风电机组中的固定部件,由于其所有载荷不在一个方向上,如果将所有扇区所有子工况叠加后的载荷作为固定部件的最终等效疲劳载荷是不准确,其与固定部件的真实载荷分布情况存在较大差异,将导致对固定部件的载荷评估结果不够准确。
优选地,在本发明示例性实施例中,在确定出预定部件的最终等效疲劳载荷之后,可基于确定的最终等效疲劳载荷进行扇区控制。也就是说,在本发明示例性实施例中是以等效疲劳载荷作为优化目标,来制定扇区管理控制策略。下面参照图4来介绍用于根据预定部件的最终等效疲劳载荷来制定扇区管理控制策略的步骤。
图4示出根据本发明示例性实施例的用于制定扇区管理控制策略的步骤的流程图。
参照图4,在步骤S401中,计算每个扇区下的每个预设风速段对应的载荷影响程度指标。
作为示例,可利用如下公式来计算任一扇区下的任一预设风速段对应的载荷影响程度指标:
公式(3)中,表示在第i个扇区的第j个预设风速段V下的载荷影响程度指标,si表示第i个扇区,fij表示第i个扇区下的第j个预设风速段(即,第j个子工况)对应等效疲劳载荷,pij表示第i个扇区下的第j个预设风速段的工况占比。
在步骤S402中,基于载荷影响程度指标确定每个扇区的敏感风速段,针对确定的敏感风速段制定相应地的扇区管理控制策略。
这里,基于计算得到的载荷影响程度指标的数值大小能够找到对于每个扇区的敏感风速段(即,载荷影响程度指标数值大于预定值的风仓),以针对找到的敏感风速段来制定扇区管理控制策略。以上述表1所示为例,基于载荷影响程度指标找到的敏感风速段可主要对应于发电工况DLC1.2和优选的停机工况DLC6.4。
这里,载荷影响程度指标的数值越大,表明对载荷的贡献越大。在确定出每个扇区的每个预设风速段的载荷影响程度指标之后,可针对各扇区中对载荷贡献大的敏感风速段来结合风场地形和风场设计条件,制定相应的扇区管理控制策略。例如,可针对敏感风速段来制定降载控制策略,或者分析风电机组周围的地形条件来选择降载方式。
作为示例,可针对预定部件采用扇区编号_预设风速段的形式,计算每个扇区下的每个预设风速段对应的载荷影响程度指标。例如,计算S01_08(第01扇区第08预设风速段)的载荷影响程度指标,基于计算得到的载荷影响程度指标的数值大小,找到敏感风速段,即,找到每个机位点对整机不同部位不同载荷最敏感的一个或一系列风仓,结合风场地形和风场设计条件,进行扇区管理,提出停机控制策略或者其他控制策略,进而为整机载荷优化提出有效的解决方案。
在本发明示例性实施例中,通过直接扇区评估,对扇区甚至扇区下的某个风速段的载荷影响配比进行标准化分析,得到精细化的定量影响程度结果。通过上述所示的载荷预估方法,可以开展基于扇区管理的风电机组载荷设计、快速评估及优化,考虑到了扇区的精细分析,并在风参输入阶段摒除了m指数的影响。并且通过建立高精度的载荷样本库和载荷预估模型,实现了快速、高精度地分扇区载荷仿真,对于大型风电场,使得对所有机位点载荷安全进行分扇区快速预估变为可能。在快速评估的基础上,设计了风仓概念,建立相应的载荷影响程度指标,使得快速优化分析可定量化定位至每个扇区下每个风速段,为扇区管理控制提供最优化解决方案。
图5示出根据本发明示例性实施例的基于扇区的风电机组的预定部件的载荷预估装置的框图。
如图5所示,根据本发明示例性实施例的基于扇区的风电机组的预定部件的载荷预估装置包括:子工况载荷确定模块10、部件类型确定模块20和最终载荷确定模块30。
具体说来,子工况载荷确定模块10针对风电机组划分为多个扇区,确定每个扇区下的每个预设风速段对应的子工况下的等效疲劳载荷。
在一优选实施例中,根据本发明示例性实施例的基于扇区的风电机组的预定部件的载荷预估装置可还包括:数据获取子模块和子工况确定子模块(图中未示出)。
数据获取子模块可获取预定部件在每个扇区所对应的风资源数据。这里,风资源数据可包括风速和其他风参数。
这里,针对风电机组划分为多个扇区是指将风电机组按来流方向划分为多个扇区。此时,数据获取子模块获取的风资源数据可包括风电机组的预定部件的每个扇区所对应的风速和其他风参数。
作为示例,其他风参数可包括但不限于以下项中的至少一项:湍流强度、空气密度、入流角、风切变、风频分布值。
子工况确定子模块针对预定部件的每个扇区,根据每个预设风速段内各风速对应的其他风参数,获得与该扇区下的每个预设风速段对应的子工况。
例如,预定部件的一个扇区下的一个预设风速段对应的风资源数据生成一个子工况。在一优选实施例中,任一子工况下的参数可包括与该任一子工况对应的预设风速段的风速代表值、该预设风速段对应的湍流强度、空气密度、入流角、风切变、风频分布值。
在一优选实施例中,子工况载荷确定模块10可还确定在每个扇区下的每个预设风速段对应的子工况下的控制策略。作为示例,控制策略可包括但不限于停机控制策略(Idling)、转速控制策略、变桨控制策略。
在此情况下,子工况载荷确定模块10可根据每个扇区下的每个预设风速段对应的子工况以及各子工况所对应的控制策略,获得每个扇区下的每个预设风速段对应的子工况下的等效疲劳载荷。
在一个示例中,子工况载荷确定模块10可从载荷样本库中查找与该任一预设风速段对应的子工况匹配的等效疲劳载荷。
这里,载荷样本库中可存储有多个子工况以及与所述多个子工况对应的等效疲劳载荷。
优选地,根据本发明示例性实施例的基于扇区的风电机组的预定部件的载荷预估装置可还包括样本库建立模块(图中未示出),用于建立载荷样本库。
样本库建立模块可将基于扇区的常规仿真工况和/或基于扇区执行各种控制策略的工况作为基准工况,通过对基准工况进行扩充来获得多个子工况,通过仿真获得与多个子工况对应的等效疲劳载荷,根据多个子工况和与多个子工况对应的等效疲劳载荷建立载荷样本库。优选地,样本库建立模块可利用正交法或者均匀设计方法来对基准工况进行扩充以获得多个子工况。
在另一示例中,子工况载荷确定模块10可通过将任一扇区下的任一预设风速段对应的子工况输入载荷预估模型,获得任一扇区下的任一预设风速段对应的子工况下的等效疲劳载荷。
应理解,上述载荷预估模型为已经训练好的模型,在一优选实施例中,根据本发明示例性实施例的载荷预估装置可还包括模型训练模块(图中未示出),用于对载荷预估模型进行训练。优选地,可利用上述载荷样本库中的数据来对载荷预估模型进行训练。
例如,模型训练模块可将载荷样本库中的多个子工况作为载荷预估模型的输入,将载荷样本库中与多个子工况对应的等效疲劳载荷作为载荷预估模型的输出,来对载荷预估模型进行训练。
优选地,针对上述确定在每个扇区下的每个预设风速段对应的子工况下的控制策略的情况,子工况载荷确定模块10可根据任一扇区下的任一预设风速段对应的子工况以及所对应的控制策略,获得该任一扇区下的该任一预设风速段对应的子工况下的等效疲劳载荷。也就是说,子工况载荷确定模块10基于子工况下的参数以及子工况对应的控制策略来获得该子工况下的等效疲劳载荷。
针对上述基于子工况和控制策略来确定等效疲劳载荷的情况,在利用载荷预估模型获得等效疲劳载荷的实施例中,子工况载荷确定模块10可将多个子工况以及各子工况对应的控制策略输入载荷预估模型,来获得等效疲劳载荷。
在基于载荷样本库获得等效疲劳载荷的实施例中,子工况载荷确定模块10可从载荷样本库中查找与子工况以及该子工况对应的控制策略匹配的等效疲劳载荷。此时,载荷样本库中存储有与多个子工况下的多种控制策略对应的等效疲劳载荷。
部件类型确定模块20确定风电机组的预定部件的类型。
作为示例,预定部件的类型可包括旋转部件和固定部件。这里,旋转部件可指风电机组中可随着风电机组的偏航控制而进行旋转的部件,例如,旋转部件可指风电机组的机头部件。固定部件可指风电机组中不会随着风电机组的偏航控制而进行旋转的部件。
最终载荷确定模块30根据确定的等效疲劳载荷,确定上述所确定的类型的预定部件的最终等效疲劳载荷。
例如,最终载荷确定模块30可根据风电机组的预定部件的类型,基于上述确定的每个扇区下的每个预设风速段对应的子工况下的等效疲劳载荷来确定该预定部件的最终等效疲劳载荷。也就是说,最终载荷确定模块30针对不同类型的预定部件利用不同的载荷叠加方式来确定该预定部件的最终等效疲劳载荷。下面参照图6来介绍最终载荷确定模块30根据预定部件的类型来确定该预定部件的最终等效疲劳载荷的过程。
图6示出根据本发明示例性实施例的最终载荷确定模块30的框图。
如图6所示,根据本发明示例性实施例的最终载荷确定模块30可包括:整体载荷确定子模块302和扇区载荷确定子模块303。除此之外,最终载荷确定模块30可还包括判断子模块301。
具体说来,判断子模块301确定预定部件的类型是否为旋转部件。
如果确定预定部件为旋转部件,则整体载荷确定子模块302可确定预定部件的整体等效疲劳载荷,将确定的整体等效疲劳载荷作为预定部件的最终等效疲劳载荷。例如,整体载荷确定子模块302可确定预定部件的所有扇区下的所有子工况下的整体等效疲劳载荷。
在此情况下,整体载荷确定子模块302可根据所有扇区下的所有子工况下的等效疲劳载荷、每个子工况的工况占比以及所述预定部件的SN曲线的wohler指数,获得预定部件的整体疲劳载荷。
如果确定预定部件不为旋转部件(即,确定预定部件为固定部件),则扇区载荷确定子模块303确定预定部件的扇区等效疲劳载荷,将确定的扇区等效疲劳载荷作为预定部件的最终等效疲劳载荷。例如,扇区载荷确定子模块303可确定预定部件的每个扇区下的所有子工况下的扇区等效疲劳载荷。
在此情况下,扇区载荷确定子模块303可根据任一扇区下的所有子工况下的等效疲劳载荷、每个子工况的工况占比以及预定部件的SN曲线的wohler指数,获得预定部件在该任一扇区的扇区疲劳载荷。
优选地,在本发明示例性实施例中,在确定出预定部件的最终等效疲劳载荷之后,可基于确定的最终等效疲劳载荷进行扇区控制。下面参照图7来介绍用于根据预定部件的最终等效疲劳载荷来制定扇区管理控制策略的过程。
图7示出根据本发明示例性实施例的用于制定扇区管理控制策略的装置的框图。
如图7所示,根据本发明示例性实施例的用于制定扇区管理控制策略的装置可包括:指标确定模块40和控制策略制定模块50。
具体说来,指标确定模块40计算每个扇区下的每个预设风速段对应的载荷影响程度指标。
控制策略制定模块50基于所述载荷影响程度指标确定每个扇区的敏感风速段,针对确定的敏感风速段制定相应地的扇区管理控制策略。
这里,控制策略制定模块50可基于计算得到的载荷影响程度指标的数值大小能够找到对于每个扇区的敏感风速段(即,载荷影响程度指标数值大于预定值的风仓),以针对找到的敏感风速段来制定扇区管理控制策略。
这里,载荷影响程度指标的数值越大,表明对载荷的贡献越大。在确定出每个扇区的每个预设风速段的载荷影响程度指标之后,控制策略制定模块50可针对各扇区中对载荷贡献大的敏感风速段来结合风场地形和风场设计条件,制定相应的扇区管理控制策略。
根据本发明的示例性实施例还提供一种计算装置。该计算装置包括处理器和存储器。存储器用于存储计算机程序。所述计算机程序被处理器执行使得处理器执行上述的基于扇区的风电机组的预定部件的载荷预估方法的计算机程序。
根据本发明的示例性实施例还提供一种存储有计算机程序的计算机可读存储介质。该计算机可读存储介质存储有当被处理器执行时使得处理器执行上述基于扇区的风电机组的预定部件的载荷预估方法的计算机程序。该计算机可读记录介质是可存储由计算机系统读出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、随机存取存储器、只读光盘、磁带、软盘、光数据存储装置和载波(诸如经有线或无线传输路径通过互联网的数据传输)。
采用本发明示例性实施例的基于扇区的风电机组的预定部件的载荷预估方法和装置,为精细化评估风电场前期的风电机组载荷安全提供可能,并可以实现快速、高精度的载荷评估。
此外,采用本发明示例性实施例的基于扇区的风电机组的预定部件的载荷预估方法和装置,基于扇区分别建立多种子工况的载荷预估模型和载荷样本库,解决扇区评估仿真复杂的难题,能够快速得到每个扇区中的任意子工况下的等效疲劳载荷,有效减少仿真工程的计算量。
此外,采用本发明示例性实施例的基于扇区的风电机组的预定部件的载荷预估方法和装置,按扇区提取风资源数据,并直接按扇区进行载荷评估,使得对扇区的载荷评估更为精细化。
此外,采用本发明示例性实施例的基于扇区的风电机组的预定部件的载荷预估方法和装置,在基于扇区的风资源数据来获得等效疲劳载荷的基础上,引入控制策略,即,将各子工况下的参数和各子工况对应的控制策略作为输入,来确定各扇区下的各子工况的等效疲劳载荷,使得对扇区的载荷评估更为精细化。
此外,采用本发明示例性实施例的基于扇区的风电机组的预定部件的载荷预估方法和装置,将扇区的风资源数据直接用于载荷评估,排除了传统方法风参阶段受Wohler指数m值的困扰。
此外,采用本发明示例性实施例的基于扇区的风电机组的预定部件的载荷预估方法和装置,能够评估出不同扇区下的不同风速段对载荷安全的定量影响程度,便于指定更为精细的扇区控制策略。
尽管已参照优选实施例表示和描述了本发明,但本领域技术人员应该理解,在不脱离由权利要求限定的本发明的精神和范围的情况下,可以对这些实施例进行各种修改和变换。
Claims (22)
1.一种基于扇区的风电机组的预定部件的载荷预估方法,其特征在于,包括:
针对风电机组划分为多个扇区,确定每个扇区下的每个预设风速段对应的子工况下的等效疲劳载荷;
确定风电机组的所述预定部件的类型;
根据确定的所述等效疲劳载荷,确定所述类型的预定部件的最终等效疲劳载荷;
其中,所述预定部件的类型包括旋转部件和固定部件;
其中,根据确定的所述等效疲劳载荷,确定所述类型的预定部件的最终等效疲劳载荷的步骤包括:
如果确定所述预定部件为旋转部件,则确定所述预定部件的整体等效疲劳载荷,将确定的整体等效疲劳载荷作为所述预定部件的最终等效疲劳载荷,
如果确定所述预定部件为固定部件,则确定所述预定部件的扇区等效疲劳载荷,将各扇区的扇区等效疲劳载荷作为所述预定部件的最终等效疲劳载荷。
2.如权利要求1所述的载荷预估方法,其特征在于,确定所述预定部件的整体等效疲劳载荷的步骤包括:确定所述预定部件的所有扇区下的所有子工况下的整体等效疲劳载荷,
其中,确定所述预定部件的扇区等效疲劳载荷的步骤包括:确定所述预定部件的每个扇区下的所有子工况下的扇区等效疲劳载荷。
3.如权利要求2所述的载荷预估方法,其特征在于,确定所述预定部件的所有扇区下的所有子工况下的整体等效疲劳载荷的步骤包括:
根据所有扇区下的所有子工况下的等效疲劳载荷、每个子工况的工况占比以及所述预定部件的SN曲线的wohler指数,获得所述预定部件的整体疲劳载荷。
4.如权利要求2所述的载荷预估方法,其特征在于,通过以下方式确定所述预定部件的任一扇区下的所有子工况下的扇区等效疲劳载荷:
根据所述任一扇区下的所有子工况下的等效疲劳载荷、每个子工况的工况占比以及所述预定部件的SN曲线的wohler指数,获得所述预定部件在所述任一扇区的扇区疲劳载荷。
5.如权利要求1所述的载荷预估方法,其特征在于,通过以下方式确定每个扇区下的每个预设风速段对应的子工况:
获取所述预定部件在每个扇区所对应的风资源数据,其中,所述风资源数据包括风速和其他风参数;
针对所述预定部件的每个扇区,根据每个预设风速段内各风速对应的其他风参数,获得与该扇区下的每个预设风速段对应的子工况。
6.如权利要求5所述的载荷预估方法,其特征在于,所述其他风参数包括以下项中的至少一项:湍流强度、空气密度、入流角、风切变、风频分布值。
7.如权利要求1所述的载荷预估方法,其特征在于,所述载荷预估方法还包括:确定在每个扇区下的每个预设风速段对应的子工况下的控制策略,
其中,通过以下方式确定任一扇区下的任一预设风速段对应的子工况下的等效疲劳载荷:
根据所述任一扇区下的所述任一预设风速段对应的子工况以及所对应的控制策略,获得所述任一扇区下的所述任一预设风速段对应的子工况下的等效疲劳载荷。
8.如权利要求1所述的载荷预估方法,其特征在于,通过以下方式确定任一扇区下的任一预设风速段对应的子工况下的等效疲劳载荷:
通过将所述任一扇区下的所述任一预设风速段对应的子工况输入载荷预估模型,获得所述任一扇区下的所述任一预设风速段对应的子工况下的等效疲劳载荷,
或者,从载荷样本库中查找与所述任一预设风速段对应的子工况匹配的等效疲劳载荷。
9.如权利要求8所述的载荷预估方法,其特征在于,载荷样本库中存储有多个子工况以及与所述多个子工况对应的等效疲劳载荷,
其中,通过以下方式来建立载荷样本库:
将基于扇区的常规仿真工况和/或基于扇区执行各种控制策略的工况作为基准工况,通过对基准工况进行扩充来获得多个子工况,
通过仿真获得与所述多个子工况对应的等效疲劳载荷,
根据所述多个子工况和与所述多个子工况对应的等效疲劳载荷建立载荷样本库。
10.如权利要求1所述的载荷预估方法,其特征在于,所述载荷预估方法还包括:
计算每个扇区下的每个预设风速段对应的载荷影响程度指标;
基于所述载荷影响程度指标确定每个扇区的敏感风速段,针对确定的敏感风速段制定相应地的扇区管理控制策略。
11.一种基于扇区的风电机组的预定部件的载荷预估装置,其特征在于,包括:
子工况载荷确定模块,针对风电机组划分为多个扇区,确定每个扇区下的每个预设风速段对应的子工况下的等效疲劳载荷;
部件类型确定模块,确定风电机组的所述预定部件的类型;
最终载荷确定模块,根据确定的所述等效疲劳载荷,确定所述类型的预定部件的最终等效疲劳载荷;
其中,所述预定部件的类型包括旋转部件和固定部件;
其中,最终载荷确定模块包括:
整体载荷确定子模块,如果确定所述预定部件为旋转部件,则确定所述预定部件的整体等效疲劳载荷,将确定的整体等效疲劳载荷作为所述预定部件的最终等效疲劳载荷;
扇区载荷确定子模块,如果确定所述预定部件为固定部件,则确定所述预定部件的扇区等效疲劳载荷,将各扇区的扇区等效疲劳载荷作为所述预定部件的最终等效疲劳载荷。
12.如权利要求11所述的载荷预估装置,其特征在于,整体载荷确定子模块确定所述预定部件的所有扇区下的所有子工况下的整体等效疲劳载荷,
其中,扇区载荷确定子模块确定所述预定部件的每个扇区下的所有子工况下的扇区等效疲劳载荷。
13.如权利要求12所述的载荷预估装置,其特征在于,整体载荷确定子模块根据所有扇区下的所有子工况下的等效疲劳载荷、每个子工况的工况占比以及所述预定部件的SN曲线的wohler指数,获得所述预定部件的整体疲劳载荷。
14.如权利要求12所述的载荷预估装置,其特征在于,扇区载荷确定子模块根据任一扇区下的所有子工况下的等效疲劳载荷、每个子工况的工况占比以及所述预定部件的SN曲线的wohler指数,获得所述预定部件在所述任一扇区的扇区疲劳载荷。
15.如权利要求11所述的载荷预估装置,其特征在于,所述载荷预估装置还包括:
数据获取子模块,获取所述预定部件在每个扇区所对应的风资源数据,其中,所述风资源数据包括风速和其他风参数;
子工况确定子模块,针对所述预定部件的每个扇区,根据每个预设风速段内各风速对应的其他风参数,获得与该扇区下的每个预设风速段对应的子工况。
16.如权利要求15所述的载荷预估装置,其特征在于,所述其他风参数包括以下项中的至少一项:湍流强度、空气密度、入流角、风切变、风频分布值。
17.如权利要求11所述的载荷预估装置,其特征在于,子工况载荷确定模块还确定在每个扇区下的每个预设风速段对应的子工况下的控制策略,
子工况载荷确定模块根据每个扇区下的每个预设风速段对应的子工况以及各子工况所对应的控制策略,获得每个扇区下的每个预设风速段对应的子工况下的等效疲劳载荷。
18.如权利要求11所述的载荷预估装置,其特征在于,子工况载荷确定模块通过以下方式确定任一扇区下的任一预设风速段对应的子工况下的等效疲劳载荷:
通过将所述任一扇区下的所述任一预设风速段对应的子工况输入载荷预估模型,获得所述任一扇区下的所述任一预设风速段对应的子工况下的等效疲劳载荷,
或者,从载荷样本库中查找与所述任一预设风速段对应的子工况匹配的等效疲劳载荷。
19.如权利要求18所述的载荷预估装置,其特征在于,载荷样本库中存储有多个子工况以及与所述多个子工况对应的等效疲劳载荷,
其中,所述载荷预估装置还包括样本库建立模块,通过以下方式来建立载荷样本库:
将基于扇区的常规仿真工况和/或基于扇区执行各种控制策略的工况作为基准工况,通过对基准工况进行扩充来获得多个子工况,
通过仿真获得与所述多个子工况对应的等效疲劳载荷,
根据所述多个子工况和与所述多个子工况对应的等效疲劳载荷建立载荷样本库。
20.如权利要求11所述的载荷预估装置,其特征在于,所述载荷预估装置还包括:
指标确定模块,计算每个扇区下的每个预设风速段对应的载荷影响程度指标;
控制策略制定模块,基于所述载荷影响程度指标确定每个扇区的敏感风速段,针对确定的敏感风速段制定相应地的扇区管理控制策略。
21.一种存储有计算机程序的计算机可读存储介质,其特征在于,当所述计算机程序在被处理器执行时实现如权利要求1至10中任意一项所述的基于扇区的风电机组的预定部件的载荷预估方法。
22.一种计算装置,其特征在于,所述计算装置包括:
处理器;
存储器,存储有计算机程序,当所述计算机程序被处理器执行时,实现如权利要求1至10中任意一项所述的基于扇区的风电机组的预定部件的载荷预估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910040095.2A CN111441917B (zh) | 2019-01-16 | 2019-01-16 | 基于扇区的风电机组的预定部件的载荷预估方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910040095.2A CN111441917B (zh) | 2019-01-16 | 2019-01-16 | 基于扇区的风电机组的预定部件的载荷预估方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111441917A CN111441917A (zh) | 2020-07-24 |
CN111441917B true CN111441917B (zh) | 2024-05-10 |
Family
ID=71653901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910040095.2A Active CN111441917B (zh) | 2019-01-16 | 2019-01-16 | 基于扇区的风电机组的预定部件的载荷预估方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111441917B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985104A (zh) * | 2020-08-20 | 2020-11-24 | 上海电气风电集团股份有限公司 | 风力发电机等效疲劳载荷的估算方法及装置及计算机可读存储介质 |
CN112131719B (zh) * | 2020-09-07 | 2022-11-25 | 上海电气风电集团股份有限公司 | 风机载荷结果的获取方法及装置、计算机可读存储介质 |
CN112052604A (zh) * | 2020-09-29 | 2020-12-08 | 上海电气风电集团股份有限公司 | 风机等效疲劳载荷的预测方法、系统、设备及可读介质 |
CN112131753A (zh) * | 2020-09-29 | 2020-12-25 | 上海电气风电集团股份有限公司 | 风机疲劳寿命的评估方法、系统、设备及可读介质 |
CN113309663B (zh) * | 2021-03-08 | 2022-11-15 | 新疆金风科技股份有限公司 | 用于风力发电机组的控制方法及控制装置 |
CN112906236A (zh) * | 2021-03-09 | 2021-06-04 | 龙源(北京)风电工程技术有限公司 | 风电机组关键结构位置剩余寿命预测方法及装置 |
CN113779490B (zh) * | 2021-08-27 | 2023-08-08 | 重庆大学 | 一种兆瓦级风电齿轮箱等效缩减方法 |
CN116412083A (zh) * | 2021-12-29 | 2023-07-11 | 新疆金风科技股份有限公司 | 一种风力发电机组的控制方法、装置、设备及介质 |
CN116292094B (zh) * | 2022-08-26 | 2023-09-05 | 北京金风科创风电设备有限公司 | 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 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102305179A (zh) * | 2011-08-23 | 2012-01-04 | 国电联合动力技术有限公司 | 风力发电机组偏航扇区管理和优化控制系统及其方法 |
CN104537424A (zh) * | 2014-10-28 | 2015-04-22 | 北京天源科创风电技术有限责任公司 | 一种建立基于风电机组载荷数据库的预测响应系统的方法 |
WO2016032128A1 (ko) * | 2014-08-25 | 2016-03-03 | 전자부품연구원 | 풍력발전단지 제어 시스템 및 이를 이용한 풍력발전단지 제어방법 |
CN105760641A (zh) * | 2014-12-15 | 2016-07-13 | 南车株洲电力机车研究所有限公司 | 面向非标准型风场的风电机组疲劳寿命高效评估方法 |
CN106503316A (zh) * | 2016-10-12 | 2017-03-15 | 广东明阳风电产业集团有限公司 | 一种风机载荷高效评估系统 |
CN107654336A (zh) * | 2017-09-20 | 2018-02-02 | 山东中车风电有限公司 | 基于扇区分布的风电机组风场适应性快速评估优化方法 |
CN108256712A (zh) * | 2016-12-29 | 2018-07-06 | 北京金风科创风电设备有限公司 | 风电场场群的控制方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622458B (zh) * | 2011-01-30 | 2013-07-31 | 华锐风电科技(集团)股份有限公司 | 一种风力发电机组振动与载荷综合评估系统及评估方法 |
-
2019
- 2019-01-16 CN CN201910040095.2A patent/CN111441917B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102305179A (zh) * | 2011-08-23 | 2012-01-04 | 国电联合动力技术有限公司 | 风力发电机组偏航扇区管理和优化控制系统及其方法 |
WO2016032128A1 (ko) * | 2014-08-25 | 2016-03-03 | 전자부품연구원 | 풍력발전단지 제어 시스템 및 이를 이용한 풍력발전단지 제어방법 |
CN104537424A (zh) * | 2014-10-28 | 2015-04-22 | 北京天源科创风电技术有限责任公司 | 一种建立基于风电机组载荷数据库的预测响应系统的方法 |
CN105760641A (zh) * | 2014-12-15 | 2016-07-13 | 南车株洲电力机车研究所有限公司 | 面向非标准型风场的风电机组疲劳寿命高效评估方法 |
CN106503316A (zh) * | 2016-10-12 | 2017-03-15 | 广东明阳风电产业集团有限公司 | 一种风机载荷高效评估系统 |
CN108256712A (zh) * | 2016-12-29 | 2018-07-06 | 北京金风科创风电设备有限公司 | 风电场场群的控制方法及装置 |
CN107654336A (zh) * | 2017-09-20 | 2018-02-02 | 山东中车风电有限公司 | 基于扇区分布的风电机组风场适应性快速评估优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111441917A (zh) | 2020-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111441917B (zh) | 基于扇区的风电机组的预定部件的载荷预估方法和装置 | |
CN110761947B (zh) | 一种风电机组偏航校准方法及系统 | |
Robertson et al. | Sensitivity analysis of the effect of wind characteristics and turbine properties on wind turbine loads | |
Häckell et al. | Monitoring a 5 MW offshore wind energy converter—Condition parameters and triangulation based extraction of modal parameters | |
Bierbooms et al. | Stochastic gust model for design calculations of wind turbines | |
RIBOLDI | Advanced control laws for variable-speed wind turbines and supporting enabling technologies | |
KR102109493B1 (ko) | 풍력 터빈의 피로하중 모델 구축 방법 | |
Stensgaard Toft et al. | Wind climate parameters for wind turbine fatigue load assessment | |
Liu et al. | Deconvolution approach for floating wind turbines | |
Karimi et al. | A fully coupled frequency domain model for floating offshore wind turbines | |
WO2019201404A1 (en) | A method and a system for designing a foundation for a wind turbine | |
Noppe et al. | Modeling of quasi-static thrust load of wind turbines based on 1 s SCADA data | |
Kimball et al. | Results from the FOCAL experiment campaign 1: turbine control co-design | |
Yang et al. | Statistical extrapolation methods and empirical formulae for estimating extreme loads on operating wind turbine towers | |
Branlard et al. | A digital-twin solution for floating offshore wind turbines validated using a full-scale prototype | |
CN111400845B (zh) | 风电机组的发电性能评估方法和装置 | |
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 | |
CN112052604A (zh) | 风机等效疲劳载荷的预测方法、系统、设备及可读介质 | |
Myrent et al. | Aerodynamic sensitivity analysis of rotor imbalance and shear web disbond detection strategies for offshore structural health prognostics management of wind turbine blades | |
Wiley et al. | Sensitivity analysis of numerical modeling input parameters on floating offshore wind turbine loads | |
Shaler et al. | Sensitivity analysis of the effect of wind and wake characteristics on wind turbine loads in a small wind farm | |
Robertson et al. | Assessment of wind parameter sensitivity on extreme and fatigue wind turbine loads | |
Sheibat-Othman et al. | Estimation of the wind turbine yaw error by support vector machines | |
CN113361058A (zh) | 确定风电场的代表风参数的方法和设备 | |
Stewart et al. | Statistical estimation of extreme loads for the design of offshore wind turbines during non-operational conditions |
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 |